本文为「Future3 Salon圆桌讨论:AI与Web3.0，前沿技术如何融合创新」内容整理，有部分不影响原意的删改。

圆桌嘉宾：

万向区块链实验室负责人、Future3 Campus发起人杜宇（主持人）

微软（中国）生态伙伴事业部首席创新技术顾问Tory Xu

Web3 Investor、Independent Researcher、Cofounder of MCG Kai

HashKey Capital技术总监Jeffery Hu

杜宇（主持人）：刚刚Kai从物理学角度讲了Web3、区块链和AI之间的关系，Tory则更多地是从实践的角度来谈，我们也很期待 AI的能力能够和微软相结合，来极大地提升我们的生产力。

这里我想先请HashKey Capital的Jeffery站在投资人的角度向刚才两位嘉宾提一些问题，这是我的第一个问题。第二个问题是站在你的角度，目前有看到哪些AI和Web3相结合的有趣的项目？

Jeffery：我想问的是两位如何看待未来Web3和 AI的结合，以及觉得哪些点可能会有爆发潜力？

Tory：AIGC包括大语言模型的价值能够真正带来生产力的提升，但它也面临着很多挑战，一是成本高，不足以平民化；二是数据有限。有大量的数据是存在于个人智慧中的，而且大语言模型并不足以解决很多具象的问题。如果能够借助Web3技术，把更多私有数据、算力、存储等变成一个可以去赋能 AI、更加平民化的新的生产力或生产方式，让很多人的智慧回到DAO的精神世界中去，就能贡献出很多有趣的小模型，虽然这种小模型只是解决一些很小的语言能力的问题，但也足够amazing了。

目前的整个大语言模型对个人并不那么友好，大企业反而受益良多，这种“大者恒大”的效果与我们的初衷背道而驰，并没有造福于普通个体。我们希望通过Web3技术及其社区力量，在大语言模型的基础上创造新的场景，让更多人享受其福祉。这是我的一些想法。

Kai: 我从三个角度来讲。第一个角度是Old Fashion的理解，从区块链应用诞生初期开始，大家就在普遍讨论利用区块链技术解决分布式算力、数据市场、数据隐私以及数据安全等问题了。GPT诞生后，大家又开始非常广泛地讨论这些问题。坦白说，我觉得这件事情的答案可能不完全在区块链或者Web3本身，而是涉及加密方面的技术，例如今天比较流行的zk、不太流行的同态加密，以及难度较高的多方计算；从AI的角度来看，还可能融入联邦学习这些概念。但总体来说，解决方案不在Web3本身。

同时，GPT带来的效果一定是对所有行业的重塑，至于重塑的主体，那些需要极大资源和能力的方向一定只能由大公司来重塑，但很多细节的方向、一些新的垂直领域，一些大公司不会涉及的领域，可能就需要创业公司的重塑能力。Web3领域也是一样，Web3领域里所有核心的、有价值数据都是公开透明的，基于GPT以及GPT上层的新模型，结合新的Web3数据，能做出什么样新的business，我觉得这是一个比较明确的方向。

第二个角度与Web3相关，但首先需要对AI的发展有更深入的理解，才能去回答这个问题。首先，GPT的未来显然是模仿人的能力和超越人的能力，从GPT的能力和人的能力之间的差别来思考其未来的技术路径，能够得出一个非常明确的结论：GPT是基于大数据和大参数的模型出发的，它的核心是做预测，这是种直觉能力；而诸如科研、发明、编程——这里指的并不是简单的代码实现，而是真正的程序设计——等更为深度的能力则是一个慢思维的过程。GPT目前完成的只是快思考的能力，但无法完成更为精确的慢思考。而慢思考可能需要用到我们刚才提到的一些小模型，包括Fine-tune模型等等，甚至是其他还未成型的模型——用更加Web3的话说，我统称为“大语言模型上的Layer2”，相当于在已有的Infra上面再去做Infra，而这个Infra可能是针对每个垂直领域的。

其次，从人的角度出发，如果把GPT和人放在一个相对对等的位置去思考未来的路径，那么就涉及到如何从人的角度出发去开发一个“第二大脑”的问题，如何与基础构架交互，甚至是和第二大脑进行交互，这些都是以前没有的。所谓第二大脑，从另一个角度表示，就是AI分身或是AI copilot、AI伴侣，都是人的数字衍生。之前在谈论元宇宙的时候，很多人喜欢讲“数字孪生”，就是现实生活中的人对应到虚拟世界也有个人，但从时间角度来说，“数字孪生”并没有对工作效率和体验产生本质上的提升。但GPT带来的未来并不是数字孪生，而是数字衍生或是数字分身。

我比较喜欢AI分身这个概念，未来的交互网上会有很多AI分身，这就涉及到数据、certification甚至是管理方面的问题，这些问题我个人觉得目前没有非常好的技术来解决，这也是未来我想和Future3 Campus共同探索的方向。

第三个角度是我一直比较看重的。我相信大语言模型带来的是一个跨越临界点的事情，就像我一直在说的，当汽车诞生之后，马车世界的很多规则就不再适用了，很多经验是会被颠覆的，更重要的是在新技术诞生之后所产生的新需求和新赛道。刚刚我所讲的 AIGC和time stamp表面上看起来似乎还是关于UGC内容创作，但事实上，它们带来的是一种全新的商业模式和赛道的可能性。我相信随着AI的进一步发展以及我们对其愈发深入的了解，将会看到更多新方向上的创新，能够带来人类新的需求。

杜宇（主持人）：我想补充几个不同的视角。首先，Web3一直被诟病的问题之一就是门槛很高，而GPT等AI模型能够帮助降低普通用户的使用门槛，是实现Web3 massive adoption的一个很好的工具。

第二，区块链和Web3的账户模型都是基于公私钥体系，人是很难使用这些private key或是和智能合约进行交互的。我们现在讲human beings，未来一定会有AI beings，它有可能是你的数字衍生，也有可能是一个独立的拥有自己思维模式的Web3原生用户。这就衍生出一个很有趣的话题：AI的tokenization，即生产力和生产关系到底应该怎样融合？

Jeffrey：我先回答一下杜总的上一个问题，即Web3和AI结合的现状和趋势。大家不妨回想一下，在上一个行业周期中大家经常会讨论的一个Narrative就是“区块链+AI”，因为当时处于区块链+万物的应用阶段，各行各业都希望通过区块链来赋能，其中一个方向就是区块链+AI。时间来到2023年，我们又看到一个现象，就是“AI+万物”，各行各业又想用AI进行赋能。

我认为这些都是正常的现象，不同的技术在不同的发展阶段会产生交叉以及不同的结合。以往可能是区块链发展得更快一些，比如在上个周期中，以太坊的智能合约能应用于不同行业中的应用流程、共识、协作等等；现在则是AI大模型发展更快，也可以赋能其他的技术领域。

具体到我们平常看到的一些结合点，我大概总结了几个方向：第一个方向可能会是链下计算，然后再在链上进行共识，相当于用区块链来组织机器学习或AI的各种算力，比如在链外执行一个机器学习模型，把计算的结果、过程或相关数据存储在链上，就可以去检查执行的完整性和质量。

在此基础之上也会有第二个结合方向，就是把经济模型加入到整个AI应用的流程中去，比如如何向用户计费，如何将这部分费用合理地分配给训练数据的拥有者或是模型的训练者、模型创建者，让AI 流程中的各方能够更好地合作等等。

第三个方向Kai总和Tory总也有提到，就是把神经网络或深度学习的一些模型直接转化成一种电路，比如用ZK的一些算法支持到GPT-2模型，将其转换成电路，去保证输入数据的隐私性或是执行结果的完整性，这就是最近比较火的zkml话题背后的技术发展情况。

除此之外，我也比较同意Kai总的观点，就是其他密码学工具也会和ml进一步结合，例如同态加密，这算是第四个方向，即其他的密码学/Web3工具和机器学习的结合，通过同态加密的方式去保护用户的隐私，同时也能得到比较好的执行的结果。

杜宇（主持人）：谢谢。下一个问题我想问Tory，微软提供了大量的工具，你认为现在有哪些好的工具能够给Web3创业者带来很大的效率提升或是新的商业模式？

Tory：微软本身是一个特别爱developer的公司，也很喜欢进行开发语言、开发工具等方面的投资。两年前，我们和万向一起做了一个面向开发者的活动，希望能提供一些 offer。网上有个段子说比尔盖茨一开始也不相信GPT，我也经常拿这个段子举例。在新技术诞生的时候，人们多少都秉持着怀疑或是雾里看花的视角来思考它的意义，但无论如何，GPT所带来的生产效率上的提升是有目共睹的。

围绕这个话题，我们作为平台厂商也在思考如何找到一个场景，但由平时的工作、圈子所限，我们缺乏对 Web3领域更为深入的洞察和理解，所以我们也愿意拿出一些平台算力以及OpenAI的使用能力，希望能和万向区块链、HashKey一起用一种比较开放的心态去探索，也欢迎大家和我们一起进行这种面向生态的联合创新。

杜宇（主持人）：我们都在讲分布式、去中心化，但不管是什么样的服务，DeFi也好去中心化服务也罢，最后发现都运营在AWS或者在阿里云上，一旦云出了问题就宕机了。所以下面这个问题就想问Kai总和Jeffrey,从投资人的角度来看，Web3的创业者们真的会放心地使用微软提供的这些AI工具吗？ 

Jeffrey：这是个好问题，我从两个方面来回答。一是我们平时所说的去中心化以及分布式更多地是一种技术实现的手段，更重要的是能够实现去信任化或“可验证”；分布式其实提供了一种实现渠道和能力。比如我自己可以存一份数据，并独立进行链上验证；实际上还有很多工具能够配套地结合分布式这种方式进行验证，例如刚才提到的zk和其他密码学等工具，也能够完成相同的任务。所以我觉得只要有配套的工具或算法能够实现相应的可验证能力，实际上也足以解决很多问题了。

回到杜总的问题。微软或者其他云厂商提供的很多AI工具如果能够与Web3工具相结合，那么我们就可以验证出这个模型是不是我想要的，比如我想要付费使用一个 GPT4的模型，那么如果我得到了一个GPT3.5计算出来的结果，我一定是不满意的；但如果微软可以给用户提供一个独立验证的过程，证明我使用的确实是一个更高级的付费模型，那么这就在大模型不那么透明、对普通用户不是特别友好的情况下解决了他们的后顾之忧，这也是 AI+Web3能够解决的问题之一。

Kai: 杜总这个问题非常“坑”，最近也有一些深入的讨论，比如很多人会问，如果世界局势发生巨变，把海底光缆断了，那么PoW的一致性要如何实现？坦白讲，这个问题我没有直接的答案，但我的观点是人类社会的协作没有经历过完全的去中心化和完全的中心化；技术手段也好，商业模式也罢，最终都是为人这一主体服务的。从技术构架的角度来看，去中心化并不是我们的核心目的。

早些年“去中心化”是个口号，它带来的核心consequence是数据自主权问题。当然，数据自主权也不是上层的商业形态，而更多地是底层的意识形态，会推动上面的商业模式慢慢产生演化，即使发展到最后，最上层的商业模式同今天的看起来并没有本质区别，但底层的shift一定会带来新的变化。基于这样的逻辑，虽然云服务的确存在这样的问题，需要我们从技术方面做一些风险的预防和分布，但我们的最终目的是数据主权的改变，并基于数据主权产生新的商业模式。

我想callback杜总刚才提到的AI being。今天所有互联网商业模式的核心都是基于流量：拿到廉价流量，挖掘新的利益，然后烧钱烧出流量壁垒——这是过去20年互联网最核心的商业模式，所有都是基于human-based account。但在未来，一个人可以拥有无数个AI分身，甚至会有独立的AI存在于网络，这就需要我们去思考如何define account，以及如何define AI对于你的生态网络是有价值的。这是一个极大的open question，Web3行业也进行过类似的探索，比如SBT，虽然我觉得SBT里存在很多问题，但至少这是个探索的方向。

token design也好，代币经济学也好，它所背后带来的逻辑和流量经济是完全不同的，这些都提供了一个解决的可能路径以及新的商业模式。所以还是回到那句话，最后的核心目的是什么，这是我们讨论问题的出发点。

杜宇（主持人）：谢谢Kai，回到中心化/去中心化的问题。我们也观察到一个很有趣的趋势变化，在区块链发展早期，大家都在强调完全的去中心化、零信任，但随着基础设施的不断成熟，从Layer2到appchain再到dApp，中心化程度反而越来越高。可以说，去中心化不是最终目的，而是为了解决业务中出现的各种问题。

在现实世界的各种日常经济活动中，并不是所有场景都需要零信任的，例如两人做生意，其实是存在信任关系的，并不需要从零开始。同样地，未来在Web3 massive adoption过程中，在 AI+Web3场景中，其实不需要零信任，我们也同样需要像微软、Google这样的大企业，只是我们能够利用Web3的一些协议，确保他们无法作恶。区块链的不可能三角是永远存在，我们没有必要实现彻底的去中心化。

这是我想补充的一些观点。时间也差不多了，三位嘉宾有什么问题想问下对方的？我们最后留两个问题相互PK一下。

Tory：有一个问题我也没有想得特别清楚，大家可以集思广益一下。大家最初在做区块链的时候，共同的愿景是实现公平公正公开——不论是通过中心化还是去中心化的方式。到了AI时代，我们也在求索，当一种新技术带来变革之后，应通过怎样的思想或技术框架将其真正变成一种福祉。

事实上近两年技术的发展并没有真正实现我们所希望的公平，并没有惠及世界上的每一个人。现在也是一样，在目睹了AI的爆发之后，我也一直在思考还有哪些好的思维或方法论能让AI的能力以相对公平公正的方式惠及每一位公民。这是我的一些想法和思考。

Jeffery：从我最近看到的很多项目来说，虽然现在大家的关注点都放在AI上面，但Web3的底层技术和基础设施还是在不断演进中的，不同技术在未来可能会不断结合。我们可以看到 zkml已经能够一定程度上支持数据模型的复杂性了，虽然模型的复杂度还并没有那么高，但相信随着密码学系统的演进或是区块链性能的不断提升，未来能够支持的模型复杂度也会越来越高，能够实现的业务复杂度也会越来越高，这也能够给用户带来更多以往无法想象的应用场景。所以我个人还是非常看好并关注Web3行业以及 Web3+AI的应用方向的。

Kai：回顾一下互联网过去几年的发展，大家逐渐发现移动互联网好像走到了终局，终结者就是抖音或TikTok——它已经把人性做到了最彻底，至少是在互联网这个层面上。于是在这之后元宇宙的概念兴起，再后来是Web3，现在这是以GPT为代表的AI。概念在不断更换，但关于Web3、元宇宙的定义仍众说纷纭；可以说，大家都处在一个非常混乱的阶段。

从去年开始，我就非常深刻地感受到了我们其实正处于一个技术爆发的临界点，这就像是1900年大家认为物理学结束的时候，也正是量子力学全开启——前一轮叙事结束，下一个新的叙事开始，而量子力学正是今天所有电子科技最本源的理论基础所在，如果再加上相对论，那么就是整个现代文明的基础。回到现在，元宇宙其实包含了AI和Web3，如果进一步细分，那么AI就是整个虚拟世界的引擎，Web3则是规则或生产关系。我觉得这所有的技术发展都在告诉我们一件事情：Something big is happening。在这个时代我们需要有足够的胆量和勇气去进行创新，不要固步自封。

最后引用两个鸡汤。第一个是Sam Altman所说的，现在是最好的创业机会。我不知道这是不是正确，但新的时代的确到来了。第二个鸡汤来自张一鸣——他只相信马斯克说过的一句话：如果你相信一件事情从底层逻辑上推导是正确的，那就一定要坚持做下去。在这个技术爆发的年代，我们要坚信这两点，也希望未来能有更多机会在Future3 Campus和大家分享我的心得，一起进行更多有趣的探索。

杜宇（主持人）：谢谢各位，我最后做个总结。我非常认同Kai刚刚说的，现在确实有着最好的创业机会，但这指的并不是这些层出不穷的新概念；真正的机会存在于每个细分领域中。我们看到，AI、区块链、物联网、AR/VR等技术其实慢慢进入了一个相对成熟、相对够用的阶段，并开始相互融合，这才构成了我们今天所说的“iPhone时刻”；也只有这些技术都相对成熟并融合之后，我们才会真正看到大量的创业机会。

再次感谢几位嘉宾，今天的内容非常精彩，我们也会持续在 AI+Web3、DePIN等方向进行更多深入的跨界讨论，相信一定会讨论出很多有趣的创业机会。谢谢。