AI与Web3融合：香港共识大会2025精彩回顾

近年来，AI和web3被公认为推动人类进入下一个技术增长期的两大动力。ChatGPT带来的颠覆性AI体验后，链上AI也迅速从概念发展为基础设施，成为web3领域最被看好的可持续爆发新赛道。

在刚结束的香港共识大会2025上，AI与web3的融合成为热门话题。无论是主会场还是分会场，关于AI x web3的讨论都引起了广泛关注。让我们一起回顾一下大会上的精彩内容。

一、AI 基础设施

1. AI Agent发射平台和框架

AI Agent的发射平台和框架类AI基础设施建设在近半年内十分火热。这些项目为开发者和普通用户提供了低门槛拥有和使用AI Agent的平台，是本轮AI项目的重点方向之一。

以下是一些值得关注的项目：

• 0G Labs：首个去中心化人工智能操作系统（deAIOS），通过构建AI专有Layer 1，连接计算资源、数据和模型，构建分布式AI开发生态系统。

• DeAgentAI：专注于去中心化AI Agent的创新平台，致力于推动多代理技术（Multi-Agent Systems）的发展。

• Autonomys Network：去中心化基础架构栈，旨在实现安全、自主的人机协作。用户可创建专属AI智能体，执行各种自主任务。

• Gaia Network：去中心化AI基础设施平台，支持AI Agent和应用的分布式开发与运行，通过区块链技术解决AI的隐私、扩展性和可访问性问题。

• Questflow：去中心化的多AI Agent网络，用户只需描述需求，AI代理网络即可自主完成任务。

2. 去中心化AI

去中心化AI是链上AI的终极目标。目前许多项目都在算力、数据、模型等方向努力，希望通过去中心化方式打破大公司对LLM的垄断，帮助大众获得数据和模型的所有权。

一些代表性项目包括：

• Vana：致力于构建去中心化用户数据主权平台，让个人数据变成金融资产。

• Hyperbolic：开放访问的AI云平台，整合全球计算资源，为用户提供经济实惠、可扩展的GPU资源和AI服务。

• OpenLedger：专注于AI和区块链的下一代网络，提供去中心化经济基础设施。

• IO.NET：去中心化计算平台，提供按需访问GPU和CPU集群的服务。

• Aethir：提供分布式云计算基础设施的创新平台。

• MinionLab：去中心化自治AI智能体网络，用于实时挖掘互联网数据。

• GAIB：致力于AI和高性能计算领域的经济层解决方案。

• Kite AI：专为人工智能经济设计的去中心化Layer 1区块链平台。

• Automata：为去中心化应用提供中间层隐私保护和无追踪计算功能。

• Public AI：打造开放透明的AI数据平台，支持多模态数据的收集和标注。

3. 可验证的AI

AI发展面临的重要挑战之一是训练过程的不透明，以及无法保证AI输出结果的准确性。目前有许多项目希望通过ZKP、TEE等技术实现对AI训练过程的可验证性，保证AI输出结果的可靠性。

值得关注的项目包括：

• Phala Network：去中心化云计算平台，为链上应用提供可信的隐私计算和AI推理服务。

• Brevis：去中心化计算引擎，提供可验证的链下AI和区块链计算。

• Verisense Network：专注于去中心化数据验证与可信AI的创新平台。

二、AI用例：潜力与期待

相较于丰富的AI基础设施，目前出彩的AI实际用例项目仍相对较少。一些值得关注的项目包括：

• Narra：一个游戏化AI Agent平台，能够生成实时动态叙事内容，与玩家交互、推动故事发展。

• AI Travel：AI驱动的旅行助手，能够通过聊天方式帮助用户自动定制旅行计划。

• HeyTracyAI：专注于篮球领域的体育解说AI Agent，能为比赛提供实时分析和预测性见解。

• AskJimmy：专注于金融和交易领域的AI Agent平台，目标是创建由AI Agent自主运行的去中心化多策略对冲基金。

三、传统项目向AI转型

许多传统web3项目也纷纷拥抱AI，宣布了各自的AI转向计划。

一些公链如Sui、Near、Flow和Aptos等积极参与AI相关会议，表示AI Agent的出现对简化复杂的区块链交互流程有重要帮助，能将更多用户引入web3世界。这些公链表示将从底层架构、账户创新等方面全面支持AI发展，同时通过黑客松等活动鼓励开发者进行AI应用的创新和发展。

过去专注于Restaking服务的Eigenlayer也表示，正在努力构建去中心化的信任层，提供可验证的云服务，为AI的训练和推理、预测等链下运算提供链上证明，助力可验证AI Agent的发展。

四、挑战与未来

尽管对链上AI的发展充满希望，但当前仍面临诸多挑战，包括模型可靠性不足、提示词意图的模糊性、存储和硬件限制，以及隐私安全等问题。这些挑战不仅带来了技术难题，也孕育了巨大的创新机会。

长远来看，业界期待通过基础设施的进一步完善、用例创新和社区协作，共同推动AI与Web3的融合与繁荣。随着技术的不断进步和更多创新项目的涌现，AI与Web3的结合将为我们带来更多令人兴奋的可能性。