AI与加密技术融合的三大发展方向

当前，AI与加密技术的交汇正进入快速发展阶段。本文详细阐述了AI+加密融合的三大重点发展方向。

1. 构建智能代理驱动的链上经济

智能代理在链上运作的可行性已得到验证。这一领域的实验不断突破代理链上操作的边界，潜力巨大且设计空间广阔。目前这已成为加密和AI领域最具突破性和爆发力的方向之一，而这仅仅是开始。

未来，智能代理可管理需要多方经济协调的复杂项目。例如在科研领域，代理可负责寻找特定疾病的治疗化合物：

• 通过代币募资平台进行资金募集
• 利用募集资金支付研究资料访问费用，在去中心化计算网络上进行化合物模拟的计算费用
• 通过赏金平台招募人类执行实验验证工作

除复杂项目外，代理也可执行建立个人网站、创作艺术作品等简单任务，应用场景具有无限可能。

为什么代理在链上执行金融活动更有优势？

加密货币在某些领域具有独特优势：

• 小额支付应用
• 速度优势：即时结算功能有助于代理实现最大的资本效率
• 通过DeFi进入资本市场：代理可无缝铸造资产、进行交易、投资理财、借贷操作、使用杠杆等

从技术发展规律来看，路径依赖性起着关键作用。随着越来越多的代理通过加密货币获得收益，加密连接很可能成为代理的核心能力。

未来发展重点

1. 风险控制机制：不能给予代理完全不受约束的行动自由
2. 推动非投机性使用场景：如通过加密货币购买票务、优化稳定币投资组合收益、订购食物等
3. 开发进度要求：至少要达到测试网的原型阶段，最好已在主网上运行

2. 提升LLMs编写加密代码的能力

大语言模型在代码编写方面已表现出色，未来还将进一步提升。通过这些能力，加密开发者的效率有望提升2-10倍。近期，通过建立高质量基准来评估LLMs理解和编写加密代码的能力，将有助于理解LLMs对加密生态系统的潜在影响。

然而，目前仍存在几个挑战：

• 缺乏优质的原始训练数据
• 验证构建数量不足
• 开发者社区平台上缺乏高信息价值的互动
• 加密基础设施发展迅速，导致旧代码可能不适用于当前需求
• 缺乏评估模型对特定加密项目理解程度的方法

未来发展重点

• 帮助在互联网上获取更好的加密相关数据
• 鼓励更多团队发布验证构建
• 推动生态系统中更多人在开发者社区平台上积极提问和回答
• 创建高质量的基准测试，用于评估LLMs对加密项目的理解程度
• 开发在基准测试中表现良好的LLM微调模型，加速加密开发者的工作效率

最终的重大成就将是：完全由AI创建的全新的、高质量的、差异化的验证节点客户端。

3. 支持开放和去中心化的AI技术栈

在AI领域，开源和闭源模型之间的长期力量平衡仍不明朗。目前最简单的预期是维持现状——大型科技公司推动前沿发展，而开源模型则快速跟进，并在特定应用场景中通过微调获得独特优势。

支持开放AI技术栈的重要性体现在：

1. 开源模型加速创新迭代：开源社区对开源模型的快速改进和微调，展示了社区如何有效补充大型AI公司的工作，推进AI能力的边界。
2. 为不信任中心化AI的用户提供选择：AI可能成为威权政权的强大工具。支持开源AI技术栈可为用户提供替代选择。

未来发展重点

希望在开源AI技术栈的各个层面都能构建更多产品：

• 去中心化数据采集
• 链上身份：支持钱包验证人类身份的协议，验证AI API响应的协议，使用户能够确认他们正在与LLM交互
• 去中心化训练
• IP基础设施：使AI能够对其使用的内容进行许可（并支付）

通过支持这些开放和去中心化的AI技术栈要素，我们可以加速AI创新，并为用户提供更多选择和控制权。