近年來，隨著人工智慧（AI）和區塊鏈技術的快速發展，AI+Crypto 賽道成為了投資者關注的熱門領域。區塊鏈以其去中心化、透明度高、低能耗和反壟斷等特性，彌補了 AI 系統的強中心化和處理過程不透明，二者的結合為我們帶來了前所未有的機會。
根據 Vitalik 的觀點，AI 和區塊鏈的結合應用主要分為四大類：作為應用參與者、作為應用介面、作為應用規則以及作為應用目標。他提出，AI 在 Crypto 中的角色應更多地從「應用」的角度來考慮，包括優化算力、優化演算法和優化數據等方面。
火幣研究院依照 AI 的應用層次對 Crypto 技術參與方向進行區分，可分為基礎層、執行層和應用層，在每一層次上都存在著值得探索的機會。例如，zkML 技術結合零知識證明和區塊鏈技術，為 AI 代理行為提供了安全、可驗證和透明的解決方案。此外，AI 在資料處理、自動化 dApp 開發、鏈上交易安全等執行層級也展現了巨大的潛力。在應用層次，AI 驅動的交易機器人、預測分析工具以及 AMM 流動性管理等在 DeFi 領域中發揮重要作用。
本文將詳細探討 AI+Crypto 賽道的投資方向，重點在於基礎架構層面與應用層面的創新與發展，從中期與長期投資策略的角度，分析 AI 與區塊鏈結合的前景與挑戰。
本文由火幣研究院撰寫，該團隊目前隸屬於 HTX Ventures。 HTX Ventures 是火幣 HTX 的全球投資部門，整合投資、孵化和研究以識別全球最優秀和最有前景的團隊。目前，HTX Ventures 已支援跨越多個區塊鏈賽道的 200 多個項目，其中部分優質項目已上線火幣 HTX 交易。
AI 賽道重點方向
區塊鏈在中心化、低透明度、能耗、壟斷化這幾個點上和人工智慧相比是完全相反的。 Vitalik 依照上述準則以及自身的思考，將人工智慧與區塊鏈結合而成的應用分為 4 大類：
人工智慧作為應用中的參與者（AI as a player in a game）
人工智慧作為應用的介面（AI as an interface to the game）
人工智慧作為應用的規則（AI as the rules of the game）
人工智慧作為應用的目標（AI as the objective of the game）
V神對於 AI 在 Crypto 中的角色更多的是從「應用」的角度來考慮。 如果從生產力 VS 生產關係的角度來考慮。 Crypto 其實更多的是提供生產關係。從這一點來看，主要可從三個方向來考慮：
－優化算力：提供分散且有效率的算力資源，減少單點故障風險，提升整體運算效率。
－最佳化演算法：促進演算法或模型的開源、共享和創新。
－最佳化資料：資料的去中心化儲存、貢獻、使用和安全管理
HTX Research 認為，AI 的整體方向可以依通用架構分為基礎層、執行層和應用層。對應的，AI+Web3計畫我們也可以從這三個大方向來探索。在基礎層，包括基礎架構層面的模型訓練、資料、去中心化算力和硬體等, 重點關注zk 技術與人工智慧ML 技術的結合；在執行層，資料處理和資料傳輸, 模型層面的AI agent 、zkML、FHE(全同態加密) 等；在應用層，則主要關注AI+DeFi， AI+GameFi, 元宇宙、AIGC 和Meme 等，以及區塊鏈層面的RAAS(Robotics as a Service)、預言機、協處理器、UBI(全民基本收入)等。
其中基礎架構層面和應用層面專案發展較快，如算力層面的 Io.net、基礎模型層面的Flock、區塊鏈基礎架構ZeroGravity、AI agent 的Myshell 和應用層面的0x Scope。
以下幾個方向可以重點探索：
一、zkML 方向
zkML 技術透過結合零知識證明和區塊鏈技術，為監測和約束 AI 代理行為提供了安全、可驗證和透明的解決方案。例如，Modulus Labs 專案利用 zkML 技術，在保護個人隱私和商業機密的同時，向利害關係人證明其 AI 已執行特定的任務。
zkML，作為人工智慧和區塊鏈的中介，提出了一套解決方案，旨在解決 AI 模型與輸入的隱私保護問題，並保證了推理過程的可驗證性。它開創了一種能在驗證私有資料時使用公開模型，或在驗證私有模型時使用公開資料的新方法。透過整合機器學習的能力，智慧合約得以實現更多的自主性和動態性，可以基於即時鏈上資料進行操作，而不僅僅是靜態規則。這種革新使智能合約更為靈活，能夠適應更多不同的應用場景，甚至是那些在最初設定合約時未能預見的場景。
zkML 技術典型專案介紹
第一張表格是一些潛力 ZKML 專案簡介. 第二張圖為 ZKML 的一些其他專案.
2、 資料處理方向
主要是指 AI 在執行層級的各類突破，特別是針對一些區塊鏈資料傳輸層級、開發 Develop 層級的一些突破。具體分析如下：
a. AI 與鏈上資料分析
這個方向主要是指利用 AI 技術來深入挖掘這些數據，利用 LLM 大模型和深度學習演算法來獲得更多見解。例如，Web3 Analytics 這一個項目, 它運用 AI 進行鏈上數據分析，揭示市場趨勢和用戶行為. 它可以幫助用戶來洞察鏈上交易, 市場趨勢。
b. AI 與自動化 dApp 開發
這個方向主要是針對 Devops 的一些基礎設施項目。運用了自動化開發的一些 AI 專案可以承接更多的開發者，從而使生態更加繁榮。一些使用了 AI 的開發工具還能幫助開發者更迅速地編寫智能合約並自動修正錯誤, 有些還能夠實現拖曳式的 DAPP 編程功能.
c. AI 與鏈上交易安全
這個方向主要是指主要指 AI 代理。 涉及將 AI 代理部署在區塊鏈上，以此來提高 AI 應用的安全性和可信度。這些 AI 代理可以自動執行任務，如交易、數據分析、自動決策等，而部署在區塊鏈上使得它們的操作不僅透明可追踪，還難以被篡改，提高了整個系統的安全性。 AI 技術可以透過即時監測和智慧分析來識別並防禦惡意攻擊和資料洩露，確保交易的安全性和資料的完整性。
• 專案案例：
SeQure 是一個安全平台,它運用 AI 進行即時監測和分析，及時檢測並防禦各類惡意攻擊和資料洩露，保障鏈上交易的穩定性和安全性。
三、AI+DEFI 方向
AI 與應用層的結合，最重要的就是 AI+DEFI。以下是一些值得關注的 AI+DEFI 方向：
1. AI 驅動的交易機器人
這些機器人能夠快速且精準地執行交易，分析市場數據、新聞情緒和價格走勢，做出瞬間的交易決策，通常都超越了人類交易員的表現。
2. 預測分析
雖然預測加密市場的波動一直是個挑戰，但由AI 驅動的分析工具正逐漸成為一個重要工具，能夠提供市場趨勢和潛在價格走勢的可靠預測。
3. AMM 流動性管理
例如，在調整Uniswap V3 的流動性範圍時，透過AI 的整合，協議可以更聰明地調整流動性範圍，從而優化自動做市商（AMM）的效率和效益。
4. 清倉保護與債務部位管理
結合鏈上和鏈下數據，可以更聰明地實現清算保護策略，確保債務部位在市場波動時受到保護。
5. 複雜的DeFi 結構化產品設計
在設計金庫機制時，可以依賴金融AI 模型而非固定策略。這類策略可能包括AI 管理的交易、貸款或選擇權，增加了產品的智慧性和靈活性。
四、AI+GameFi 方向
AI 在GameFi 專案中的應用主要是豐富遊戲體驗，同時也加大了創新的可能性。其主要方向如下:
1. 遊戲策略優化：
AI 可以透過學習玩家的遊戲習慣和策略，即時調整遊戲的難度和策略，提供更個人化和更具挑戰性的遊戲體驗。透過深度學習和強化學習，AI 能夠自我進化，更好地適應玩家的需求和偏好。
2. 遊戲資產利用管理：
AI 技術可以幫助玩家更有效地管理和交易遊戲內的虛擬資產。利用智慧合約和自動化交易策略，玩家可以實現資產的最大化利用，例如，自動買賣、租賃和借貸遊戲資產，從而優化投資回報。
3. 增強遊戲互動：
AI 可以創造更智慧和響應式的非玩家角色（NPC），透過自然語言處理（NLP）和機器學習（ML）技術，實現與玩家之間更自然、流暢的交互，提升遊戲的沉浸感和玩家的滿意度。
從時間維度來看的可能投資策略
- 短期來看，應關注 AI 在 Crypto 最先落地的領域，如一些概念性的 AI 應用、meme。 邏輯：今年ai 主流圈會持續輸出新的熱點，每次英偉達、openai 等web2公司大模型升級，都會點燃ai 賽道的熱點，那麼也會帶入新的資金進來，這些都是引爆這個賽道的情緒面。
- 中期來看，Ai Agent 與 Intent 的結合，與智能合約的結合是一個亮點。 ai 一旦成功將為智能合約擴展提供方案，從而形成賬本+合約+ai 的新型區塊鏈，突破 eth 時代的賬本+合約敘事。
- 其中 ai agent 是V神奶過的細分方向。 AI Agent 指是指能夠自主從環境中獲取資訊、自主處理資訊、決策、執行、自主改變環境的 AI 智能體。 AI Agent 目前屬於 AI 領域的前沿細分賽道，最接近 Mass Adoption 的應用層。
- 從敘事上來講。 AI Agent 是性感又火辣的美女，GPU 雲算力是穩重成熟的中年企業家，結合 DA 層的 Ai 大模型是頭髮蓬亂的科學家
- 長期來看，AI 與 zkML 技術的結合（雖然web2 AI 公司的 ML 大佬們對 Crypto 搞 AI 嗤之以鼻），將會最終影響 Crypto 領域。
參考文獻
- Twitter: https://twitter.com/FinanceYF5/status/1772434625387717055
-Web3 Caff: https://twitter.com/Web3 Caff_Res
- Twitter Vitalik: https://twitter.com/VitalikButerin
附錄：
去中心化計算和人工智慧推理平台項目列表
主要是指利用 Crypto 來做激勵，來在全球範圍內共享和利用閒置的運算資源。
AI 資料和模型來源項目列表
這塊主要是基於數據的真實性、透明性和可追溯性，利用 Crypto 經濟模型來做數據方面的激勵（針對 C 端用戶）、模型方面的激勵（Dev, B 端）。
