引言
自从 ChatGPT 在 2022 年末粉墨登场以来，AI 版块一直是加密领域的香饽饽，WEB3的游民们本来就接受“任何概念皆可炒作”的理念，更不要说未来有无限叙事脉络和应用能力的 AI 了。因此在加密圈，AI 概念最初是以“Meme 热潮”的姿态爆红了一段时间，随后部分项目开始了探索其实际应用价值：加密到底能给如火如荼向前发展的 AI 带来什么新的实际应用？
本研究文章将叙述并评析目前 AI 在 Web3 领域的演化路径，从早期炒作浪潮到当下应用类项目开始起势，并结合案例和数据帮助各位读者把握行业脉络和未来趋势。这里我们一开始就把不成熟的结论抛出来吧：
AI meme 的阶段已经是过去式了，该被割的该赚的都留作永恒的记忆碎片吧；
一些基础类的WEB3 AI 项目一直强调“去中心化”能给 AI 安全性带来的好处，对于用户来说并不怎么买单的，用户关心的是“代币赚不赚钱”+“产品好不好用”；
如果要埋伏 AI 相关的加密项目，重点应该转到纯应用类 AI 项目，或者平台类 AI 项目（可以集中很多容易让 C 端用户上手的工具或 Agent）上来，这可能是 AI Meme 后更长周期的财富热点；
一、AI 在 Web2 和 Web3 中的发展路径差异
-Web2 世界里的 AI 主要由科技巨头和研究机构驱动，发展路径相对稳健集中。大型公司（如 OpenAI、Google）训练封闭的黑箱模型，算法和数据不公开，用户只能使用其结果，缺乏透明度。这种中心化控制导致 AI 决策不可审计，存在偏见与责任不清的问题。总体而言，Web2 的 AI 创新注重基础模型的性能提升和商业应用落地，但决策过程对大众而言不透明。不透明的这个痛点才导致了在 2025 年类似 Deepseek 这样貌似开源但是其实是“渔箱钓鱼”的新 AI 项目的异军突起。
除了不透明的缺陷，WEB2的大型 AI 模型还存在着另外两个痛点：不同产品形态上的体验感不足和专业细分赛道上精确度不足。
比如如果要产生一份 PPT，或者一张图片，或者一个视频，用户们还是会去寻找进入门槛低，用户体验感更好的 AI 新产品去使用，并且为之而付费。目前很多 AI 项目都在尝试无代码的 AI 产品，就是为了让用户门槛降到更低。
再比如对于WEB3的很多用户，应该都有过使用 ChatGPT 或者 DeepSeek 去获得某一个加密项目或者代币信息的无力吐槽感，大模型数据还无法精确覆盖到这个世界的任何一个细分行业的细节信息，所以很多 AI 产品的另外一个发展方向：就是在某个细分行业把数据和分析做到最深入和精确。
-Web3 世界里的 AI
WEB3世界是以加密行业为核心的，融合了技术，文化和社群的更宽泛的概念。WEB3对比WEB2，更尝试走向开放和社区驱动的路线。
借助区块链去中心化的架构，Web3 的 AI 项目通常会宣称强调开源代码、社区治理和透明可信，希望以分布式方式打破传统 AI 由少数公司垄断的局面。例如一些项目探索用区块链验证 AI 决策（零知识证明确保模型输出可信）或由 DAO 审核 AI 模型以减少偏见。
理想状态下，Web3 AI 追求“公开的 AI”，让模型参数、决策逻辑可被社区审计，同时通过代币机制激励开发者和用户参与。然而在实践中，Web3 的 AI 发展还受到技术和资源限制：构建去中心化 AI 基础设施难度极高（训练大模型需要海量算力数据，然而没有任何一家WEB3的项目方的资金量能达到 OpenAI 的零头），少数号称 Web3 AI 的项目实际仍依赖中心化的模型或服务，只是在应用层接入了一些区块链的元素，这些WEB3 AI 项目还算靠谱的优秀生了，至少还在真实的开发应用；而绝大多数的WEB3 AI 项目还是纯 Meme，或者室打着真实 AI 旗号的 Meme。
此外，资金与参与模式的差异也影响两者发展路径。Web2 AI 通常通过研究投入和产品盈利驱动，周期相对平缓。而 Web3 AI 结合了加密市场的投机属性，常出现随着行情情绪大起大落的“热潮”周期：概念火爆时资金蜂拥而入推高代币价格和估值，冷却时项目热度和资金迅速衰退。这种循环使 Web3 AI 的发展路径更具波动性和叙事驱动色彩。例如，一个缺乏实质进展的 AI 概念也可能因为市场情绪而引发代币价格暴涨；反之，行情低迷时哪怕有技术进展也难获关注。
我们对于WEB3 AI 的主叙事“去中心化的 AI 网络“，目前还是保持着一种“低调而谨慎的期盼”，万一要是真成了呢？毕竟WEB3里还有 BTC 和 ETH 这样划时代的存在。但是处在目前的阶段，大家还是需要脚踏实地的构想一些可以马上落地的场景，比如在目前的WEB3项目里嵌入一些 AI Agent，从而提高项目本身的效率；或者把 AI 和其他的一些新技术做结合，可以产生适用于加密行业的新思路，哪怕是可以引起关注的概念也好；再或者就只为了WEB3行业服务的 AI 产品，不管是从数据的精确度，还是更贴合WEB3 组织或者个人的工作习惯上，去提供WEB3行业里的人群能买单的服务。
未完待续，下面一篇文章将主要对WEB3 AI 的五波热潮，以及其中的一些产品（比如 Fetch.AI、TURBO、GOAT、AI16Z、Joinable AI、MyShell 等等 ）做个回顾和点评。
参考文章：
Web3 AI vs. Web2 AI: Why Open-Source and Transparency Will Win
从 AI 代理到 AI L1：Virtuals、ai16z 与 zerebro 共舞
【免责声明】
本材料中的信息均来源于我们认为合理可靠的公开资料或其他资料，瓜田实验室对其准确性、足够性、完整性及其使用的适当性等不作任何明示或暗示的保证。
本材料中的信息、介绍、数据等均仅供阅读者参考之用。在任何情况下，本材料的任何内容都不应被视为任何邀约或推荐，且不构成投资建议。投资相关项目资产可能面临的各种风险(包括但不限于：投资风险、管理风险、法律风险、税务风险、流动性风险、信用风险、政策风险、经济周期风险、利率风险、操作风险、不可抗力因素导致的风险等)由投资者自行承担。对依据或者使用本材料所造成的一切后果，瓜田实验室及/或其关联人员不承担任何法律责任。
未经瓜田实验室书面同意，任何机构和个人不得对本材料的内容进行任何形式的复制、传播及修改。
