在当今的科技领域，数据被视为一种宝贵的资源，而数据资产化的概念在AI+Crypto领域中被认为是最为合适的。传统的AI训练主要依赖于互联网上公开可见的数据，而其中仅占很小一部分的数据源自公共领域流量。然而，更多的数据实际上存在于私有领域流量中，包括个人数据等。如果这些私有流量数据能够被用于训练或微调大型模型，那么我们就能够在各个垂直领域拥有更加专业化的智能体或机器人。

Web3最为擅长的口号是“Read，Write，Own！”通过AI+Crypto的结合，在去中心化激励的引导下，释放个人与私有流量的数据，将其资产化，为大型模型提供更加丰富的“口粮”，这看起来是一个非常合理的做法，也的确有几个团队在这个领域进行了深入的研究和实践。

然而，这个领域最大的挑战之一是数据很难像算力一样被标准化。去中心化算力可以直接转化为算力，而私有数据的数量、质量、用途等各个维度都很难进行衡量。如果说去中心化算力是类似于ERC20标准的话，那么去中心化AI训练数据的资产化更像是ERC721标准，且可能涉及到各种不同的项目和特征，这增加了流动性与市场化难度。因此，目前在AI数据资产化领域的项目都面临着一定的困难。

此外，数据赛道中还有一个值得关注的方向，那就是去中心化标注。数据资产化主要作用于数据收集阶段，而在喂养给AI之前，数据还需要进行标注加工。目前，数据标注主要是中心化的人力密集型工作，通过去中心化的代币奖励，将这种劳动力变为去中心化的过程，是一个值得探索的思路。目前已经有少量团队在这一领域进行了探索和实践。