作者： 0xJeff , 加密KOL
編譯：Felix, PANews
預測一直是人類進化的核心能力——自遠古時代起，人類就依靠感官和本能來預測環境中的威脅與機遇，包括察覺捕食者的活動模式、獵物出現的機會以及季節性食物供應情況，這些都對生存至關重要。
從那時起，這種預測模式逐漸發展為工具的使用和規劃（例如預測種植作物、宰殺和保存肉類的需求），預測社交線索（意圖、情緒、行為），發展出文字、科學、數學，以及統計學、電腦、機器學習和人工智慧等現代工具，所有這些都用於增強人類的預測能力。
預測市場尤其演變成一種經濟工具——它利用人類的預測能力來預測經濟、政治和文化的結果。與傳統的民意調查不同，像Polymarket 和Kalshi 這樣的預測市場利用經濟誘因來獲取準確的預測，因為參與者會用真金白銀來下注。
Polymarket 在2024 年美國大選市場吸引了近40 億美元的投注，在川普勝選的預測中，其表現甚至超過了民意調查，這反映了眾包預測的經濟價值。
同樣的演變也適用於現貨和永續合約交易，從CEX 的崛起，滿足全球加密貨幣不斷增長的需求，到Hyperliquid 近期的顛覆性發展，提供自我託管和無需KYC 的服務，同時具備CEX 般的交易體驗。
預測是人類演化的核心能力，隨著人工智慧/ 機器學習預測模型的興起，預測事件、資產價格和波動性的能力正在大幅提升。
這將人類帶入進化的下一個階段。
DeFi 3.0
DeFi 1.0 引入了智慧合約和去中心化應用程序，允許任何人隨時隨地轉帳、買賣、質押、借貸、收益挖礦，本質上是將加密資產投入鏈上運作以創造經濟價值，例如Uniswap、AAVE、Compound、Curve、Yearn、Maker。
DeFi 2.0 在1.0 的基礎上進行了擴展，引入了新穎的代幣經濟學和激勵分配機制，旨在協調協議中不同利益相關者之間的利益（例如Olympus/Wonderland、Solidly/Aerodrome），並催生了提供替代收益來源的新興市場（如Maple、Pendle、Ethena、Soldole、Clearena、Dendle、E
DeFi 3.0 將人工智慧引入DeFi。有人稱之為DeFAI，也有人稱之為AiFi。其意義是將大型語言模型（LLM）和/或機器學習模型（ML）整合到DeFi 產品中。
從簡單的LLM 整合（充當客戶支援/副駕駛，幫助用戶導航協議），到多智能體/集群和機器學習系統，從根本上改善了產品（增加交易利潤、減少無常損失、提高LP 收益、降低永續交易的清算風險等）。
除了DeFAI 抽象層和完全自主的金融代理，今天將討論人工智慧/ 機器學習系統和預測模型在變革DeFi 以及其他垂直領域中的作用。
預測系統
神經網路和決策樹自2000 年代以來就已出現，這些系統曾被對沖基金用於預測股票和商品價格。早期的股票預測結果頗具參考性，短期預測的準確率達到了50% - 60%，但由於過度擬合和數據有限，限制了其應用。
隨後深度學習和大數據興起，它們使模型能夠處理更大的資料集（時間序列資料、新聞和社交媒體等非結構化資料），從而實現更準確的預測和更廣泛的應用。
突破性發展發生在過去五年，其中Transformer 模型和多模態AI 整合了更多樣化的資料集，如推特情緒、區塊鏈交易、預言機、即時新聞、眾包預測（Polymarket、Kalshi）等更多來源。這使得一些AI 模型在預測事件結果和資產價格方面達到了80% - 90% 的準確率。
隨著這些模型不斷改進，將預測能力整合到DeFi 系統的需求大幅增加。目前正處於DeFi 3.0 的早期階段，並即時見證著市場中一些參與者將AI / 機器學習系統與Web3 應用場景相結合。
DeFi x AI / ML 系統
Allora
Allora 可能是目前應用最廣泛的去中心化預報模型網路。 Allora 已經實現了與DeFi 協議和AI 代理團隊的眾多集成，賦予其預測能力（主要關注加密貨幣價格預測，如BTC、ETH、SOL）。
其短期加密貨幣價格預測準確率據稱約80%。
一些主要的應用包括：
- Vectis Finance 基於USDC 的AI 驅動的金庫，利用Allora 的推理技術來最大化SOL 交易收益。自4 月23 日以來其累計回報率為2.4%，年利率約為10%。
- Steer Protocol 的AI LP 金庫，利用Allora 的預測價格數據，更好地將流動性置於價格波動之前，從而避免無常損失。
- Allora 與Cod3x、Axal、Brahma、Virtuals Protocol 等眾多團隊合作，為AI 代理的交易策略和執行提供支援。
Bittensor 子網
由於Bittensor 的dTAO 激勵分配機制能夠幫助新創公司（子網路）抵銷開發成本，團隊利用Bittensor 來啟動其產品研發，將大量開發工作外包給礦工，激勵越高，礦工的品質就越好。
鑑於機器學習模型和預測系統是最容易量化的任務之一（建立能夠準確預測某些事物的模型），這是子網路最常關注的垂直領域之一。
專注於預測的子網絡
- SN6 @Playinfgames
- SN8 @taoshiio
- SN18 @zeussubnet
- SN41 @sportstensor
- SN44 @webuildscore
- SN50 @SynthdataCo
由於之前已經詳細介紹過SN6、SN18、SN41、SN44，因此略過這些子網絡，但還是想再次強調：
➔ SN6 的@aion5100（SN6 的AI 代理/預測對沖基金層）即將推出一個DeFi 金庫，它會自動將用戶存款分配到高可信度的事件/市場中進行投注。該金庫即將推出，早期測試的APY 據稱超過了四位數。
➔ SN44 的@thedkingdao 在足球/英式足球方面的訊號持續改進。最近的世俱杯表現顯示，激進的投注規模帶來了232% 的投資報酬率。該團隊也正在努力開發DeFi 金庫產品，將採用更注重風險調整的方法。
CreatorBid 上代表這兩個應用層的AI 代理/代幣在展示SN6 和SN44 智能的能力方面表現出色。這激勵了許多其他子網團隊效仿，推出了AI 代理代幣，以展示其子網的功能。
➔ SN50 Synth 尤其有趣。此子網圍繞著高度通用的波動率預測模型建構。它可以用於涵蓋價格可能發生的各種機率（而不僅僅是預測未來價格），例如預測清算機率、永續倉位的生存時間/ 清算時間、設定Univ3 LP 範圍並預測無常損失、預測視窗內的選擇權行使價和到期時間等。
- Synth 據稱比傳統的基準模型（幾何布朗運動）表現高出25% - 30%。
對於想要將此類引擎整合到其DeFi 生態系統中的L1/L2 生態系統來說，需求龐大。
到目前為止，Synth 已與以下平台整合：
- Arbitrum，為AI 交易員競賽提供支持
- Chainrisk，了解波動性，以便合作夥伴協議能夠更好地應對波動性的劇烈變化
- Solana 上一個主要流動性質押協議，用於未知用例（據團隊稱，官方公告將在1 - 2 天內發布）
團隊將Mode L2（他們自己的L2）定位為應用層，透過將Synth 推理與Mode AI 終端+ Mode Perp 產品相結合，使交易員能夠利用Synth 預測資產價格並更好地進行交易。
SN6、SN44、SN50 以及許多其他子網之所以如此引人關注，是因為它們每年以200 萬至1000 萬美元以上的dTAO 代幣作為激勵，吸引礦工不斷改進其預測模型。
其目標是將dTAO 激勵作為資本支出，以引導產品開發，並儘快實現商業化/ 產品化，從而賺取實際收益並抵消dTAO 的拋售壓力。其中一些子網已開始邁向商業化階段（從DKING 為頂級體育對沖基金提供3 億美元部署支援這一點就可見一斑）。
接下來會如何發展？
對更高收益和更低風險的追求將持續下去，促使建造者將更多的RWAs 引入鏈上。現有的DeFi 收益來源將持續優化，並且會變得越來越容易取得。
預測市場將成為主要的資訊來源，AI 充當市場做市商，而經驗豐富的參與者進一步激發群體智慧。工具變得越來越智能，模型變得越來越精準，目前已經看到了部分成果。
這些系統學習越多，價值就越大。而且它們與Web3 其他部分的組合性越強，整個趨勢就越不可阻擋。
這裡的意思是……歸根究底，加密領域的一切都是對未來的一種押注。
因此，基礎設施和應用程式/ 代理商能夠即使稍微更清晰地預見未來——無論是透過群體智慧、更優質的數據還是更精準的模型——都將擁有顯著的優勢。
