歡迎光臨
比特幣資訊網

採訪 Footprint Analytics CEO Navy: AI 與 Web3 的融合之道

Web3 正在引領互聯網的下一個時代。然而,鏈上數據碎片化、不標准化的問題依然存在。Footprint Analytics 推出一站式數據解決方案,通過 AI 技術實現區塊鏈數據的自動收集、清洗、關聯,構建跨鏈數據標准,讓开發者更便捷地訪問和分析數據。

“我們希望成爲 Web3 版的‘Google Analytics’,通過 20+ 公鏈以及結構化的數據覆蓋,提供行業領先的增長分析和運營分析工具,幫助 Web3 項目實現精准營銷。”Footprint 創始人兼 CEO Navy 表示,“與此同時,我們也在探索 AI 在其他方面的應用,比如自通過 AI 獲取數據分析面板等,以進一步提升區塊鏈產業的生產效率。”

Navy 認爲,AI 和區塊鏈技術的結合必將成爲 Web3 實現大規模應用的催化劑。一方面,高質量數據是培訓 AI 模型的基礎;另一方面,AI 也可以反過來幫助產出高價值數據。“數據是這個行業的命脈。我們正在嘗試建立一個正向循環的生態系統,讓 AI 和區塊鏈技術相得益彰,從而推動整個 Web3 行業的發展。”

Q1:請 Navy 幫忙介紹一下 Footprint Analytics 目前在做的事情是什么?

Footprint Analytics 致力於構建一個連接 Web2 和 Web3 數據的結構化數據平台。

我們的核心價值在於數據的結構化。盡管 Web3 相對於 Web2 在鏈上數據公开透明方面具備優勢,但也存在一些挑战,比如行業的發展尚處於早期階段,數據缺乏標准,缺乏完善的結構,因此數據的應用變得困難。

以一個例子來說明,如果您想獲取 Opensea 在以太坊、Solana 和 Polygon 等多條鏈上的交易數據,您需要理解 Opensea 的業務模型、閱讀智能合約代碼、逐個鏈(如以太坊、Solana、Polygon等)提取交易數據。

然而,這個過程存在一些問題。首先,過程復雜,獲取數據的整個過程復雜且容易出錯。其次,技術難度較大,不同鏈的账本設計和數據結構各不相同。最後,浪費資源,如果有 1000 人需要獲取這些數據,就要執行 1000 次類似的繁瑣流程,將會極大地降低數據獲取效率,浪費計算資源。

因此,Footprint Analytics 的使命就是抽象各個領域的數據,包括 GameFi、NFT 和 DeFi 等,以建立 Web3 行業的數據標准,,爲开發者和行業參與者提供高效、准確的數據。

截止目前,我們累計上线了 20+ 條公鏈,產品主要包含 3 大板塊:

  • 行業解決方案 Footprint Growth Analytics:爲 Web3 項目在營銷增長和運營分析領域提供定制化解決方案,可以類比爲 Web3 版本的 Google Analytics,助力項目實現數據驅動增長。

  • 0 代碼數據分析工具:使用體驗類似於 ChatGPT,通過簡單的問題與回答即可獲取數據分析報告。我預見未來使用鏈上數據將變得極其簡便,無需深入了解 Web3 的業務邏輯,也無需高超的編程技能,從而使得從 Web2 用戶向 Web3 的遷移變得更加容易實現。

  • 免費的多鏈跨鏈 API:通過一個統一的API,實現對多條鏈的跨鏈數據訪問,免費爲用戶提供無縫的多鏈數據檢索體驗。

Q2:目前的 Web3 項目中,與 AI 結合成爲了一項引人注目的趨勢。這其中,不論是 GPT 還是 AIGC,每個項目都根據自身情況在與 AI 結合方面展現出了不同的創意。接下來,請 Navy 從數據領域的視角來探討,如何將 AI 與 Web3 相融合,這部分可以從技術和應用場景兩個角度進行分析,以便更清晰地展現這一融合的方式和可能性。

作爲一家數據平台,Footprint 與 AI 具有天然的結合能力。AI 的基礎設施主要涵蓋算力、數據和算法三個關鍵方面。其中,算力是支撐 AI 模型訓練和執行的基石,數據是 AI 的靈魂,而算法決定着 AI 的表現,包括模型的准確性和應用效果。

在這些要素中,數據無疑是最爲核心、最爲重要的。數據是行業和企業的命脈,更涉及到隱私和合規等關鍵領域,價值不可估量。錢甚至也不一定能买到數據,因爲涉及隱私、涉及合規等等方面。而在這其中,AI 是數據的消費者,同時也是數據的生產者。

目前,Footprint 在數據與 AI 結合應用方面有以下幾個主要方面:

在數據內容生成階段,AI 的應用在我們平台中發揮着重要作用。首先,我們通過 AI 生成處理數據的代碼,從而爲用戶提供更高效的數據分析體驗。

具體來說,我們關注了兩個方面的創新。

一方面是“Reference data”的整理與分類。以區塊鏈上新部署的合約爲例,我們的AI可以自動判斷合約歸屬於哪個 protocol,合約的類型,甚至是合約是否屬於 Dex 平台中的 LP 或 swap 等類型。這種智能整理和歸類,大幅提升了數據的可用性。

另一方面,基於這些“Reference data”,我們還可以進行上層領域數據的生成。舉例來說,我們能夠利用 AI 生成 GameFi、NFT 等領域的數據,爲用戶提供更豐富的數據資源。這種方式不僅提高了數據內容的質量,也讓用戶能夠更深入地了解各個領域的數據動態。

在前端用戶體驗上,我們做了一個 AI 智能分析的功能。前面提到,用戶在使用 Footprint 進行數據分析時,可以擁有類似於與 ChatGPT 聊天的體驗。用戶可以通過提問,自動獲得相應的分析報告。背後的邏輯是將文本轉化爲 SQL 語句,從而大幅降低了用戶進行數據分析的門檻。

最後,在產品用戶支持上,我們研發了 AI 客服機器人。 我們將區塊鏈領域的數據,包括 GameFi、NFT、DeFi 等各個領域的結構化數據提供給 AI,構建出 Footprint 專屬的 AI 客服機器人。這個 AI 客服機器人能夠爲用戶提供即時的支持,回答與 Footprint 使用相關的問題,比如數據種類、數據定義、API 使用等,極大地提高了客戶支持的效率,同時也減少了人工投入。

當然,AI 的應用雖然能夠提升生產力,幫助我們解決大部分問題,但並非能夠解決所有問題。基於我們在數據處理方面的經驗,AI 能夠協助解決大約 70% 至 80% 的問題。

Q3:在將 AI 與 Web3 相結合的過程中,會出現哪些問題?是否有一些技術難點、用戶體驗、產權合規以及道德倫理等等相關問題

宏觀上來講,不管AI應用在哪些領域,一個重要的考慮因素是對於AI容錯率的接受程度。在不同的應用場景下,對容錯率的要求各有不同。在此過程中,需要權衡AI的准確性和可靠性,以及人們對於錯誤的容忍度。

在醫療領域,選擇相信 AI 還是醫生的決策可能涉及信任的挑战。在投資領域,AI 可以提供影響 BTC 價格走向的因素,但在實際买入或賣出的決策方面,人們可能仍持有疑慮。

然而,在營銷和運營分析領域,例如對於用戶畫像和分層,精確度要求可能不高,因爲輕微的錯誤不會產生重大影響。因此,容錯率在這些場景中接受度較高。

當前,Footprint 在將 AI 與 Web3 相結合這一賽道上依然主要專注於數據,過程中也遇到了一些挑战:

第一個是在數據生產方面的問題,如何爲AI提供高質量數據,以實現更高效、更精准的數據生產能力。我們可以把 AI 和數據的關系類比汽車的發動機和汽油,AI 是引擎,數據則是其所需的燃料。發動機再好,若缺乏高質量的燃料,性能將無法最大化。

這裏就涉及到怎么生產高質量的數據問題,比如快速自動化地生產 GameFi、NFT、DeFi 等領域的數據。這涵蓋了如何自動整理數據的關聯關系,即數據的圖譜。具體而言,我們需要明確合約的所屬協議、合約類型、部署者等多個信息。這一過程的核心目標在於持續地爲 AI 提供高質量數據,以實現其更高效、更精准的數據生產能力,從而形成良性循環。

其次是數據隱私問題。盡管 Web3 的本質在於去中心化與透明,隨着行業的發展,我們也會看到類似 Web2 的情景,數據隱私需求逐漸凸顯。例如,用戶的身份、資產和交易信息的隱私保護。這產生了一個難題:鏈上數據的公开性逐漸減弱,可供給 AI 的數據也逐漸減少。然而,隨着行業的進展,這個問題也會得到解決,同態加密技術就是其中一個解決方向。

總之,將 AI 與 Web3 相結合必然面臨一個核心問題:數據獲取,即如何獲取高質量數據並將其傳遞給 AI。AI 的最終挑战將在於數據的可獲得性。

Q4:雖然 AI 並非新名詞,但 AI 與 Web3 的結合仍處於初級階段。請問 Navy 認爲未來 AI 在 Web3 中可能出現哪些領域或結合方式,有望成爲爆發點,吸引大量用戶進入 Web3 並實現大規模採用?

我認爲要實現 Web3 與 AI 的大規模結合和採用,需要解決兩個核心問題。首先,我們需要更好地爲 Web3 的構建者和开發者提供服務,尤其是在 GameFi、NFT、社交等領域的开發者。其次,我們需要降低應用端的門檻,使用戶更輕松地進入這個領域。

首先是服務於开發者這一議題。在开發者這個領域,可以分爲兩類主要的應用。

一類是 AI 驅動的开發者平台。這一類平台利用AI技術,實現了代碼模板的自動化生成。無論是开發 DEX 平台還是 NFT 市場,都可以根據开發者的具體需求智能生成代碼模板,從而顯著提高开發效率。在遊戲領域,开發者也可以通過 AI 技術,遊戲开發者可以更快地制作遊戲模型,生成遊戲圖片等,從而加速遊戲的开發和上线流程。這種平台能夠爲开發者提供更多可能性,讓他們可以將更多精力投入到創意和創新上,而不必在重復的基礎工作上花費過多時間。

另一類是AI 驅動的數據平台。這一類平台通過AI技術自動生產各個行業的領域數據,如 GameFi、NFT、SocialFi、DeFi 等。這些平台的目標是降低开發者使用數據的門檻,使數據分析和應用變得更加容易。通過 AI 技術,平台可以自動化地生成各種數據,爲开發者提供豐富的數據資源,使其可以更好地了解市場趨勢、用戶行爲等。這種數據平台爲开發者提供了更多的數據支持,讓开發者使用數據的門檻變得極低,推動了更多創新應用的誕生。

降低應用端門檻一直是 Web3 領域的關鍵問題。舉例來說,市場上近期湧現出一些幾乎零手續費的公鏈解決方案,旨在提高每秒交易數(TPS)。此外,像MPC錢包這樣的解決方案也能有效地解決從Web2向Web3遷移的初級門檻,解決遷移過程中的困難。

這些問題的解決不僅僅依賴於 AI 技術,更關乎整個 Web3 生態的發展和完善。雖然 AI 在提升效率和降低門檻方面發揮重要作用,但在解決應用端門檻的永恆話題中,Web3 本身的基礎建設和發展仍然是至關重要的因素。

Footprint Analytics 是一個鏈接 Web2 以及 Web3 的結構化數據平台 。借助尖端的人工智能技術,我們提供 Crypto 領域首家支持無代碼數據分析平台以及統一的數據 API,讓用戶可以快速檢索超過 26 條公鏈生態的 NFT,GameFi 以及 DeFi 數據。

Footprint Website: https://www.footprint.network

Discord: https://discord.gg/3HYaR6USM7

Twitter: https://twitter.com/Footprint_Data

鄭重聲明:本文版權歸原作者所有,轉載文章僅為傳播信息之目的,不構成任何投資建議,如有侵權行為,請第一時間聯絡我們修改或刪除,多謝。


標題:採訪 Footprint Analytics CEO Navy: AI 與 Web3 的融合之道

地址:https://www.globalstockvip.com/article/37237.html