共计 4396 个字符，预计需要花费 11 分钟才能阅读完成。
Web3 正在引领互联网的下一个时代。然而，链上数据碎片化、不标准化的问题仍然存在。Footprint Analytics 推出一站式数据解决方案，通过 AI 技术实现区块链数据的主动收集、荡涤、关联，构建跨链数据规范，让开发者更便捷地拜访和剖析数据。
“咱们心愿成为 Web3 版的‘Google Analytics’，通过 20+ 公链以及结构化的数据笼罩，提供行业当先的增长剖析和经营剖析工具，帮忙 Web3 我的项目实现精准营销。”Footprint 创始人兼 CEO Navy 示意，“与此同时，咱们也在摸索 AI 在其余方面的利用，比方自通过 AI 获取数据分析面板等，以进一步晋升区块链产业的生产效率。”
Navy 认为，AI 和区块链技术的联合必将成为 Web3 实现大规模利用的催化剂。一方面，高质量数据是培训 AI 模型的根底；另一方面，AI 也能够反过来帮忙产出高价值数据。“数据是这个行业的命根子。咱们正在尝试建设一个正向循环的生态系统，让 AI 和区块链技术井水不犯河水，从而推动整个 Web3 行业的倒退。”
Q1：请 Navy 帮忙介绍一下 Footprint Analytics 目前在做的事件是什么？
Footprint Analytics 致力于构建一个连贯 Web2 和 Web3 数据的结构化数据平台。
咱们的外围价值在于数据的结构化。只管 Web3 绝对于 Web2 在链上数据公开通明方面具备劣势，但也存在一些挑战，比方行业的倒退尚处于晚期阶段，数据不足规范，不足欠缺的构造，因而数据的利用变得艰难。
以一个例子来阐明，如果您想获取 Opensea 在以太坊、Solana 和 Polygon 等多条链上的交易数据，您须要了解 Opensea 的业务模型、浏览智能合约代码、一一链（如以太坊、Solana、Polygon 等）提取交易数据。
然而，这个过程存在一些问题。首先，过程简单，获取数据的整个过程简单且容易出错。其次，技术难度较大，不同链的账本设计和数据结构各不相同。最初，浪费资源，如果有 1000 人须要获取这些数据，就要执行 1000 次相似的繁琐流程，将会极大地升高数据获取效率，节约计算资源。
因而，Footprint Analytics 的使命就是形象各个领域的数据，包含 GameFi、NFT 和 DeFi 等，以建设 Web3 行业的数据规范，，为开发者和行业参与者提供高效、精确的数据。
截止目前，咱们累计上线了 20+ 条公链，产品次要蕴含 3 大板块：
行业解决方案 Footprint Growth Analytics：为 Web3 我的项目在营销增长和经营剖析畛域提供定制化解决方案，能够类比为 Web3 版本的 Google Analytics，助力我的项目实现数据驱动增长。
0 代码数据分析工具：应用体验相似于 ChatGPT，通过简略的问题与答复即可获取数据分析报告。我预感将来应用链上数据将变得极其简便，无需深刻理解 Web3 的业务逻辑，也无需高超的编程技能，从而使得从 Web2 用户向 Web3 的迁徙变得更加容易实现。
收费的多链跨链 API：通过一个对立的 API，实现对多条链的跨链数据拜访，收费为用户提供无缝的多链数据检索体验。
Q2：目前的 Web3 我的项目中，与 AI 联合成为了一项引人注目的趋势。这其中，不论是 GPT 还是 AIGC，每个我的项目都依据本身状况在与 AI 联合方面展现出了不同的创意。
接下来，请 Navy 从数据畛域的视角来探讨，如何将 AI 与 Web3 相交融，这部分能够从技术和利用场景两个角度进行剖析，以便更清晰地展示这一交融的形式和可能性。
作为一家数据平台，Footprint 与 AI 具备人造的联合能力。AI 的基础设施次要涵盖算力、数据和算法三个要害方面。其中，算力是撑持 AI 模型训练和执行的基石，数据是 AI 的灵魂，而算法决定着 AI 的体现，包含模型的准确性和利用成果。
在这些因素中，数据无疑是最为外围、最为重要的。数据是行业和企业的命根子，更波及到隐衷和合规等要害畛域，价值不可估量。钱甚至也不肯定能买到数据，因为波及隐衷、波及合规等等方面。而在这其中，AI 是数据的消费者，同时也是数据的生产者。
目前，Footprint 在数据与 AI 联合利用方面有以下几个次要方面：
在数据内容生成阶段，AI 的利用在咱们平台中施展着重要作用。首先，咱们通过 AI 生成解决数据的代码，从而为用户提供更高效的数据分析体验。
具体来说，咱们关注了两个方面的翻新。
一方面是“Reference data”的整顿与分类。以区块链上新部署的合约为例，咱们的 AI 能够主动判断合约归属于哪个 protocol，合约的类型，甚至是合约是否属于 Dex 平台中的 LP 或 swap 等类型。这种智能整顿和归类，大幅晋升了数据的可用性。
另一方面，基于这些“Reference data”，咱们还能够进行下层畛域数据的生成。举例来说，咱们可能利用 AI 生成 GameFi、NFT 等畛域的数据，为用户提供更丰盛的数据资源。这种形式不仅进步了数据内容的品质，也让用户可能更深刻地理解各个领域的数据动静。
在前端用户体验上，咱们做了一个 AI 智能剖析的性能。后面提到，用户在应用 Footprint 进行数据分析时，能够领有相似于与 ChatGPT 聊天的体验。用户能够通过发问，主动取得相应的剖析报告。背地的逻辑是将文本转化为 SQL 语句，从而大幅升高了用户进行数据分析的门槛。
最初，在产品用户反对上，咱们研发了 AI 客服机器人。咱们将区块链畛域的数据，包含 GameFi、NFT、DeFi 等各个领域的结构化数据提供给 AI，构建出 Footprint 专属的 AI 客服机器人。这个 AI 客服机器人可能为用户提供即时的反对，答复与 Footprint 应用相干的问题，比方数据品种、数据定义、API 应用等，极大地提高了客户反对的效率，同时也缩小了人工投入。
当然，AI 的利用尽管可能晋升生产力，帮忙咱们解决大部分问题，但并非可能解决所有问题。基于咱们在数据处理方面的教训，AI 可能帮助解决大概 70% 至 80% 的问题。
Q3：在将 AI 与 Web3 相结合的过程中，会呈现哪些问题？是否有一些技术难点、用户体验、产权合规以及道德伦理等等相干问题
宏观上来讲，不论 AI 利用在哪些畛域，一个重要的思考因素是对于 AI 容错率的接受程度。在不同的利用场景下，对容错率的要求各有不同。在此过程中，须要衡量 AI 的准确性和可靠性，以及人们对于谬误的容忍度。
在医疗畛域，抉择置信 AI 还是医生的决策可能波及信赖的挑战。在投资畛域，AI 能够提供影响 BTC 价格走向的因素，但在理论买入或卖出的决策方面，人们可能仍持有疑虑。
然而，在营销和经营剖析畛域，例如对于用户画像和分层，精确度要求可能不高，因为轻微的谬误不会产生重大影响。因而，容错率在这些场景中接受度较高。
以后，Footprint 在将 AI 与 Web3 相结合这一赛道上仍然次要专一于数据，过程中也遇到了一些挑战：
第一个是在数据生产方面的问题，如何为 AI 提供高质量数据，以实现更高效、更精准的数据生产能力。咱们能够把 AI 和数据的关系类比汽车的发动机和汽油，AI 是引擎，数据则是其所需的燃料。发动机再好，若不足高质量的燃料，性能将无奈最大化。
这里就波及到怎么生产高质量的数据问题，比方疾速自动化地生产 GameFi、NFT、DeFi 等畛域的数据。这涵盖了如何主动整顿数据的关联关系，即数据的图谱。具体而言，咱们须要明确合约的所属协定、合约类型、部署者等多个信息。这一过程的外围指标在于继续地为 AI 提供高质量数据，以实现其更高效、更精准的数据生产能力，从而造成良性循环。
其次是数据隐衷问题。只管 Web3 的实质在于去中心化与通明，随着行业的倒退，咱们也会看到相似 Web2 的情景，数据隐衷需要逐步凸显。例如，用户的身份、资产和交易信息的隐衷爱护。这产生了一个难题：链上数据的公开性逐步削弱，可供应 AI 的数据也逐步缩小。然而，随着行业的停顿，这个问题也会失去解决，同态加密技术就是其中一个解决方向。
总之，将 AI 与 Web3 相结合必然面临一个外围问题：数据获取，即如何获取高质量数据并将其传递给 AI。AI 的最终挑战将在于数据的可获得性。
Q4：尽管 AI 并非新名词，但 AI 与 Web3 的联合仍处于初级阶段。请问 Navy 认为将来 AI 在 Web3 中可能呈现哪些畛域或联合形式，无望成为暴发点，吸引大量用户进入 Web3 并实现大规模采纳？
我认为要实现 Web3 与 AI 的大规模联合和采纳，须要解决两个外围问题。首先，咱们须要更好地为 Web3 的构建者和开发者提供服务，尤其是在 GameFi、NFT、社交等畛域的开发者。其次，咱们须要升高利用端的门槛，使用户更轻松地进入这个畛域。
首先是服务于开发者这一议题。在开发者这个畛域，能够分为两类次要的利用。
一类是 AI 驱动的开发者平台。这一类平台利用 AI 技术，实现了代码模板的自动化生成。无论是开发 DEX 平台还是 NFT 市场，都能够依据开发者的具体需要智能生成代码模板，从而显著进步开发效率。在游戏畛域，开发者也能够通过 AI 技术，游戏开发者能够更快地制作游戏模型，生成游戏图片等，从而减速游戏的开发和上线流程。这种平台可能为开发者提供更多可能性，让他们能够将更多精力投入到创意和翻新上，而不用在反复的根底工作上破费过多工夫。
另一类是 AI 驱动的数据平台。这一类平台通过 AI 技术自动生产各个行业的畛域数据，如 GameFi、NFT、SocialFi、DeFi 等。这些平台的指标是升高开发者应用数据的门槛，使数据分析和利用变得更加容易。通过 AI 技术，平台能够自动化地生成各种数据，为开发者提供丰盛的数据资源，使其能够更好地理解市场趋势、用户行为等。这种数据平台为开发者提供了更多的数据反对，让开发者应用数据的门槛变得极低，推动了更多翻新利用的诞生。
升高利用端门槛始终是 Web3 畛域的关键问题。举例来说，市场上近期涌现出一些简直零手续费的公链解决方案，旨在进步每秒交易数（TPS）。此外，像 MPC 钱包这样的解决方案也能无效地解决从 Web2 向 Web3 迁徙的高级门槛，解决迁徙过程中的艰难。
这些问题的解决不仅仅依赖于 AI 技术，更关乎整个 Web3 生态的倒退和欠缺。尽管 AI 在晋升效率和升高门槛方面施展重要作用，但在解决利用端门槛的永恒话题中，Web3 自身的根底建设和倒退依然是至关重要的因素。
Footprint Analytics 是一个链接 Web2 以及 Web3 的结构化数据平台。借助尖端的人工智能技术，咱们提供 Crypto 畛域首家反对无代码数据分析平台以及对立的数据 API，让用户能够疾速检索超过 26 条公链生态的 NFT，GameFi 以及 DeFi 数据。
Footprint Website: https://www.footprint.network
Discord: https://discord.gg/3HYaR6USM7
Twitter: https://twitter.com/Footprint_Data
