區塊鏈與AI 的融合：天然需求

從長期看，AI對區塊鏈的需求是自我實現的天然需求。當然，有很長的路要走

一、區塊鏈同樣是最重要的趨勢之一

今年以來，AI 的火爆遠超區塊鏈。不過，加密世界也不必氣餒，如何理解區塊鏈未來的機會？先說一下想法：

• 區塊鍊是人類歷史上最重要的趨勢之一，從web2 信息互聯網演化到web3 價值互聯網同樣也是生產力提升的需要。才短短十多年，還有數十年的演化。其底層影響目前看是僅次於AI 的第二大技術。
• **AI 和區塊鍊是有融合需求的，雖然進展不會很快。 **

今天簡單說說第二點：AI 和區塊鏈的融合需求。

二、區塊鏈可以幫到AI 的地方

計算

大家都知道，AI 對算力的需求是巨大的。如何將閒置算力為AI 算力所用，需求是有的。不過目前看，由於訓練AI 模型屬於密集計算，非常昂貴。在通用AI 計算方面，目前區塊鏈能夠幫忙的地方還不多。

其中被詬病的主要有三點：**一是，需要專用GPU 硬件的支持；二是，數據交換延遲；三是，去中心化計算任務的證明。 **

• 上面也提到，AI 訓練屬於密集型的大規模計算，LLM 這些訓練具有數十億級別以上的參數，訓練這些模型的FLOPs 更是龐大，只有專用硬件（AI GPU，具有特殊組件，如Tensor Processing Units 等）來執行這些訓練才能達到更好效果；此外，為了達到最佳效果，所有GPU 最好是同構計算，級別相同的GPU 更易步調一致進行數據交換和繼續計算。在去中心化網絡，這對參與者的GPU 是存在要求的。不過，要求越高，門檻越高，不利於去中心化，也不利於利用閒置算力。
• AI GPU 需要不斷交換數據。如果存在網絡延遲，對於AI 利用分佈式的算力來進行訓練也不利。
• 如何去中心化地驗證計算任務的完成需要有相對高效和低成本的解決方案。

**以上所提到的都是目前去中心化計算跟AI 結合的難點，這也是目前AI 和區塊鏈結合相對不容易的地方。 **不過，從藍狐筆記角度，隨著更多參與者的探索，這個方面的障礙會一步步得到清除，當然也需要較長時間才能實現。

下面來說說，有可能逐步得到解決的方面。如果在通用AI 角度，目前加密領域還很難切入。那麼，可以從特殊領域的AI 領域切入。而這個切入點，也跟目前AI 的計算任務密切相關。 **有兩個地方：一是，推理任務在目前的AI 計算需求中佔據了多數；二是，一些微調和推理任務對資源要求較小，通過去中心化計算來實現也有機會。這兩點意味著去中心化算力的可能的潛在機會。 **

特定領域，比如法律、醫學、投資、教育、數據分析等專業領域的AI 可能在早期更適合這種專注於特定領域的分佈式計算網絡。上面也提到，為AI 提供去中心化的算力服務，困難的不是完成計算任務，而是如何去中心化地驗證任務的完成情況。目前一些項目正在試圖解決這個問題，比如Gensyn 和together 等。

Gensyn 融和了一些學術界的研究成果，如概率學習證明、基於圖形的精確定位協議，也藉鑑了Truebit 項目的激勵和製衡模型。 Gensyn 將整個過程分解為八個階段，從AI 任務提交、剖析、訓練、證明生成到驗證證明、挑戰、仲裁以及結算。其中“概率學習證明” 用以構建基線距離閥值，為驗證者提供驗證基礎；“基於圖形的精確定位” 技術用以監督驗證者驗證執行的情況；Truebit 的博弈模型則使得相關方以理性為導向。具體的過程可參考Gensyn 的白皮書。這裡順便提及一下，像Truebit 類似的鏈下計算項目，也有機會向這個方向演化，或許獲得更多的業務機會。當然，這需要團隊評估其機會。

相對於去中心化的網絡計算的落地難度，AI 模型分享和AI 數據分享是有機會更快落地的領域。 **下面的兩個方面，可能是AI 跟區塊鏈結合在早期更容易取得突破的地方：去中心化的模型共享和去中心化的數據共享。 **

模型

通過代幣激勵來鼓勵模型的共享，從而實現更好的模型。甚至，這些模型還可以部署到鏈上，由任意參與者共同訓練，推動模型發展。此外，**隨著AI 模型的複雜化，對於推理的信任也變得關鍵。這也是鏈上可信推理可以發揮作用的地方。 **

在模型微調和推理領域，Giza、ChainML、Bittensor、Modulus Lab 等都在探索中。 Giza 推出的是鏈上模型市場，在鏈上部署簡單模型，鏈上推理，模型所有者可以在模型被使用後獲得相關的費用收入。

Modulus 則提出了zkML 的概念，它認為由於成本問題，在鏈上運行推理模型是不現實的，因此它的解決方案是在鏈下運行推理模型，之後生成zkSNARKs 證明，證明上鍊，並通過智能合約發揮其作用。

數據

通過代幣經濟來激勵用戶對模型進行反饋、激勵用戶收集更高質量的數據。通過提供分佈式數據獲得高質量的數據，尤其是特定領域，這對於AI 發展有重要意義。同時，這也可以跟ZK 技術結合起來，**可以不用透露數據背後的隱私。這裡的難點是如何證明數據本身的質量。 **

高質量的數據和去中心化的AI 模型結合，對於AI 發展會很有意思。

防偽

目前深度學習模型出現之後，導致AI 生成的圖像、音頻、視頻等變得越來越難以分辨真假。 **在AI 生成時代，內容的真實性、防篡改性變得越來越重要。 **區塊鍊是解決這一問題的重要技術手段。

加密數據身份和簽名保證內容創造的真實性，而不是偽造的。尤其是AI 工具被濫用之後，這個問題尤為嚴重。這是對抗偽造內容的重要技術手段。在以假亂真時代，需要通過加密技術來分辨真偽。

此外，也需要藉用區塊鏈技術進行確權。例如，同樣是一幅畫，AI 生成和NFT 圖像僅從表面難以辨別，這個時候需要區塊鏈發揮它的作用。

更具韌性的AI

AI 通過跟區塊鏈融合，獲得在計算、模型、數據、帶寬、存儲等多方面的支持，**獲取去中心化的基礎設施支撐，更具自我演化能力。 **此外，區塊鏈領域的加密支付、價值流通方面，也可以為AI 的演化提供支持。

**一個完善的區塊鏈基礎設施構建成熟之後，AI 將獲得更多自我演化的能力。 **換言之，一個更去中心化的AI 也是AI 自我實現的需求，利用區塊鏈的分佈式特點來發展AI，也是AI 自身發展的訴求。

對於AI 自身來說，如果最後只被微軟、谷歌等大巨頭所壟斷，對它自身演化也是不利的。 AI 有天然的去中心化發展的需求，這是AI 實現更具韌性的自身需求。 AI+區塊鏈所能爆發出來的力量有可能遠超人們想像。

三、AI 可以推動區塊鏈的地方

人工智能和鏈上數據融合

通過AI 分析鏈上的動態數據，獲得預測的能力，比如投研等。其中一個最令人興奮的地方是，**通過嵌入AI，智能合約可以實現動態的自主決策。 **比如，defi 根據實時數據進行調整等。一個動態的而不是靜態的智能合約，會讓區塊鏈生髮出更多應用場景和用戶需求。

**人工智能的發展，可以加密應用帶來新的可能性。 **

AI 為DeFi、web3 遊戲、web3 社交、web3 應用（交通、住宿、旅遊等）帶來新的可能性。比如，例如AI+web3 遊戲，有可能誕生出前所未有的遊戲模式；例如AI+物聯網+加密支付，有可能誕生出更智能的網絡。

ZKP 的重要性

計算任務要保證隱私和完成度，需要ZKP 加入，形成可驗證的工作證明。 **ZKP 成熟之後，可實現AI 上鍊，也可以提供隱私保護以及可驗證的機器學習。 **

整體來說，區塊鏈可以通過去中心化的模式，為算力、數據和模型的協議提供一種協作架構，最終促進AI 的發展，在這個過程中，有很多細節需要完善，比如需要證明參與者的貢獻（不管是算力、數據還是模型），只有低成本地完成了這些，區塊鏈才有機會幫到AI，否則就是空中樓閣。

**當然，從趨勢上看，AI 對區塊鏈有天然的需求，AI 需要區塊鍊為自己發展提供真正的韌性。 **

與此同時，AI 對於區塊鏈應用的進化也會有幫助，不管是DeFi、遊戲還是其他應用，都有可能誕生更智能化的加密應用。這有可能是未來的大敘事，即便下個週期裡還不成熟，下下個週期或許也有這樣的機會。

以上所提到的只是部分，並不完整，會隨著時間的變化有增有減，也歡迎各位在留言補充。