К 2025 году интерес к нарративу «AI + Web3» по-прежнему не ослабевает. Согласно последнему отчету Grayscale, опубликованному в мае 2025 года, общая рыночная капитализация сегмента AI Crypto достигла 21 миллиарда долларов, что почти в пять раз больше по сравнению с 4,5 миллиарда долларов в первом квартале 2023 года.
За этой волной стоит настоящая технологическая интеграция или очередная упаковка концепции?
С макроперспективы традиционная экосистема ИИ уже проявляет все больше структурных проблем: высокая планка для обучения моделей, отсутствие гарантии конфиденциальности данных, высокая монополия вычислительных мощностей, непрозрачность процесса вывода, дисбаланс в механизмах стимулирования... А эти проблемы как раз идеально совпадают с врожденными преимуществами Web3: децентрализация, открытые рыночные механизмы, возможность верификации на блокчейне, суверенитет пользовательских данных и т.д.
Сочетание ИИ и Web3 — это не просто наложение двух популярных терминов, а структурное технологическое дополнение. Давайте начнем с нескольких основных болевых точек, с которыми сталкивается ИИ, и углубимся в те проекты Web3, которые действительно решают проблемы, чтобы показать вам ценность и направление сектора AI Crypto.
Порог доступа к AI-сервисам слишком высок, а стоимость слишком велика.
В настоящее время услуги ИИ обычно стоят дорого, ресурсы для обучения трудно получить, что создает очень высокие барьеры для малых и средних предприятий и индивидуальных разработчиков; кроме того, эти услуги часто имеют сложные технологии, которые требуют профессионального фона для использования. Рынок услуг ИИ сильно централизован, пользователи испытывают нехватку разнообразия в выборе, стоимость вызовов не прозрачна, бюджет трудно предсказать, и даже существует проблема монополии вычислительных мощностей.
Решение Web3 заключается в том, чтобы разрушить платформенные барьеры с помощью децентрализованного подхода, создать открытый рынок GPU и сеть сервисов моделей, поддерживать гибкое распределение неиспользуемых ресурсов и через задания на блокчейне и прозрачные экономические механизмы стимулировать больше участников вносить свою вычислительную мощность и модели, снижая общие затраты и повышая доступность услуг.
Представлять проект
Render Network: сосредоточен на децентрализованном GPU рендеринге, также поддерживает AI вывод и обучение, использует модель «оплата за использование», помогая разработчикам низкозатратно подключаться к генерации изображений и AI услугам.
Gensyn: построение децентрализованной сети обучения глубокому обучению, использующей механизм Proof-of-Compute для проверки результатов обучения, способствующей переходу AI обучения от централизованной платформы к открытому сотрудничеству.
Akash Network: децентрализованная облачная вычислительная платформа на базе технологии блокчейн, где разработчики могут по запросу арендовать ресурсы GPU для развертывания и выполнения AI-приложений, это "децентрализованная версия облачных вычислений."
0G Labs: децентрализованный AI нативный Layer-1, который значительно снизил стоимость и сложность выполнения AI моделей на цепи благодаря инновационной архитектуре разделения хранения и вычислений.
Отсутствие стимулов у поставщиков данных
Качественные данные являются основным топливом для моделей ИИ, но в традиционных моделях участникам данных трудно получить вознаграждение. Непрозрачность источников данных, высокая степень повторяемости и отсутствие обратной связи в способах использования приводят к долгосрочной неэффективности экосистемы данных.
Web3 предлагает новую парадигму решения: с помощью криптографической подписи, подтверждения прав на блокчейне и комбинированных экономических механизмов формируется четкий круг сотрудничества и стимулов между вкладчиками данных, разработчиками моделей и пользователями.
Представитель проекта
OpenLedger: инновационно представила концепцию «Payable AI», объединяющую вклад данных, вызов моделей и экономические стимулы, способствуя формированию сети экономики данных для совместной работы AI на блокчейне.
Bittensor: Полная система стимулов, основанная на вознаграждении TAO, механизме консенсуса Yuma, точном стимулировании подсетей и сотрудничестве в области знаний, которая напрямую связывает вклад данных и результаты работы модели, повышая общую ценность вклада.
Grass: AI 数据网络, собирающий данные о поведении пользователей при просмотре через плагины, которые вносятся в обучение поисковой системы на блокчейне, пользователи получают вознаграждение в зависимости от качества данных, создавая механизмы совместного использования данных, управляемые сообществом.
Модель становится черным ящиком, проверка вывода ИИ невозможна
Процесс вывода современных моделей ИИ является высоко закрытым, и пользователи не могут проверить правильность и надежность результатов, особенно в высокорисковых областях, таких как финансы и здравоохранение, где проблемы особенно острые. Кроме того, модели могут подвергаться атакам, таким как манипуляции и отравление, что затрудняет отслеживание или аудит.
Для этого проекты Web3 пытаются внедрить нулевые знания (ZK), полностью гомоморфное шифрование (FHE) и надежные среда выполнения (TEE), чтобы сделать процесс вывода модели проверяемым и подлежащим аудиту, повысить объяснимость AI-систем и основание доверия.
Представлять проект
Sentient: Обеспечивает отслеживаемость действий вызова с помощью инновационной технологии распознавания отпечатков моделей, повышая прозрачность использования модели и защищая от подделок.
Modulus Labs: Используя технологии ZK для шифрования и проверки процесса вывода модели, реализует новую парадигму "достоверного ИИ".
Giza: Используя нулевое знание криптографии, чтобы перенести вычисления вывода машинного обучения на блокчейн, тем самым повышая прозрачность и доверие к развертыванию AI моделей.
Риски конфиденциальности и безопасности
Процесс обучения ИИ часто включает в себя большое количество чувствительных данных, что создает риски утечки конфиденциальности, злоупотребления или атак на модель, а также недостатка прозрачности в принятии решений. В то же время, неопределенность в определении прав собственности на данные и модели еще больше усугубляет проблемы безопасности.
С использованием таких средств, как неизменяемость блокчейна, технологии криптографических вычислений (таких как ZK, FHE), доверенная среда выполнения и т.д., обеспечить безопасность и управляемость данных и моделей AI на всех этапах: обучение, хранение и вызов.
Представлять проект
Phala Network: предоставляет поддержку надежной среды выполнения (TEE), заключая ключевые вычисления в безопасное оборудование, предотвращая утечку данных и кражу моделей.
ZAMA: Фокусируется на технологии полной гомоморфной криптографии (FHE), позволяя проводить обучение и вывод модели в зашифрованном состоянии, реализуя "вычисления без необходимости в открытом тексте".
Mind Network: Создание децентрализованной платформы для обмена данными и вывода AI с поддержкой защиты конфиденциальности, обеспечивающей безопасный обмен данными и вычисления конфиденциальности с помощью передовых криптографических технологий (таких как гомоморфное шифрование, нулевые знания и т.д.).
Vana: приложение для генерации AI-идентичности, предназначенное для того, чтобы вернуть пользователям право собственности и контроль над своими данными, обеспечивая их конфиденциальность и безопасность.
Споры о авторских правах и интеллектуальной собственности на модели ИИ
В настоящее время для обучения моделей ИИ в значительной степени используются данные из Интернета, но часто без разрешения используется защищенный авторским правом контент, что приводит к частым юридическим спорам. В то же время права собственности на контент, созданный ИИ, остаются неясными, а распределение прав между оригинальными авторами, разработчиками моделей и пользователями страдает от недостатка прозрачных механизмов. Случаи злонамеренного копирования и кражи моделей также встречаются довольно часто, что затрудняет защиту интеллектуальной собственности.
Web3 с помощью механизма удостоверения прав на блокчейне фиксирует время создания модели, источники обучающих данных, информацию о вкладчиках и т.д., а также использует такие инструменты, как NFT и смарт-контракты для обозначения авторских прав на модель или контент.
Представлять проект
Story Protocol: Создание протокола интеллектуальной собственности на блокчейне, который позволяет модульно устанавливать права на AI-контент, код, модели и т.д., комбинировать и лицензировать их, реализуя механизм «Создание — это подтверждение прав, использование — это оплата».
Alethea AI: генерирующие AI модели (такие как персонажи, голоса и т.д.), связанные с идентификацией на блокчейне и NFT, каждая AI персонаж имеет четкую информацию о создателе и авторских правах, что предотвращает злоупотребление и плагиат.
Отсутствие децентрализованного управления ИИ
Разработка и эволюция современных AI моделей в значительной степени зависят от крупных технологических компаний или закрытых команд, темпы обновления моделей непрозрачны, а ценностные уклоны трудно исправить, что может привести к алгоритмическим предвзятостям, злоупотреблениям и тенденции «технологического феодализма». Сообщества и пользователи обычно не могут вмешиваться в пути обновления моделей, корректировку параметров или границы поведения, что ведет к отсутствию механизмов для эффективного контроля и исправления AI систем.
Преимущества Web3 заключаются в программируемом управлении и механизмах открытого сотрудничества. Благодаря управлению на блокчейне, механизмам DAO и структуре стимулов, ключевые этапы проектирования моделей ИИ, цели обучения, обновления параметров и т. д. могут постепенно привлекать консенсус сообщества, повышая демократичность, прозрачность и разнообразие разработки моделей.
Представлять проект
Fetch.ai: Введение автономных экономических агентов (AEA) и открытых механизмов управления, позволяющее поведению AI-агента подчиняться правилам сообщества и координировать сотрудничество между агентами с помощью экономических стимулов.
SingularityNET: упаковывает AI-сервисы в составные модульные блоки на блокчейне, пользователи могут выбирать или заменять модели на открытом рынке, а механизмы управления платформой поддерживают оценку качества моделей и предложение улучшений.
Проблемы кросс-цепочечной AI-сотрудничества
В многопользовательской среде AI-агенты и модели могут располагаться на разных блокчейнах, что затрудняет унификацию состояния, контекста или логики вызовов, приводя к разрозненности пользовательского опыта, усложнению разработки и трудностям с синхронизацией данных.
Некоторые проекты исследуют «Мультицепочечный ИИ-протокол», пытаясь продвигать непрерывность и согласованность работы ИИ-агентов через совместное использование контекста, межцепочечную связь и механизмы синхронизации состояния.
Представитель проекта
OpenPond: использует MCP кросс-чейн протокол для подключения AI моделей и агентов на разных цепочках, обеспечивая синхронизацию состояния вызова и совместное использование контекста, упрощая сценарии многосетевого взаимодействия.
Lava Network: предоставляет кросс-цепочные RPC и услуги мостов данных, открывая базовые каналы связи для многосетевых AI систем, поддерживает синхронизацию данных агентов и унифицированное выполнение задач.
Виртуальные Протоколы: через ACP (Протокол Коммерции Агентов) интеллектуальный кооперативный протокол поддерживает процессы межагентских запросов, переговоров, выполнения и расчетов. Его технология «Параллельная Гиперсинхронность» позволяет AI-агентам работать параллельно на разных платформах и синхронизировать поведение и память в реальном времени.
Заключение
Восход AI Crypto не является пустыми разговорами, а представляет собой системную реконструкцию снизу вверх: он разрывает оковы централизации эпохи больших моделей и постепенно строит новую парадигму AI, в которой каждый может участвовать, которая прозрачна и надежна, и движется совместными усилиями, в таких аспектах, как вычислительная мощность, данные, стимулы, безопасность и управление.
На данный момент эта область перешла от стадии концепции к стадии реализации реальных продуктов. Уверен, что те AI Crypto проекты, которые действительно смогут создать реальную ценность и решить основные проблемы, обязательно получат возможность возглавить следующую волну развития эпохи AI, способствуя развитию технологий искусственного интеллекта в более открытом, справедливом и надежном направлении.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Является ли это трендом или ложной проблемой? Какова ценность направления AI + Web3?
Слова: TinTinLand
К 2025 году интерес к нарративу «AI + Web3» по-прежнему не ослабевает. Согласно последнему отчету Grayscale, опубликованному в мае 2025 года, общая рыночная капитализация сегмента AI Crypto достигла 21 миллиарда долларов, что почти в пять раз больше по сравнению с 4,5 миллиарда долларов в первом квартале 2023 года.
За этой волной стоит настоящая технологическая интеграция или очередная упаковка концепции?
С макроперспективы традиционная экосистема ИИ уже проявляет все больше структурных проблем: высокая планка для обучения моделей, отсутствие гарантии конфиденциальности данных, высокая монополия вычислительных мощностей, непрозрачность процесса вывода, дисбаланс в механизмах стимулирования... А эти проблемы как раз идеально совпадают с врожденными преимуществами Web3: децентрализация, открытые рыночные механизмы, возможность верификации на блокчейне, суверенитет пользовательских данных и т.д.
Сочетание ИИ и Web3 — это не просто наложение двух популярных терминов, а структурное технологическое дополнение. Давайте начнем с нескольких основных болевых точек, с которыми сталкивается ИИ, и углубимся в те проекты Web3, которые действительно решают проблемы, чтобы показать вам ценность и направление сектора AI Crypto.
Порог доступа к AI-сервисам слишком высок, а стоимость слишком велика.
В настоящее время услуги ИИ обычно стоят дорого, ресурсы для обучения трудно получить, что создает очень высокие барьеры для малых и средних предприятий и индивидуальных разработчиков; кроме того, эти услуги часто имеют сложные технологии, которые требуют профессионального фона для использования. Рынок услуг ИИ сильно централизован, пользователи испытывают нехватку разнообразия в выборе, стоимость вызовов не прозрачна, бюджет трудно предсказать, и даже существует проблема монополии вычислительных мощностей.
Решение Web3 заключается в том, чтобы разрушить платформенные барьеры с помощью децентрализованного подхода, создать открытый рынок GPU и сеть сервисов моделей, поддерживать гибкое распределение неиспользуемых ресурсов и через задания на блокчейне и прозрачные экономические механизмы стимулировать больше участников вносить свою вычислительную мощность и модели, снижая общие затраты и повышая доступность услуг.
Представлять проект
Render Network: сосредоточен на децентрализованном GPU рендеринге, также поддерживает AI вывод и обучение, использует модель «оплата за использование», помогая разработчикам низкозатратно подключаться к генерации изображений и AI услугам.
Gensyn: построение децентрализованной сети обучения глубокому обучению, использующей механизм Proof-of-Compute для проверки результатов обучения, способствующей переходу AI обучения от централизованной платформы к открытому сотрудничеству.
Akash Network: децентрализованная облачная вычислительная платформа на базе технологии блокчейн, где разработчики могут по запросу арендовать ресурсы GPU для развертывания и выполнения AI-приложений, это "децентрализованная версия облачных вычислений."
0G Labs: децентрализованный AI нативный Layer-1, который значительно снизил стоимость и сложность выполнения AI моделей на цепи благодаря инновационной архитектуре разделения хранения и вычислений.
Отсутствие стимулов у поставщиков данных
Качественные данные являются основным топливом для моделей ИИ, но в традиционных моделях участникам данных трудно получить вознаграждение. Непрозрачность источников данных, высокая степень повторяемости и отсутствие обратной связи в способах использования приводят к долгосрочной неэффективности экосистемы данных.
Web3 предлагает новую парадигму решения: с помощью криптографической подписи, подтверждения прав на блокчейне и комбинированных экономических механизмов формируется четкий круг сотрудничества и стимулов между вкладчиками данных, разработчиками моделей и пользователями.
Представитель проекта
OpenLedger: инновационно представила концепцию «Payable AI», объединяющую вклад данных, вызов моделей и экономические стимулы, способствуя формированию сети экономики данных для совместной работы AI на блокчейне.
Bittensor: Полная система стимулов, основанная на вознаграждении TAO, механизме консенсуса Yuma, точном стимулировании подсетей и сотрудничестве в области знаний, которая напрямую связывает вклад данных и результаты работы модели, повышая общую ценность вклада.
Grass: AI 数据网络, собирающий данные о поведении пользователей при просмотре через плагины, которые вносятся в обучение поисковой системы на блокчейне, пользователи получают вознаграждение в зависимости от качества данных, создавая механизмы совместного использования данных, управляемые сообществом.
Модель становится черным ящиком, проверка вывода ИИ невозможна
Процесс вывода современных моделей ИИ является высоко закрытым, и пользователи не могут проверить правильность и надежность результатов, особенно в высокорисковых областях, таких как финансы и здравоохранение, где проблемы особенно острые. Кроме того, модели могут подвергаться атакам, таким как манипуляции и отравление, что затрудняет отслеживание или аудит.
Для этого проекты Web3 пытаются внедрить нулевые знания (ZK), полностью гомоморфное шифрование (FHE) и надежные среда выполнения (TEE), чтобы сделать процесс вывода модели проверяемым и подлежащим аудиту, повысить объяснимость AI-систем и основание доверия.
Представлять проект
Sentient: Обеспечивает отслеживаемость действий вызова с помощью инновационной технологии распознавания отпечатков моделей, повышая прозрачность использования модели и защищая от подделок.
Modulus Labs: Используя технологии ZK для шифрования и проверки процесса вывода модели, реализует новую парадигму "достоверного ИИ".
Giza: Используя нулевое знание криптографии, чтобы перенести вычисления вывода машинного обучения на блокчейн, тем самым повышая прозрачность и доверие к развертыванию AI моделей.
Риски конфиденциальности и безопасности
Процесс обучения ИИ часто включает в себя большое количество чувствительных данных, что создает риски утечки конфиденциальности, злоупотребления или атак на модель, а также недостатка прозрачности в принятии решений. В то же время, неопределенность в определении прав собственности на данные и модели еще больше усугубляет проблемы безопасности.
С использованием таких средств, как неизменяемость блокчейна, технологии криптографических вычислений (таких как ZK, FHE), доверенная среда выполнения и т.д., обеспечить безопасность и управляемость данных и моделей AI на всех этапах: обучение, хранение и вызов.
Представлять проект
Phala Network: предоставляет поддержку надежной среды выполнения (TEE), заключая ключевые вычисления в безопасное оборудование, предотвращая утечку данных и кражу моделей.
ZAMA: Фокусируется на технологии полной гомоморфной криптографии (FHE), позволяя проводить обучение и вывод модели в зашифрованном состоянии, реализуя "вычисления без необходимости в открытом тексте".
Mind Network: Создание децентрализованной платформы для обмена данными и вывода AI с поддержкой защиты конфиденциальности, обеспечивающей безопасный обмен данными и вычисления конфиденциальности с помощью передовых криптографических технологий (таких как гомоморфное шифрование, нулевые знания и т.д.).
Vana: приложение для генерации AI-идентичности, предназначенное для того, чтобы вернуть пользователям право собственности и контроль над своими данными, обеспечивая их конфиденциальность и безопасность.
Споры о авторских правах и интеллектуальной собственности на модели ИИ
В настоящее время для обучения моделей ИИ в значительной степени используются данные из Интернета, но часто без разрешения используется защищенный авторским правом контент, что приводит к частым юридическим спорам. В то же время права собственности на контент, созданный ИИ, остаются неясными, а распределение прав между оригинальными авторами, разработчиками моделей и пользователями страдает от недостатка прозрачных механизмов. Случаи злонамеренного копирования и кражи моделей также встречаются довольно часто, что затрудняет защиту интеллектуальной собственности.
Web3 с помощью механизма удостоверения прав на блокчейне фиксирует время создания модели, источники обучающих данных, информацию о вкладчиках и т.д., а также использует такие инструменты, как NFT и смарт-контракты для обозначения авторских прав на модель или контент.
Представлять проект
Story Protocol: Создание протокола интеллектуальной собственности на блокчейне, который позволяет модульно устанавливать права на AI-контент, код, модели и т.д., комбинировать и лицензировать их, реализуя механизм «Создание — это подтверждение прав, использование — это оплата».
Alethea AI: генерирующие AI модели (такие как персонажи, голоса и т.д.), связанные с идентификацией на блокчейне и NFT, каждая AI персонаж имеет четкую информацию о создателе и авторских правах, что предотвращает злоупотребление и плагиат.
Отсутствие децентрализованного управления ИИ
Разработка и эволюция современных AI моделей в значительной степени зависят от крупных технологических компаний или закрытых команд, темпы обновления моделей непрозрачны, а ценностные уклоны трудно исправить, что может привести к алгоритмическим предвзятостям, злоупотреблениям и тенденции «технологического феодализма». Сообщества и пользователи обычно не могут вмешиваться в пути обновления моделей, корректировку параметров или границы поведения, что ведет к отсутствию механизмов для эффективного контроля и исправления AI систем.
Преимущества Web3 заключаются в программируемом управлении и механизмах открытого сотрудничества. Благодаря управлению на блокчейне, механизмам DAO и структуре стимулов, ключевые этапы проектирования моделей ИИ, цели обучения, обновления параметров и т. д. могут постепенно привлекать консенсус сообщества, повышая демократичность, прозрачность и разнообразие разработки моделей.
Представлять проект
Fetch.ai: Введение автономных экономических агентов (AEA) и открытых механизмов управления, позволяющее поведению AI-агента подчиняться правилам сообщества и координировать сотрудничество между агентами с помощью экономических стимулов.
SingularityNET: упаковывает AI-сервисы в составные модульные блоки на блокчейне, пользователи могут выбирать или заменять модели на открытом рынке, а механизмы управления платформой поддерживают оценку качества моделей и предложение улучшений.
Проблемы кросс-цепочечной AI-сотрудничества
В многопользовательской среде AI-агенты и модели могут располагаться на разных блокчейнах, что затрудняет унификацию состояния, контекста или логики вызовов, приводя к разрозненности пользовательского опыта, усложнению разработки и трудностям с синхронизацией данных.
Некоторые проекты исследуют «Мультицепочечный ИИ-протокол», пытаясь продвигать непрерывность и согласованность работы ИИ-агентов через совместное использование контекста, межцепочечную связь и механизмы синхронизации состояния.
Представитель проекта
OpenPond: использует MCP кросс-чейн протокол для подключения AI моделей и агентов на разных цепочках, обеспечивая синхронизацию состояния вызова и совместное использование контекста, упрощая сценарии многосетевого взаимодействия.
Lava Network: предоставляет кросс-цепочные RPC и услуги мостов данных, открывая базовые каналы связи для многосетевых AI систем, поддерживает синхронизацию данных агентов и унифицированное выполнение задач.
Виртуальные Протоколы: через ACP (Протокол Коммерции Агентов) интеллектуальный кооперативный протокол поддерживает процессы межагентских запросов, переговоров, выполнения и расчетов. Его технология «Параллельная Гиперсинхронность» позволяет AI-агентам работать параллельно на разных платформах и синхронизировать поведение и память в реальном времени.
Заключение
Восход AI Crypto не является пустыми разговорами, а представляет собой системную реконструкцию снизу вверх: он разрывает оковы централизации эпохи больших моделей и постепенно строит новую парадигму AI, в которой каждый может участвовать, которая прозрачна и надежна, и движется совместными усилиями, в таких аспектах, как вычислительная мощность, данные, стимулы, безопасность и управление.
На данный момент эта область перешла от стадии концепции к стадии реализации реальных продуктов. Уверен, что те AI Crypto проекты, которые действительно смогут создать реальную ценность и решить основные проблемы, обязательно получат возможность возглавить следующую волну развития эпохи AI, способствуя развитию технологий искусственного интеллекта в более открытом, справедливом и надежном направлении.