作者｜Henry @IOSG

前言

在短短3 個月內，AI x memecoin 的市值已達到134 億美元，與一些成熟的L1（如AVAX 或SUI）規模相當。

事實上，人工智慧與區塊鏈的關係由來已久，從早期Bittensor 子網路上的去中心化模型訓練，到Akash 和io.net 等去中心化GPU / 算力資源市場，再到當前Solana 上的AI x memecoins 和框架浪潮。每個階段都表明，加密貨幣在一定程度上可以透過資源聚合對人工智慧進行補充，從而實現主權人工智慧和消費者用例。

在第一波Solana AI 幣浪潮中，有些帶來了有意義的實用性，而不僅僅是純粹的投機。我們看到出現了像ai16z 的ELIZA 這樣的框架，AI agents 則出現了像aixbt 這樣提供市場分析和內容創作的人工智慧代理，或將AI 與區塊鏈能力整合的工具包等。

在AI 的第二波浪潮中，隨著更多工具的成熟，應用已成為關鍵的價值驅動因素，而DeFi 已成為這些創新的完美試驗場。為簡化表述，在本研究中，我們將AI 與DeFi 的結合稱為「DeFai」。

根據CoinGecko 的數據，DeFai 的市值約為10 億美元。 Griffian 以45% 的份額佔據市場主導地位，而$ANON 則佔22%。這個賽道在12 月25 日之後開始經歷快速增長，與同期的Virtual 和ai16z 等框架和平台在聖誕假期後迎來了強勢增長。

 ▲ 來源：Coingecko.com

這只是第一步，DeFai 的潛力遠不止於此。雖然DeFai 仍處於概念驗證階段，但我們不能低估它的潛力，它將利用AI 所能提供的智慧和效率，把DeFi 產業轉變為一個更用戶友好、智慧和高效的金融生態系統。

在深入了解DeFai 的世界之前，我們需要了解代理程式（Agent）在DeFi / 區塊鏈中的實際運作方式。

Agent 在DeFi 系統中如何運作

人工智慧代理（AI Agent）指的是可以根據工作流程代表使用者執行任務的程式。 AI Agent 背後的核心是LLM（大語言模型），可以根據其訓練或學習到的知識做出反應，但這種反應往往是有限制的。

Agent 與機器人有本質差異。機器人通常針對特定任務，需要人工監督，並需要在預先定義的規則和條件下運作。相較之下，agent 更具動態性和適應性，能夠自主學習以實現特定目標。

為了創造更個人化的體驗和更全面的回應，agent 可以將過去的互動儲存在記憶體中，使代理能夠從使用者的行為模式中學習並調整其回應，根據歷史背景產生量身定制的建議和策略。

在區塊鏈中，agent 可以與智慧合約和帳戶互動，處理複雜的任務，而無需持續的人工幹預。例如，在簡化defi 使用者體驗方面，包括一鍵執行多步驟橋接和farming、優化farming 策略以獲得更高的回報、執行交易（買入/賣出）並進行市場分析，所有這些步驟都是自主完成的。

參考@3sigma 的研究，大多數模型都遵循6 個特定的工作流程：

• 數據收集
• 模型推理
• 決策制定
• 託管和運行
• 互通性
• 錢包

1、數據收集

首先，模型需要了解其工作環境。因此它們需要多個資料流，以使模型與市場狀況保持同步。這包括：1) 來自索引器和預言機的鏈上數據2) 來自價格平台的鏈下數據，例如CMC / Coingecko / 其他數據提供者的數據API。

2、模型推理

一旦模型學習了環境，它們就需要應用這些知識，根據使用者新的、未識別的輸入資料進行預測或執行。 Agent 使用的模型包括：

1. 監督學習和非監督學習：在有標籤或無標籤資料上訓練的模型，用於預測結果。在區塊鏈情境下，這些模型可以分析治理論壇數據，以預測投票結果或識別交易模式。
2. 強化學習：透過評估其行為的獎懲結果，在試誤中學習的模式。其應用包括優化代幣交易策略，例如確定購買代幣的最佳買入點或調整farming 參數。
3. 自然語言處理（NLP）：理解和處理人類語言輸入的技術，這對於掃描治理論壇和提案以獲取觀點來說非常有價值。

 ▲ 來源：https://www.researchgate.net/figure/The-main-types-of-machine-learning-Main-approaches-include-classification-and-regression_fig1_354960266

3.決策制定

透過訓練有素的模型和數據，agent 可利用其決策能力採取行動。這包括闡釋現下情況並做出適當反應。

在這一階段，優化引擎在尋找最佳結果方面發揮著重要作用。例如，在執行收益策略之前，agent 需要平衡滑點、價差、交易成本和潛在利潤等多種因素。

由於單一agent 可能無法最佳化不同領域的決策，因此可以部署多代理系統來進行協調。

4、託管和運行

由於任務的計算密集性質，AI Agent 通常將其模型託管在鏈下。有些agent 依賴AWS 等中心化雲端服務，而那些傾向於去中心化的agent 則使用Akash 或ionet 等分散式運算網路以及Arweave 進行資料儲存。

雖然AI Agent 模型在鏈下運行，但agent 需要與鏈上協議交互，以執行智能合約功能及管理資產。這種互動需要安全的金鑰管理解決方案，如MPC 錢包或智慧合約錢包，以安全地處理交易。 Agent 可以透過API 進行操作，在Twitter 和Telegram 等社群平台上與其社群進行交流和互動。

5.互通性

Agent 需要與各種協定交互，同時在不同系統間保持更新。它們通常使用API​​ 橋接器來獲取外部數據，例如價格饋送（price feed）。

為了隨時了解當前協定狀態並做出適當回應，agent 需要透過webhooks 或IPFS 等去中心化訊息傳遞協定進行即時同步。

6、錢包

Agent 需要一個錢包或存取私鑰來發起區塊鏈交易，市場上有兩種常見的錢包/金鑰管理方式：基於MPC 和基於TEE 的解決方案。

對於投資組合管理的應用，MPC 或TSS 可以在agent、使用者和可信任方之間分割金鑰，而使用者仍可對AI 保持一定程度的控制。 Coinbase AI Replit 錢包有效地實現了這種方法，展示瞭如何利用AI agent 實現MPC 錢包。

對於完全自主的AI 系統，TEE 提供了一種替代方案，將私鑰儲存在一個安全飛地中，使整個AI agent 能夠在一個隱蔽和受保護的環境中運行，不受第三方乾擾。然而，TEE 解決方案目前面臨兩大挑戰：硬體集中化和效能開銷。

在克服這些難題後，我們將能夠在區塊鏈上創建一個自主代理，不同的agent 可以在DeFi 生態系統中各司其職，以提高效率、改善鏈上交易體驗。

總的來說，我暫且將DeFi x Ai 分為4 大類：

1. 抽象/使用者體驗友善AI
2. 收益優化或投資組合管理
3. 市場分析或預測機器人
4. DeFai 基礎設施/平台

打開DeFi x AI 世界的大門— DeFai

 ▲ 來源：IOSG Venture

#1、抽象/使用者體驗友善AI

人工智慧的目的是為使用者提高效率、解決複雜問題和簡化複雜任務。基於抽象的人工智慧可以簡化新手和現有交易者存取DeFi 的複雜性。

在區塊鏈領域，有效的AI 解決方案應該能夠：

• 自動執行多步驟交易和質押操作，使用者無需具備任何行業知識；
• 執行即時研究，提供用戶做出明智交易決策所需的所有必要資訊和數據；
• 從各種平台取得數據，識別市場機會，提供使用者全面分析。

這些抽象工具大多以ChatGPT 為核心。雖然這些模型需要與區塊鏈無縫集成，但在我看來，似乎沒有任何模型經過專門訓練或與根據區塊鏈資料進行適配。

Griffain 的創辦人Tony 在Solana 黑客松中提出這個概念。後來他將這個想法轉化為功能性產品，並獲得了Solana 創辦人Anatoly 的支持和認可。

簡單來說，griffain 是目前Solana 上第一個也是性能最強的抽象AI，它可以執行swap、錢包管理、NFT 鑄造和代幣狙擊等功能。

以下是griffain 提供的具體功能：

• 用自然語言執行交易
• 使用pumpfun 發行代幣，鑄造NFT，並可選擇地址進行空投
• 多agent 協調
• Agent 可代表用戶發布推文
• 根據特定關鍵字或條件在pumpfun 上狙擊新上線的memecoins
• 質押、自動化和執行DeFi 策略
• 調度任務，使用者可以向agent 輸入input，創造量身訂製的代理
• 從平台取得資料進行市場分析，例如識別代幣的持有者分佈

儘管griffain 提供了眾多功能，但使用者仍需要手動輸入token 位址或向agent 提供具體的執行指令。因此對於不熟悉這些技術指令的初學者來說，目前的產品還有最佳化的空間。

到目前為止，griffain 提供兩種類型的AI agent：個人人工智慧代理和特殊代理。

個人人工智慧代理(Personal AI Agent) 由使用者控制。使用者可以自訂指令和輸入記憶體設置，以便根據個人情況自訂代理程式。

特殊代理(Special agents) 是為特定任務設計的代理程式。例如，「空投代理」 (Airdrop Agent) 經過訓練後可查找地址並將代幣分配給指定的持有者，而「質押代理」 (Staking Agent) 經過編程後可將SOL 或其他資產質押到資產池中，以實現挖礦策略。

Griffain 的多代理協作系統是一個顯著特點，多個agent 可以在一個聊天室中協同工作。這些agent 既能獨立解決複雜的任務，也能保持協作。

 ▲ 資料來源：Source: https://griffain.com

帳戶創建後，系統會產生一個錢包，用戶可以將帳戶委託給agent，由其自主執行交易和管理投資組合。

其中，金鑰透過Shamir Secret Sharing 進行拆分，這樣griffain 和privy 都無法託管錢包，根據Slate 的介紹，SSS 的工作原理是將金鑰拆分為三個部分，包括：

1. 設備共享：儲存在瀏覽器中，開啟標籤頁時檢索
2. 授權共享：儲存在Privy 伺服器上，在驗證和登入應用程式時檢索
3. 恢復共享：加密儲存在Privy 伺服器上，只有在用戶輸入密碼登入標籤頁時才能解密並取得

此外，使用者還可以在griffain 前端選擇匯出或匯出。

Anon 由Daniele Sesta 建立，他因創建DeFi 協定Wonderland 和MIM (Magic Internet Money) 而聞名。與Griffain 類似，Anon 也是為了簡化使用者與DeFi 的互動。

雖然該團隊已經對其未來功能做出介紹，但由於產品尚未公開，因此還沒有任何功能得到驗證。部分功能包括：

• 使用自然語言（包括中文在內的多語言）執行交易
• 透過LayerZero 實現跨鏈橋接
• 與Aave、Sparks、Sky 和Wagmi 等夥伴協議進行借貸和供應
• 透過Pyth 獲取即時價格和數據信息
• 提供基於時間和gas price 的自動執行和觸發器
• 提供即時市場分析，如情緒偵測、社群資料分析等

除核心功能外，Anon 還支援各種AI 模型，包括Gemma、Llama 3.1、Llama 3.3、Vision、Pixtral 和Claude。這些模型有可能提供有價值的市場分析，提供有助於用戶節省研究時間並做出明智決策，這在當今每天都有市值1 億的新代幣出現的市場中尤其寶貴。

錢包可以匯出、撤銷授權，但有關錢包管理和安全協議的具體細節尚未公開。

除核心功能外，Anon 還支援各種AI 模型，包括Gemma、Llama 3.1、Llama 3.3、Vision、Pixtral 和Claude。

除此之外，daniele 最近也發布了2 個關於Anon 的更新：

• Automate 框架：

一個typeScript 框架，可幫助更多專案更快地與Anon 整合。該框架將要求所有數據和互動都遵循預先定義的結構，以便Anon 可以降低AI 被幻覺的風險並更加可靠。

• Gemma：

一個Research / 研究代理，可以從鏈上defi 指標（例如TVL、交易量、prepdex 資金率）和鏈下數據（例如Twitter 和Telegram）收集即時數據，以進行社交情緒分析。這些數據將轉化為機會警報和針對用戶的客製化見解。

從文件來看，這使得Anon 成為整個領域中最受期待和最強大的抽象工具之一。這在當今每天都有市值1 億的新代幣出現的市場中尤其寶貴。

在BigBrain Holdings 的支持下，Slate 將自己定位為“Alpha AI”，可根據鏈上訊號進行自主交易。目前Slate 是唯一能夠在Hyperliquid 上自動執行交易的抽象AI。

Slate 優先考慮價格路由、快速執行，並能在交易前進行模擬。主要功能包括：

• EVM 鍊與Solana 之間的跨鏈swap
• 基於價格、市值、gas 費用和損益指標的自動交易
• 自然語言任務調度
• 鏈上交易聚合
• Telegram 通知系統
• 可開倉多空、在特定條件下清償、LP 管理+挖礦，包括在hyperliquid 上執行

整體而言，其費用結構分為兩種：

1. 常規操作：Slate 對常規轉帳/提款不收取費用，但對swap、橋接、claim、借入、借出、償還、質押、解除質押、做多、做空、鎖定、解鎖等操作收取0.35% 的費用。
2. 條件操作：如果設定了條件訂單(如限價訂單)。如果基於gas 費用條件，Slate 將收取0.25% 手續費；所有其他條件的費用則為1.00 %。

在錢包方面，Slate 整合了Privy 的嵌入式錢包架構，確保Slate 和Privy 都不會託管用戶的錢包。使用者既可以連接自己現有的錢包，也可以授權agent 代表自己執行交易。

 ▲ 來源：https://docs.slate.ceo 

對比主流抽象AI：

 ▲ 來源：IOSG Venture

目前大多數AI 抽象工具支援在Solana 和EVM 鏈之間進行跨鏈交易和資產橋接。 Slate 提供Hyperliquid 集成，而Neur 和Griffin 目前僅支援Solana，但預計很快就會加入跨鏈支援功能。

大多數平台整合了Privy 內嵌錢包和EOA 錢包，允許用戶自主管理資金，但需要用戶授權agent 存取以執行某些交易。這為TEE (Trusted Execution Environment) 提供了機會，以確保AI 系統的防篡改性。

儘管大多數AI 抽象工具共享如代幣發行、交易執行和自然語言條件訂單等功能，但它們的效能差異顯著。

在產品層面，我們仍處於抽象AI 的初期階段。透過比較上述提到的五個項目，Griffin 因其豐富的功能集、廣泛的合作網絡以及多代理協作的工作流程處理而脫穎而出(Orbit 也是支持多代理的另一個項目)。 Anon 憑藉快速響應、多語言支援和Telegram 整合而表現出色，而Slate 則得益於其複雜的自動化平台，且是唯一支援Hyperliquid 的代理。

然而，在所有抽象AI 中，一些平台在處理基礎交易(如USDC Swap) 時仍面臨挑戰，例如無法準確獲取正確的代幣地址或價格，或未能分析最新的市場趨勢。反應時間、準確性和結果相關性也是衡量模型基本表現的重要差異化因素。未來，我們希望與團隊合作開發一個透明化的儀表板，即時追蹤所有抽象AI 的表現。

#2、自主收益優化與投資組合管理

與傳統收益策略不同，該領域的協議使用AI分析鏈上數據以進行趨勢分析，並提供幫助團隊開發更優收益優化和投資組合分配策略的資訊。

為了降低成本，模型通常在Bittensor 子網或鏈下訓練。為了讓AI 能夠自主執行交易，採用了ZKP (零知識證明) 等驗證方法以確保模型的誠實性和可驗證性。以下是幾個優化受益DeFai 協定的範例：

T3AI 是一個支持非足額抵押的借貸協議，透過使用AI 作為中介和風險引擎。其AI agent 即時監控貸款健康狀況，並透過T3AI 的風險指標框架確保貸款可清償。同時，AI 透過分析不同資產之間的關係及其價格變化趨勢，提供精確的風險預測。 T3AI 的AI 具體表現為：

• 分析主要CEX 和DEX 的價格資料；
• 測量不同資產的波動性；
• 研究資產價格的相關性和連動性；
• 發現資產互動中的隱藏模式。

AI 將根據使用者的投資組合建議最優配置策略，並在模型調整後潛在實現自主的AI 投資組合管理。此外，T3AI 還透過ZK 證明和驗證者網路確保所有操作的可驗證性和可靠性。

 ▲ 來源：https://www.trustinweb3.xyz/ 

Kudai 是一個實驗性的GMX 生態系統代理，由GMX Blueberry Club 利用EmpyrealSDK 工具包開發，其代幣目前在Base 網路上交易。

Kudai 的理念是將$KUDAI 產生的所有交易費用用於資助自主交易操作的代理，並將利潤分配給代幣持有者。

在即將到來的第2/4 階段，Kudai 將能夠解釋Twitter 上的自然語言：

• 購買並質押$GMX 以產生新收入流；
• 投資GMX GM 池以進一步提高收益；
• 以最低價購買GBC NFT 以擴展投資組合。

在此階段之後，Kudai 將完全自主化，可獨立執行槓桿交易、套利和賺取資產回報(利息)。除此之外團隊尚未披露更多資訊。

Sturdy Finance 是一個借貸與收益聚合器，利用由Bittensor SN10 子網礦工訓練的AI 模型，透過在不同的白名單silo 池之間轉移資金來優化收益。

Sturdy 採用兩層架構，由獨立資產池(silo pools) 和聚合層(aggregator layer) 組成：

• 獨立資產池（Silo Pools）

這些是單一資產隔離池，使用者只能在其中藉貸單一資產或使用單一抵押品進行借款。

• 聚合層（Aggregator Layer）

聚合層基於Yearn V3 構建，透過利用率和收益率將用戶資產分配到經過白名單審核的獨立資產池中。 Bittensor 子網路為聚合器提供最佳的指派策略。當使用者將資產存入聚合器時，他們僅暴露於所選的抵押品類型，完全避免了來自其他借貸池或抵押資產的風險。

 ▲ 來源：https://sturdy.finance

截至本文撰寫時，Sturdy V2 的TVL 自2024 年5 月以來一直下降，目前聚合器的TVL 約為390 萬美元，佔協議總TVL 的29%。

自2024 年9 月以來，Sturdy 的每日活躍用戶始終保持在兩位數（>100），其中pxETH 和crvUSD 是聚合器中的主要藉貸資產。然而，該協議的表現在過去幾個月中明顯停滯。引入AI 的整合似乎是為了希望重新激發協議的成長動能。

 ▲ 來源：https://dune.com/tk-research/sturdy-v2

#3、市場分析代理

#Aixbt

Aixbt 是市場情緒追蹤代理，聚合並分析來自400 多位Twitter KOL 的數據。借助其專有引擎，AixBT 能夠識別即時趨勢並全天候發布市場觀察資訊。

在現有的AI agent 中，AixBT 擁有顯著的14.76% 的市場關注份額，使其成為生態系統中最具影響力的代理之一。

 ▲ 來源：Kaito.com

Aixbt 是為社交媒體互動而設計，其發布的見解直接反映了市場的注意力焦點。

其功能不僅限於提供市場洞察(alpha)，還包括互動性。 AixBT 能夠回覆用戶問題，甚至透過Twitter 使用專業工具包進行代幣發行。例如，$CHAOS 代幣便是AixBT 和另一個互動式機器人Simi 利用@EmpyrealSDK 工具包合作創建的。

截至目前，持有60 萬枚$AIXBT 代幣（價值約24 萬美元）的用戶可存取其分析平台和終端。

#4、去中心化AI 基礎設施和平台

Web3 AI Agent 的存在離不開去中心化基礎架構的支援。這些項目不僅為模型訓練和推理提供支持，還提供資料、驗證方法以及協調層，以推動AI 代理的開發。

無論是Web2 或Web3 的AI，模型、運算能力、資料始終是推動大語言模型(LLM) 和AI agent 卓越發展的三大基石。透過去中心化方式訓練的開源模型將受到agent 建構者的青睞，因為這種方式完全消除了中心化所帶來的單點風險，並為使用者所擁有的AI 開闢了可能性。開發者無需依賴Google、Meta 和OpenAI 等Web2 AI 巨頭的LLM API。

以下是由Pinkbrains 繪製的AI 基礎設施圖：

 ▲ 來源：Pink Brains 

Nous Research、Prime Intellect 和Exo Labs 等先鋒機構正在推動去中心化訓練的邊界。

Nous Research 的Distro 訓練演算法以及Prime Intellect 的DiLoco 演算法已經成功在低頻寬環境中訓練出擁有超過100 億參數的模型，這表明在傳統中心化系統之外，同樣可以實現大規模訓練。 Exo Labs 更進一步推出了SPARTA 分散式AI 訓練演算法，將GPU 間的通訊量減少了1000 倍以上。

Bagel 正致力於成為一個去中心化的HuggingFace，為AI 開發者提供模型和數據，同時透過加密技術解決開源資料的歸屬和貨幣化問題。 Bittensor 則建構了一個競爭性市場，參與者可貢獻算力、數據和智能，以加速AI 模型和代理的開發。

許多人認為AixBT 能夠在實用型代理類別中脫穎而出，主要得益於其高品質資料集的獲取能力。

Grass、Vana、Sahara、Space and Time 和Cookie DAOs 等提供者供應高品質、領域特定的數據，或允許AI 開發者存取數據“圍牆花園”，從而增強其能力。透過利用超過250 萬個節點，Grass 每日可抓取高達300 TB 的資料。

目前，Nvidia 僅能在2000 萬小時的視訊資料上訓練其視訊模型，而Grass 的視訊資料集規模是其15 倍(3 億小時)，並且每天增長400 萬小時——也就是Nvidia 總資料集的20% 每天都在被Grass 收集。換句話說，Grass 僅需5 天就能取得Nvidia 總影片資料集的等量資料。

沒有計算資源，agent 無法運作。 Aethir 和io.net 等算力市場透過聚合各種GPU，為agent 開發者提供了經濟高效的選擇。 Hyperbolic 的去中心化GPU 市場將運算成本削減了多達75%，同時託管開源AI 模型，提供與Web2 雲端供應商相當的低延遲推理能力。

Hyperbolic 透過推出AgentKit，進一步增強其GPU 市場和雲端服務。 AgentKit 是一個強大的接口，允許AI 代理完全存取Hyperbolic 的去中心化GPU 網路。它具有AI 可讀的算力資源地圖，能夠即時掃描並提供有關資源可用性、規格、當前負載和效能詳細資訊。

AgentKit 開啟了一個革命性的未來，agent 可以獨立獲取所需的算力並支付相關費用。

透過創新的Proof of Sample 驗證機制，Hyperbolic 確保生態系統中的每次推理互動都經過驗證，為未來的代理世界建立信任基礎。

然而，驗證僅解決了自主代理信任問題的一部分。另一個信任維度涉及隱私保護，而這正是Phala、Automata 和Marlin 等TEE (可信任執行環境) 基礎設施專案的優勢。例如，這些AI agent 所使用的專有資料或模型可以被安全地保護。

事實上，真正的自主代理無法在沒有TEE 的情況下完全運行，因為TEE 對於保護敏感資訊至關重要，例如保護錢包私鑰、防止未經授權的訪問，以及確保Twitter 帳戶的登入安全性等。

TEE (可信任執行環境) 在處理過程中將敏感資料隔離在受保護的CPU/GPU enclave (安全區域) 內。只有授權的程式碼才能存取enclave 的內容，而雲端服務提供者、開發人員、管理員以及其他硬體部分都無法存取此區域。

TEE 的主要用途是執行智能合約，尤其是在涉及更敏感金融數據的DeFi 協定中。因此，TEE 與DeFai 的整合包括傳統的DeFi 應用場景，例如：

• 交易隱私：TEE 可以隱藏交易細節，例如發送者和接收者地址以及交易金額。 Secret Network 和Oasis 等平台使用TEE 保護DeFai 應用程式中的交易隱私，從而實現隱私支付。
• 抗MEV：透過在TEE 中執行智慧合約，區塊建構者無法存取交易訊息，從而防止了產生MEV 的搶跑攻擊。 Flashbots 利用TEE 開發了BuilderNet，這是一個去中心化的區塊構建網絡，可降低與中心化區塊構建相關的審查風險。 Unichain 和Taiko 等鏈也使用TEE 為用戶提供更好的交易體驗。

這些功能也適用於ZKP 或MPC 等替代解決方案。不過，TEE 目前在這三種解決方案中執行智能合約的效率最高，原因很簡單，因為該模型是基於硬體的。

在代理方面，TEE 為代理提供了各種能力：

• 自動化：TEE 可以為agent 創建獨立的操作環境，確保其策略的執行不受人為幹擾。這保證了投資決策完全基於代理的獨立邏輯。
• TEE 也能讓agent 控制社群媒體帳戶，確保其發表的任何公開聲明都是獨立的，不受外界影響，以避免廣告等宣傳的嫌疑。 Phala 正與AI16Z 團隊合作，使Eliza 能夠在TEE 環境中高效運作。
• 可驗證性：人們可以驗證agent 是否在使用承諾的模型進行計算並產生有效結果。 Automata 和Brevis 正在合作開發這種功能。

隨著越來越多具有特定用例（DeFi、遊戲、投資、音樂等）的專業代理商進入這一領域，更好的agent 協作和無縫通訊變得至關重要。

代理群框架的基礎設施已經出現，以解決單體代理的限制。群集智能允許代理作為一個團隊協同工作，匯集它們的能力來實現共同的目標。協調層將複雜性抽象化，使代理人更容易在共同目標和激勵機制下進行協作。

包括Theoriq、FXN 和Questflow 在內的幾家Web3 公司正在朝這個方向發展。在所有這些參與者中，最初於2022 年作為ChainML 推出的Theoriq 在實現這一目標方面的努力時間最長，其願景是成為代理人工智慧的通用基礎層。

為了實現這一願景，Theoriq 在底層模組處理agent 註冊、支付、安全、路由、規劃和管理。它還連接了供需雙方，提供了一個名為Infinity Studio 的直覺式代理建置平台，讓任何人可以部署自己的代理，同時也提供了Infinity Hub（一個客戶可以瀏覽所有可用代理程式的市場）。在其蜂群系統中，元代理會為給定任務選擇最合適的代理，創建「蜂群」 (swarms) 以實現共同目標，同時追蹤聲譽和貢獻以保持品質和責任。

Theoriq 代幣提供了經濟保障，代理商經營者和社群成員可以用代幣來表示對代理商的品質和信任，從而激勵優質服務，阻止惡意行為。代幣還可作為一種交換媒介，用於支付服務費用和存取數據，並獎勵貢獻數據、模型等的參與者。

 ▲ 來源：Theoriq

隨著圍繞AI Agent 的討論逐漸成為一個長期的行業領域，並由明確的實用代理商帶頭，我們可能會看到Crypto x AI 基礎設施項目的複興，並帶來強勁的價格表現。這些項目有可能利用其創投資金、多年的研發經驗和特定領域的技術專長，在整個價值鏈上擴張。這可以讓它們開發出自己的高級實用AI Agent，能夠超越目前市場上95% 的其他agents。

DeFai 的演變與未來

我始終認為，市場的發展將分為三個階段：首先是要求效率，然後是去中心化，最後是隱私化。 DeFai 將分為4 個階段。

DeFi 人工智慧的第一階段將專注於效率，透過各種工具改善使用者體驗，以完成複雜的DeFi 任務，而無需紮實的協議知識。例子包括：

• 即使格式不完善也能理解使用者提示的人工智慧
• 在最短的區塊時間內快速執行swap
• 即時市場調查，幫助使用者根據自己的目標做出有利決策

如果創新得以實現，可以幫助用戶節省時間和精力，同時降低鏈上交易的門檻，有可能在未來幾個月內創造一個「魅影」時刻。

在第二階段，agent 將在極少人為幹預的情況下自主交易。交易代理可以根據第三方的觀點或其他代理的資料執行策略，這將創造一種新的DeFi 模式。專業或成熟的DeFi 用戶可以微調自己的模型建立代理，為自己或客戶創造最佳收益，從而減少手動監控。

在第三階段，用戶將開始關注錢包管理問題和人工智慧驗證，因為用戶會要求透明度。 TEE 和ZKP 等解決方案將確保人工智慧系統防篡改、不受第三方乾擾並可驗證。

最後，一旦這些階段完成，無程式碼DeFi AI 工程工具包或AI 即服務協議就可以創建一個基於代理的經濟，使用根據加密貨幣訓練後的模型進行交易。

雖然這個願景雄心勃勃，令人振奮，但仍有幾個瓶頸尚待解決：

• 目前大多數的工具都只是ChatGPT 包裝，沒有明確的基準來識別高品質項目
• 鏈上資料碎片化將人工智慧模型推向中心化而非去中心化，目前還不清楚鏈上代理將如何解決這個問題