Web3 正在引领互联网的下一个时代。然而，链上数据碎片化、不标准化的问题依然存在。Footprint Analytics 推出一站式数据解决方案，通过 AI 技术实现区块链数据的自动收集、清洗、关联，构建跨链数据标准，让开发者更便捷地访问和分析数据。

“我们希望成为 Web3 版的‘Google Analytics’，通过 20+ 公链以及结构化的数据覆盖，提供行业领先的增长分析和运营分析工具，帮助 Web3 项目实现精准营销。”Footprint 创始人兼 CEO Navy 表示，“与此同时，我们也在探索 AI 在其他方面的应用，比如自通过 AI 获取数据分析面板等，以进一步提升区块链产业的生产效率。”

Navy 认为，AI 和区块链技术的结合必将成为 Web3 实现大规模应用的催化剂。一方面，高质量数据是培训 AI 模型的基础；另一方面，AI 也可以反过来帮助产出高价值数据。“数据是这个行业的命脉。我们正在尝试建立一个正向循环的生态系统，让 AI 和区块链技术相得益彰，从而推动整个 Web3 行业的发展。”

Footprint Analytics 致力于构建一个连接 Web2 和 Web3 数据的结构化数据平台。

我们的核心价值在于数据的结构化。尽管 Web3 相对于 Web2 在链上数据公开透明方面具备优势，但也存在一些挑战，比如行业的发展尚处于早期阶段，数据缺乏标准，缺乏完善的结构，因此数据的应用变得困难。

以一个例子来说明，如果您想获取 Opensea 在以太坊、Solana 和 Polygon 等多条链上的交易数据，您需要理解 Opensea 的业务模型、阅读智能合约代码、逐个链（如以太坊、Solana、Polygon等）提取交易数据。

然而，这个过程存在一些问题。首先，过程复杂，获取数据的整个过程复杂且容易出错。其次，技术难度较大，不同链的账本设计和数据结构各不相同。最后，浪费资源，如果有 1000 人需要获取这些数据，就要执行 1000 次类似的繁琐流程，将会极大地降低数据获取效率，浪费计算资源。

因此，Footprint Analytics 的使命就是抽象各个领域的数据，包括 GameFi、NFT 和 DeFi 等，以建立 Web3 行业的数据标准，，为开发者和行业参与者提供高效、准确的数据。

截止目前，我们累计上线了 20+ 条公链，产品主要包含 3 大板块：

• 行业解决方案 Footprint Growth Analytics：为 Web3 项目在营销增长和运营分析领域提供定制化解决方案，可以类比为 Web3 版本的 Google Analytics，助力项目实现数据驱动增长。

• 0 代码数据分析工具：使用体验类似于 ChatGPT，通过简单的问题与回答即可获取数据分析报告。我预见未来使用链上数据将变得极其简便，无需深入了解 Web3 的业务逻辑，也无需高超的编程技能，从而使得从 Web2 用户向 Web3 的迁移变得更加容易实现。

• 免费的多链跨链 API：通过一个统一的API，实现对多条链的跨链数据访问，免费为用户提供无缝的多链数据检索体验。

作为一家数据平台，Footprint 与 AI 具有天然的结合能力。AI 的基础设施主要涵盖算力、数据和算法三个关键方面。其中，算力是支撑 AI 模型训练和执行的基石，数据是 AI 的灵魂，而算法决定着 AI 的表现，包括模型的准确性和应用效果。

在这些要素中，数据无疑是最为核心、最为重要的。数据是行业和企业的命脉，更涉及到隐私和合规等关键领域，价值不可估量。钱甚至也不一定能买到数据，因为涉及隐私、涉及合规等等方面。而在这其中，AI 是数据的消费者，同时也是数据的生产者。

目前，Footprint 在数据与 AI 结合应用方面有以下几个主要方面：

在数据内容生成阶段，AI 的应用在我们平台中发挥着重要作用。首先，我们通过 AI 生成处理数据的代码，从而为用户提供更高效的数据分析体验。

具体来说，我们关注了两个方面的创新。

一方面是“Reference data”的整理与分类。以区块链上新部署的合约为例，我们的AI可以自动判断合约归属于哪个 protocol，合约的类型，甚至是合约是否属于 Dex 平台中的 LP 或 swap 等类型。这种智能整理和归类，大幅提升了数据的可用性。

另一方面，基于这些“Reference data”，我们还可以进行上层领域数据的生成。举例来说，我们能够利用 AI 生成 GameFi、NFT 等领域的数据，为用户提供更丰富的数据资源。这种方式不仅提高了数据内容的质量，也让用户能够更深入地了解各个领域的数据动态。

在前端用户体验上，我们做了一个 AI 智能分析的功能。前面提到，用户在使用 Footprint 进行数据分析时，可以拥有类似于与 ChatGPT 聊天的体验。用户可以通过提问，自动获得相应的分析报告。背后的逻辑是将文本转化为 SQL 语句，从而大幅降低了用户进行数据分析的门槛。

最后，在产品用户支持上，我们研发了 AI 客服机器人。 我们将区块链领域的数据，包括 GameFi、NFT、DeFi 等各个领域的结构化数据提供给 AI，构建出 Footprint 专属的 AI 客服机器人。这个 AI 客服机器人能够为用户提供即时的支持，回答与 Footprint 使用相关的问题，比如数据种类、数据定义、API 使用等，极大地提高了客户支持的效率，同时也减少了人工投入。

当然，AI 的应用虽然能够提升生产力，帮助我们解决大部分问题，但并非能够解决所有问题。基于我们在数据处理方面的经验，AI 能够协助解决大约 70% 至 80% 的问题。

宏观上来讲，不管AI应用在哪些领域，一个重要的考虑因素是对于AI容错率的接受程度。在不同的应用场景下，对容错率的要求各有不同。在此过程中，需要权衡AI的准确性和可靠性，以及人们对于错误的容忍度。

在医疗领域，选择相信 AI 还是医生的决策可能涉及信任的挑战。在投资领域，AI 可以提供影响 BTC 价格走向的因素，但在实际买入或卖出的决策方面，人们可能仍持有疑虑。

然而，在营销和运营分析领域，例如对于用户画像和分层，精确度要求可能不高，因为轻微的错误不会产生重大影响。因此，容错率在这些场景中接受度较高。

当前，Footprint 在将 AI 与 Web3 相结合这一赛道上依然主要专注于数据，过程中也遇到了一些挑战：

第一个是在数据生产方面的问题，如何为AI提供高质量数据，以实现更高效、更精准的数据生产能力。我们可以把 AI 和数据的关系类比汽车的发动机和汽油，AI 是引擎，数据则是其所需的燃料。发动机再好，若缺乏高质量的燃料，性能将无法最大化。

这里就涉及到怎么生产高质量的数据问题，比如快速自动化地生产 GameFi、NFT、DeFi 等领域的数据。这涵盖了如何自动整理数据的关联关系，即数据的图谱。具体而言，我们需要明确合约的所属协议、合约类型、部署者等多个信息。这一过程的核心目标在于持续地为 AI 提供高质量数据，以实现其更高效、更精准的数据生产能力，从而形成良性循环。

其次是数据隐私问题。尽管 Web3 的本质在于去中心化与透明，随着行业的发展，我们也会看到类似 Web2 的情景，数据隐私需求逐渐凸显。例如，用户的身份、资产和交易信息的隐私保护。这产生了一个难题：链上数据的公开性逐渐减弱，可供给 AI 的数据也逐渐减少。然而，随着行业的进展，这个问题也会得到解决，同态加密技术就是其中一个解决方向。

总之，将 AI 与 Web3 相结合必然面临一个核心问题：数据获取，即如何获取高质量数据并将其传递给 AI。AI 的最终挑战将在于数据的可获得性。

我认为要实现 Web3 与 AI 的大规模结合和采用，需要解决两个核心问题。首先，我们需要更好地为 Web3 的构建者和开发者提供服务，尤其是在 GameFi、NFT、社交等领域的开发者。其次，我们需要降低应用端的门槛，使用户更轻松地进入这个领域。

首先是服务于开发者这一议题。在开发者这个领域，可以分为两类主要的应用。

一类是 AI 驱动的开发者平台。这一类平台利用AI技术，实现了代码模板的自动化生成。无论是开发 DEX 平台还是 NFT 市场，都可以根据开发者的具体需求智能生成代码模板，从而显著提高开发效率。在游戏领域，开发者也可以通过 AI 技术，游戏开发者可以更快地制作游戏模型，生成游戏图片等，从而加速游戏的开发和上线流程。这种平台能够为开发者提供更多可能性，让他们可以将更多精力投入到创意和创新上，而不必在重复的基础工作上花费过多时间。

另一类是AI 驱动的数据平台。这一类平台通过AI技术自动生产各个行业的领域数据，如 GameFi、NFT、SocialFi、DeFi 等。这些平台的目标是降低开发者使用数据的门槛，使数据分析和应用变得更加容易。通过 AI 技术，平台可以自动化地生成各种数据，为开发者提供丰富的数据资源，使其可以更好地了解市场趋势、用户行为等。这种数据平台为开发者提供了更多的数据支持，让开发者使用数据的门槛变得极低，推动了更多创新应用的诞生。

降低应用端门槛一直是 Web3 领域的关键问题。举例来说，市场上近期涌现出一些几乎零手续费的公链解决方案，旨在提高每秒交易数（TPS）。此外，像MPC钱包这样的解决方案也能有效地解决从Web2向Web3迁移的初级门槛，解决迁移过程中的困难。

这些问题的解决不仅仅依赖于 AI 技术，更关乎整个 Web3 生态的发展和完善。虽然 AI 在提升效率和降低门槛方面发挥重要作用，但在解决应用端门槛的永恒话题中，Web3 本身的基础建设和发展仍然是至关重要的因素。

Footprint Analytics 是一个链接 Web2 以及 Web3 的结构化数据平台 。借助尖端的人工智能技术，我们提供 Crypto 领域首家支持无代码数据分析平台以及统一的数据 API，让用户可以快速检索超过 26 条公链生态的 NFT，GameFi 以及 DeFi 数据。

Footprint Website: https://www.footprint.network

Discord: https://discord.gg/3HYaR6USM7

Twitter: https://twitter.com/Footprint_Data

Web3 正在引领互联网的下一个时代。然而，链上数据碎片化、不标准化的问题依然存在。Footprint Analytics 推出一站式数据解决方案，通过 AI 技术实现区块链数据的自动收集、清洗、关联，构建跨链数据标准，让开发者更便捷地访问和分析数据。

“我们希望成为 Web3 版的‘Google Analytics’，通过 20+ 公链以及结构化的数据覆盖，提供行业领先的增长分析和运营分析工具，帮助 Web3 项目实现精准营销。”Footprint 创始人兼 CEO Navy 表示，“与此同时，我们也在探索 AI 在其他方面的应用，比如自通过 AI 获取数据分析面板等，以进一步提升区块链产业的生产效率。”

Navy 认为，AI 和区块链技术的结合必将成为 Web3 实现大规模应用的催化剂。一方面，高质量数据是培训 AI 模型的基础；另一方面，AI 也可以反过来帮助产出高价值数据。“数据是这个行业的命脉。我们正在尝试建立一个正向循环的生态系统，让 AI 和区块链技术相得益彰，从而推动整个 Web3 行业的发展。”

Footprint Analytics 致力于构建一个连接 Web2 和 Web3 数据的结构化数据平台。

我们的核心价值在于数据的结构化。尽管 Web3 相对于 Web2 在链上数据公开透明方面具备优势，但也存在一些挑战，比如行业的发展尚处于早期阶段，数据缺乏标准，缺乏完善的结构，因此数据的应用变得困难。

以一个例子来说明，如果您想获取 Opensea 在以太坊、Solana 和 Polygon 等多条链上的交易数据，您需要理解 Opensea 的业务模型、阅读智能合约代码、逐个链（如以太坊、Solana、Polygon等）提取交易数据。

然而，这个过程存在一些问题。首先，过程复杂，获取数据的整个过程复杂且容易出错。其次，技术难度较大，不同链的账本设计和数据结构各不相同。最后，浪费资源，如果有 1000 人需要获取这些数据，就要执行 1000 次类似的繁琐流程，将会极大地降低数据获取效率，浪费计算资源。

因此，Footprint Analytics 的使命就是抽象各个领域的数据，包括 GameFi、NFT 和 DeFi 等，以建立 Web3 行业的数据标准，，为开发者和行业参与者提供高效、准确的数据。

截止目前，我们累计上线了 20+ 条公链，产品主要包含 3 大板块：

• 行业解决方案 Footprint Growth Analytics：为 Web3 项目在营销增长和运营分析领域提供定制化解决方案，可以类比为 Web3 版本的 Google Analytics，助力项目实现数据驱动增长。

• 0 代码数据分析工具：使用体验类似于 ChatGPT，通过简单的问题与回答即可获取数据分析报告。我预见未来使用链上数据将变得极其简便，无需深入了解 Web3 的业务逻辑，也无需高超的编程技能，从而使得从 Web2 用户向 Web3 的迁移变得更加容易实现。

• 免费的多链跨链 API：通过一个统一的API，实现对多条链的跨链数据访问，免费为用户提供无缝的多链数据检索体验。

作为一家数据平台，Footprint 与 AI 具有天然的结合能力。AI 的基础设施主要涵盖算力、数据和算法三个关键方面。其中，算力是支撑 AI 模型训练和执行的基石，数据是 AI 的灵魂，而算法决定着 AI 的表现，包括模型的准确性和应用效果。

在这些要素中，数据无疑是最为核心、最为重要的。数据是行业和企业的命脉，更涉及到隐私和合规等关键领域，价值不可估量。钱甚至也不一定能买到数据，因为涉及隐私、涉及合规等等方面。而在这其中，AI 是数据的消费者，同时也是数据的生产者。

目前，Footprint 在数据与 AI 结合应用方面有以下几个主要方面：

在数据内容生成阶段，AI 的应用在我们平台中发挥着重要作用。首先，我们通过 AI 生成处理数据的代码，从而为用户提供更高效的数据分析体验。

具体来说，我们关注了两个方面的创新。

一方面是“Reference data”的整理与分类。以区块链上新部署的合约为例，我们的AI可以自动判断合约归属于哪个 protocol，合约的类型，甚至是合约是否属于 Dex 平台中的 LP 或 swap 等类型。这种智能整理和归类，大幅提升了数据的可用性。

另一方面，基于这些“Reference data”，我们还可以进行上层领域数据的生成。举例来说，我们能够利用 AI 生成 GameFi、NFT 等领域的数据，为用户提供更丰富的数据资源。这种方式不仅提高了数据内容的质量，也让用户能够更深入地了解各个领域的数据动态。

在前端用户体验上，我们做了一个 AI 智能分析的功能。前面提到，用户在使用 Footprint 进行数据分析时，可以拥有类似于与 ChatGPT 聊天的体验。用户可以通过提问，自动获得相应的分析报告。背后的逻辑是将文本转化为 SQL 语句，从而大幅降低了用户进行数据分析的门槛。

最后，在产品用户支持上，我们研发了 AI 客服机器人。 我们将区块链领域的数据，包括 GameFi、NFT、DeFi 等各个领域的结构化数据提供给 AI，构建出 Footprint 专属的 AI 客服机器人。这个 AI 客服机器人能够为用户提供即时的支持，回答与 Footprint 使用相关的问题，比如数据种类、数据定义、API 使用等，极大地提高了客户支持的效率，同时也减少了人工投入。

当然，AI 的应用虽然能够提升生产力，帮助我们解决大部分问题，但并非能够解决所有问题。基于我们在数据处理方面的经验，AI 能够协助解决大约 70% 至 80% 的问题。

宏观上来讲，不管AI应用在哪些领域，一个重要的考虑因素是对于AI容错率的接受程度。在不同的应用场景下，对容错率的要求各有不同。在此过程中，需要权衡AI的准确性和可靠性，以及人们对于错误的容忍度。

在医疗领域，选择相信 AI 还是医生的决策可能涉及信任的挑战。在投资领域，AI 可以提供影响 BTC 价格走向的因素，但在实际买入或卖出的决策方面，人们可能仍持有疑虑。

然而，在营销和运营分析领域，例如对于用户画像和分层，精确度要求可能不高，因为轻微的错误不会产生重大影响。因此，容错率在这些场景中接受度较高。

当前，Footprint 在将 AI 与 Web3 相结合这一赛道上依然主要专注于数据，过程中也遇到了一些挑战：

第一个是在数据生产方面的问题，如何为AI提供高质量数据，以实现更高效、更精准的数据生产能力。我们可以把 AI 和数据的关系类比汽车的发动机和汽油，AI 是引擎，数据则是其所需的燃料。发动机再好，若缺乏高质量的燃料，性能将无法最大化。

这里就涉及到怎么生产高质量的数据问题，比如快速自动化地生产 GameFi、NFT、DeFi 等领域的数据。这涵盖了如何自动整理数据的关联关系，即数据的图谱。具体而言，我们需要明确合约的所属协议、合约类型、部署者等多个信息。这一过程的核心目标在于持续地为 AI 提供高质量数据，以实现其更高效、更精准的数据生产能力，从而形成良性循环。

其次是数据隐私问题。尽管 Web3 的本质在于去中心化与透明，随着行业的发展，我们也会看到类似 Web2 的情景，数据隐私需求逐渐凸显。例如，用户的身份、资产和交易信息的隐私保护。这产生了一个难题：链上数据的公开性逐渐减弱，可供给 AI 的数据也逐渐减少。然而，随着行业的进展，这个问题也会得到解决，同态加密技术就是其中一个解决方向。

总之，将 AI 与 Web3 相结合必然面临一个核心问题：数据获取，即如何获取高质量数据并将其传递给 AI。AI 的最终挑战将在于数据的可获得性。

我认为要实现 Web3 与 AI 的大规模结合和采用，需要解决两个核心问题。首先，我们需要更好地为 Web3 的构建者和开发者提供服务，尤其是在 GameFi、NFT、社交等领域的开发者。其次，我们需要降低应用端的门槛，使用户更轻松地进入这个领域。

首先是服务于开发者这一议题。在开发者这个领域，可以分为两类主要的应用。

一类是 AI 驱动的开发者平台。这一类平台利用AI技术，实现了代码模板的自动化生成。无论是开发 DEX 平台还是 NFT 市场，都可以根据开发者的具体需求智能生成代码模板，从而显著提高开发效率。在游戏领域，开发者也可以通过 AI 技术，游戏开发者可以更快地制作游戏模型，生成游戏图片等，从而加速游戏的开发和上线流程。这种平台能够为开发者提供更多可能性，让他们可以将更多精力投入到创意和创新上，而不必在重复的基础工作上花费过多时间。

另一类是AI 驱动的数据平台。这一类平台通过AI技术自动生产各个行业的领域数据，如 GameFi、NFT、SocialFi、DeFi 等。这些平台的目标是降低开发者使用数据的门槛，使数据分析和应用变得更加容易。通过 AI 技术，平台可以自动化地生成各种数据，为开发者提供丰富的数据资源，使其可以更好地了解市场趋势、用户行为等。这种数据平台为开发者提供了更多的数据支持，让开发者使用数据的门槛变得极低，推动了更多创新应用的诞生。

降低应用端门槛一直是 Web3 领域的关键问题。举例来说，市场上近期涌现出一些几乎零手续费的公链解决方案，旨在提高每秒交易数（TPS）。此外，像MPC钱包这样的解决方案也能有效地解决从Web2向Web3迁移的初级门槛，解决迁移过程中的困难。

这些问题的解决不仅仅依赖于 AI 技术，更关乎整个 Web3 生态的发展和完善。虽然 AI 在提升效率和降低门槛方面发挥重要作用，但在解决应用端门槛的永恒话题中，Web3 本身的基础建设和发展仍然是至关重要的因素。

Footprint Analytics 是一个链接 Web2 以及 Web3 的结构化数据平台 。借助尖端的人工智能技术，我们提供 Crypto 领域首家支持无代码数据分析平台以及统一的数据 API，让用户可以快速检索超过 26 条公链生态的 NFT，GameFi 以及 DeFi 数据。

Footprint Website: https://www.footprint.network

Discord: https://discord.gg/3HYaR6USM7

Twitter: https://twitter.com/Footprint_Data