采访 Footprint Analytics CEO Navy: AI 与 Web3 的融合之道

Web3 正在引领互联网的下一个时代。

Web3 正在引领互联网的下一个时代。然而,链上数据碎片化、不标准化的问题依然存在。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自动收集、清洗、关联,构建跨链数据标准,让开发者更便捷地访问和分析数据。

“我们希望成为 Web3 版的‘Google Analytics’,通过 20+ 公链以及结构化的数据覆盖,提供行业领先的增长分析和运营分析工具,帮助 Web3 项目实现精准营销。”Footprint 创始人兼 CEO Navy 表示,“与此同时,我们也在探索 AI 在其他方面的应用,比如自通过 AI 获取数据分析面板等,以进一步提升区块链产业的生产效率。”

Navy 认为,AI 和区块链技术的结合必将成为 Web3 实现大规模应用的催化剂。一方面,高质量数据是培训 AI 模型的基础;另一方面,AI 也可以反过来帮助产出高价值数据。“数据是这个行业的命脉。我们正在尝试建立一个正向循环的生态系统,让 AI 和区块链技术相得益彰,从而推动整个 Web3 行业的发展。”

Q1:请 Navy 帮忙介绍一下 Footprint Analytics 目前在做的事情是什么?

Footprint Analytics 致力于构建一个连接 Web2 和 Web3 数据的结构化数据平台。

我们的核心价值在于数据的结构化。尽管 Web3 相对于 Web2 在链上数据公开透明方面具备优势,但也存在一些挑战,比如行业的发展尚处于早期阶段,数据缺乏标准,缺乏完善的结构,因此数据的应用变得困难。

以一个例子来说明,如果您想获取 Opensea 在以太坊、Solana 和 Polygon 等多条链上的交易数据,您需要理解 Opensea 的业务模型、阅读智能合约代码、逐个链(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,过程复杂,获取数据的整个过程复杂且容易出错。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。最后,浪费资源,如果有 1000 人需要获取这些数据,就要执行 1000 次类似的繁琐流程,将会极大地降低数据获取效率,浪费计算资源。

因此,Footprint Analytics 的使命就是抽象各个领域的数据,包括 GameFi、NFT 和 DeFi 等,以建立 Web3 行业的数据标准,,为开发者和行业参与者提供高效、准确的数据。

截止目前,我们累计上线了 20+ 条公链,产品主要包含 3 大板块:

  • 行业解决方案 Footprint Growth Analytics:为 Web3 项目在营销增长和运营分析领域提供定制化解决方案,可以类比为 Web3 版本的 Google Analytics,助力项目实现数据驱动增长。
  • 0 代码数据分析工具:使用体验类似于 ChatGPT,通过简单的问题与回答即可获取数据分析报告。我预见未来使用链上数据将变得极其简便,无需深入了解 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 的迁移变得更加容易实现。
  • 免费的多链跨链 API:通过一个统一的API,实现对多条链的跨链数据访问,免费为用户提供无缝的多链数据检索体验。

Q2:目前的 Web3 项目中,与 AI 结合成为了一项引人注目的趋势。这其中,不论是 GPT 还是 AIGC,每个项目都根据自身情况在与 AI 结合方面展现出了不同的创意。接下来,请 Navy 从数据领域的视角来探讨,如何将 AI 与 Web3 相融合,这部分可以从技术和应用场景两个角度进行分析,以便更清晰地展现这一融合的方式和可能性。

作为一家数据平台,Footprint 与 AI 具有天然的结合能力。AI 的基础设施主要涵盖算力、数据和算法三个关键方面。其中,算力是支撑 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 的表现,包括模型的准确性和应用效果。

在这些要素中,数据无疑是最为核心、最为重要的。数据是行业和企业的命脉,更涉及到隐私和合规等关键领域,价值不可估量。钱甚至也不一定能买到数据,因为涉及隐私、涉及合规等等方面。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 结合应用方面有以下几个主要方面:

在数据内容生成阶段,AI 的应用在我们平台中发挥着重要作用。首先,我们通过 AI 生成处理数据的代码,从而为用户提供更高效的数据分析体验。

具体来说,我们关注了两个方面的创新。

一方面是“Reference data”的整理与分类。以区块链上新部署的合约为例,我们的AI可以自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。这种智能整理和归类,大幅提升了数据的可用性。

另一方面,基于这些“Reference data”,我们还可以进行上层领域数据的生成。举例来说,我们能够利用 AI 生成 GameFi、NFT 等领域的数据,为用户提供更丰富的数据资源。这种方式不仅提高了数据内容的质量,也让用户能够更深入地了解各个领域的数据动态。

在前端用户体验上,我们做了一个 AI 智能分析的功能。前面提到,用户在使用 Footprint 进行数据分析时,可以拥有类似于与 ChatGPT 聊天的体验。用户可以通过提问,自动获得相应的分析报告。背后的逻辑是将文本转化为 SQL 语句,从而大幅降低了用户进行数据分析的门槛。

最后,在产品用户支持上,我们研发了 AI 客服机器人。 我们将区块链领域的数据,包括 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 客服机器人能够为用户提供即时的支持,回答与 Footprint 使用相关的问题,比如数据种类、数据定义、API 使用等,极大地提高了客户支持的效率,同时也减少了人工投入。

当然,AI 的应用虽然能够提升生产力,帮助我们解决大部分问题,但并非能够解决所有问题。基于我们在数据处理方面的经验,AI 能够协助解决大约 70% 至 80% 的问题。

Q3:在将 AI 与 Web3 相结合的过程中,会出现哪些问题?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关问题

宏观上来讲,不管AI应用在哪些领域,一个重要的考虑因素是对于AI容错率的接受程度。在不同的应用场景下,对容错率的要求各有不同。在此过程中,需要权衡AI的准确性和可靠性,以及人们对于错误的容忍度。

在医疗领域,选择相信 AI 还是医生的决策可能涉及信任的挑战。在投资领域,AI 可以提供影响 BTC 价格走向的因素,但在实际买入或卖出的决策方面,人们可能仍持有疑虑。

然而,在营销和运营分析领域,例如对于用户画像和分层,精确度要求可能不高,因为轻微的错误不会产生重大影响。因此,容错率在这些场景中接受度较高。

当前,Footprint 在将 AI 与 Web3 相结合这一赛道上依然主要专注于数据,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。我们可以把 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,若缺乏高质量的燃料,性能将无法最大化。

这里就涉及到怎么生产高质量的数据问题,比如快速自动化地生产 GameFi、NFT、DeFi 等领域的数据。这涵盖了如何自动整理数据的关联关系,即数据的图谱。具体而言,我们需要明确合约的所属协议、合约类型、部署者等多个信息。这一过程的核心目标在于持续地为 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,从而形成良性循环。

其次是数据隐私问题。尽管 Web3 的本质在于去中心化与透明,随着行业的发展,我们也会看到类似 Web2 的情景,数据隐私需求逐渐凸显。例如,用户的身份、资产和交易信息的隐私保护。这产生了一个难题:链上数据的公开性逐渐减弱,可供给 AI 的数据也逐渐减少。然而,随着行业的进展,这个问题也会得到解决,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核心问题: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:虽然 AI 并非新名词,但 AI 与 Web3 的结合仍处于初级阶段。请问 Navy 认为未来 AI 在 Web3 中可能出现哪些领域或结合方式,有望成为爆发点,吸引大量用户进入 Web3 并实现大规模采用?

我认为要实现 Web3 与 AI 的大规模结合和采用,需要解决两个核心问题。首先,我们需要更好地为 Web3 的构建者和开发者提供服务,尤其是在 GameFi、NFT、社交等领域的开发者。其次,我们需要降低应用端的门槛,使用户更轻松地进入这个领域。

首先是服务于开发者这一议题。在开发者这个领域,可以分为两类主要的应用。

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,都可以根据开发者的具体需求智能生成代码模板,从而显著提高开发效率。在游戏领域,开发者也可以通过 AI 技术,游戏开发者可以更快地制作游戏模型,生成游戏图片等,从而加速游戏的开发和上线流程。这种平台能够为开发者提供更多可能性,让他们可以将更多精力投入到创意和创新上,而不必在重复的基础工作上花费过多时间。

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领域数据,如 GameFi、NFT、SocialFi、DeFi 等。这些平台的目标是降低开发者使用数据的门槛,使数据分析和应用变得更加容易。通过 AI 技术,平台可以自动化地生成各种数据,为开发者提供丰富的数据资源,使其可以更好地了解市场趋势、用户行为等。这种数据平台为开发者提供了更多的数据支持,让开发者使用数据的门槛变得极低,推动了更多创新应用的诞生。

降低应用端门槛一直是 Web3 领域的关键问题。举例来说,市场上近期涌现出一些几乎零手续费的公链解决方案,旨在提高每秒交易数(TPS)。此外,像MPC钱包这样的解决方案也能有效地解决从Web2向Web3迁移的初级门槛,解决迁移过程中的困难。

这些问题的解决不仅仅依赖于 AI 技术,更关乎整个 Web3 生态的发展和完善。虽然 AI 在提升效率和降低门槛方面发挥重要作用,但在解决应用端门槛的永恒话题中,Web3 本身的基础建设和发展仍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,我们提供 Crypto 领域首家支持无代码数据分析平台以及统一的数据 API,让用户可以快速检索超过 26 条公链生态的 NFT,GameFi 以及 DeFi 数据。

本文来自:Footprint Analytics
不代表LDNews立场,如若转载,请注明出处:http://www.liandu24.com/archives/37206.html

(0)
Footprint AnalyticsFootprint Analytics链都号

相关推荐

发表回复

登录后才能评论

联系我们

在线咨询: QQ交谈

微信:CryptoMetac

邮件:liandufin@163.com

工作时间:周一至周五,9:30-18:30,节假日休息

微信
LDNews 让你轻松读懂Web3趋势 举报