Web3 数据三分天下：存、析、资产化，谁才是终局之路？

018 年起，Web3“数据主权”逐渐觉醒。

彼时，“数据主权”（Data Sovereignty）强调用户对个人数据的拥有权和控制权，主张用户不是“数据的生产者”而是“数据的所有者”。

为此，Web3 构建了一系列技术，比如以去中心化身份（DID）、自我主权身份（SSI）、数据传输协议（IPFS）。

然而，随着 Web3 的演进，以 DeFi、GameFi、Staking 为代表的金融叙事兴起，“数据主权”逐渐沉寂。尽管如此，围绕数据进行的产品构建并未停滞，依然稳步向前。

Web3 三大主流数据领域

纵观当前围绕数据搭建的热门领域，我们可以根据其落地乃至变现的路径，大致将其分为三大类：

1.存：数据的存在权变现（Storage-based）

当数据被生产，存储便成了第一个可变现的环节。

过去，你的数据被存放在各大平台的数据库中。虽表面“免费使用”，但实际的所有权与隐私权早已脱离用户掌控。因此，Web3 强调“付费存”，但通过去中心化技术，你可以完全掌握数据的保存权与分发权。

在此模式下，以 Filecoin、Arweave、Storj 等为代表的去中心化网络诞生，构建了抗审查、抗单点故障的数据存储基础设施。在这些系统中，用户可以通过提供存储空间、质押资源或上传数据内容的方式参与网络运行，换取 Token 激励。

不过，“存”解决的是数据的存续问题。在这一路径下，数据并没有体现其使用价值，用户仍处于“资源提供者”而非“价值创造者”的位置。

换言之，在“存”的叙事下，数据的价值逻辑依然是技术性，而非经济性。

2.析：数据的解释权变现（Analysis-based）

如果“存”处理的是数据的归属与存续问题，那么“析”则试图从数据中挖掘解释能力，进而创造洞察价值。

作为强金融属性的 Web3，用户最多、需求最旺盛的也当然是市场数据分析和项目数据分析。以 Dune、DefilLama、Nansen 为代表的数据分析平台，以及以 Chainlink、Pyth Network 为代表的预言机等项目诞生，并成为 Web3 最为关键的基础设施之一。

不过，在这一路径中，用户的数据并非以“资产”的形式参与市场流通，而是以“原材料”的身份，被平台统一提取、加工、重组，最终形成可供调用的图表、指数、预言信息或情报包。平台是解释者，也是变现者；而用户，更多只是可被分析的对象，或偶尔能贡献内容的辅助节点。

即使像 Dune 这样的平台允许用户自由创建 Dashboard，或 Nansen 提供钱包行为标签服务，这些功能在赋能分析者的同时，并未实质改变数据解释权、所有权与收益权的结构性分配。

简单来讲，在“析”中，用户同样是数据贡献者，并没有享受到数据价值的变现。

3.资产化：数据的处置权变现（Assetization-based）

2021 年后，随着技术的发展与成熟，“数据资产化”的叙事开始成型，并逐步走向台前。

这一路径尝试解决的核心问题便是：用户在完全拥有控制权之余，是否能够发挥数据的最大价值，比如通过数据分享，获得可追踪可衡量的回报？

围绕这一目标，Web3 数据行业开始了不同的展开：

单一数据采集。该类项目通常是针对某一行业（比如汽车行业）或者某一研究（比如健康）构建，面向相关用户征集数据。用户则通过填写问卷，或者授权数据调用，获取平台设定的收益。
内容创作激励。这类项目，从一开始面向专业创作者，逐渐鼓励普通用户在社交媒体平台生产观点、情报或信息，以获得声誉积分或激励。而这，也是 InfoFi 叙事的雏形，其关键在于“注意力本身成为数据资产的一种延伸表达”。
Web3 数据市场。主张通过平台构建统一的数据交易接口，允许用户将某类数据上传，或授权第三方访问、调用或训练使用。平台本质上扮演“数据中介”角色，负责定义格式、评估质量、执行访问控制与撮合交易。

InfoFi 叙事的热潮

在当前的数据资产化热潮中，最受关注的毫无疑问是 InfoFi。

从 2023 年下半年开始，以 Kaito AI、Cookie.fun 为代表的 InfoFi 项目相继完成多轮融资，前者累计募资超过千万美金，投资方囊括 Dragonfly、红杉中国、Jane Street 等老牌机构；后者也在种子轮获得 20 余家机构的支持，成为社交型数据资产平台的新范式。

在 InfoFi 的叙事中，社交媒体的信息也是一种数据资产。

在过去的互联网中，用户在社媒上发布的每一条内容、观点、评论、标签，都会被这些平台收集，并用于大数据模型建设、AI 训练、情报聚合，乃至分享或者销售给其他三方平台，实现商业变现。

比如，2024 年 5 月，OpenAI 与 Reddit 达成了一项数据授权协议，允许 OpenAI 访问 Reddit 的 Data API，从而将 Reddit 的内容引入 ChatGPT 和其他产品。

而这，正说明了用户在社媒发布的都是“有价值的信息单元”。因此，InfoFi 构建了 Web3 用户数据变现的模式：

用户通过发布观点、参与讨论、打上标签等方式，生成结构化的信息内容，并贡献给 InfoFi 平台。这些内容一旦被系统识别为“高质量”，便会被纳入信息集合中，用于下游应用，比如 AI 训练、市场研究、行业画像等。InfoFi 平台则通过“标签信誉”“专家打赏”“订阅系统”等机制，给予贡献者一定的声誉积分或 Token 激励。

在这种机制之下，用户不再是免费贡献内容的工具人，而是成为信息资产的共同建设者与受益方。

不过，InfoFi 的限制也比较明显。因为用户贡献的“数据”更多是文本、观点、内容标签等“信息型数据”，而非行为、轨迹、消费等“行为型数据”，这就导致其资产化能力只能集中在某些特定场景和内容上，难以覆盖多元化的现实数据维度。

另外，平台机制仍保有部分中心化特征，比如内容审核、标签分发、激励配置等核心流程高度依赖平台本身，虽然引入社区审核或内容推荐系统，但整体上，用户在实际收益权与解释权方面仍处于被动地位。

也因此，当我们试图推进“数据资产化”的叙事时，InfoFi 只能算是“补上了信息资产的一角”，尚不足以建立一个通用的、可扩展的用户数据价值闭环。

数据资产化的下一块拼图

这，便是 DataFi 叙事切入的真正起点。

在传统的数据交易中，真正具有价值，可以资产化的，往往是用户行为。

广告主不需要知道你写了什么评论，他们关心的是你点了什么链接、买了什么商品、花了多少时间、跳过了哪个视频；AI 模型训练者也不在乎你在帖子里表达了什么，而是你看了什么内容、如何滑动屏幕、在什么时机停留。

这些数据之所以具备资产价值，并不在于它们稀缺或隐私，而在于它们具有可匹配、可建模、可嵌套进商业系统的结构特征。

比如你在凌晨浏览保健品、跳过奢侈品广告、反复查看价格较低的运动鞋，这一系列微小行为，组合在一起就构成了一个可识别的行为链条。对于品牌来说，它不仅是一个“人”的轮廓，更是一个“人群”的入口。一旦验证这个标签组合足够稳定，就可以在数据库中批量识别相似人群，进行定向投放或产品推荐，进而提升广告效率和 ROI。

也因此，DataFi 围绕此类数据，提出了与 InfoFi 截然不同的叙事逻辑：

一方面，用户不再只是平台的数据来源，而是真正拥有数据资产的所有者和授权方。你不需要特意生产内容，也不必关心如何获得关注，只需要像往常一样浏览、点击、购买、参与活动，并在 DataFi 平台授权数据调用，这些行为就会被转化为结构化的标签，成为你能掌控的数据资产。

另一方面，这些数据资产也带来了更直接、明确的变现路径。当品牌或机构希望调用某类数据时，它们必须明确请求授权并支付费用（由数据包持有者定价），在同意后方可使用。相对应的，无论是数据持有者还是贡献者，都可以在这次的交易中获得对应的收益。而由于这些数据是以标准化、可验证的形式存在的，它们不仅能够重复调用，还可以在不同场景下持续产生收益。

更重要的是，DataFi 通过零知识证明（ZK）、多方安全计算（MPC）等隐私保护技术，让数据使用的全过程透明而隐私安全。你的数据以“标签包”或“数据资产包”的形式加密封装，品牌无法直接查看具体的个人信息，只能获得经你授权的、匿名的行为特征组合。而你，却能随时知道数据被用在哪、收益如何产生，也能随时撤回权限，真正实现了用户对数据资产的完整掌控和隐私保护。

而这，才是真正的“数据资产化”：

从用户行为出发，到用户收益回归，完成一个清晰、持续、可控的数据资产闭环。