从边缘到核心，Web3 AI 正在改写剧本

从 meme Agent 到短暂的框架热潮，过去一年 Web3 AI 看似热闹，但留下的多是 Tokenomics 包裹下的徒留概念，DeAI （去中心化 AI）正滑向「落地无感、价值存疑」的冷感区，站在被抛弃的边缘。

但现实却比想象更戏剧性。

在这个转折节点上，有一个项目走出了完全不同的路径。FLock，一个最早专注于联邦学习和隐私计算的 DeAI 项目，正在以实际落地、一线合作和权威背书，打破过去 DeAI「叫好不叫座」的魔咒。凭借三件大事，不仅打穿了 Web3 AI 的叙事天花板，更通过扎实的基础设施建设，成为了行业新范式的制定者：

• FLock 接替了 Claude，成了 Base MCP 的默认链上模型。
• Qwen 携手 FLock，开启 Web2 AI 与 Web3 DeAI 的首次深度融合。
• FLock 入选 CB Insights 2025 年 AI 100 榜单，成为全球最具前景的 AI Infra 项目之一。

这三件事，看似独立，却串联起了一个共同的问题：如果去中心化 AI 想真正走进主流，它究竟应该长什么样？为什么是 FLock，为什么只能是 FLock？这篇文章给你答案。

第一件事：Base 替换 Claude，FLock 成为第一个链上主力模型

2025 年 3 月，Base MCP 宣布将链上调用模型由 Claude 更换为 FLock，正式启用去中心化 Agent Model 来执行链上任务。这一动作，许多人没看懂。

Claude 是谁？为什么 Claude 会被替换？Claude 是由 Anthropic 开发的大模型，也是 MCP 协议本身的发起方。这本应是「亲儿子」的默认执行引擎。但 Base 最终却选择了 FLock，作为新的 Agent Model。

MCP（Model Context Protocol）被比喻为 AI 应用的 USB-C 标准，是链接 AI Agent 与工具调用能力的标准化协议层。谁来执行 MCP 工具链的能力调用，本质上决定了应用场景能否真正落地。

FLock 凭借其本地部署、隐私保护、链上操作能力，在性能上跑赢 Claude。它不仅兼容 MCP Server 调用，还原生支持链上数据读写，完美贴合 Base 生态的原生使用需求。

Claude 是通用大模型，而 FLock 是链上 Agent 执行的 「专用款」。Base MCP 的这一选择，标志着 Web3 AI 生态第一次拥有了真正可落地的模型栈，也证明 FLock 在算力整合和本地调用能力上达到了产业应用级别的水准。

第二件事：Qwen 携手 FLock，Web2 AI 与 Web3 的融合起点

2025 年 4 月，FLock 与阿里云旗下开源大语言模型系列 Qwen 达成战略合作。这不仅仅是一次 「AI+AI」 的合作，更是 Web2 顶级 LLM 首次向 Web3 去中心化模型主动选择与去中心化训练平台进行底层合作。

Qwen 是什么？它是由阿里云推出的开源大语言模型系列，尤其是在 2025 年发布的 Qwen3 系列中，不仅囊括了 0.6B 到 235B-A22B 等多个模型尺寸，更凭借混合专家架构（MoE）、原生多语言支持以及对 MCP 协议的完美适配，成为当前中文语境下最强的开源大模型之一。

从 AIME 到 ArenaHard、LiveCodeBench，Qwen3 几乎在所有维度上刷新了同尺寸模型的全球记录，成为开源 LLM 社区的技术标杆。不论是推理速度、指令理解还是多模态交互能力，都展现出远超 Mistral、DeepSeek 的智能水平，甚至在多个场景下逼近 GPT-4。

在这样的背景下，Qwen 主动选择与 FLock 展开战略合作，绝不仅仅是一次「联名」。作为支持 MCP 协议的模型，Qwen3 天然具备与去中心化 AI 网络集成的基础能力，而 FLock 则提供了联邦训练、隐私保护与可信验证的完整链上执行框架。

这是一种「协议层」的深度协同，Qwen 为 FLock 提供强大的推理引擎，FLock 则为 Qwen 构建更可信、更自主的训练与部署土壤。Qwen 认可的，是 FLock 对于训练可信度、隐私协作机制与去中心化资源协调能力的体系化构建。也是第一次，Web2 顶级 LLM 与 Web3 AI 网络之间建立起真正的技术共识。

这次合作聚焦在三个方向：

1. 技术融合：中心化模型架构（Qwen）+ 去中心化训练基础设施（FLock），协同训练 AI 模型。
2. 数据隐私保护：联邦学习 + 区块链智能合约，避免数据泄露的同时构建可追溯模型溯源机制。
3. 生态协同：共同推动模型跨平台部署，探索医疗、金融、教育等垂直领域中的微调与服务落地。

Qwen 的选择，为 FLock 提供了强有力的背书，也让 Web3 DeAI 生态第一次真正有机会站上全球 LLM 赛道的起跑线。但更重要的是，这一合作也间接帮助整个去中心化 AI 社群，打开了与主流 AI 厂商合作的窗口。传统 AI 开始在合作评估与资源协调中，逐步接纳去中心化训练平台作为正式的 vendor 选项。

在这套协同框架中，FLock 连接上游的算力、数据供给方与下游的应用开发者，形成一个可以被持续调用、验证与复用的开放式执行系统。

第三件事：FLock 入选 CB Insights「2025 全球 AI 100」榜单，成为 AI Infra 赛道唯一 DeAI 项目

如果说 Base 与 Qwen 的合作分别代表了 Web3 的落地实用性与 Web2 主流的技术融合认同，那来自 CB Insights 的认可，则提供了来自传统资本与产业研究维度的独立评价。

2025 年 5 月，FLock 成功入选 CB Insights《AI 100：2025 年最具前景的人工智能初创公司》榜单，成为全球 AI Infra / Data 赛道中唯一专注于去中心化联邦学习与模型协同训练的项目。

CB Insights 作为全球最具影响力的科技研究机构之一，此次榜单从 17,000 多家 AI 初创公司中遴选而出，评估标准涵盖技术创新力、市场落地性、资本支持、专利布局、产业合作及 Mosaic 评分体系。FLock 能从中脱颖而出，证明其在「可信隐私协作网络」这一细分领域，已不仅是 Web3 概念下的先锋，更是 AI Infra 层正在崛起的关键力量之一。

在这次榜单的评语中，FLock 被归类为推动「数据协同与训练基础设施进化」的代表型公司。与阿里云旗下 Qwen 项目的战略合作，也被列为其「打通中心化模型与去中心化网络」的关键里程碑。

这不是一次 Web3 项目「蹭 AI 热点」的投机尝试，而是 FLock 以系统性工程能力获得的权威认证。它表明：在基础模型、数据基础设施、协同训练机制等方面，去中心化网络的建设已足以进入全球 AI 框架的主舞台。

所以 FLock 到底在做什么？

这三件事分别落在应用落地（Base）、技术协同（Qwen）、产业背书（CB Insights），共同组成了 FLock 破圈的完整路径，也奠定了其作为下一代 AI Infra 核心组件的战略地位。

如果你现在才注意到 FLock，它可能已经不是你以为的「另一个 AI 项目」。它有着非常明确的系统结构：

• AI Arena：一个用于模型训练的开放平台，鼓励模型迭代与优化
• FL Alliance：数据供给方与模型开发者之间的隐私保护模型训练机制
• Moonbase：模型托管、调用、交易的一体化平台

它的组合拳打法，已经不再是 「发 Agent 发 Token」，而是逐步落地一个从数据到模型到应用的闭环生产系统。

更关键的是，在联邦学习这个核心框架里，FLock 还通过智能合约构建了可信验证层。即使 40% 节点为恶意节点，FLock 的模型准确率仍然高达 95.5%。这让它成为行业里罕见的、真正具备「训练稳定性」的去中心化 AI 项目。

这三件事本身，说明不了什么。如果我们不能读出它背后代表的行业走向。

过去的 Web3 AI，最大的问题是 「脱节」 — 脱离数据主权、脱离算力使用、脱离真实需求，空有一个 Agent Shell，却没有系统性的闭环。FLock 做到了三件事：

• 技术被真实使用（Base）
• 被主流认可接入（Qwen）
• 资本与产业背书（CB Insights）

站在 MCP 的系统演进上，Base 替换 Claude 不是情怀，是性能落地；Qwen 的合作不是蹭热度，而是机制适配。

这是目前唯一走通了「去中心化 AI 训练到应用全流程闭环」的项目。而从 Base 的信任到 Qwen 的合作，说明主流 AI 产业已经开始把去中心化训练纳入「严肃路线图」，使去中心化 AI 不再是镜中花水中月，也让传统行业意识到 Web3 不止是大赌场。

FLock 的出现，也让我们看到未来的 AI Infra 结构可能不再是单点模型 + 大厂云，而是去中心化算力 + 模块化数据 + 可验证训练 + 自托管部署。

这是一个趋势，也是一种必然：当 AI 的落地从「算力」走向「协同」，从「模型」走向「系统」，去中心化的训练与部署模式不再是可选项，而是 AI 基建的新核心。

Web3 AI 从 Agent 概念走到今天，需要的从来不是更多 Token，而是更少的噪音与更深的系统能力。FLock 做对了三件事，但更重要的是，它打开了一个想象空间：AI 网络可以不依赖单点云厂，也不需要信任中介就能协作构建。我们等的不是下一个大模型，而是下一个结构。站在巨人肩膀上的，是选择进化的项目，不是讲概念的那群人。