GM(Good Morning) 隐私与合规问题：当前各个国家、企业逐渐注意到优质数据集的重要性，正在对数据集爬取进行限制。
数据处理成本高昂：数据量大，处理过程复杂。公开资料显示，AI 公司超过30% 的研发成本是用于基础数据采集、处理。
目前，web3 的解决方案体现在以下四个方面：
1、数据收集：能够免费提供抓取的真实世界数据正在迅速耗尽，AI 公司为数据付费的支出逐年升高。但与此同时，这份支出并没有反哺到数据真正的贡献者身上，平台全然享受了数据带来的价值创造，如 Reddit 通过与 AI 公司签订的数据授权协议实现合计 2.03 亿美元的收入。
让真正贡献的用户同样参与数据带来的价值创造，以及通过分布式网络与激励机制，以低成本的方式获取用户更加私人、更具价值的数据，是 Web3 的愿景。
- 如Grass 是一个去中心化的数据层和网络，用户可以通过运行 Grass 节点，贡献闲置带宽和中继流量用以捕获整个互联网中的实时数据，并获取代币奖励；
- Vana 则引入了一个独特的数据流动性池（DLP）概念，用户可以将他们的私人数据（如购物记录、浏览习惯、社交媒体活动等）上传至特定 DLP，并灵活选择是否将这些数据授权给特定的第三方使用；
- 在 PublicAI 中，用户可在 X 上使用 #AI 或#Web3 作为分类标签并@PublicAI 即可实现数据收集。
2、数据预处理：在 AI 的数据处理过程中，由于收集来的数据通常嘈杂且包含错误，其在训练模型之前必须将其清理并转换为可用格式，涉及标准化、过滤和处理缺失值的重复任务。此阶段是 AI 行业为数不多的人工环节，已经衍生出数据标注师这一行业，随着模型对数据质量的要求提高，数据标注师的门槛也随之提升，而这一任务天然适合 Web3 的去中心化激励机制。
- 目前，Grass 与 OpenLayer都正在考虑加入数据标注这一关键环节。
- Synesis提出了「Train2earn」的概念，强调数据质量，用户可通过提供标注数据、注释或其他形式的输入获得奖励。
- 数据标注项目Sapien 则将标记任务游戏化，并让用户质押积分以赚取更多积分。
3、数据隐私与安全：需要厘清的是，数据隐私与安全是两个不同的概念。数据隐私涉及敏感数据的处理，数据安全则保护数据信息免遭未经授权的访问、破坏和盗窃。由此，Web3 隐私技术优势和潜在的应用场景体现在两个方面：（1）敏感数据的训练；（2）数据协作：多个数据所有者可以共同参与 AI 训练，而无需共享其原始数据。
当前 Web3 较为普遍的隐私技术包括：
- 可信执行环境(TEE)，例如Super Protocol；
- 完全同态加密（FHE)，例如 BasedAI 、Fhenix.io 或 Inco Network；
- 零知识技术（zk），如 Reclaim Protocol 使用 zkTLS 技术，生成 HTTPS流量的零知识证明，允许用户从外部网站安全导入活动、声誉和身份数据，而无需暴露敏感信息。
不过，目前该领域仍处于早期阶段，大部分的项目仍在探索中，目前的一个困境是计算成本太高，一些例子是：
- zkML框架EZKL需要大约 80 分钟才能生成一个 1M-nanoGPT 模型的证明。
- 根据 Modulus Labs 的数据，zkML 的开销比纯计算高出 1000 倍以上。
4、数据存储：有了数据之后，还需要一个地方来在链上存储数据，以及使用该数据生成的 LLM。以数据可用性（DA）为核心问题，在以太坊 Danksharding 升级之前，其吞吐量为 0.08MB。与此同时的是，AI 模型的训练和实时推理通常需要每秒 50 到 100GB 的数据吞吐量。这种数量级的差距，让现有的链上解决方案在面对"资源密集型的AI应用时"力不从心。
- 0g.AI是这一类别的代表项目。它是一个针对AI高性能需求设计的中心化存储解决方案，其关键特性包括：高性能与扩展性，通过高级分片（Sharding）和纠删码（Erasure Coding）技术，支持快速上传和下载大规模数据集，数据传输速度接近每秒 5GB。
二、中间件：模型的训练与推理
▎开源模型去中心化市场
有关于 AI 模型闭源还是开源的争论从未消失。开源带来的集体创新是闭源模型无法比拟的优势，然而在毫无盈利模式的前提下，开源模型如何提高开发者驱动力？是一个值得思索的方向，百度创始人李彦宏就曾在今年 4 月断言，"开源模型会越来越落后。"
对此，Web3 提出一个去中心化的开源模型市场的可能性，即对模型本身进行代币化，为团队保留一定比例的代币，并将该模型的部分未来收入流向代币持有者。
- 如 Bittensor协议建立一个开源模型的 P2P 市场，由数十个"子网"组成，其中资源提供者（计算、数据收集/存储、机器学习人才）相互竞争，以满足特定子网所有者的目标，各个子网可以交互并相互学习，从而实现更强大的智能。奖励由社区投票分配，并根据竞争表现进一步分配在各子网中。
- ORA引入了初始模型发行(IMO)的概念，将AI模型代币化，可通过去中心化网络购买、出售和开发 AI 模型。
- Sentient，一个去中心化的 AGI 平台，激励人们贡献者合作、构建、复制和扩展AI模型，并对贡献者进行奖励。
- Spectral Nova，聚焦于 AI 和 ML 模型的创建与应用。
▎可验证推理
针对AI的推理过程中的"黑盒"难题，标准的 Web3 解决方案是让多个验证者重复相同的操作并比较结果，但由于目前高端"Nvidia 芯片"短缺，这种做法面临的明显挑战是AI推理成本高昂。
更有希望的解决方案是对链下 AI 推理计算执行ZK 证明「零知识证明，一种密码协议，其中一方证明者可以向另一方验证者证明一个给定的陈述是真实的，而不泄露除该陈述为真以外的任何附加信息」，在链上对 AI 模型计算进行无需许可的验证。这需要在链上以加密方式证明链下计算已正确完成（例如数据集未被篡改），同时确保所有数据保密。
主要优点包括：
- 可扩展性：零知识证明可以快速确认大量链下计算。即使交易数量增加，单个零知识证明也可以验证所有交易。
- 隐私保护：数据和 AI 模型详细信息保持私密，同时各方可以验证数据和模型没有被破坏。
- 无需信任：无需依赖中心化各方即可确认计算。
- Web2集成：从定义上讲，Web2 是链下集成的，这意味着可验证推理可以帮助将其数据集和 AI 计算带到链上。这有助于提高 Web3 的采用率。
目前 Web3 针对可验证推理的可验证技术如下：
- zkML：将零知识证明与机器学习相结合，以确保数据和模型的隐私和机密性，允许可验证的计算而无需透露某些底层属性，如 Modulus Labs 基于ZKML 发布了为 AI 构建的 ZK 证明器，来有效检查 AI 提供商在链上是否操纵算法正确执行，不过目前客户基本为链上 DApp。
- opML：利用乐观汇总原则，通过验证争议发生的时间，提高 ML 计算的可扩展性和效率，这个模型中，只需要验证"验证者"生成结果中的一小部分，但将削减经济成本设置得足够高，以提高验证者作弊成本从而节省冗余计算。
