美国多所高校研究团队指出，围绕AI与区块链融合的行业叙事存在被过度放大的情况，并总结出当前业界最具代表性的五大认知误区。

据区块链媒体CoinPost当地时间9日报道，获得Cornell University支持的学术研究联盟IC3近日发布论文《Crypto x AI, AI x Crypto: A Survey》。该论文由来自Cornell Tech、Carnegie Mellon University、Princeton University、Yale University等机构的25名研究者共同完成。

研究团队表示，随着生成式AI快速普及，AI与区块链交叉领域的讨论迅速升温，但真正的应用空间与现实边界并未被清晰区分。两者结合的确可能打开新的应用场景，但仅凭区块链或代币机制，并不能自动解决AI在可信性、公平性和成本方面的关键问题。

论文认为，更合适的视角是将AI与区块链视为相互补充的中间层技术：一方面，AI有助于提升区块链系统的灵活性和易用性；另一方面，加密技术能够增强AI系统的安全性与治理能力。

在“AI赋能区块链”方面，论文列举了链上欺诈检测、恶意智能合约识别、代码漏洞分析等应用方向。不过研究团队强调，这其中相当一部分仍依赖较为基础的机器学习模型，且通常需要充足的训练数据才能取得更明显的效果。

在“区块链增强AI”方面，零知识证明和可信执行环境（TEE）等技术可用于提升AI系统的安全性和可验证性。不过，加密货币社区长期探索的一些机制，例如分布式治理和基础设施运营模式，目前仍未在主流AI体系中得到广泛采用。

论文重点指出了业界流行的五大误区。

首先，不少观点认为区块链能够直接识别AI生成内容。研究团队指出，区块链可以验证用于真伪验证的元数据，但无法仅凭内容本身判断其是否由AI生成。

第二，去中心化技术并不能从根本上解决AI偏见与公平性问题。研究团队认为，分布式治理有助于提升决策透明度，但并不能消除算法内部固有的偏差。

第三，给AI代理配备钱包，并不意味着其就会成为能够自主赚钱和支出的“自治体”。研究团队强调，自动化不等于自主性；具备支付能力，也不代表AI代理已成为独立自治的经济主体，而且支付自动化本身也未必一定依赖区块链。

第四，把训练数据或推理结果写入区块链，也不等于实现了可信的AI运行。研究团队表示，区块链可以防止事后篡改，但无法保证原始数据本身真实可信；与此同时，若要用区块链验证大规模AI流程，还会受到吞吐量和成本的明显制约。

第五，去中心化也未必天然降低AI训练和推理成本。研究团队指出，受网络时延和吞吐能力影响，分布式架构的成本甚至可能高于中心化方案，因此“AI与加密货币结合必然带来降本”的说法仍有待验证。

此外，研究团队还提出了后续研究方向，即AI安全应从单一模型层面进一步扩展至系统层面。当前AI行业更多聚焦于输入输出控制等模型层面的“护栏式”防护，但随着AI代理对金融系统和关键基础设施的访问权限进一步扩大，这类方法未来可能难以覆盖全部风险。