# Proof of Intelligence (POI) > 人工智能证明（PoI）是一种区块链共识机制，它奖励执行有价值的人工智能相关计算任务的网络参与者。其目标是在确保网络安全的同时，将计算能力引导至有用的 AI 工作中。 - Canonical URL: https://iq.wiki/zh/wiki/proof-of-intelligence-poi - Categories: Glossary - Created: 2026-02-19T11:49:43.439Z - Last updated: 2026-06-18T14:25:21.131Z - Source: IQ.wiki — the world's largest blockchain and crypto encyclopedia (https://iq.wiki) --- **人工智能证明 (Proof of Intelligence, PoI)** 是一种旨在将人工智能 (AI) 与网络验证及安全相结合的 [区块链](https://iq.wiki/wiki/blockchain) 共识机制。与工作量证明 (PoW) 等传统机制不同（后者要求参与者解决任意的数学难题），PoI 将计算能力引导至解决有价值的、现实世界中的 AI 问题。在 PoI 系统中，网络节点因执行和验证有用的 AI 相关任务（如训练机器学习模型或处理大型数据集）而获得奖励。 这种方法允许区块链既作为一个安全、去中心化的账本运行，又作为一个用于 AI 开发的分布式超级计算机运行，从而将为网络安全消耗的能源转化为生产性输出。 [\[1\]](#cite-id-r0wjqKo0wdjjHO2E)​ ## 概述 智能证明（Proof of Intelligence）代表了从早期共识协议演变而来的概念进化。工作量证明（PoW）通过计算密集但抽象的工作来保护网络，而[权益证明](https://iq.wiki/wiki/proof-of-stake)（PoS）依赖于与质押资本挂钩的经济激励，PoI 则引入了“有用功”的概念。 其核心思想是利用去中心化网络巨大的集体计算能力，并将其应用于在人工智能领域具有内在价值的任务。这有效地允许[区块链](https://iq.wiki/wiki/blockchain)执行多任务处理，在保护自身完整性的同时，为 AI 的研究和开发做出贡献。[\[1\]](#cite-id-r0wjqKo0wdjjHO2E)​ PoI 的主要目标是使 AI 开发去中心化、促进创新并增加对 AI 系统的信任。通过创建一个社区驱动、开源 AI 的框架，PoI 旨在防止 AI 权力集中在少数大型企业手中，从而抵制潜在的审查和控制。[\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp) 该机制利用区块链技术固有的透明度和不可篡改性，为 AI 学习过程和决策创建可验证的记录。这种链上审计追踪允许人类专家审查和验证 AI 的工作，从而培养利益相关者更大的信任。[\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp)​ 尽管该概念已从理论论文推进到多个活跃项目的实际实施，但 PoI 尚未实现主流采用。其发展与 AI 市场的增长挂钩，一些观察家注意到炒作驱动预期的风险。截至 2025 年初，大规模、现实世界的应用数量仍然有限，关于该机制实际局限性的详细技术文献仍在不断涌现。[\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp) [\[1\]](#cite-id-r0wjqKo0wdjjHO2E)​ ## 核心机制 智能证明（Proof of Intelligence）的运行框架建立在几个关键组件之上，这些组件使其区别于传统的共识机制。其中包括任务分配、复杂的验证过程，以及与“计算智能”概念挂钩的激励结构。 ### 任务分配与计算 PoI 网络中的节点不再是竞争解决加密哈希难题，而是被分配或选择特定的 AI 相关计算任务。这些任务旨在具有价值和实用性，直接为 AI 模型的开发和增强做出贡献。受网络奖励的可验证任务可以包括 AI 模型训练、AI 模型推理（使用训练好的模型进行预测）以及 AI 模型优化。 这些计算结果旨在用于更广泛的 [Web3](https://iq.wiki/wiki/web3) 和 AI 生态系统，从而创建一个持续开发的循环。这种模式将网络验证的重点从抽象的问题解决转向有用的 AI 工作执行，利用网络的能量和处理能力产生切实的智力输出。 [\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp) [\[1\]](#cite-id-r0wjqKo0wdjjHO2E)​ ### 验证 验证所贡献的 AI 计算是否正确且诚实地执行，是 PoI 中一个至关重要且高度复杂的组件。这一过程比 PoW 简单的哈希验证要困难得多，在 PoW 中，任何节点都可以快速确认解的有效性。 AI 输出（例如训练好的模型权重或推理结果）非常微妙，如果不重新运行计算，很难进行验证，而重新运行计算又会违背委托任务的初衷。 这种难度开启了潜在的安全漏洞，因为恶意行为者可能会尝试提交有缺陷、被操纵或低效的计算。例如，节点可能会提交来自训练不良的模型的结果，或者提交旨在通过对抗性攻击欺骗验证系统的计算。 开发稳健、高效且去信任的验证方法仍然是 PoI 系统面临的主要技术障碍。 [\[1\]](#cite-id-r0wjqKo0wdjjHO2E)​ ### 激励与奖励 为了鼓励参与，PoI 网络会奖励成功完成并提交可验证 AI 工作的节点。与 PoW 中的挖矿奖励或 PoS 中的验证奖励类似，这些激励通常以网络的原生[加密货币](https://iq.wiki/wiki/cryptocurrency)形式支付。 该系统为个人和组织将其计算资源贡献给网络定义的“计算智能”创造了直接的经济激励。 节点贡献工作的价值和准确性（例如机器学习模型）可以直接影响其获得网络奖励的机会。这激励了高质量的贡献，并有助于推动去中心化 AI 平台的增长和能力。 [\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp) [\[1\]](#cite-id-r0wjqKo0wdjjHO2E)​ ### 链上审计 某些 PoI 实现的一个关键特征是对 AI 学习决策和输出进行链上记录。通过将这些信息存储在区块链上，系统创建了一个关于 AI 开发过程的不可篡改且透明的账本。 这一公共记录允许人类专家、审计员和其他利益相关者审查 AI 使用的数据、模型和决策逻辑。这种可审计性旨在增加 AI 系统的信任度和问责制，而 AI 系统通常因其“黑箱”性质而受到批评。可验证的链上追踪提供了一种机制，用于追究 AI 系统的责任并了解它们如何得出结论。 [\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp)​ ## 与其他共识机制的比较 与工作量证明（Proof of Work）和权益证明（Proof of Stake）等既有机制相比，智能证明（Proof of Intelligence）从根本上改变了验证者的角色以及资源的使用方式。 | 特性 | 智能证明 (PoI) | 工作量证明 (PoW) | 权益证明 (PoS) | | -------------------- | ---------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------- | | **主要目标** | 通过执行有用的 AI 计算来保护网络安全。 | 通过解决计算密集型的抽象谜题来保护网络安全。 | 通过让验证者质押自有资本来保护网络安全。 | | **资源利用** | 计算利用率高，但直接用于“有意义”的 AI 任务。 | 计算利用率高，常因在抽象问题上消耗大量能源而受到批评。 | 能源消耗较低，因为安全性基于经济激励而非原始算力。 | | **验证者角色** | 贡献算力以解决 AI 问题。 | 贡献算力以寻找有效的加密哈希值。 | 质押加密货币以被选中进行区块验证。 | | **验证方式** | 复杂；需要特定方法来确保 AI 任务被正确执行。 | 简单；生成的哈希值易于被任何节点验证。 | 基于加密签名和按质押权重的选择过程。 | | **准入门槛** | 高；需要专门的硬件（如高性能 GPU）和 AI 方面的技术知识。 | 高；需要专门的挖矿硬件（ASIC、GPU）。 | 硬件要求较低，但需要大量的资本投入用于质押。 | 这一对比突显了 PoI 如何尝试将区块链安全中资源密集型的特性转化为另一个技术领域的生产力，尽管这在验证和可访问性方面也带来了一系列复杂的挑战。 [\[1\]](#cite-id-r0wjqKo0wdjjHO2E)​ ## 优势与潜力 智能证明（Proof of Intelligence）通过架起区块链与人工智能领域的桥梁，提供了多项潜在优势。 * 高效的资源分配：PoI 将区块链网络消耗的巨大能量和计算能力引导至人工智能研究中富有成效的现实问题。这使网络安全中的“工作”从抽象的成本转变为有价值的产出。 [\[1\]](#cite-id-r0wjqKo0wdjjHO2E) * 去中心化 AI 开发：该机制促进了更加去中心化和开源的 AI 模型训练与计算生态系统。这可以减少对目前控制着全球大部分计算资源和 AI 人才的少数大型科技公司的依赖，从而提升抗审查性，并为创新提供更公平的竞争环境。 [\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp) [\[1\]](#cite-id-r0wjqKo0wdjjHO2E) * 增强信任与透明度：通过在不可篡改的区块链上记录 AI 过程，PoI 创造了极高的透明度。这使得 AI 模型及其决策过程可以进行可验证的审计，从而增加信任和问责制，解决公众对 AI 缺乏透明度的普遍担忧。 [\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp) * 可扩展的 AI 资源：在 PoI 网络中，网络参与度的增长直接转化为更多可用于 AI 任务的计算能力。随着更多节点的加入，系统执行复杂 AI 计算（如模型训练和数据分析）的能力也会相应扩展，从而可能实现更快、更准确的 AI 学习。 [\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp) * AI 的经济激励：该模式为个人和组织将其计算能力贡献给 AI 进步创造了直接的经济激励。由于参与者因其计算贡献而直接获得奖励，这可以使 AI 研发资金的获取更加民主化。 [\[1\]](#cite-id-r0wjqKo0wdjjHO2E) 这些优势共同为开发更复杂、更强大的[去中心化应用](https://iq.wiki/wiki/decentralized-application) (dApps) 和平台铺平了道路，这些应用和平台由原生集成且可审计的 AI 能力驱动。 [\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp) ## 挑战与批评 尽管具有潜力，智能证明（Proof of Intelligence）仍面临重大的技术障碍、准入问题以及市场相关风险。 * 复杂性与高准入门槛：PoI 系统本质上比 PoW 或 PoS 更复杂。参与通常不仅需要专门且昂贵的硬件（如具有大容量显存的高端 GPU），还需要对 AI 有深厚的技术理解。这造成了极高的准入门槛，可能会阻碍广泛参与并威胁网络的去中心化。 [\[1\]](#cite-id-r0wjqKo0wdjjHO2E) * 验证难度：一个主要的技术挑战是确保节点提交的复杂 AI 计算是合法的，而不是有缺陷的、被操纵的或仅仅是低效的。与验证简单的 PoW 哈希不同，快速且去信任地验证 AI 模型输出的质量和正确性是非常困难的，这使得网络变得脆弱。 [\[1\]](#cite-id-r0wjqKo0wdjjHO2E) * 安全漏洞：验证 AI 工作的复杂性引入了新的潜在攻击向量。恶意行为者可能会提交看似有效但包含细微后门、偏见或由旨在欺骗验证系统的对抗性攻击所导致的缺陷的计算。保护网络免受此类攻击是一个关键的研究领域。 [\[1\]](#cite-id-r0wjqKo0wdjjHO2E) * 中心化风险：对专业硬件和专业知识的需求可能导致中心化，即只有少数资源充足的实体才能负担得起作为验证者参与的成本。机构兴趣的增加可能会进一步加剧这种风险，使权力集中在少数人手中，从而破坏去中心化 AI 生态系统的目标。 [\[1\]](#cite-id-r0wjqKo0wdjjHO2E) * 有限的实际应用与细节：截至 2025 年初，PoI 被描述为一个相对未经测试的系统，活跃的实际应用数量较少。此外，详细的技术文献也明显匮乏，这使得全面评估其在实践中的局限性和挑战变得困难。 [\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp) * 市场炒作：PoI 的发展与“炒作驱动”的 AI 市场紧密相连。存在这样一种风险，即开发者可能难以达到过高的预期，如果进展无法跟上市场叙事，可能会导致兴趣和需求下降。 [\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp) ## 使用场景与应用 将 AI 计算集成到区块链的核心功能中，开启了多个潜在的应用领域。各项目正在探索 PoI 在一系列场景中的应用，包括： * 验证码（CAPTCHA）替代方案：创建比传统验证码更智能、干扰更少的人类验证系统。 * 欺诈检测系统：为去中心化网络提供动力，使其能够实时集体识别并标记欺诈交易或活动。 * 知识产权（IP）保护：利用 AI 扫描网络中未经授权的 IP 使用行为，并将证据记录在不可篡改的账本上。 * 在线投票机制：增强数字投票系统的安全性和完整性。 * 去中心化市场：构建更智能、更自主的市场，利用 AI 进行推荐、定价和物流管理。 这些应用利用 PoI 来创建更强大、更智能的去中心化系统。 [\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp)​ ## 实施与项目 虽然这一概念仍处于新兴阶段，但已有多个项目实施了类似于智能证明（Proof of Intelligence）或直接受其启发的机制，且通常与其他共识模型结合使用。 ### 混合模型 为了缓解纯 PoI 系统中的一些挑战（如验证复杂性和高准入门槛），一些项目正在开发混合共识模型。这些模型通常将 PoI 元素与权益证明（PoS）等成熟机制相结合。这种方法允许网络利用 PoS 经证明的安全性和可访问性，同时逐步整合有用的 AI 驱动计算带来的收益，从而创建一个更平衡、更安全的系统。 [\[1\]](#cite-id-r0wjqKo0wdjjHO2E)​ ### 项目示例 * **Lightchain AI：** 该项目被描述为 [以太坊](https://iq.wiki/wiki/ethereum) 的分叉，它用智能证明取代了标准的权益证明共识。其目标是直接奖励对计算智能的贡献——包括模型训练、推理和优化——以培育去中心化 AI 的新生态系统。 [\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp) * **AIWORK：** 该项目旨在实现在线视频内容行业的去中心化。它利用 PoI 模型来管理一个人类专家网络，这些专家负责验证和确认 AI 生成的视频元数据（如标签和描述）。来自这些人类专家的反馈随后被用于持续训练和改进平台的 AI 算法，从而创建一个“人机回环”（human-in-the-loop）系统。 [\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp) * [**Bittensor (TAO)**](https://iq.wiki/wiki/bittensor-tao)**：** 一个用于在区块链上构建、训练和部署机器学习模型的去中心化平台。在其网络中，节点因生产和贡献有价值的机器学习模型而获得激励。节点所贡献模型的价值和准确性（由网络其余部分评估）直接影响其获得奖励的机会，从而鼓励高质量 AI 的竞争市场。 [\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp) * [**SingularityNET**](https://iq.wiki/wiki/singularitynet) **(AGIX)：** 该项目采用混合模型来保护其去中心化 AI 市场。它将权益证明与专有的**信誉证明 (Proof of Reputation, PoR)** 系统相结合，其中 AI 代理的信誉会影响其在网络中的地位和获利潜力。 [\[1\]](#cite-id-r0wjqKo0wdjjHO2E) * **NeuroChain (NCC)：** 该平台利用**参与度与完整性证明 (Proof of Involvement & Integrity, PII)** 机制以及**工作流证明 (Proof of Workflow)** 方法。该系统的运作方式类似于 PoI，节点根据其参与程度以及对计算工作流贡献的完整性进行评估。 [\[1\]](#cite-id-r0wjqKo0wdjjHO2E) ## 市场背景 智能证明（Proof of Intelligence）通常被定位为超越第一代和第二代共识机制（如 PoW 和 PoS）的演进步骤。[\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp) 人工智能与区块链技术的融合代表了一个不断增长的市场细分领域。根据 Weiss Ratings 引用 Precedence Research 的预测，2024 年区块链与人工智能的合并市场估值约为 5.507 亿美元。同一来源预计，到 2033 年，该市场的复合年增长率（CAGR）将达到 23.64%。[\[1\]](#cite-id-r0wjqKo0wdjjHO2E)​ 另外，PoI 等技术旨在服务的更广泛的人工智能市场预计规模将大得多。2025 年初引用的一项预测显示，人工智能市场到 2030 年可能达到 2 万亿美元，这表明能够成功桥接人工智能与去中心化基础设施的技术具有巨大的潜在空间。[\[2\]](#cite-id-Cmt1fYMN7BPX6Iqp) 尽管有这些预测，但 PoI 的概念虽然正在被积极实施，但在更广泛的技术领域尚未实现大规模的主流采用。[\[1\]](#cite-id-r0wjqKo0wdjjHO2E)​