区块链+人工智能行业整体分析
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。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。
区块链解决人工智能行业痛点
● 数据：被大型机构垄断，数据标注质量差
互联网巨头，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，需要对数据进 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般会有数百人的标注团队，但标注多 为外包，缺乏专业培训和实时指导，导致被标注的数据质量差。
区块链如何解决：区块链是一种以密码学技术为基础，以去中心化的方式，对大 量数据进行组织和维护，用户控制自己的数据，打破科技巨头垄断数据的现状。 区块链上的数据全部都附有相关人不可伪造的数字签名，区块链还具有完全公开、 高可靠性、去信任等诸多优点，可以实现全球数据共享和溯源，使得构建更高规 模、更高质量、可控制权限、可审计的全球去中心化人工智能数据标注平台成为可能。
● 算力：硬件成本高
在工业领域需要大量的图片、视频输入以及场景训练，需要极大的运算量，普 通人工智能科技公司需要百万以上的资金购置GPU、FPGA等硬件资源，对于 大部分中小型企业来说，负担太大。
区块链如何解决：把分布式挖矿与人工智能结合，将大型GPU或者FPGA服务 器集群、中小型企业闲散的空余 GPU 放服务器以及个人闲置 GPU 作为计算节 点，利用区块链技术通过共享算力，为人工智能提供算力供给。
● 算法：人才短缺，研发进度缓慢
算法是逻辑的表现，目前的困境在于缺乏专家，一个博士生大概需要五年的时 间培养，但是五年前还没有博士生开始从事深度学习，所以该领域的专家极度 稀缺。
区块链如何解决：搭建发布机器学习任务的平台，利用群体智慧优化人工智能算法，一套算法由多个人工智能专家更新维护，不再是由一家公司决定一套算法。
区块链+人工智能类项目
● 数据类项目
数据服务涉及到数据来源、数据存储、数据安全保护及防数据造假、数据清洗标 注。
1）数据来源：为保证用户隐私，所有区块链+AI项目中的数据来源均是用户、 或者机构自主提供，而非网络爬龋
2）数据存储及交易：解决方案可概括为利用区块链的分布式特点，采用分布 式存储方案，对于提供存储能力的节点，提供代币激励，个人或单位可以加入 网络，成为节点的贡献者，登记并提供节点存储能力，包括容量、接口、存储 类型以及相应的SLA（ServiceLevelAggrement）。对于个人隐私数据，用户 可以上传到用户本地节点，利用私钥限制访问权限.
3）数据安全保护及防数据造假：目前使用密码学的公私钥技术，验证数据的来 源，判断数据提供者的身份，验证数据的有效性。
4）数据清洗标注：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。
● 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基础人工智能运行环境，参 与算力的贡献，然后算力购买方与算力出售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计算资源，算力分配的做法是将计算任 务拆解分配给大量计算机并行计算。
● 算法类项目
算法项目技术模式包括：
1）改善算法：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，即利用群体智慧改善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）改善区块链：当前区块链设计固定，区块链参数不能灵活调整且智能合 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。
