作者：Haotian

1）目前大部分web3活躍的AI項目都普遍MEME化，吹噓了大把無法實現(xiàn)和落地的故事，關(guān)鍵是通過快速發(fā)幣切入市場吸引了大部分注意力和流動性，以及短期泡沫破裂后的一地雞毛（負(fù)EV）。主要由于AI + Crypto的敘事過于性感了，同時它的實際落地應(yīng)用挑戰(zhàn)又太大，一開始自然就成了靠敘事發(fā)幣的泡沫重災(zāi)區(qū)；

2）web3AI infra本質(zhì)上是對web2 AI infra的一次重構(gòu)，大多數(shù)時間都吃力不討好。就好比當(dāng)初Crypto以去中心化之名挑戰(zhàn)中心化一樣，很長一段時間，做去中心化的網(wǎng)絡(luò)架構(gòu)都被詬病重復(fù)建設(shè)無意義，直到后續(xù)DeFi應(yīng)用場景的落地找到了一些價值捕獲點。

目前web3AI的困局無異于當(dāng)初提去中心化Crypto愿景一樣。大部分人還是習(xí)慣輕飄飄地說一句“web3AI 有啥用”？但別忘了，去中心化算力聚合和分布式推理以及分布式數(shù)據(jù)標(biāo)注網(wǎng)絡(luò)等等都能在訓(xùn)練成本、性能和實用性上找到切入場景，只能說，前路路阻且長，但意義重大；

3）web3AI infra的搭建和拓展試錯期成本較大，需要較強(qiáng)的理性主義支撐。比如都知道web3AI需要數(shù)據(jù)層的構(gòu)建，但清洗龐大的鏈上和非鏈上數(shù)據(jù)需要大量服務(wù)器運維和開發(fā)成本，同時成熟的web3AI API接入成本以及算力、算法微調(diào)等也都需要成本，這些成本投入若聚焦在Agent應(yīng)用，倒可以快速有商業(yè)變現(xiàn)模式探索出來，但如果聚焦到infra層面，在當(dāng)前技術(shù)敘事不那么受歡迎的市場背景下，對于很多開發(fā)者團(tuán)隊而言都是挑戰(zhàn)。

更麻煩的是，與傳統(tǒng)web2基礎(chǔ)設(shè)施不同，web3 AI還要解決鏈下數(shù)據(jù)與鏈上驗證的協(xié)同問題、P2P網(wǎng)絡(luò)下的模型分發(fā)與更新機(jī)制、以及用Tokenomics激勵替代傳統(tǒng)商業(yè)模式的復(fù)雜設(shè)計等等。而資本的短視和市場偏好投機(jī)的氛圍，讓一些熱錢都流到了純粹為了蹭熱點而匆忙上線的Agent應(yīng)用，導(dǎo)致真正在基礎(chǔ)設(shè)施層耕耘的團(tuán)隊反而難獲足夠支持。

4）web3AI infra 兼容“黑盒”屬性的大模型存在的幻覺問題，使其在特定場景下的安全性和可信性挑戰(zhàn)巨大?？吹?@SlowMist_Team?最近在MCP安全漏洞方面的輸出，感覺圍繞MCP的專業(yè)安全審計，已經(jīng)可以支撐慢霧未來作為AI審計公司的定位了。這只是一個具象案例，驗證了AI LLMs作為基礎(chǔ)數(shù)據(jù)源接入web3 AI infra存在的種種未知安全挑戰(zhàn)。但圍繞web3 AI infra的問題遠(yuǎn)不止這些，此外還有通過web3密碼學(xué)驗證和鏈上共識機(jī)制搭建的可驗證計算框架，來確保AI推理過程可被追溯和驗證的方向等等。

事實上，AI的可信驗證和計算框架，才是web3AI infra要攻克的核心領(lǐng)域。目前的大模型在處理金融、醫(yī)療、法律等高敏感度信息時，由于無法提供推理過程的可驗證性，使得專業(yè)領(lǐng)域的采用率大幅受限。web3 AI infra的成熟，比如zkVM底層、去中心化Oracle網(wǎng)絡(luò)，去中心化Memory解決方案等等可以為AI構(gòu)建一套可驗證可證明的計算框架，從根本上幫助AI實現(xiàn)垂類場景的快速拓展。

以上。

web3AI 的infra構(gòu)建和應(yīng)用構(gòu)建征程不會一蹴而就，而是一場漫長的馬拉松比賽。誰能真正構(gòu)建出解決現(xiàn)實問題的infra和應(yīng)用生態(tài)，誰能在Go-To-Market的過程中平衡炒作和價值的關(guān)系，誰能在保持技術(shù)前瞻性的同時找到切實的商業(yè)閉環(huán)，誰才能成為行業(yè)真正笑到最后的人。