# AI與Web3融合:香港共識大會2025熱點話題近年來,AI和Web3被普遍認爲是推動人類進入下一個技術增長期的兩大驅動力。隨着ChatGPT帶來革命性的AI體驗,鏈上AI也悄然完成了從概念到基礎設施的轉變,成爲Web3界最看好的可持續發展新領域。在剛結束的香港共識大會2025上,AI與Web3的融合成爲了熱門話題。無論是主會場還是分會場,關於AI與Web3結合的討論都十分熱烈。本文將深入探討會議上涉及的幾個主要方面。## 一、AI基礎設施### 1. AI Agent發射平台和框架近半年來,AI Agent的發射平台和框架類AI基礎設施建設備受關注。這些項目爲開發者和普通用戶提供了低門檻擁有和使用AI Agent的平台,是當前AI項目的重點方向之一。一些代表性項目包括:- 去中心化人工智能操作系統,通過構建AI專有Layer 1,連接計算資源、數據和模型,建立分布式AI開發生態系統。- 專注於去中心化AI Agent的創新平台,致力於推動多代理技術發展。- 去中心化基礎架構棧,實現安全、自主的人機協作。- 去中心化AI基礎設施平台,支持AI Agent和應用的分布式開發與運行。- 由多AI Agent組成的去中心化網路,能自主完成用戶描述的任務。### 2. 去中心化AI去中心化AI是鏈上AI的終極目標。目前許多項目都在算力、數據、模型等方向努力,希望通過去中心化方式打破大公司對LLM的壟斷,幫助大衆獲得數據和模型的所有權。一些代表性項目包括:- 去中心化用戶數據主權平台,將個人數據轉化爲金融資產。- 開放訪問的AI雲平台,整合全球計算資源,提供經濟實惠、可擴展的GPU資源和AI服務。- 專注於AI和區塊鏈的下一代網路,提供去中心化經濟基礎設施。- 去中心化計算平台,提供按需訪問GPU和CPU集羣的服務。- 分布式雲計算基礎設施平台,專爲AI計算任務和遊戲行業設計。- 去中心化自治AI智能體網路,用於實時挖掘互聯網數據。- 致力於AI和高性能計算領域的經濟層解決方案。- 爲AI經濟設計的去中心化Layer 1區塊鏈平台。- 爲去中心化應用提供中間層隱私保護和無追蹤計算功能的平台。- 開放透明的AI數據平台,支持多模態數據的收集和標注。### 3. 可驗證的AIAI發展面臨的重要挑戰之一是訓練過程的不透明,以及無法保證AI輸出結果的準確性。目前有許多項目希望通過ZKP、TEE等技術實現對AI訓練過程的可驗證性,保證AI輸出結果的可靠性。代表性項目包括:- 去中心化雲計算平台,爲鏈上應用提供可信的隱私計算和AI推理服務。- 去中心化計算引擎,提供可驗證的鏈下AI和區塊鏈計算。- 專注於去中心化數據驗證與可信AI的創新平台。## 二、AI用例:潛力與期待相較於豐富的AI基礎設施,目前出彩的AI實際用例項目仍相對較少。一些值得關注的項目包括:- 區塊鏈上的遊戲AI Agent平台,能生成實時動態敘事內容。- AI驅動的旅行助手,可自動定制旅行計劃並提供訂購服務。- 專注於籃球領域的體育解說AI Agent。- 專注於金融和交易領域的AI Agent平台。## 三、傳統項目向AI轉型許多傳統Web3項目也開始擁抱AI,宣布了各自的AI轉向計劃。- 一些公鏈表示,AI Agent的出現有助於簡化復雜的區塊鏈交互流程,能夠吸引更多用戶進入Web3世界。這些公鏈計劃從底層架構、帳戶創新等方面全面支持AI的發展。- 一些專注於特定服務的項目也開始向AI領域拓展,如構建去中心化信任層,爲AI的訓練和推理、預測等鏈下運算提供鏈上證明。## 四、挑戰與未來盡管前景光明,鏈上AI的發展仍面臨諸多挑戰,包括模型可靠性不足、提示詞意圖的模糊性、存儲和硬件限制,以及隱私安全等問題。這些挑戰不僅帶來技術難題,也孕育着巨大的創新機會。長遠來看,業界對鏈上AI的發展充滿希望,期待通過基礎設施的進一步完善、用例創新和社區協作,共同推動AI與Web3的融合與繁榮。
AI與Web3融合成香港共識大會2025焦點 鏈上AI基礎設施備受關注
AI與Web3融合:香港共識大會2025熱點話題
近年來,AI和Web3被普遍認爲是推動人類進入下一個技術增長期的兩大驅動力。隨着ChatGPT帶來革命性的AI體驗,鏈上AI也悄然完成了從概念到基礎設施的轉變,成爲Web3界最看好的可持續發展新領域。
在剛結束的香港共識大會2025上,AI與Web3的融合成爲了熱門話題。無論是主會場還是分會場,關於AI與Web3結合的討論都十分熱烈。本文將深入探討會議上涉及的幾個主要方面。
一、AI基礎設施
1. AI Agent發射平台和框架
近半年來,AI Agent的發射平台和框架類AI基礎設施建設備受關注。這些項目爲開發者和普通用戶提供了低門檻擁有和使用AI Agent的平台,是當前AI項目的重點方向之一。
一些代表性項目包括:
2. 去中心化AI
去中心化AI是鏈上AI的終極目標。目前許多項目都在算力、數據、模型等方向努力,希望通過去中心化方式打破大公司對LLM的壟斷,幫助大衆獲得數據和模型的所有權。
一些代表性項目包括:
3. 可驗證的AI
AI發展面臨的重要挑戰之一是訓練過程的不透明,以及無法保證AI輸出結果的準確性。目前有許多項目希望通過ZKP、TEE等技術實現對AI訓練過程的可驗證性,保證AI輸出結果的可靠性。
代表性項目包括:
二、AI用例:潛力與期待
相較於豐富的AI基礎設施,目前出彩的AI實際用例項目仍相對較少。一些值得關注的項目包括:
三、傳統項目向AI轉型
許多傳統Web3項目也開始擁抱AI,宣布了各自的AI轉向計劃。
四、挑戰與未來
盡管前景光明,鏈上AI的發展仍面臨諸多挑戰,包括模型可靠性不足、提示詞意圖的模糊性、存儲和硬件限制,以及隱私安全等問題。這些挑戰不僅帶來技術難題,也孕育着巨大的創新機會。
長遠來看,業界對鏈上AI的發展充滿希望,期待通過基礎設施的進一步完善、用例創新和社區協作,共同推動AI與Web3的融合與繁榮。