從社交數據到 AI 大腦：Port3 Network 將爲 Web3 世界打造怎樣的 AI 網路？

1. 引言

在 Web3 的世界裏，數據正在從靜態信息轉變爲動態資產。尤其是用戶的社交行爲數據，正在成爲 AI 時代中最具價值但尚未被充分開發的"數字礦產"。每時每分產生的社交數據，其中蘊含的巨大價值，尚未被人們所充分挖掘。

我們看到，Web3 的現實是割裂的：一方面，我們目睹了 DeFi、NFT、GameFi 等垂類協議爆發式增長，用戶在鏈上鏈下產生了大量行爲數據；另一方面，這些數據卻散落在孤立的 DApp、交易記錄和社交平台中，缺乏結構化整合，難以構建統一畫像，也無法被真正調用。

與此同時，AI 的崛起正快速重塑整個數字世界。如 OpenAI 的 ChatGPT、Anthropic 的 Claude、以及基於 Web3 構建的 Agent 項目如 Autonolas、Morphpad、Mind Network 等紛紛提出"可調用數據 + 可執行意圖"的願景。

在這樣的背景下，一個問題浮出水面：如果 AI 是未來，那誰來構建 Web3 的數據層與決策基礎？ 有這樣一個項目，Port3 Network 給出了一個比較終極的答案：

從最初的 SoQuest 任務平台，到 Rankit 的社交行爲評分引擎，再到 OpenBQL 的跨鏈意圖執行語言，Port3 搭建了一套以用戶行爲爲核心、面向 AI 模型友好的"社交數據基礎設施"。它不僅整合鏈上數據與鏈下社交行爲，還通過標準化與意圖識別，使數據成爲智能體可以理解、調用、執行的"行動模板"。

換句話說，Port3 不再是一個單一的任務平台或工具，而是在數據主權、鏈上身分、社交金融等敘事尚未真正整合之前，提前佔據了"Web3 數據大腦"的戰略位置。

本文將深入拆解 Port3 的產品矩陣、技術護城河、代幣機制與增長邏輯，探討它如何在碎片化的 Web3 世界中，建立起面向 AI Agent 的數據流通閉環，並成爲下一個萬億級趨勢的隱祕基礎設施。

2. 項目簡介

2.1 Port3 是什麼？

Port3 Network 是 AI 驅動的 Web3 社交數據基礎設施項目，旨在構建一個跨鏈、可編程、可調用的社交數據層。通過聚合 Web2 與 Web3 的用戶行爲數據，並輔以AI引擎進行標準化處理，Port3 打造了一套由數據採集（SoQuest）、結構化評分（Rankit）、智能查詢（OpenBQL）到 Agent 調用（Ailliance.ai）的完整閉環，成爲 AI 時代鏈上行爲資產化的關鍵設施。

2.2 項目概況

2.2.1 融資情況

2023 年 2 月： 完成 300 萬美元種子輪融資，由 Jump Crypto 領投，其他參投方包括 SNZ、Block Infinity、Dragon Roark、ViaBTC、Cryptonite、Lapin Digital、Cogitent 和 Momentum6。

2023 年 8 月： 獲得新一輪數百萬美元融資，參投方包括 EMURGO、Adaverse Accelerator 和 Gate Labs。

2023 年 10 月： 宣布獲得 DWF Labs 的投資，並獲得 Binance Labs、Mask Network 和 Aptos 的贈款支持。

2.2.2 團隊情況

Max D.：聯合創始人，擁有在蘋果公司的工作經驗；具備豐富的 Web3 項目孵化與生態拓展經驗。

Anthony Deng：聯合創始人，曾在騰訊與 Viabtc Technology Limited 從事後端開發工作，擁有多年高並發系統設計與分布式架構經驗。

3. Port3 的願景：從"任務平台"到"AI社交數據基礎層"

雖然 Port3 的產品矩陣包含 SoQuest、Rankit、OpenBQL、on.meme 等多個子模塊，看似分散，但實際上可以歸納爲一條核心主線："行爲即資產，Port3 負責從採集到轉化的數據流動閉環。"

3.1 Port3 核心基礎設施

3.1.1 數據聚集 - SoQuest

SoQuest 是 Port3 Network 構建的核心數據入口，一個集任務分發、行爲驗證、社群增長與數據採集爲一體的 Web3 用戶行爲捕獲平台。其本質上是一套以任務爲觸發機制、以用戶社交行爲爲採集對象的數據生成系統，打通了鏈上交互與 Web2 社交平台之間的行爲路徑。

SoQuest 支持 Twitter、Telegram、Discord 等主流 Web2 平台，並兼容 EVM、Solana、Aptos、Sui 等 19 條鏈上的交互行爲，包括交易、授權、NFT mint 等，形成了 Web3 領域最廣覆蓋的行爲採集體系之一。

截至 2025 年中，Port3 Network 已收集了超過 600 萬用戶和 7,000 個項目的動態數據，數據覆蓋範圍已超過 1000 萬加密用戶。產生了規模龐大的用戶行爲記錄和鏈社交交互事件，構建出一個真實、多維、高頻的 Web3 社交行爲數據庫。

爲了提升平台可拓展性與數據採集能力，SoQuest 推出了 QaaS(Quest-as-a-Service） 模塊，允許項目方將任務系統嵌入自身 dApp 或 Telegram Mini App。2025 年進一步開放驗證 API，無需預設模板即可完成驗證邏輯嵌入，極大提升了任務系統的標準化與通用性。

SoQuest 不只是一個任務平台，它是 Port3 全鏈行爲資產閉環的起點，也是支持 AI 推理所需行爲語義數據的原始源頭。

3.1.2 數據沉澱 - AI Social Data Layer

SoQuest 捕獲的用戶行爲數據最終沉澱至 Port3 Network 的核心模塊——AI Social Data Layer，這是一個專爲 AI 應用而設計的結構化行爲數據庫，也是 Port3 實現"行爲資產化"與"信息金融化（InfoFi）"的底層設施。

區別於傳統鏈上數據平台（如 The Graph、Dune 等）以"查詢"爲目標的設計思路，Port3 的數據層關注的是：如何讓數據爲 AI 模型所用，並支持自動執行的鏈上推理與交互。

AI Social Data Layer 整合了數千萬條鏈上交互記錄與社交任務行爲數據，並持續通過 SoQuest、Rankit 等應用模塊進行實時更新，構建出一個不斷自增長的動態社交數據系統。是 Port3 的行爲認知中樞，將復雜的鏈上鏈下行爲數據結構化、語義化，爲智能體提供"可理解、可組合、可調用"的數據燃料。

3.1.3 數據應用 - Rankit + OpenBQL +Ailliance.ai → AI Agent 系統

Rankit：AI 驅動的社交行爲分析引擎

Rankit 是 Port3 社交數據能力的旗艦應用，是 AI 層對 BQL 數據能力的"可視化執行"。

Rankit 的能力與範式創新：

• 跨平台社交熱度評分：綜合 Twitter、Telegram、Discord 等社交信號，識別 Web3 世界中的關鍵趨勢、熱點項目和情緒轉變。

• 語義識別與評分建模：通過 NLP 和大模型情緒分析，將討論焦點、KOL 影響力、用戶信任度轉化爲結構化指標，用於社區治理、借貸風控、鏈上交易等場景。

• 垂直場景落地示範：例如最新推出的 USD1 生態數據引擎，通過熱力圖、社交活躍度與鏈上動能聯動，實時追蹤 BNB Chain 上的潛力項目，成爲 DeFi 用戶捕捉 Alpha 的智能羅盤。

在 Rankit 的加持下，Port3 不僅能提供數據，還能提供"解釋型數據"——不僅告訴你發生了什麼，還告訴你該做什麼。

OpenBQL：意圖驅動的鏈上執行語言

如果說 SoQuest 是數據入口，那麼 BQL（Blockchain Quest Language）就是 Port3 的數據大腦皮層，是所有行爲數據加工、組織、調用的語義核心與運行引擎。

BQL 的角色與機制：

• 通用語言層：BQL 提供了自然語言友好的查詢結構，使開發者或 Agent 能用類似"在 Aptos 鏈上買入 NFT"這樣的指令，實現鏈上實際操作，打通 EVM、BTC、Solana 多鏈環境。

• 標準化執行層：支持鏈上資產操作（如交易、質押、流動性添加）的一鍵自動化處理，是鏈上行爲自動化的關鍵中樞。

• 數據語義提取器：爲 AI 模型和 Agent 提供標準結構數據支持，實現信息金融化（InfoFi）所需的高頻數據更新與計算。

借助 BQL，Port3 正在推動 Web3 世界構建一種新的"鏈上自然語言協議"，讓鏈上行爲從"代碼層"上升到"意圖層"——機器不僅執行你說的指令，還能理解你的意圖。

AI Agent 對接能力：Ailliance.ai

• Port3 正在構建一個通用 Agent API 層，開發者可直接調用 Rankit/SoQuest/OpenBQL 生成的結構化數據或執行指令。

• 應用包括自動化投資助手、交互機器人、鏈遊智能助手等，覆蓋交易決策、任務發布、社區運營等多種場景。

這一整套產品結構使得 Port3 成爲 Web3 社交數據賽道中，唯一具備"從採集 → 分析 → 應用 → 調用"全流程能力的平台。

其最終目標是構建一種以行爲數據爲底層的 Web3 AI 標準協議網路，使 AI Agent 能夠理解、識別並操作鏈上資產。

3.2 Port3 的護城河：業務積累帶來的增長飛輪

Port3 能在 Web3 AI 敘事中率先佔據一席之地，根本原因並不在於其擁有先進的大模型能力，而在於其在業務積累過程中，構建起極具深度與廣度的高價值社交行爲數據資產。這種數據優勢爲 Port3 的 AI 應用、Agent 構建、模型訓練奠定了獨一無二的基礎：

3.2.1. 千萬級別的鏈上鏈下行爲數據沉澱

依托 SoQuest 長達三年的任務平台運營，Port3 已沉澱了超過 1000 萬級別的用戶參與軌跡，覆蓋任務行爲、錢包交互、鏈上資產、社群參與度等多個維度。這些數據跨越 Web2 與 Web3，如 Twitter 發帖、Discord 活躍、Telegram 留存、鏈上交易、質押、持倉等，構成了一張極爲稠密的社交行爲圖譜。在當前 AI 模型"數據即燃料"的語境下，這類結構化且高頻互動的行爲數據，無疑是構建 Web3 AI Agent 最寶貴的輸入資源。

3.2.2 與上千項目方深度合作，數據持續實時