近幾年，隨着GPT系列產品的陸續發佈，人工智能正在改變各行各業，我們親眼目睹了各種人工智能應用進入到我們的日常工作生活中，它提升了人們的工作效率，改變了生活習慣，降低了企業的運行成本，我們不得不承認AI正在成爲下一次技術革命的起點。

AI技術革命的核心在於充足的算力儲備、算法模型以及大量的訓練數據，目前高性能的GPU算力十分短缺並且價格昂貴，算法趨於同質化，對於模型訓練數據還存在數據合規和隱私保護問題。區塊鏈技術具有去中心化、分佈式存儲等特點，這些特點都可以讓區塊鏈技術很好的應用在AI模型的開發、部署、運行。

一、利用區塊鏈特點解決AI算力問題


對於AI開發過程中GPU算力短缺，使用成本高的問題，一些區塊鏈項目正在嘗試通過區塊鏈的模式去解決。

Render Network是一個高性能分佈式渲染平臺，它利用行業領先的otoy軟件爲GPU算力的需求方與擁有閒置GPU資源提供方搭建了一個橋樑，使得閒置的GPU算力資源以較低的成本供應給人工智能、虛擬現實等高需求計算領域。

在整個生態運行中，閒置GPU的提供方將自己的設備接入Render Network去完成各種渲染任務，需求方則通過支付代幣獎勵GPU的提供方，這種去中心化的方式最大程度地提升資源利用效率，爲參與方創造了價值，降低了人工智能的開發運行成本。去年12月，Render 實現了重大的技術跨越，將其基礎架構從以太坊鏈遷移至高TPS的Solana，藉助Solana高性能以及更高的可拓展性的特點爲Render帶來了包括實時流媒體、狀態壓縮等處理能力。

Render Network上的渲染圖

Akash 是一個去中心化計算平臺，該平臺將全世界閒置的CPU、GPU、存儲、帶寬、專用 IP 地址等網絡資源通過平臺進行聚合後出租給投身人工智能或其他對於計算能力要求較高的企業和個人，使其充分發揮價值，提供GPU出租資源的用戶可以獲得AKT代幣，需求方通過低成本獲得計算能力。平臺代幣AKT除了用於支付結算租用的網絡資源，還作爲激勵去鼓勵驗證者參與到生態治理和網絡安全維護中，平臺在網絡資源的支付結算中將收取一定的交易手續費，通過這種模式就可以讓整個平臺生態的參與者都獲得收益，推動平臺的商業模式長期存續以及持續增長。

Akash Network的網絡資源實時統計圖

Livepeer 是一個用於直播和點播流媒體的視頻基礎設施網絡平臺，用戶可以通過運行平臺軟件加入網絡，使用自己的計算機GPU、帶寬等資源對視頻進行轉碼和分發。通過這種模式可以提高視頻流的可靠性，同時將視頻轉碼和分發等相關成本降低多達50倍。在此基礎上，Livepeer項目方正在將 AI 視頻計算任務引入 Livepeer 網絡，使用其編排器運行的 GPU 網絡來生成高質量的 AI 視頻，從而降低視頻內容的創作成本。

從上述介紹的區塊鏈項目來看，區塊鏈可以利用其去中心化、分佈式的特點，充分利用閒置的網絡資源去解決目前AI算力不足，成本高的問題，一旦這種模式在未來更多現實場景以及AI初創企業中得到驗證和認可，將會大大緩解算力問題。

二、AI與區塊鏈數據的結合

數據是AI模型的基礎，訓練模型使用的數據決定了各種AI模型的差異。區塊鏈數據相對於其他數據源質量較高，並且鏈上數據公開，將AI與區塊鏈數據結合可以對用戶進行鏈上識別。

Arkham是一個利用AI技術提供鏈上數據和情報分析而獲得獎勵的平臺，其專有的人工智能引擎ULTRA可將鏈上地址與現實世界的用戶進行標籤化，去中心化的鏈上匿名地址就會被識別出現實中的實際控制人。通過AI模型獲取大量的鏈上匿名地址的標籤數據後，用戶就可以通過Arkham挖掘實體的鏈上交易信息。衆所周知，調查虛擬貨幣犯罪最大的痛點就是識別資金轉移匿名地址，監管部門可以通過Arkham提供的標籤數據，去溯源調查通過虛擬貨幣洗錢、詐騙等犯罪活動。

Arkham平臺的鏈上數據可視化圖譜

除此之外，Arkham還擁有鏈上情報信息交易功能，Arkham的inter exchange功能讓鏈上地址與鏈下的真實信息具有可交換性，用戶可在平臺通過賞金獎勵徵集鏈上信息情報，一些有價值的鏈上信息也可在平臺中拍賣（具體產品解析可點擊之前寫的文章Arkham能否成爲鏈上監管利器？）。Arkham的人工智能引擎ULTRA在開發時得到了給美國政府提供人工智能服務的大數據分析和情報服務公司Palantir以及OpenAI創始人的支持，正因爲有如此強大的AI模型訓練數據源和技術支持，使得Arkham擁有業內最強大鏈上數據標籤庫。

對於AI模型訓練的大量數據存儲成本較高問題，Arweave 、Filecoin、Storj等區塊鏈存儲項目也給出瞭解決方案。不管是Arweave的一次付費後永久存儲還是Filecoin高效的即付即用，都大大降低了數據存儲成本，並且對於一些傳統數據存儲方式，去中心化存儲還能解決自然災害導致的單點存儲數據損壞丟失問題。

使用ChatGPT雖然可以提升工作效率，但爲了優化模型提高AI對話的準確性，需要大量的用戶使用數據去訓練調優，所以會存在敏感數據以及個人隱私數據泄露的風險。Zama 是一家開源密碼學公司，爲區塊鏈和人工智能構建最先進的全同態加密 (FHE) 解決方案。Zama Concrete ML 能夠以安全的方式處理敏感數據，實現不同機構之間的數據協作，同時相互保密，提高效率和數據安全性，對於個人就醫記錄等隱私數據訓練時進行加密處理，確保每個使用者只能看到最終結果，而不是其他人的敏感數據。

三、AI Agent與區塊鏈項目的結合

OpenAI對於AI Agent的定義是以大語言模型（LLM）爲大腦驅動具有自主理解、感知、規劃、記憶和使用工具的能力能自動化執行復雜任務的系統。隨着OpenAI的GPTS陸續發佈，目前有越來越多的AI Agent應用落地。

Fetch.ai是一個自主學習的區塊鏈網絡，該平臺主要促進離線AI代理商之間的經濟活動。Fetch.ai 由AI Agents、Agentverse、AI Engine和Fetch network四部分組成。用戶可以在Agentverse上利用平臺提供的AI代理用例創建、開發、部署自己的 AI 代理，還可將自己的AI代理髮布在平臺中推廣給其他的用戶。DeltaV 是Fetch.ai中基於人工智能的聊天界面，用戶通過該聊天界面輸入請求，AI Engine則讀取用戶輸入，將其轉換爲可操作的任務，並在Agentverse中選擇最合適的AI Agent來執行任務。目前德國博世公司與Fetch.ai也在合作研究將AI Agent技術與移動出行、智能家居相結合，共同打開 Web3 時代物聯網經濟的大門。

Fetch.ai生態系統的組成

除此之外，AI Agent應用QnA3.AI將加密行業AI問答機器人、技術分析機器人以及資產交易能力引入了Web3世界，通過QnA3 Bot將用戶在交易加密資產時的信息收集、信息分析以及執行實際交易行爲通過“問答”、“技術分析”和“實時交易”的產品功能實現，最大程度地避免用戶在交易決策時受到主觀情緒的干擾。

四、可能存在的法律風險

1、數據出境風險

在上述介紹中提到一些去中心化存儲項目在以更加低廉的成本去解決AI模型訓練的數據存儲問題，這樣對於一些致力於AI創業的個人以及初創企業可降低其門檻，但這種去中心化的存儲方式可能會存在數據出境的風險。

國家互聯網信息辦公室發佈《數據出境安全評估申報指南(第一版)》中明確規定數據出境行爲包括：

（一）數據處理者將在境內運營中收集和產生的數據傳輸、存儲至境外；

（二）數據處理者收集和產生的數據存儲在境內，境外的機構、組織或者個人可以查詢、調取、下載、導出；

（三）國家網信辦規定的其他數據出境行爲。

那麼出境的定義是什麼呢?《中華人民共和國出境入境管理法》第八十九條明確規定，出境是指由中國內地前往其他國家或者地區，由中國內地前往香港特別行政區、澳門特別行政區，由中國大陸前往臺灣地區。由此可以看出判斷是否出境是以司法轄區爲依據。

對於去中心化的存儲項目，用戶將數據存儲在例如IPFS的去中心化分佈式網絡中，存儲在網絡中的文件被切分成若干份小塊數據，並加密分散存儲在各個節點中，而存儲的節點遍佈全世界。試想如果國內的AI初創企業將AI模型訓練的數據存儲在這種去中心化項目節點中，就會存在數據出境的風險。

2、敏感隱私數據泄露風險

在QnA3.AI這種AI Agnet應用中，用戶通過與AI對話得到加密資產的交易信息從而執行交易，這種個人的問答對話產生的私密數據如果被項目方用於模型訓練調優，就會有隱私數據泄露的風險。這種交易數據的泄露被有心人利用後，可能會導致投資失敗產生更大的損失。

原文可搜索微信公衆號：初焱