屬性訪問控制

1. 3 秒看懂

ABAC（AI‑Blockchain Application Chain）是一種將區塊鏈的去中心化信任基礎設施與人工智慧的資料處理、決策能力深度融合的架構範式。它並非區塊鏈和 AI 的簡單疊加，而是試圖通過鏈上存證、可驗證推論、隱私計算和智慧合約自動協作，建置一套資料可確權、模型可溯源、協作可激勵的智慧應用體系。在此語境下 ABAC 指代“AI 與區塊鏈融合的鏈化應用”，與傳統資訊安全領域的“基於屬性的訪問控制（Attribute‑Based Access Control）”共享縮寫但含義完全不同，閱讀時務必注意區分。

2. 3 分鐘產業解釋

人工智慧的快速發展暴露出三個結構性痛點：資料孤島使高質量訓練資料難以流通；黑盒模型令決策過程難以審計，監管和使用者信任不足；版權與激勵缺失導致資料貢獻者、模型開發者缺乏合理回報。區塊鏈的分散式賬本、智慧合約和代幣經濟恰好為上述問題提供了一種原生方案。ABAC 的核心邏輯就是讓“鏈”負責信任錨定和價值流轉，讓“App”承載 AI 的分析與生成能力，二者通過分層協同實現能力互補。

具體而言，ABAC 的“鏈”端承擔四重角色：一是存證，將資料指紋、模型版本雜湊、推論輸入輸出記錄上鍊，保證不可篡改且可追溯；二是權限管理，利用智慧合約執行資料使用權交易和模型訪問控制，實現細粒度的合規共享；三是激勵，通過代幣或積分對資料提供者、節點運營者、模型訓練者進行自動化收益分配；四是治理，引入去中心化自治組織（DAO）對關鍵引數調整、爭議仲裁進行社群投票。而“App”端則專注於 AI 能力的產生與消費，既包括去中心化的資料市場、模型市場，也包括執行在使用者端或鏈下高效能節點中的可驗證推論服務、自主 AI 代理等。

產業參與者的典型協作模式是：醫療機構將脫敏資料雜湊上鍊，製藥公司通過在智慧合約質押代幣換取聯邦學習參與資格，模型貢獻者上傳加密模型，各方在安全多方計算或可信執行環境中完成聯合訓練，最終得到的模型引數雜湊及貢獻度記錄全部上鍊，收益按協議自動清分。整個過程無需一箇中心化平台作為中間人，一定程度上降低了資料黑市的衝動，也為監管提供了貫穿始終的審計日誌。

需要特別指出的是，ABAC 當前仍處於早期驗證階段。多數專案僅實現了資料存證加簡單的模型版本管理，距離全鏈條可驗證、全流程去中心化的理想態還有較大距離。全球範圍內，尚未出現一個同時被產業界和監管層廣泛認可的 ABAC 標準，市場仍呈現碎片化探索格局。

3. 技術原理

ABAC 的技術堆疊通常按資料層、模型層、協作層、應用層四個維度劃分，每一層都需解決“可信”與“效能”的平衡。

資料層

• 鏈上存證與資料指紋：原始資料不會全量上鍊（成本過高且涉及隱私），取而代之的是將資料描述、雜湊指紋、後設資料錨點寫入區塊鏈。任何對源資料的修改都會改變指紋，從而實現篡改即發現。
• 隱私計算融合：為滿足《個人資訊保護法》等法規，ABAC 廣泛整合零知識證明（ZKP）、安全多方計算（MPC）、可信執行環境（TEE）。ZKP 允許一方在不透露原始資訊的情況下向另一方證明某個斷言為真，常用於合規驗證；MPC 則允許多個數據持有方在不洩露各自輸入的前提下完成聯合計算，是聯邦學習的重要底座；TEE 通過硬體級隔離提供計算黑盒，像英特爾 SGX 已被用於機密 AI 推論。

模型層

• 鏈上/鏈下協同：完整的大語言模型動輒數百 GB，全部上鍊既不經濟也無法滿足延遲要求。主流做法是將模型後設資料、版本雜湊、關鍵超引數及推論結果證明上鍊，模型的訓練與推論仍在鏈下的 GPU 叢集或邊緣節點執行。部分輕量模型（如決策樹、小型神經網路）可被編譯為智慧合約位元組碼直接部署，適用於高頻但簡單的鏈上決策。
• 可驗證推論：利用零知識證明或可信執行環境，推論計算可在鏈下完成，同時生成一份可被鏈上合約驗證的證明。第三方節點能夠通過驗證證明來確認推論過程確實使用了宣告的模型與輸入，防止服務商偷換劣質模型或篡改結果。這項技術正處於工程化突破期，代表性的開源架構包括 zkML、EZKL 等。
• 模型進化與追溯：每一個模型的訓練資料、微調記錄、權重大小等資訊被封裝為鏈上非同質化代幣（NFT）或智慧合約記錄，形成完整的血緣鏈，便於審計和版權碰撞處理。

協作層

• 智慧合約：負責自動化執行資料交易、模型租賃、任務分發和收益分配。例如，一個數據購買合約會在收到買方代幣後，觸發資料對應雜湊的訪問權限，同時將費用按預設比例分給資料提供者與平台。
• 去中心化身份與聲譽系統：鏈上身份（DID）為 AI 節點和資料來源提供可驗證的聲譽畫像，幫助市場篩選高質量參與者。
• DAO 治理：當需要調整模型訓練策略、增刪資料集白名單、升級協議版本時，由持幣人或貢獻者投票決定，避免單一實體操縱。

應用層

• 去中心化 AI 市場：類似 Ocean Protocol 的資料市場和 SingularityNET 的 AI 服務市場，供需雙方自由匹配。
• 可信 AI 代理：在鏈上註冊的自主代理可以根據預設規則自動完成資料抓取、模型選擇、結果提交等操作，所有行為可審計。
• 垂直行業 DApp：金融領域的反欺詐聯盟、醫療領域的多中心科研協作、政務領域的跨部門資料共享，都是 ABAC 應用的試驗田。

4. 關鍵引數

理解 ABAC 系統的能力與限制，離不開量化視角。以下是評估 ABAC 專案時常關注的幾個工程引數，部分資料來自公開資料，未涵蓋的指標已註明。

引數	說明與典型範圍	資料/來源
區塊鏈吞吐量（TPS）	公有鏈以太坊約 15-30 TPS（2023 年）；聯盟鏈如 Hyperledger Fabric 可達數千 TPS。ABAC 若包含鏈上推論，TPS 會限制併發會話數。	Ethereum 2023 Q4 網路統計
AI 模型推論延遲	鏈下大型模型推論（如 GPT-3 級）約 200-500 ms/請求；鏈上輕量模型預測延遲取決於區塊時間，以太坊約 12 s。差距顯著。	公開基準測試 MLPerf
隱私計算開銷	零知識證明生成時間視電路複雜度從數秒到數十分鐘不等，MPC 的通訊開銷是明文計算的 10²-10³ 倍。	學術文獻，如 Zokrates 基準
鏈上儲存成本	以太坊主網儲存 1 KB 約需 0.02-0.03 ETH（2023 年），儲存大型資料完全不經濟。這也是原始資料絕不上鍊的經濟原因。	Ethereum Gas Station 2023
節點規模與去中心化程度	公有鏈專案節點數可超千個（以太坊約 5,000+），聯盟鏈常為數十個機構節點。節點數量影響抗審查能力和共識效率。	Etherscan, 各專案白皮書
代幣經濟模型引數	通脹率、質押收益率、通證總量等。例如 Fetch.ai 的 FET 總供應量約 11.5 億枚，部分用於節點擔保和網路使用費。	CoinMarketCap 2024 年資料
市場流通性與市值	FET、OCEAN、AGIX 等通證市值在 2024 年初合計約 30-50 億美元，但波動極大。	CoinMarketCap 公開資料

對於 ABAC 應用層的關鍵指標，如活躍的 AI 任務數、鏈上交易中 AI 呼叫佔比等，公開資料未見系統性統計，多數仍侷限於專案方自行揭露。

5. 技術路線

當前 ABAC 的實現路徑可分為三條主流路線，彼此並非互斥，更多體現切入點的差異。

路線一：公鏈 + AI 市場
藉助以太坊或 Cosmos 等公有鏈，建置去中心化的資料/模型交易平台，利用原生代幣流通性吸引全球參與者。代表專案 Ocean Protocol、SingularityNET。該路線的優勢是開放性強、生態啟動快；劣勢在於公鏈的低吞吐量和高 Gas 費限制了複雜 AI 的鏈上互動，隱私保護主要依賴鏈外計算，鏈上僅存證。

路線二：聯盟鏈 + 隱私計算
由中國等市場主導，採用 Hyperledger、螞蟻鏈、長安鏈等聯盟鏈作為底層，輔以 MPC/TEE，在已知可信成員間建置資料協作網路。典型如螞蟻鏈摩斯、趣鏈科技資料共享平台。這條路線的合規性和效能更易於企業接受，但去中心化程度低，跨機構互操作仍依賴中心化閘道器。

路線三：模組化鏈上智慧
新興路線主張將 AI 執行環境直接嵌入區塊鏈的 Layer‑2 或應用鏈，例如 Fetch.ai 的 Cosmos 應用鏈，試圖通過輕量級 AI 代理和高效共識實現鏈上自主決策。另一分支是基於零知識證明的可驗證推論網路，將通用模型的計算用 zk-SNARK 證明並提交給主鏈驗證，典型專案如 Modulus Labs、Giza。該方法追求最大程度的去信任化，但效能瓶頸和高昂的證明生成成本仍是巨大挑戰。

技術融合趨勢：越來越多專案開始混合使用上述路線。比如在聯盟鏈內引入 ZKP 提升跨機構信任，公有鏈上的 AI 市場通過 Layer‑2 彙總（rollup）降低交易成本，實現任務撮合的高頻低費。

6. 上游

ABAC 的上游主要包括底層區塊鏈基礎設施、隱私計算硬體與中介軟體、資料資源與標註服務。

• 區塊鏈基礎設施：公有鏈平台如 Ethereum、Cosmos、Polkadot，聯盟鏈如螞蟻鏈、長安鏈、Hyperledger Fabric。這些平台提供 ABAC 所需的賬本、智慧合約和共識服務。根據 IDC 2023 年《中國區塊鏈市場支出指南》，2022 年中國區塊鏈整體支出約 15 億美元，預計 2026 年達 42 億美元，其中聯盟鏈相關支出佔比超 80%。全球公有鏈生態則由少數頭部鏈主導，Ethereum 佔據約 60% 的 DeFi/Web3 基礎設施份額（TVL 佔比），而針對 AI 的專用鏈仍屬小眾。
• 隱私計算硬體與中介軟體：TEE 晶片供應商如英特爾（SGX）、AMD（SEV），以及國內廠商的國密 TEE 方案；MPC 軟體庫如 COCO 架構、螞蟻鏈摩斯；零知識證明加速硬體如 FPGA/ASIC 創業公司（如 Ingonyama）。據 Fortune Business Insights 資料，2022 年全球隱私計算市場（含軟體與硬體）約 21 億美元，其中 TEE 相關營收約佔四成。
• 資料資源與標註：大規模高質量訓練資料是 AI 的燃料。ABAC 上游資料服務商包括去中心化資料交易平台（如 Ocean）以及傳統標註公司（如海天瑞聲），後者年營收約 2.6 億元人民幣（2023 年年報），但尚未大規模介入鏈上資料市場。資料資源的合規與確權服務也由此派生，例如公證通、數秦科技等。
• 密碼學與安全審計：提供 ZKP 電路設計、智慧合約審計、形式化驗證的安全公司是 ABAC 的重要上游，如 CertiK、慢霧科技等。2023 年 CertiK 全年審計營收約 8000 萬美元（公開報道），反映了 Web3 安全需求的增長。

中國企業的版面配置：螞蟻鏈、騰訊雲端區塊鏈、百度超級鏈等均推出 BaaS 平台，其中嵌入了基礎的可信計算模組。晶片領域，華為、海光等提供支援 TEE 的處理器。但專門面向 ABAC 的上游供應鏈尚未成熟，多數供應商仍以“區塊鏈+機密計算”名義提供通用能力。

7. 下游

ABAC 的下游場景集中在金融、醫療、政務、供應鏈、智慧財產權等資料密集且信任成本高昂的領域。

• 金融：反洗錢資訊共享、黑名單聯防、信貸評估資料聯邦。眾安科技的區塊鏈反欺詐聯盟已接入數十家金融機構，日共享計算量超百萬次（2023 年公開宣傳材料）。微眾銀行牽頭實現多方聯合風控建模，利用聯邦學習保護使用者隱私。
• 醫療：跨醫院臨床資料協作、基因資料分析。螞蟻鏈與湖州市合作建設電子病歷共享平台，結合 MPC 實現檔案調閱授權。華大基因與區塊鏈公司合作，將基因組資料指紋上鍊並支援有條件訪問。據《中國醫療區塊鏈應用白皮書（2023）》，超過 70% 的省級衛健委試點中融合了區塊鏈與隱私計算元素，但大規模生產系統仍不多見。
• 政務：北京市海淀區利用長安鏈建置政務服務資料協同平台，近百個部門的資料目錄上鍊，AI 用於材料自動稽核。政務領域的 ABAC 多以聯盟鏈+鏈下 AI 形式出現，強調合規可控。
• 供應鏈：跨國物流溯源與碳足跡核算。例如螞蟻鏈的“Trusple”平台記錄跨境貿易全流程，結合 AI 預測貨運風險，上鍊企業已超千家（2023 年公開資料）。
• 智慧財產權與內容：利用區塊鏈存證 AI 生成內容（AIGC）的創作過程，中國信通院正在制定 AIGC 內容溯源標準，部分初創專案如“星火·鏈網”在數字版權中嵌入 AI 查重。

下游成熟度：多數場景仍處於 POC（概念驗證）或第一階段試點，財政和採購資料表明，中國 2023 年區塊鏈 AI 融合類專案中標金額累計約 3 億元人民幣（據對公開招標資訊的抽樣統計，非全口徑），單專案均額在 100-500 萬元區間，說明尚未進入大規模複製階段。全球範圍內，公開可查的 ABAC 類應用年營收超過 1 億美元的企業還未出現。

8. 受益公司

以下基於業務關聯性梳理可能受 ABAC 趨勢影響的主體，不構成任何投資建議。

基礎設施層

• 螞蟻集團（未上市）：旗下螞蟻鏈擁有自主可控的區塊鏈引擎，結合摩斯 MPC 平台提供完整資料協作方案。受益於中國政務、金融數字化轉型，若 ABAC 產業爆發，其技術儲備可能轉化為持續性服務營收。
• 騰訊：騰訊雲端區塊鏈 TBaaS 支援 Hyperledger Fabric 和長安鏈，與 AI 部門聯合推出聯邦學習服務。受益於生態內豐富的應用場景（微信支付、政務），具有內部協同優勢。
• 百度：百度超級鏈（XuperChain）與百度飛槳（PaddlePaddle）的聯動，提供鏈上模型存證與資料協同，推出“可信 AI”一體機。在深度學習架構與鏈的整合上戰略版面配置較早。
• 趣鏈科技（非上市）：國內區塊鏈頭部初創，在政務、金融領域落地多個數據共享平台，推出 BitXMesh 隱私計算架構。其客戶以政府和大型企業為主，2022 年營收據稱破億元（公開報道）。
• 華大基因（上市）：在基因資料隱私共享中探索區塊鏈+MPC，雖佔比較小，但具備資料資源壁壘。

應用與通證層（國際）

• Fetch.ai（FET）：建置自主代理網路，已部署超 40 萬個代理（截至 2023 年），代幣用於網路使用和質押。生態合作伙伴包括 Bosch、AWS 量子網路等。
• Ocean Protocol（OCEAN）：專注去中心化資料市場，累計交易資料資產超 1000 個（2023 年），協議營收由代幣質押者和節點分享。
• SingularityNET（AGIX）：去中心化 AI 服務市場，整合數十個 AI 演算法，機器人 Sophia 背後公司，2017 年創立。
• Numerai（NMR）：以加密方式激勵資料科學家建置預測模型，管理數億美元的避險基金，代表了金融市場 ABAC 的最成熟應用。

以上國際專案市值波動劇烈，其業務營收與代幣價格相關性高，受加密市場整體行情影響顯著。

9. 市場規模

嚴格符合 ABAC 定義的市場規模尚無權威單一統計，我們可從幾個鄰近市場交叉推算。

據 Fortune Business Insights 2023 年釋出的《Blockchain AI Market Size, Share & COVID‑19 Impact Analysis》，2022 年全球區塊鏈 AI 市場估值為 2.205 億美元，預計到 2030 年增長至 9.736 億美元，年複合增長率 24.6%（2023‑2030）。該統計口徑涵蓋利用區塊鏈技術提高 AI 模型透明性、資料共享和決策自動化的軟體與服務，大致對應本文 ABAC 概念的核心範圍。

中國市場方面，IDC《中國區塊鏈市場支出指南 2023V1》預測到 2026 年整體區塊鏈支出將達 42 億美元。如果保守假設其中與 AI 深度融合的部分佔比達到 15%（與資料智慧相關場景），則 ABAC 直接相關市場規模可能在 3‑6 億美元（2026 年）。《中國數字經濟發展白皮書（2023）》也指出，隱私計算與區塊鏈融合賽道年增長超過 60%，但未給出絕對額。

隱私計算整體市場提供了一個更寬的參照：依據 Grand View Research 2023 年資料，2022 年全球隱私計算市場規模約 15 億美元，預計 2030 年達 130 億美元。ABAC 作為隱私計算與區塊鏈的結合體，將受益於此宏觀紅利，但其獨立的市場價值還取決於鏈上 AI 任務商業閉環的成熟度。

需要強調的是，上述資料均出自第三方機構基於部分上市或公開可調查的企業營收的預測，預測本身存在不確定性。對於 ABAC 的狹義市場總額，目前公開資料未見統一維度的精細化測算。

10. 玩家對比

選取已公開運營較長時間的國內外代表性專案進行多維度對比（資料截至 2024 年 Q1）。

專案	啟動時間	核心技術路線	代幣/經濟	公開融資/估值	AI 深度	生態亮點	中國市場存在感
Fetch.ai	2017	Cosmos 應用鏈 + 多智慧代理強化學習	FET（質押、Gas）	2021 年 ICO 及私募數千萬美元，2023 年 Binance 上市	自主代理決策，鏈上輕量 AI	Bosch 合作，40 萬+代理	極低
Ocean Protocol	2017	以太坊 + 資料 NFT 和 DataToken	OCEAN	2019 年 ICO 約 2200 萬美元，後 DWF Labs 等投資	資料市場，AI 使用者	1000+ 資料集，預測資料競賽	低
SingularityNET	2017	以太坊/卡爾達諾 + AI 服務市場	AGIX	2017 年 ICO 約 3600 萬美元，2023 年市值曾超 10 億$	第三方 AI 服務呼叫	數十種 AI 服務，機器人 Sophia	低
Numerai	2015	以太坊 + 加密激勵預測建模	NMR	私募，管理資金數億$	整合數千資料科學家模型	管理避險基金，真實交易	無
螞蟻鏈 / 摩斯	2020 前後	聯盟鏈（自研）+ MPC/TEE	無公開代幣	未獨立融資	隱私計算協作，鏈上存證	政務、醫療、跨境貿易案例	主場，官方試點
矩陣元	2017	聯盟鏈 + MPC	內部積分	2020 年獲數千萬元 A+ 輪，2022 年 B 輪（數額未公開）	金融資料協同建模	與多家銀行、運營商合作	高（國內）
趣鏈科技	2016	BitXMesh（自研區塊鏈+ MPC）	無代幣	多輪融資，估值數十億元（2021 年）	政務資料共享、鏈上 AI 存證	市級、省級政務平台	高（國內）
Oasis Protocol	2018	公有鏈 + TEE 機密計算	ROSE	2018 年融資約 4500 萬美元	隱私智慧合約，可執行輕量 AI	與寶馬、Google 合作隱私分析	低

分析：國際專案普遍圍繞公鏈代幣經濟建置雙邊市場，資金和使用者來自全球，但合規性在多地受挑戰；國內參與者基本放棄代幣模式，聚焦企業服務和政府專案，通過專案制或 BaaS 訂閱獲取營收。兩者商業邏輯迥異，當前階段難以直接對比競爭實力。國產方案在客戶定製和合規上有優勢，但缺乏網路效應的快速放大機制；國際專案金融屬性強，市值易受情緒影響，其營收往往遠低於市值隱含估值。

11. 風險

ABAC 面臨的風險貫穿技術、經濟、法律和倫理。

技術風險

• 效能與成本：區塊鏈的全球共識延遲和儲存成本與 AI 的大數據、低延遲需求存在根本矛盾。鏈上直接訓練大型模型近乎不可能，鏈下計算帶來的可驗證證明生成開銷仍比原生計算高出數個數量級。
• 互操作性：不同區塊鏈之間、不同 AI 架構之間缺乏統一標準，ABAC 生態可能演變為一個個新的技術孤島，失去規模價值。
• 安全性：智慧合約漏洞、隱私計算的側通道攻擊、ZKP 引數的可信設定等都可能被利用，造成資料洩漏或資產損失。2023 年 Web3 領域因安全事件損失超 18 億美元（CertiK 報告），ABAC 專案同樣暴露在此風險中。

經濟與治理風險

• 通證經濟泡沫：部分專案代幣價格與網路實際使用價值脫鉤，投機炒作嚴重，一旦流動性枯竭，生態可能崩塌。
• 激勵錯配：DAO 治理中，代幣持有者可能更關注短期價格而非模型準確性、隱私保護等長期目標，從而導致決策偏離最優。
• 中心化迴歸：許多專案名義上去中心化，但實際開發、資料稽核、模型路由仍由有限實體控制，削弱了信任基礎。

法律與監管不確定性

• 資料合規：鏈上不可篡改的特性與《個人資訊保護法》的刪除權、歐盟 GDPR 的遺忘權產生直接衝突。即便僅存證雜湊，一旦原始資料被定義為個人資訊的衍生品，刪除訴求可能難以執行。
• 責任界定模糊：當 ABAC 驅動的 AI 代理做出錯誤決策並造成損失時，開發者、節點運營者、DAO 成員、資料提供者之間的法律責任劃分在全球尚無清晰先例。
• 加密資產監管：涉及代幣的 ABAC 專案面臨全球各國複雜的證券法、反洗錢法規定，合規成本高昂，部分地區甚至可能被直接禁止。

倫理與社會風險

• 演算法偏見固化：帶有偏見的資料一旦上鍊存證，其“不可篡改”特性可能使其被反覆引用，加劇歧視的永久化。
• 自主代理失控：具備鏈上身份和資金管理能力的 AI 代理若在不完善的安全架構下執行，可能執行超出人類意圖的破壞性操作，而法律追索困難。
• 能源與可持續性：工作量證明共識的區塊鏈與大量 AI 訓練部署疊加，可能造成高額能耗。雖然轉向權益證明和高效硬體有所改善，仍待評估綜合碳足跡。

12. 誤讀糾偏

• 誤讀一：ABAC = 區塊鏈 + AI
  ABAC 不是兩個技術的簡單加法。其核心是通過架構設計將可信資料流、價值流和模型控制流有機編織在一起，否則只是“用了區塊鏈的 AI 系統”，無法解決信任和激勵的根本問題。
• 誤讀二：ABAC 是資訊安全領域的屬性訪問控制
  本文所述 ABAC 全稱為 “AI‑Blockchain Application Chain”，是 AI 與區塊鏈產業界約定俗成的新縮寫。它與傳統訪問控制模型 “Attribute‑Based Access Control” 縮寫相同，但屬於完全不同的技術領域。讀者在閱讀新聞報道或研究報告時，務必根據上下文判斷具體指代。
• 誤讀三：鏈上 AI 意味著模型在鏈上執行
  絕大多數 ABAC 架構將模型推論放在鏈下，鏈上只保留存證和驗證邏輯。聲稱“完全鏈上執行 GPT‑4”既違反物理規律也違背經濟常識，屬於錯誤宣傳。
• 誤讀四：通證價格上漲代表專案成功
  代幣價格在短期內受市場情緒、投機資金影響巨大，與其應用落地、技術突破不完全正相關。評估 ABAC 專案應關注務指標：活躍資料交易量、鏈上 AI 任務數、企業付費客戶數等，而這些資料多數未強制揭露。
• 誤讀五：國內政策全力支援“鏈+AI”
  中國政策鼓勵區塊鏈和人工智慧作為獨立產業發展，但針對二者深度架構融合的專項政策檔案尚未出臺（截至 2024 年中）。現有的“區塊鏈+AI”試點大多隻是在一個專案中分塊應用兩項技術，非真正的 ABAC 架構。

13. 最新事件

（截至 2024 年 4 月，基於公開可查事件）

• 中國信通院啟動“區塊鏈+AI”標準立項：2023 年 12 月，中國資訊通訊研究院牽頭成立“區塊鏈 AI 融合技術組”，啟動模型存證格式、可信推論介面等三項團體標準制定，多家頭部企業參與。
• 螞蟻鏈釋出“鏈上 AI 引擎”：2023 年 11 月，螞蟻鏈在其隱私計算平台中新增“鏈上 AI 引擎”，支援模型版本雜湊存證與 TEE 推論驗證，並在多個政務專案中試點。
• Fetch.ai 完成 4000 萬美元生態基金募集：2024 年 3 月，Fetch.ai 宣佈推出 Fetch.ai Innovation Fund，獲得 DWF Labs 等支援，用於孵化自動化代理的商業用例。
• OpenAI 與 Space and Time 合作資料驗證：2023 年 10 月，資料庫 web3 專案 Space and Time 宣佈整合 OpenAI 的 GPT 介面，將查詢結果證明上鍊，為 AI 分析提供可驗證的上下文。
• 歐洲議會通過《AI 法案》：2024 年 3 月，歐盟 AI 法案正式通過，對高風險 AI 系統的透明度、可追溯性提出要求，一定程度上利好具備存證與驗證能力的 ABAC 架構，但具體合規細則仍待落地。
• 華為雲端推出可信智慧計算鏈服務：2024 年初，華為雲端在華東局點上線基於 TEE 和區塊鏈的“可信智慧計算鏈”，主打金融和政務客戶。
• 國內 ABAC 融資：據公開工商資訊，2023 年國內涉及“區塊鏈+隱私計算+AI”的創業公司融資案例約 15 起，總金額估計在 2 億元人民幣以內，無單筆超 5000 萬的大額融資。

小結：政策與標準制定進入快車道，產業應用仍以小範圍試點為主，資金端處於謹慎樂觀狀態。

14. 追蹤指標

若需持續觀察 ABAC 概念的發展，建議追蹤以下指標：

• 鏈上資料指標：頭部專案（Fetch.ai, Ocean, SingularityNET）的日活躍代理/資料資產數量、月度資料交易額（可訪問 Dune Analytics 相關儀表盤）；參與隱私計算的鏈上交易數。
• 程式碼活躍度：相關 GitHub 倉庫的提交頻率、開發者數量。重點專案如 Ocean.py、Fetch.ai SDK、zkML 庫。
• 專利與論文：在“區塊鏈+AI”“可驗證推論”“聯邦學習+區塊鏈”等關鍵詞下的專利申請與學術論文發表數量，可通過 Google Scholar、中國國家智慧財產權局檢索。
• 產業招標：中國政府採購網、各省招標平台中“區塊鏈 AI 融合”“可信資料協作”標項的數量、金額、招標方性質。
• 政策與標準：國家部委、省級政府釋出的區塊鏈 AI 相關試點名單、標準立項通知；歐盟、美國等主要經濟體的 AI 監管法案進展。
• 投融資：全球 AI+區塊鏈領域私募融資總額、輪次分佈，可參考 Pitchbook、IT 桔子的更新。
• 代幣市動與協議營收：針對公鏈型 ABAC 專案，關注 Token Terminal 統計的協議年化營收、通證銷燬率和國庫餘額，以評估經濟模型的可持續性。

公開資料中尚未形成類似 DeFi 的統一鏈上分析儀表板，以上指標需綜合多個來源自行拼圖。

15. 信源

• Fortune Business Insights, “Blockchain AI Market Size & Share Report, 2023‑2030”, Sept 2023.
• IDC, “中國區塊鏈市場支出指南 2023V1”, 2023.
• Grand View Research, “Privacy Enhancing Technologies Market Size & Trends”, 2023.
• CertiK, “Web3 Security Report Q4 2023”, 2024.
• CoinMarketCap, 各通證市值與流通供應量資料，截至 2024‑04.
• 中國資訊通訊研究院，《區塊鏈與人工智慧融合應用白皮書（2023）》。
• 中國資訊通訊研究院，《AIGC 內容溯源標準立項通報》，2023.
• 螞蟻集團“鏈上 AI 引擎”產品介紹及公開報道，2023‑2024.
• Fetch.ai 官方部落格, “Fetch.ai Innovation Fund”, Mar 2024.
• Ocean Protocol 文件與 Dune Analytics 資料儀表板.
• 中國政府採購網公開招標資訊，2023 年關鍵字抽樣統計.
• 歐盟議會, “Artificial Intelligence Act”, 2024.