Является ли нарратив «AI + Web3» реальным технологическим сплавом или очередным концептуальным пакетом? Эта статья основана на статье, написанной TinTinLand и курируемой и предоставленной Foresight News. (Синопсис: Сможет ли ИИ-трек избежать клейма шумихи?) Список трех проектов AI Agent, которые используют криптовалюты) (Справочное дополнение: Grayscale News: Первый квартал 2025 года наиболее оптимистичен в отношении этих 20 основных криптовалют, уделяя особое внимание DeFi, AI Agents и экологии Solana) В 2025 году популярность нарратива «AI + Web3» все еще не ослабевает. Согласно последнему отчету Grayscale, опубликованному в мае 2025 года, общая рыночная капитализация AI Crypto достигла $21 млрд, что почти в пять раз больше, чем $4,5 млрд в первом квартале 2023 года. За этой волной стоит реальная конвергенция технологий, или это еще одна концепция упаковки? С макроточки зрения, традиционная экосистема ИИ обнаруживает все больше структурных проблем: высокий порог обучения моделей, негарантированная конфиденциальность данных, высокая монополия на вычислительные мощности, процесс рассуждений по принципу «черного ящика» и несбалансированный механизм стимулирования...... Эти болевые точки в значительной степени согласуются с нативными преимуществами Web3: децентрализация, механизм открытого рынка, проверяемость в сети, суверенитет пользовательских данных и т. д. Комбинация AI + Web3 — это не просто суперпозиция двух горячих слов, а структурная технологическая комплементарность. Давайте начнем с основных болевых точек, стоящих перед ИИ, подробно разберем те проекты Web3, которые на самом деле решают проблемы, и познакомим вас с ценностью и направлением AI Crypto. Порог доступа к услугам ИИ слишком высок и дорог Текущие услуги ИИ обычно дороги и их трудно получить в виде обучающих ресурсов, что чрезвычайно высоко для малых и средних предприятий и индивидуальных разработчиков. Кроме того, эти услуги часто технически сложны и требуют профессионального опыта для начала работы. Рынок услуг искусственного интеллекта очень концентрирован, у пользователей нет разнообразного выбора, стоимость звонков непрозрачна, бюджеты трудно предсказать и даже сталкиваются с проблемой монополии на вычислительные мощности. Решение Web3 заключается в том, чтобы преодолеть барьеры платформы за счет децентрализации, создать открытый рынок графических процессоров и смоделировать сервисную сеть, поддержать гибкое планирование простаивающих ресурсов и мотивировать больше участников вносить свой вклад в вычислительные мощности и модели с помощью планирования задач в цепочке и прозрачных экономических механизмов, снижая общие затраты и улучшая доступность услуг. Render Network: фокусируется на децентрализованном рендеринге на GPU, а также поддерживает вывод и обучение искусственного интеллекта, а также использует модель «оплата по факту использования», чтобы помочь разработчикам получить доступ к услугам генерации изображений и искусственного интеллекта по низкой цене. Gensyn: создайте децентрализованную сеть обучения глубокому обучению, используйте механизм proof-of-compute для проверки результатов обучения и продвигайте обучение ИИ от централизации платформы до открытого сотрудничества. Akash Network: децентрализованная платформа облачных вычислений, основанная на технологии блокчейн, разработчики могут арендовать ресурсы графического процессора по запросу для развертывания и выполнения приложений искусственного интеллекта, что является «децентрализованной версией облачных вычислений». 0G Labs: нативный для децентрализованного ИИ уровень 1, который значительно снижает стоимость и сложность выполнения моделей ИИ в блокчейне благодаря инновационной архитектуре хранения и разделения вычислений. Отсутствие стимулов для участников данных Высококачественные данные являются основным топливом моделей ИИ, но в соответствии с традиционной моделью участники испытывают трудности с получением вознаграждения. Непрозрачный и повторяющийся характер источников данных и отсутствие обратной связи о том, как они используются, делают экологию данных неэффективной в течение длительного времени. Web3 предоставляет новое решение для формализации: четкий замкнутый цикл сотрудничества и стимулов между участниками данных, разработчиками моделей и пользователями с помощью криптографических подписей, подтверждения прав в цепочке и компонуемых экономических механизмов. Репрезентативный проект OpenLedger: Инновационно предложила концепцию «Payable AI», которая сочетает в себе вклад в данные, модельный вызов и экономические стимулы для содействия формированию сети экономики данных для сотрудничества в цепочке искусственного интеллекта. Bittensor: Полная система стимулов с вознаграждениями TAO, механизмом консенсуса Yuma, стимулами за точность подсети, сотрудничеством в области знаний и т. д. в качестве ядра, напрямую связывает вклад данных с результатами реализации модели и увеличивает общий вклад в стоимость. Grass: Сеть данных ИИ собирает данные о поведении пользователей при просмотре веб-страниц с помощью плагинов, способствует обучению поисковых систем в сети и вознаграждает пользователей в соответствии с качеством данных, создавая механизм обмена данными, управляемый сообществом. Процесс вывода современных основных моделей ИИ является очень сложным, и пользователи не могут проверить правильность и достоверность результатов, особенно в областях с высоким риском, таких как финансы и здравоохранение. Кроме того, модели могут подвергаться взлому, отравлению и другим атакам, что затрудняет 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 вывода модели верифицируемым и проверяемым, а также улучшить интерпретируемость и доверительную основу систем искусственного интеллекта. Репрезентативный проект Sentient: инновационная технология снятия отпечатков пальцев моделей обеспечивает возможность отслеживания поведения при вызове, повышая прозрачность и защищенность от несанкционированного доступа при использовании модели. Modulus Labs: Использование технологии ZK для криптографической проверки процесса вывода модели и реализации новой нормализации «доверенного ИИ». Гиза: использование криптографии с нулевым разглашением для вычисления вывода машинного обучения в сети, тем самым повышая прозрачность и доверие при развертывании моделей ИИ. Риски конфиденциальности и безопасности Процесс обучения ИИ часто включает в себя большое количество конфиденциальных данных и сталкивается с такими рисками, как утечка конфиденциальности, злоупотребление моделью или атака, а также недостаточная прозрачность принятия решений. В то же время право собственности на данные и модели определено расплывчато, что еще больше усугубляет риски безопасности. Благодаря неизменности блокчейна, криптографических вычислительных технологий (таких как ZK, FHE), доверенной среды выполнения и других средств, безопасность и контролируемость данных и моделей системы искусственного интеллекта во всем процессе обучения, хранения и вызова гарантированы. Сеть Phala: Обеспечивает поддержку Trusted Execution Environment (TEE) для инкапсуляции критически важных вычислений в безопасное оборудование для предотвращения утечки данных и кражи модели. ZAMA: Сосредоточьтесь на технологии полностью гомоморфного шифрования (FHE), чтобы обучение моделей и вывод можно было выполнять в зашифрованном состоянии, что позволяет «вычисления без открытого текста». Mind Network: Создайте децентрализованную платформу для обмена данными и вывода на основе искусственного интеллекта, которая поддерживает защиту конфиденциальности, а также реализуйте безопасный обмен данными и вычисления конфиденциальности с помощью технологии шифрования (гомоморфное шифрование, доказательство с нулевым разглашением и т. д.). Vana: приложение для генерации удостоверений на основе искусственного интеллекта, предназначенное для того, чтобы вернуть пользователям право собственности и контроль над своими данными, обеспечивая их конфиденциальность и безопасность. Споры в области авторского права и интеллектуальной собственности В настоящее время при обучении модели ИИ широко используются материалы из Интернета, но часто несанкционированное использование контента, защищенного авторским правом, приводит к частым юридическим спорам. В то же время неясно, кому принадлежат авторские права на контент, созданный искусственным интеллектом, и отсутствует прозрачный механизм распределения прав и интересов между создателями оригиналов, разработчиками моделей и пользователями. Нередки случаи, когда модели злонамеренно копируются или незаконно присваиваются, а защитить права интеллектуальной собственности сложно. Web3 хранит время создания модели, источник обучающих данных, информацию об участнике и т. д. через механизм подтверждения прав в блокчейне и использует такие инструменты, как NFT и смарт-контракты, для определения авторских прав на модель или контент. Сюжетный протокол:...
Посмотреть Оригинал
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
Инвестиции в горячие темы или в пузыри? Какова ценность сочетания AI и Web3?
Является ли нарратив «AI + Web3» реальным технологическим сплавом или очередным концептуальным пакетом? Эта статья основана на статье, написанной TinTinLand и курируемой и предоставленной Foresight News. (Синопсис: Сможет ли ИИ-трек избежать клейма шумихи?) Список трех проектов AI Agent, которые используют криптовалюты) (Справочное дополнение: Grayscale News: Первый квартал 2025 года наиболее оптимистичен в отношении этих 20 основных криптовалют, уделяя особое внимание DeFi, AI Agents и экологии Solana) В 2025 году популярность нарратива «AI + Web3» все еще не ослабевает. Согласно последнему отчету Grayscale, опубликованному в мае 2025 года, общая рыночная капитализация AI Crypto достигла $21 млрд, что почти в пять раз больше, чем $4,5 млрд в первом квартале 2023 года. За этой волной стоит реальная конвергенция технологий, или это еще одна концепция упаковки? С макроточки зрения, традиционная экосистема ИИ обнаруживает все больше структурных проблем: высокий порог обучения моделей, негарантированная конфиденциальность данных, высокая монополия на вычислительные мощности, процесс рассуждений по принципу «черного ящика» и несбалансированный механизм стимулирования...... Эти болевые точки в значительной степени согласуются с нативными преимуществами Web3: децентрализация, механизм открытого рынка, проверяемость в сети, суверенитет пользовательских данных и т. д. Комбинация AI + Web3 — это не просто суперпозиция двух горячих слов, а структурная технологическая комплементарность. Давайте начнем с основных болевых точек, стоящих перед ИИ, подробно разберем те проекты Web3, которые на самом деле решают проблемы, и познакомим вас с ценностью и направлением AI Crypto. Порог доступа к услугам ИИ слишком высок и дорог Текущие услуги ИИ обычно дороги и их трудно получить в виде обучающих ресурсов, что чрезвычайно высоко для малых и средних предприятий и индивидуальных разработчиков. Кроме того, эти услуги часто технически сложны и требуют профессионального опыта для начала работы. Рынок услуг искусственного интеллекта очень концентрирован, у пользователей нет разнообразного выбора, стоимость звонков непрозрачна, бюджеты трудно предсказать и даже сталкиваются с проблемой монополии на вычислительные мощности. Решение Web3 заключается в том, чтобы преодолеть барьеры платформы за счет децентрализации, создать открытый рынок графических процессоров и смоделировать сервисную сеть, поддержать гибкое планирование простаивающих ресурсов и мотивировать больше участников вносить свой вклад в вычислительные мощности и модели с помощью планирования задач в цепочке и прозрачных экономических механизмов, снижая общие затраты и улучшая доступность услуг. Render Network: фокусируется на децентрализованном рендеринге на GPU, а также поддерживает вывод и обучение искусственного интеллекта, а также использует модель «оплата по факту использования», чтобы помочь разработчикам получить доступ к услугам генерации изображений и искусственного интеллекта по низкой цене. Gensyn: создайте децентрализованную сеть обучения глубокому обучению, используйте механизм proof-of-compute для проверки результатов обучения и продвигайте обучение ИИ от централизации платформы до открытого сотрудничества. Akash Network: децентрализованная платформа облачных вычислений, основанная на технологии блокчейн, разработчики могут арендовать ресурсы графического процессора по запросу для развертывания и выполнения приложений искусственного интеллекта, что является «децентрализованной версией облачных вычислений». 0G Labs: нативный для децентрализованного ИИ уровень 1, который значительно снижает стоимость и сложность выполнения моделей ИИ в блокчейне благодаря инновационной архитектуре хранения и разделения вычислений. Отсутствие стимулов для участников данных Высококачественные данные являются основным топливом моделей ИИ, но в соответствии с традиционной моделью участники испытывают трудности с получением вознаграждения. Непрозрачный и повторяющийся характер источников данных и отсутствие обратной связи о том, как они используются, делают экологию данных неэффективной в течение длительного времени. Web3 предоставляет новое решение для формализации: четкий замкнутый цикл сотрудничества и стимулов между участниками данных, разработчиками моделей и пользователями с помощью криптографических подписей, подтверждения прав в цепочке и компонуемых экономических механизмов. Репрезентативный проект OpenLedger: Инновационно предложила концепцию «Payable AI», которая сочетает в себе вклад в данные, модельный вызов и экономические стимулы для содействия формированию сети экономики данных для сотрудничества в цепочке искусственного интеллекта. Bittensor: Полная система стимулов с вознаграждениями TAO, механизмом консенсуса Yuma, стимулами за точность подсети, сотрудничеством в области знаний и т. д. в качестве ядра, напрямую связывает вклад данных с результатами реализации модели и увеличивает общий вклад в стоимость. Grass: Сеть данных ИИ собирает данные о поведении пользователей при просмотре веб-страниц с помощью плагинов, способствует обучению поисковых систем в сети и вознаграждает пользователей в соответствии с качеством данных, создавая механизм обмена данными, управляемый сообществом. Процесс вывода современных основных моделей ИИ является очень сложным, и пользователи не могут проверить правильность и достоверность результатов, особенно в областях с высоким риском, таких как финансы и здравоохранение. Кроме того, модели могут подвергаться взлому, отравлению и другим атакам, что затрудняет 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 вывода модели верифицируемым и проверяемым, а также улучшить интерпретируемость и доверительную основу систем искусственного интеллекта. Репрезентативный проект Sentient: инновационная технология снятия отпечатков пальцев моделей обеспечивает возможность отслеживания поведения при вызове, повышая прозрачность и защищенность от несанкционированного доступа при использовании модели. Modulus Labs: Использование технологии ZK для криптографической проверки процесса вывода модели и реализации новой нормализации «доверенного ИИ». Гиза: использование криптографии с нулевым разглашением для вычисления вывода машинного обучения в сети, тем самым повышая прозрачность и доверие при развертывании моделей ИИ. Риски конфиденциальности и безопасности Процесс обучения ИИ часто включает в себя большое количество конфиденциальных данных и сталкивается с такими рисками, как утечка конфиденциальности, злоупотребление моделью или атака, а также недостаточная прозрачность принятия решений. В то же время право собственности на данные и модели определено расплывчато, что еще больше усугубляет риски безопасности. Благодаря неизменности блокчейна, криптографических вычислительных технологий (таких как ZK, FHE), доверенной среды выполнения и других средств, безопасность и контролируемость данных и моделей системы искусственного интеллекта во всем процессе обучения, хранения и вызова гарантированы. Сеть Phala: Обеспечивает поддержку Trusted Execution Environment (TEE) для инкапсуляции критически важных вычислений в безопасное оборудование для предотвращения утечки данных и кражи модели. ZAMA: Сосредоточьтесь на технологии полностью гомоморфного шифрования (FHE), чтобы обучение моделей и вывод можно было выполнять в зашифрованном состоянии, что позволяет «вычисления без открытого текста». Mind Network: Создайте децентрализованную платформу для обмена данными и вывода на основе искусственного интеллекта, которая поддерживает защиту конфиденциальности, а также реализуйте безопасный обмен данными и вычисления конфиденциальности с помощью технологии шифрования (гомоморфное шифрование, доказательство с нулевым разглашением и т. д.). Vana: приложение для генерации удостоверений на основе искусственного интеллекта, предназначенное для того, чтобы вернуть пользователям право собственности и контроль над своими данными, обеспечивая их конфиденциальность и безопасность. Споры в области авторского права и интеллектуальной собственности В настоящее время при обучении модели ИИ широко используются материалы из Интернета, но часто несанкционированное использование контента, защищенного авторским правом, приводит к частым юридическим спорам. В то же время неясно, кому принадлежат авторские права на контент, созданный искусственным интеллектом, и отсутствует прозрачный механизм распределения прав и интересов между создателями оригиналов, разработчиками моделей и пользователями. Нередки случаи, когда модели злонамеренно копируются или незаконно присваиваются, а защитить права интеллектуальной собственности сложно. Web3 хранит время создания модели, источник обучающих данных, информацию об участнике и т. д. через механизм подтверждения прав в блокчейне и использует такие инструменты, как NFT и смарт-контракты, для определения авторских прав на модель или контент. Сюжетный протокол:...