## Web3-AI分野のパノラマレポート：技術的ロジック、シーンアプリケーションとトッププロジェクトのデプス分析AIのナラティブが続々と盛り上がる中、この分野に対する関心が高まっています。本稿では、Web3-AI分野の技術的論理、応用シーン、代表的なプロジェクトについて深く分析し、この領域の全景と発展動向を包括的に示します。### I. Web3-AI:テクニカルロジックと新興市場の機会分析#### 1.1 Web3とAIの融合ロジック：Web-AIトラックの定義方法過去一年、AIのナラティブはWeb3業界で異常に人気を博し、AIプロジェクトが雨後の筍のように次々と現れました。多くのプロジェクトがAI技術を取り入れていますが、一部のプロジェクトはその製品の特定の部分でのみAIを使用しており、基盤となるトークンエコノミクスはAI製品とは実質的に関連していないため、このようなプロジェクトは本稿でのWeb3-AIプロジェクトの議論には含まれません。本文の重点は、ブロックチェーンを用いて生産関係の問題を解決し、AIが生産力の問題を解決するプロジェクトにあります。これらのプロジェクト自体はAI製品を提供し、同時にWeb3経済モデルに基づいて生産関係のツールとして機能し、双方が相補的な関係にあります。このようなプロジェクトをWeb3-AIトラックに分類します。読者がWeb3-AIトラックをより良く理解できるように、本文ではAIの開発プロセスと課題、そしてWeb3とAIがどのように完璧に問題を解決し、新しいアプリケーションシーンを創造するかについて詳しく紹介します。#### 1.2 AIの開発プロセスと課題：データ収集からモデル推論までAI技術は、コンピュータが人間の知能を模倣、拡張、強化することを可能にする技術です。それは、言語翻訳、画像分類、顔認識、自動運転などのさまざまな複雑なタスクをコンピュータが実行できるようにします。AIは私たちの生活と仕事の仕方を変えています。人工知能モデルを開発するプロセスには、通常、以下のいくつかの重要なステップが含まれます：データ収集とデータ前処理、モデルの選定と調整、モデルのトレーニングと推論。簡単な例を挙げると、猫と犬の画像を分類するモデルを開発するには、次のことが必要です：1. データ収集とデータ前処理：猫と犬の画像データセットを収集します。公開データセットを使用するか、自分で実際のデータを収集できます。その後、各画像にカテゴリ（猫または犬）をラベル付けし、ラベルが正確であることを確認します。画像をモデルが認識できる形式に変換し、データセットをトレーニングセット、検証セット、テストセットに分割します。2. モデル選択とチューニング：適切なモデルを選択する、例えば畳み込みニューラルネットワーク（CNN）は画像分類タスクに適しています。異なるニーズに応じてモデルのパラメーターやアーキテクチャを調整します。一般的に、モデルのネットワークの層はAIタスクの複雑さに応じて調整できます。この簡単な分類の例では、浅いネットワークの層で十分かもしれません。3. モデルのトレーニング：GPU、TPU、または高性能計算クラスターを使用してモデルをトレーニングできます。トレーニング時間は、モデルの複雑さと計算能力の影響を受けます。4. モデル推論：モデルのトレーニングが完了したファイルは通常モデルの重みと呼ばれ、推論プロセスはトレーニング済みのモデルを使用して新しいデータの予測または分類を行うプロセスを指します。このプロセスでは、テストセットまたは新しいデータを使用してモデルの分類効果をテストでき、通常、正確率、再現率、F1スコアなどの指標を用いてモデルの有効性を評価します。図に示すように、データ収集とデータ前処理、モデル選択と調整、そしてトレーニングを経て、トレーニングしたモデルをテストセットで推論すると、猫と犬の予測値P（確率）が得られます。つまり、モデルが猫または犬である確率を推論します。訓練されたAIモデルは、さまざまなアプリケーションに統合され、異なるタスクを実行することができます。この例では、猫と犬の分類AIモデルがモバイルアプリに統合され、ユーザーが猫または犬の画像をアップロードすると、分類結果が得られます。しかし、センター化されたAI開発プロセスには以下のシナリオでいくつかの問題があります：ユーザーのプライバシー：中央集権的なシーンでは、AIの開発プロセスは通常不透明です。ユーザーデータは知らないうちに盗まれ、AIのトレーニングに使用される可能性があります。データソースの取得：小規模なチームや個人が特定の分野のデータ（例えば、医学データ）を取得する際、データがオープンソースでないという制約に直面する可能性があります。モデルの選択と調整：小規模なチームにとって、特定の分野のモデルリソースを取得したり、モデルの調整に多大なコストをかけたりするのは難しい。算力の取得：個人の開発者や小規模なチームにとって、高額なGPU購入コストやクラウドコンピューティングのレンタル費用は、重要な経済的負担となる可能性があります。AI資産収入：データラベリング作業者は、しばしば自分の労力に見合った収入を得られず、AI開発者の研究成果も需要のある買い手とマッチングするのが難しい。中心化AIシーンに存在する課題は、Web3と結びつくことで解決できます。Web3は新しい生産関係の一形態であり、自然に新しい生産力を代表するAIに適合し、技術と生産能力の同時進歩を促進します。#### 1.3 Web3とAIの相乗効果:役割の変化と革新的なアプリケーションWeb3とAIの融合は、ユーザーの主権を強化し、ユーザーにオープンなAIコラボレーションプラットフォームを提供します。これにより、ユーザーはWeb2時代のAIの使用者から参加者に転換し、誰もが所有できるAIを創造します。同時に、Web3の世界とAI技術の統合は、さらに多くの革新的なアプリケーションシーンとプレイスタイルを生み出すことができます。Web3技術に基づき、AIの開発と応用は新しい協力経済システムを迎えます。人々のデータプライバシーは保障され、データクラウドソーシングモデルがAIモデルの進歩を促進し、多くのオープンソースのAIリソースがユーザーに利用可能となり、共有された計算能力は低コストで得られます。分散型の協力的クラウドソーシングメカニズムとオープンなAI市場の助けを借りて、公平な収入分配システムを実現し、より多くの人々がAI技術の進歩を促進することを奨励します。Web3のシーンでは、AIが複数のトラックで積極的な影響を与えることができます。例えば、AIモデルはスマートコントラクトに統合され、マーケット分析やセキュリティ検出、ソーシャルクラスターなど、さまざまなアプリケーションシナリオで作業効率を向上させる機能を提供します。生成型AIは、ユーザーが"アーティスト"の役割を体験できるだけでなく、AI技術を使用して自分のNFTを作成したり、GameFiで豊かで多様なゲームシーンや興味深いインタラクティブ体験を創出することも可能です。豊富なインフラはスムーズな開発体験を提供し、AIの専門家でもAI分野に入ろうとしている初心者でも、この世界で適切な入り口を見つけることができます。### 二、Web3-AIエコシステムプロジェクトの全体図とアーキテクチャの解説私たちは主にWeb3-AI分野の41のプロジェクトを研究し、これらのプロジェクトを異なるレベルに分類しました。それぞれのレベルの分類ロジックは以下の図に示されており、インフラストラクチャーレベル、中間レベル、アプリケーションレベルに分けられ、それぞれのレベルは異なるセクションに分かれています。次の章では、いくつかの代表的なプロジェクトについてデプスな解析を行います。インフラストラクチャ層は、AIライフサイクル全体の運用をサポートする計算リソースと技術アーキテクチャを含み、中間層はインフラストラクチャとアプリケーションを接続するデータ管理、モデル開発、検証推論サービスを含み、アプリケーション層はユーザーに直接向けたさまざまなアプリケーションとソリューションに焦点を当てています。! [Web3-AIトラックパノラマレポート:テクニカルロジック、シナリオアプリケーション、トッププロジェクトの詳細な分析](https://img-cdn.gateio.im/social/moments-c10336df2eaf71062b92590bb9d80a4c)インフラ層：インフラストラクチャ層はAIライフサイクルの基盤であり、この記事では計算力、AI Chain、および開発プラットフォームをインフラストラクチャ層に分類しています。これらのインフラのサポートにより、AIモデルのトレーニングと推論が実現され、強力で実用的なAIアプリケーションがユーザーに提供されます。* 分散型コンピューティングネットワーク：AIモデルのトレーニングのために分散型の計算力を提供し、高効率で経済的な計算資源の利用を確保します。一部のプロジェクトは分散型の計算力市場を提供しており、ユーザーは低コストで計算力をレンタルしたり、計算力を共有して収益を得ることができます。代表的なプロジェクトにはIO.NETやHyperbolicがあります。さらに、一部のプロジェクトは新しいプレイスタイルを生み出しており、Compute Labsはトークン化プロトコルを提案し、ユーザーはGPU実体を代表するNFTを購入することで、さまざまな方法で計算力のレンタルに参加して収益を得ることができます。* AIチェーン：ブロックチェーンをAIライフサイクルの基盤として利用し、オンチェーンとオフチェーンのAIリソースのシームレスな相互作用を実現し、業界エコシステムの発展を促進します。チェーン上の分散型AIマーケットでは、データ、モデル、エージェントなどのAI資産を取引でき、AI開発フレームワークとそれに伴う開発ツールを提供します。代表的なプロジェクトにはSahara AIがあります。AIチェーンは、Bittensorの革新的なサブネットインセンティブメカニズムによって異なるAIタイプのサブネット競争を促進するなど、異なる分野のAI技術の進歩も促進できます。* 開発プラットフォーム：いくつかのプロジェクトはAIエージェント開発プラットフォームを提供しており、Fetch.aiやChainMLなどのAIエージェント取引も実現できます。一元的なツールは、開発者がAIモデルをより簡単に作成、トレーニング、展開するのを助けます。代表的なプロジェクトにはNimbleがあります。これらのインフラは、Web3エコシステムにおけるAI技術の広範な応用を促進しています。中間：このレイヤーはAIデータ、モデル、推論と検証に関係しており、Web3技術を使用することでより高い作業効率を実現できます。* データ：データの質と量はモデルのトレーニング効果に影響を与える重要な要素です。Web3の世界では、クラウドソーシングデータと協力的なデータ処理を通じて、リソースの利用を最適化し、データコストを削減できます。ユーザーはデータの自主権を持ち、プライバシーを保護しながら自分のデータを販売することができ、不良業者にデータを盗まれ、高額な利益を得られるのを防ぐことができます。データの需要者にとって、これらのプラットフォームは幅広い選択肢と非常に低いコストを提供します。代表的なプロジェクトには、Grassがユーザーの帯域幅を利用してWebデータを収集し、xDataがユーザーフレンドリーなプラグインを通じてメディア情報を収集し、ユーザーがツイート情報をアップロードできることをサポートしています。さらに、一部のプラットフォームでは、分野の専門家や一般ユーザーがデータ前処理タスクを実行できるようにしています。例えば、画像ラベリングやデータ分類などのタスクは、専門知識を要する金融や法律関連のデータ処理が含まれます。ユーザーはスキルをトークン化し、データ前処理の協力的なクラウドソーシングを実現できます。Sahara AIのようなAIマーケットは、異なる分野のデータタスクを提供し、多様なデータシナリオをカバーできます。一方、AIT Protocolは人間と機械が協力してデータにラベリングを行います。* モデル：以前言及したAI開発プロセスでは、異なるタイプの要件に適したモデルをマッチングする必要があります。画像タスクによく使用されるモデルにはCNNやGANがあり、物体検出タスクにはYoloシリーズを選択できます。テキスト関連のタスクではRNNやTransformerなどのモデルが一般的で、もちろん特定のものや汎用の大規模モデルもあります。異なる複雑さのタスクに必要なモデルのデプスは異なり、時にはモデルのチューニングが必要です。いくつかのプロジェクトは、ユーザーが異なるタイプのモデルを提供したり、クラウドソーシング方式で協力してモデルをトレーニングすることをサポートしています。たとえば、Sentientはモジュール化された設計を通じて、ユーザーが信頼できるモデルデータをストレージ層と配信層に置くことを許可し、モデルの最適化を行います。Sahara AIが提供する開発ツールには、先進的なAIアルゴリズムと計算フレームワークが組み込まれており、協力トレーニングの能力も備えています。* 推論と検証：モデルがトレーニングされた後、モデルの重みファイルが生成され、これを用いて分類、予測、またはその他の特定のタスクを直接行うことができます。このプロセスは推論と呼ばれます。推論プロセスは通常、推論モデルの出所が正しいか、悪意のある行動がないかを検証するための検証メカニズムを伴います。Web3の推論は通常、スマートコントラクトに統合され、モデルを呼び出して推論を行います。一般的な検証方法にはZKML、OPML、TEEなどの技術が含まれます。代表的なプロジェクトとしてはORAチェーン上のAIオラクル（OAO）があり、AIオラクルの検証可能な層としてOPMLを導入しています。また、ORAの公式ウェブサイトでは、ZKMLとopp/ai（ZKMLとOPMLの組み合わせ）に関する研究にも言及されています。アプリケーション層：このレイヤーは主にユーザー向けのアプリケーションであり、AIとWeb3を組み合わせて、より面白く革新的なプレイスタイルを創出します。本稿では、AIGC（AI生成コンテンツ）、AIエージェント、データ分析のいくつかのセクターのプロジェクトを整理しました。* AIGC：AIGCを通じてWeb3のNFT、ゲームなどの分野に拡張でき、ユーザーはPrompt（ユーザーが提供するヒント）を通じてテキスト、画像、音声を生成でき、さらにはゲーム内で自分の好みに応じたカスタマイズされたプレイスタイルを生成することも可能です。NFTプロジェクトのNFPromptでは、ユーザーはAIを通じてNFTを生成し、市場で取引できます；ゲームのSleeplessでは、ユーザーは対話を通じて仮想パートナーの性格を形成し、自分の好みにマッチさせることができます；* AIエージェント：自律的にタスクを実行し、意思決定を行う人工知能システムを指します。AIエージェントは通常、認識、推論、学習、行動の能力を備えており、さまざまな環境で複雑なタスクを実行できます。一般的なAIエージェントには
Web3-AI全景レポート：技術のロジック、アプリケーションシーンとトッププロジェクトのデプス分析
Web3-AI分野のパノラマレポート：技術的ロジック、シーンアプリケーションとトッププロジェクトのデプス分析
AIのナラティブが続々と盛り上がる中、この分野に対する関心が高まっています。本稿では、Web3-AI分野の技術的論理、応用シーン、代表的なプロジェクトについて深く分析し、この領域の全景と発展動向を包括的に示します。
I. Web3-AI:テクニカルロジックと新興市場の機会分析
1.1 Web3とAIの融合ロジック：Web-AIトラックの定義方法
過去一年、AIのナラティブはWeb3業界で異常に人気を博し、AIプロジェクトが雨後の筍のように次々と現れました。多くのプロジェクトがAI技術を取り入れていますが、一部のプロジェクトはその製品の特定の部分でのみAIを使用しており、基盤となるトークンエコノミクスはAI製品とは実質的に関連していないため、このようなプロジェクトは本稿でのWeb3-AIプロジェクトの議論には含まれません。
本文の重点は、ブロックチェーンを用いて生産関係の問題を解決し、AIが生産力の問題を解決するプロジェクトにあります。これらのプロジェクト自体はAI製品を提供し、同時にWeb3経済モデルに基づいて生産関係のツールとして機能し、双方が相補的な関係にあります。このようなプロジェクトをWeb3-AIトラックに分類します。読者がWeb3-AIトラックをより良く理解できるように、本文ではAIの開発プロセスと課題、そしてWeb3とAIがどのように完璧に問題を解決し、新しいアプリケーションシーンを創造するかについて詳しく紹介します。
1.2 AIの開発プロセスと課題：データ収集からモデル推論まで
AI技術は、コンピュータが人間の知能を模倣、拡張、強化することを可能にする技術です。それは、言語翻訳、画像分類、顔認識、自動運転などのさまざまな複雑なタスクをコンピュータが実行できるようにします。AIは私たちの生活と仕事の仕方を変えています。
人工知能モデルを開発するプロセスには、通常、以下のいくつかの重要なステップが含まれます：データ収集とデータ前処理、モデルの選定と調整、モデルのトレーニングと推論。簡単な例を挙げると、猫と犬の画像を分類するモデルを開発するには、次のことが必要です：
データ収集とデータ前処理：猫と犬の画像データセットを収集します。公開データセットを使用するか、自分で実際のデータを収集できます。その後、各画像にカテゴリ（猫または犬）をラベル付けし、ラベルが正確であることを確認します。画像をモデルが認識できる形式に変換し、データセットをトレーニングセット、検証セット、テストセットに分割します。
モデル選択とチューニング：適切なモデルを選択する、例えば畳み込みニューラルネットワーク（CNN）は画像分類タスクに適しています。異なるニーズに応じてモデルのパラメーターやアーキテクチャを調整します。一般的に、モデルのネットワークの層はAIタスクの複雑さに応じて調整できます。この簡単な分類の例では、浅いネットワークの層で十分かもしれません。
モデルのトレーニング：GPU、TPU、または高性能計算クラスターを使用してモデルをトレーニングできます。トレーニング時間は、モデルの複雑さと計算能力の影響を受けます。
モデル推論：モデルのトレーニングが完了したファイルは通常モデルの重みと呼ばれ、推論プロセスはトレーニング済みのモデルを使用して新しいデータの予測または分類を行うプロセスを指します。このプロセスでは、テストセットまたは新しいデータを使用してモデルの分類効果をテストでき、通常、正確率、再現率、F1スコアなどの指標を用いてモデルの有効性を評価します。
図に示すように、データ収集とデータ前処理、モデル選択と調整、そしてトレーニングを経て、トレーニングしたモデルをテストセットで推論すると、猫と犬の予測値P（確率）が得られます。つまり、モデルが猫または犬である確率を推論します。
訓練されたAIモデルは、さまざまなアプリケーションに統合され、異なるタスクを実行することができます。この例では、猫と犬の分類AIモデルがモバイルアプリに統合され、ユーザーが猫または犬の画像をアップロードすると、分類結果が得られます。
しかし、センター化されたAI開発プロセスには以下のシナリオでいくつかの問題があります：
ユーザーのプライバシー：中央集権的なシーンでは、AIの開発プロセスは通常不透明です。ユーザーデータは知らないうちに盗まれ、AIのトレーニングに使用される可能性があります。
データソースの取得：小規模なチームや個人が特定の分野のデータ（例えば、医学データ）を取得する際、データがオープンソースでないという制約に直面する可能性があります。
モデルの選択と調整：小規模なチームにとって、特定の分野のモデルリソースを取得したり、モデルの調整に多大なコストをかけたりするのは難しい。
算力の取得：個人の開発者や小規模なチームにとって、高額なGPU購入コストやクラウドコンピューティングのレンタル費用は、重要な経済的負担となる可能性があります。
AI資産収入：データラベリング作業者は、しばしば自分の労力に見合った収入を得られず、AI開発者の研究成果も需要のある買い手とマッチングするのが難しい。
中心化AIシーンに存在する課題は、Web3と結びつくことで解決できます。Web3は新しい生産関係の一形態であり、自然に新しい生産力を代表するAIに適合し、技術と生産能力の同時進歩を促進します。
1.3 Web3とAIの相乗効果:役割の変化と革新的なアプリケーション
Web3とAIの融合は、ユーザーの主権を強化し、ユーザーにオープンなAIコラボレーションプラットフォームを提供します。これにより、ユーザーはWeb2時代のAIの使用者から参加者に転換し、誰もが所有できるAIを創造します。同時に、Web3の世界とAI技術の統合は、さらに多くの革新的なアプリケーションシーンとプレイスタイルを生み出すことができます。
Web3技術に基づき、AIの開発と応用は新しい協力経済システムを迎えます。人々のデータプライバシーは保障され、データクラウドソーシングモデルがAIモデルの進歩を促進し、多くのオープンソースのAIリソースがユーザーに利用可能となり、共有された計算能力は低コストで得られます。分散型の協力的クラウドソーシングメカニズムとオープンなAI市場の助けを借りて、公平な収入分配システムを実現し、より多くの人々がAI技術の進歩を促進することを奨励します。
Web3のシーンでは、AIが複数のトラックで積極的な影響を与えることができます。例えば、AIモデルはスマートコントラクトに統合され、マーケット分析やセキュリティ検出、ソーシャルクラスターなど、さまざまなアプリケーションシナリオで作業効率を向上させる機能を提供します。生成型AIは、ユーザーが"アーティスト"の役割を体験できるだけでなく、AI技術を使用して自分のNFTを作成したり、GameFiで豊かで多様なゲームシーンや興味深いインタラクティブ体験を創出することも可能です。豊富なインフラはスムーズな開発体験を提供し、AIの専門家でもAI分野に入ろうとしている初心者でも、この世界で適切な入り口を見つけることができます。
二、Web3-AIエコシステムプロジェクトの全体図とアーキテクチャの解説
私たちは主にWeb3-AI分野の41のプロジェクトを研究し、これらのプロジェクトを異なるレベルに分類しました。それぞれのレベルの分類ロジックは以下の図に示されており、インフラストラクチャーレベル、中間レベル、アプリケーションレベルに分けられ、それぞれのレベルは異なるセクションに分かれています。次の章では、いくつかの代表的なプロジェクトについてデプスな解析を行います。
インフラストラクチャ層は、AIライフサイクル全体の運用をサポートする計算リソースと技術アーキテクチャを含み、中間層はインフラストラクチャとアプリケーションを接続するデータ管理、モデル開発、検証推論サービスを含み、アプリケーション層はユーザーに直接向けたさまざまなアプリケーションとソリューションに焦点を当てています。
! Web3-AIトラックパノラマレポート:テクニカルロジック、シナリオアプリケーション、トッププロジェクトの詳細な分析
インフラ層：
インフラストラクチャ層はAIライフサイクルの基盤であり、この記事では計算力、AI Chain、および開発プラットフォームをインフラストラクチャ層に分類しています。これらのインフラのサポートにより、AIモデルのトレーニングと推論が実現され、強力で実用的なAIアプリケーションがユーザーに提供されます。
分散型コンピューティングネットワーク：AIモデルのトレーニングのために分散型の計算力を提供し、高効率で経済的な計算資源の利用を確保します。一部のプロジェクトは分散型の計算力市場を提供しており、ユーザーは低コストで計算力をレンタルしたり、計算力を共有して収益を得ることができます。代表的なプロジェクトにはIO.NETやHyperbolicがあります。さらに、一部のプロジェクトは新しいプレイスタイルを生み出しており、Compute Labsはトークン化プロトコルを提案し、ユーザーはGPU実体を代表するNFTを購入することで、さまざまな方法で計算力のレンタルに参加して収益を得ることができます。
AIチェーン：ブロックチェーンをAIライフサイクルの基盤として利用し、オンチェーンとオフチェーンのAIリソースのシームレスな相互作用を実現し、業界エコシステムの発展を促進します。チェーン上の分散型AIマーケットでは、データ、モデル、エージェントなどのAI資産を取引でき、AI開発フレームワークとそれに伴う開発ツールを提供します。代表的なプロジェクトにはSahara AIがあります。AIチェーンは、Bittensorの革新的なサブネットインセンティブメカニズムによって異なるAIタイプのサブネット競争を促進するなど、異なる分野のAI技術の進歩も促進できます。
開発プラットフォーム：いくつかのプロジェクトはAIエージェント開発プラットフォームを提供しており、Fetch.aiやChainMLなどのAIエージェント取引も実現できます。一元的なツールは、開発者がAIモデルをより簡単に作成、トレーニング、展開するのを助けます。代表的なプロジェクトにはNimbleがあります。これらのインフラは、Web3エコシステムにおけるAI技術の広範な応用を促進しています。
中間：
このレイヤーはAIデータ、モデル、推論と検証に関係しており、Web3技術を使用することでより高い作業効率を実現できます。
さらに、一部のプラットフォームでは、分野の専門家や一般ユーザーがデータ前処理タスクを実行できるようにしています。例えば、画像ラベリングやデータ分類などのタスクは、専門知識を要する金融や法律関連のデータ処理が含まれます。ユーザーはスキルをトークン化し、データ前処理の協力的なクラウドソーシングを実現できます。Sahara AIのようなAIマーケットは、異なる分野のデータタスクを提供し、多様なデータシナリオをカバーできます。一方、AIT Protocolは人間と機械が協力してデータにラベリングを行います。
いくつかのプロジェクトは、ユーザーが異なるタイプのモデルを提供したり、クラウドソーシング方式で協力してモデルをトレーニングすることをサポートしています。たとえば、Sentientはモジュール化された設計を通じて、ユーザーが信頼できるモデルデータをストレージ層と配信層に置くことを許可し、モデルの最適化を行います。Sahara AIが提供する開発ツールには、先進的なAIアルゴリズムと計算フレームワークが組み込まれており、協力トレーニングの能力も備えています。
アプリケーション層：
このレイヤーは主にユーザー向けのアプリケーションであり、AIとWeb3を組み合わせて、より面白く革新的なプレイスタイルを創出します。本稿では、AIGC（AI生成コンテンツ）、AIエージェント、データ分析のいくつかのセクターのプロジェクトを整理しました。
AIGC：AIGCを通じてWeb3のNFT、ゲームなどの分野に拡張でき、ユーザーはPrompt（ユーザーが提供するヒント）を通じてテキスト、画像、音声を生成でき、さらにはゲーム内で自分の好みに応じたカスタマイズされたプレイスタイルを生成することも可能です。NFTプロジェクトのNFPromptでは、ユーザーはAIを通じてNFTを生成し、市場で取引できます；ゲームのSleeplessでは、ユーザーは対話を通じて仮想パートナーの性格を形成し、自分の好みにマッチさせることができます；
AIエージェント：自律的にタスクを実行し、意思決定を行う人工知能システムを指します。AIエージェントは通常、認識、推論、学習、行動の能力を備えており、さまざまな環境で複雑なタスクを実行できます。一般的なAIエージェントには