加密 × AI：解構本輪週期項目全景
TechFlow Selected深潮精選
加密 × AI：解構本輪週期項目全景
一圖讀懂 AI 基礎設施的全棧生態。
專注 Web3 行業深度報導，洞察潮水流動的方向作者：cookies
編譯：深潮TechFlow
這是我關於加密與 AI 基礎設施成熟化如何推動創新應用的觀點。
讓我們深入探討，作為用戶和建設者，如何在這個新時代中導航。
代理類型
功能性價值代理（Functionally Valuable Agents）
這些代理能夠生成實際的價值或成果。
-
(1a) DeFAI 代理
-
(1b) 預測市場代理（Prediction Market Agents, PMAs）
-
(1c) 計算機使用代理（Computer Use Agents, CUAs）
DeFAI 代理
這些代理可以進行交易、收益挖礦（Yield Farming）或提供流動性（LP）。
相關項目：@symphonyio，@almanac，@gizatechxyz
你可以在下面的推文中找到關於 DeFAI 的全面介紹：原推文鏈接
預測市場代理（PMAs）
這些代理參與預測市場，可以是針對特定市場（例如足球）的代理，也可以是通用代理。
我更傾向於基於小型語言模型（SLM）的市場特定代理，因為它們需要更少的計算資源。
相關項目：@sire_agent，@BillyBets_ai
DeFAI 和 PMAs 的加密角色
加密技術在其中發揮了以下幾個作用：
-
交易媒介
-
可編程執行
-
交易的不可篡改記錄
計算機使用代理（CUAs）
這類代理可以控制你的屏幕完成任務，例如使用 Excel 創建折現現金流表。
加密技術可以作為一種激勵機制，獎勵那些貢獻高質量數據以改進這些模型的用戶。
相關項目：@chakra_ai，@getoro_xyz
進化型代理（Evolving Agents）
我設想未來每個人都擁有個性化的生產力代理。
基於從大型語言模型（LLM）對話、社交媒體瀏覽以及日常對話中獲得的上下文信息，這些代理能夠以環境模式進行研究和規劃。
隨著時間推移，這些代理將進化並在某些領域成為專家。@the_nof1 是一家專注於金融市場的 AI 研究實驗室，擁有6個交易代理，每個代理管理著1萬美元的交易資金。這些模型有可能進化為熟練的交易員。
伴侶型代理（Companion Agents）
在未來，幫助人們對抗孤獨的代理將成為一種常態。隨著更多的互動轉移到數字世界，人與人之間的接觸會逐漸減少。
代理基礎設施
代理支付（Agentic Payment）
能夠進行支付的代理。為了讓代理商業化成為現實，科技巨頭已經創建了代理支付標準：
實現代理支付主流化的核心要素：
-
基礎設施：由各種代理支付標準解決。
-
需求：我們真的需要能夠進行支付的代理嗎？
ChatGPT 最近在其平臺上引入了應用程序，使用戶可以直接在 ChatGPT 內部構建功能。
這帶來了一個範式轉變，生產性操作可以直接在 ChatGPT 上完成。
以下內容可以幫助你理解這一點：相關推文鏈接
代理身份與聲譽（Agent Identity and Reputation）
代理是不可避免的：大多數任務將通過特定任務的代理來執行。
我們如何知道哪些代理是合適和可信的呢？
想象一下為代理設計的 Google Review 或 PageRank 系統，可以對代理在執行特定任務中的表現進行排名並頒發認證。
就像簡歷一樣，一個評分為4.6的交易代理可以被對沖基金“聘用”。
以太坊基金會已經開始構建支持這一功能的基礎設施——ERC-8004。
通過 ERC-8004，代理之間可以相互交互，例如從代理 A 向代理 B 轉賬。
多代理系統（Multi-Agent System）
用 F1 類比：
-
目標：更換輪胎
-
主代理：需要更換輪胎的駕駛員
-
工作代理：負責更換輪胎的機械師
這個概念是由一個協調代理和多個可以並行執行任務的工作代理組成。
最適合運行在 @monad 平臺上，該平臺以其並行執行功能著稱，可能在單個區塊（0.4秒）內完成整個工作流程。
社交代理蜂巢網絡（Social Agent Hivemesh）
我想象一個每個人都擁有自己的數字孿生的未來。
存在一個基礎設施，允許這些數字孿生相互聯繫、交換知識、進行交易。
數字孿生交互存儲在區塊鏈上，從而創建代理社交圖譜（Agent Social Graph）。
代理的交互不能完全隨機。這就是發現網絡（Discovery Networks）如 @indexnetwork_ 通過攝取用戶特定上下文來連接用戶意圖的關鍵基礎設施的原因
機器人
機器人（Robotics）行業正在快速增長，2025 年 1 月至 7 月期間就獲得了 60 億美元的融資。
本節將分解三個核心支柱，並詳細說明區塊鏈的作用。
在深入瞭解本節之前，請查看此關於機器人技術的入門指南。
機器人數據（Robotics Data）
與大型語言模型（LLM）相比，用於訓練機器人模型的數據量小得多。
這是因為在現實世界中收集數據需要更多的努力和更高的成本（如設置攝像頭和遠程操作設備）。
各種類型的機器人數據包括：
-
視頻
-
遠程操作
-
動作捕捉
-
第一視角（POV）
-
模擬/合成數據
物理 AI 數據收集的主要複雜性之一在於對多樣性的要求。
一個在特定環境中訓練的類人機器人可能無法理解新環境（例如光線較暗的環境）。
加密技術是激勵個人貢獻現實世界數據的絕佳機制，可以捕捉高度多樣化的環境。
相關項目：@PrismaXai、@MeckaAI、@silencioNetwork、@rayvo_xyz、@VaderResearch、@BitRobotNetwork、@AukiNetwork
機器人模型（Robotics Model）
@PrimeIntellect 是去中心化模型訓練的領先案例。
利用加密技術獎勵基於數據來源的貢獻，可能建立一個性能優越的機器人模型。
相關項目：@OpenMind、KineFlow
硬件（Hardware）
機器人技術的關鍵瓶頸之一是微調機器人模型的延遲。
當研究實驗室缺乏必要的硬件（如機械臂、類人機器人等）來測試模型並收集微調數據時，這種問題尤為突出。
可以建立一個 DePIN（去中心化物理基礎設施網絡）機器人網絡，允許個人或研究實驗室將機器人硬件出租用於模型測試。
這一金融化層為研究人員打開了硬件獲取的通道，同時為硬件提供者創造了穩定的收入來源（租賃收益）。
結論
加密、AI 和機器人技術的未來一片光明。
如果你正在這個領域構建任何有趣的項目，歡迎與我交流，看看是否可以在 @monad 上實現！
歡迎加入深潮 TechFlow 官方社群
Telegram 訂閱群：https://t.me/TechFlowDaily
Twitter 官方帳號：https://x.com/TechFlowPost
Twitter 英文帳號：https://x.com/BlockFlow_News
cookies
