К 2025 году интерес к нарративу «AI + Web3» по-прежнему не ослабевает. Согласно последнему отчету Grayscale, опубликованному в мае 2025 года, общая рыночная капитализация сегмента AI Crypto достигла 21 миллиарда долларов, что почти в пять раз больше по сравнению с 4,5 миллиарда долларов в первом квартале 2023 года.
За этой волной стоит настоящая технологическая интеграция или очередная упаковка концепции?
С макроперспективы традиционная экосистема ИИ уже проявляет все больше структурных проблем: высокая планка для обучения моделей, отсутствие гарантии конфиденциальности данных, высокая монополия вычислительных мощностей, непрозрачность процесса вывода, дисбаланс в механизмах стимулирования... А эти проблемы как раз идеально совпадают с врожденными преимуществами Web3: децентрализация, открытые рыночные механизмы, возможность верификации на блокчейне, суверенитет пользовательских данных и т.д.
Сочетание ИИ и Web3 — это не просто наложение двух популярных терминов, а структурное технологическое дополнение. Давайте начнем с нескольких основных болевых точек, с которыми сталкивается ИИ, и углубимся в те проекты Web3, которые действительно решают проблемы, чтобы показать вам ценность и направление сектора AI Crypto.
Порог доступа к AI-сервисам слишком высок, а стоимость слишком велика.
В настоящее время услуги ИИ обычно стоят дорого, ресурсы для обучения трудно получить, что создает очень высокие барьеры для малых и средних предприятий и индивидуальных разработчиков; кроме того, эти услуги часто имеют сложные технологии, которые требуют профессионального фона для использования. Рынок услуг ИИ сильно централизован, пользователи испытывают нехватку разнообразия в выборе, стоимость вызовов не прозрачна, бюджет трудно предсказать, и даже существует проблема монополии вычислительных мощностей.
Решение Web3 заключается в том, чтобы разрушить платформенные барьеры с помощью децентрализованного подхода, создать открытый рынок GPU и сеть сервисов моделей, поддерживать гибкое распределение неиспользуемых ресурсов и через задания на блокчейне и прозрачные экономические механизмы стимулировать больше участников вносить свою вычислительную мощность и модели, снижая общие затраты и повышая доступность услуг.
Представлять проект
Render Network: сосредоточен на децентрализованном GPU рендеринге, также поддерживает AI вывод и обучение, использует модель «оплата за использование», помогая разработчикам низкозатратно подключаться к генерации изображений и AI услугам.
Gensyn: построение децентрализованной сети обучения глубокому обучению, использующей механизм Proof-of-Compute для проверки результатов обучения, способствующей переходу AI обучения от централизованной платформы к открытому сотрудничеству.
Akash Network: децентрализованная облачная вычислительная платформа на базе технологии блокчейн, где разработчики могут по запросу арендовать ресурсы GPU для развертывания и выполнения AI-приложений, это "децентрализованная версия облачных вычислений."
0G Labs: децентрализованный AI нативный Layer-1, который значительно снизил стоимость и сложность выполнения AI моделей на цепи благодаря инновационной архитектуре разделения хранения и вычислений.
Отсутствие стимулов у поставщиков данных
Качественные данные являются основным топливом для моделей ИИ, но в традиционных моделях участникам данных трудно получить вознаграждение. Непрозрачность источников данных, высокая степень повторяемости и отсутствие обратной связи в способах использования приводят к долгосрочной неэффективности экосистемы данных.
Web3 предлагает новую парадигму решения: с помощью криптографической подписи, подтверждения прав на блокчейне и комбинированных экономических механизмов формируется четкий круг сотрудничества и стимулов между вкладчиками данных, разработчиками моделей и пользователями.
Представитель проекта
OpenLedger: инновационно представила концепцию «Payable AI», объединяющую вклад данных, вызов моделей и экономические стимулы, способствуя формированию сети экономики данных для совместной работы AI на блокчейне.
Bittensor: Полная система стимулов, основанная на вознаграждении TAO, механизме консенсуса Yuma, точном стимулировании подсетей и сотрудничестве в области знаний, которая напрямую связывает вклад данных и результаты работы модели, повышая общую ценность вклада.
Grass: AI 数据网络, собирающий данные о поведении пользователей при просмотре через плагины, которые вносятся в обучение поисковой системы на блокчейне, пользователи получают вознаграждение в зависимости от качества данных, создавая механизмы совместного использования данных, управляемые сообществом.
Модель становится черным ящиком, проверка вывода ИИ невозможна
Процесс вывода современных моделей ИИ является высоко закрытым, и пользователи не могут проверить правильность и надежность результатов, особенно в высокорисковых областях, таких как финансы и здравоохранение, где проблемы особенно острые. Кроме того, модели могут подвергаться атакам, таким как манипуляции и отравление, что затрудняет отслеживание или аудит.
Для этого проекты Web3 пытаются внедрить нулевые знания (ZK), полностью гомоморфное шифрование (FHE) и надежные среда выполнения (TEE), чтобы сделать процесс вывода модели проверяемым и подлежащим аудиту, повысить объяснимость AI-систем и основание доверия.
Представлять проект
Sentient: Обеспечивает отслеживаемость действий вызова с помощью инновационной технологии распознавания отпечатков моделей, повышая прозрачность использования модели и защищая от подделок.
Modulus Labs: Используя технологии ZK для шифрования и проверки процесса вывода модели, реализует новую парадигму "достоверного ИИ".
Giza: Используя нулевое знание криптографии, чтобы перенести вычисления вывода машинного обучения на блокчейн, тем самым повышая прозрачность и доверие к развертыванию AI моделей.
Риски конфиденциальности и безопасности
Процесс обучения ИИ часто включает в себя большое количество чувствительных данных, что создает риски утечки конфиденциальности, злоупотребления или атак на модель, а также недостатка прозрачности в принятии решений. В то же время, неопределенность в определении прав собственности на данные и модели еще больше усугубляет проблемы безопасности.
С использованием таких средств, как неизменяемость блокчейна, технологии криптографических вычислений (таких как ZK, FHE), доверенная среда выполнения и т.д., обеспечить безопасность и управляемость данных и моделей AI на всех этапах: обучение, хранение и вызов.
Представлять проект
Phala Network: предоставляет поддержку надежной среды выполнения (TEE), заключая ключевые вычисления в безопасное оборудование, предотвращая утечку данных и кражу моделей.
ZAMA: Фокусируется на технологии полной гомоморфной криптографии (FHE), позволяя проводить обучение и вывод модели в зашифрованном состоянии, реализуя "вычисления без необходимости в открытом тексте".
Mind Network: Создание децентрализованной платформы для обмена данными и вывода AI с поддержкой защиты конфиденциальности, обеспечивающей безопасный обмен данными и вычисления конфиденциальности с помощью передовых криптографических технологий (таких как гомоморфное шифрование, нулевые знания и т.д.).
Vana: приложение для генерации AI-идентичности, предназначенное для того, чтобы вернуть пользователям право собственности и контроль над своими данными, обеспечивая их конфиденциальность и безопасность.
Споры о авторских правах и интеллектуальной собственности на модели ИИ
В настоящее время для обучения моделей ИИ в значительной степени используются данные из Интернета, но часто без разрешения используется защищенный авторским правом контент, что приводит к частым юридическим спорам. В то же время права собственности на контент, созданный ИИ, остаются неясными, а распределение прав между оригинальными авторами, разработчиками моделей и пользователями страдает от недостатка прозрачных механизмов. Случаи злонамеренного копирования и кражи моделей также встречаются довольно часто, что затрудняет защиту интеллектуальной собственности.
Web3 с помощью механизма удостоверения прав на блокчейне фиксирует время создания модели, источники обучающих данных, информацию о вкладчиках и т.д., а также использует такие инструменты, как NFT и смарт-контракты для обозначения авторских прав на модель или контент.
Представлять проект
Story Protocol: Создание протокола интеллектуальной собственности на блокчейне, который позволяет модульно устанавливать права на AI-контент, код, модели и т.д., комбинировать и лицензировать их, реализуя механизм «Создание — это подтверждение прав, использование — это оплата».
Alethea AI: генерирующие AI модели (такие как персонажи, голоса и т.д.), связанные с идентификацией на блокчейне и NFT, каждая AI персонаж имеет четкую информацию о создателе и авторских правах, что предотвращает злоупотребление и плагиат.
Отсутствие децентрализованного управления ИИ
Разработка и эволюция современных AI моделей в значительной степени зависят от крупных технологических компаний или закрытых команд, темпы обновления моделей непрозрачны, а ценностные уклоны трудно исправить, что может привести к алгоритмическим предвзятостям, злоупотреблениям и тенденции «технологического феодализма». Сообщества и пользователи обычно не могут вмешиваться в пути обновления моделей, корректировку параметров или границы поведения, что ведет к отсутствию механизмов для эффективного контроля и исправления AI систем.
Преимущества Web3 заключаются в программируемом управлении и механизмах открытого сотрудничества. Благодаря управлению на блокчейне, механизмам DAO и структуре стимулов, ключевые этапы проектирования моделей ИИ, цели обучения, обновления параметров и т. д. могут постепенно привлекать консенсус сообщества, повышая демократичность, прозрачность и разнообразие разработки моделей.
Представлять проект
Fetch.ai: Введение автономных экономических агентов (AEA) и открытых механизмов управления, позволяющее поведению AI-агента подчиняться правилам сообщества и координировать сотрудничество между агентами с помощью экономических стимулов.
SingularityNET: упаковывает AI-сервисы в составные модульные блоки на блокчейне, пользователи могут выбирать или заменять модели на открытом рынке, а механизмы управления платформой поддерживают оценку качества моделей и предложение улучшений.
Проблемы кросс-цепочечной AI-сотрудничества
В многопользовательской среде AI-агенты и модели могут располагаться на разных блокчейнах, что затрудняет унификацию состояния, контекста или логики вызовов, приводя к разрозненности пользовательского опыта, усложнению разработки и трудностям с синхронизацией данных.
Некоторые проекты исследуют «Мультицепочечный ИИ-протокол», пытаясь продвигать непрерывность и согласованность работы ИИ-агентов через совместное использование контекста, межцепочечную связь и механизмы синхронизации состояния.
Представитель проекта
OpenPond: использует MCP кросс-чейн протокол для подключения AI моделей и агентов на разных цепочках, обеспечивая синхронизацию состояния вызова и совместное использование контекста, упрощая сценарии многосетевого взаимодействия.
Lava Network: предоставляет кросс-цепочные RPC и услуги мостов данных, открывая базовые каналы связи для многосетевых AI систем, поддерживает синхронизацию данных агентов и унифицированное выполнение задач.
Виртуальные Протоколы: через ACP (Протокол Коммерции Агентов) интеллектуальный кооперативный протокол поддерживает процессы межагентских запросов, переговоров, выполнения и расчетов. Его технология «Параллельная Гиперсинхронность» позволяет AI-агентам работать параллельно на разных платформах и синхронизировать поведение и память в реальном времени.
Заключение
Восход AI Crypto не является пустыми разговорами, а представляет собой системную реконструкцию снизу вверх: он разрывает оковы централизации эпохи больших моделей и постепенно строит новую парадигму AI, в которой каждый может участвовать, которая прозрачна и надежна, и движется совместными усилиями, в таких аспектах, как вычислительная мощность, данные, стимулы, безопасность и управление.
На данный момент эта область перешла от стадии концепции к стадии реализации реальных продуктов. Уверен, что те AI Crypto проекты, которые действительно смогут создать реальную ценность и решить основные проблемы, обязательно получат возможность возглавить следующую волну развития эпохи AI, способствуя развитию технологий искусственного интеллекта в более открытом, справедливом и надежном направлении.
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
Является ли это трендом или ложной проблемой? Какова ценность направления AI + Web3?
Слова: TinTinLand
К 2025 году интерес к нарративу «AI + Web3» по-прежнему не ослабевает. Согласно последнему отчету Grayscale, опубликованному в мае 2025 года, общая рыночная капитализация сегмента AI Crypto достигла 21 миллиарда долларов, что почти в пять раз больше по сравнению с 4,5 миллиарда долларов в первом квартале 2023 года.
За этой волной стоит настоящая технологическая интеграция или очередная упаковка концепции?
С макроперспективы традиционная экосистема ИИ уже проявляет все больше структурных проблем: высокая планка для обучения моделей, отсутствие гарантии конфиденциальности данных, высокая монополия вычислительных мощностей, непрозрачность процесса вывода, дисбаланс в механизмах стимулирования... А эти проблемы как раз идеально совпадают с врожденными преимуществами Web3: децентрализация, открытые рыночные механизмы, возможность верификации на блокчейне, суверенитет пользовательских данных и т.д.
Сочетание ИИ и Web3 — это не просто наложение двух популярных терминов, а структурное технологическое дополнение. Давайте начнем с нескольких основных болевых точек, с которыми сталкивается ИИ, и углубимся в те проекты Web3, которые действительно решают проблемы, чтобы показать вам ценность и направление сектора AI Crypto.
Порог доступа к AI-сервисам слишком высок, а стоимость слишком велика.
В настоящее время услуги ИИ обычно стоят дорого, ресурсы для обучения трудно получить, что создает очень высокие барьеры для малых и средних предприятий и индивидуальных разработчиков; кроме того, эти услуги часто имеют сложные технологии, которые требуют профессионального фона для использования. Рынок услуг ИИ сильно централизован, пользователи испытывают нехватку разнообразия в выборе, стоимость вызовов не прозрачна, бюджет трудно предсказать, и даже существует проблема монополии вычислительных мощностей.
Решение Web3 заключается в том, чтобы разрушить платформенные барьеры с помощью децентрализованного подхода, создать открытый рынок GPU и сеть сервисов моделей, поддерживать гибкое распределение неиспользуемых ресурсов и через задания на блокчейне и прозрачные экономические механизмы стимулировать больше участников вносить свою вычислительную мощность и модели, снижая общие затраты и повышая доступность услуг.
Представлять проект
Render Network: сосредоточен на децентрализованном GPU рендеринге, также поддерживает AI вывод и обучение, использует модель «оплата за использование», помогая разработчикам низкозатратно подключаться к генерации изображений и AI услугам.
Gensyn: построение децентрализованной сети обучения глубокому обучению, использующей механизм Proof-of-Compute для проверки результатов обучения, способствующей переходу AI обучения от централизованной платформы к открытому сотрудничеству.
Akash Network: децентрализованная облачная вычислительная платформа на базе технологии блокчейн, где разработчики могут по запросу арендовать ресурсы GPU для развертывания и выполнения AI-приложений, это "децентрализованная версия облачных вычислений."
0G Labs: децентрализованный AI нативный Layer-1, который значительно снизил стоимость и сложность выполнения AI моделей на цепи благодаря инновационной архитектуре разделения хранения и вычислений.
Отсутствие стимулов у поставщиков данных
Качественные данные являются основным топливом для моделей ИИ, но в традиционных моделях участникам данных трудно получить вознаграждение. Непрозрачность источников данных, высокая степень повторяемости и отсутствие обратной связи в способах использования приводят к долгосрочной неэффективности экосистемы данных.
Web3 предлагает новую парадигму решения: с помощью криптографической подписи, подтверждения прав на блокчейне и комбинированных экономических механизмов формируется четкий круг сотрудничества и стимулов между вкладчиками данных, разработчиками моделей и пользователями.
Представитель проекта
OpenLedger: инновационно представила концепцию «Payable AI», объединяющую вклад данных, вызов моделей и экономические стимулы, способствуя формированию сети экономики данных для совместной работы AI на блокчейне.
Bittensor: Полная система стимулов, основанная на вознаграждении TAO, механизме консенсуса Yuma, точном стимулировании подсетей и сотрудничестве в области знаний, которая напрямую связывает вклад данных и результаты работы модели, повышая общую ценность вклада.
Grass: AI 数据网络, собирающий данные о поведении пользователей при просмотре через плагины, которые вносятся в обучение поисковой системы на блокчейне, пользователи получают вознаграждение в зависимости от качества данных, создавая механизмы совместного использования данных, управляемые сообществом.
Модель становится черным ящиком, проверка вывода ИИ невозможна
Процесс вывода современных моделей ИИ является высоко закрытым, и пользователи не могут проверить правильность и надежность результатов, особенно в высокорисковых областях, таких как финансы и здравоохранение, где проблемы особенно острые. Кроме того, модели могут подвергаться атакам, таким как манипуляции и отравление, что затрудняет отслеживание или аудит.
Для этого проекты Web3 пытаются внедрить нулевые знания (ZK), полностью гомоморфное шифрование (FHE) и надежные среда выполнения (TEE), чтобы сделать процесс вывода модели проверяемым и подлежащим аудиту, повысить объяснимость AI-систем и основание доверия.
Представлять проект
Sentient: Обеспечивает отслеживаемость действий вызова с помощью инновационной технологии распознавания отпечатков моделей, повышая прозрачность использования модели и защищая от подделок.
Modulus Labs: Используя технологии ZK для шифрования и проверки процесса вывода модели, реализует новую парадигму "достоверного ИИ".
Giza: Используя нулевое знание криптографии, чтобы перенести вычисления вывода машинного обучения на блокчейн, тем самым повышая прозрачность и доверие к развертыванию AI моделей.
Риски конфиденциальности и безопасности
Процесс обучения ИИ часто включает в себя большое количество чувствительных данных, что создает риски утечки конфиденциальности, злоупотребления или атак на модель, а также недостатка прозрачности в принятии решений. В то же время, неопределенность в определении прав собственности на данные и модели еще больше усугубляет проблемы безопасности.
С использованием таких средств, как неизменяемость блокчейна, технологии криптографических вычислений (таких как ZK, FHE), доверенная среда выполнения и т.д., обеспечить безопасность и управляемость данных и моделей AI на всех этапах: обучение, хранение и вызов.
Представлять проект
Phala Network: предоставляет поддержку надежной среды выполнения (TEE), заключая ключевые вычисления в безопасное оборудование, предотвращая утечку данных и кражу моделей.
ZAMA: Фокусируется на технологии полной гомоморфной криптографии (FHE), позволяя проводить обучение и вывод модели в зашифрованном состоянии, реализуя "вычисления без необходимости в открытом тексте".
Mind Network: Создание децентрализованной платформы для обмена данными и вывода AI с поддержкой защиты конфиденциальности, обеспечивающей безопасный обмен данными и вычисления конфиденциальности с помощью передовых криптографических технологий (таких как гомоморфное шифрование, нулевые знания и т.д.).
Vana: приложение для генерации AI-идентичности, предназначенное для того, чтобы вернуть пользователям право собственности и контроль над своими данными, обеспечивая их конфиденциальность и безопасность.
Споры о авторских правах и интеллектуальной собственности на модели ИИ
В настоящее время для обучения моделей ИИ в значительной степени используются данные из Интернета, но часто без разрешения используется защищенный авторским правом контент, что приводит к частым юридическим спорам. В то же время права собственности на контент, созданный ИИ, остаются неясными, а распределение прав между оригинальными авторами, разработчиками моделей и пользователями страдает от недостатка прозрачных механизмов. Случаи злонамеренного копирования и кражи моделей также встречаются довольно часто, что затрудняет защиту интеллектуальной собственности.
Web3 с помощью механизма удостоверения прав на блокчейне фиксирует время создания модели, источники обучающих данных, информацию о вкладчиках и т.д., а также использует такие инструменты, как NFT и смарт-контракты для обозначения авторских прав на модель или контент.
Представлять проект
Story Protocol: Создание протокола интеллектуальной собственности на блокчейне, который позволяет модульно устанавливать права на AI-контент, код, модели и т.д., комбинировать и лицензировать их, реализуя механизм «Создание — это подтверждение прав, использование — это оплата».
Alethea AI: генерирующие AI модели (такие как персонажи, голоса и т.д.), связанные с идентификацией на блокчейне и NFT, каждая AI персонаж имеет четкую информацию о создателе и авторских правах, что предотвращает злоупотребление и плагиат.
Отсутствие децентрализованного управления ИИ
Разработка и эволюция современных AI моделей в значительной степени зависят от крупных технологических компаний или закрытых команд, темпы обновления моделей непрозрачны, а ценностные уклоны трудно исправить, что может привести к алгоритмическим предвзятостям, злоупотреблениям и тенденции «технологического феодализма». Сообщества и пользователи обычно не могут вмешиваться в пути обновления моделей, корректировку параметров или границы поведения, что ведет к отсутствию механизмов для эффективного контроля и исправления AI систем.
Преимущества Web3 заключаются в программируемом управлении и механизмах открытого сотрудничества. Благодаря управлению на блокчейне, механизмам DAO и структуре стимулов, ключевые этапы проектирования моделей ИИ, цели обучения, обновления параметров и т. д. могут постепенно привлекать консенсус сообщества, повышая демократичность, прозрачность и разнообразие разработки моделей.
Представлять проект
Fetch.ai: Введение автономных экономических агентов (AEA) и открытых механизмов управления, позволяющее поведению AI-агента подчиняться правилам сообщества и координировать сотрудничество между агентами с помощью экономических стимулов.
SingularityNET: упаковывает AI-сервисы в составные модульные блоки на блокчейне, пользователи могут выбирать или заменять модели на открытом рынке, а механизмы управления платформой поддерживают оценку качества моделей и предложение улучшений.
Проблемы кросс-цепочечной AI-сотрудничества
В многопользовательской среде AI-агенты и модели могут располагаться на разных блокчейнах, что затрудняет унификацию состояния, контекста или логики вызовов, приводя к разрозненности пользовательского опыта, усложнению разработки и трудностям с синхронизацией данных.
Некоторые проекты исследуют «Мультицепочечный ИИ-протокол», пытаясь продвигать непрерывность и согласованность работы ИИ-агентов через совместное использование контекста, межцепочечную связь и механизмы синхронизации состояния.
Представитель проекта
OpenPond: использует MCP кросс-чейн протокол для подключения AI моделей и агентов на разных цепочках, обеспечивая синхронизацию состояния вызова и совместное использование контекста, упрощая сценарии многосетевого взаимодействия.
Lava Network: предоставляет кросс-цепочные RPC и услуги мостов данных, открывая базовые каналы связи для многосетевых AI систем, поддерживает синхронизацию данных агентов и унифицированное выполнение задач.
Виртуальные Протоколы: через ACP (Протокол Коммерции Агентов) интеллектуальный кооперативный протокол поддерживает процессы межагентских запросов, переговоров, выполнения и расчетов. Его технология «Параллельная Гиперсинхронность» позволяет AI-агентам работать параллельно на разных платформах и синхронизировать поведение и память в реальном времени.
Заключение
Восход AI Crypto не является пустыми разговорами, а представляет собой системную реконструкцию снизу вверх: он разрывает оковы централизации эпохи больших моделей и постепенно строит новую парадигму AI, в которой каждый может участвовать, которая прозрачна и надежна, и движется совместными усилиями, в таких аспектах, как вычислительная мощность, данные, стимулы, безопасность и управление.
На данный момент эта область перешла от стадии концепции к стадии реализации реальных продуктов. Уверен, что те AI Crypto проекты, которые действительно смогут создать реальную ценность и решить основные проблемы, обязательно получат возможность возглавить следующую волну развития эпохи AI, способствуя развитию технологий искусственного интеллекта в более открытом, справедливом и надежном направлении.