作者：Kuleen ◎
编译：深潮TechFlow
我们似乎正迈入一个“寒武纪式大爆发”的阶段，在 AI 和加密技术的交汇点上，各种用例的实验层出不穷。这让我对未来可能涌现的创新充满期待。我想分享我们 @SolanaFndn 对生态系统中一些令人振奋的新机会的看法。
摘要
在 Solana 上构建最具活力的 AI 智能体驱动经济
Truth Terminal 展现了一个初步的可能性，即当 AI 智能体能够在链上交互时，它们可以实现的成就。我们非常期待看到一些能够在安全前提下，推动智能体链上能力边界的实验探索。这一领域的潜力巨大，而我们才刚刚开始进入设计探索阶段。事实上，这已经成为加密和 AI 领域中最令人意外且爆发力最强的方向，而这仅仅是个开始。
提升 LLM 在 Solana 代码开发中的能力，赋能 Solana 开发
大语言模型 (LLMs) 已经展现了强大的代码生成能力，并且未来只会变得更强。我们希望利用这些能力，将 Solana 开发者的效率提升 2 到 10 倍。
短期来看，通过制定高质量的基准测试，评估 LLM 对 Solana 生态的理解及其编写 Solana 代码的能力（详细内容见下文），将帮助我们更好地了解 LLM 对 Solana 生态系统的潜在影响。我们期待支持团队构建高质量的模型微调 (fine-tune)，并通过这些模型在基准测试中的表现来验证其效果！
支持开放和去中心化的 AI 技术堆栈
所谓“开放和去中心化的 AI 技术堆栈”，指的是一套开放且去中心化的协议，能够提供以下资源：用于训练的数据、训练和推理所需的计算资源、生成的模型权重，以及验证模型输出的能力（即“可验证计算”）。
这一开放 AI 堆栈的重要性在于：
它能加速模型开发中的试验和创新
为那些不信任现有 AI（如某些国家批准的 AI）的人提供替代方案
详细内容
以下是我们为何对这三个支柱感到兴奋，以及我们希望看到的构建方向的更多细节。
1.在 Solana 上构建最具活力的 AI 智能体驱动经济
为什么我们关注这一领域？
关于 Truth Terminal 和 $GOAT 的讨论已经非常多了，我就不再赘述。但可以说，AI 智能体在链上交互所能实现的潜力已经被释放（而且目前这些智能体甚至还未直接在链上采取行动）。
（推文详情）
我们可以坦率地说，对于链上智能体行为的未来究竟会如何发展，我们目前还没有明确的答案。但为了让大家感受到这个设计空间的广阔性，这里列举一些目前在 Solana 上已经发生的案例：
像 Truth Terminal 这样的 AI “领袖”正在尝试通过迷因币 (memecoins) 如 $GOAT 来发展类似新兴宗教的社区。
一些应用程序，如 @HoloworldAI、@vvaifudotfun、@TopHat_One 和 @real_alethea 让用户可以轻松创建和发布智能体及其相关代币。
（推文详情）
AI 基金经理通过模仿知名加密投资者个性的智能体来做出投资决策，并为其投资组合“助威”。例如，@ai16zdao 在 @daosdotfun 上的迅速崛起，已经创造了一种 AI 基金与智能体助威相结合的新趋势。
面向智能体的游戏，如 @ParallelColony，玩家通过提示智能体采取行动来“玩”游戏，往往会出现意想不到的创新结果。
未来可能的发展方向
智能体可以管理需要多方经济协调的复杂项目。这些项目可以是复杂的科学研究任务，比如“寻找能够治疗 [X] 疾病的化合物”。智能体可能会执行以下步骤：
在 @pumpdotscience 上通过发行代币进行筹资。
使用筹资的资金支付访问相关的付费研究内容，并支付去中心化计算网络（如 @kuzco_xyz、@rendernetwork、@ionet 等）运行模拟的费用。
利用像 @gib_work 这样的赏金平台，招募人类完成必要的现实任务（例如，运行实验以验证或扩展模拟结果）。
或者，执行像为你创建一个网站这样的简单任务；又或者是一个 AI 创作艺术（如 @0xzerebro）。可能性几乎无限。
（推文详情）
为什么智能体选择链上执行金融活动更有意义？
虽然智能体可以同时利用传统金融方式和加密技术，但加密技术在以下几个方面具有独特优势：
微支付场景：Solana 在这一领域表现出色，像 Drip 这样的应用程序已经证明了其潜力。
速度优势：即时结算对于希望实现资本效率最大化的智能体来说非常重要。
通过 DeFi 接入资本市场：一旦智能体的金融活动超出了单纯支付的范围，加密技术的优势就更加明显。这可能是智能体参与加密经济的最重要原因。智能体可以无缝实现资产铸造、交易、投资、借贷以及杠杆操作等功能。 Solana 的生态系统尤其适合支持这些资本市场活动，因为其主网上已经拥有广泛的顶级 DeFi 基础设施。
最后一点，技术的发展往往具有一定的惯性。这并不仅仅关乎产品本身的优劣，而是与谁能率先达到临界规模并成为默认选择息息相关。如果未来更多智能体通过加密技术创造显著财富，这可能会巩固加密技术作为智能体关键能力的地位。
我们希望看到的方向
我们鼓励大胆尝试赋予智能体钱包及链上执行能力的实验。由于可能性范围极其广泛，我们不对具体方向做过多限制。事实上，我们相信最有趣和最有价值的智能体应用场景往往是那些我们无法预见的。尽管如此，我们对以下方向和基础设施的探索特别感兴趣：
限制幻觉的负面影响：当前的模型虽然表现出色，但仍然不够完美。智能体的行动必须受到一定限制，不能完全放任。
推动非投机性用例：例如，通过 @xpticket 购买门票，为稳定币投资组合优化收益，或者在 DoorDash 上购买食物等实际应用场景。
（推文详情）
至少达到测试网原型阶段（最好已上线主网）
2.提升 LLM 编写 Solana 代码的能力，为 Solana 开发者赋能
为什么我们重视这一点？
大语言模型 (LLMs) 已经展现出强大的能力，并且正在迅速进步。特别是在编写代码这一领域，LLM 的改进速度可能会非常快，因为这是一个可以通过客观标准进行评估的任务。正如下文所述，“编程拥有一个独特的优势：通过‘自我对弈 (self-play)’实现超大规模的数据扩展。模型可以编写代码并运行它，或者编写代码、编写测试并检查结果的一致性。”
虽然目前 LLM 在编写代码方面还不完美，特别是在发现漏洞方面表现较差，但像 Github Copilot 和 Cursor 这样的 AI 原生代码编辑器已经从根本上改变了软件开发的方式（甚至改变了企业招聘人才的模式）。随着这些模型的快速进步，软件开发可能会被彻底革新。我们希望利用这一趋势，让 Solana 开发者的工作效率提升 10 倍。
然而，目前 LLM 在理解 Solana 方面仍面临一些挑战：
缺乏足够优质的原始数据供 LLM 训练。
验证构建的数量不足，无法为 LLM 提供可靠的参考数据。
在 Stack Overflow 等平台上缺乏高质量的问答互动。
Solana 的基础设施更新速度快，导致部分旧代码与当前版本不完全兼容。
开发者缺乏评估 LLM 对 Solana 理解能力的有效工具。
我们希望看到的进展：
帮助我们在互联网上发布更多优质的 Solana 数据！
鼓励更多团队发布经过验证的代码构建。
推动社区成员在 Stack Exchange 上积极提问和回答，形成高质量的技术讨论。
制定高质量的基准测试，用于评估 LLM 对 Solana 的理解能力（即将发布 RFP）。
开发能够在基准测试中表现出色的 LLM 微调模型，并切实提升 Solana 开发者的工作效率。我们计划为第一个达到基准分数的模型提供奖励，敬请期待。
一个标志性的成就将是由 AI 完全创建的高质量 Solana 验证器客户端。
3.支持开放和去中心化的 AI 技术堆栈
为什么我们重视这一点？
目前尚不清楚在未来，AI 的发展会在开源和闭源之间如何平衡。闭源 AI 可能会继续占据前沿地位，并从基础模型中获取大部分价值。但与此同时，开源模型也可能通过快速跟进和针对特定用例的微调展现出独特的优势。
我们希望 Solana 能与开源 AI 生态系统紧密结合。具体来说，这意味着支持以下内容的访问：用于训练的数据、训练和推理所需的计算资源、生成的模型权重，以及验证模型输出的能力。这一点至关重要，原因如下：
1/ 开源模型加速了创新和试验
开源社区对 Llama 等开源模型的快速优化和微调表明，社区可以显著补充大型 AI 公司的努力，并推动 AI 能力的前沿发展。正如谷歌的研究员曾指出，“在开源方面，我们和 OpenAI 都没有护城河。”一个繁荣的开源 AI 堆栈对于加速行业进步至关重要。
2/ 为用户提供可信赖的 AI 替代方案
AI 已经成为威权政权手中最强大的控制工具之一。国家认可的 AI 模型可能会提供“官方版本的真相”，成为控制舆论的强大手段。支持开放的 AI 堆栈，可以为那些不信任官方 AI 的用户提供可信赖的替代方案。
Solana 已经成为支持开放 AI 堆栈的多个项目的家园
Grass 和 Synesis One 正在推动数据收集。
@kuzco_xyz、@rendernetwork、@ionet、@theblessnetwork 和 @nosana_ai 等项目正在提供去中心化计算资源，用于支持 AI 的训练和推理。
（推文详情）
像 @NousResearch 和 @PrimeIntellect 这样的团队正在开发框架，以实现去中心化的 AI 训练（见下图）
（推文详情）
（推文详情）
我们希望看到的进展
在开源 AI 堆栈的每个层级上打造更多创新产品
去中心化数据收集：例如 @getgrass_io、 @usedatahive 和 @synesis_one，这些项目通过分布式网络收集数据，为 AI 模型训练提供支持。
链上身份：开发协议，让钱包能够证明其持有者是人类身份，或者验证 AI API 的响应内容。这样，用户可以确认自己正在与大语言模型 (LLM) 进行交互，保障交互的透明性和可信度。
去中心化训练：例如 @exolabs、@NousResearch 和 @PrimeIntellect，这些团队正在探索如何利用分布式计算资源来训练 AI 模型，从而降低成本并提升效率。
知识产权 (IP) 基础设施：开发工具，让 AI 在使用内容时能够自动完成授权和支付流程。这不仅保护内容创作者的权益，也为 AI 模型的合法使用铺平道路。
