一個月前，YZi Labs 宣佈投資Vana，幣安創始人CZ加入擔任顧問, 確立了Vana在AI數據賽道的領軍地位。四天後在和Vana的AMA中，CZ 表示數據則是 AI 的核心燃料，公共數據已耗盡，而私有數據尚待開發，看好 Vana 的產品市場契合度（PMF）和用戶增長。

為什麼YZi Labs、Coinbase Venture、Paradigm紛紛投資Vana? 為什麼 CZ 看好Vana的發展？

本報告將系統分析AI數據困境、Vana的核心價值主張、實際應用場景及其未來增長軌跡，揭示Vana如何成為AI生態系統的關鍵基礎設施。

01 AI與數據困境：突破封閉壁壘

根據Pitchbook數據，2025年第一季度美國AI行業已吸引近200億美元投資。截止2024年AI初創公司佔據全球風險投資的三分之一，累計達1315億美元，其中近四分之一的新興創業實體專注於AI領域。Statista數據進一步證實了這一爆發式增長軌跡——AI和機器學習賽道的風投資金從2011年的6.7億美元激增至2020年的360億美元，增長超過50倍。這一現象明確表明，AI已成為聰明資本和頂尖創業者的共同選擇。

然而，AI的根本架構—“數據+模型+算力”正面臨結構性瓶頸。AI模型性能的核心驅動因素並非算力優勢或算法突破，而是訓練數據集的質量與規模。當前大語言模型來到訓練數據枯竭的臨界點。Meta的Llama 3已基於約15萬億個Token進行訓練，這一數據量已幾乎耗盡整個公共互聯網上可獲取的高質量數據資源。儘管公共互聯網數據量龐大，但這僅是冰山一角。市場普遍忽視的關鍵事實是：高價值數據大多被鎖定在需要授權訪問的私有系統中。公共互聯網數據在所有數據中佔比不足0.1%。而這一問題超出了AI行業自身的解決能力範疇，需要藉助區塊鏈技術重構數據生產關係，建立全新激勵機制，催化高質量數據的大規模湧現。

另一方面，今天絕大多數數據都被掌握在Web2科技公司的封閉生態系統中。人工智能的發展正面臨數據牆的挑戰，而這一壁壘的存在，正是因為這些企業深知數據的巨大價值。高質量的人工智能模型具有極高的經濟回報，例如OpenAI的年收入已達到約34億美元。而要構建優秀的AI模型，就需要大量的數據支撐，數據的獲取往往需要支付高昂的成本。

例如，Reddit每年通過銷售數據獲利約2億美元，PhotoBucket的圖片數據每張售價在1至2美元之間，蘋果的新聞數據交易更是達到了5000萬美元。數據所有權已從簡單的隱私偏好轉變為重大的經濟問題。在AI模型驅動大部分經濟的世界中，數據所有權相當於持有未來AI模型的股權。

隨著數據的商業化變得愈發普遍，數據訪問的難度也在不斷增加。許多平臺開始調整服務條款和API政策，以限制外部開發者的訪問權限。例如，Reddit和Stack Overflow相繼修改了API規則，使得數據獲取變得更加困難。這一趨勢正在擴展，那些掌握重要數據的平臺正逐步走向封閉化。

然而，仍有一個群體可以自由訪問這些數據，那就是用戶自己。許多人並未意識到，在法律層面上，他們對自己的數據享有完全的所有權。就像將汽車停放在停車場，停車場無權隨意處置車輛一樣，用戶在社交平臺上存儲的數據依然屬於自己。

用戶在註冊時，通常會勾選“允許平臺使用我的數據”的選項，這只是給予平臺一定的授權，使其能夠利用數據來運營服務，但並不意味著用戶失去了對數據的所有權。

事實上，用戶可以隨時申請導出自己的數據。即使平臺對開發者的API訪問進行了嚴格限制，個人用戶仍然可以合法獲取屬於自己的數據。例如，Instagram允許用戶導出其賬號數據，其中不僅包括髮布的照片、評論，甚至是附帶AI生成的營銷標籤。在23andMe 平臺，用戶可以申請導出自己的基因數據，儘管平臺可能不會主動提醒你這一點，且流程可能並不直觀。

在全球範圍內，相關法規正在不斷完善，以確保用戶能夠順利取回自己的數據。在數據價值日益突出的今天，用戶需要充分認識到自己對個人數據的所有權，並積極行使這一權利。

02 VANA的核心概念

科技企業正在通過構建封閉系統來保護其寶貴的數據資產。VANA 的核心使命在於解鎖封閉生態中的數據，並將其歸還至用戶手中，實現數據自主權。

換而言之，每位用戶都可以從不同平臺提取自身數據，並重建一個比任何現有平臺更優質、更個性化的數據集。

VANA框架建立在兩個基礎概念之上：

• 非託管數據（Non-Custodial Data）這一概念意味著用戶可以像管理個人資金一樣，掌控自身數據的訪問權限。類似於使用數字錢包管理加密資產，在 VANA 生態中，用戶同樣可以藉助錢包來控制數據的使用方式。通過簽署交易，用戶能夠授權應用訪問其數據，並決定數據的具體用途，從而確保數據的自主性和安全性。
• 貢獻證明（Proof of Contribution）儘管單一數據點價值有限，但當大量用戶數據聚合時，其整體價值呈指數級增長。貢獻證明機制設計旨在確保數據池的高質量標準，同時為數據提供者創造價值回報通道。

當開發者支付費用獲取數據訪問權限時，數據貢獻者將按照其貢獻比例獲得治理代幣分配。這一機制不僅使數據貢獻者能持續從數據利用中獲取經濟回報，更賦予他們實質性治理權，使其能直接參與數據使用規則的制定與決策。

通過激勵高質量數據貢獻，這一機制正重塑數據市場的定價模式與運行效率，為去中心化數據經濟奠定基礎。

03 VANA 的生態應用

3.1 DataDAO

DataDAO是VANA生態中的去中心化數據市場，允許用戶貢獻、標記化並應用數據。用戶可根據數據類型（如健身數據、研究數據）選擇適合的數據礦池進行貢獻。貢獻的數據經由Vana的貢獻證明機制驗證質量與價值，確保貢獻者獲得公平補償。

數據驗證後被代幣化為數字資產，可用於交易或AI訓練，而貢獻者保留使用控制權。每次數據被使用，貢獻者都獲得代幣獎勵和治理權，使其能經濟受益並影響數據池發展方向。通過彙集多方數據，DataDAO創建了流動性數據市場，實現數據在Vana生態系統內的安全高效流通。

DataDAO的核心是數據流動性池（DLP），即經驗證並與代幣綁定的數據集。DLP由DataDAO成員管理並擁有治理權。每個DLP明確定義其數據結構和貢獻標準，如Sleep.com作為睡眠數據DAO建立了清晰的數據模式，確保所有鏈上數據結構化且可用。數據價值不僅體現在規模，更在於結構和可用性。

DataDAO高度重視數據真實性和有效性。當前多數DataDAO採用可信執行環境（TEE）運行Python代碼驗證數據，在保障隱私同時確保質量。例如Amazon DataDAO使用瀏覽器擴展生成數據質量證明。所有DataDAO公開其貢獻證明，使用戶清楚瞭解數據質量保障程度。

VANA生態前16名DLP獲得額外激勵，用戶可通過提供高質量數據獲取收益。獎勵基於數據訪問量、質量和節約成本等指標分配。目前Reddit DataDAO規模最大，已吸引約14萬用戶併成功訓練用戶共有AI模型。DLPLabs推出的DataDAO允許司機連接DIMO_Network賬戶，通過共享數據推動汽車相關AI創新獲得獎勵。23andWE致力於收購23andMe，防止基因數據被販賣。

DataDAO 代表了一種全新的數據管理方式，讓個體用戶能夠掌控自己的數據，並通過代幣化機制實現收益。這一生態正在快速發展，為數據治理和 AI 訓練帶來了更具開放性和民主化的可能性。

3.2 DataFi

在數據流動性池的基礎上，DeFi正逐步應用於數據代幣領域。數據流動性池相當於整個生態系統的基礎層，在此之上，可以基於數據代幣構建各類 DeFi 應用。

目前，數據 DeFi 生態系統中已經出現了一些早期應用。例如，去中心化交易所@VanaDataDex和@flur_protocol，允許用戶交換數據代幣，並追蹤特定數據代幣的市場動態。這些平臺的出現，推動了數據資產的自由流通，也讓數據市場更加活躍。

值得注意的是，目前大多數 DLP 獎勵機制主要是將獎勵存入 DLP 財庫，而不會直接燃燒數據代幣或影響其供需。然而，隨著 VRC-13 更新的推出，這一機制發生了變化。新的模式引入了一種更具市場導向的方式：通過獎勵 VANA來促進數據代幣化，再將其注入 DEX 池，以促進數據代幣的交易，並進一步激活 DeFi 生態。

可以預見，未來在 DeFi 領域能夠實現的功能，例如借貸、質押、流動性挖礦，甚至是保險，都可能被引入數據代幣市場，並創造全新的應用場景。

從傳統Web2產業視角，類似企業購買石油期貨規避價格波動，數據市場可能發展數據期貨，讓用戶提前鎖定數據集未來價格，降低獲取成本不確定性。

部分交易公司已將數據視為新資產類別，研究市場價值評估方法，如特定數據代幣價值評估、銷售使用概率及生命週期等，這些因素直接影響數據代幣價格和市場流動性，仍有巨大創新空間。

3.3 更便捷的數據訪問

目前主網上數據集訪問仍相對繁瑣，用戶需提交詳細請求說明需求、支付金額和計劃代碼，完成審批後才能獲取訪問權限。雖確保透明規範，但增加操作摩擦。

為提升效率，Vana正開發更高效數據訪問方式，實現自動API訪問並跨多個DataDAO直接獲取數據。例如，未來用戶可結合睡眠數據與Coinbase或Binance交易數據，分析特定項目持有者睡眠狀況，發掘新市場洞察。

此外，Vana正在推進一項新的提案，即以 80-20 的標準比例燃燒數據代幣和 VANA 以換取數據訪問權限。

Vana還開發了一個新的數據查詢界面，大幅簡化數據訪問流程。用戶可以通過錢包登錄進行身份驗證，並生成數字簽名，以證明自己的訪問權限。由於 數據流動性池記錄了數據格式，用戶可以清楚地瞭解數據結構，並使用 SQL 查詢來獲取所需的信息。在此過程中，用戶可能會先獲得部分 合成數據進行測試，確保查詢的正確性。而當涉及真實數據時，所有計算操作都會在 TEE中進行，以確保數據安全。這種機制能夠有效防止“數據的雙面問題”（即防止用戶在購買數據後擅自轉售），從而保護數據的經濟價值，確保數據市場的可持續發展。

04 Vana的價值分析

數據正在迅速成為數字時代的核心資產。雖然數據收集和存儲技術已相當成熟，但真正的挑戰在於如何有效評估數據質量、實現價值最大化，同時保障隱私安全。Vana通過創新激勵機制巧妙解決這一難題：用戶可通過質押Vana代幣支持高價值DataDAO，同時獲取相應獎勵，形成積極循環。

4.1 突破”數據牆”限制

AI發展已觸及”數據牆”——高質量公開數據資源趨於枯竭。未來AI突破必然依賴如何有效獲取和利用高質量私人數據，如個人健康記錄、智能設備使用數據、特斯拉駕駛視頻等潛在訓練資源。

數據價值存在一個悖論：數據往往因為私密性而保持價值，一旦廣泛可得便會被商品化而貶值。正如AI模型正經歷商品化過程，長期競爭優勢將來自於獨特數據集的掌控，使模型在特定領域表現卓越。數據一旦公開，價格競爭幾乎立即出現，價值迅速下降。

Vana的 DataDAO 利用 TEE 實現了高質量私人數據的價值傳輸，同時保障信息隱私。這一突破將有價值數據資產的範疇從有限的公開數據擴展至更廣闊的私人數據領域，為AI發展開闢了新的可能性。

4.2 數據價值的獨特曲線

數據價值呈現出特殊的曲線特性：單個數據點價值幾乎可忽略不計，但當數據量達到臨界質量時，其價值呈指數級增長。這種特性使數據金融化面臨巨大挑戰——即只有當集體數據形成後才能為各參與方帶來可觀回報。

Vana的DataDAO機制提供瞭解決該困境的創新路徑。通過聚合同類數據，DataDAO為貢獻者創造集體議價能力。以特斯拉車主為例，若所有車主通過DataDAO集中收集並共享駕駛數據，他們對任何需求方都將擁有強大定價權。相比之下，若每位車主獨立發佈數據並要求付費，必然導致價格競爭，買家只需從接受最低價的少數賣家處獲取足夠樣本即可。

結構化、經驗證的高質量數據集（如已驗證的特斯拉駕駛數據）在市場上極具價值，Vana提供的組織框架使這種價值得以充分實現。

4.3 跨平臺數據聚合的突破

DataDAO最強大之處在於能夠實現跨平臺數據聚合——這在當今封閉生態系統中幾乎不可能實現。假設研究者需要訪問同一用戶的Facebook消息、iMessage記錄和Google文檔內容，傳統路徑要求Facebook、蘋果和Google全部合作共享。然而，這些平臺既缺乏動力將用戶數據整合（這可能削弱其數據壁壘），又面臨監管障礙無法實現。

DataDAO通過用戶主導的數據整合模式，巧妙繞過了這一障礙，使跨平臺數據價值得以釋放，為AI訓練和研究創造了前所未有的可能性。

4.4 新經濟參與模式

Vana的願景遠超純技術創新，正開創全新經濟參與模式。在這一模式中，用戶無需傳統資本即可參與數字經濟——他們已擁有最寶貴資源：個人數據。用戶不需要帶來資金，只需分享數據。這就是用戶的資本。DataDAO為Web3用戶提供了基於個人獨特數據的被動收入來源，降低了數字經濟的准入門檻。

4.5 重塑AI收益分配

這種模式可能從根本上重構AI進步的收益分配格局。不再是價值主要流向大型科技公司，Vana通過數據所有權和治理機制使廣泛參與AI經濟成為可能。早期跡象表明這種方法正引起強烈共鳴——測試網上已有超過300個DataDAOs正在開發中。

展望未來3-5年，我們可能見證一個由1億用戶貢獻數據的完全用戶自治AI模型誕生，其性能或將超越如今領先的中心化AI模型。這種模型完全由用戶所有，用戶參與感更強，可以與用戶建立更緊密連接。數據主權使用戶能夠選擇性支持符合倫理的模型，拒絕不道德公司使用其數據。

去中心化AI提供了一種更民主的框架，讓社會共同決定AI應該學習和相信什麼，而非由少數公司主導。用戶對數據的所有權不僅意味著經濟權益，更包括對AI模型行為的實質控制權，如解決模型言論審查等關鍵問題的能力。

05 總結

在商業層面，Vana致力於構建完整的數據價值鏈，覆蓋數據聚合、AI模型訓練到數據銷售的全流程。當前數據市場被少數平臺和數據經紀商壟斷，Vana旨在解決這一市場低效問題，創建更公平的數據交易生態系統。

Vana不僅僅是一個新平臺——它代表著數據所有權和AI發展方式的根本轉變。通過使用戶在參與集體價值創造的同時保持對數據的主權，Vana正在為更公平、更創新的AI未來奠定基礎。

在當前充斥著概念炒作的AI市場中，Vana憑藉其直擊行業核心痛點的創新機制，有望成為塑造AI未來發展格局的關鍵力量。

聲明：

1. 本文轉載自 [Biteye]，著作權歸屬原作者 [Biteye]，如對轉載有異議，請聯繫 Gate Learn 團隊，團隊會根據相關流程儘速處理。
2. 免責聲明：本文所表達的觀點和意見僅代表作者個人觀點，不構成任何投資建議。
3. 文章其他語言版本由 Gate Learn 團隊翻譯， 在未提及 Gate.io 的情況下不得複製、傳播或抄襲經翻譯文章。