Автор: TinTinLand
Вступая в 2025 год, повествование «ИИ + Web3» остается горячим. Согласно последнему отчету Grayscale, опубликованному в мае 2025 года, общая рыночная стоимость трека AI Crypto достигла 21 млрд долларов США, что почти в пять раз больше, чем 4,5 млрд долларов США в первом квартале 2023 года.
Что стоит за этой волной — настоящая технологическая интеграция или просто очередная концептуальная упаковка?
С макроэкономической точки зрения традиционная экосистема ИИ выявила все больше структурных проблем: высокий порог для обучения модели, отсутствие конфиденциальности данных, высокая монополия на вычислительную мощность, процесс рассуждений по принципу черного ящика, несбалансированный механизм стимулирования... И эти болевые точки в точности соответствуют собственным преимуществам Web3: децентрализация, механизм открытого рынка, возможность проверки по цепочке, суверенитет пользовательских данных и т. д.
Комбинация AI + Web3 — это не просто суперпозиция двух горячих слов, а структурное техническое дополнение. Давайте начнем с основных болевых точек, с которыми в настоящее время сталкивается AI, и глубоко разберем те проекты Web3, которые на самом деле решают проблемы, чтобы вы могли увидеть ценность и направление AI Crypto track.
🤖 Порог доступа к услугам ИИ слишком высок и дорог
В настоящее время услуги ИИ обычно дороги и труднодоступны для получения учебных ресурсов, что делает их чрезвычайно трудными для доступа малых и средних предприятий и индивидуальных разработчиков. Кроме того, эти услуги часто технически сложны и требуют профессионального опыта для начала работы. Рынок услуг ИИ сильно сконцентрирован, у пользователей нет разнообразного выбора, стоимость вызовов непрозрачна, бюджеты трудно предсказать, и даже существует проблема монополии на вычислительную мощность.
Решение Web3 заключается в децентрализованном разрушении барьеров платформ, создании открытого рынка графических процессоров и сети модельных сервисов, поддержке гибкого планирования неиспользуемых ресурсов и поощрении большего числа участников вносить свой вклад в вычислительную мощность и модели посредством планирования задач в цепочке и прозрачных экономических механизмов, тем самым снижая общие затраты и улучшая доступность сервисов.
Представительные проекты
- Render Network: фокусируется на децентрализованном рендеринге с использованием графических процессоров, также поддерживает рассуждения и обучение ИИ, а также использует модель «оплаты по факту использования», чтобы помочь разработчикам получать доступ к услугам по созданию изображений и ИИ по низкой цене.
- Gensyn: создание децентрализованной сети обучения на основе глубокого обучения, использование механизма Proof-of-Compute для проверки результатов обучения и продвижение обучения ИИ от централизации платформы к открытому сотрудничеству.
- Akash Network: децентрализованная облачная вычислительная платформа на основе технологии блокчейн. Разработчики могут арендовать ресурсы GPU по требованию для развертывания и запуска приложений ИИ. Это «децентрализованная версия облачных вычислений».
- 0G Labs: децентрализованный собственный уровень ИИ 1 благодаря инновационной архитектуре разделения хранения и вычислений значительно снижает стоимость и сложность запуска моделей ИИ в цепочке.
🤖 Отсутствие стимулов для поставщиков данных
Высококачественные данные являются основным топливом моделей ИИ, но в рамках традиционной модели вкладчикам данных сложно получить вознаграждение. Источник данных непрозрачен, сильно повторяется и не имеет обратной связи о том, как он используется, из-за чего экосистема данных долгое время работает неэффективно.
Web3 предлагает новую парадигму решения: посредством криптографических подписей, подтверждения прав в цепочке и компонуемых экономических механизмов формируется четкий цикл сотрудничества и стимулирования между поставщиками данных, разработчиками моделей и пользователями.
Представительные проекты
- OpenLedger: инновационно предложил концепцию «Платного ИИ», объединяющую предоставление данных, вызов моделей и экономические стимулы для содействия формированию экономической сети данных для совместной работы в цепочке ИИ.
- Bittensor: в основе лежит комплексная система стимулирования с вознаграждениями TAO, механизмом консенсуса Yuma, стимулированием точности подсетей, совместным использованием знаний и т. д., напрямую связывающая вклад данных с результатами работы модели для повышения общей ценности вклада.
- Grass: сеть данных ИИ, которая собирает данные о поведении пользователей при просмотре страниц через плагины и вносит их в обучение поисковой системы на цепочке. Пользователи вознаграждаются в соответствии с качеством данных, создавая механизм обмена данными, управляемый сообществом.
🤖 Модель черного ящика, рассуждения ИИ не могут быть проверены
Процесс рассуждения современных основных моделей ИИ в значительной степени является черным ящиком, и пользователи не могут проверить правильность и достоверность результатов, что особенно проблематично в областях с высоким риском, таких как финансы и здравоохранение. Кроме того, модели могут подвергаться фальсификации, отравлению и другим атакам, что затрудняет их отслеживание или аудит.
С этой целью проект Web3 пытается внедрить доказательство с нулевым разглашением (ZK), полностью гомоморфное шифрование (FHE) и доверенную среду выполнения (TEE), чтобы сделать процесс рассуждения модели проверяемым и контролируемым, а также повысить объяснимость и основу доверия системы ИИ.
Представительные проекты
- Sentient: благодаря инновационной технологии распознавания отпечатков пальцев модели обеспечивается отслеживаемость поведения при вызове, повышается прозрачность использования модели и возможности защиты от несанкционированного доступа.
- Modulus Labs: используйте технологию ZK для шифрования и проверки процесса рассуждений модели для достижения новой парадигмы «Доверенного ИИ».
- Giza: использование криптографии с нулевым разглашением для переноса расчетов машинного обучения в цепочку, тем самым повышая прозрачность и доверие к развертыванию модели ИИ.
🤖 Риски конфиденциальности и безопасности
Процесс обучения ИИ часто включает в себя большой объем конфиденциальных данных, что сопряжено с такими рисками, как утечка конфиденциальной информации, злоупотребление или атака на модель, а также отсутствие прозрачности решений. В то же время право собственности на данные и модели неопределенно, что еще больше усугубляет риски безопасности.
С помощью неизменности блокчейна, криптографических вычислительных технологий (таких как ZK, FHE), доверенной среды исполнения и других средств гарантируется безопасность и управляемость данных и моделей системы ИИ на всем протяжении процесса обучения, хранения и вызова.
Представительные проекты
- Phala Network: обеспечивает поддержку доверенной среды выполнения (TEE), инкапсулируя ключевые вычисления в защищенном оборудовании для предотвращения утечки данных и кражи моделей.
- ZAMA: Сосредоточение внимания на технологии полностью гомоморфного шифрования (FHE), позволяющей выполнять обучение модели и рассуждения в зашифрованном состоянии, достигая «вычислений без открытого текста».
- Mind Network: создает децентрализованную платформу обмена данными и рассуждений на основе искусственного интеллекта, которая поддерживает защиту конфиденциальности и реализует безопасный обмен данными и конфиденциальные вычисления с помощью передовых технологий шифрования (таких как гомоморфное шифрование, доказательство с нулевым разглашением и т. д.).
- Vana: приложение для генерации идентификационных данных на базе искусственного интеллекта, цель которого — вернуть пользователям право собственности и контроль над своими данными, гарантируя их конфиденциальность и безопасность.
🤖 Споры об авторских правах и интеллектуальной собственности в отношении моделей ИИ
В настоящее время обучение моделей ИИ использует большой объем интернет-данных, но часто использует защищенный авторским правом контент без разрешения, что приводит к частым юридическим спорам. В то же время, право собственности на авторские права на контент, созданный ИИ, неясно, и отсутствует прозрачный механизм распределения прав и интересов между первоначальным создателем, разработчиком модели и пользователем. Также распространено злонамеренное копирование и незаконное присвоение моделей, что затрудняет защиту интеллектуальной собственности.
Web3 использует механизм подтверждения права собственности на основе блокчейна для хранения времени создания модели, источника данных для обучения, информации об участниках и т. д., а также использует такие инструменты, как NFT и смарт-контракты, для определения права собственности на модель или контент.
Представительные проекты
- Протокол истории: создание он-чейн-соглашения об интеллектуальной собственности, позволяющего подтверждать, объединять и авторизовывать контент, код, модели и т. д. ИИ модульным образом, реализуя механизм «создание — это подтверждение прав, а использование — это оплата».
- Alethea AI: Благодаря связыванию генеративных моделей ИИ (таких как персонажи, звуки и т. д.) с ончейн-идентификаторами и NFT, каждый персонаж ИИ имеет четкую информацию о создателе и авторских правах, что позволяет избежать злоупотреблений и плагиата.
🤖 Отсутствие децентрализованного управления ИИ
🤖 Отсутствие децентрализованного управления ИИ
Разработка и эволюция современных моделей ИИ в значительной степени зависят от крупных технологических компаний или закрытых команд. Темпы обновления моделей непрозрачны, а ценностные предубеждения трудно поддаются исправлению, что может легко привести к алгоритмическим предубеждениям, злоупотреблениям и «технологическому феодализму». Сообщества и пользователи обычно не могут вмешиваться в путь обновления модели, корректировку параметров или поведенческие границы и не имеют механизмов для эффективного контроля и исправления систем ИИ.
Преимущество Web3 заключается в программируемом управлении и открытых механизмах сотрудничества. С помощью управления на цепочке, механизмов DAO и структур стимулирования ключевые связи, такие как проектирование модели ИИ, цели обучения и обновления параметров, могут постепенно вводить консенсус сообщества для повышения демократии, прозрачности и разнообразия разработки моделей.
Представительные проекты
- Fetch.ai: внедрение автономных экономических агентов (АЭА) и открытых механизмов управления, позволяющих ограничивать поведение агентов ИИ правилами сообщества и координировать сотрудничество между агентами посредством экономических стимулов.
- SingularityNET: инкапсулирует службы ИИ в компонуемые ончейн-модули. Пользователи могут выбирать или заменять модели на открытом рынке, а механизм управления платформой поддерживает консенсусную оценку и предложения по улучшению качества моделей и услуг.
🤖 Проблемы кросс-чейн взаимодействия ИИ
В многоцепочечной среде агенты и модели ИИ могут быть распределены по разным блокчейнам, что затрудняет унификацию статуса, контекста или логики вызовов, что приводит к фрагментированному пользовательскому опыту, сложной разработке и трудностям в синхронизации данных.
Некоторые проекты изучают «многоцепочечный протокол ИИ», пытаясь обеспечить непрерывность и согласованность кросс-цепочечного функционирования агентов ИИ посредством общего контекста, кросс-цепочечного взаимодействия и механизмов синхронизации состояний.
Представительные проекты
- OpenPond: использует кросс-цепочечный протокол MCP для соединения моделей ИИ и агентов в разных цепочках, обеспечивает синхронизацию статуса вызова и обмена контекстом, а также упрощает сценарии многоцепочечного взаимодействия.
- Lava Network: предоставляет кросс-цепочечные RPC и сервисы моста данных, открывает базовые каналы связи для многоцепочечных систем ИИ и поддерживает синхронизацию данных агентов и унифицированное выполнение задач.
- Virtuals Protocol: через интеллектуальный протокол сотрудничества ACP (Agent Commerce Protocol) он поддерживает кросс-агентские запросы, переговоры, выполнение и процессы урегулирования. Его технология параллельной синхронизации «Parallel Hypersynchronicity» позволяет агентам ИИ работать параллельно на разных платформах и синхронизировать поведение и воспоминания в реальном времени.
🎯 Заключение
Развитие ИИ-криптографии — это не пустые разговоры, а системная реконструкция снизу вверх: она разрушает централизованные оковы эпохи больших моделей и постепенно выстраивает новую парадигму ИИ, которая является прозрачной, заслуживающей доверия и основанной на сотрудничестве, при котором каждый участвует с точки зрения вычислительной мощности, данных, стимулов, безопасности и управления.
В настоящее время эта область вышла на существенную стадию приземления продукта из концептуальной стадии. Я считаю, что те проекты AI Crypto, которые действительно могут создать реальную ценность и решить основные болевые точки, получат возможность возглавить волну разработки следующей эры ИИ и способствовать развитию технологии искусственного интеллекта в более открытом, справедливом и заслуживающем доверия направлении.
Все комментарии