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。