GPT的横空出世将全球的目光吸引至大语言模型，各行各业都尝试着利用这个“黑科技”提高工作效率，加速行业发展。Future3 Campus携手Footprint Analytics共同深入研究AI与Web3结合的无限可能，联合发布了《AI与Web3数据行业融合现状、竞争格局与未来机遇探析》研报。该研报分为上下两篇，本文为上篇，由Footprint Analytics研究员Lesley、Shelly共同编撰。下篇由Future3 Campus研究员Sherry、Humphrey共同编撰。

摘要：

• LLM 技术的发展让人们更加关注 AI 与 Web3 的结合，新的应用范式正在逐步展开。本文中，我们将重点研究如何利用 AI 提升 Web3 数据的使用体验和生产效率。

• 由于行业尚处早期阶段和区块链技术的特性，Web3 数据行业面临着诸多挑战，包括数据来源、更新频率、匿名属性等，使得利用 AI 解决这些问题成为新关注点。

• LLM 相对于传统人工智能的可扩展性、适应性、效率提升、任务分解、可访问性和易用性等优势，为提高区块链数据的体验和生产效率提供了想象空间。

• LLM 需要大量高质量数据进行训练，而区块链领域垂直知识丰富且数据公开，可以为 LLM 提供学习素材。

• LLM 也可以帮助生产和提升区块链数据的价值，例如数据清洗、标注、生成结构化数据等。

• LLM 不是万灵药，需要针对具体业务需求进行应用。既要利用 LLM 的高效率，同时也要注意结果的准确性。

人工智能（AI）的历史可以追溯到上个世纪 50 年代。自 1956 年起，人们开始关注人工智能这一领域，逐渐发展出了早期的专家系统，帮助专业领域解决问题。此后，机器学习的兴起，拓展了 AI 的应用领域，AI 开始更广泛地应用在各行各业。到如今，深度学习和生成式人工智能爆发，带给了人们无限可能性，其中的每一步都充满了不断的挑战与创新，以追求更高的智能水平和更广泛的应用领域。

图 1：AI 发展历程

2022 年 11 月 30 日，ChatGPT 面世，首次展示了 AI 与人类低门槛、高效率交互的可能性。ChatGPT 引发了对人工智能的更广泛探讨，重新定义了与 AI 互动的方式，使其变得更加高效、直观和人性化，也推动了人们对更多生成式人工智能的关注，Anthropic（Amazon）、DeepMind（Google）、Llama 等模型也随后进入人们的视野。与此同时，各行各业的从业者也开始积极探索 AI 会如何推动他们所在领域的发展，或者寻求通过与 AI 技术的结合在行业中脱颖而出，进一步加速了 AI 在各个领域的渗透。