AI 週期來了，Web3 創業者要不要轉 AI？

撰文：Portal Lab

「你養龍蝦了嗎？」最近 Web3er 打招呼，可能十有八九都是這句。

2026 開年，自中國春晚機器人炸翻全場後，以 OpenClaw 為代表的新一代 AI Agent 成為科技人口中的新玩具。有人用 AI 做客服、有人用 AI 寫代碼、有人甚至開始嘗試用 Agent 去模擬一整套「數字員工」，最近在各類互聯網平臺屢屢被提及的一個概念 「一人公司」，就是一個人通過一個 AI 工作流，就能跑起過去需要一個小團隊才能完成的工作。

Web3 這邊當然也沒有閒著。最近如果多看看行業媒體，會發現不少項目也開始圍繞 AI Agent 做文章。有的在研究 Agent 怎麼直接調用鏈上資產或合約，有的在做 Agent 的支付、身份或者金融基礎設施，有人在討論「Agent 經濟體系」，讓 AI 可以像用戶一樣參與網絡，甚至有人又開始喊起了「Web4.0」的新口號。

看到這裡，其實會有一種很熟悉的感覺。

都說時尚圈是個循環，哪曾想科技圈（或者說加密圈）也是如此。還記得 2022 年開始的熊市那陣子，ChatGPT 一夜爆火，AI 一下子成了所有人都在聊的話題。Web3 圈當然也沒閒著，很快就冒出一堆新概念，什麼 AI Agent、AI 交易員、自動化策略之類的，好像只要和 AI 沾點邊，就能講出新的故事。但這種熱鬧並沒有持續太久。等到後面加密市場又重新上漲起來，大家的注意力很快就回到了 Crypto 本身。

而這次 2025 年下半年，加密市場又有了熊的趨勢，於是 Web3 開始尋找新概念接盤。

但是，在 Portal Labs 看來，問題也恰恰出在這裡。當一個敘事開始流行的時候，很多 Web3 創業團隊其實並不是在做技術和商業判斷，而是在做敘事判斷：哪個概念火，就做哪個。而後便栽了跟頭。

很多團隊在真正推進項目的時候才發現，概念可以很快搭起來，但產品卻很難落地。用戶在哪裡？具體場景是什麼？靠什麼持續收費？能不能拉到投資？這些問題往往到項目做了一段時間之後才逐漸浮現出來。

等到熱度退去，市場上留下的往往是一地尚未跑通的項目。有的產品停在 Demo 階段，有的勉強上線卻找不到用戶，還有一些乾脆隨著敘事一起消失。短時間內看起來像是一個新賽道被打開，但過一段時間回頭看，真正留下來的東西其實並不多。

也因此，是繼續深耕 Crypto，還是轉 AI，成了難題。選前者吧，市場又不好，投入不一定有回報；選後者吧，又沒有底。AI 的技術門檻、人才結構和競爭環境都和 Web3 有所區別。很多團隊過去幾年積累的技術棧、產品經驗、社區資源，其實都建立在 Crypto 體系裡，一旦徹底轉向 AI，等於是重新進入一個完全陌生的賽道。從模型能力、數據資源到工程團隊，幾乎都需要重新搭建。

更現實的一點是，AI 賽道本身已經非常擁擠。無論是大模型公司、傳統互聯網企業，還是大量初創團隊，都在這個領域裡投入了巨大的資源。對於一個原本做 Web3 的創業團隊來說，如果只是因為敘事轉向而進入這個市場，很容易發現自己既沒有技術優勢，也沒有行業資源。

其實，對很多 Web3 創業團隊來說，還有一條可以實踐的路徑。不一定非要轉型做 AI，而是繼續走自己的 Web3 路徑，同時去思考 Crypto 能在 AI 體系裡補上什麼能力。

如果仔細看現在這一波 AI 發展，你會發現很多關鍵環節其實還沒有完全解決。

最典型的就是數據。模型越來越強，但訓練數據從哪裡來、數據是否可信合規，尤其是 AI Agent 如何實現 1v1 定製化，這些問題一直沒有一個很好的機制。對於依賴大規模數據訓練的 AI 來說，這是一個長期存在的基礎問題。

再比如身份和協作。當 AI Agent 開始參與任務執行、自動交易甚至運營決策時，它們本身也需要身份、權限以及協作規則。誰可以調用某個 Agent？Agent 之間如何分工？執行任務之後如何結算？這些問題，本質上都涉及到開放網絡中的身份和價值分配。

還有支付問題。AI Agent 一旦開始在網絡中自主調用服務、獲取數據或者執行任務，就意味著它們需要一種可以自動結算的小額支付系統。而在傳統互聯網體系裡，這樣的支付結構其實很難實現。

這些看起來都是 AI 的問題，但很多解決方案反而已經存在於 Crypto 的技術體系中。無論是數據激勵網絡、鏈上身份體系，還是開放支付網絡，本來就是 Web3 在過去幾年一直在探索的方向。

如果 Web3 創業團隊真的打算往這些方向去嘗試，有幾件事情是必須先想清楚的。

首先要看的是團隊本身的技術能力。不同的 Web3 項目，其技術積累差異很大。有的團隊擅長做鏈上協議，有的長期在做數據網絡，也有的更偏應用層產品。如果團隊過去幾年一直在做數據相關的基礎設施，比如數據採集、數據萃取或者數據市場，那麼圍繞 AI 的數據層去延伸會相對自然，例如數據貢獻網絡、可驗證數據源，或者為模型提供可激勵的數據市場。如果團隊原本更偏鏈上協議或基礎設施，那麼可以考慮圍繞 AI Agent 的運行環境去做事情，例如 Agent 的鏈上身份、權限管理、任務執行協議，或者為 Agent 提供自動結算和支付能力。而對於那些本身就在做應用層產品的團隊，比如交易工具、內容平臺、社區產品或者消費應用，AI 更適合作為能力層嵌入原有產品體系。例如用 AI 提升數據分析能力、自動化運營流程，或者通過 Agent 去完成原本需要人工處理的部分功能。

其次要看的是是否存在真實業務場景。很多 AI 項目之所以很快消失，並不是技術不行，而是從一開始就沒有明確的使用場景。概念可以講得很熱，但真正需要這個產品的人在哪裡、他們為什麼要用、又為什麼願意為它付費，這些問題往往沒有被認真回答。有些概念在行業裡討論得很多，比如「AI+Web3」「Agent 經濟體系」「AI 交易員」，聽起來都很宏大，但如果往下追問一層，真正穩定存在的用戶群體其實並不多。相反，一些看起來不那麼「性感」的需求，比如數據處理、自動化運營、信息篩選或者任務執行，反而在現實業務里長期存在。也正因為如此，判斷是否進入某個 AI 方向時，與其先看概念是否熱門，不如先去看場景本身：這個場景是不是長期存在的業務問題，是否已經有人在為此付費，以及 AI 是否真的能在這個環節裡提升效率。如果這些條件成立，那麼這個方向才更有可能從敘事變成產品。

再往下還需要看，Web3 創業團隊手裡有沒有能夠真正進入這些環節的資源。

前面提到的數據、身份、支付這些方向，本質上都不是單純的技術問題，而是網絡資源的問題。

比如數據網絡，如果團隊手裡沒有穩定的數據來源，也沒有能夠持續貢獻數據的用戶群體，那麼即使技術做出來了，也很難形成真正的網絡效應。同樣，如果想做 AI Agent 的身份體系或者協作網絡，也需要有真實的開發者、應用或者 Agent 參與進來，否則協議本身很難形成生態。支付和結算體系也是類似的邏輯。AI Agent 一旦開始在網絡中調用服務、獲取數據或者執行任務，小額支付就會變得非常頻繁。但這種支付網絡只有在大量 Agent 和服務同時存在的情況下才會有意義，否則它仍然只是一個技術模塊。

所以對很多 Web3 團隊來說，真正需要評估的並不是「這個方向有沒有技術空間」，而是自己能不能成為這個網絡的一部分。團隊是否已經有數據來源、開發者生態或者應用場景，這些往往決定了一個項目能不能真正進入 AI 的基礎設施層，而不是停留在概念層。