「你養龍蝦了嗎？」最近Web3er 打招呼，可能十有八九都是這句話。
2026開年，自中國春晚機器人炸翻全場後，以OpenClaw為代表的新一代AI Agent成為科技人口中的新玩具。有人用AI做客服、有人用AI寫代碼、有人甚至開始嘗試用Agent去模擬一整套“數位員工”，最近在各類互聯網平台屢屢被提及的一個概念“一人公司”，就是一個人通過一個AI工作流，就能跑起過去需要一個小團隊才能完成的工作。
Web3這邊當然也沒閒著。最近如果多看看產業媒體，會發現不少專案也開始圍繞著AI Agent做文章。有的在研究Agent怎麼直接調用鏈上資產或合約，有的在做Agent的支付、身份或金融基礎設施，有人在討論“Agent經濟體系”，讓AI可以像用戶一樣參與網絡，甚至有人又開始喊起了“Web4.0”的新口號。
看到這裡，其實會有一種很熟悉的感覺。
都說時尚圈是循環，哪曾想科技圈（或加密圈）也是如此。還記得2022年開始的熊市那陣子，ChatGPT一夜爆火，AI一下子就成了所有人都在聊的話題。 Web3圈當然也沒閒著，很快就冒出一堆新概念，什麼AI Agent、AI交易員、自動化策略之類的，好像只要和AI沾點邊，就能講出新的故事。但這種熱鬧並沒有持續太久。等到後面加密市場又重新漲起來，大家的注意力很快就回到了Crypto本身。
而這次2025年下半年，加密市場又有了熊的趨勢，於是Web3開始尋找新概念接盤。
但是，在Portal Labs看來，問題也恰恰出在這裡。當一個敘事開始流行的時候，很多Web3創業團隊其實不是在做技術和商業判斷，而是在做敘事判斷：哪個概念火，就做哪一個。而後便栽了跟頭——
很多團隊在真正推進專案的時候才發現，概念可以很快搭起來，但產品很難落地。用戶在哪裡？具體場景是什麼？靠什麼持續收費？能不能拉到投資？這些問題往往到專案做了一段時間後才會逐漸浮現。
等到熱度退去，市場上留下的往往是一地尚未跑通的項目。有的產品停在Demo階段，有的勉強上線卻找不到用戶，有些乾脆隨著敘事一起消失。短時間內看起來像是新賽道被打開，但過一段時間回頭看，真正留下來的東西其實不多。
也因此，是繼續深耕Crypto，還是轉AI，成了難題。選前者吧，市場又不好，投入不一定有回報；選後者吧，又沒有底。 AI的技術門檻、人才結構和競爭環境都和Web3有所區別。許多團隊過去幾年累積的技術堆疊、產品經驗、社群資源，其實都建立在Crypto體系裡，一旦徹底轉向AI，等於是重新進入一個完全陌生的賽道。從模型能力、資料資源到工程團隊，幾乎都需要重新建構。
更現實的一點是，AI賽道本身已經非常擁擠。無論是大模型公司、傳統網路企業，或是大量新創團隊，都在這個領域投入了龐大的資源。對於原本做Web3的創業團隊來說，如果只是因為敘事轉向而進入這個市場，很容易發現自己既沒有技術優勢，也沒有產業資源。
其實，對許多Web3創業團隊來說，還有一條可以實踐的路徑。不一定要轉型做AI，而是繼續走自己的Web3路徑，同時去思考Crypto能在AI體系裡補上什麼能力。
如果仔細看現在這一波AI發展，你會發現很多關鍵環節其實還沒完全解決。
最典型的就是數據。模型越來越強，但訓練資料從哪裡來、資料是否可信合規，尤其是AI Agent如何實現1v1客製化，這些問題一直沒有一個很好的機制。對於依賴大規模資料訓練的AI來說，這是一個長期存在的基礎問題。
再例如身份和協作。當AI Agent開始參與任務執行、自動交易甚至營運決策時，它們本身也需要身分、權限以及協作規則。誰可以調用某個Agent？ Agent之間如何分工？執行任務後如何結算？這些問題，本質上都涉及開放網路中的身分和價值分配。
還有支付問題。 AI Agent一旦開始在網路中自主呼叫服務、取得資料或執行任務，就意味著它們需要一個可以自動結算的小額支付系統。而在傳統網路體系裡，這樣的支付結構其實很難實現。
這些看起來都是AI的問題，但許多解決方案反而存在於Crypto的技術體系中。無論是資料激勵網絡、鏈上身分體系，或是開放支付網絡，本來就是Web3在過去幾年一直在探索的方向。
如果Web3創業團隊真的打算往這些方向嘗試，有幾件事情是必須先想清楚的。
首先要看的是團隊本身的技術能力。不同的Web3項目，其技術累積差異很大。有的團隊擅長做鏈上協議，有的長期在做數據網絡，也有的更偏應用層產品。如果團隊過去幾年一直在做資料相關的基礎設施，例如資料收集、資料萃取或資料市場，那麼圍繞AI的資料層去延伸會相對自然，例如資料貢獻網路、可驗證資料來源，或為模型提供可激勵的資料市場。如果團隊原本更偏鏈上協議或基礎設施，那麼可以考慮圍繞AI Agent的運作環境去做事情，例如Agent的鏈上身分、權限管理、任務執行協議，或為Agent提供自動結算和支付能力。而對於那些本身就在做應用層產品的團隊，例如交易工具、內容平台、社群產品或消費應用，AI更適合作為能力層嵌入原有產品體系。例如用AI提升資料分析能力、自動化營運流程，或是透過Agent去完成原本需要手動處理的部分功能。
其次要看的是是否有真實業務場景。很多AI專案之所以很快消失，並不是技術不行，而是從一開始就沒有明確的使用情境。概念可以講得很熱，但真正需要這個產品的人在哪裡、為什麼要用、為什麼願意為它付費，這些問題往往沒有被認真回答。有些概念在業界討論得很多，例如“AI+Web3”“Agent經濟體系”“AI交易員”，聽起來都很宏大，但如果往下追問一層，真正穩定存在的用戶群體其實並不多。相反，一些看起來不那麼「性感」的需求，例如資料處理、自動化營運、資訊篩選或任務執行，反而在現實業務裡長期存在。也因為如此，判斷是否進入某個AI方向時，與其先看概念是否熱門，不如先去看場景本身：這個場景是不是長期存在的業務問題，是否已經有人在為此付費，以及AI是否真的能在這個環節裡提升效率。如果這些條件成立，那麼這個方向就更有可能從敘事變成產品。
再往下還要看，Web3創業團隊手上有沒有能夠真正進入這些環節的資源。
前面提到的資料、身分、支付這些方向，本質上都不是單純的技術問題，而是網路資源的問題。
例如數據網絡，如果團隊手上沒有穩定的數據來源，也沒有能夠持續貢獻數據的用戶群，那麼即使技術做出來了，也很難形成真正的網絡效應。同樣，如果想做AI Agent的身份體係或協作網絡，也需要有真實的開發者、應用或Agent參與進來，否則協議本身很難形成生態。支付和結算體係也是類似的邏輯。 AI Agent一旦開始在網路中呼叫服務、取得資料或執行任務，小額支付就會變得非常頻繁。但這種支付網路只有在大量Agent和服務同時存在的情況下才會有意義，否則它仍然只是一個技術模組。
所以對很多Web3團隊來說，真正需要評估的並不是“這個方向有沒有技術空間”，而是自己能不能成為這個網路的一部分。團隊是否已經有資料來源、開發者生態或應用場景，這些往往決定了一個專案能不能真正進入AI的基礎設施層，而不是停留在概念層。
