摘要

未來的AI可以建立在區塊鏈技術之上，因為加密技術能夠在新興科技中提升可訪問性、透明性和應用場景。加密的高效性、無國界特性和可編程性與AI的融合，可能會徹底改變人類與機器在數字經濟中的互動方式，包括讓用戶擁有對個人數據的主權。這一趨勢催生了“代理性網絡”（Agentic Web），在加密基礎設施上運行的AI代理將能夠推動經濟活動和增長。

那麼這將是什麼樣子？AI代理在加密基礎設施上進行交易，AI生成的軟件代碼（包括智能合約）推動鏈上應用和體驗激增。用戶可以擁有、管理並從他們所貢獻的AI模型中獲利。利用AI改進加密生態系統中的用戶和開發者體驗，增強智能合約功能並創造新的應用場景，未來充滿可能性。

在暢想這一加密與AI融合的未來時，我們今天發佈了關於這項變革性技術融合的核心論點。概述如下：

我們並不認為加密/區塊鏈技術是提升AI技術棧各層能力或解決新興挑戰的必要條件。相反，加密可以在AI中扮演重要角色，帶來更多的分佈性、可驗證性、抗審查能力以及原生支付通道，同時藉助AI機制為鏈上用戶體驗注入新動力。

加密 x AI可能催生“代理性網絡”（Agentic Web），在這一變革性範式中，運行在加密基礎設施上的AI代理將成為重要的經濟活動和增長驅動力。我們預測，未來代理將擁有自己的加密錢包，能夠自主進行交易、滿足用戶需求，訪問更低成本的去中心化計算和數據資源，或利用穩定幣支付人類和其他代理，以完成其整體目標所需的任務。

支持這一論點的初步信念包括：(1) 加密將成為代理與人類、代理與代理之間商業往來的首選支付通道；(2) 生成式AI和自然語言接口將成為用戶鏈上交易的主要方式；(3) AI將生成大部分軟件代碼（包括智能合約），從而引發鏈上應用和體驗的井噴式增長。

加密與AI的交叉領域可分為兩個核心子板塊：(1) 去中心化AI（Crypto -> AI），即構建通用AI基礎設施，使其繼承現代點對點區塊鏈網絡的特性；(2) 鏈上AI（AI -> Crypto），即構建利用AI支持新舊應用場景的基礎設施和應用。

加密 x AI的生態系統可劃分為以下幾個層級：(1) 計算層（即專注於為AI開發者提供潛在圖形處理單元（GPU）的網絡），(2) 數據層（即支持AI數據管道的去中心化訪問、編排和可驗證性的網絡），(3) 中間件層（即支持AI模型/代理的開發、部署和託管的網絡/平臺），以及(4) 應用層（即面向用戶的B2B或B2C產品，利用鏈上AI機制）。

在Coinbase，我們的使命是幫助更新金融系統，使其更安全、更可靠，同時提升消費者和開發者的可訪問性和可用性。我們相信，加密 x AI將在其中扮演重要角色。在本篇博客中，我們將深入探討加密 x AI的緣由、實現方式和未來發展方向。

加密 x AI 簡介

AI市場近年來顯著增長，風險投資公司在過去五年中向該領域注入了近2900億美元。世界經濟論壇指出，未來十年，AI技術可能推動美國年度GDP增長0.5-1.5%。AI應用展現了真實的市場吸引力，像ChatGPT4這樣的應用創下了用戶增長和採用的記錄。然而，隨著AI市場的快速發展，數據隱私問題、AI人才短缺、倫理考量、集中化風險及深度偽造技術的興起等諸多挑戰逐漸顯現。這些挑戰推動了加密和AI交叉點的當前討論，利益相關方正在探索如何利用兩者的優勢來應對這些新興問題。

加密 x AI將區塊鏈的去中心化基礎設施與AI的認知模擬和數據學習能力相結合，形成了一種可能革新各行業的協同效應。區塊鏈重新定義了系統架構、數據/交易驗證及分發模式；AI則提升了數據計算和分析能力，並帶來了新的內容生成能力。這一交叉領域在兩個技術社區中激起了開發者的熱情和質疑，推動了創新應用場景的探索，有望在長期內加速這兩個領域的廣泛應用。儘管“加密”和“AI”都是涵蓋眾多不同技術和主題的廣義術語，但我們認為其交叉領域可以細分為兩個核心子板塊：

1. 去中心化AI（Crypto -> AI）：利用加密的無許可和可組合性基礎設施提升AI能力，從而實現去中心化訪問AI資源（例如計算、存儲、帶寬、訓練數據等）、協作性開源模型開發、可驗證的推理，以及基於不可篡改賬本和加密簽名的內容溯源和真實性。
2. 鏈上AI（AI -> Crypto）：將AI的優勢帶入加密生態系統，通過大型語言模型（LLMs）和自然語言界面改善用戶和開發者體驗，增強智能合約的功能。鏈上AI的應用途徑包括：(1) 開發者將AI模型或代理集成到智能合約和鏈上應用中；(2) AI代理利用加密通道（如自我託管錢包、穩定幣等）進行支付，並調用去中心化基礎設施資源。

儘管這兩個領域仍處於初期階段，“加密中的AI”或“AI中的加密”有著顯著潛力，可能解鎖一系列尚未構思的全新應用場景，特別是在計算基礎設施和智能速度持續提高的情況下。

加密 x AI：解鎖“代理性網絡”的關鍵

在加密和AI領域中，我們認為尤為激動人心的概念是運行在加密基礎設施通道上的AI代理。此類集成旨在打造“代理性網絡”（Agentic Web），這一變革性範式能夠提升AI驅動型經濟中的安全性、效率和協作性，以穩健的激勵結構和加密原語為支撐。

我們認為，AI代理有望成為經濟活動和增長的主要驅動力，並逐漸取代人類用戶，成為應用程序（無論鏈上還是鏈下）的主要“用戶”，在中長期內逐步推動這種範式轉變。這一轉變將迫使許多互聯網原生公司重新思考對未來的核心假設，進而開發適合以代理為主的經濟體的必要產品、服務和商業模式。話雖如此，我們並不認為加密/區塊鏈技術是提升AI技術棧各層能力或解決新興挑戰的必需條件。相反，加密在AI中可以發揮重要作用，帶來更多的分佈性、可驗證性、抗審查能力以及原生支付通道，同時藉助AI機制為鏈上用戶體驗注入新動力。

我們支撐該論點的初步信念如下：

• 加密將成為代理對人及代理對代理之間交易的首選支付通道：加密作為互聯網原生的可編程貨幣，在為代理經濟提供動力方面具有多種優勢。隨著AI代理的自主性增強，並大規模進行微交易（如支付推理、數據、API訪問、去中心化計算或數據資源等），加密的高效性、無國界特性和可編程性將使其優於傳統法幣通道，成為首選的交換媒介。此外，代理還需要獨特的、可驗證的身份（即“瞭解你的代理”）以確保在與企業和終端用戶交易時符合監管規則和合規要求。低手續費區塊鏈、智能合約、自我託管錢包（如Coinbase AI Wallets）和穩定幣將有助於簡化並降低代理間複雜金融協議的成本，同時去中心化網絡的可驗證性和不可篡改性將確保AI代理交易的信任度和可審查性。
• 生成式AI和自然語言界面將成為用戶鏈上交易的主要模式：隨著自然語言處理速度和AI對加密的上下文理解的提升，通過對話界面進行鏈上互動將成為用戶默認的習慣和期待，符合當前web2趨勢（例如ChatGPT）。用戶只需用自然語言描述其期望的交易意圖（如“將X兌換為Y”），AI代理將把這些意圖轉化為可驗證的智能合約代碼，從而提供最有效且成本最低的交易執行路徑。
• AI將生成大多數軟件代碼（包括智能合約），引發鏈上應用和體驗的“寒武紀爆發”：AI的代碼生成能力在web2中迅速提升（如Devin, Replit），並從根本上改變了軟件開發的範式。我們認為這一轉變很快將在加密領域佔據中心地位，近期的重點在於大幅降低新舊開發者的入門門檻。然而，未來的理想狀態是由AI“軟件代理”根據用戶偏好實時生成智能合約和高度個性化的應用程序，並存儲和驗證在鏈上。

這些信念勾勒出一個未來，在這個未來中，AI和加密之間的界限逐漸模糊，形成智能化、自主化、去中心化系統的新範式。在這種框架下，我們將逐層深入探討加密 x AI的技術棧。

加密 x AI 技術棧中的機會（現狀）

將“加密引入AI”或“AI引入加密”的探索催生了一個複雜且快速發展的新興領域，眾多開發者正爭相利用市場的增長勢頭。今天，我們認為加密 x AI生態系統可以分為以下幾個層級：

計算層：專注於為AI開發者提供潛在圖形處理單元（GPU）的網絡。

數據層：支持AI數據管道去中心化訪問、編排和可驗證性的網絡。

中間件層：支持AI模型/代理的開發、部署和託管的網絡/平臺。

應用層：利用鏈上AI機制的面向用戶產品（B2B或B2C）。

這些層級中的每一層都為開發者提供了在加密與AI交叉領域中發掘機會的基礎。

計算

AI需要大量的GPU計算資源來進行模型訓練和推理。隨著AI模型日益複雜，對計算資源的需求不斷增加，先進GPU（如Nvidia的產品）短缺，導致等待時間延長和成本上升。去中心化計算網絡正逐漸成為應對這些挑戰的潛在解決方案，包括：

• 建立無許可的市場，用於購買、租賃和託管物理GPU
• 構建GPU聚合平臺，使任何人（如比特幣礦工）都能貢獻其剩餘的GPU計算能力用於按需AI作業執行，並獲得代幣激勵
• 將物理GPU金融化，將其作為鏈上數字資產進行代幣化
• 開發用於高密度計算工作負載（如訓練、推理）的分佈式GPU網絡
• 創建支持在個人設備上運行AI模型的基礎設施（如去中心化的Apple Intelligence）

這些解決方案旨在增加GPU計算供應和可訪問性，同時提供具競爭力的定價。然而，目前這一領域的大多數項目對先進AI工作負載的支持程度各不相同，面臨著GPU分佈不集中、開發者工具缺乏、以及與中心化服務相比缺乏穩定性和正常運行時間保證等挑戰。因此，我們認為這些產品在短期到中期內難以被主流廣泛採用。以下是一些正在該層構建的細分領域和示例項目：

• 通用計算：提供可用於多種應用的GPU計算資源的去中心化計算市場（例如Akash, Aethir）
• AI/ML計算：專注於特定服務的去中心化計算網絡，如GPU聚合、分佈式訓練與推理、GPU代幣化等（例如io.net, Gensyn, Prime Intellect, Hyperbolic, Hyperspace）
• 邊緣計算：為個人設備上的大型語言模型（LLM）提供計算和存儲網絡，以實現個性化的推理（例如PIN AI, Exo, Crynux.ai, Edge Matrix）

這些去中心化計算方案力圖通過提升GPU計算資源的可用性和降低成本來支持AI發展，同時探索新型計算模式和經濟激勵體系。

數據

擴展AI模型需要不斷增長的訓練數據集，大型語言模型（LLM）目前已訓練於數萬億詞彙的人類生成文本上。然而，現有的公共人類生成數據量有限（據Epoch AI估算，高質量語言數據資源可能會在2024年被耗盡），這引發了數據不足是否會成為AI模型性能瓶頸的疑問。因此，我們認為數據專注的加密 x AI公司有以下機會來應對這些挑戰：

• 激勵用戶分享其私有/專有數據（例如，“數據DAO”——鏈上實體，數據貢獻者通過社交平臺貢獻私有數據以獲得經濟收益，並共同管理這些數據的使用和變現方式）
• 創建工具以從自然語言提示生成合成數據資產，或通過激勵機制鼓勵用戶從公共網站抓取數據
• 激勵用戶幫助預處理數據集，用於訓練模型並維護數據質量（如數據標註/基於人類反饋的強化學習）
• 建立多邊的、無許可的數據市場，任何人都可以獲得補償以貢獻數據

這些機會催生了當前數據層中的許多新興項目。然而值得注意的是，AI模型生命週期的中心化企業具有現有的網絡效應和成熟的數據合規機制，這些是傳統企業所重視的，可能會限制去中心化方案的發展空間。儘管如此，我們認為去中心化AI的數據層在長期內仍具有顯著的潛力，能夠應對“數據壁壘”挑戰。以下是數據層中一些新興細分領域及其示例項目：

• 數據市場：去中心化的數據交換協議，旨在為數據提供者和消費者提供共享與交易數據資產的渠道（例如Ocean Protocol, Masa, Sahara AI）
• 用戶所有的/私有數據（包括數據DAO）：用於激勵專有數據集（包括用戶私有數據）收集的網絡（例如Vana*, NVG8）
• 公共和合成數據：抓取公共網站數據或通過自然語言提示生成新數據集的網絡/平臺（例如Dria, Mizu, Grass, Synesis One）
• 數據智能工具：用於查詢、分析、可視化以及提供鏈上數據可操作見解的平臺和應用（例如Nansen, Dune, Arkham, Messari*）
• 數據存儲：用於長期數據存儲/歸檔的文件存儲網絡及用於管理頻繁訪問和更新的結構化數據的關係數據庫網絡（例如Filecoin, Arweave, Ceramic, Tableland*）
• 數據編排/溯源：優化數據攝取管道和AI數據密集型應用的數據處理的網絡和平臺，確保AI生成內容的溯源追蹤和可驗證真實性（例如Space and Time, The Graph*, Story Protocol）
• 數據標註：通過激勵分佈式人類網絡創建高質量訓練數據集的平臺和網絡，提升AI模型的強化學習和微調機制（例如Sapien, Kiva AI, Fraction.AI）
• 預言機：利用AI為鏈上智能合約提供可驗證的鏈下數據的網絡（例如Ora, OpenLayer, Chainlink）

這些創新的數據解決方案為AI和加密的交叉應用提供了多樣化的工具，旨在推動數據的共享、訪問和管理，並加速去中心化AI的廣泛採用。

中間件層

要實現一個開放、去中心化的AI模型或基於代理的生態系統的全部潛力，必須構建新的基礎設施。目前開發者正在探索的一些高潛力領域包括：

• 使用開源權重的大型語言模型（LLM）支持鏈上AI應用場景，同時構建能夠快速理解、處理和執行鏈上數據的基礎模型
• 為大規模基礎模型（例如1000億以上參數）開發分佈式訓練解決方案，這類項目因技術複雜性被視為理想化，但Nous Research、Bittensor和Prime Intellect的最新突破正致力於改變這一局面
• 利用零知識或樂觀機器學習（zkML、opML）、可信執行環境（TEE）或全同態加密（FHE）實現私密且可驗證的推理
• 通過資源協調網絡支持開放的協作AI模型開發，或構建利用加密基礎設施提升鏈上/鏈下AI代理潛力的代理性網絡/平臺

雖然在這些基礎設施原語的構建上已取得了一些進展，但生產級的鏈上LLM和AI代理仍處於初期階段，我們預計在短期到中期內這一情況不會改變，受限於基礎計算、數據和模型基礎設施的成熟度。儘管如此，我們認為這一領域前景廣闊，並將成為Coinbase Ventures投資戰略的核心驅動力之一，反映出長期AI服務的增長和需求。以下是該層的一些新興細分領域及其示例項目：

• 開源權重LLM：權重公開可訪問的AI模型，任何人都可以自由使用、修改和分發（例如LLama3, Mistral, Stability AI）
• 鏈上模型創建者：支持鏈上使用場景的基礎LLM創建的網絡和平臺（例如Pond*, Nous, RPS）
• 訓練與微調：提供鏈上激勵和可驗證訓練或微調機制的網絡和平臺（例如Gensyn, Prime Intellect, Macrocosmos, Flock.io）
• 隱私保護：採用隱私保護機制進行AI模型開發、訓練和推理的網絡和平臺（例如Bagel Network, Arcium*, ZAMA）
• 推理網絡：利用密碼學技術/證明驗證AI模型輸出正確性的網絡（例如OpenGradient*, Modulus Labs, Giza, Ritual）
• 資源協調網絡：促進AI模型開發的資源共享、協作和協調的網絡（例如Bittensor, Near*, Allora, Sentient）
• 代理性網絡和平臺：支持鏈上/鏈下AI代理的創建、部署和變現的網絡和平臺（例如Morpheus, Olas, Wayfinder, Payman, Skyfire）

這些中間件解決方案致力於推動去中心化AI基礎設施的發展，為鏈上和鏈下的智能代理提供支持，並探索隱私、驗證和資源協作的新模式，從而為去中心化AI生態系統的未來奠定基礎。

應用層

在加密領域，AI代理正逐步展現其潛力，早期實例包括Dawn Wallet（一款利用AI代理幫助用戶發送交易並與協議交互的加密錢包）、Parallel Colony*（一款鏈上游戲，玩家可與擁有自己錢包的AI代理合作，在遊戲中創造獨特路徑）和Venice.ai（帶有可驗證推理和隱私保護機制的生成式AI應用/自然語言提示界面）。然而，應用開發仍然主要處於實驗和機會主義階段，伴隨熱潮湧現出各種創新的應用理念。儘管如此，我們相信隨著AI代理基礎設施和框架的進步，加密設計空間將從以反應性智能合約應用為主，逐步轉向更復雜的前瞻性應用，中長期內將帶來重大變化。以下是該層的一些新興細分領域及其示例項目：

• AI伴侶：創建、共享和變現用戶擁有的個性化AI模型和具備上下文感知的代理的應用（例如MagnetAI, MyShell, Deva, Virtuals Protocol）
• 基於NLP的界面：以自然語言提示為主界面/入口，進行鏈上交易交互和執行的應用（例如Venice.AI, Veldt）
• 開發/安全工具：面向開發者的應用/工具，利用AI模型/代理提升鏈上開發者體驗和安全機制（例如ChainGPT, Guardrail*）
• 風險代理：使用ML模型或AI代理幫助協議實時調整和響應鏈上風險參數的服務（例如Chaos Labs, Gauntlet, Minerva*）
• 身份驗證（身份證明）：利用加密證明和ML模型驗證用戶身份的應用（例如Worldcoin*）
• 治理：利用AI代理根據人類驅動的治理決策/反饋執行交易的應用（例如Botto, Hats）
• 交易/DeFi：使用AI代理自動執行鏈上交易的交易基礎設施和DeFi協議（例如Taoshi, Intent.Trade）
• 遊戲：使用智能NPC或AI機制驅動核心玩法的鏈上游戲（例如Parallel*, PlayAI）
• 社交：使用AI機制支持鏈上社交體驗的應用（例如KaiKai, NFPrompt）

結論

儘管加密 x AI技術棧仍處於早期階段，但我們相信去中心化AI基礎設施、鏈上AI應用及“代理性網絡”的出現將帶來顯著進展，在此網絡中，AI代理將成為經濟活動的主要驅動力。雖然在計算基礎設施和數據可用性方面仍存在挑戰，但加密與AI的協同作用將有助於加速這兩個領域的創新，推動更透明、去中心化和自治的系統發展。隨著該領域快速演進，越來越多的新團隊獲得資金支持，已有團隊致力於實現產品/市場契合，互聯網原生公司和開發者必須適應這種變化的範式，擁抱加密 x AI所帶來的前所未有的應用和體驗的潛力。

免責聲明：

1. 本文轉載自【Coinbase Ventures】，版權歸原作者 【Jonathan King】 所有。如有異議，請聯繫 Gate Learn 團隊處理。
2. 責任聲明：本文所表達的觀點和意見僅代表作者個人觀點，並不構成任何投資建議。
3. 本文其他語言的翻譯由Gate Learn團隊提供，除非特別說明，禁止複製、分發或抄襲翻譯內容。