注：原文来自@CryptoSax_eth发布长推。

今天聊的硬核一点，聊聊Web3+AI算力的话题。顺便毒奶一口，等到未来AI叙事再一次火起来，这些笔记一定会成为项目方的财富密码的。

在整个加密赛道的叙事方面，似乎可以总结出一条规律：

叙事的技术硬核程度和项目CX的概率一般呈反比，技术或叙事越硬核，项目rug的概率越小。当然也会出现一些个例，但这个概率分布大致上还是比较合理的。

如果从这个角度出发你就能发现，区块链算力保护几乎是AI+Web3叙事里面最为硬核的一个方向，毕竟其他诸如AI+Defi、AI+Gamefi之类的叙事，只要有一定的知识积累，逻辑推敲一下讲个有创意的故事也不是什么难事。哪怕是AI+Web3底层，我逮着“节点智能”这个话题不放，然后避重就轻在啥区块链治理、权益体系证明啥乱七八糟的原理层面打哈哈，别人也很难看出毛病。

但Web3+AI算力不一样，如果技术不够硬核，项目团队身上没点东西，是真的讲不出花来的。

关于这个叙事，实际上底层逻辑也没多复杂：

现在AI啥的技术出来之后数据越来越值钱了，算力模型啥的都是数据都是钱，传统的数据保护形式不方便不好使，大家的数据都不好做权益区分；但区块链所有链上信息和数据都可以被记录溯源，用来解决这个AI数据和算力问题简直再好不过了。

故事底层越简单，技术实现路径就越复杂。受限于篇幅和本人的数据开发的认知水平，我就只拿ZKML来科普科普，给大家尝尝味道吧。关于ZK和ML的概念，我在此不再赘述，直接切入主题看两个概念怎么结合——

ML 有大量信任问题需要解决，各个工作流程的准确性、完整性、隐私性需要被证明。ZK 刚好能在确保隐私性的前提下有效验证任何类计算是否正确运行，很好地解决了机器学习长期存在的信任证明问题。

模型的完整性是 ML 训练过程中的重要信任证明问题，但 ML 模型训练和使用的数据和信息的隐私保护同样重要。