AI與加密技術融合的三大發展方向

當前，AI與加密技術的交匯正進入快速發展階段。本文詳細闡述了AI+加密融合的三大重點發展方向。

1. 構建智能代理驅動的鏈上經濟

智能代理在鏈上運作的可行性已得到驗證。這一領域的實驗不斷突破代理鏈上操作的邊界，潛力巨大且設計空間廣闊。目前這已成爲加密和AI領域最具突破性和爆發力的方向之一，而這僅僅是開始。

未來，智能代理可管理需要多方經濟協調的復雜項目。例如在科研領域，代理可負責尋找特定疾病的治療化合物：

• 通過代幣募資平台進行資金募集
• 利用募集資金支付研究資料訪問費用，在去中心化計算網路上進行化合物模擬的計算費用
• 通過賞金平台招募人類執行實驗驗證工作

除復雜項目外，代理也可執行建立個人網站、創作藝術作品等簡單任務，應用場景具有無限可能。

爲什麼代理在鏈上執行金融活動更有優勢？

加密貨幣在某些領域具有獨特優勢：

• 小額支付應用
• 速度優勢：即時結算功能有助於代理實現最大的資本效率
• 通過DeFi進入資本市場：代理可無縫鑄造資產、進行交易、投資理財、借貸操作、使用槓杆等

從技術發展規律來看，路徑依賴性起着關鍵作用。隨着越來越多的代理通過加密貨幣獲得收益，加密連接很可能成爲代理的核心能力。

未來發展重點

1. 風險控制機制：不能給予代理完全不受約束的行動自由
2. 推動非投機性使用場景：如通過加密貨幣購買票務、優化穩定幣投資組合收益、訂購食物等
3. 開發進度要求：至少要達到測試網的原型階段，最好已在主網上運行

2. 提升LLMs編寫加密代碼的能力

大語言模型在代碼編寫方面已表現出色，未來還將進一步提升。通過這些能力，加密開發者的效率有望提升2-10倍。近期，通過建立高質量基準來評估LLMs理解和編寫加密代碼的能力，將有助於理解LLMs對加密生態系統的潛在影響。

然而，目前仍存在幾個挑戰：

• 缺乏優質的原始訓練數據
• 驗證構建數量不足
• 開發者社區平台上缺乏高信息價值的互動
• 加密基礎設施發展迅速，導致舊代碼可能不適用於當前需求
• 缺乏評估模型對特定加密項目理解程度的方法

未來發展重點

• 幫助在互聯網上獲取更好的加密相關數據
• 鼓勵更多團隊發布驗證構建
• 推動生態系統中更多人在開發者社區平台上積極提問和回答
• 創建高質量的基準測試，用於評估LLMs對加密項目的理解程度
• 開發在基準測試中表現良好的LLM微調模型，加速加密開發者的工作效率

最終的重大成就將是：完全由AI創建的全新的、高質量的、差異化的驗證節點客戶端。

3. 支持開放和去中心化的AI技術棧

在AI領域，開源和閉源模型之間的長期力量平衡仍不明朗。目前最簡單的預期是維持現狀——大型科技公司推動前沿發展，而開源模型則快速跟進，並在特定應用場景中通過微調獲得獨特優勢。

支持開放AI技術棧的重要性體現在：

1. 開源模型加速創新迭代：開源社區對開源模型的快速改進和微調，展示了社區如何有效補充大型AI公司的工作，推進AI能力的邊界。
2. 爲不信任中心化AI的用戶提供選擇：AI可能成爲威權政權的強大工具。支持開源AI技術棧可爲用戶提供替代選擇。

未來發展重點

希望在開源AI技術棧的各個層面都能構建更多產品：

• 去中心化數據採集
• 鏈上身分：支持錢包驗證人類身分的協議，驗證AI API響應的協議，使用戶能夠確認他們正在與LLM交互
• 去中心化訓練
• IP基礎設施：使AI能夠對其使用的內容進行許可（並支付）

通過支持這些開放和去中心化的AI技術棧要素，我們可以加速AI創新，並爲用戶提供更多選擇和控制權。