可能還有玩家不知道為什麼炒 AI 概念的時候要帶上 NEAR。一個冷知識，NEAR 一開始是一家 AI 公司。聯創一龍哥（Illia Polosukhin）在 AI 領域有近 10 年的經驗，也是《Attention is All You Need》這篇劃時代論文的八作者之一。

他和另一名聯創 Alex Skidanov 在 2017 年創辦 NEAR.ai，是想要打造第一個「AI 程序員」。人們可以用自然語言和計算機交流，而計算機則會自動進行編程。鑒於當時 AI 模型能力有限，這個嘗試以失敗告終。

這個過程中，他們接觸到智能合約，覺得它是編程的一個有趣子集，但區塊鏈技術存在太多其他挑戰。於是，NEAR 在 2018 年決定戰略轉型，先構建一個真正有用的去中心化開發平台 NEAR Protocol。原本估計這個轉型只需 6 個月，之後就可以回到 AI 技術的研發，但一轉眼就是 6 年過去。別的區塊鏈項目現在做 AI 是「戰略轉型」，而 NEAR 則是終於回到了它的老本行。

NEAR 官網近日公布了其 AI 技術棧，分為三個主要層次：應用層、基礎設施與模型層、數據層。

在這三層技術架構下，NEAR 已經聚集起 11 個最新的生態 AI 項目。接下來，BlockBeats 將為你簡要梳理一下這 11 個項目，看一下 NEAR 的 AI 生態版圖究竟如何了。

應用層：Bitte、Cosmose、Jutsu

Bitte：AI Agent 錢包

AI Agent 是當前比較熱門的一個 AI 應用發展方向。普遍的共識是，未來區塊鏈上會有各種各樣的 AI Agent 代替人類執行各種交易操作。

Bitte 在相關基礎設施還不完善的情況下，試圖用已有的技術往前邁進一小步。通過接入 OpenAI 的模型 API，Bitte 讓用戶可以在一個和 ChatGPT 類似的聊天窗口界面下，用自然語言的 Prompt 命令 Agent 完成各種鏈上操作。

比如，用戶輸入「Mint an NFT with AI of a rocket going to the moon」，Bitte 就會調用 DALL-E 3 的 API 生成一張火箭登月的圖像並在 NEAR 區塊鏈上進行鑄造。除此之外，用戶還可以讓 Agent 替自己 Swap 和轉移代幣、創建合約和 NFT 集和等等。

Bitte 錢包由 Mintbase 團隊開發，這是一個 2022 年在 NFT 熱潮中誕生的項目，詳情可閱讀《Mintbase：Near 上的 NFT 格子鋪 ｜項目介紹》。

Cosmose AI：AI 導購平台

Cosmose AI 是一家用 AI 預測和影響人們線下購物方式的電商公司，去年 4 月獲得了 NEAR 基金會的投資。與 NEAR 基金會達成合作後，Cosmose 旗下的電商平台 KaiKai 推出了用於支付、現金返還和獎勵的加密貨幣：Kai-Ching（KAIC）。這是一個在 Near 網路上運行的原生穩定幣，1 KAIC 等於 0.01 美元，目前僅能在其應用程序內使用。

Jutsu：AI Agent 市場

這個項目目前還處於白皮書階段，按照文檔中展示的構想，它想要做的類似於 ChatGPT 推出的 GPT Store。開發者可以在上面發布構建好的 AI Agent，用戶需要用其平台幣 JUT 付費使用這些 Agent。

這是一個去年 ETH Denver 出來的駭客松項目，一開始是一個叫「NEARpad」的開發者開發工具。

基礎設施與模型層：Exabits、Hyperbolic、Nevermined、Pond

Exabits/Hyperbolic：GPU 算力租賃平台

Exabits 和 Hyperbolic 這兩個都想要做 NEAR 上的 io.net，也都入選了 NEAR Horizon AI 首期孵化計劃。

經歷了年初到現在各種 GPU 算力土狗項目的狂轟濫炸，再看到做 GPU 算力租賃的項目已經有點審美疲勞了。但一個鏈想要有打造自己的 AI 生態，必須得有自己鏈上的 GPU 算力租賃平台。

目前，這兩個項目都還沒有發布運行節點或提供算力的任務。挖完io.net找不到項目可以挖的朋友，可以關注一下這兩個項目。

Nevermined：AI 支付協議

Nevermined 是一個讓 AI 開發者可以自行貨幣化其各種產品的支付平台，包括 AI 模型、 AI 代理和數據集等等。通過創建智能訂閱，開發者在其中指定 AI 產品的訪問參數，例如價格、時間限制，基本上就是將 Web2 訂閱平台的功能用 NFT 的形式搬到了鏈上。

目前，Nevermined 應用程序部署在 Polygon、Gnosis 和 Arbitrum 網路上，未來應該會擴展到 NEAR 上作為支付類基礎設施支撐平台 AI 生態的發展。

Pond：去中心化 GNN 模型

不同於 Transformer 是為處理序列數據（如自然語言）而設計，圖神經網路（GNN）是一種專門用於處理和分析圖結構數據而設計的神經網路，廣泛應用於社交網路分析、化學分子屬性預測、知識圖譜、推薦系統等領域。相比於 Transformer，GNN 更適合捕捉圖的局部結構和節點間的複雜關係。

Pond 說它正在構建首個去中心化的圖神經網路（GNN）模型，試圖從區塊鏈的數據中學習到用戶和合約的互動模式，並基於學習到的鏈上行為模式預測用戶未來的行為。乍一聽似乎很牛逼，但說實話 GNN 在 Transformer 出來之前就已經發展很成熟了，也早就有一些將它用在區塊鏈數據分析中的研究和嘗試了，但侷限於洗錢和釣魚交易檢測。這個新的模型到底能不能青勝於藍，還得看它實際做出來是啥效果。

數據層：Masa、MIZU、Nillion、Ringfence

Masa Network：去中心化數據市場

Masa 是 Avalanche 上的一個子網，允許用戶通過運行工作節點來貢獻數據和計算資源來獲取代幣獎勵。這些工作節點會對 Twitter、Discord 和播客等大量數據源，進行抓取、結構化、轉換、注釋和矢量化。開發者（Oracle 節點）通過訪問這些數據和 LLM 服務來構建人工智慧應用程序。

不過這並不是這個項目最大的噱頭。除了上面的「Node to Earn」，Masa 之前一直在宣傳「Surf to Earn」。轉型 AI 之前，Masa 本來做的是一個基於 SBT（靈魂綁定代幣）的去中心化信用評分協議。後來創新性地提出了 zkSBT（零知識靈魂綁定代幣）的概念。不同於傳統的網站 Cookie，用戶通過 zkSBT 可以完全匿名地共享其網站瀏覽數據用於數據分析和模型訓練，從而獲取代幣獎勵。為此，Masa 計劃推出一個 Chrome 擴展程序，但這個 Chrome 擴展程序似乎比想象中更難推出。

MIZU：去中心化合成數據生成網路

不知道為什麼，每個項目都喜歡強調自己是各種各樣的第一。Mizu 說它是第一個也是最大的去中心化開放數據網路，其實也就是一個去中心化的合成數據生成網路。在用戶貢獻的數據集基礎上，網路激勵社區構建提示詞去生成大量合成數據，經過驗證後提交到數據儲存庫中，從而彌補現實世界數據的不足，並提供更具針對性的訓練數據。路線圖上說 8 月份會上線測試網，感興趣的可以關注一下。數據應該會成為繼算力之後，去中心化 AI 又一個新的重點基建賽道。

Nillion：去中心化安全計算網路

Nillion 是一個去中心化的公共網路，旨在處理安全計算和數據儲存，而無需依賴區塊鏈技術。它引入了一種新型的密碼學原語，稱為 Nil Message Compute (NMC)，使網路中的節點能夠以安全和私密的方式處理數據，無需相互通信或維護像傳統區塊鏈那樣的不可變賬本。NMC 是 Nillion 背後的核心技術。它使網路能夠將數據分割並分布在各個節點上，在不需要解密的情況下對數據進行安全計算，從而在保護隱私的同時實現接近中心化服務器的處理速度。

總的來說，Nillion 提出了一種新的密碼學原語，在私密 AI 模型推理和訓練等方面具有非常大的應用潛力。

Ringfence：數據資貨幣化平台

AI 公司抓取用戶數據進行模型訓練，一直是個比較有爭議的事情。創作者的權益在這種模式下很難得到保障，Ringfence 對此提出了一個有創意的解決方案——rNFT。用戶上傳到平台上的數據都會變成 NFT 資產，以 NFT 的形式進行授權使用。

傳統 NFT 通常代表對單一物品的所有權，而 rNFT 則類似一個文件夾或集合，包含了多個子 NFT（稱為 cNFT）。通過智能合約，rNFT 的所有者可以方便地將整個 rNFT 或其中特定組件進行商業授權。

Ringfence 平台允許用戶貢獻 rNFT 用於神經網路訓練，並獲得獎勵，其長期目標是構建第一個 100% 授權工作訓練的神經網路。

總結

通篇梳理下來，可以發現原生於 NEAR 生態的 AI 項目還並不多，很多都是以合作的名義強行納進其 AI 生態版圖的。這些項目絕大多數仍停留在概念驗證的階段，離正式上線還需要很多努力。

可以說，比起 Arweave 用新項目 AO 一舉證明其轉型 AI 的決心和實力，NEAR 在 AI 上的回歸要明顯低調得多。很多人對 NEAR 的認識還停留在「一個高性能公鏈」上，在他們眼裡 NEAR 和 AI 的關聯好像就剩下 Illia 這個創始人。但其實 NEAR 一直在以着眼全局的方式去持續做好 AI 的基礎設施建設，比如其大力提倡的鏈抽象（Chain Abstraction）就對於未來 Agent 全面引入鏈上十分關鍵。

可以說 NEAR 做 AI 不缺招牌，不缺技術，也不缺資金。但如何去打響自己的 AI 名片，培育一個完整有活力的 AI 生態，是 NEAR 在咣咣砸 AI 基建之外需要認真對待的一個難題。

原文連結