金色財經
作者：Ekko An、Ryan Yoon；來源：Tiger Research；編譯：BitpushNews
人工智慧行業持續高歌猛進，絲毫沒有降溫的跡象。然而，「區塊鏈 AI」領域的情況卻截然不同。為什麼它未能吸引到相當的關注？
在AI熱潮中，區塊鏈行業需要從需求側的角度來審視：它解決了哪些現有系統無法解決的問題，又帶來了哪些獨特的能力？
去中心化計算和儲存的確在數據主權和成本競爭力方面有其合理邏輯。障礙在於，這兩者目前都尚未展現出足夠有說服力的技術優勢，足以讓已經綁定現有雲基礎設施的客戶甘願承擔遷移風險。
模型驗證和隱私技術所針對的問題，尚未達到讓企業願意主動採取行動的緊迫程度。這類需求更可能跟隨監管要求而來，而非走在監管之前。《歐盟人工智慧法案》就是一個典型模式：標準先行，市場隨後跟進。
在智能體（Agent）框架這一類別中，瓶頸並不在於技術。主流企業目前仍聚焦於內部工作流自動化，而區塊鏈項目已經在為下一階段搭建基礎設施層。需求需要時間才能追趕上技術。
智能體支付是唯一一個區塊鏈與傳統金融站在同一起跑線上的領域。雙方都尚未解決這個問題，這使得它成為唯一一個兩者同時面對相同挑戰的類別。
整體來看，區塊鏈AI行業之所以舉步維艱，並非因為兩者的結合缺乏合理性，而是因為存在錯配：四個類別各自面臨需求尚未成形的不同原因，而其中只有智能體支付目前具備同台競爭的條件。
人工智慧行業正在經歷前所未有的資本和基礎設施投入。以大型科技公司為主導的大語言模型生態系統，已成為日常生活和工業營運的標準特徵。在這場快速擴張中，加密貨幣行業也在迅速演進，尋求與 AI 的技術結合點。
早期的努力集中於補充或複製傳統 AI 價值鏈的環節：去中心化 GPU 供應、數據所有權恢復以及密碼學驗證。最近，重點轉向了填補中心化架構難以解決的空白，包括 AI 代理的鏈上自主活動以及實時的機器對機器（M2M）結算。
將這一領域籠統地描述為「AI 加區塊鏈」掩蓋了其複雜性。我們需要進行嚴謹的需求側分析：每個細分領域針對的是什麼問題？區塊鏈原生方案是否提供了真正差異化的解決方案？
當今的雲端運算市場在結構上依賴於少數幾家控制計算資源的大型科技公司。高性能 GPU 既難獲取又價格昂貴，為那些無法獲得大規模基礎設施的 AI 初創公司和研究團隊造成了陡峭的准入門檻。
中心化系統將資源向最大的買家集中，且市場上不存在能夠重新分配大量閒置 GPU 容量的中立渠道。
去中心化計算通過兩種方式解決這種集中化和低效問題：
共享經濟模式：項目將個人和小型數據中心持有的閒置 GPU 資源聚合到一個統一網路中，從而在既有科技壟斷之外創建了一個更靈活的供應鏈。
分布式計算模式：用戶可以在全球範圍內租賃計算資源，而不依賴任何單一供應商的基礎設施，從而提高了硬體利用率，降低了高性能計算的准入門檻。
當前的數據儲存架構幾乎完全依賴於 Google 和 Meta 等公司營運的中心化雲基礎設施。當用戶將數據上傳到這些平台時，所有權實際上已經轉移給了平台，從而鞏固了其對 AI 訓練數據的壟斷控制。中心化基礎設施還引入了營運風險：政策變更、服務中斷或平台故障可能會切斷數據訪問或導致數據丟失。
去中心化儲存通過兩種方式解決這些結構性問題：
共享經濟模式：以 Filecoin 和 Arweave 為例，將參與者的閒置儲存空間池化為一個網路，能夠替代既有的中心化雲服務。
永久儲存模式：將數據跨節點進行分布式複製，確保數據持久性，而不受任何單一服務器營運狀態的影響，並減少了對任何單一平台的依賴。
AI 開發人員需要訓練數據，但當前的數據分發市場運作模式封閉，Hugging Face 和雲服務商等大型平台占據了經濟利益並控制了定價。數據創作者幾乎得不到補償，且數據收集和貢獻的獎勵機制缺乏透明度。
鏈上市場通過智能合約消除了仲介，並建立了透明的交易條款：
直接交易模式：如 Ocean Protocol，數據所有者和 AI 開發人員通過智能合約直接交易，報酬透明分配。
貢獻獎勵模式：如 Grass，個人連接閒置帶寬用於 AI 數據收集，並獲得與其貢獻價值成比例的報酬。
傳統的 AI 系統運作如同「黑匣子」，沒有外部手段來驗證模型是否運行正確，或敏感用戶數據是否得到了安全處理。
零知識機器學習（ZKML）為 AI 推理引入了密碼學驗證層，實現了隱私保護和可審計性。在這種架構中，模型在鏈下以傳統方式運行，但計算過程會生成一個密碼學證明，證明該過程是按照既定規則正確執行的。
被記錄在鏈上的是這個「證明」，而非底層數據。例如：在自動化醫療保險理賠服務中，醫院只需提交一個 AI 模型運行正確的證明，而無需共享完整的醫療記錄。保險公司可以在不訪問原始數據的情況下驗證索賠的合法性。
隨著 AI 代理成為流量和價值創造的主要核心，它們正從工具演變為自主的經濟參與者。現有的金融體系是圍繞人類消費模式設計的，在結構上與機器為中心的支付環境不兼容。
代理經濟需要微支付、高頻結算和毫秒級的跨境支付，而現有的金融基礎設施無法適應這些需求。
鏈上代理基礎設施通過兩種機制解決這一問題：
自主執行與控制機制：為 AI 代理分配唯一的錢包和身份，使其能夠直接簽署交易，並設置支出限額和防範非預期行為的保護措施。
基於協議的結算機制：使用如 x402 等穩定幣支付協議，實時結算微交易和高頻支付，跳過貨幣轉換和審批流程。
AI 價值鏈圍繞着「順序消除瓶頸」而形成。隨著 AI 需求的增長，內存短缺出現，電力和數據傳輸能力也受到限制。那些能迅速解決這些問題的公司（如 HBM 製造商和電力基礎設施提供商）吸引了巨大的資本和市場升值。市場明確賦予了那些消除增長障礙的方案價值。
儘管區塊鏈 AI 項目識別出了真正的問題，但它們並未獲得同等程度的市場關注。如果這些問題真如所稱的那樣緊急，它們本應已經推動了市場的顯著轉變。
區塊鏈 AI 項目之所以在推動諸如「減少 GPU 集中化」和「恢複數據主權」等合理目標的同時無法吸引主流資本，是因為技術供應商的優先事項與控制資本分配的買家優先事項之間存在巨大鴻溝。
AI 行業在競爭性的時間線上運行，而買家（主要是大型科技公司和企業客戶）會大規模投資於能最快解決其眼前營運瓶頸的技術。他們不會花時間評估未經證實的基礎設施。他們的優先考慮是計算性能、基礎設施可靠性和可證實的投資回報率。
例如：當數據傳輸速度成為模型訓練的瓶頸時，大量資本流向了光纖基礎設施以取代銅纜；當內存帶寬成為主要制約因素時，SK 海力士和三星電子通過高帶寬內存（HBM）解決了這一關鍵問題，從而獲得了全球認可。模式是一致的：資本追隨那些消除了制約進步因素的人。
區塊鏈 AI 的根本問題在於「定位」。擁有大筆資本預算的買家只關注近期的性能提升和成本削減。相比之下，區塊鏈 AI 關注的是買家認為「次要」或屬於「未來狀態」的問題。供應端的技術雄心與需求端的即時營運要求不一致。
一些項目利用基準測試展示了去中心化基礎設施的潛力和設計理念。但更根本的問題是，這項工作尚未產生足以取代主流市場既有巨頭的決定性技術飛躍。
對於一項新科技而言，若想從 AWS 或 GCP 等已經擁有龐大資本和基礎設施的中心化雲服務商手中奪取市佔率，它必須提供巨大的性能優勢，大到讓與現有巨頭的差距變得不再重要。
當蘋果從 Intel 晶片轉向 M1 晶片時（並承擔了破壞軟體兼容性的巨大風險），該舉措的合理性在於其能效提升了三倍——這一差距足以使轉換變得物有所值。
對於需要 PB 級數據同步和超低延遲作為基準條件的企業買家來說，區塊鏈 AI 尚未提供一個足夠明確的案例來讓他們接受轉換風險。
在去中心化計算領域，一些項目引入了「服務水平協議」（SLA）作為風險緩解機制，但企業買家仍未被說服。原因在於結構性的，而非合約性的。大型雲服務商提供的是受控的、專屬的數據中心。而區塊鏈網路依賴於零散的、匿名的節點參與。
如果一個節點掉線並中斷了價值數億韓元的模型訓練任務，任何代幣補償或財務賠償都無法挽回機會成本和時間損失。對於在競爭性時間線上營運的企業買家來說，系統穩定性並非一個可談判的參數。即使有對沖機制，大多數買家也沒有動力去承擔剩餘的不確定性風險。
區塊鏈代理框架是為複雜的生態系統設計的（即多個 AI 代理自主協作），但這一願景與主流市場的現狀之間存在成熟度差距。
在微軟和 Salesforce 等公司的引領下，企業對 AI 代理的採用正在加速，但目前的重點堅定地放在受控內部網路中運行的「工作流自動化」上。區塊鏈項目正在構建的基礎設施針對的是下一個階段：在任何組織邊界之外的外部網路上自主運行的獨立 AI 代理。大多數企業目前仍專注於建立其已部署的 AI 系統的穩定性及投資回報率。跨外部網路的多代理協作尚未列入企業基礎設施路線圖的優先事項。
現階段需求的有限反映的是「時機」而非「技術失敗」。這更應被理解為針對代理經濟未來的長期基礎設施投資，而非近期的收入機會。
零知識證明和隱私保護技術是建立 AI 信任度的核心解決方案，但在 AI 採用的早期階段，企業對隱私基礎設施的實際需求有限。企業自發的採納不太可能推動有意義的普及；更可能的路徑是，監管標準創造了需求，隨後技術順勢接入。
全球監管框架的日益具體化（包括歐盟《人工智慧法案》）在這方面是一個利多發展。隨著關於數據來源和安全的法律要求變得具體，區塊鏈的先進驗證能力有望成為企業部署中的合規要求，而非可選功能。
該領域的監管發展，最好被理解為市場形成的催化劑，而非束縛。清晰的監管標準減少了市場不確定性，並由此創造了一條穩定的路徑，使區塊鏈 AI 能夠在制度框架內建立主流需求。
這些結構性因素結合在一起，產生了一個更根本的問題：缺乏一個能夠在大規模上證明其價值的「定義性成功案例」，傳統 AI 行業通過 ChatGPT 引發的採用飛輪建立了其當前地位，利用一個具體且廣泛可見的產品吸引了維持進一步增長所需的資本和人才。
區塊鏈 AI 項目尚未在規模化上產生同等的產品市場契合度（Product-Market Fit）證據。除了早期的社區熱情外，沒有一個項目能證明其在企業營運或消費者日常生活中達到了足以引起主流資本嚴肅關注的採納水平。缺乏令人信服的參考案例，依然是吸引能加速更廣泛採納的保守型機構投資的最大障礙。
區塊鏈 AI 尚未在主流 AI 價值鏈中找到立足之地。但這是否意味著兩者的結合毫無意義？
並非如此。
區塊鏈 AI 項目目前被忽視的根本原因，不是因為兩者的結合邏輯自相矛盾，而是因為在每一個細分領域，既有行業的要求與該技術所提供的方向之間存在錯位。
傳統 AI 行業的優先事項很明確：近期性能、成本優化和嚴謹的基礎設施可靠性。而許多當前的區塊鏈 AI 提案，則側重於數據所有權、計算透明度和去中心化。
這些問題並非已建立的行業參與者所認為的「即時瓶頸」，且追求這些目標往往需要接受性能損耗，而相對於收益來說，這種代價過於高昂。
在 AI 熱潮之前，電力基礎設施公司被廣泛歸類為成熟、低增長的企業。數據中心驅動的電力需求激增改變了這一點，此後它們吸引了極大的市場關注。目前對區塊鏈 AI 的冷淡可能反映了類似的滯後——即在一個新範式創造出能體現其價值的條件之前的過渡期。
在這一過渡時期，關鍵在於行業如何回應市場的真實需求。
前方的道路分兩個方向：一是主動適應既有的AI價值鏈標準，儘快彌合眼前的性能差距；二是堅持現有能力，同時繼續建設未來一代AI部署所需的基礎設施。
最終結果將取決於哪個選擇更能與下一步需求的走向相契合。
來源：金色財經
發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。
暢行幣圈交易全攻略，專家駐群實戰交流
▌立即加入鉅亨買幣實戰交流 LINE 社群（點此入群）
不管是新手發問，還是老手交流，只要你想參與加密貨幣現貨交易、合約跟單、合約網格、量化交易、理財產品的投資，都歡迎入群討論學習！
上一篇
下一篇
