2025 年 Token2049 新加坡峰会期间,去中心化身份协议 IoTeX 正式发布了 Real-World AI Foundry(以下简称 AI Foundry),试图为以往由少数大型企业主导的"封闭式 AI"提供一种开源、去中心化且可追溯的替代路径。AI Foundry 的核心理念是将来自机器、传感器和人类交互的实时数据纳入协作生态,通过区块链记录信任凭证,并用加密经济学激励全球参与者贡献数据、计算与验证,从而培养能够适应真实世界变化的"Real-World Models"。 当今主流人工智能模型通常由少数拥有巨量算力和数据的科技巨头训练与部署,这种模式带来的问题越来越受到关注。封闭数据源、不可解释的模型决策、数据权利和回报机制不透明、以及集中化治理导致的偏见与风险,都是行业痛点。IoTeX 提出的 AI Foundry 则试图以去中心化身份(ioID)、链上注册表、零知识证明以及代币激励相结合的方式,构建一个开放且可审计的实时 AI 生态,让数据提供者、基础设施方与模型构建者在共享价值的同时保有隐私与控制权。 AI Foundry 的技术愿景以 Real-World Models(RWM)为核心。
RWM 并非仅依赖静态的训练集,而是持续接收来自物联网设备、移动终端、工业传感器、医疗设备等的实时数据流,模型能够理解因果关系、适应环境变化并提供实时响应。这种设计特别适合在出行、能源管理、医疗和机器人等对时效性与安全性要求高的场景中应用。例如在智能交通领域,RWM 可以基于实时车流与道路状况动态调整调度策略;在能源管理中,模型可基于分布式传感器网络优化负荷与储能调度;在医疗场景,受保护且可验证的患者数据流有助于构建更具可解释性的诊疗辅助系统。 数据如何可信并且不泄露隐私是 AI Foundry 成败的关键。IoTeX 借助已部署的超过四千万台连接设备为基础,让设备通过 ioID 进行去中心化身份认证,从而在不暴露个人敏感信息的情况下证明数据来源的真实性。配套的隐私保护技术包括端到端加密与零知识证明,确保数据在进入模型训练或推理流程前可以验证其有效性与完整性,同时防止原始敏感数据被滥用。
链上注册表用于记录数据集、数据质量评分、权限与使用历史,所有访问与调用行为都可追溯,从而为数据提供者带来基于使用量与质量的可量化收益。 激励机制方面,AI Foundry 将通过代币化经济模型对数据提供者、算力提供者与验证方进行奖励。每当某个 RWM 访问并使用某条经过验证的数据流时,贡献者即可获得相应代币收益。这种激励既能鼓励高质量数据的持续共享,也能促使更多边缘设备参与到生态中来。为了避免单一主体操纵生态,治理结构将从最初由一批创始对齐伙伴(Alignment Partners)牵头的工作组逐步过渡到基于代币的去中心化治理机制,确保互操作性、问责制与对人类价值的对齐。 合作伙伴阵容也反映了 AI Foundry 的多边战略。
IoTeX 在发布会上公布的创始对齐伙伴包括 Vodafone、区块链协会、Filecoin、Theta Network、Aethir 等,这些合作方在通信基础设施、数据存储、内容传输和区块链治理等方面可以互补。借助 Filecoin 的分布式存储方案,可为实时数据与模型权重提供可靠的持久化支持;Theta Network 的内容分发能力则有助于模型与数据的高效同步;运营商与设备厂商则可以提供庞大的数据接入端。这样的生态设计有利于打通从边缘设备到链上服务再到应用层的闭环。 AI Foundry 并非孤立探索。整个去中心化 AI 领域在 2024-2025 年间迎来多起融资与项目落地案例。例如 Swarm Network 在开发去中心化 AI 验证协议并针对离链数据上链验证筹资千万美元,Nous Research 在 Solana 上构建开源 AI 模型并获得重大融资,这些项目都表明行业正在寻求开放体系以对抗少数巨头的封闭生态。
IoTeX 的优势在于其在物联网设备端的长期积累以及去中心化身份认证技术,这些资源使其在现实世界数据采集与可信来源认证方面具备竞争力。 然而,要实现真正去中心化且可规模化的实时 AI,还面临诸多挑战。首先,数据质量控制与标准化是基础。来自不同设备与厂商的数据具有异构性,如何设定统一的元数据标准、质量打分机制与语义层级,决定了 RWM 能否跨域泛化。其次,隐私保护技术需在可验证性与效率之间权衡。零知识证明等加密手段能够提供强隐私保障,但通常伴随着计算与延迟开销,如何在延时敏感的场景保持实时性是技术难题。
第三,激励设计需要兼顾公平性与防作弊。代币奖励若被投机者操纵,或出现数据刷取、虚假设备等行为,将严重破坏生态信任。链上治理需要足够的弹性以应对恶意行为与模型演化带来的新问题。 监管层面也是不可忽视的变量。实时数据尤其是涉及个人健康、位置或行为的数据,往往触及隐私法规与数据主权法律。AI Foundry 如果要在全球范围内部署,需要与各国监管机构合作,确保合规性与跨境数据流通的合法性。
去中心化治理虽然可以减少单一公司控制风险,但也会带来责任归属不清的问题,如何在去中心化与合规性之间找到平衡是关键。 从商业落地角度看,行业应用场景广泛且有明显变现路径。面向企业客户,RWM 可以作为高可用的 AI 服务提供精准预测、实时优化与自动化控制,从而节省运营成本并提升效率。对于个人用户,AI Foundry 通过代币激励回馈数据贡献,使个人能在数据经济中获得直接收益,改写过往数据价值单向流向平台的局面。公共领域如智慧城市、交通调度、环境监测等亦可通过去中心化数据流与可验证模型提升公共服务的透明度与效率。 生态建设需要时间与协作。
AI Foundry 首阶段依赖创始对齐伙伴的工作组推动治理框架、数据标准化与技术实现;后续则预期引入更多行业参与者与社区贡献者,形成多方共治的生态网络。开源社区的参与对于算法透明度、模型验证与漏洞修复至关重要。只有在透明的治理与开放的技术基础上,RWM 才能赢得企业与公众的信任。 技术实现方面,AI Foundry 可能采用模块化架构,包括数据接入层、隐私保护层、验证与登记层、模型训练与推理层以及激励与结算层。数据接入层负责设备认证与数据上链,隐私保护层采用同态加密、差分隐私或零知识证明等方法保护敏感信息,验证与登记层在链上记录数据来源与质量评分,模型训练与推理层结合链下高性能计算资源与链上验证机制,激励与结算层通过智能合约完成代币分配与收益分成。模块化设计便于生态中不同参与方分别优化其擅长部分,同时保持标准接口以实现互操作性。
长期来看,去中心化 AI 的愿景并不仅限于替代单一公司的服务,而是希望建立一个公平、透明且可持续的 AI 基础设施层。若 AI Foundry 能成功吸引大量高质量实时数据与算力,并通过成熟的治理与激励机制维护生态健康,它将为行业提供一个可供其他项目复用的去中心化模型市场与数据交易平台。这样的市场能够降低进入门槛,鼓励更多中小企业与学术机构参与模型创新,从而推动 AI 技术多样化与社会价值最大化。 总之,IoTeX 推出的 AI Foundry 是去中心化 AI 领域一次具有野心的尝试。通过将实时物联网数据、去中心化身份认证、链上可审计记录与代币激励结合,AI Foundry 试图为现实世界问题提供更可信、可持续且公众可参与的解决路径。尽管面临技术、治理与监管等多重挑战,但若能在实践中逐步验证并优化机制,AI Foundry 有望成为去中心化 AI 生态的重要组成部分,为打破"封闭式 AI"的垄断模式提供实质性的替代方案,并推动数据权益回归用户、提高模型透明度与社会责任性。
未来需要观察的是生态的参与规模、数据质量控制能力、隐私保护与实时性之间的权衡,以及代币激励在实际运营中的表现与治理演进。 。
