数据有价，AI 才公平：不看数据也能评估你的贡献

LazAI 团队联合 UBC 区块链研究中心发表论文，入选 IEEE ICME 2026（录取率 28.89%），用隐私保护的数据估值，驱动 AI 使用配额的公平分配。

撰文：LazAI

付了钱才能用 AI？该改改了

当 Web3 与 AI 逐渐融合成「去中心化的数字生态」，一个现实问题越来越突出：AI 服务到底谁该优先？

很多系统仍沿用「付费优先」的逻辑——付费越多，AI 资源越多；而那些贡献数据、真正帮助 AI 变聪明的人，反而可能拿不到与贡献匹配的权益。与此同时，数据越有价值，隐私风险往往越高：用户常担心一旦提供数据，就可能暴露个人信息、生活习惯甚至敏感内容。

这就形成了制约 AI 生态的两大瓶颈：

• 公平性瓶颈：资源分配不看贡献，只看付费，导致「数据贡献者被忽视」、资源被少数人占用或闲置。
• 隐私瓶颈：想评估数据价值就得「看数据」，但看得越多，泄露风险越大。

能不能既保护隐私，又让数据贡献者获得公平回报？

LazAI 团队与加拿大英属哥伦比亚大学（UBC）研究人员在 IEEE ICME 2026 发表的研究，试图给出一个更「用户友好」的答案：不需要上传原始数据，也能评估用户的数据贡献价值；并把这个价值直接转化为更公平、更稳定的 AI 使用配额。

换句话说：让「数据贡献」成为获得 AI 权益的通行证，同时让用户隐私仍被牢牢保护。

看不见你的数据，却知道它值多少

一个更贴近用户的「云—边缘—用户」三层体系

为了让 AI 服务既「快」又「公平」，系统采用三层协作：

• 云端的 AI 工具箱：提供通用的 AI 工具与能力支撑；
• 边缘端的就近服务站：部署在离用户更近的位置，负责快速响应与关键计算；
• 用户端的个人助理：运行个人 AI 智能体，替用户完成邮件摘要、图像描述等任务请求。

两个关键创新：把「贡献」变成「权益」，同时不泄露隐私

这套方案的核心，是把「数据贡献—价值信号—资源配额」串成闭环。研究引入了两个核心机制：

（A）数据贡献凭证：记录贡献，但不暴露原始数据

系统通过数据锚定代币（DAT）记录用户的贡献价值——可以理解为一张「数据贡献收据」。用户把数据贡献给系统时，系统会生成可核对的贡献记录，并用于后续的配额调整。更重要的是：贡献记录关注的是「贡献值」，而不是把用户的原始内容直接摊开给外界看。

（B）主题数据目录：在同类里比质量，估值更公平

系统把相似主题的数据组织成不同「数据社区 / 目录」（iDAO，可理解为「按主题分组的数据目录」）。交通数据和交通数据比，医疗数据和医疗数据比，宠物数据和宠物数据比——避免「苹果比橘子」的不公平估值，让价值评估更可解释。

贡献越多，AI 用得越多——「AI 配额券」机制

在资源分配上，一个更直观的比喻：AI 配额就像「可兑换的服务券」。

• 系统会定期发放「可调用 AI 的额度」；
• 每个用户有一个「配额上限」（像一个装券的篮子）；
• 篮子满了就会溢出，避免少数人长期囤积、别人却用不上。

关键差异在于：用户配额的大小不再由付费等级决定，而是由「隐私保护下的数据估值」动态决定。

• 贡献更高质量、更独特、更及时的数据 → 配额上限更高 → 可用 AI 服务更多；
• 贡献较少也没关系 → 仍有基础配额，保证「人人可用」。

这样，系统把「公平」做成了可执行的规则：既不让资源被垄断，也不让资源白白闲置，还能让贡献者真正得到回报。

80% vs 20%：隐私保护不是承诺，是实测

隐私保护是否真的有效，不能只靠口头承诺。研究团队用一种业界标准的隐私风险测试来验证：模拟攻击者试图根据系统可见的信息，「拼回」用户的原始数据（学术界称之为「数据重建攻击」）。

实验对比显示：

• 现有部分方案在重建后仍能看到明显语义线索（例如能辨认出用户上传的网球、球拍等），相似度甚至超过 80%，意味着「隐私仍可能被看穿」；
• 本方案的重建结果基本不再呈现可识别语义，相似度降至约 20%，图像与文本场景下都显著降低了语义泄露风险。

用更直白的话说：系统依然能判断「用户的数据大概是什么类型、贡献有多大」，但更难反推出「具体发了什么、用户是谁」。

这正是隐私保护的目标：让「价值可用」，但让「个人可识别信息不可得」。

不是「又一个隐私方案」

在 Crypto/Web3 领域，相关产品大体可分为几类路线：

• 「数据不出库」：强调把计算带到数据旁边，数据本身不直接流转；
• 私密计算 / 可信硬件：在受保护环境中执行计算，但通常依赖特定硬件来保障信任；
• 算力市场 / 竞价机制：用交易、拍卖或定价购买算力；
• AI 网络激励 / 验证：根据数据进行评分、权重投票或可验证执行来分配收益与奖励。

本研究的定位更像是把隐私保护和 AI 配额分配「合成一个闭环」：

• 用隐私保护的方法给数据「估值」——强调在保护个人的前提下输出价值信号；
• 再用这个价值信号，直接调节每个人的 AI 使用配额——强调公平、可达、可控体验。

一句话总结差异： 很多方案解决的是「怎么交易数据 / 算力」或「怎么做私密计算」，而这项研究更聚焦于「如何把数据贡献转化为可解释、可执行的 AI 使用权」，并把隐私保护作为起点，而不是事后补丁。

为什么这件事现在很重要

这项研究对应的是正在兴起的个性化 AI 服务。未来用户可能同时拥有多个 AI 助手：邮件助理、学习助理、出行助理、内容创作助理……它们都需要稳定、可预期的 AI 资源。用户也可能愿意贡献数据来提升模型与服务，但不希望用隐私作为交换。

这套机制提供了一条路径：通过隐私保护的数据估值，把贡献转化为更公平的 AI 使用配额，并保持服务体验稳定——更少排队、更少被「闲置用户」挤占资源。

从整体 AI 生态的角度看：

• 对用户：数据贡献「看得见、算得清、拿得到」，权益更明确
• 对平台：持续激励更高质量、更独特的数据流入，帮助 AI 提高服务质量
• 对行业：提供一种监管友好的数据价值释放方式——强调「使用」而非「泄露」数据

研究团队

「AI 时代，每个人贡献的数据都有其独特的价值。我们希望 AI 资源分配不再只是『谁付费谁优先』，更应该是『谁贡献谁受益』。更重要的是，用户权益不必以泄露隐私为代价。我们的目标是让系统能够在看不见原始数据的情况下识别贡献价值，并把价值转化为真实可用的 AI 配额，让去中心化 AI 生态更公平、更值得信任。」— LazAI 联合创始人郭明

本研究依托加拿大 Mitacs 产学合作项目开展，由 UBC（英属哥伦比亚大学）相关团队联合完成，与 Blockchain@UBC 跨学科研究集群紧密协作。Blockchain@UBC 围绕区块链技术及「如何利用新兴技术造福加拿大及全球」的议题，通过对接产业需求与学术研究推动创新实践，同时依托其「区块链与去中心化信任技术研究生培养路径」为研究生提供结构化、跨学科的系统训练。

产业生态合作伙伴包括：

Metis 正在构建为 AI Agent 服务的全栈 Web3 基础设施。结算层 Andromeda 是首个实现去中心化排序器的 Layer 2；扩展层 Hyperion 为 AI 提供高性能执行环境；应用层 LazAI 以 DAT 资产标准，将 AI 数据与 Agent 行为转化为可验证、可拥有、可创收的链上资产。三层协同，驱动去中心化智能体经济。

LazAI Network 是 Metis 生态内的 AI 基础设施协议，使命是让 AI 与人类对齐。通过 iDAO 和 DAT 标准，解决 AI 领域数据共享难、质量评估难、收益分配不公三大核心问题。Alpha 主网已上线。

关于 IEEE ICME 2026

IEEE 国际多媒体与博览会（ICME）是由 IEEE 计算机学会、电路与系统学会、信号处理学会和通信学会四大协会联合主办的旗舰级学术会议。自 2000 年创办以来，ICME 一直是交流多媒体技术、系统及应用领域最新进展的首要论坛。

2026 年 IEEE ICME 将在泰国曼谷举行，主题为「超越感知：自主智能体时代的智能媒体」（Beyond Perception: Intelligent Media in the Age of Autonomous Agents）。本届共收到 3,810 篇投稿，录取 1,101 篇，录取率 28.89%。