区块链可以看做是分布式的数据、算力、算法的资源凑集体，以是“区块链+AI”被看做是一种办理传统AI难题的良药。
本文立足于传统人工智能的现状与痛点，重点剖析了11个区块链+AI项目，总结了区块链与人工智能在数据、算力、算法三方面的上风。

AI和区块链的发展是由区块链引发的，不是AI领域的单边需求，因此投资逻辑在于探索交叉领域给双边的机遇。
文章末了给出了区块链+人工智能类未来的发展趋势。

1人工智能行业现状

1.1人工智能的观点

人工智能（Artificial Intelligence），英文缩写为AI。
日常生活中打仗的人工智能多指深度学习，即多层神经网络，如图1所示。
它是研究、开拓用于仿照、延伸和扩展人的智能的技能科学。
实质上是通过统计数据，并从中归纳出模型。

图1深度学习模型

1.2人工智能的历史

“人工智能”一词最初是在1956年DARTMOUTH学会上提出，1975年之后学者开始动手研究BP(Back Propagation，后向传播)算法，现在利用神经网络时，大多是在利用BP算法进行演习。
1986年之后，学者们实现了BP网络，同期间打算机硬件能力快速提升。
2006年之后，随着移动互联网发展，海量数据爆发，深度学习算法在语音和视觉识别上实现打破，人工智能商业化高速发展，人工智能关键韶光节点如图2所示。

图2人工智能关键韶光节点

1.3人工智能家当图谱

人工智能家当图谱的角色包括了数据和打算资源的供应方，算法、产品及办理方案供应者，终端落地行业如金融、公共安全、教诲等

如图3所示，数据、运算力和算法模型是影响人工智能行业发展的三大要素。

图3人工智能家当图谱图片来源：艾瑞咨询中国人工智能行业研究报告（2018年）

2人工智能行业的痛点

2.1数据：被大型机构垄断，数据标注质量差

互联网巨子，像谷歌、微软、苹果、Facebook、阿里、腾讯和亚马逊，基于海量用户数垄断了我们的数据。
现在的人工智能多为有监督学习，须要对数据进行充分标注，并非所有类型的影像数据都易标注，例如如医疗影像数据需由专业医师标注病灶，业界领先的视觉公司一样平常会有数百人的标注团队，但标注多为外包，缺少专业培训和实时辅导，导致被标注的数据质量差。

区块链如何办理：区块链是一种以密码学技能为根本，以去中央化的办法，对大量数据进行组织和掩护，用户掌握自己的数据，冲破科技巨子垄断数据的现状。
区块链上的数据全部都附有干系人不可假造的数字署名，区块链还具有完备公开、高可靠性、去信赖等诸多优点，可以实现环球数据共享和溯源，使得构建更高规模、更高质量、可掌握权限、可审计的环球去中央化人工智能数据标注平台成为可能。

2.2 算力：硬件本钱高

在工业领域须要大量的图片、***输入以及场景演习，须要极大的运算量，普通人工智能科技公司须要百万以上的资金购置GPU、FPGA等硬件资源，对付大部分中小型企业来说，包袱太大。

区块链如何办理：把分布式挖矿与人工智能结合，将大型GPU或者FPGA做事器集群、中小型企业闲散的空余GPU放做事器以及个人闲置GPU作为打算节点，利用区块链技能通过共享算力，为人工智能供应算力供给。

2.3 算法：人才短缺，研发进度缓慢

算法是逻辑的表现，目前的困境在于缺少专家，一个博士生大概须要五年的韶光培养，但是五年前还没有博士生开始从事深度学习，以是该领域的专家极度稀缺。

区块链如何办理：搭建发布机器学习任务的平台，利用群体聪慧优化人工智能算法，一套算法由多个人工智能专家更新掩护，不再是由一家公司决定一套算法。

3区块链+人工智能行业整体剖析

区块链+人工智能类项目按照涉及的领域，分为数据类、算力类和算法类项目，概括如下图。

3.1区块链+人工智能行业项目一览

根据CoinMarketCap数据，截至2018年7月24日14:00，在区块链中的AI观点板块中，项目市值排名紧张集中在130-270名之间。

3.2 区块链+人工智能赛道市值与总市值关系

2018年1月1日至2018年6月1日，在区块链+人工智能行业中，根据非小号统计，一月有1个主流币上了交易所并且统计了市值，有1个主流币上了交易所没有统计市值，有7个主流币没有上交易所；三月份有4个主流币上了交易所并统计了市值，有4个主流币上了交易所没有统计了市值，有1个主流币没有上交易所；六月份之后，主流币种都上了交易所并统计了市值。

图4 AI赛道市值与总市值关系（亿公民币）数据来源：非小号项目市值信息不完备，但是根据六月份之后的趋势可以判断，随着区块链总市值不才降，AI观点板块的市值也不才跌，如图4所示。

4区块链+人工智能类项目

本章对代表性的区块链+人工智能项目进行技能剖析。

4.1数据类项目

数据做事涉及到数据来源、数据存储、数据安全保护及防数据造假、数据洗濯标注。

1）数据来源：为担保用户隐私，所有区块链+AI项目中的数据来源均是用户、或者机构自主供应，而非网络爬取。

2）数据存储及交易：办理方案可概括为利用区块链的分布式特点，采取分布式存储方案，对付供应存储能力的节点，供应代币勉励，个人或单位可以加入网络，成为节点的贡献者，登记并供应节点存储能力，包括容量、接口、存储类型以及相应的SLA（ServiceLevelAggrement）。
对付个人隐私数据，用户可以上传到用户本地节点，利用私钥限定访问权限。

3）数据安全保护及防数据造假：目前利用密码学的公私钥技能，验证数据的来源，判断数据供应者的身份，验证数据的有效性。

4）数据洗濯标注：结合社区节点的多角色参与，取代人工智能行业中的数据众包平台。

表2列举了数据类项目的比拟表。

重点项目剖析：

1）Bottos(BTO)

Bottos项目采取数据挖矿的办法实现用户数据变现，用户不是依赖大量的算力投入，只须要拥有所需的测试数据（测试数据可以是方言、一些鸟类的照片或者叫声），就可以得到代币。

Bottos系统构建的数据交流市场，供应了根本的存储做事，可以帮助用户存储一定、短时、少量的数据，数据交流市场为有大容量、永劫光存储需求的分外客户，供应了储存交易市场的购买做事。
为获取优质演习数据，Bottos项目采取社区节点多角色参与进行洗濯和标注，但是洗濯和标注落地方案作为技能保留，在项目白皮书中没有表露。

底层技能通过对当前区块链技能栈的总结，该项目创始积木式动态节点模型，实现动态编排区块链节点，让系统支持不同节点的类型，构成不同的做事网络，实现了分层和模块化构架，如图5所示。

图5 Bottos积木式动态节点

2）AICHAIN(AIT)

AICHAIN希望冲破环球数据垄断性壁垒，打造由区块链驱动的人工智能生态系统，让数据资源方、运用开拓方、运行平台资源方和用户在这个区块链上自由发布和利用各自的资源和运用，让用户以更低的技能门槛和本钱将AI运用生态培植到区块链平台之上

资源分享平台示意图如图6所示。

分享平台存在着两个技能落地的难题，一是链上资源如何能安全保存，二是如何撮合伙源所有者和资源需求者交易。

图6 分享平台示意图

4.2算力类项目

算力类项目涉及算力交易以及算力分配。

1）算力交易：公链中的节点通过安装挖矿软件及根本人工智能运行环境，参与算力的贡献，然后算力购买方与算力***方通过任务竞价等模式进行交易。

2）算力分配：区块链本身是分布式的打算资源，算力分配的做法是将打算任务拆解分配给大量打算机并行打算。

表3算力类项目特点

重点项目先容：

1）DeepBrainChain(DBC)深脑链通过智能合约在交易平台上进行算力交易，利用动态打算协同打算节点，通过利用闲置打算资源降落本钱。
算力分配模式采取采取竞争支配挖矿，如图7所示，优点是节点分散、去中央化程度高。
但是算力分配技能细节，该项目并没有表露。

图7深脑链挖矿节点架构

2）Hadron.Cloud

通过AI浏览器进行算力交易，***算力获取Hadron代币。

Hypernet的算力分配是通过在blockchain层下面创造新编程模型，办理连续通信进程打算有关的问题。

在目前区块链行业里，用全新的区块链协议有效支持百万级的任务分发和协作，是一个新颖的做法。

3）Hypernet

Hypernet没有提及如何进行算力交易，项目着重先容了算力分配的安全保护机制，为促进算力买卖双方之间的交易，设计了ProcessReplication（复制过程），这可以确保打算过程的丢失不会影响到全体作业。
当peer的一组被分配相同的一种数据时，各peer可以通过hashing的运行结果，担保任何参与人不会被骗。

这种过程跟ProofofSpacetime（已利用在其它分散式项目）一样的构造。

Hypernet软件根本架构包括三个紧张组件组成：BlockchainResource Scheduler、基于分散均匀分配规则的API、Hypernet的运行环境。

图8 Hypernet软件根本架构

4.3算法类项目

算法项目技能模式包括：

1）改进算法：公链系统上模型不是最优的，区块链中的每一个节点都可以为算法调参，即利用群体聪慧改进现有的人工智能算法；

2）交易平台：构建AI算法交易平台，交易的标的可以是算法需求、算法模型或者将算法模型封装好的AI Dapps；

3）改进区块链：当前区块链设计固定，区块链参数不能灵巧调度且智能合约，不能自动判断交易模型的合理性，利用人工智能算法动态更新区块链参数，让区块链系统实现自我进化，并自动嗅探交易漏洞，实现合约交易的文明化进程。

表4列举了算法类重点项目比拟表，

表4算法类重点项目比拟表

重点项目先容：

（1）Cortex(CTXC)

Cortex公链不能改进算法，算法交易的模式是构建一个机器学习平台，许可用户在平台上发布任务、购买算法模型，Cortex通过将演习后的最前辈的机器学习模型放到公链上，办理模型的链上推断共识，利用人工智能算法实现区块链进化。
底层技能愿景包括：

第一点是链上推断共识，高度去中央化，所有节点根据经由演习的AI算法模型的推断结果而不是其他共识机制下得出的确定结果达成同等，从而担保了去中央化的区块链自治。

第二点是构建虚拟机CVM，兼容以太坊的虚拟机，CVM指令集完备兼容EVM，同时CVM还支持推理指令。
指令的输入是推断的代码，输出是推断的结果。

第三点是AI智能合约，这部分相较于普通的智能合约，AI智能合约涉及推理指令，是全体区块链体系的重点，架构图如图9所示，哀求所有节点在推断结果的结果上达成同等。
Cortex后期分开以太坊的构架，销毁ERC-20代币，采取Endorphins，仿照以太坊中Gas的观点来做AI智能合约打算耗费的记账，并命名为Endorphins，以此作为CVM在显卡级别的计费办法。
相对付同类AI项目，技能的创新点为：项目在技能架构上创新提出链上推断共识；有自己的虚拟机且相对付以太坊的虚拟机而言，增加了支持推断指令的设计；后期分开以太坊的构架，采取Endorphins作为计费办法且设计科学合理，可实现性较强。

图9 AI智能合约推断

（2）SingularityNET(AGI)

SingularityNET(AGI)通过建立一个针对AI的去中央化开源平台，实现改进算法的目的，平台循环模式图如图10所示，让AI算法的供应方和利用方实现实时灵巧的沟通互换。
算法交易部分通过跟踪哪些算法正在被利用，并相应地对开拓职员进行补偿。
项目没有涉及改进区块链的部分。

底层技能创新点：前期采取POW+POS共识机制，未来分开以太坊后，采取POR（ProofofReputation）信誉共识机制。
该机制包含以下成分：股权、在网络中的整体活动、特定评级方面、活动长度和特定阈值以上的评级等。
基于贡献和行为打算节点的可信度，同时利用算法的随机性担保公正性。

与同类的项目比较，SingulaityNET项目并不定位于AI领域的公链搭建，而是致力于开源的AI算法平台的建立和社区的培植，这使得该项目具有极强的可实现性。
团队本身也处于AI领域的前沿，母公司的OpenCog基金会背景使得项目具有极强的吸引力。
总体来看，随意马虎落地。

图10 SingularityNET开源平台机构图

4.4项目投资明细

根据CoinMarketCap，区块链+AI项目发行韶光集中在2017年前后，投资机构既有老牌传统机构如微软等，也有专注于区块链的投资机构如节点成本、比特大陆等，图11列出了市值前9的区块链+AI项目。

图11人工智能项目投资明细

5区块链+AI项目投资逻辑

从技能角度出发，区块链+AI项目的投资逻辑将从数据、算力、算法层面进行剖析，技能方向的关注重点如图12所示。

图12人工智能领域投资逻辑关注重点

5.1 整体逻辑

1）AI和区块链的投资趋势，是由区块链引发的，因此一定不是AI领域单边的需求，由于那样的话就会回归AI领域的投资逻辑。
我们须要探索交叉领域给双边带来的机遇，以及创造全新的机会。

2）人工智能市场并不是一片蓝海，BAT等巨子公司资源，技能上风非常明显。
初创企业在长尾众包市场机会可能大一些。
比如未来去中央化的算法交易市场可能更易落地，用物质褒奖，来刺激机器学习专家开拓模型，性能最好的模型会得到更高比例的收益。

3）要让去中央化的AI市场起浸染，就须要利用各种安全打算技能，包括联合学习等，担保个人和公司供应的任何模型参数都能以完备私密的办法来处理。

4）目前创业要充分考虑到熊市的影响，已经有一定进展和实力或具有赢利能力的项目才能安稳度过熊市，比如项目主网已经上线、已经有实际业务现金流等。

5.1 数据

这一领域初创公司可以通过数据众包的办法，利用token的上风进行弯道超车。

1）数据保密：由于数据读写方面，区块链仅支持记录级写授权，但读操作时完备共享，这种情形导致链上数据完备共享，因此数据的保密性很主要。

2）规模化存储节点：项目前期该当能吸引大量的储存节点，以降落数据存储的本钱的项目。

5.2 算力

目前这一领域巨子公司上风明显，在目前的发展情形下，初创公司打破较难，等算法市场、存储市场等生态起来了往后可能会有新机会涌现。

1）AI芯片研发：英特尔垄断了芯片，芯片是人工智能算力的硬件根本，这类项目投资者须要关注项目方是否有能力研发并生产芯片。

2）并行打算：算力分配须要稽核各个客户端能否将提交的算法进行聚合修正，担保算法参数实时有效的更新在每一个客户端，是目前AI算力分配过程中碰着的难点，以是投资者须要关注项目方是否有能力处理大规模并行打算难题。

5.3 算法

1）算法保密：去中央的AI算法交易市场，让每个AI人才都可以为算法做出贡献，但是要让去中央化的AI市场起浸染，就须要担保个人和公司供应的任何算法模型都能以完备私密的办法来处理。

2）同步模型参数：分布式网络协同演习人工智能模型时，参数须要通过共识机制协同调度，如果模型参数不一致，终极的算法模型可用性非常低，以是此类项目投资者须要关注项目是否能做到同步模型参数。

6区块链+AI项目未来趋势

6.1技能总体趋势：此领域成熟还有大量条件待知足

空想情形是：利用合理的Token模型构建底层代价网络，担保区块链节点的积极性，在区块链的隐私，性能，硬件，算法安全性提高的条件下，越来越多的数据，算力，算法，新理论在市场上进行交易。
同时进行自我优化。

6.2 隐私：紧张成分

ai干系的数据和打算的隐私，在云打算时期未得到彻底办理，区块链时期是一个大的机遇。
因此应关注隐私方面的进展。

6.3 经济模型：给予角色精确的勉励

区块链+AI项目中包括数据的供应方和购买方，算力的供应方和购买方，算法的供应方和购买方。
如何折衷AI生态中各种角色的经济勉励，使更多的数据、算力和算法在平台上交易，乃至贡献新的理论，是值得研究的课题。

6.4 扩容：更好的办理方案

随着区块链扩容方案的落地，目前AI+区块链中利用的各种算法可以有更智能的办理方案。

6.5 存储：未来会涌现更好的垂直性储存。

在演习AI模型的过程中，为了演习属于自己的模型，须要存储自己的数据。
目前IPFS方案的落地可能性众说纷纭，一种可能性是，会涌现专门运用于人工智能领域的数据存储协议，针对ai打算所需的隐私哀求和存储pattern做的专门的优化，有些场景下比通用存储可能会先涌现落地运用。

6.6 硬件：期待专用芯片的涌现

矿工一贯在做的便是大略的SHA256的哈希运算，但深度学习还是以GPU通用打算为主，而且深度学习演习的算法本身不是确定的，因此目前挖矿硬件是难以支持深度学习演习的。
未来期望会涌现知足ai+blockchain各种需求的专用芯片，合营专门的协议，可以办理均平分派打算任务的难题，使得在矿工在挖矿给区块链记账的同时，帮助办理AI打算问题。

6.7 AI算法安全性趋势

AI算法如果架构在去中央化的区块链上，随着AI被用在各种区块链上的越来越主要的场景，如果会涌现没有任何一家公司完备掌握算法，算法存在失落控的可能性，因此，AI行为安全一定会变得加倍主要。

（作者：节点成本，内容来自链得得内容开放平台“得得号”；本文仅代表作者不雅观点，不代表链得得官方态度）