撰文：Weilin
随着 AI 大模型的普及，AI 与 Web3 的融合领域已然成为加密资产市场的热门板块，两个技术在「数据」的应用层面爆发出可融潜力。
当红炸子鸡人工智能自然语言大模型的基础是「三算」，其中之一便是算据，理论上，为大模型提供的数据集越大，在有效训练之后的学习与预测能力就越强。而 Web3 的底层区块链技术本质上分布式数据库，按时序打包数据的链式结构形成了数据无法被篡改的特点。
二者或有互补优势。Web3 区块链能够安全地存储数据，作为一种账本，它的「分布式存储和计算」属性，可以为 AI 的算据层面提供定价和真实性的保障；而 AI 能够提升区块链交易的效率，将复杂的数据处理程序自动化。
一个例子是链上交易的自动化，这可以应用在加密资产市场。由机器学习驱动的 AI 算法可以跟踪市场波动，分析大规模的数据，从中找到规律与趋势，并根据预定的标准执行交易。
AI 还可以应用在区块链的安全性上，利用机器学习算法检查交易数据，寻找可疑趋势或异常，并不断从数据中学习以避免新的风险。
尽管当前 AI 与 Web3 都处于初级阶段，但前者被认为有可能为 Web3 乃至加密资产市场带来变革。Fortune Business Insights 的一份报告显示，区块链的人工智能市场在 2020 年为 2.205 亿美元，到 2027 年可达到 9.736 亿美元，复合年增长率为 23.6%。
盘点 AI+Web3 项目，不难发现，目前的 8 个早期龙头项目主要发挥了「AI 提升生产力」的特性，已经将 AI 大模型及机器学习的能力应用到 Web3 的底层技术设施或具体应用中，包括：
将 AI 的多模态生成（AIGC）能力应用到了 NFT 生成中；
比如 ChainGPT（CGPT），这个区块链的人工智能解决方案不仅能提供 Web2 世界常见的文本内容生成、AI 聊天机器人功能外，还是一个 NFT 生成器；再比如 Aspecta，它构建了一个人工智能生成的身份系统，通过 Aspecta ID 链接 Web2 和 Web3 的帐户，根据账户持有者的经验与经历形成社区联系，访问不同的 DAO 和应用程序。
将 AI 的机器学习能力转化为构建 Web3 应用程序的工具 / 平台；
比如 Fetch.ai（FET），它是一个开发去中心化应用程序的基础设施，利用人工智能的自动化技术，提供了创建和连接智能代理（Agents）的工具，帮助用户执行数字经济中的复杂任务。
将 Web3 分布式存储、交易、计算的能力应用到 AI 发展所需的生产资料 / 资源；
比如 iExec（RLC），它是基于区块链的去中心化计算资产市场，旨在将资源提供者与资源使用者联系起来，允许任何人租用计算能力、数据集；再如去中心化人工智能服务网络 SingularityNET（AGIX），它允许用户将服务发布到网络上供需求方付费（加密资产）集成。
8 个早期 AI+Web3 龙头项目
在 AI+Web3 中，除了以上 8 个早期诞生的龙头项目外，一些新「选手」也在奔赴赛道的路上。
针对「数据」这个最明显的结合处，有项目利用了区块链的分布式特性，解决数据垄断问题。
比如，Bagel Network ，它创造了「机器学习数据湖」的概念，允许用户以任意规模存储所有结构化和非结构化数据，支持数据科学家和 AI 工程师以低成本且保护隐私的方式，获得 / 交换那些经过授权且可验证的数据集。Bagel Network 的目的是构建一个去中心化的数据平台，来支持机器学习（ML）模型。
还有不少新项目将 AI 的能力直接发挥到了 Web3 最受瞩目的金融应用层面，包括加密资产的交易和支付领域。
比如 GT Protocol，它是一个由 ChainGPT 孵化的加密资产 AI 执行协议，它允许任何实体或者个人创建一个 DeFi 智能合约池，利用 AI 收集和管理用户贡献的流动性，一方面发挥了 AI 的自动化能力，另一方面也利用了智能合约在链上的透明化特征。
8 个新进 AI+Web3 应用
可以预见，2024 年，围绕 AI 的大模型及其应用仍会以层出不穷的态势继续向前发展，而 Web3 这个最爱追逐热点的世界也将持续跟进 AI 这个大热门，两个技术的演进与相互融合，也将为加密资产市场的 AI 板块增加规模。
