Trong những năm gần đây, sự phát triển nhanh chóng của trí tuệ nhân tạo (AI) và công nghệ Web3 đã thu hút sự chú ý rộng rãi trên toàn cầu. AI đã đạt được những đột phá lớn trong các lĩnh vực nhận diện khuôn mặt, xử lý ngôn ngữ tự nhiên, học máy, mang đến những biến đổi lớn cho các ngành công nghiệp. Năm 2023, quy mô thị trường ngành AI đạt 200 tỷ USD, các doanh nghiệp như OpenAI, Character.AI, Midjourney đã dẫn đầu cơn sốt AI.
Trong khi đó, Web3, với tư cách là một mô hình mạng mới nổi, đang thay đổi nhận thức và cách sử dụng Internet của chúng ta. Web3 dựa trên công nghệ blockchain, thông qua hợp đồng thông minh, lưu trữ phân tán và xác thực danh tính phi tập trung, đã đạt được chia sẻ dữ liệu và tự trị của người dùng. Hiện tại, giá trị thị trường của ngành Web3 đạt 25 triệu tỷ đồng, các dự án như Bitcoin, Ethereum, Solana liên tục xuất hiện.
Sự kết hợp giữa AI và Web3 đã trở thành lĩnh vực thu hút sự chú ý của các nhà phát triển và nhà đầu tư ở cả phương Đông và phương Tây. Bài viết này sẽ khám phá tình hình phát triển hiện tại của AI+Web3, giá trị tiềm năng và những thách thức mà nó đang phải đối mặt, nhằm cung cấp tham khảo cho các nhà đầu tư và người làm nghề.
Cách tương tác của AI với Web3
Sự phát triển của AI và Web3 giống như hai bên của một cái cân, AI nâng cao năng suất lao động, Web3 cải cách quan hệ sản xuất. Hai bên kết hợp có thể tạo ra những tia lửa nào? Hãy cùng phân tích những khó khăn và cơ hội nâng cao mà mỗi bên đang đối mặt, thảo luận về cách hỗ trợ lẫn nhau.
Những khó khăn mà ngành AI đang đối mặt
Yếu tố cốt lõi của ngành AI là sức mạnh tính toán, thuật toán và dữ liệu.
Khả năng tính toán: Nhiệm vụ AI cần khả năng tính toán và xử lý quy mô lớn. Trong những năm gần đây, sự phát triển của các công nghệ phần cứng như GPU đã thúc đẩy mạnh mẽ sự phát triển của AI. Tuy nhiên, việc thu thập và quản lý khả năng tính toán quy mô lớn vẫn là một thách thức tốn kém và phức tạp, đặc biệt đối với các công ty khởi nghiệp và các nhà phát triển cá nhân.
Thuật toán: Thuật toán AI bao gồm các thuật toán học máy truyền thống và học sâu. Việc lựa chọn và thiết kế thuật toán rất quan trọng đối với hiệu suất của hệ thống AI. Cải tiến các thuật toán đổi mới liên tục có thể nâng cao độ chính xác và khả năng tổng quát của hệ thống. Tuy nhiên, việc đào tạo mạng nơ-ron sâu cần một lượng lớn dữ liệu và tài nguyên tính toán, và vẫn còn vấn đề về khả năng giải thích mô hình và tính ổn định.
Dữ liệu: Bộ dữ liệu phong phú và đa dạng là nền tảng để đào tạo và tối ưu hóa các mô hình AI. Tuy nhiên, việc thu thập dữ liệu chất lượng cao vẫn gặp nhiều thách thức. Một số lĩnh vực dữ liệu khó tiếp cận, chất lượng, độ chính xác và chú thích dữ liệu cũng gặp vấn đề. Đồng thời, bảo vệ quyền riêng tư và an ninh dữ liệu cũng là những yếu tố quan trọng cần xem xét.
Ngoài ra, tính khả thi và tính minh bạch của mô hình AI, cũng như các vấn đề về mô hình kinh doanh còn chưa rõ ràng, cũng cần phải được giải quyết ngay.
Những khó khăn mà ngành Web3 đang đối mặt
Ngành Web3 cũng gặp nhiều thách thức, bao gồm phân tích dữ liệu, trải nghiệm người dùng, an toàn hợp đồng thông minh, v.v. AI là công cụ nâng cao năng suất, có tiềm năng lớn trong những lĩnh vực này.
Phân tích và dự đoán dữ liệu: Nền tảng Web3 cần có khả năng phân tích và dự đoán dữ liệu hiệu quả và thông minh hơn, đặc biệt trong các lĩnh vực như DeFi.
Trải nghiệm người dùng: Trải nghiệm người dùng của các ứng dụng Web3 vẫn cần được cải thiện, cần dịch vụ cá nhân hóa thông minh hơn.
An toàn: Lỗi mã hợp đồng thông minh và cuộc tấn công của hacker là những vấn đề an ninh chính mà Web3 phải đối mặt.
Bảo vệ quyền riêng tư: Làm thế nào để thực hiện việc chia sẻ dữ liệu và tạo ra giá trị trong khi bảo vệ quyền riêng tư của người dùng là một thách thức lớn.
Phân tích tình trạng các dự án AI+Web3
Hiện tại, các dự án AI + Web3 chủ yếu tập trung vào hai hướng: sử dụng công nghệ blockchain để nâng cao hiệu suất của các dự án AI và sử dụng công nghệ AI để phục vụ các dự án Web3.
Web3 hỗ trợ AI
Quyền lực tính toán phi tập trung
Với sự bùng nổ của AI, nhu cầu về GPU và các năng lực tính toán khác gia tăng mạnh mẽ, vấn đề cung không đủ cầu đang ngày càng cấp bách. Một số dự án Web3 đã cố gắng cung cấp dịch vụ tính toán phi tập trung thông qua các hình thức khuyến khích bằng token, như Akash, Render, Gensyn, v.v.
Các dự án này khuyến khích người dùng đóng góp sức mạnh tính toán GPU nhàn rỗi thông qua token, cung cấp hỗ trợ sức mạnh tính toán cho khách hàng AI. Phía cung cấp chủ yếu bao gồm các nhà cung cấp dịch vụ đám mây, thợ mỏ tiền điện tử và các doanh nghiệp lớn.
Các dự án tính toán phi tập trung chủ yếu được chia thành hai loại:
Dùng cho suy diễn AI: như Render, Akash, Aethir, v.v.
Sử dụng cho đào tạo AI: như io.net, Gensyn, v.v.
Cái trước thu hút người dùng cung cấp sức mạnh tính toán thông qua các phần thưởng token, tạo thành nhu cầu dịch vụ mạng sức mạnh tính toán. Cái sau như Gensyn thúc đẩy việc phân bổ nhiệm vụ học máy và phần thưởng thông qua hợp đồng thông minh.
Mô hình thuật toán phi tập trung
Ngoài sức mạnh tính toán, một số dự án cố gắng xây dựng thị trường dịch vụ thuật toán AI phi tập trung. Lấy Bittensor làm ví dụ, nó kết nối nhiều mô hình AI khác nhau, chọn mô hình phù hợp nhất để cung cấp câu trả lời dựa trên câu hỏi của người dùng.
Trong mạng Bittensor, nhà cung cấp mô hình ( thợ mỏ ) đóng góp các mô hình học máy và nhận phần thưởng bằng token. Mạng sử dụng cơ chế đồng thuận độc đáo để đảm bảo câu trả lời tốt nhất.
Thu thập dữ liệu phi tập trung
Đối với việc đào tạo mô hình AI, việc cung cấp dữ liệu lớn là không thể thiếu. Tuy nhiên, hiện tại hầu hết các công ty Web2 vẫn chiếm giữ dữ liệu người dùng. Một số dự án Web3 thực hiện việc thu thập dữ liệu phi tập trung thông qua cách khuyến khích bằng token.
Nếu PublicAI cho phép người dùng đóng góp nội dung có giá trị và xác thực dữ liệu, và nhận phần thưởng bằng token. Điều này thúc đẩy mối quan hệ hợp tác đôi bên cùng có lợi giữa các nhà đóng góp dữ liệu và phát triển ngành AI.
Bảo vệ quyền riêng tư của người dùng trong AI bằng ZK
Công nghệ chứng minh không biết có thể thực hiện xác thực thông tin trong khi bảo vệ quyền riêng tư. ZKML(Zero-Knowledge Machine Learning) thông qua chứng minh không biết, cho phép đào tạo và suy luận mô hình máy học mà không làm lộ dữ liệu gốc.
Hiện tại lĩnh vực này vẫn đang ở giai đoạn đầu, như BasedAI đã đề xuất một phương pháp phi tập trung tích hợp mã hóa hoàn toàn đồng nhất (FHE) với mô hình ngôn ngữ lớn (LLM) để bảo vệ quyền riêng tư dữ liệu người dùng.
AI hỗ trợ Web3
Phân tích và dự đoán dữ liệu
Nhiều dự án Web3 bắt đầu tích hợp dịch vụ AI để cung cấp phân tích dữ liệu và dự đoán. Chẳng hạn, Pond sử dụng thuật toán AI để dự đoán các mã thông báo có giá trị; BullBear AI dự đoán giá dựa trên dữ liệu lịch sử và xu hướng thị trường; Numerai tổ chức các cuộc thi đầu tư dự đoán thị trường chứng khoán bằng AI.
Dịch vụ cá nhân hóa
Một số dự án Web3 sử dụng AI để tối ưu hóa trải nghiệm người dùng. Chẳng hạn, công cụ Wand của Dune sử dụng mô hình ngôn ngữ lớn để viết truy vấn SQL; nền tảng truyền thông Web3 Followin tích hợp ChatGPT để tóm tắt các động thái trong ngành; NFPrompt giúp người dùng dễ dàng sáng tạo NFT hơn thông qua AI.
AI kiểm toán hợp đồng thông minh
AI cũng có ứng dụng trong việc kiểm toán hợp đồng thông minh. Chẳng hạn, 0x0.ai cung cấp công cụ kiểm toán hợp đồng thông minh AI, sử dụng công nghệ học máy để nhận diện các vấn đề tiềm ẩn trong mã. Điều này giúp nâng cao tính an toàn và độ tin cậy của hợp đồng.
Hạn chế và thách thức của dự án AI+Web3
Những rào cản thực tế đối mặt với sức mạnh tính toán phi tập trung
Hiệu suất và độ ổn định: Sức mạnh tính toán phi tập trung phụ thuộc vào các nút phân bố toàn cầu, có thể gặp phải độ trễ và không ổn định.
Tính khả dụng: Do ảnh hưởng của sự phù hợp cung cầu, có thể xảy ra tình trạng thiếu tài nguyên hoặc không thể đáp ứng nhu cầu.
Độ phức tạp: Người dùng cần hiểu biết về mạng phân tán, hợp đồng thông minh, v.v., chi phí sử dụng khá cao.
Khó sử dụng cho đào tạo AI: Đào tạo mô hình lớn cần băng thông và độ ổn định rất cao, hiện tại sức mạnh tính toán phi tập trung khó đáp ứng yêu cầu.
Sự kết hợp giữa AI và Web3 còn khá thô sơ
Ứng dụng bề mặt: Hầu hết các dự án chỉ đơn giản là sử dụng AI để nâng cao hiệu suất, thiếu sự tích hợp sâu và đổi mới.
Hướng dẫn tiếp thị: Một số dự án chỉ ứng dụng AI trong các lĩnh vực hạn chế, thổi phồng khái niệm AI.
Kinh tế token trở thành một chất đệm
Một số dự án AI khó phát triển trong Web2, nên đã chuyển sang áp dụng câu chuyện Web3 và kinh tế token. Nhưng liệu kinh tế token có thực sự giúp giải quyết nhu cầu thực tế hay không, vẫn cần được xác minh thêm.
Tóm tắt
Sự kết hợp giữa AI và Web3 mang đến những khả năng vô hạn cho đổi mới công nghệ và phát triển kinh tế. AI có thể mang đến những kịch bản ứng dụng thông minh hơn cho Web3, trong khi Web3 lại cung cấp cơ hội phát triển mới cho AI. Mặc dù hiện tại vẫn đối mặt với nhiều thách thức, nhưng thông qua việc khám phá và đổi mới liên tục, tin rằng trong tương lai có thể xây dựng được một hệ thống kinh tế và xã hội thông minh, cởi mở và công bằng hơn.
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
7 thích
Phần thưởng
7
7
Chia sẻ
Bình luận
0/400
NeverVoteOnDAO
· 22giờ trước
Đang làm gì vậy? Lại là bỏ phiếu, đại cát đại lợi.
Xem bản gốcTrả lời0
HodlKumamon
· 22giờ trước
25 triệu tỷ đô la... không hổ danh là BTC mà gấu yêu thích dẫn đầu surge nhỉ~
Sự kết hợp AI+Web3: Cơ hội đổi mới và thách thức thực tế
Sự kết hợp giữa AI và Web3: Cơ hội và Thách thức
Trong những năm gần đây, sự phát triển nhanh chóng của trí tuệ nhân tạo (AI) và công nghệ Web3 đã thu hút sự chú ý rộng rãi trên toàn cầu. AI đã đạt được những đột phá lớn trong các lĩnh vực nhận diện khuôn mặt, xử lý ngôn ngữ tự nhiên, học máy, mang đến những biến đổi lớn cho các ngành công nghiệp. Năm 2023, quy mô thị trường ngành AI đạt 200 tỷ USD, các doanh nghiệp như OpenAI, Character.AI, Midjourney đã dẫn đầu cơn sốt AI.
Trong khi đó, Web3, với tư cách là một mô hình mạng mới nổi, đang thay đổi nhận thức và cách sử dụng Internet của chúng ta. Web3 dựa trên công nghệ blockchain, thông qua hợp đồng thông minh, lưu trữ phân tán và xác thực danh tính phi tập trung, đã đạt được chia sẻ dữ liệu và tự trị của người dùng. Hiện tại, giá trị thị trường của ngành Web3 đạt 25 triệu tỷ đồng, các dự án như Bitcoin, Ethereum, Solana liên tục xuất hiện.
Sự kết hợp giữa AI và Web3 đã trở thành lĩnh vực thu hút sự chú ý của các nhà phát triển và nhà đầu tư ở cả phương Đông và phương Tây. Bài viết này sẽ khám phá tình hình phát triển hiện tại của AI+Web3, giá trị tiềm năng và những thách thức mà nó đang phải đối mặt, nhằm cung cấp tham khảo cho các nhà đầu tư và người làm nghề.
Cách tương tác của AI với Web3
Sự phát triển của AI và Web3 giống như hai bên của một cái cân, AI nâng cao năng suất lao động, Web3 cải cách quan hệ sản xuất. Hai bên kết hợp có thể tạo ra những tia lửa nào? Hãy cùng phân tích những khó khăn và cơ hội nâng cao mà mỗi bên đang đối mặt, thảo luận về cách hỗ trợ lẫn nhau.
Những khó khăn mà ngành AI đang đối mặt
Yếu tố cốt lõi của ngành AI là sức mạnh tính toán, thuật toán và dữ liệu.
Khả năng tính toán: Nhiệm vụ AI cần khả năng tính toán và xử lý quy mô lớn. Trong những năm gần đây, sự phát triển của các công nghệ phần cứng như GPU đã thúc đẩy mạnh mẽ sự phát triển của AI. Tuy nhiên, việc thu thập và quản lý khả năng tính toán quy mô lớn vẫn là một thách thức tốn kém và phức tạp, đặc biệt đối với các công ty khởi nghiệp và các nhà phát triển cá nhân.
Thuật toán: Thuật toán AI bao gồm các thuật toán học máy truyền thống và học sâu. Việc lựa chọn và thiết kế thuật toán rất quan trọng đối với hiệu suất của hệ thống AI. Cải tiến các thuật toán đổi mới liên tục có thể nâng cao độ chính xác và khả năng tổng quát của hệ thống. Tuy nhiên, việc đào tạo mạng nơ-ron sâu cần một lượng lớn dữ liệu và tài nguyên tính toán, và vẫn còn vấn đề về khả năng giải thích mô hình và tính ổn định.
Dữ liệu: Bộ dữ liệu phong phú và đa dạng là nền tảng để đào tạo và tối ưu hóa các mô hình AI. Tuy nhiên, việc thu thập dữ liệu chất lượng cao vẫn gặp nhiều thách thức. Một số lĩnh vực dữ liệu khó tiếp cận, chất lượng, độ chính xác và chú thích dữ liệu cũng gặp vấn đề. Đồng thời, bảo vệ quyền riêng tư và an ninh dữ liệu cũng là những yếu tố quan trọng cần xem xét.
Ngoài ra, tính khả thi và tính minh bạch của mô hình AI, cũng như các vấn đề về mô hình kinh doanh còn chưa rõ ràng, cũng cần phải được giải quyết ngay.
Những khó khăn mà ngành Web3 đang đối mặt
Ngành Web3 cũng gặp nhiều thách thức, bao gồm phân tích dữ liệu, trải nghiệm người dùng, an toàn hợp đồng thông minh, v.v. AI là công cụ nâng cao năng suất, có tiềm năng lớn trong những lĩnh vực này.
Phân tích và dự đoán dữ liệu: Nền tảng Web3 cần có khả năng phân tích và dự đoán dữ liệu hiệu quả và thông minh hơn, đặc biệt trong các lĩnh vực như DeFi.
Trải nghiệm người dùng: Trải nghiệm người dùng của các ứng dụng Web3 vẫn cần được cải thiện, cần dịch vụ cá nhân hóa thông minh hơn.
An toàn: Lỗi mã hợp đồng thông minh và cuộc tấn công của hacker là những vấn đề an ninh chính mà Web3 phải đối mặt.
Bảo vệ quyền riêng tư: Làm thế nào để thực hiện việc chia sẻ dữ liệu và tạo ra giá trị trong khi bảo vệ quyền riêng tư của người dùng là một thách thức lớn.
Phân tích tình trạng các dự án AI+Web3
Hiện tại, các dự án AI + Web3 chủ yếu tập trung vào hai hướng: sử dụng công nghệ blockchain để nâng cao hiệu suất của các dự án AI và sử dụng công nghệ AI để phục vụ các dự án Web3.
Web3 hỗ trợ AI
Quyền lực tính toán phi tập trung
Với sự bùng nổ của AI, nhu cầu về GPU và các năng lực tính toán khác gia tăng mạnh mẽ, vấn đề cung không đủ cầu đang ngày càng cấp bách. Một số dự án Web3 đã cố gắng cung cấp dịch vụ tính toán phi tập trung thông qua các hình thức khuyến khích bằng token, như Akash, Render, Gensyn, v.v.
Các dự án này khuyến khích người dùng đóng góp sức mạnh tính toán GPU nhàn rỗi thông qua token, cung cấp hỗ trợ sức mạnh tính toán cho khách hàng AI. Phía cung cấp chủ yếu bao gồm các nhà cung cấp dịch vụ đám mây, thợ mỏ tiền điện tử và các doanh nghiệp lớn.
Các dự án tính toán phi tập trung chủ yếu được chia thành hai loại:
Cái trước thu hút người dùng cung cấp sức mạnh tính toán thông qua các phần thưởng token, tạo thành nhu cầu dịch vụ mạng sức mạnh tính toán. Cái sau như Gensyn thúc đẩy việc phân bổ nhiệm vụ học máy và phần thưởng thông qua hợp đồng thông minh.
Mô hình thuật toán phi tập trung
Ngoài sức mạnh tính toán, một số dự án cố gắng xây dựng thị trường dịch vụ thuật toán AI phi tập trung. Lấy Bittensor làm ví dụ, nó kết nối nhiều mô hình AI khác nhau, chọn mô hình phù hợp nhất để cung cấp câu trả lời dựa trên câu hỏi của người dùng.
Trong mạng Bittensor, nhà cung cấp mô hình ( thợ mỏ ) đóng góp các mô hình học máy và nhận phần thưởng bằng token. Mạng sử dụng cơ chế đồng thuận độc đáo để đảm bảo câu trả lời tốt nhất.
Thu thập dữ liệu phi tập trung
Đối với việc đào tạo mô hình AI, việc cung cấp dữ liệu lớn là không thể thiếu. Tuy nhiên, hiện tại hầu hết các công ty Web2 vẫn chiếm giữ dữ liệu người dùng. Một số dự án Web3 thực hiện việc thu thập dữ liệu phi tập trung thông qua cách khuyến khích bằng token.
Nếu PublicAI cho phép người dùng đóng góp nội dung có giá trị và xác thực dữ liệu, và nhận phần thưởng bằng token. Điều này thúc đẩy mối quan hệ hợp tác đôi bên cùng có lợi giữa các nhà đóng góp dữ liệu và phát triển ngành AI.
Bảo vệ quyền riêng tư của người dùng trong AI bằng ZK
Công nghệ chứng minh không biết có thể thực hiện xác thực thông tin trong khi bảo vệ quyền riêng tư. ZKML(Zero-Knowledge Machine Learning) thông qua chứng minh không biết, cho phép đào tạo và suy luận mô hình máy học mà không làm lộ dữ liệu gốc.
Hiện tại lĩnh vực này vẫn đang ở giai đoạn đầu, như BasedAI đã đề xuất một phương pháp phi tập trung tích hợp mã hóa hoàn toàn đồng nhất (FHE) với mô hình ngôn ngữ lớn (LLM) để bảo vệ quyền riêng tư dữ liệu người dùng.
AI hỗ trợ Web3
Phân tích và dự đoán dữ liệu
Nhiều dự án Web3 bắt đầu tích hợp dịch vụ AI để cung cấp phân tích dữ liệu và dự đoán. Chẳng hạn, Pond sử dụng thuật toán AI để dự đoán các mã thông báo có giá trị; BullBear AI dự đoán giá dựa trên dữ liệu lịch sử và xu hướng thị trường; Numerai tổ chức các cuộc thi đầu tư dự đoán thị trường chứng khoán bằng AI.
Dịch vụ cá nhân hóa
Một số dự án Web3 sử dụng AI để tối ưu hóa trải nghiệm người dùng. Chẳng hạn, công cụ Wand của Dune sử dụng mô hình ngôn ngữ lớn để viết truy vấn SQL; nền tảng truyền thông Web3 Followin tích hợp ChatGPT để tóm tắt các động thái trong ngành; NFPrompt giúp người dùng dễ dàng sáng tạo NFT hơn thông qua AI.
AI kiểm toán hợp đồng thông minh
AI cũng có ứng dụng trong việc kiểm toán hợp đồng thông minh. Chẳng hạn, 0x0.ai cung cấp công cụ kiểm toán hợp đồng thông minh AI, sử dụng công nghệ học máy để nhận diện các vấn đề tiềm ẩn trong mã. Điều này giúp nâng cao tính an toàn và độ tin cậy của hợp đồng.
Hạn chế và thách thức của dự án AI+Web3
Những rào cản thực tế đối mặt với sức mạnh tính toán phi tập trung
Hiệu suất và độ ổn định: Sức mạnh tính toán phi tập trung phụ thuộc vào các nút phân bố toàn cầu, có thể gặp phải độ trễ và không ổn định.
Tính khả dụng: Do ảnh hưởng của sự phù hợp cung cầu, có thể xảy ra tình trạng thiếu tài nguyên hoặc không thể đáp ứng nhu cầu.
Độ phức tạp: Người dùng cần hiểu biết về mạng phân tán, hợp đồng thông minh, v.v., chi phí sử dụng khá cao.
Khó sử dụng cho đào tạo AI: Đào tạo mô hình lớn cần băng thông và độ ổn định rất cao, hiện tại sức mạnh tính toán phi tập trung khó đáp ứng yêu cầu.
Sự kết hợp giữa AI và Web3 còn khá thô sơ
Ứng dụng bề mặt: Hầu hết các dự án chỉ đơn giản là sử dụng AI để nâng cao hiệu suất, thiếu sự tích hợp sâu và đổi mới.
Hướng dẫn tiếp thị: Một số dự án chỉ ứng dụng AI trong các lĩnh vực hạn chế, thổi phồng khái niệm AI.
Kinh tế token trở thành một chất đệm
Một số dự án AI khó phát triển trong Web2, nên đã chuyển sang áp dụng câu chuyện Web3 và kinh tế token. Nhưng liệu kinh tế token có thực sự giúp giải quyết nhu cầu thực tế hay không, vẫn cần được xác minh thêm.
Tóm tắt
Sự kết hợp giữa AI và Web3 mang đến những khả năng vô hạn cho đổi mới công nghệ và phát triển kinh tế. AI có thể mang đến những kịch bản ứng dụng thông minh hơn cho Web3, trong khi Web3 lại cung cấp cơ hội phát triển mới cho AI. Mặc dù hiện tại vẫn đối mặt với nhiều thách thức, nhưng thông qua việc khám phá và đổi mới liên tục, tin rằng trong tương lai có thể xây dựng được một hệ thống kinh tế và xã hội thông minh, cởi mở và công bằng hơn.