Эволюция ИИ и криптовалют: DePIN решает проблему вычислительной мощности, Bittensor развивает интеллект, агенты ИИ меняют взаимодействие...

Автор: Исследовательский институт Web3 компании Go2Mars

Симбиоз алгоритмов и реестров: существенный сдвиг в глобальной технологической парадигме.

В третьем десятилетии XXI века сочетание искусственного интеллекта (ИИ) и криптовалют перестало быть просто комбинацией двух популярных терминов и превратилось в глубокую технологическую революцию. С учетом того, что глобальная рыночная капитализация криптовалют официально превысит отметку в 4 триллиона долларов в 2025 году, отрасль завершила свой переход от экспериментального нишевого рынка к важной части современной экономики.

Одним из ключевых факторов этой трансформации является глубокая конвергенция между искусственным интеллектом (ИИ) как чрезвычайно мощным уровнем принятия решений и обработки информации и блокчейном как прозрачным и защищенным от несанкционированного доступа уровнем исполнения и расчетов. Эта комбинация решает проблемы обоих подходов: ИИ находится на критическом этапе своей трансформации из централизованных гигантских монополий в децентрализованный и прозрачный «открытый интеллект»; в то время как криптоиндустрия, после постепенного улучшения своей инфраструктуры, остро нуждается в ИИ для решения таких проблем, как сложные взаимодействия в блокчейне, слабая безопасность и недостаточная практическая применимость.

С точки зрения потоков капитала, стратегическое расхождение во взглядах ведущих венчурных компаний также подтверждает эту тенденцию. Компания a16z Crypto завершила свой пятый раунд финансирования в размере 2 миллиардов долларов в 2025 году, твердо позиционируя пересечение ИИ и криптовалют как ядро ​​своей долгосрочной стратегии, полагая, что блокчейн является необходимой инфраструктурой для предотвращения цензуры и контроля со стороны ИИ.

Тем временем такие организации, как Paradigm, расширяют свои инвестиции в робототехнику и более широкий спектр искусственного интеллекта, стремясь извлечь выгоду из межотраслевого сотрудничества, обусловленного технологической конвергенцией. Согласно данным ОЭСР, к 2025 году венчурные инвестиции в ИИ составят 51% от общего объема глобальных инвестиций, а доля финансирования проектов, связанных с ИИ, в сфере Web3 также неуклонно растет, отражая широкое признание рынком концепции «децентрализованного интеллекта».

1. Реструктуризация инфраструктуры: децентрализованные вычислительные мощности и вычислительная целостность.

Между ненасытным спросом искусственного интеллекта на графические процессоры (GPU) и хрупкостью нынешней глобальной цепочки поставок существует внутреннее противоречие. Дефицит GPU, ставший нормой в период с 2024 по 2025 год, создал благодатную почву для бурного развития децентрализованных сетей физической инфраструктуры (DePIN).

1.1 Двойная эволюция рынка децентрализованных вычислений

В настоящее время децентрализованные вычислительные платформы в основном делятся на два лагеря.

Первая категория представлена ​​сетями Render Network (RNDR) и Akash Network (AKT), которые объединяют простаивающие вычислительные мощности графических процессоров по всему миру, создавая децентрализованный двусторонний рынок. Render Network стала эталоном для распределенного рендеринга на графических процессорах, не только снижая стоимость создания 3D-моделей, но и поддерживая задачи вывода ИИ посредством координации на основе блокчейна, позволяя создателям получать высокопроизводительные вычислительные мощности по более низкой цене. Akash, с другой стороны, совершила скачок вперед после 2023 года со своей основной сетью графических процессоров (Akash ML), позволяя разработчикам арендовать высокопроизводительные чипы для крупномасштабного обучения и вывода моделей.

Вторая категория — это новый тип вычислительного оркестрационного слоя, представленный Ritual. Уникальность Ritual заключается в его подходе: он не пытается напрямую заменить существующие облачные сервисы, а скорее служит открытым, модульным суверенным исполнительным слоем, встраивая модели ИИ непосредственно в среду выполнения блокчейна. Его продукт Infernet позволяет смарт-контрактам беспрепятственно вызывать результаты вывода ИИ, решая давнюю техническую проблему «невозможности нативного запуска ИИ в приложениях блокчейна».

1.2 Прорывы в технологиях обеспечения вычислительной целостности и верификации

В децентрализованных сетях проверка корректности выполнения вычислений является ключевой задачей. Технологические достижения в 2025 году будут в первую очередь сосредоточены на интегрированном применении машинного обучения с нулевым разглашением (ZKML) и доверенных сред выполнения (TEE).

Архитектура Ritual, разработанная с учетом независимости от системы доказательств, позволяет узлам выбирать между выполнением кода TEE или доказательствами ZK в зависимости от требований задачи. Эта гибкость гарантирует, что даже в сильно децентрализованной среде каждый результат вывода, сгенерированный моделью ИИ, будет отслеживаемым, проверяемым и гарантированно целостным.

2. Демократизация разведки: взлет Bittensor и товарный рынок

Появление Bittensor (TAO) знаменует собой новый этап в коммерциализации машинного интеллекта, объединяя ИИ и криптовалюты. В отличие от традиционных платформ с одним вычислительным блоком, Bittensor стремится создать механизм стимулирования, позволяющий различным моделям машинного обучения по всему миру взаимодействовать, учиться друг у друга и конкурировать за вознаграждение.

2.1 Консенсус Юмы: от лингвистического обучения к алгоритмам консенсуса

В основе Bittensor лежит консенсус Юмы (YC), механизм субъективного консенсуса полезности, вдохновленный прагматикой Грайса.

Логика работы YC предполагает, что эффективный участник сети, как правило, выдает правдивые, релевантные и информативные ответы, поскольку это оптимальная стратегия для максимизации вознаграждения в условиях системы поощрений. Технически, YC рассчитывает эмиссию токенов, взвешивая производительность майнеров на основе оценок валидаторов. Основная логика может быть представлена ​​следующей формулой LaTeX для распределения долей эмиссии:

Где E обозначает вознаграждение за эмиссию, Δ — ежедневное увеличение общего объема предложения, W — матрицу весов оценки валидаторов, а S — соответствующий вес стейкинга. Для предотвращения злонамеренного сговора или предвзятости YC вводит механизм ограничения, позволяющий снизить значения весов, превышающие эталон консенсуса, обеспечивая тем самым надежность системы.

2.2 Экономика субсетей и динамическая парадигма TAO

К 2025 году Bittensor превратился в многоуровневую архитектуру. Нижний уровень представляет собой реестр субтензоров, управляемый фондом OpenTensor, а верхний уровень состоит из десятков вертикально сегментированных подсетей, каждая из которых специализируется на определенных задачах, таких как генерация текста, прогнозирование звука и распознавание изображений.

Внедренный механизм «Динамический TAO» создает независимый резервный пул стоимости для каждой подсети посредством автоматизированного маркет-мейкера (AMM), цена которого определяется соотношением токенов TAO и Alpha:

Этот механизм обеспечивает автоматическое распределение ресурсов: подсети с высоким спросом и высококачественной продукцией будут привлекать больше стейкинга, тем самым получая более высокую долю ежедневных выбросов TAO. Такую конкурентную рыночную структуру образно называют «интеллектуальной олимпиадой», устраняющей неэффективные модели посредством естественного отбора.

3. Возникновение агентской экономики: ИИ-агенты как основная составляющая Web3

В течение цикла 2024-2025 годов агенты искусственного интеллекта претерпевают фундаментальную трансформацию, превращаясь из «вспомогательных инструментов» в «собственные сущности блокчейна». Эта эволюция отражается не только в возрастающей сложности технической архитектуры, но и в фундаментальном расширении их ролей и прав доступа в рамках экосистемы децентрализованных финансов (DeFi).

Ниже представлен подробный анализ этой тенденции:

3.1 Архитектура прокси: замкнутый цикл от данных до выполнения

Современные агенты искусственного интеллекта, работающие в блокчейне, — это уже не простые скрипты, а зрелые системы, построенные на трех сложных логических уровнях:

Слой ввода данных: Агент в режиме реального времени собирает данные из блокчейна, такие как пулы ликвидности и объемы торгов, через узлы блокчейна или API (например, Ethers.js), и объединяет их с оракулами (например, Chainlink) для ввода информации извне блокчейна, такой как настроения в социальных сетях и цены на централизованных биржах.

Слой принятия решений в области ИИ/машинного обучения: Агент использует сети долговременной кратковременной памяти (LSTM) для анализа ценовых тенденций или итеративного поиска оптимальной стратегии в сложных рыночных играх посредством обучения с подкреплением. Интеграция больших языковых моделей (LLM) также наделяет агента способностью понимать неоднозначные намерения человека.

Уровень взаимодействия с блокчейном: это ключ к достижению «финансовой автономии». Теперь агенты могут управлять некастодиальными кошельками, автоматически рассчитывать оптимальные комиссии за газ, обрабатывать одноразовые числа и даже интегрировать инструменты защиты от MEV (такие как Jito Labs) для предотвращения опережающей торговли в транзакциях.

3.2 Финансовые потоки и сделки между агентами

В своем отчете за 2025 год компания a16z особо выделила финансовые основы агентов ИИ — протокол x402 и аналогичные стандарты микроплатежей. Эти стандарты позволяют агентам оплачивать комиссию API или приобретать услуги у других агентов без участия человека. Например, экосистема Olas (ранее Autonolas) уже обрабатывает более 2 миллионов автоматизированных межагентских транзакций ежемесячно, охватывая широкий спектр задач, от DeFi-обменов до создания контента.

Экономические компоненты агента

Эта тенденция уже четко отражена в рыночных данных. С точки зрения темпов роста, рынок агентов искусственного интеллекта находится на пороге взрывного роста. Согласно данным исследования MarketsandMarkets, прогнозируется, что глобальный рынок агентов ИИ вырастет с 7,84 млрд долларов в 2025 году до 52,62 млрд долларов в 2030 году, при среднегодовом темпе роста (CAGR) в 46,3%. Кроме того, Grand View Research также представила аналогичный долгосрочный прогноз, оценивая размер рынка в 50,31 млрд долларов к 2030 году.

Тем временем формируются и стандартные инструменты для уровня разработки. Фреймворк ElizaOS, активно продвигаемый компанией a16z, стал инфраструктурой в области ИИ-агентов, сравнимой по статусу с "Next.js" во фронтенд-разработке. Он позволяет разработчикам легко развертывать ИИ-агентов с полными финансовыми возможностями на популярных социальных платформах, таких как X, Discord и Telegram. По состоянию на начало 2025 года общая рыночная стоимость проектов Web3, построенных на этом фреймворке, превысила 20 миллиардов долларов.

4. Вычисления в области конфиденциальности и защита личных данных: игра между FHE, TEE и ZKML

Конфиденциальность — один из самых сложных аспектов сочетания ИИ и криптовалют. Когда компании реализуют стратегии ИИ на публичных блокчейнах, они не хотят разглашать конфиденциальные данные или параметры своих основных моделей. В настоящее время в отрасли существуют три основных технических подхода: полностью гомоморфное шифрование (FHE), доверенные среды выполнения (TEE) и машинное обучение с нулевым разглашением (ZKML).

4.1 Путь индустриализации компаний Zama и FHE

Компания Zama, один из ведущих «единорогов» в этой области, разработала fhEVM, ставший стандартом для достижения «сквозного шифрования вычислений». FHE позволяет компьютерам выполнять математические операции без расшифровки данных, и результаты полностью соответствуют операциям с открытым текстом после расшифровки.

К 2025 году технологический стек Zama добился значительного скачка в производительности: 21-кратное ускорение для 20-слойных сверточных нейронных сетей (CNN) и 14-кратное ускорение для 50-слойных CNN. Этот прогресс позволил внедрить «конфиденциальные стейблкоины» (суммы транзакций шифруются для внешнего мира, но протокол все еще может проверять их легитимность) и «аукционы с закрытыми заявками» в таких популярных блокчейнах, как Ethereum.

4.2 Сочетание эффективности проверки ZKML с LLM

Машинное обучение с нулевым разглашением (ZKML) фокусируется на «верификации», а не на «вычислениях». Оно позволяет стороне доказать правильность реализации сложной модели нейронной сети без раскрытия входных данных или весов модели. Новейший протокол zkLLM обеспечивает сквозную верификацию вывода моделей с 13 миллиардами параметров, сокращая время генерации доказательства до менее чем 15 минут и размер доказательства до всего 200 КБ. Эта технология имеет решающее значение для дорогостоящих финансовых аудитов и медицинской диагностики.

4.3 Синергия TEE и GPU: возможности Hopper H100

По сравнению с FHE и ZKML, TEE (Trusted Execution Environment) обеспечивает производительность, близкую к нативной. Графические процессоры NVIDIA H100 предоставляют возможности конфиденциальных вычислений, изолируя память с помощью аппаратных межсетевых экранов, при этом накладные расходы на вывод обычно составляют менее 7%. Такие протоколы, как Ritual, активно используют TEE на базе графических процессоров для поддержки приложений ИИ, требующих низкой задержки и высокой пропускной способности.

Технологии конфиденциальных вычислений официально перешли от идеалистических концепций в лаборатории к новой эре «промышленного производства». Полностью гомоморфное шифрование (FHE), машинное обучение с нулевым разглашением (ZKML) и доверенные среды выполнения (TEE) больше не являются изолированными технологическими направлениями, а вместе составляют «модульный конфиденциальный стек» децентрализованного искусственного интеллекта.

Эта конвергенция коренным образом переписывает базовую логику Web3, что приводит к следующим трем ключевым выводам:

FHE — это базовый стандарт для HTTPS в Web3: благодаря таким компаниям-единорогам, как Zama, которые увеличивают вычислительную производительность в десятки раз, FHE совершает качественный скачок от «все общедоступно» к «шифрованию по умолчанию». Он решает проблему конфиденциальности обработки состояния в блокчейне, позволяя стейблкоинам с высокой степенью конфиденциальности и полностью устойчивым к MEV транзакционным системам перейти от теории к крупномасштабным приложениям, соответствующим требованиям.

ZKML — это математическая конечная точка алгоритмической подотчетности: «сингулярность ZKML», наступающая во второй половине 2025 года, знаменует собой резкое снижение затрат на проверку. Сжимая доказательство вывода для модели с 13 миллиардами параметров (13B) до менее чем 15 минут, ZKML обеспечивает «математическую согласованность» для важных финансовых аудитов и кредитных рейтингов, гарантируя, что ИИ больше не является ненадежным «черным ящиком».

TEE — это основа производительности агентской экономики: по сравнению с программными решениями, TEE на базе аппаратных средств, таких как NVIDIA H100, обеспечивает скорость выполнения, близкую к нативной, с накладными расходами менее 7%. В настоящее время это единственное экономичное решение, способное поддерживать сотни миллионов агентов ИИ, принимающих решения в режиме реального времени 24/7, обеспечивая безопасное хранение закрытых ключей и выполнение сложных политик в рамках аппаратного брандмауэра.

Будущая технологическая тенденция заключается не в успехе какого-либо одного направления, а в широком внедрении «гибридных конфиденциальных вычислений». В полноценном бизнес-процессе ИИ: TEE используется для крупномасштабного высокочастотного вывода моделей для обеспечения эффективности; ключевые узлы генерируют доказательства выполнения с помощью ZKML для обеспечения подлинности; а конфиденциальные финансовые данные (такие как остатки на счетах и ​​идентификаторы конфиденциальности) шифруются и хранятся с помощью FHE.

Эта «тройная» интеграция преобразует криптоиндустрию из «прозрачного реестра» в «суверенную интеллектуальную систему, обеспечивающую конфиденциальность», действительно открывая эру автоматизированной прокси-экономики стоимостью в триллионы долларов.

5. Промышленная безопасность и автоматизированный аудит: ИИ как «иммунная система» Web3

Криптовалютная индустрия долгое время терпела огромные убытки из-за уязвимостей смарт-контрактов. Внедрение ИИ меняет этот пассивный подход к защите, переводя дорогостоящий ручной аудит на мониторинг в реальном времени с помощью ИИ.

5.1 Инновации в статических и динамических инструментах аудита

К 2025 году такие инструменты, как Slither и Mythril, будут обладать глубоко интегрированными моделями машинного обучения, позволяющими сканировать контракты Solidity на предмет атак с повторным входом, самоубийственных функций или аномалий потребления газа со скоростью менее секунды. Кроме того, инструменты фаззинга, такие как Foundry и Echidna, используют ИИ для генерации экстремальных входных данных, выявляя глубоко скрытые логические уязвимости.

5.2 Система предотвращения угроз в режиме реального времени

Помимо аудита перед развертыванием, достигнут значительный прогресс в области защиты в режиме реального времени. Такие системы, как Guards AI от Guardrail и CUBE3.AI, могут отслеживать все ожидающие транзакции (Mempool) в разных блокчейнах и автоматически приостанавливать действие контрактов или блокировать вредоносные транзакции при обнаружении сигналов вредоносных атак (таких как атаки на управление или манипуляции с оракулами). Эта «проактивная защита» значительно снижает риск взлома для протоколов DeFi.

Практическая дорожная карта для разработки криптовалют с использованием ИИ.

В будущем цифровом пространстве интеграция ИИ и криптовалют — это уже не технологический эксперимент, а глубокая революция в отношении «эффективности производства» и «прав распределения богатства». Эта комбинация не только предоставляет ИИ независимо управляемый «кошелек», но и даёт криптовалютам автономный «мозг», совместно открывая многотриллионную эру автономной экономики.

Ниже представлена ​​диаграмма, иллюстрирующая основные преимущества и практическое применение этой интеграции на уровне предприятия и отдельных пользователей:

1. Уровень предприятия: от «снижения затрат и повышения эффективности» к «расширению границ бизнеса»

Для бизнеса сочетание ИИ и криптовалют в первую очередь решает структурные противоречия между высокими вычислительными затратами, уязвимой безопасностью системы и защитой конфиденциальности данных.

Резкое снижение затрат на инфраструктуру (эффект DePIN): благодаря распределенным вычислительным сетям (таким как Akash или Render) предприятия больше не ограничены дорогостоящей покупкой кластеров NVIDIA H100. Данные из реальной практики показывают, что аренда простаивающих графических процессоров по всему миру может снизить затраты на 39–86% по сравнению с традиционными поставщиками облачных услуг. Эта «свобода вычислений» позволяет стартапам позволить себе тонкую настройку и обучение сверхкрупномасштабных моделей.

Автоматизация и доступность барьеров безопасности: традиционный аудит контрактов отнимает много времени и обходится дорого. Теперь, благодаря внедрению агентов безопасности на основе искусственного интеллекта, управляемых нейронными сетями, таких как AuditAgent, предприятия могут обеспечить «мониторинг-сторож» на протяжении всего жизненного цикла разработки. Они могут выявлять логические уязвимости, такие как атаки с повторным входом, в момент фиксации кода и автоматически активировать автоматические выключатели контрактов непосредственно на уровне пула памяти в момент отдачи команды хакером, защищая активы протокола от потери.

«Зашифрованные вычисления» ключевых коммерческих секретов: используя полностью гомоморфное шифрование (FHE) и сети «слепых вычислений», такие как Nillion, предприятия могут запускать стратегии ИИ на публичных блокчейнах, не раскрывая основные параметры модели и конфиденциальные данные клиентов. Это не только обеспечивает суверенитет данных, но и позволяет финансовым и медицинским данным, которые ранее подвергались рискам соблюдения нормативных требований, попадать в децентрализованные сети для совместной работы.

2. На личном уровне: от «финансовой слепоты» к «интеллектуальной суверенной экономике»

Для частных пользователей интеграция ИИ и криптовалют означает полное устранение технических барьеров и открытие совершенно новых источников дохода.

«Частные банкиры», управляемые намерениями: в будущем пользователям больше не нужно будет разбираться в комиссиях за транзакции или межсетевых мостах. ИИ-агенты, построенные на таких фреймворках, как ElizaOS, обеспечат «радикальную абстракцию» — достаточно будет сказать: «Вложите эти 1000 долларов в самое безопасное место с самой высокой процентной ставкой», и ИИ будет автономно отслеживать годовую доходность всей сети и автоматически закрывать позиции при колебаниях рисков. Обычные люди теперь смогут пользоваться услугами управления активами на уровне хедж-фондов высшего уровня.

Фермерство данных: ваш цифровой след больше не используется гигантами. С помощью таких платформ, как Synesis One, пользователи могут участвовать в программе "Train2Earn", предоставляя размеченные данные для обучения ИИ и напрямую получая вознаграждение в токенах. Они даже могут хранить NFT Kanon, чтобы получать пассивные дивиденды каждый раз, когда ИИ обращается к определенному термину знаний, по-настоящему реализуя концепцию "данные как актив".

Максимальная защита конфиденциальности и личности: используя Worldcoin или криптографические протоколы идентификации, вы можете доказать, что вы человек, а не ИИ, одновременно используя вычислительные сети, обеспечивающие конфиденциальность, для защиты вашего личного расписания, домашнего адреса и другой конфиденциальной информации от утечки поставщикам услуг ИИ. Эта модель «слепого взаимодействия» гарантирует, что, пользуясь удобствами ИИ, вы сохраняете абсолютное право на определение своего цифрового суверенитета.

Эта двусторонняя архитектурная эволюция доверяет «доверие» блокчейну, а «эффективность» — искусственному интеллекту. Она не только перестраивает конкурентные преимущества предприятий, но и создает лестницу для доступа каждого обычного человека к интеллектуальной суверенной экономике.

Прогнозирование эволюции: на пути к новой эре «интеллектуальных реестров»

Вкратце, как можно лучше интегрировать ИИ с криптовалютами? Ответ кроется в переходе от «простого набора инструментов» к «глубокой архитектурной взаимосвязи».

Во-первых, блокчейн должен эволюционировать в платформу, способную поддерживать крупномасштабные вычисления. Усилия таких протоколов, как Ritual и Starknet, делают ZKML таким же простым, как вызов стандартной библиотеки.

Во-вторых, агенты ИИ должны стать легитимными субъектами в экономической жизни. С популяризацией стандартов идентификации, таких как ERC-8004, мы увидим «умную сеть», состоящую из сотен миллионов агентов, участвующих в конкуренции за ресурсы и обмене ценностями на блокчейне круглосуточно.

Наконец, эта конвергенция изменит финансовый суверенитет человека. Платежи с сохранением конфиденциальности через FHE, справедливое распределение ресурсов среди создателей посредством протоколов отслеживания и алгоритмическая демократизация через такие торговые площадки, как Bittensor, в совокупности представляют собой план для более справедливой, эффективной и децентрализованной цифровой экономики будущего.

В этой затяжной технологической гонке криптоиндустрия предлагает нечто большее, чем просто финансирование; она предоставляет философскую основу для «прозрачности» и «доверия». Искусственный интеллект, в свою очередь, обеспечивает «мозг», благодаря которому эти основы действительно функционируют.

С наступлением 2026 года эта конвергенция не ограничится миром технологий, а охватит миллиарды обычных пользователей по всему миру благодаря более интуитивно понятным интерфейсам искусственного интеллекта.