在 Web2时代，数据如石油的“储量”般珍贵，访问和获取大规模数据一直是极大的挑战。在Web3中，数据的开放性和共享性一下子让大家觉得“石油到处都是”，使得AI模型能够更轻松地获取更多的训练数据，这对于提高模型性能和智能水平至关重要。但对Web3这个“新石油” 的数据处理依然有很多问题待解决，主要有以下几个：

数据来源：链上数据“标准”繁杂分散，数据处理花费大量人工成本

处理链上数据时，需要反复执行耗时而劳动密集的索引过程，需要开发者和数据分析师花费大量时间和资源来适应不同链、不同项目之间的数据差异。链上数据行业缺乏统一的生产和处理标准，除了记录到区块链账本上的，events，logs，and traces等都基本上是项目自己定义和生产（或生成）的，这导致非专业交易者很难辨别并找到最准确和可信的数据，增加了他们在链上交易和投资决策中的困难。比如，去中心化交易所Uniswap和Pancakeswap就有可能在数据处理方法和数据口径上存在差异，过程中的检查和统一口径等工序进一步加大了数据处理的复杂性。

数据更新：链上数据体量大且更新频率高，难以及时地处理成结构化数据

区块链是时刻变动的，数据更新以秒甚至毫秒级别计。数据的频繁产生和更新使其难以维持高质量的数据处理和及时的更新。因此，自动化的处理流程是十分重要的，这也是对于数据处理的成本和效率的一大挑战。Web3数据行业仍处于初级阶段。随着新合约的层出不穷和迭代更新，数据缺乏标准、格式多样，进一步增加了数据处理的复杂性。

不言而喻，账户体系是现代金融系统的基础。无论你要开一张银行卡，买一支基金，还是使用支付服务，都绕不开一个前提：身份认证。你得提交身份证、住址证明、电话号码，甚至需要面对面录像以完成 KYC审核。这些流程的核心目的，是让系统相信你是一个具体、可识别、有法律责任能力的「自然人」或「法人」。但AI不属于这两种范畴。它没有国籍、没有身份证、没有税号，也不存在「签字能力」或「法律行为能力」。AI无法开立银行账户，不能注册公司，更不能独立成为合同相对人或交易对象。这意味着它无法收钱、无法付款、无法持有资产。用一句话总结就是：AI在现有金融系统中，是个「非人类幽灵」，没有金融人格。

这不是哲学问题，而是现实的系统边界。

在过去两年多的 Crypto + AI热潮里，或许你已经看到过很多Web3 AI数据项目，他们大多数都已「区块链」和 「AI」两大热门叙事为口号，试图吸引市场关注和资本投入，但他们之中真正能够解决实际问题、实现技术与应用深度结合的却屈指可数，导致市场对Web3 AI数据项目开始祛魅。

而真正的采用，也是Sollong区别于其他 Web3 AI项目的独特之处。作为一个开放、可扩展、去中心化的数据平台，Sollong能够真正从概念走向落地，通过提供高质量数据，赋能 AI在多个具体应用场景中的优化发展。