随着人工智能与Web3的深度融合，加密AI领域正涌现出众多创新项目。这些项目试图从数据、模型、基础设施及智能体等层面，构建更开放、可信、去中心化的人工智能生态。
当人工智能技术与Web3世界激烈碰撞，如何辨别真正的技术突破与暂时的市场热点，成为行业参与者面临的关键挑战。在ETHDenver大会期间，11个主流加密AI项目分享了各自的愿景、方法与落地场景。本文将系统梳理这些项目，帮助读者把握加密AI的发展脉络。
一、数据层：构建AI训练基石
高质量的训练数据是AI发展的核心资源，但数据的获取、保护与验证仍面临诸多挑战。以下是三个专注于数据赛道的代表项目。
Grass：去中心化数据供给网络
Grass致力于解决AI训练数据获取难的问题。传统网络中，大型网站通常屏蔽商业数据中心的数据抓取行为，导致高质量数据难以流通。
Grass通过构建一个分布式数据抓取网络，允许普通用户利用闲置带宽与计算资源参与网络数据扫描。该网络目前已覆盖全球190个国家，拥有近百万节点，每日可清理和结构化超过1TB的互联网数据，为AI训练提供可靠的数据来源。
Story Protocol：可编程IP管理协议
AI再创作常常涉及复杂的版权问题，缺乏有效的盈利机制与IP保护手段，制约了内容生态发展。
Story Protocol提供一套链上IP管理框架，将传统静态IP转换为可编程IP资产。通过Nouns（数据结构与元数据）和Verbs（功能模块如许可管理与收益分配）的组合，创作者可以自定义IP使用规则，实现衍生作品的自动收入回流与全局访问控制。
Space and Time：可验证数据查询与证明
大型语言模型（LLM）训练过程中，数据篡改风险与版权问题不容忽视。
Space and Time是一个集成了零知识证明（ZK）的数据库协议，能够对SQL查询和向量搜索生成密码学证明。其自研的GPU加速器Blitzar可在单GPU上以14秒完成对200万行数据的查询验证，有效保障训练数据的完整性与使用透明度。
二、模型层：开放与可验证的AI
在模型层面，去中心化激励与结果可验证成为关键议题。如下项目试图构建更公平、透明的模型生态。
Bittensor：开源AI激励网络
Bittensor反对AI技术的垄断倾向，致力于构建一个开源、去中心化的AI平台。该网络包含32个子网，覆盖模型训练、存储、计算等多个领域。
通过TAO代币激励机制，Bittensor推动子网间竞争。验证者对子网输出进行排名，排名结果影响代币分配，末位子网将被淘汰。这一机制鼓励模型持续优化，推动集体价值最大化。
Sentient：众包式AGI开发平台
Sentient关注通用人工智能（AGI）开发中的集中化风险与资本控制问题。该项目通过众包方式降低模型训练成本，提倡社区协同与开放协议控制。
借助代币经济与开放协议，Sentient试图将价值回流至网络参与者，推动无需信任的AGI建设，聚合Web2与Web3生态的双重优势。
Modulus Labs：轻量级AI证明方案
Modulus Labs专注于AI输出的可验证性与安全性问题。传统的ZK证明系统开销巨大，往往达到原始计算的数万倍。
Modulus开发了专用AI证明器Remainder，将证明开销降至180倍，显著提升了AI功能在去中心化应用中的可行性。例如，资产估值平台Upshot可通过Modulus每小时生成AI评估的正确性证明，并提交至以太坊进行最终验证。
Ora：可扩展链上AI Oracle
Ora致力于解决大规模AI模型在链上运行的成本问题。其提出的OPML（Optimistic Machine Learning）技术将验证开销控制在线性增长范围内，优于ZKML的指数级成本增长。
Ora支持在以太坊主网部署Stable Diffusion、7B-LLaMA等大模型，可应用于AI治理的DAO及AIGC NFT场景，为模型所有权与经济价值分配提供基础设施。
三、基础设施与智能体：连接与自治
基础设施项目试图打通不同组件间的连接，而智能体项目则探索AI自治与协作的新形态。
Ritual：去中心化AI基础设施网络
Ritual旨在应对AI基础设施日益集中化与监管加强的挑战。其核心由去中心化Oracle网络Infernet和主权链（含自定义VM与协处理器）组成。
该网络支持智能合约连接链下机器学习推理，并在虚拟机级别实现AI原生操作。节点同时运行模型服务与共识客户端，保持与数据可用性层、存储网络及推理引擎的可组合性。
OLas：去中心化自主智能体协议
OLas关注自主智能体（AA）在Web2生态中的局限性——包括审查风险、所有权缺失与可组合性不足。
该协议将智能体置于链下，链上实现注册与管理。智能体通过有限状态机（FSM）在临时区块链上达成共识，之后执行链上操作。OLAS代币用于激励生态中的资本提供者、开发者、运营者及企业家等多方角色。
MyShell：AI原生应用创作平台
MyShell旨在降低AI应用创作门槛，推动创作者经济发展。用户可在几分钟内构建陪伴AI、学习工具等多种应用，支持选择开源模型、编辑提示词及集成多媒体功能。
平台内置LLM基于大量私有数据训练，角色扮演体验更贴近人类。代币用于高级功能访问、创作者激励及使用费结算，涵盖陪伴、教育、游戏等多元场景。
Future Primitive：NFT智能体化框架
Future Primitive通过ERC6551协议将NFT转化为可执行链上操作的智能体。每个NFT可获得与以太坊地址相同的权限，包括资产自托管、跨链操作及自主执行交易。
该框架支持智能合约完全自主运行，无需用户逐笔签名，同时保留所有者的授权撤销权，为NFT赋予更强的可编程性与跨链潜力。
常见问题
什么是加密AI？
加密AI指融合区块链技术与人工智能的交叉领域，强调去中心化、数据可信性、模型透明性与用户所有权。其项目通常涉及分布式数据获取、开放模型激励、可验证推理及链上AI集成等方向。
加密AI如何保障数据隐私？
多数项目通过密码学工具实现数据隐私保护。例如零知识证明可验证计算结果的正确性而不泄露原始数据；分布式数据网络避免单一实体控制全部数据；链上IP协议则借助智能合约自动化管理数据使用权限与收益分配。
智能体与传统AI应用有何区别？
智能体强调自主感知与行动能力，能在较少人工干预下完成复杂任务。加密生态中的智能体通常具备链上交互能力，支持跨协议组合，用户可拥有智能体所有权并分享其创造的经济价值，打破平台中心化控制。
如何参与加密AI项目？
普通用户可通过运行节点、提供数据或计算资源、参与社区治理等方式加入生态。开发者可基于现有协议开发AI应用或工具，创作者则可利用低代码平台构建AI原生内容。👉探索更多参与途径
加密AI面临哪些主要挑战？
技术层面，可验证计算的开销与延迟仍是瓶颈；生态层面，需平衡去中心化与用户体验；监管层面，需应对不同地区对AI与加密资产的合规要求。此外，项目还需有效激励多方参与者，建立可持续的经济模型。
哪些行业最适合加密AI应用？
内容创作与IP管理、去中心化金融（DeFi）、预测市场、游戏与虚拟伴侣、教育培训等领域目前应用较多。这些场景通常需高频、可信的AI决策，或强调用户对数据、模型及生成内容的所有权。
