先明确两种技术各自解决的问题
AI可以承担识别、分类和预测等任务，区块链则提供多方共同维护的记录与规则执行机制。以太坊技术文档介绍了通过共识维护共享状态、通过智能合约执行程序的基本原理。两者结合的价值，取决于业务是否同时存在分析需求和共同核验需求。
NIST的AI风险管理框架强调，在AI系统的设计、开发、使用和评估中纳入可信性考虑。这意味着，增加区块链记录之外，仍需评估模型表现及其对人员、组织的影响。
适用条件一：确有多方协作与核验需求
当不同机构需要共同确认数据版本、处理结果或操作顺序，且不愿完全依赖单一参与方维护记录时，区块链才有较明确的用途。如果业务由一家机构独立管理，现有数据库和审计日志已能满足要求，增加区块链的必要性就需要进一步论证。
例如，在跨机构分析流程中，可以考虑记录数据摘要、模型版本和结果确认信息。这只是通用设计思路，能否落地仍取决于参与方的权限、责任与协作规则。
适用条件二：数据可靠，链上链下分工清楚
AI需要与任务匹配的数据，以及可检验的评价标准。区块链可以帮助核验记录是否发生变化，却无法判断最初录入的信息是否真实。数据采集、标注和授权机制，应在系统设计中先行明确。
通常可考虑将模型训练、推理和大体量文件放在链下，将必要的摘要与操作凭证写入链上。摘要能够辅助校验文件一致性，但不等于保存文件本身，也不能自动证明文件内容准确。涉及敏感信息时，还需明确访问、保存与删除要求。
适用条件三：性能成本与责任机制可接受
共享状态的维护和链上程序执行需要资源，因此应先检查业务能够接受的处理延迟、存储开销与运维成本。对计算量大或响应要求高的AI任务，需要评估链下计算与链上核验的分工。
模型可能输出错误结果，智能合约也可能存在缺陷。适用的业务应具备模型评估、权限控制、异常处理和人工复核机制，并约定谁可以提交结果、谁负责确认、发生争议后如何纠正。
常见问题：上链后，AI结果就可信吗
不能直接这样判断。记录可追溯，有助于查明使用了哪个模型、提交了什么结果；结果是否正确，仍需通过测试、证据和业务审核判断。
是否必须采用公开区块链？应根据参与范围、信息公开程度和权限要求选择，不能将以太坊的公开网络机制直接套用于所有业务。判断组合是否适用，关键是两种技术能否分别解决明确问题，以及新增的核验价值能否覆盖系统复杂度。