Web3+AI 賽道 2025 Q4 1.5 萬字研報：當 AI 上鍊，可信自主經濟體時代已悄然全面開啟？全景式拆解其發展歷史、融合策略、生態現狀、利弊風險與未來挑戰

12-17

AI（Artificial Intelligence，人工智能）是一門致力於賦予計算機程序人類智能的前沿科技。它通過模擬人類大腦中的 “神經網絡”，使計算機程序能夠執行原本需要人類智慧才能完成的任務，例如學習、推理、規劃和預測。目前，我們討論最廣泛的核心 AI 技術主要包括有大語言模型（LLM）、推理系統等。
與 AI 技術強相關的另一個重要概念是 “AI Agent”。它可以被看作為 AI 技術的應用形態，它是具備自主感知能力、自主預測、決策和執行能力的智能系統。如果說 AI 是一種能力的話，那麼 AI Agent 就是能夠真正行動起來的 AI 應用。
正是由於 AI 技術具備這種強大的特性，目前它已經被引入各類應用場景中。然而，傳統的 AI 系統在運行過程中存在著一些潛在的結構性問題。例如，AI 模型對算力資源的需求量極高、其訓練成本也相對高昂；AI 模型的推理過程難以驗證；數據、模型、算力的提供者難以公平地參與價值分配。而這些痛點恰好可以被 Web3 技術的原生優勢彌補。
在這一背景下，Web3+AI 賽道邁入了高速發展的道路中，而本份研報就將以一些近期宣佈融資或者取得重要進展的項目為切入點，深入剖析這一賽道的成因、發展現狀以及未來的發展方向，幫助你進一步瞭解其底層邏輯與生態價值。

作者：ShirleyLi，Web3Caff Research 研究員

封面：Photo by Andrew Kliatskyi on Unsplash，Typography by Web3Caff Research

字數：全文共計 14800+ 字

背景
Web3+AI 結合的背景與邏輯
Web3+AI 賽道的分佈情況
- 數據服務
  - Threshold AI Oracles
  - Ocean
  - MCP 協議
- AI 算力/訓練網絡
  - Gensyn
  - GAIB
- AI 推理網絡
  - EigenAI
  - Inference Labs
  - Crunch
  - Judge
- AI 信任與身份框架
  - Trusta.AI
  - Keycard
- AI 支付協議
  - x402 協議及其衍生產品
  - AP2 協議
- 其他
  - 多 Agent 架構
    - Virtuals Protocol
  - AI 原生區塊鏈
    - Talus Network
    - Hyperion
  - Web3+AI 瀏覽器
    - Donut Labs
  - AI 生態系統
    - MyShell
  - 小結
Web3+AI，是 “技術重構” 還是 “敘事泡沫”？
未來展望
要點結構圖
參考文獻

背景

2022 年，ChatGPT 橫空出世，向 Web2 世界展示了 AI 技術落地後的巨大潛能。隨後，這股浪潮也迅速席捲了 Web3 世界，開發者開始探索 AI 技術在 Web3 中的落地價值。

2024 年，Web3+AI 敘事迎來增長式爆發，去中心化 AI 算力市場、去中心化 AI 推理網絡、AI 支付協議、AI 原生區塊鏈等概念相繼湧現，逐步填補了 Web3+AI 在基礎設施各個子領域的空白。

那麼，Web3 為什麼需要 AI，而 AI 為什麼又需要 Web3 技術呢？

首先，對於 Web3 而言，AI 的智能化特性能夠幫助用戶以 “抽象” 的方式完成很多複雜的操作，這與 Web3 正在提倡的 “抽象化” 解決方案不謀而合，不止如此，AI Agent 還能模擬用戶的思維方式，代替人類自動執行某些操作，並基於更加廣泛的數據為用戶提供預測功能。

其次，對於 AI 技術而言，由傳統 Web2 企業開發的大語言模型（LLM），它們的推理過程對於用戶來說是一種 “黑箱操作”，用戶難以驗證模型是否按照自己的要求進行了推理，很難驗證是否使用了自己選擇的模型來完成推理任務，也很難驗證 LLM 最終提供的結果是否被操控。因此，Web3 的透明可追溯性以及分佈式的特徵恰好能夠為這些問題提供解決思路。

簡單來說，AI 技術的引入為其注入了新的增長動力，不僅提升了用戶在 DeFi、遊戲、社交等不同應用場景中的用戶體驗，而且也提升了應用在數據分析與預測方面的能力。反過來，對於 AI 技術而言，Web3 又為其帶來了不同於傳統模式的發展模式。兩者可謂相輔相成，而接下來我們就將深入剖析 Web3+AI 基礎設施賽道當前的發展現狀，解讀這一賽道終將何去何從。

本文共計 14880 字，訂閱會員後繼續查閱（3 天無理由退款）