原文作者：饼干 & alertcat.eth，ChainCatcher
OpenAI 旗下聊天机器人 ChatGPT 在推出仅两个月后月活跃用户达到 1 亿，成为历史上用户增长最快的应用。如此强大的“涨粉”能力让 AI 热度迅速传递到加密领域， 1 月 10 日，彭博社称微软正考虑向 ChatGPT 开发者 OpenAI 投资 100 亿美元，所有 AI 概念的加密货币被彻底引爆，FET、AGIX 等在一个月内涨幅超 200% 。
在资本的助推下，这两项备受关注的前沿技术能否融合在一起？人工智能利用计算机通过模仿人脑的思维能力来解决问题。OpenAI 向自然语言处理（NLP）模型提供大量的训练数据，让其变得更强大。在区块链技术构建的加密世界里，每天的庞大链上数据可以为 AI 引擎提供“燃料”，让 AIGC 反馈出更优秀的策略。
另外，随着 AI 算法变得越来越智能，人们理解它们如何做出决策和结论变得越来越困难。区块链具有不可篡改的特性，可以帮助我们访问 AI 在其决策过程中使用的数据和流程的不可变记录。
Rootdata）
相比于 Stability AI、 ChatGPT 等人工智能在传统领域获得大量关注和采用，区块链更大的想象力在于可以改变 AI 模型的经济系统。当 FOMO 情绪褪去之后，本文将探讨那些引入 AI 技术的加密项目有哪些特点？ AI 结合区块链能够产生什么样的化学反应？
Openfabric 是一个用于构建和连接 AI 应用程序的平台。通过该平台，人工智能创新者、数据提供商、企业和基础设施提供商之间的协作将促进新智能算法和服务的创建和使用。Openfabric 生态系统由 4 个角色组成：算法创建者、数据提供商、基础设施提供商、服务消费者，其中服务消费者需要向其他 3 种服务商付费。
算法创建者：利用其专业知识来创建能够解决复杂业务问题的 AI 算法。
数据提供商：确保分发大量训练 AI 算法所需的数据。
基础设施提供商：运行 AI 平台的所有硬件。
服务消费者：需要特定业务产品或服务的最终用户。
Oraichain 是一个由 AI 驱动的区块链预言机和生态系统。除了数据预言机，Oraichain 的目标是成为区块链领域中具有完整人工智能生态系统，作为创建智能合约和 Dapps 的基础层。以 AI 为基石，Oraichain 开发了许多重要的创新产品和服务，包括 AI 喂价、完全链上 VRF、Data Hub、具有 100 多个 AI API 的 AI Marketplace、基于 AI 的 NFT 生成和 NFT 版权保护、Royalty Protocol、人工智能驱动的收益聚合器平台和 Cosmwasm IDE。
Fetch.ai 是一个基于人工智能和机器学习的区块链平台，支持任何人共享或交易数据。作为一个自治的机器对机器生态系统，任何独立方网络都可以成为 Fetch.ai 的网络代理，将代理之间产生的任何协议记录在 Fetch.ai 区块链上。FET 是 Fetch AI 区块链的原生代币，是支付交易的主要交换媒介。
Fetch.ai 博客
SingularityNET 是一个去中心化的人工智能平台和市场。开发人员将他们的服务发布到 SingularityNET 网络，供任何接入互联网的用户使用。开发人员可以使用原生 AGIX 代币对其服务收费。服务可以提供跨领域的推理或模型训练，例如图像、视频、语音、文本、时间序列、生物人工智能和网络分析。
SingularityNET 生态系统
SingularityNET 生态系统将为平台提供 AI 服务并创造 AGIX 代币的大规模利用。这些 SingularityNET 衍生产品正在多个战略性选择的垂直市场中开发，包括 DeFi、机器人、生物技术和长寿、游戏和媒体、艺术和娱乐（音乐）以及企业级 AI。
Gensyn 协议是一种用于深度学习计算的 Layer 1 网络，通过即时奖励将计算时间投入网络并执行 ML （机器学习）任务的供应方参与者。该协议不需要行政监督或执法，而是通过智能合约以编程方式促进任务分配和支付。该网络的根本挑战是验证已完成的 ML 工作。这是处于复杂性理论、博弈论、密码学和优化的交叉问题。Gensyn 生态系统由提交者、解决者、验证者和举报者 4 个角色组成。
提交者 （Submitters）：提供将要计算的任务并为完成的工作单元付费。
解决者（Solvers）： 执行模型训练并生成证明以供验证者检查。
验证者（Verifiers） ：将非确定性训练过程链接到确定性线性计算、复制求解器证明的一部分并将距离与预期阈值进行比较的关键。
告密者 （Whistleblowers）：检查验证者的工作并提出挑战，希望获得累积奖金。
Gensyn 的愿景是通过分散 ML 计算为 Web3 应用提供重要的基础设施组件，以减少 Dapps 对 Web2 基础设施的依赖。
在加密游戏“P2E”模型的主流金融系统下，用户面临不断变化的游戏玩法以及大量重复性的基础操作，AI 可以为玩家提供稳定的自动化流程和制定胜率更高的游戏策略。rct AI 是一个运用 AI 为游戏行业 提供完整的解决方案，其核心技术混沌球（Chaos Box）是⼀个基于深度强化学习的 AI 引擎。rct AI 针对 Axie Infinity 开发了 AI 训练的 DRL（Deep Reinforcement Learning）模型，由于 Axie Infinity 所有卡牌的组合数量大约有 10 ^ 23 种，还有游戏中的博弈等特点，rct AI 的模型在大量模拟对战数据中提升了效率和胜率。
此外，AI 可以为开发商提供动作原型，Mirror World 是一个基于 Solana 的游戏矩阵虚拟世界，已使用 AI 技术推出了结合 Roguelike 玩法的 Mirrama、基于 PVP 的竞技场游戏 Brawl of Mirrors。此外，Mirror World 还推出了可以在游戏中互操作的 NFT 系列，这些 NFT 的原型使用 AI 动作算法完成。
Champions Ascension，这是一款大型多人在线角色扮演游戏 (MMORPG)，玩家可以选择以 NFT 的形式拥有自己的角色，并能够在大型斗兽场竞技场中进行战斗，做任务，在自定义地牢中建造和竞争和交易数字物品。
AI 协议平台，该平台将帮助处理从用户生成的内容 (UGC) 到匹配到 2D 到 3D 资产渲染的所有内容。
PLAI Labs 计划在今年上线 V2 白皮书，包括核心经济循环的细节（利用 NFT 和区块链提升体验）、UGC 工具包（包括 AI）计划...
Altered State Machine (ASM)是一个结合 NFT、人工智能和机器学习的创新项目，为 AI 驱动的 NFT 提供训练动力，其愿景是成为使用 NFT 技术的 AI 的所有权和货币化协议。在 ASM 生态系统中，基于 AI 的 Avatar 称为 Agent，由大脑和化身两部分组成。该项目还发行了 ASTO 代币为 ASM 生态系统提供动力。
Optic 正在建立一个人工智能的 NFT 验证协议，专注于 NFT 欺诈分析和社区内的 NFT 价值发现，旨在帮助整个 NFT 市场实现更高的真实性和透明度。Optic 智能引擎通过学习真实 NFT 系列，再检索市场上的 NFT 集合。之后 Optic 会返回一个匹配分数，表明被检查的 NFT 与真实 NFT 的匹配程度。
Optic 于 2022 年 7 月完成由 Pantera Capital、 Kleiner Perkins 领投的 1100 万美元融资， Circle Ventures、 Polygon Ventures 等参投。目前 OpenSea 已采用 Optic 的 Copymint 检测服务。
从当下的区块链 AI 项目发展途径来看，AI 的基础架构是由数据、算法和算力三部分组成。一个正常 AI 项目想要实现人工智能的生成或者分析的能力，需要有模型和数据集和调用模型的软件本体及其 GUI。那么这个领域的模型和数据集的分发，模型的训练（算力租赁），软件前端的开发上有中介的形成，而这会催生出旨在高效满足客户需求的区块链 AI 项目。
例如上文中，Fetch.ai 作为中介，可以允许客户使用其原生代币交易数据集。SingularityNET 允许客户从开发者之处购买算力训练服务，Openfabric AI 的客户需要从提供商那里获得模型（算法）、数据集、基础设施（软件）等服务，Humans.ai 本质上是以 NFT 封装了数据集训练好的 AI 模型，用户使用原生代币购买，
Gensyn 实质上是去中心化算力租赁平台。这些都是介于传统 AI 需要完成的任务，例如自然语言处理、AI 语音、图像生成领域使用 DApp 作为中介平台进行交易的项目。
那么区块链中的去中心化应用产生了新的需求，那么基于链游方向，社交方向和 NFT 方向的 AI 项目旨在解决区块链中的用户痛点，例如 rct.ai 解决了链游用户手动重复操作的问题，Mirror World 解决了链游开发，其他的项目则是针对区块链社交和 NFT 进行研发。
目前在Web3社交的初级阶段，引入 AI 更多地是为了一种叙事手段。在未来，AI 项目研发一些可能的方向：
加强数据隐私：Web3 可以通过使用 zk 技术，使数据隐私得到最大程度的保护，而 AI 可以在不损害隐私的情况下分析数据。
智能合约：Web3 技术可以通过智能合约的方式，将 AI 应用融入 Web3 应用中，从而实现对 AI 模型的可控性。这类应用可以用于模型和数据集的交易之中，实现自动化交易流程.并且使用 ZK 技术保护用户的数据.然而，这一类型的项目，面临开源数据集和开源模型的冲击问题，试想:如果用户能在 Hugging face 上面获得开源的数据和模型并且使用 auto train 训练，为什么会在区块链平台上交易?面临Web2公司的冲击，Web3 AI 模型和数据集交易并无足够的护城河。
更加高效的机器学习：Web3 技术可以通过去中心化的方式提高机器学习的效率，从而让 AI 应用更加快速和可靠。这在传统的 AI 训练之中已经有所应用，例如 AlphaGo 的改进版 KataGo 使用了分布式训练技术，使得全球希望此 AI 更新的人自愿提供算力训练.在区块链中的应用则可以类似于 Gitcoin，捐赠算力可以获得 POAP，或者类似于 AMM 提供了对于流动性的激励，成为有偿地出租算力的平台，但是由于币价的高度波动性，这类应用比起传统的 GPU 算力租赁，并不占据优势.除非平台本身从事金融业务，足够从协议捕获的价值中补贴用户，比如 Numerai，使用 AI 技术从股市中盈利，这才使足够多的用户愿意提供 AI 的三要素进入平台。
目前来看，无论是区块链原生的 AI 基础设施，还是借助 AI 引擎实现应用场景的加密项目都处于萌芽时期，主要目标在于打造一个适用的底层基础设施，磨合代币经济学与硬件提供商、数据提供商、AI 算法等人工智能解决方案的融合度。
不过，两者的融合也面临诸多挑战。首先，区块链趋向 Rollup、ZK 等复杂化技术会给 AI 获取数据带来挑战。其次，没有进行足够的持续实验数据来支持 AI 在区块链生态中的适用性，以及 AI 引擎在应对突发事件的调整能力。最后，加密领域频繁出现蹭 AI 概念的虚假项目，让人们容易丧失对该领域探索的信心。
所有的解决传统 AI 问题的区块链 AI 项目都需要回答一个疑问：为什么这个平台需要在区块链上引入代币？这就使得交易标的为Web2市场中已有的标的，比如模型、数据和算力的平台有着 onboarding 的劣势。
代币经济学如飞轮，可以改变一个项目的兴衰周期。在当下，如果希望正向飞轮，则需要考虑到平台实际用户，即获客问题.需求的不可替代性就是一个项目的护城河，缺乏护城河的项目可以获得短线的成功，但是不会有足够多的用户和茁壮的开发者生态.当需求是伪命题时，经济激励是不可持续的，项目的生命周期也会变短。我们期待，有更多的基于真实用户和不可替代的需求的 AI Web3项目的出现。它们旨在完成web2之中没有或者完成不佳的需求，从而原生地需要引入Web3。
无论如何，AI 融入 Web3 是一种未来的技术趋势，现阶段已经出现一些结合人工智能的 Web3 应用实例。随着时间的推移，更多相关的 Web3基础设施、新模式将会相继出现。
