Слияние ИИ и Web3: Прогноз развития индустрии на 2025-2027 годы
После углубленного изучения вопросов идентичности и суверенитета данных, мы теперь переключаем наше внимание на одно из самых захватывающих технологических слияний на горизонте: объединение искусственного интеллекта (ИИ) и Web3. Это не просто сочетание двух модных концепций; это глубокая трансформация в вычислениях, данных и способах распределения ценности.
8.2 ИИ × Web3 — Прогноз развития индустрии на 2025-2027 годы
Рынок децентрализованных вычислительных мощностей как "Второе облако"
Всплеск генеративного ИИ привел к беспрецедентному росту мирового спроса на высокопроизводительные графические процессоры (GPU), что оказало огромное давление на стоимость и доступность традиционных облачных сервисов. Этот сценарий открывает прекрасные возможности для Web3. Криптомайнинговые фермы, независимые центры обработки данных и даже отдельные участники по всему миру предлагают свои неиспользуемые вычислительные мощности GPU в аренду через децентрализов анные рынки вычислений, такие как Akash Network и io.net. Исследователи могут арендовать эту мощность по требованию и платить посекундно, создавая распределенный суперкомпьютер. К 2025 году вычислительная мощность этих сетей вырастет с уровня "килокарт" до уровня "мегакарт", постоянно снижая стоимость аренды GPU у традиционных облачных провайдеров (Источник данных: yellow.com).
Модель как актив (Model-as-NFT)
В ИИ "модель" является ключевым активом, а Web3 позволяет токенизировать права собственности и использования этих моделей. Обученные веса моделей, уточненные параметры и даже разрешения на вызовы API могут быть упакованы в "аккаунт модели" с использованием стандарта NFT или ERC-6551. Это позволяет отслеживать каждую итерацию и вызов модели в блокчейне, при этом доход автоматически распределяется между участниками и владельцами через смарт-контракты. Следуя по пути NFT музыкальных авторских прав, широко ожидается, что к 2026 году на рынок выйдут первые индексные ETF ИИ-моделей, упакованные профессиональными фондами, что позволит обычным инвесторам получать выгоду от роста ведущих моделей.
Ончейн-ИИ и проверяемый вывод
По мере развития таких технологий, как zkML (машинное обучение с нулевым разглашением) и проверяемый вывод FHE (полностью гомоморфное шифрование), их вычислительные затраты быстро снижаются. Это делает возможным выполнение процессов "вывода" ИИ-моделей непосредственно или их проверку в блокчейне. Это означает, что результаты работы моделей поддаются аудиту, а их логика выполнения неизменна. Такие функции впервые применяются в сценариях, требующих высокой "справедливости" и "прозрачности", таких как ончейн-гемблинг (обеспечение того, чтобы генерация случайных чисел и расчеты коэффициентов не были подделаны), контроль рисков в DeFi (обеспечение справедливого выполнения логики кредитного скоринга и ликвидации) и стратегические блокчейн-игры (Источник данных: coincub.com).
DePIN × ИИ в физическом мире
Децентрализованные сети физической инфраструктуры (DePIN) являются идеальным мостом, соединяющим ИИ с реальным миром. Миллионы IoT-устройств (таких как камеры, дроны, датчики погоды) непрерывно передают данные из реального мира в ончейн "Царство данных" через сеть DePIN. Члены сообщества могут использовать эти данные для совместного обучения адаптивных моделей для конкретных физических сред (например, распределенный ИИ для оптимизации городского трафика или прогнозирования распространения сельскохозяйственных вредителей). Этот экономический замкнутый цикл "данные-модель-стимул" делает "граничный ИИ" одним из самых быстрорастущих подсекторов в Web3 (Источник данных: cointelegraph.com).
AI-DAO для автономного управления
Повышение эффективности управления децентрализованными автономными организациями (DAO) всегда было проблемой. Теперь DAO используют большие языковые модели (LLM) для помощи или даже частичной замены людей в принятии решений. ИИ может использоваться для анализа предложений сообщества, проведения оценки рисков и динамического распределения казначейских средств, оптимизации децентрализованного планирования цепочек поставок и многого другого. В таких областях, как финансирование сельскохозяйственных цепочек поставок и децентрализованные венчурные фонды, несколько DAO экспериментируют с этой моделью управления "автономное управление + машинное принятие решений" (Источник данных: bytefederal.com). Прогнозы индустрии предполагают, что к концу 2025 года общая сумма ончейн-активов, напрямую управляемых AI-DAO, превысит 5 миллиардов долларов.
Активность ончейн-ИИ выросла на +86%
Данные говорят сами за себя. Согласно статистике Ainvest.com, с начала 2025 года взаимодействие со смарт-контрактами, связанными с ИИ, увеличилось на 86%. Основной причиной является концентрированное развертывание многочисленных проектов "AI Agent" на высокопроизводительных сетях, таких как Ethereum L2, Solana и Sui. Эти ИИ-агенты могут автономно выполнять задачи в блокчейне, такие как автоматический арбитраж между протоколами DeFi, генерация NFT-произведений искусства на основе текстовых подсказок и выполнение задач по аннотации данных, требующих участия человека (Источник данных: ainvest.com).
Ужесточение двухстороннего регулирования
Слияние ИИ и Web3 быстро привлекло внимание регулирующих органов, которые сосредоточились на двух основных областях:
- Закон о ценных бумагах: В своем последнем руководстве Комиссия по ценным бумагам и биржам США (SEC) подчеркнула, что "токены ИИ с явными обещаниями дивидендов" (например, токены, которые позволяют держателям получать долю от дохода модели) вероятно, будут рассматриваться как ценные бумаги и должны соответствовать соответствующим требованиям регистрации и раскрытия информации (Источник данных: cointelegraph.com).
- Закон о данных: Закон ЕС о данных требует, чтобы все данные, используемые для обучения моделей ИИ, доказывали законность своего происхождения. Это предоставляет Web3 возможность использовать ончейн-DID и проверяемые учетные данные для записи авторизации и разрешений на данные, предлагая ИИ-компаниям быстрый путь к соблюдению требований (Источник данных: statestreet.com).
Окно для инвестиций и поглощений
С четвертого квартала 2024 года по второй квартал 2025 года средняя оценка проектов на ранней стадии в пространстве ИИ+Web3 увеличилась в 2,3 раза. Однако ведущие инвесторы стали более разборчивыми, отдавая предпочтение проектам с "годовой реальной выручкой, превышающей 1 миллион долларов", особенно в областях DePIN, децентрализованного сопоставления вычислительных мощностей и инфраструктуры zkML. Слияния и поглощения в основном сосредоточены на областях "цепочка поставок GPU + входной трафик кошельков".
Риски и вызовы
- Задержка вывода против ончейн-стоимости: Несмотря на значительные достижения в таких технологиях, как zkML, задержка ончейн-проверяемого вывода остается намного выше, чем у централизованных вызовов API. В краткосрочной перспективе необходимо тесное сотрудничество с L2 или модульными уровнями DA для оптимизации затрат.
- Подлинность и отравление данных: Открытые механизмы стимулирования могут привлекать злонамеренных участников, которые предоставляют "токсичные" или поддельные данные для искажения моделей. ZKP и системы, основанные на репутации, будут необходимы для проверки достоверности поставщиков данных.
- Энергетическое регулирование: Продолжающееся расширение децентрализованных сетей вычислительных мощностей неизбежно вызовет проблемы с регулированием выбросов углерода и доступом к электросетям в различных странах. Соответствующие энергетические решения имеют решающее значение для их долгосрочного роста.
Список предпринимательских возможностей
- 🌐 Универсальная маршрутизация намерений ИИ: Разработать систему для автоматического перевода намерений пользователей на естественном языке (например, "Я хочу обучить бета-модель, которая может распознавать кошек, используя все мои мемкоины") в ончейн-скрипты выполнения для аренды мультичейн-вычислительных мощностей, разрешений на покупку данных и окончательного распределения дохода.
- 🛰️ Финансирование устройств DePIN: Предлагать услуги лизинга, страхования и повторного ипотечного кредитования, основанные на будущих доходах от данных, для аппаратных устройств в узлах сообщества сети DePIN.
- 🔒 Проверяемый рынок частных данных: Использовать технологию ZKP/FHE для создания рынка, где поставщики данных могут безопасно авторизовать данные для обучения моделей ИИ, защищая при этом свою конфиденциальность (например, скрывая ключевые поля) и получать долю дохода после завершения.
- 🤖 Инструменты для работы AI-DAO: Предоставить создателям и сообществам набор инструментов DAO "запуск в один клик + управление казначейством ИИ", включающий встроенные вызовы моделей, резюмирование предложений, предупреждения о рисках и функции управления фондами.
Упражнение
Попробуйте опубликовать симулированный поток данных с датчика температуры в тестовой сети IoTeX "Realms" с использованием ее инструментов разработчика. Наблюдайте и поймите, как этот поток данных захватывается протоколом и может быть включен в будущие пулы распределения вознаграждений за обучение моделей (Ссылка: cointelegraph.com).
Дополнительная литература
- ИИ в крипто: Полное руководство 2025 — Обзорный отчет индустрии от OurCryptoTalk.
- Ончейн-ИИ трансформирует блокчейн — Подробный отчет Coincub о приложениях ончейн-ИИ.
- DePIN: Полное руководство по децентрализованным сетям физической инфраструктуры — Интерпретация DePIN в стиле white paper от Debut Infotech.
- Руководство SEC 2025 по токенам ИИ — Глубокий анализ последних регуляторных рекомендаций от Cointelegraph.