如果將人工智能比作建造太空火箭，那么數據和算力是燃料，算法就是發動機。但傳統人工智能公司在數據層面上面臨著被大型機構壟斷等困境，在算力層面上面臨著購置硬件資源導致的資金難題，在算法層面上面臨著算法運行不穩定等難題。

區塊鏈可以看做是分布式的數據、算力、算法的資源集合體，所以“區塊鏈+AI”被看做是一種解決傳統AI難題的良藥。本文立足于傳統人工智能的現狀與痛點，重點分析了區塊鏈+AI項目，總結了區塊鏈與人工智能在數據、算力、算法三方面的優勢。

01

人工智能行業現狀與痛點

“人工智能”一詞最初是在1956年DARTMOUTH學會上提出，1975年之后學者開始著手研究BP(Back Propagation，后向傳播)算法，現在使用神經網絡時，大多是在使用BP算法進行訓練。1986年之后，學者們實現了BP網絡，同時期計算機硬件能力快速提升。2006年之后，隨著移動互聯網發展，海量數據爆發，深度學習算法在語音和視覺識別上實現突破，人工智能商業化高速發展，人工智能關鍵時間節點如圖所示。

人工智能就像一只需要非常龐大的數據來“飼養”的動物，量的要求已然讓企業力不從心，暫且還未提及數據來源、質量以及隱私等諸多亟待解決的問題。除了需要通過大量數據完成學習以及訓練外，企業用于處理數據的 GPU 等各式各樣的芯片也時常告急！每年需要提高差不多 5-10 倍的性能才能勉強追上企業發展的步伐，飛快的更新迭代所帶來的硬件設備的“海量”投入，早已讓企業叫苦不迭。

02

看區塊鏈如何解決

數據：區塊鏈是一種以密碼學技術為基礎，以去中心化的方式，對大量數據進行組織和維護，用戶控制自己的數據，打破科技巨頭壟斷數據的現狀。區塊鏈上的數據全部都附有相關人不可偽造的數字簽名，區塊鏈還具有完全公開、高可靠性、去信任等諸多優點，可以實現全球數據共享和溯源，使得構建更高規模、更高質量、可控制權限、可審計的全球去中心化人工智能數據標注平臺成為可能。

算力：把分布式挖礦與人工智能結合，將大型GPU或者FPGA服務器集群、中小型企業閑散的空余GPU放服務器以及個人閑置GPU作為計算節點，利用區塊鏈技術通過共享算力，為人工智能提供算力供給。

算法：搭建發布機器學習任務的平臺，利用群體智慧優化人工智能算法，一套算法由多個人工智能專家更新維護，不再是由一家公司決定一套算法。

03

區塊鏈+人工智能類項目

• 數據類項目

1）數據來源：為保證用戶隱私，所有區塊鏈+AI項目中的數據來源均是用戶、或者機構自主提供，而非網絡爬取。

2）數據存儲及交易：解決方案可概括為利用區塊鏈的分布式特點，采用分布式存儲方案，對于提供存儲能力的節點，提供代幣激勵，個人或單位可以加入網絡，成為節點的貢獻者，登記并提供節點存儲能力，包括容量、接口、存儲類型以及相應的SLA（ServiceLevelAggrement）。對于個人隱私數據，用戶可以上傳到用戶本地節點，利用私鑰限制訪問權限。

3）數據安全保護及防數據造假：目前使用密碼學的公私鑰技術，驗證數據的來源，判斷數據提供者的身份，驗證數據的有效性。

4）數據清洗標注：結合社區節點的多角色參與，取代人工智能行業中的數據眾包平臺。

數據類項目對比表

• 算力類項目

1）算力交易：公鏈中的節點通過安裝挖礦軟件及基礎人工智能運行環境，參與算力的貢獻，然后算力購買方與算力出售方通過任務競價等模式進行交易。

2）算力分配：區塊鏈本身是分布式的計算資源，算力分配的做法是將計算任務拆解分配給大量計算機并行計算。

算力類項目特點

• 算法類項目

1）改善算法：公鏈系統上模型不是最優的，區塊鏈中的每一個節點都可以為算法調參，即利用群體智慧改善現有的人工智能算法。

2）交易平臺：構建AI算法交易平臺，交易的標的可以是算法需求、算法模型或者將算法模型封裝好的AI Dapps。

3）改善區塊鏈：當前區塊鏈設計固定，區塊鏈參數不能靈活調整且智能合約，不能自動判斷交易模型的合理性，利用人工智能算法動態更新區塊鏈參數，讓區塊鏈系統實現自我進化，并自動嗅探交易漏洞，實現合約交易的文明化進程。

算法類重點項目對比表

04

區塊鏈+AI項目投資邏輯

從技術角度出發，區塊鏈+AI項目的投資邏輯將從數據、算力、算法層面進行分析，技術方向的關注重點如圖所示。

AI和區塊鏈的投資趨勢，是由區塊鏈引發的，因此一定不是AI領域單邊的需求，因為那樣的話就會回歸AI領域的投資邏輯。我們需要探索交叉領域給雙邊帶來的機遇，以及創造全新的機會。

05

區塊鏈+AI項目未來趨勢

如果說人工智能是一種生產力，它能提高生產的效率，使得我們更快、更有效地獲得更多的財富。那么區塊鏈就是一種生產關系，它能夠改變我們一些分配。人工智能和區塊鏈能夠基于雙方各自的優勢實現互補。事實上，目前業界已經有公司嘗試將兩者同時應用。

區塊鏈和人工智能的結合，通過對位置信息、信息發佈頻次、天氣情況、行動軌跡、環境擁擠程度等因素對購物行為的深度分析還有解讀，還可以準確的分析消費者的消費行為，消費習慣，更能尋找消費者的消費共性推動消費，從而撬動3萬億的移動經濟。