Web3.0与AI的交汇点最近成为了一个非常热门的话题，许多开发者纷纷在这一技术交汇点上构建各种应用、协议和基础设施。从链上ChatGPT到AI克隆体，再到“自主AI代理”和去中心化金融（DeFi）中的机器学习模型，这个领域内充满了各种想法，其中一些比其他的更有实际意义。

但为什么AI需要去中心化？这种交汇点是否真的有意义？更重要的是，如何区分噪音和信号？在本文中，我们将为思考如何在去中心化网络和人工智能模型推理的交汇点上构建基础设施提供一个通用但稳健的框架。我们会保持现实主义的态度，解释这些技术交汇的实际影响，因为关于Web3.0与AI能够实现的潜力，今天存在许多夸大的说法。

Web3.0和AI都是包含广泛不同技术和主题的热门词汇。两者交汇点可以大致分为两个核心子领域：

• 将Web3.0整合进AI：构建通用的AI基础设施，继承现代点对点区块链网络的特性，包括去中心化、抗审查、代币激励等。

• 将AI整合进Web3.0：构建基础设施，使Web3.0能够利用复杂的模型来增强新旧链上应用场景。

虽然这两个问题领域之间存在显著的重叠，它们并非相互排斥（例如，去中心化的链上交易代理可以被视为可行的应用场景），但我们有意进行这种子分类，因为这两个方向的技术挑战本质上具有不同的特性和时间框架。

让我们深入探讨。

问题：那么，将Web3.0整合进AI意味着什么？

答案： 从高层次来看，正如我们之前描述的那样，这涉及构建基础设施，以去中心化使用AI模型，使用户始终能够访问开源且可信中立的AI。随着闭源AI逐渐占领世界，出于利益的考虑，可能在这些模型中引入偏见，这对模型的中立性构成了风险。为研究人员提供一个开放平台，供他们共享、迭代和开发AI，可能成为抵抗这些风险的关键形式。这与加密货币的理念相似：我们希望建立一个抗集中化失败点的系统，让人们能够在银行倒闭或政府失职时保持金融独立。同样，依赖像OpenAI这样的闭源AI公司意味着他们对您获取的信息拥有巨大控制权。

问题：为什么这很重要？

答案： 尤其是对于像AI这样强大的技术，集中控制存在潜在的风险。随着人们越来越依赖像ChatGPT这样的强大工具，如果一个集中化实体控制了AI，他们就可以有效地筛选公众可以获取的信息，控制人们接触到的叙述，甚至重新定义人们对某些话题的看法。这个想法变得越来越可怕，尤其是当你考虑到偏见不仅仅影响人类消费时，其他技术和模型也越来越依赖AI：有偏见的AI会产生有偏见的信息，而这些信息又会作为训练数据，用于创建更多有偏见的模型。

问题：那么AI推理的去中心化实际上是什么样子的？

答案： 在考虑推理之前，我们需要审视“去中心化”在广泛意义上的含义。通过分布式账本进行任何事物的去中心化，主要的价值主张包括透明性、可验证性和抗审查性。以以太坊为例：该网络为网络上发生的交易提供了完全透明度，通过共识和分叉选择机制确保了交易区块的可验证性，并通过允许任何人无需许可运行节点的方式提供了抗审查性。类似地，这些属性也可以被继承并应用于旨在去中心化推理的基础设施：推理执行的透明性、确保推理完整性的可验证性，以及通过允许任何人无需许可地上传或推理任何模型来实现抗审查性。

问题：如果这如此重要，为什么AI领域的人们并不关心Web3.0与AI的结合？

答案： 目前还没有AI技术的主动审查，所有人仍然可以访问AI，据我们所知，尚没有集中化实体有意识地以证明有害的方式向AI引入偏见。因此，AI领域的人们主要在解决如何改进模型的问题：如何提高模型输出质量，如何减少错误率，如何提高模型的可解释性等。当模型本身还有很大的改进空间时，抗审查性和中立性并不是人们的首要关注点，但我们已经看到像美国政府这样的实体正在预先采取措施，试图加强他们对AI的控制。

这也是为什么将Web3.0与AI的结合视为一个长期愿景；AI的审查与其模型的能力以及人们能用这些模型做什么紧密相关。当前，许多人可能不认为将AI放到链上是有意义的（因为去中心化带来了计算开销），但随着AI变得越来越强大，未来集中化实体介入限制访问、监管或货币化该技术的情况很可能发生。

因此，OpenGradient正积极构建一个面向AI模型的网络，以预见性地解决这个问题：从长远来看，通过去中心化基础设施来访问AI将是至关重要的，这将有助于民主化获取这种智能，防止影响的集中化、偏见的引入或彻底的审查。

问题：这是对一个AI被审查和监管的未来的过度担忧，Web3.0今天能为AI做些什么？

答案： Web3.0已经在创造经济激励结构方面表现出了实用性，尤其是通过加密货币代币的分发和消费。类似于以太坊上使用代币作为计算Gas，代币也可以用来激励和刺激供应方为代币发行者的使命做出贡献。目前，几乎没有激励机制促使开发者创建开源模型，因为闭源模型是唯一的研发货币化方式。然而，加密经济激励结构引入了多种途径，可以通过允许研究人员货币化开源模型，推动开源AI的发展。一些代币货币化模型的形式包括：

• 赏金猎人系统，研究人员通过构建达到特定目标的开源模型获得代币奖励

• 按推理消耗付费（类似于OpenAI的模式）

• 代币权益模型，模型的所有权本身是去中心化的。

这些都是Web3.0为开源AI的迅速发展带来的令人兴奋的催化剂，也是OpenGradient当前的重点开发工作之一。

问题：我们讨论了Web3.0能为AI做什么，那么AI能为Web3.0做什么？

答案： AI集成到现有Web3.0应用和技术中的确是今天可以开发的现实用例，这也是为什么在OpenGradient，我们将AI与Web3.0的整合作为一个中期愿景来努力实现。示例包括自主算法交易代理、借贷协议中的风险模型、AMM中的动态价差报价、具有动态艺术的NFT、利用状态化大语言模型的GameFi等。值得注意的是，由于生成式AI工具的普及，人们在听到“AI”一词时往往会过度集中在生成式AI上。考虑到经典机器学习在Web3.0中，尤其是在DeFi中的应用场景，仍然非常强大。复杂建模技术在交易/金融中的应用也并非前所未有，量化金融行业围绕利用建模来应对资产管理和交易挑战而展开。我们团队目前正在积极研究的一个重要用例是利用OpenGradient的基础设施，在Uniswap V4中应用ML模型计算动态费用，这可能最终会减少AMM流动性提供者的无常损失。

问题：如果AI -> Web3.0真的如此强大，为什么没有更多AI驱动的dApps？

答案： 我们已经开始看到越来越多的dApps逐渐在其去中心化应用中利用AI和ML，比如AI驱动的收益农场或AI驱动的加密货币价格预测。然而，在Web3.0中开发AI应用非常具有挑战性。构建生产级的AI/ML系统来服务推理请求，以可扩展的方式进行已经是一项艰巨的任务，开发者还必须担心如何确保推理的安全性。对于链上应用，信任和安全是必须的，以防止对抗性攻击（例如需要确保推理正确执行，否则可能有人会伪造结果作为攻击手段），而通过密码学机制实现AI/ML的信任计算既非常新颖又非常困难。要构建一个利用AI的Web3.0应用，开发者需要确保GPU计算资源，托管模型于推理服务器上，构建证明生成系统，使用硬件加速推理和生成证明，同时还需要有链上合约来验证这些证明。

在OpenGradient，我们认识到这是该领域快速发展的主要障碍之一：因此，我们正在开发基础设施，使Web3.0开发者能够无缝地直接在链上利用AI推理，同时允许他们根据自己的应用场景选择多种密码学安全机制进行定制。只需从去中心化文件存储中选择一个模型，将其传递到一个简单的函数调用中，就可以运行安全的推理！

问题：我们需要做些什么才能加速实现链上AI？

答案： 除了通过简单的函数调用提供端到端解决方案以外，为了最终减少这些障碍，并实现Web3.0与AI愿景的全部潜力，我们认为有三个原则是创建基础设施以促进这一技术交汇点蓬勃发展的关键。

• 可组合性：开发者可以像拼AI积木一样轻松地在智能合约中组合模型，创建强大的用例，构建他们想要的任何东西。

• 互操作性：开发者可以从任何区块链对模型发起跨链查询，并获得他们进行推理所需的任何数据。

• 可验证性：开发者可以在所有应用中定制推理的安全性，从高杠杆用例到娱乐用例都适用。

这些是OpenGradient网络正在其基础设施中纳入的设计主题，旨在将AI的使用定制化，以适应Web3.0的需求。

OpenGradient：构建Web3.0与AI的未来在OpenGradient，我们正在构建一个区块链网络，作为链上AI推理的可组合执行层。该网络提供可扩展且安全的模型推理访问，允许开发者在可组合的智能合约中无缝利用AI模型，创建强大的应用程序。

当涉及到Web3.0与AI的整合时，我们拥有多方面的愿景。正如我们所讨论的，Web3.0与AI的整合涉及多个方向，以下是我们全面呈现整合方案的方式：

(1) AI → Web3.0（短期）： 通过无缝且安全的AI和ML访问，推动Web3.0协议和dApp实现更智能的功能，带来变革。

(2) 加速开源AI（中期）： 通过为AI研究人员创建Web3.0激励结构的平台，加速开源AI的发展，例如模型代币化、为推理收取Gas费用、去中心化模型所有权等。

(3) Web3.0 → AI（长期）： 与Web2.0 AI集成，成为可验证AI的通用推理提供者，具备可扩展性、安全性和抗审查能力。

总结而言，我们希望这篇文章为您提供了一个思考Web3.0与AI交汇点影响的良好框架，并明确了在推理领域所解决的两个主要子类问题。

请继续关注我们的旅程！