Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki peluang integrasi yang alami dengan AI. Dalam arsitektur terpusat tradisional, komputasi AI dan sumber daya data berada di bawah kontrol ketat, dan terdapat banyak tantangan seperti hambatan daya komputasi, kebocoran privasi, dan kotak hitam algoritma. Sementara itu, Web3 yang berbasis teknologi terdistribusi dapat memberikan dorongan baru bagi perkembangan AI melalui jaringan berbagi daya komputasi, pasar data terbuka, dan komputasi privasi. Pada saat yang sama, AI juga dapat memberikan banyak pemberdayaan bagi Web3, seperti optimisasi kontrak pintar, algoritma anti-kecurangan, dan lain-lain, mendukung pembangunan ekosistemnya. Oleh karena itu, menjelajahi kombinasi antara Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya serta melepaskan nilai data dan daya komputasi.
Data yang Didorong: Dasar yang Kuat untuk AI dan Web3
Data adalah kekuatan pendorong utama perkembangan AI, seperti bahan bakar bagi mesin. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk mendapatkan pemahaman mendalam dan kemampuan penalaran yang kuat. Data tidak hanya memberikan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.
Dalam pola pengambilan dan pemanfaatan data AI terpusat tradisional, terdapat beberapa masalah utama berikut:
Biaya pengambilan data yang tinggi, usaha kecil dan menengah sulit untuk menanggungnya
Sumber daya data didominasi oleh raksasa teknologi, membentuk pulau data.
Risiko kebocoran dan penyalahgunaan privasi data pribadi
Web3 dapat menyelesaikan masalah dari model tradisional dengan paradigma data terdesentralisasi yang baru:
Mengumpulkan data jaringan secara terdesentralisasi, setelah dibersihkan dan diubah, untuk menyediakan data yang nyata dan berkualitas tinggi untuk pelatihan model AI
Mengadopsi model "label to earn", dengan insentif token untuk mendorong pekerja global berpartisipasi dalam penandaan data, mengumpulkan pengetahuan profesional dari seluruh dunia, dan meningkatkan kemampuan analisis data.
Platform perdagangan data blockchain menyediakan lingkungan perdagangan yang transparan dan terbuka bagi kedua belah pihak dalam pasokan dan permintaan data, mendorong inovasi dan berbagi data.
Meskipun demikian, pengambilan data dari dunia nyata juga memiliki beberapa masalah, seperti kualitas data yang bervariasi, kesulitan dalam pemrosesan, serta kurangnya keberagaman dan representativitas. Data sintetis mungkin menjadi bintang masa depan di jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat meniru sifat data nyata, sebagai pelengkap yang efektif terhadap 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, dan munculnya regulasi seperti Peraturan Perlindungan Data Umum (GDPR) Uni Eropa mencerminkan perlindungan ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan sepenuhnya karena risiko privasi, yang tentunya 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 konsisten dengan hasil perhitungan yang dilakukan pada data plaintext.
FHE memberikan perlindungan yang kuat untuk komputasi privasi AI, memungkinkan kekuatan GPU untuk menjalankan tugas pelatihan dan inferensi model tanpa menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI. Mereka dapat membuka layanan API dengan aman sambil melindungi rahasia dagang.
FHEML mendukung pemrosesan enkripsi data dan model sepanjang siklus pembelajaran mesin, memastikan keamanan informasi sensitif, dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data, memberikan kerangka komputasi yang aman untuk aplikasi AI.
FHEML adalah pelengkap ZKML, di mana ZKML membuktikan eksekusi machine learning yang benar, sementara FHEML menekankan perhitungan pada data terenkripsi untuk menjaga privasi data.
Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi
Kompleksitas komputasi sistem AI saat ini berlipat ganda setiap 3 bulan, menyebabkan lonjakan permintaan daya komputasi yang jauh melampaui pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model AI besar memerlukan 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 tersebut 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, semuanya 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 efisien secara biaya.
Jaringan komputasi AI terdesentralisasi mengagregasi sumber daya GPU yang tidak terpakai di seluruh dunia, menyediakan pasar komputasi yang ekonomis dan mudah diakses bagi perusahaan AI. Pihak yang membutuhkan komputasi dapat memposting tugas pemrosesan di jaringan, kontrak pintar akan mendistribusikan tugas kepada node penambang yang menyumbangkan daya komputasi, penambang menjalankan tugas dan mengirimkan hasilnya, setelah diverifikasi, mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi pemanfaatan sumber daya dan membantu mengatasi masalah kendala daya komputasi di bidang AI dan lainnya.
Selain jaringan kekuatan terdesentralisasi yang umum, ada juga platform yang fokus pada pelatihan AI, serta jaringan kekuatan khusus yang fokus pada inferensi AI.
Jaringan komputasi terdesentralisasi menyediakan pasar komputasi yang adil dan transparan, memecahkan monopoli, menurunkan hambatan aplikasi, dan meningkatkan efisiensi pemanfaatan komputasi. Dalam ekosistem web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung dan bersama-sama mendorong pengembangan dan penerapan teknologi AI.
DePIN: Web3 Memberdayakan Edge AI
Bayangkan, ponsel, jam tangan pintar, bahkan perangkat pintar di rumah Anda, semuanya memiliki kemampuan untuk menjalankan AI—itulah daya tarik Edge AI. Ini memungkinkan komputasi terjadi di sumber data, menghasilkan latensi rendah, pemrosesan waktu nyata, sekaligus melindungi privasi pengguna. Teknologi Edge AI telah diterapkan di bidang-bidang penting seperti mengemudi otomatis.
Di bidang Web3, kami memiliki nama yang lebih familiar—DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, DePIN dapat meningkatkan perlindungan privasi pengguna dengan memproses data secara lokal, mengurangi risiko kebocoran data; 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 suatu blockchain publik, menjadi salah satu platform blockchain publik pilihan untuk penerapan proyek. TPS tinggi, biaya transaksi rendah, dan inovasi teknologi dari blockchain publik ini memberikan dukungan yang kuat untuk proyek DePIN. Saat ini, proyek DePIN di blockchain publik ini memiliki nilai pasar lebih dari 10 miliar USD, dan beberapa proyek terkenal telah mencapai kemajuan yang signifikan.
IMO：AI model merilis paradigma baru
Konsep IMO pertama kali diajukan oleh suatu protokol, yang men-tokenisasi model AI.
Dalam mode tradisional, karena kurangnya mekanisme pembagian keuntungan, setelah model AI dikembangkan dan diluncurkan ke pasar, pengembang sering kali sulit untuk mendapatkan pendapatan yang berkelanjutan dari penggunaan model tersebut, terutama ketika model 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, hal ini membuat investor dan pengguna potensial sulit untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model.
IMO menyediakan cara baru untuk mendukung pendanaan dan berbagi nilai bagi model AI sumber terbuka, di mana investor dapat membeli token IMO dan berbagi keuntungan yang dihasilkan oleh model tersebut di kemudian hari. Sebuah protokol menggunakan dua standar ERC, menggabungkan oracle AI Onchain 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 untuk pengembangan berkelanjutan teknologi AI. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan meningkatnya penerimaan pasar dan perluasan jangkauan partisipasi, inovasi dan nilai potensialnya patut kita nantikan.
AI Agent: Era Baru Pengalaman Interaktif
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 tentang preferensi pengguna melalui interaksi, dan memberikan solusi yang dipersonalisasi. Bahkan tanpa instruksi yang jelas, Agen AI dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.
Sebuah platform aplikasi asli AI yang terbuka menyediakan kumpulan alat kreatif yang komprehensif dan mudah digunakan, mendukung pengguna dalam mengonfigurasi fungsi robot, penampilan, suara, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk membangun ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif untuk memberdayakan individu menjadi pencipta super. Platform ini telah melatih model bahasa besar khusus, sehingga peran dimainkan menjadi 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 dari platform ini, kini dapat diterapkan di berbagai bidang seperti obrolan video, pembelajaran bahasa, dan generasi gambar.
Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi pada lapisan infrastruktur, bagaimana cara mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana cara menghosting model di blockchain, bagaimana cara meningkatkan penggunaan daya komputasi terdesentralisasi yang efisien, dan bagaimana cara memverifikasi model bahasa besar dan masalah kunci lainnya. Dengan perbaikan bertahap dari 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 yang terintegrasi memimpin era baru internet Desentralisasi teknologi mendorong inovasi masa depan
Integrasi Web3 dan AI: Membuka Era Baru Internet
Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki peluang integrasi yang alami dengan AI. Dalam arsitektur terpusat tradisional, komputasi AI dan sumber daya data berada di bawah kontrol ketat, dan terdapat banyak tantangan seperti hambatan daya komputasi, kebocoran privasi, dan kotak hitam algoritma. Sementara itu, Web3 yang berbasis teknologi terdistribusi dapat memberikan dorongan baru bagi perkembangan AI melalui jaringan berbagi daya komputasi, pasar data terbuka, dan komputasi privasi. Pada saat yang sama, AI juga dapat memberikan banyak pemberdayaan bagi Web3, seperti optimisasi kontrak pintar, algoritma anti-kecurangan, dan lain-lain, mendukung pembangunan ekosistemnya. Oleh karena itu, menjelajahi kombinasi antara Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya serta melepaskan nilai data dan daya komputasi.
Data yang Didorong: Dasar yang Kuat untuk AI dan Web3
Data adalah kekuatan pendorong utama perkembangan AI, seperti bahan bakar bagi mesin. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk mendapatkan pemahaman mendalam dan kemampuan penalaran yang kuat. Data tidak hanya memberikan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.
Dalam pola pengambilan dan pemanfaatan data AI terpusat tradisional, terdapat beberapa masalah utama berikut:
Web3 dapat menyelesaikan masalah dari model tradisional dengan paradigma data terdesentralisasi yang baru:
Meskipun demikian, pengambilan data dari dunia nyata juga memiliki beberapa masalah, seperti kualitas data yang bervariasi, kesulitan dalam pemrosesan, serta kurangnya keberagaman dan representativitas. Data sintetis mungkin menjadi bintang masa depan di jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat meniru sifat data nyata, sebagai pelengkap yang efektif terhadap 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, dan munculnya regulasi seperti Peraturan Perlindungan Data Umum (GDPR) Uni Eropa mencerminkan perlindungan ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan sepenuhnya karena risiko privasi, yang tentunya 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 konsisten dengan hasil perhitungan yang dilakukan pada data plaintext.
FHE memberikan perlindungan yang kuat untuk komputasi privasi AI, memungkinkan kekuatan GPU untuk menjalankan tugas pelatihan dan inferensi model tanpa menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI. Mereka dapat membuka layanan API dengan aman sambil melindungi rahasia dagang.
FHEML mendukung pemrosesan enkripsi data dan model sepanjang siklus pembelajaran mesin, memastikan keamanan informasi sensitif, dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data, memberikan kerangka komputasi yang aman untuk aplikasi AI.
FHEML adalah pelengkap ZKML, di mana ZKML membuktikan eksekusi machine learning yang benar, sementara FHEML menekankan perhitungan pada data terenkripsi untuk menjaga privasi data.
Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi
Kompleksitas komputasi sistem AI saat ini berlipat ganda setiap 3 bulan, menyebabkan lonjakan permintaan daya komputasi yang jauh melampaui pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model AI besar memerlukan 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 tersebut 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, semuanya 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 efisien secara biaya.
Jaringan komputasi AI terdesentralisasi mengagregasi sumber daya GPU yang tidak terpakai di seluruh dunia, menyediakan pasar komputasi yang ekonomis dan mudah diakses bagi perusahaan AI. Pihak yang membutuhkan komputasi dapat memposting tugas pemrosesan di jaringan, kontrak pintar akan mendistribusikan tugas kepada node penambang yang menyumbangkan daya komputasi, penambang menjalankan tugas dan mengirimkan hasilnya, setelah diverifikasi, mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi pemanfaatan sumber daya dan membantu mengatasi masalah kendala daya komputasi di bidang AI dan lainnya.
Selain jaringan kekuatan terdesentralisasi yang umum, ada juga platform yang fokus pada pelatihan AI, serta jaringan kekuatan khusus yang fokus pada inferensi AI.
Jaringan komputasi terdesentralisasi menyediakan pasar komputasi yang adil dan transparan, memecahkan monopoli, menurunkan hambatan aplikasi, dan meningkatkan efisiensi pemanfaatan komputasi. Dalam ekosistem web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung dan bersama-sama mendorong pengembangan dan penerapan teknologi AI.
DePIN: Web3 Memberdayakan Edge AI
Bayangkan, ponsel, jam tangan pintar, bahkan perangkat pintar di rumah Anda, semuanya memiliki kemampuan untuk menjalankan AI—itulah daya tarik Edge AI. Ini memungkinkan komputasi terjadi di sumber data, menghasilkan latensi rendah, pemrosesan waktu nyata, sekaligus melindungi privasi pengguna. Teknologi Edge AI telah diterapkan di bidang-bidang penting seperti mengemudi otomatis.
Di bidang Web3, kami memiliki nama yang lebih familiar—DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, DePIN dapat meningkatkan perlindungan privasi pengguna dengan memproses data secara lokal, mengurangi risiko kebocoran data; 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 suatu blockchain publik, menjadi salah satu platform blockchain publik pilihan untuk penerapan proyek. TPS tinggi, biaya transaksi rendah, dan inovasi teknologi dari blockchain publik ini memberikan dukungan yang kuat untuk proyek DePIN. Saat ini, proyek DePIN di blockchain publik ini memiliki nilai pasar lebih dari 10 miliar USD, dan beberapa proyek terkenal telah mencapai kemajuan yang signifikan.
IMO：AI model merilis paradigma baru
Konsep IMO pertama kali diajukan oleh suatu protokol, yang men-tokenisasi model AI.
Dalam mode tradisional, karena kurangnya mekanisme pembagian keuntungan, setelah model AI dikembangkan dan diluncurkan ke pasar, pengembang sering kali sulit untuk mendapatkan pendapatan yang berkelanjutan dari penggunaan model tersebut, terutama ketika model 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, hal ini membuat investor dan pengguna potensial sulit untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model.
IMO menyediakan cara baru untuk mendukung pendanaan dan berbagi nilai bagi model AI sumber terbuka, di mana investor dapat membeli token IMO dan berbagi keuntungan yang dihasilkan oleh model tersebut di kemudian hari. Sebuah protokol menggunakan dua standar ERC, menggabungkan oracle AI Onchain 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 untuk pengembangan berkelanjutan teknologi AI. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan meningkatnya penerimaan pasar dan perluasan jangkauan partisipasi, inovasi dan nilai potensialnya patut kita nantikan.
AI Agent: Era Baru Pengalaman Interaktif
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 tentang preferensi pengguna melalui interaksi, dan memberikan solusi yang dipersonalisasi. Bahkan tanpa instruksi yang jelas, Agen AI dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.
Sebuah platform aplikasi asli AI yang terbuka menyediakan kumpulan alat kreatif yang komprehensif dan mudah digunakan, mendukung pengguna dalam mengonfigurasi fungsi robot, penampilan, suara, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk membangun ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif untuk memberdayakan individu menjadi pencipta super. Platform ini telah melatih model bahasa besar khusus, sehingga peran dimainkan menjadi 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 dari platform ini, kini dapat diterapkan di berbagai bidang seperti obrolan video, pembelajaran bahasa, dan generasi gambar.
Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi pada lapisan infrastruktur, bagaimana cara mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana cara menghosting model di blockchain, bagaimana cara meningkatkan penggunaan daya komputasi terdesentralisasi yang efisien, dan bagaimana cara memverifikasi model bahasa besar dan masalah kunci lainnya. Dengan perbaikan bertahap dari infrastruktur ini, kita memiliki alasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.