AI x Web3 的结合似乎是两种独立的技术，它们基于不同的原理并为不同的功能提供服务。然而，进一步探讨会发现，这两种技术有机会在权衡取舍方面相互平衡，彼此独特的优势可以相辅相成，互相提升。Balaji Srinivasan 在 SuperAI 大会上精辟地阐述了这一互补能力的概念，激发了对这些技术如何相互作用的详细比较。
Token 采用自下而上的方法，从匿名网络朋克的去中心化努力中兴起，十多年的时间通过全球众多独立实体的协同努力不断演变。相反，人工智能是通过自上而下的方法开发的，由少数科技巨头主导。这些公司决定了行业的步伐和动态，进入门槛更多是由资源密集度而非技术复杂性决定的。
这两种技术也有着截然不同的本质。本质上，Token 是确定性系统，产生不可改变的结果，如哈希函数或零知识证明的可预测性。这与人工智能的概率性和通常不可预测性形成了鲜明对比。
同样，加密技术在验证方面表现出色，确保交易的真实性和安全性，并建立无信任的流程和系统，而人工智能则专注于生成，创造丰富的数字内容。然而，在创造数字丰富的过程中，确保内容来源和防止身份盗用成为一个挑战。
幸运的是，Token 提供了数字丰富的对立概念——数字稀缺性。它提供了相对成熟的工具，可以推广到人工智能技术，以确保内容来源的可靠性并避免身份盗用问题。
Token 的一个显著优势是其吸引大量硬件和资本进入协调网络，以服务特定目标的能力。这一能力对消耗大量计算能力的人工智能尤为有利。动员未充分利用的资源以提供更廉价的计算能力，能够显著提升人工智能的效率。
通过将这两大技术进行对比，我们不仅可以欣赏它们各自的贡献，还可以看到它们如何共同开创技术和经济的新道路。每一种技术都能弥补另一种技术的不足，创造一个更加一体化、创新的未来。在这篇博客文章中，我们旨在探索新兴的 AI x Web3 产业图谱，重点介绍这些技术交叉点上一些新兴的垂直领域。
行业图谱首先介绍了计算网络，它们试图解决受限的 GPU 供应问题，并尝试以不同的方式降低计算成本。其中包括非统一 GPU 互操作性、高性能 GPU 聚合和商品消费级 GPU 聚合。
计算网络主要用于训练和推理两个主要功能。在 Web 3.0 领域，像 Bittensor 这样的项目利用计算资源进行模型微调。在推理方面，Web 3.0 项目强调过程的可验证性，催生了可验证推理作为一个市场垂直领域。
智能代理平台是另一个重要的领域，需要解决代理互操作性和发现及通信能力、代理集群构建和管理能力以及为 AI 代理提供所有权和市场的问题。
数据层在 AI x Web3 的融合中起着核心作用。访问公共互联网数据和访问被保护的数据是数据层的两个重要方向。分布式爬虫网络和密码学工具等技术可以用于获取公共互联网数据和保护敏感信息。
数据与模型来源技术旨在建立可以向用户保证他们正在与预期模型和数据交互的过程，并提供真实性和来源的保证。水印技术是其中的一种，可以将签名嵌入模型权重中，验证推理是否来自预期的模型。
在应用方面，AI x Web3 的结合具有无限的可能性，其中一些特别令人期待的发展案例在行业图谱中列出。
综上所述，AI x Web3 的融合带来了充满创新和潜力的前景。通过利用每种技术的独特优势，我们可以解决各种挑战，开辟新的技术路径。 AI x Web3 之间的协同作用可以推动进步，重塑我们的未来数字体验和我们在网络上的互动方式。