摘要

未来的AI可以建立在区块链技术之上，因为加密技术能够在新兴科技中提升可访问性、透明性和应用场景。加密的高效性、无国界特性和可编程性与AI的融合，可能会彻底改变人类与机器在数字经济中的互动方式，包括让用户拥有对个人数据的主权。这一趋势催生了“代理性网络”（Agentic Web），在加密基础设施上运行的AI代理将能够推动经济活动和增长。

那么这将是什么样子？AI代理在加密基础设施上进行交易，AI生成的软件代码（包括智能合约）推动链上应用和体验激增。用户可以拥有、管理并从他们所贡献的AI模型中获利。利用AI改进加密生态系统中的用户和开发者体验，增强智能合约功能并创造新的应用场景，未来充满可能性。

在畅想这一加密与AI融合的未来时，我们今天发布了关于这项变革性技术融合的核心论点。概述如下：

我们并不认为加密/区块链技术是提升AI技术栈各层能力或解决新兴挑战的必要条件。相反，加密可以在AI中扮演重要角色，带来更多的分布性、可验证性、抗审查能力以及原生支付通道，同时借助AI机制为链上用户体验注入新动力。

加密 x AI可能催生“代理性网络”（Agentic Web），在这一变革性范式中，运行在加密基础设施上的AI代理将成为重要的经济活动和增长驱动力。我们预测，未来代理将拥有自己的加密钱包，能够自主进行交易、满足用户需求，访问更低成本的去中心化计算和数据资源，或利用稳定币支付人类和其他代理，以完成其整体目标所需的任务。

支持这一论点的初步信念包括：(1) 加密将成为代理与人类、代理与代理之间商业往来的首选支付通道；(2) 生成式AI和自然语言接口将成为用户链上交易的主要方式；(3) AI将生成大部分软件代码（包括智能合约），从而引发链上应用和体验的井喷式增长。

加密与AI的交叉领域可分为两个核心子板块：(1) 去中心化AI（Crypto -> AI），即构建通用AI基础设施，使其继承现代点对点区块链网络的特性；(2) 链上AI（AI -> Crypto），即构建利用AI支持新旧应用场景的基础设施和应用。

加密 x AI的生态系统可划分为以下几个层级：(1) 计算层（即专注于为AI开发者提供潜在图形处理单元（GPU）的网络），(2) 数据层（即支持AI数据管道的去中心化访问、编排和可验证性的网络），(3) 中间件层（即支持AI模型/代理的开发、部署和托管的网络/平台），以及(4) 应用层（即面向用户的B2B或B2C产品，利用链上AI机制）。

在Coinbase，我们的使命是帮助更新金融系统，使其更安全、更可靠，同时提升消费者和开发者的可访问性和可用性。我们相信，加密 x AI将在其中扮演重要角色。在本篇博客中，我们将深入探讨加密 x AI的缘由、实现方式和未来发展方向。

加密 x AI 简介

AI市场近年来显著增长，风险投资公司在过去五年中向该领域注入了近2900亿美元。世界经济论坛指出，未来十年，AI技术可能推动美国年度GDP增长0.5-1.5%。AI应用展现了真实的市场吸引力，像ChatGPT4这样的应用创下了用户增长和采用的记录。然而，随着AI市场的快速发展，数据隐私问题、AI人才短缺、伦理考量、集中化风险及深度伪造技术的兴起等诸多挑战逐渐显现。这些挑战推动了加密和AI交叉点的当前讨论，利益相关方正在探索如何利用两者的优势来应对这些新兴问题。

加密 x AI将区块链的去中心化基础设施与AI的认知模拟和数据学习能力相结合，形成了一种可能革新各行业的协同效应。区块链重新定义了系统架构、数据/交易验证及分发模式；AI则提升了数据计算和分析能力，并带来了新的内容生成能力。这一交叉领域在两个技术社区中激起了开发者的热情和质疑，推动了创新应用场景的探索，有望在长期内加速这两个领域的广泛应用。尽管“加密”和“AI”都是涵盖众多不同技术和主题的广义术语，但我们认为其交叉领域可以细分为两个核心子板块：

1. 去中心化AI（Crypto -> AI）：利用加密的无许可和可组合性基础设施提升AI能力，从而实现去中心化访问AI资源（例如计算、存储、带宽、训练数据等）、协作性开源模型开发、可验证的推理，以及基于不可篡改账本和加密签名的内容溯源和真实性。
2. 链上AI（AI -> Crypto）：将AI的优势带入加密生态系统，通过大型语言模型（LLMs）和自然语言界面改善用户和开发者体验，增强智能合约的功能。链上AI的应用途径包括：(1) 开发者将AI模型或代理集成到智能合约和链上应用中；(2) AI代理利用加密通道（如自我托管钱包、稳定币等）进行支付，并调用去中心化基础设施资源。

尽管这两个领域仍处于初期阶段，“加密中的AI”或“AI中的加密”有着显著潜力，可能解锁一系列尚未构思的全新应用场景，特别是在计算基础设施和智能速度持续提高的情况下。

加密 x AI：解锁“代理性网络”的关键

在加密和AI领域中，我们认为尤为激动人心的概念是运行在加密基础设施通道上的AI代理。此类集成旨在打造“代理性网络”（Agentic Web），这一变革性范式能够提升AI驱动型经济中的安全性、效率和协作性，以稳健的激励结构和加密原语为支撑。

我们认为，AI代理有望成为经济活动和增长的主要驱动力，并逐渐取代人类用户，成为应用程序（无论链上还是链下）的主要“用户”，在中长期内逐步推动这种范式转变。这一转变将迫使许多互联网原生公司重新思考对未来的核心假设，进而开发适合以代理为主的经济体的必要产品、服务和商业模式。话虽如此，我们并不认为加密/区块链技术是提升AI技术栈各层能力或解决新兴挑战的必需条件。相反，加密在AI中可以发挥重要作用，带来更多的分布性、可验证性、抗审查能力以及原生支付通道，同时借助AI机制为链上用户体验注入新动力。

我们支撑该论点的初步信念如下：

• 加密将成为代理对人及代理对代理之间交易的首选支付通道：加密作为互联网原生的可编程货币，在为代理经济提供动力方面具有多种优势。随着AI代理的自主性增强，并大规模进行微交易（如支付推理、数据、API访问、去中心化计算或数据资源等），加密的高效性、无国界特性和可编程性将使其优于传统法币通道，成为首选的交换媒介。此外，代理还需要独特的、可验证的身份（即“了解你的代理”）以确保在与企业和终端用户交易时符合监管规则和合规要求。低手续费区块链、智能合约、自我托管钱包（如Coinbase AI Wallets）和稳定币将有助于简化并降低代理间复杂金融协议的成本，同时去中心化网络的可验证性和不可篡改性将确保AI代理交易的信任度和可审查性。
• 生成式AI和自然语言界面将成为用户链上交易的主要模式：随着自然语言处理速度和AI对加密的上下文理解的提升，通过对话界面进行链上互动将成为用户默认的习惯和期待，符合当前web2趋势（例如ChatGPT）。用户只需用自然语言描述其期望的交易意图（如“将X兑换为Y”），AI代理将把这些意图转化为可验证的智能合约代码，从而提供最有效且成本最低的交易执行路径。
• AI将生成大多数软件代码（包括智能合约），引发链上应用和体验的“寒武纪爆发”：AI的代码生成能力在web2中迅速提升（如Devin, Replit），并从根本上改变了软件开发的范式。我们认为这一转变很快将在加密领域占据中心地位，近期的重点在于大幅降低新旧开发者的入门门槛。然而，未来的理想状态是由AI“软件代理”根据用户偏好实时生成智能合约和高度个性化的应用程序，并存储和验证在链上。

这些信念勾勒出一个未来，在这个未来中，AI和加密之间的界限逐渐模糊，形成智能化、自主化、去中心化系统的新范式。在这种框架下，我们将逐层深入探讨加密 x AI的技术栈。

加密 x AI 技术栈中的机会（现状）

将“加密引入AI”或“AI引入加密”的探索催生了一个复杂且快速发展的新兴领域，众多开发者正争相利用市场的增长势头。今天，我们认为加密 x AI生态系统可以分为以下几个层级：

计算层：专注于为AI开发者提供潜在图形处理单元（GPU）的网络。

数据层：支持AI数据管道去中心化访问、编排和可验证性的网络。

中间件层：支持AI模型/代理的开发、部署和托管的网络/平台。

应用层：利用链上AI机制的面向用户产品（B2B或B2C）。

这些层级中的每一层都为开发者提供了在加密与AI交叉领域中发掘机会的基础。

计算

AI需要大量的GPU计算资源来进行模型训练和推理。随着AI模型日益复杂，对计算资源的需求不断增加，先进GPU（如Nvidia的产品）短缺，导致等待时间延长和成本上升。去中心化计算网络正逐渐成为应对这些挑战的潜在解决方案，包括：

• 建立无许可的市场，用于购买、租赁和托管物理GPU
• 构建GPU聚合平台，使任何人（如比特币矿工）都能贡献其剩余的GPU计算能力用于按需AI作业执行，并获得代币激励
• 将物理GPU金融化，将其作为链上数字资产进行代币化
• 开发用于高密度计算工作负载（如训练、推理）的分布式GPU网络
• 创建支持在个人设备上运行AI模型的基础设施（如去中心化的Apple Intelligence）

这些解决方案旨在增加GPU计算供应和可访问性，同时提供具竞争力的定价。然而，目前这一领域的大多数项目对先进AI工作负载的支持程度各不相同，面临着GPU分布不集中、开发者工具缺乏、以及与中心化服务相比缺乏稳定性和正常运行时间保证等挑战。因此，我们认为这些产品在短期到中期内难以被主流广泛采用。以下是一些正在该层构建的细分领域和示例项目：

• 通用计算：提供可用于多种应用的GPU计算资源的去中心化计算市场（例如Akash, Aethir）
• AI/ML计算：专注于特定服务的去中心化计算网络，如GPU聚合、分布式训练与推理、GPU代币化等（例如io.net, Gensyn, Prime Intellect, Hyperbolic, Hyperspace）
• 边缘计算：为个人设备上的大型语言模型（LLM）提供计算和存储网络，以实现个性化的推理（例如PIN AI, Exo, Crynux.ai, Edge Matrix）

这些去中心化计算方案力图通过提升GPU计算资源的可用性和降低成本来支持AI发展，同时探索新型计算模式和经济激励体系。

数据

扩展AI模型需要不断增长的训练数据集，大型语言模型（LLM）目前已训练于数万亿词汇的人类生成文本上。然而，现有的公共人类生成数据量有限（据Epoch AI估算，高质量语言数据资源可能会在2024年被耗尽），这引发了数据不足是否会成为AI模型性能瓶颈的疑问。因此，我们认为数据专注的加密 x AI公司有以下机会来应对这些挑战：

• 激励用户分享其私有/专有数据（例如，“数据DAO”——链上实体，数据贡献者通过社交平台贡献私有数据以获得经济收益，并共同管理这些数据的使用和变现方式）
• 创建工具以从自然语言提示生成合成数据资产，或通过激励机制鼓励用户从公共网站抓取数据
• 激励用户帮助预处理数据集，用于训练模型并维护数据质量（如数据标注/基于人类反馈的强化学习）
• 建立多边的、无许可的数据市场，任何人都可以获得补偿以贡献数据

这些机会催生了当前数据层中的许多新兴项目。然而值得注意的是，AI模型生命周期的中心化企业具有现有的网络效应和成熟的数据合规机制，这些是传统企业所重视的，可能会限制去中心化方案的发展空间。尽管如此，我们认为去中心化AI的数据层在长期内仍具有显著的潜力，能够应对“数据壁垒”挑战。以下是数据层中一些新兴细分领域及其示例项目：

• 数据市场：去中心化的数据交换协议，旨在为数据提供者和消费者提供共享与交易数据资产的渠道（例如Ocean Protocol, Masa, Sahara AI）
• 用户所有的/私有数据（包括数据DAO）：用于激励专有数据集（包括用户私有数据）收集的网络（例如Vana*, NVG8）
• 公共和合成数据：抓取公共网站数据或通过自然语言提示生成新数据集的网络/平台（例如Dria, Mizu, Grass, Synesis One）
• 数据智能工具：用于查询、分析、可视化以及提供链上数据可操作见解的平台和应用（例如Nansen, Dune, Arkham, Messari*）
• 数据存储：用于长期数据存储/归档的文件存储网络及用于管理频繁访问和更新的结构化数据的关系数据库网络（例如Filecoin, Arweave, Ceramic, Tableland*）
• 数据编排/溯源：优化数据摄取管道和AI数据密集型应用的数据处理的网络和平台，确保AI生成内容的溯源追踪和可验证真实性（例如Space and Time, The Graph*, Story Protocol）
• 数据标注：通过激励分布式人类网络创建高质量训练数据集的平台和网络，提升AI模型的强化学习和微调机制（例如Sapien, Kiva AI, Fraction.AI）
• 预言机：利用AI为链上智能合约提供可验证的链下数据的网络（例如Ora, OpenLayer, Chainlink）

这些创新的数据解决方案为AI和加密的交叉应用提供了多样化的工具，旨在推动数据的共享、访问和管理，并加速去中心化AI的广泛采用。

中间件层

要实现一个开放、去中心化的AI模型或基于代理的生态系统的全部潜力，必须构建新的基础设施。目前开发者正在探索的一些高潜力领域包括：

• 使用开源权重的大型语言模型（LLM）支持链上AI应用场景，同时构建能够快速理解、处理和执行链上数据的基础模型
• 为大规模基础模型（例如1000亿以上参数）开发分布式训练解决方案，这类项目因技术复杂性被视为理想化，但Nous Research、Bittensor和Prime Intellect的最新突破正致力于改变这一局面
• 利用零知识或乐观机器学习（zkML、opML）、可信执行环境（TEE）或全同态加密（FHE）实现私密且可验证的推理
• 通过资源协调网络支持开放的协作AI模型开发，或构建利用加密基础设施提升链上/链下AI代理潜力的代理性网络/平台

虽然在这些基础设施原语的构建上已取得了一些进展，但生产级的链上LLM和AI代理仍处于初期阶段，我们预计在短期到中期内这一情况不会改变，受限于基础计算、数据和模型基础设施的成熟度。尽管如此，我们认为这一领域前景广阔，并将成为Coinbase Ventures投资战略的核心驱动力之一，反映出长期AI服务的增长和需求。以下是该层的一些新兴细分领域及其示例项目：

• 开源权重LLM：权重公开可访问的AI模型，任何人都可以自由使用、修改和分发（例如LLama3, Mistral, Stability AI）
• 链上模型创建者：支持链上使用场景的基础LLM创建的网络和平台（例如Pond*, Nous, RPS）
• 训练与微调：提供链上激励和可验证训练或微调机制的网络和平台（例如Gensyn, Prime Intellect, Macrocosmos, Flock.io）
• 隐私保护：采用隐私保护机制进行AI模型开发、训练和推理的网络和平台（例如Bagel Network, Arcium*, ZAMA）
• 推理网络：利用密码学技术/证明验证AI模型输出正确性的网络（例如OpenGradient*, Modulus Labs, Giza, Ritual）
• 资源协调网络：促进AI模型开发的资源共享、协作和协调的网络（例如Bittensor, Near*, Allora, Sentient）
• 代理性网络和平台：支持链上/链下AI代理的创建、部署和变现的网络和平台（例如Morpheus, Olas, Wayfinder, Payman, Skyfire）

这些中间件解决方案致力于推动去中心化AI基础设施的发展，为链上和链下的智能代理提供支持，并探索隐私、验证和资源协作的新模式，从而为去中心化AI生态系统的未来奠定基础。

应用层

在加密领域，AI代理正逐步展现其潜力，早期实例包括Dawn Wallet（一款利用AI代理帮助用户发送交易并与协议交互的加密钱包）、Parallel Colony*（一款链上游戏，玩家可与拥有自己钱包的AI代理合作，在游戏中创造独特路径）和Venice.ai（带有可验证推理和隐私保护机制的生成式AI应用/自然语言提示界面）。然而，应用开发仍然主要处于实验和机会主义阶段，伴随热潮涌现出各种创新的应用理念。尽管如此，我们相信随着AI代理基础设施和框架的进步，加密设计空间将从以反应性智能合约应用为主，逐步转向更复杂的前瞻性应用，中长期内将带来重大变化。以下是该层的一些新兴细分领域及其示例项目：

• AI伴侣：创建、共享和变现用户拥有的个性化AI模型和具备上下文感知的代理的应用（例如MagnetAI, MyShell, Deva, Virtuals Protocol）
• 基于NLP的界面：以自然语言提示为主界面/入口，进行链上交易交互和执行的应用（例如Venice.AI, Veldt）
• 开发/安全工具：面向开发者的应用/工具，利用AI模型/代理提升链上开发者体验和安全机制（例如ChainGPT, Guardrail*）
• 风险代理：使用ML模型或AI代理帮助协议实时调整和响应链上风险参数的服务（例如Chaos Labs, Gauntlet, Minerva*）
• 身份验证（身份证明）：利用加密证明和ML模型验证用户身份的应用（例如Worldcoin*）
• 治理：利用AI代理根据人类驱动的治理决策/反馈执行交易的应用（例如Botto, Hats）
• 交易/DeFi：使用AI代理自动执行链上交易的交易基础设施和DeFi协议（例如Taoshi, Intent.Trade）
• 游戏：使用智能NPC或AI机制驱动核心玩法的链上游戏（例如Parallel*, PlayAI）
• 社交：使用AI机制支持链上社交体验的应用（例如KaiKai, NFPrompt）

结论

尽管加密 x AI技术栈仍处于早期阶段，但我们相信去中心化AI基础设施、链上AI应用及“代理性网络”的出现将带来显著进展，在此网络中，AI代理将成为经济活动的主要驱动力。虽然在计算基础设施和数据可用性方面仍存在挑战，但加密与AI的协同作用将有助于加速这两个领域的创新，推动更透明、去中心化和自治的系统发展。随着该领域快速演进，越来越多的新团队获得资金支持，已有团队致力于实现产品/市场契合，互联网原生公司和开发者必须适应这种变化的范式，拥抱加密 x AI所带来的前所未有的应用和体验的潜力。

免责声明：

1. 本文转载自【Coinbase Ventures】，版权归原作者 【Jonathan King】 所有。如有异议，请联系 Gate Learn 团队处理。
2. 责任声明：本文所表达的观点和意见仅代表作者个人观点，并不构成任何投资建议。
3. 本文其他语言的翻译由Gate Learn团队提供，除非特别说明，禁止复制、分发或抄袭翻译内容。