Penggabungan Web3 dan AI: Membangun Infrastruktur Internet Generasi Berikutnya
Sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, Web3 memiliki peluang integrasi alami dengan AI. Dalam arsitektur terpusat tradisional, sumber daya komputasi dan data AI dikendalikan secara ketat, menghadapi berbagai tantangan seperti kendala daya komputasi, kebocoran privasi, dan kotak hitam algoritma. Sementara itu, Web3, yang didasarkan pada teknologi terdistribusi, memberikan dorongan baru untuk pengembangan AI melalui jaringan daya komputasi bersama, pasar data terbuka, dan komputasi privasi. Pada saat yang sama, AI juga dapat memberikan banyak pemberdayaan untuk Web3, seperti optimasi kontrak pintar dan algoritma anti-kecurangan, mendukung pembangunan ekosistemnya. Menjelajahi kombinasi Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya dan melepaskan nilai data dan daya komputasi.
Data-Driven: Dasar yang Kuat untuk AI dan Web3
Data adalah kekuatan pendorong utama perkembangan AI, bagaikan bahan bakar bagi mesin. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk memperoleh pemahaman yang mendalam dan kemampuan penalaran yang kuat. Data tidak hanya menyediakan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.
Model pengambilan dan pemanfaatan data AI terpusat tradisional memiliki masalah utama berikut:
Biaya pengambilan data yang tinggi, sulit bagi UKM untuk memikulnya
Sumber data didominasi oleh raksasa teknologi, membentuk pulau data
Risiko kebocoran dan penyalahgunaan privasi data pribadi
Web3 dapat menyelesaikan titik nyeri model tradisional dengan paradigma data terdesentralisasi yang baru:
Pengguna dapat menjual jaringan yang tidak terpakai kepada perusahaan AI, secara terdesentralisasi mengumpulkan data jaringan, untuk menyediakan data nyata dan berkualitas tinggi untuk pelatihan model AI.
Mengadopsi model "label to earn", dengan insentif token untuk pekerja global berpartisipasi dalam penandaan data, mengumpulkan pengetahuan profesional global, dan meningkatkan kemampuan analisis data.
Platform perdagangan data blockchain menyediakan lingkungan perdagangan yang terbuka dan transparan bagi kedua belah pihak yang membutuhkan dan menyediakan data, mendorong inovasi dan berbagi data.
Namun, ada beberapa masalah dalam pengambilan data di dunia nyata, seperti kualitas data yang bervariasi, kesulitan dalam pengolahan, serta kurangnya keberagaman dan representativitas. Data sintetis mungkin menjadi bintang masa depan dalam jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat mensimulasikan atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Dalam bidang seperti mengemudi otomatis, perdagangan pasar keuangan, dan pengembangan game, data sintetis telah menunjukkan potensi aplikasi yang matang.
Perlindungan Privasi: Peran FHE dalam Web3
Di era yang didorong oleh data, perlindungan privasi telah menjadi fokus perhatian global. Penerapan regulasi seperti Peraturan Perlindungan Data Umum Uni Eropa (GDPR) mencerminkan penjagaan yang ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan secara maksimal karena risiko privasi, membatasi potensi dan kemampuan penalaran model AI.
FHE adalah enkripsi homomorfik penuh, yang memungkinkan operasi perhitungan dilakukan langsung pada data terenkripsi tanpa perlu mendekripsi data, dan hasil perhitungan sama dengan hasil perhitungan yang dilakukan pada data plaintext.
FHE memberikan perlindungan yang kuat untuk komputasi privasi AI, memungkinkan kekuatan GPU untuk melakukan pelatihan model dan tugas inferensi dalam lingkungan tanpa menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI, dapat membuka layanan API dengan aman sambil melindungi rahasia dagang.
FHEML mendukung pemrosesan data dan model yang terenkripsi sepanjang siklus pembelajaran mesin, memastikan keamanan informasi sensitif dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data dan menyediakan kerangka komputasi yang aman untuk aplikasi AI.
FHEML adalah pelengkap ZKML, ZKML membuktikan eksekusi machine learning yang benar, sedangkan FHEML menekankan perhitungan pada data terenkripsi untuk menjaga privasi data.
Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi
Kompleksitas komputasi sistem AI saat ini meningkat dua kali lipat setiap 3 bulan, menyebabkan permintaan daya komputasi melonjak, jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model AI besar tertentu membutuhkan daya komputasi yang sangat besar, setara dengan waktu pelatihan 355 tahun pada satu perangkat. Kekurangan daya komputasi seperti ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI canggih menjadi tidak terjangkau bagi sebagian besar peneliti dan pengembang.
Sementara itu, tingkat pemanfaatan GPU global kurang dari 40%, ditambah dengan perlambatan peningkatan kinerja mikroprosesor, serta kekurangan chip yang disebabkan oleh faktor rantai pasokan dan geopolitik, semua ini membuat masalah pasokan daya komputasi semakin parah. Para praktisi AI terjebak dalam dilema: membeli perangkat keras sendiri atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan ekonomis.
Sebuah jaringan komputasi AI terdesentralisasi menggabungkan sumber daya GPU yang tidak terpakai di seluruh dunia untuk menyediakan pasar komputasi yang ekonomis dan mudah diakses bagi perusahaan AI. Pihak yang membutuhkan komputasi dapat memposting tugas komputasi di jaringan, kontrak pintar akan membagikan tugas tersebut kepada node penambang yang menyumbangkan daya komputasi, penambang melaksanakan tugas dan mengirimkan hasilnya, setelah diverifikasi mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi pemanfaatan sumber daya dan membantu mengatasi masalah bottleneck daya komputasi di bidang seperti AI.
Selain jaringan kekuatan terdesentralisasi yang umum, ada juga platform yang fokus pada pelatihan AI, serta jaringan kekuatan khusus yang fokus pada inferensi AI.
Jaringan daya komputasi terdesentralisasi menyediakan pasar daya komputasi yang adil dan transparan, memecahkan monopoli, menurunkan ambang aplikasi, dan meningkatkan efisiensi penggunaan daya komputasi. Dalam ekosistem web3, jaringan daya komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung, dan bersama-sama mendorong perkembangan dan penerapan teknologi AI.
DePIN: Web3 memberdayakan Edge AI
Bayangkan, ponsel Anda, jam tangan pintar, bahkan perangkat pintar di rumah Anda, semuanya memiliki kemampuan untuk menjalankan AI—itulah daya tarik Edge AI. Ini memungkinkan pengolahan data terjadi di sumbernya, menghasilkan latensi rendah dan pemrosesan waktu nyata, sambil melindungi privasi pengguna. Teknologi Edge AI telah diterapkan dalam bidang kunci seperti mobil otonom.
Dalam bidang Web3, kami memiliki nama yang lebih akrab—DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, DePIN dapat meningkatkan perlindungan privasi pengguna dan mengurangi risiko kebocoran data dengan memproses data secara lokal; mekanisme ekonomi Token asli Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.
Saat ini, DePIN berkembang pesat dalam ekosistem blockchain tertentu, menjadi salah satu platform blockchain pilihan untuk penyebaran proyek. TPS tinggi, biaya transaksi rendah, dan inovasi teknologi dari blockchain ini memberikan dukungan yang kuat untuk proyek DePIN. Saat ini, nilai pasar proyek DePIN di blockchain ini telah melebihi 10 miliar USD, dan beberapa proyek terkenal telah mencapai kemajuan yang signifikan.
IMO: Paradigma Baru Peluncuran Model AI
Konsep IMO pertama kali diusulkan oleh suatu protokol, yang men-tokenisasi model AI.
Dalam mode tradisional, karena tidak adanya mekanisme berbagi pendapatan, setelah model AI dikembangkan dan diluncurkan ke pasar, pengembang sering kali sulit untuk mendapatkan pendapatan berkelanjutan dari penggunaan model tersebut, terutama setelah model tersebut diintegrasikan ke dalam produk dan layanan lain, pencipta asli sulit untuk melacak penggunaan, apalagi mendapatkan pendapatan dari situ. Selain itu, kinerja dan efektivitas model AI sering kali kurang transparan, yang menyulitkan calon investor dan pengguna untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model tersebut.
IMO menyediakan dukungan pendanaan dan cara berbagi nilai yang baru untuk model AI sumber terbuka, di mana investor dapat membeli token IMO dan berbagi keuntungan yang dihasilkan oleh model di masa depan. Sebuah protokol menggunakan dua standar ERC, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan bahwa pemegang token dapat berbagi keuntungan.
Mode IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, beradaptasi dengan tren pasar kripto, dan memberikan dorongan bagi pengembangan berkelanjutan teknologi AI. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan meningkatnya penerimaan pasar dan meluasnya jangkauan partisipasi, inovasi dan nilai potensinya patut untuk kita nantikan.
Agen AI: Era Baru Pengalaman Interaksi
Agen AI dapat merasakan lingkungan, berpikir secara mandiri, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang ditetapkan. Dengan dukungan model bahasa besar, Agen AI tidak hanya dapat memahami bahasa alami, tetapi juga merencanakan keputusan dan melaksanakan tugas-tugas kompleks. Mereka dapat berfungsi sebagai asisten virtual, belajar dari preferensi pengguna melalui interaksi, dan memberikan solusi yang dipersonalisasi. Tanpa instruksi yang jelas, Agen AI juga dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.
Sebuah platform aplikasi asli AI menyediakan kumpulan alat kreatif yang komprehensif dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi, penampilan, suara robot, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk membangun ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif, memberdayakan individu untuk menjadi pencipta super. Platform tersebut melatih model bahasa besar khusus, menjadikan peran lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, mengurangi biaya sintesis suara hingga 99%, dan kloning suara hanya memerlukan 1 menit untuk direalisasikan. Dengan AI Agent yang disesuaikan oleh platform ini, saat ini dapat diterapkan dalam berbagai bidang seperti obrolan video, pembelajaran bahasa, dan generasi gambar.
Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi pada lapisan infrastruktur, seperti bagaimana mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana mengelola model di blockchain, bagaimana meningkatkan penggunaan daya komputasi terdesentralisasi secara efisien, serta bagaimana memverifikasi model bahasa besar dan masalah kunci lainnya. Seiring dengan perbaikan bertahap infrastruktur ini, kita memiliki alasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Web3 dan AI Bersinergi: Lima Teknologi Inti untuk Membangun Infrastruktur Internet Generasi Berikutnya
Penggabungan Web3 dan AI: Membangun Infrastruktur Internet Generasi Berikutnya
Sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, Web3 memiliki peluang integrasi alami dengan AI. Dalam arsitektur terpusat tradisional, sumber daya komputasi dan data AI dikendalikan secara ketat, menghadapi berbagai tantangan seperti kendala daya komputasi, kebocoran privasi, dan kotak hitam algoritma. Sementara itu, Web3, yang didasarkan pada teknologi terdistribusi, memberikan dorongan baru untuk pengembangan AI melalui jaringan daya komputasi bersama, pasar data terbuka, dan komputasi privasi. Pada saat yang sama, AI juga dapat memberikan banyak pemberdayaan untuk Web3, seperti optimasi kontrak pintar dan algoritma anti-kecurangan, mendukung pembangunan ekosistemnya. Menjelajahi kombinasi Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya dan melepaskan nilai data dan daya komputasi.
Data-Driven: Dasar yang Kuat untuk AI dan Web3
Data adalah kekuatan pendorong utama perkembangan AI, bagaikan bahan bakar bagi mesin. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk memperoleh pemahaman yang mendalam dan kemampuan penalaran yang kuat. Data tidak hanya menyediakan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.
Model pengambilan dan pemanfaatan data AI terpusat tradisional memiliki masalah utama berikut:
Web3 dapat menyelesaikan titik nyeri model tradisional dengan paradigma data terdesentralisasi yang baru:
Namun, ada beberapa masalah dalam pengambilan data di dunia nyata, seperti kualitas data yang bervariasi, kesulitan dalam pengolahan, serta kurangnya keberagaman dan representativitas. Data sintetis mungkin menjadi bintang masa depan dalam jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat mensimulasikan atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Dalam bidang seperti mengemudi otomatis, perdagangan pasar keuangan, dan pengembangan game, data sintetis telah menunjukkan potensi aplikasi yang matang.
Perlindungan Privasi: Peran FHE dalam Web3
Di era yang didorong oleh data, perlindungan privasi telah menjadi fokus perhatian global. Penerapan regulasi seperti Peraturan Perlindungan Data Umum Uni Eropa (GDPR) mencerminkan penjagaan yang ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan secara maksimal karena risiko privasi, membatasi potensi dan kemampuan penalaran model AI.
FHE adalah enkripsi homomorfik penuh, yang memungkinkan operasi perhitungan dilakukan langsung pada data terenkripsi tanpa perlu mendekripsi data, dan hasil perhitungan sama dengan hasil perhitungan yang dilakukan pada data plaintext.
FHE memberikan perlindungan yang kuat untuk komputasi privasi AI, memungkinkan kekuatan GPU untuk melakukan pelatihan model dan tugas inferensi dalam lingkungan tanpa menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI, dapat membuka layanan API dengan aman sambil melindungi rahasia dagang.
FHEML mendukung pemrosesan data dan model yang terenkripsi sepanjang siklus pembelajaran mesin, memastikan keamanan informasi sensitif dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data dan menyediakan kerangka komputasi yang aman untuk aplikasi AI.
FHEML adalah pelengkap ZKML, ZKML membuktikan eksekusi machine learning yang benar, sedangkan FHEML menekankan perhitungan pada data terenkripsi untuk menjaga privasi data.
Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi
Kompleksitas komputasi sistem AI saat ini meningkat dua kali lipat setiap 3 bulan, menyebabkan permintaan daya komputasi melonjak, jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model AI besar tertentu membutuhkan daya komputasi yang sangat besar, setara dengan waktu pelatihan 355 tahun pada satu perangkat. Kekurangan daya komputasi seperti ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI canggih menjadi tidak terjangkau bagi sebagian besar peneliti dan pengembang.
Sementara itu, tingkat pemanfaatan GPU global kurang dari 40%, ditambah dengan perlambatan peningkatan kinerja mikroprosesor, serta kekurangan chip yang disebabkan oleh faktor rantai pasokan dan geopolitik, semua ini membuat masalah pasokan daya komputasi semakin parah. Para praktisi AI terjebak dalam dilema: membeli perangkat keras sendiri atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan ekonomis.
Sebuah jaringan komputasi AI terdesentralisasi menggabungkan sumber daya GPU yang tidak terpakai di seluruh dunia untuk menyediakan pasar komputasi yang ekonomis dan mudah diakses bagi perusahaan AI. Pihak yang membutuhkan komputasi dapat memposting tugas komputasi di jaringan, kontrak pintar akan membagikan tugas tersebut kepada node penambang yang menyumbangkan daya komputasi, penambang melaksanakan tugas dan mengirimkan hasilnya, setelah diverifikasi mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi pemanfaatan sumber daya dan membantu mengatasi masalah bottleneck daya komputasi di bidang seperti AI.
Selain jaringan kekuatan terdesentralisasi yang umum, ada juga platform yang fokus pada pelatihan AI, serta jaringan kekuatan khusus yang fokus pada inferensi AI.
Jaringan daya komputasi terdesentralisasi menyediakan pasar daya komputasi yang adil dan transparan, memecahkan monopoli, menurunkan ambang aplikasi, dan meningkatkan efisiensi penggunaan daya komputasi. Dalam ekosistem web3, jaringan daya komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung, dan bersama-sama mendorong perkembangan dan penerapan teknologi AI.
DePIN: Web3 memberdayakan Edge AI
Bayangkan, ponsel Anda, jam tangan pintar, bahkan perangkat pintar di rumah Anda, semuanya memiliki kemampuan untuk menjalankan AI—itulah daya tarik Edge AI. Ini memungkinkan pengolahan data terjadi di sumbernya, menghasilkan latensi rendah dan pemrosesan waktu nyata, sambil melindungi privasi pengguna. Teknologi Edge AI telah diterapkan dalam bidang kunci seperti mobil otonom.
Dalam bidang Web3, kami memiliki nama yang lebih akrab—DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, DePIN dapat meningkatkan perlindungan privasi pengguna dan mengurangi risiko kebocoran data dengan memproses data secara lokal; mekanisme ekonomi Token asli Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.
Saat ini, DePIN berkembang pesat dalam ekosistem blockchain tertentu, menjadi salah satu platform blockchain pilihan untuk penyebaran proyek. TPS tinggi, biaya transaksi rendah, dan inovasi teknologi dari blockchain ini memberikan dukungan yang kuat untuk proyek DePIN. Saat ini, nilai pasar proyek DePIN di blockchain ini telah melebihi 10 miliar USD, dan beberapa proyek terkenal telah mencapai kemajuan yang signifikan.
IMO: Paradigma Baru Peluncuran Model AI
Konsep IMO pertama kali diusulkan oleh suatu protokol, yang men-tokenisasi model AI.
Dalam mode tradisional, karena tidak adanya mekanisme berbagi pendapatan, setelah model AI dikembangkan dan diluncurkan ke pasar, pengembang sering kali sulit untuk mendapatkan pendapatan berkelanjutan dari penggunaan model tersebut, terutama setelah model tersebut diintegrasikan ke dalam produk dan layanan lain, pencipta asli sulit untuk melacak penggunaan, apalagi mendapatkan pendapatan dari situ. Selain itu, kinerja dan efektivitas model AI sering kali kurang transparan, yang menyulitkan calon investor dan pengguna untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model tersebut.
IMO menyediakan dukungan pendanaan dan cara berbagi nilai yang baru untuk model AI sumber terbuka, di mana investor dapat membeli token IMO dan berbagi keuntungan yang dihasilkan oleh model di masa depan. Sebuah protokol menggunakan dua standar ERC, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan bahwa pemegang token dapat berbagi keuntungan.
Mode IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, beradaptasi dengan tren pasar kripto, dan memberikan dorongan bagi pengembangan berkelanjutan teknologi AI. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan meningkatnya penerimaan pasar dan meluasnya jangkauan partisipasi, inovasi dan nilai potensinya patut untuk kita nantikan.
Agen AI: Era Baru Pengalaman Interaksi
Agen AI dapat merasakan lingkungan, berpikir secara mandiri, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang ditetapkan. Dengan dukungan model bahasa besar, Agen AI tidak hanya dapat memahami bahasa alami, tetapi juga merencanakan keputusan dan melaksanakan tugas-tugas kompleks. Mereka dapat berfungsi sebagai asisten virtual, belajar dari preferensi pengguna melalui interaksi, dan memberikan solusi yang dipersonalisasi. Tanpa instruksi yang jelas, Agen AI juga dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.
Sebuah platform aplikasi asli AI menyediakan kumpulan alat kreatif yang komprehensif dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi, penampilan, suara robot, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk membangun ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif, memberdayakan individu untuk menjadi pencipta super. Platform tersebut melatih model bahasa besar khusus, menjadikan peran lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, mengurangi biaya sintesis suara hingga 99%, dan kloning suara hanya memerlukan 1 menit untuk direalisasikan. Dengan AI Agent yang disesuaikan oleh platform ini, saat ini dapat diterapkan dalam berbagai bidang seperti obrolan video, pembelajaran bahasa, dan generasi gambar.
Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi pada lapisan infrastruktur, seperti bagaimana mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana mengelola model di blockchain, bagaimana meningkatkan penggunaan daya komputasi terdesentralisasi secara efisien, serta bagaimana memverifikasi model bahasa besar dan masalah kunci lainnya. Seiring dengan perbaikan bertahap infrastruktur ini, kita memiliki alasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.