AI与Web3融合：香港共识大会2025热点话题

近年来，AI和Web3被视为推动人类进入下一个技术增长阶段的两大驱动力。随着ChatGPT带来的革命性AI体验，链上AI也迅速从概念发展为实际的基础设施，成为Web3领域内最被看好的持续爆发性新赛道。

在刚刚结束的香港共识大会2025上，AI与Web3的融合成为热门讨论话题。无论是主会场还是分会场，关于AI和Web3结合的讨论都十分热烈。以下是对大会上关注度较高的AI项目及相关讨论的总结。

一、AI基础设施

1. AI Agent发射平台和框架

近半年来，AI Agent的发射平台和框架类AI基础设施建设十分活跃。这些项目为开发者和普通用户提供了低门槛拥有和使用AI Agent的平台，成为本轮AI项目的重点方向之一。

• 0G Labs：首个去中心化人工智能操作系统（deAIOS），通过构建AI专有的Layer 1，连接计算资源、数据和模型，打造分布式AI开发生态系统。

• DeAgentAI：专注于去中心化AI Agent的创新平台，致力于推动多代理技术的发展。

• Autonomys Network：去中心化基础架构栈，旨在实现安全、自主的人机协作。

• Gaia Network：去中心化AI基础设施平台，支持AI Agent和应用的分布式开发与运行。

• Questflow：去中心化的多AI Agent组成的网络，利用AI Agent的集体智能完成复杂任务。

2. 去中心化AI

去中心化AI是链上AI的终极目标。目前许多项目都在算力、数据、模型等方向为实现这一目标而努力，希望通过去中心化方式打破大公司对LLM的垄断，帮助大众获得对数据和模型的所有权。

• Vana：致力于构建去中心化的用户数据主权平台，将个人数据转化为金融资产。

• Hyperbolic：开放访问的AI云平台，整合全球计算资源，为用户提供经济实惠、可扩展的GPU资源和AI服务。

• OpenLedger：专注于AI和区块链的下一代网络，提供去中心化的经济基础设施。

• IO.NET：去中心化计算平台，提供按需访问GPU和CPU集群的服务。

• Aethir：提供分布式云计算基础设施的创新平台。

• MinionLab：去中心化的自治AI智能体网络，用于实时挖掘互联网数据。

• GAIB：AI和高性能计算领域的经济层解决方案，致力于金融化和代币化GPU资源。

• Kite AI：专为人工智能经济设计的去中心化Layer 1区块链平台。

• Automata：为去中心化应用提供中间层的隐私保护和无追踪计算功能。

• Public AI：打造开放透明的AI数据平台，支持多模态数据的收集和标注。

3. 可验证的AI

AI发展面临的重要挑战之一是训练过程的不透明以及AI输出结果准确性的保证。目前有多个项目正在通过ZKP、TEE等技术实现对AI训练过程的可验证性，以保证AI输出结果的可靠性。

• Phala Network：去中心化云计算平台，为链上应用提供可信的隐私计算和AI推理服务。

• Brevis：去中心化计算引擎，提供可验证的链下AI和区块链计算。

• Verisense Network：专注于去中心化数据验证与可信AI的创新平台。

二、AI用例：潜力与期待

相较于丰富的AI基础设施，目前出彩的AI实际用例项目仍相对较少。除了广为人知的推特机器人外，本次活动的发言嘉宾还提到了以下几个有趣的AI应用：

• Narra：基于某公链的Gamefi AI Agent平台，能够生成实时动态叙事内容，与玩家交互、推动故事发展。

• AI Travel：AI驱动的旅行助手，能通过聊天方式帮助用户自动定制旅行计划。

• HeyTracyAI：专注于篮球领域的体育解说AI Agent，能为比赛提供实时分析和预测性见解。

• AskJimmy：专注于金融和交易领域的AI Agent平台，旨在创建由AI Agent自主运行的去中心化多策略对冲基金。

三、传统项目向AI转型

大势所趋，许多传统Web3项目也纷纷拥抱AI，宣布了各自的AI转向计划。

一些知名公链积极参与AI相关会议，表示AI Agent的出现对简化复杂的区块链交互流程有重要帮助，能够将更多用户引入Web3世界，解决此前一直困扰行业的交互难题。这些公链纷纷表示了AI先行的发展目标，将从底层架构、账户创新等方面全面支持AI的发展，同时通过黑客松等活动鼓励开发者在链上进行AI应用的创新和发展。

此外，过去专注于Restaking服务的某项目也表示，正在努力构建去中心化的信任层，提供可验证的云服务，为AI的训练和推理、预测等链下运算提供链上证明，助力可验证的AI Agent的发展。

四、挑战与未来

作为本次香港共识大会2025的热点话题，关于AI与Web3的讨论与分享激烈而精彩。在憧憬美好蓝图的同时，也有不少嘉宾提及当下链上AI的发展仍面临诸多挑战，包括模型可靠性不足、提示词意图的模糊性、存储和硬件限制，隐私安全等问题。这些挑战不仅为行业带来了技术难题，也将孕育巨大的创新机会。

长远来看，业界对链上AI的发展充满希望，并期待通过基础设施的进一步完善、用例创新和社区协作，共同推动AI与Web3的融合与繁荣。