撰文：Teng Yan
编译：Sissi
TL;DR
AI 将推动 crypto 走向主流。Crypto 为 AI agents 的普及提供了理想的基础。
目前，许多充满潜力的加密 AI agent 初创公司正在围绕去中心化金融（DeFi）、基础设施和消费类应用场景展开建设。
未来很可能是一个多 agent 世界，所以准备好迎接这一变化。
即使是非金融型的 AI agents，也将使用 crypto，因为：（1）crypto 使支付和钱包创建变得更加便捷；（2）crypto 提供了一个可组合的层，具有开放标准，能够实现 agents 之间的高效沟通。
目前，AI agents 仍主要处于「demo」阶段——虽然很酷，但还没有准备好扩展到真实世界的应用中。处理幻觉问题和边缘情况仍然是挑战，但技术正在迅速发展。
最近，我得出了一个新结论：
AI 将成为推动 crypto 进入主流应用的催化剂。Crypto 一直处于科技领域的边缘地位，而这一切最终将为 crypto 奠定其作为基础技术的地位。
我们在过去七年里所构建的一切——Layer1 和 Layer2、DeFi、NFT——为一个由 AI agents 驱动的世界奠定了基础，尽管当时的建设者们可能并未意识到这一点。
许多加密项目今天看起来似乎面临需求不足的问题，但一旦 AI agents 的应用大规模展开，基础设施和加密技术基础组件将迅速完善并协同运作。
AI（模型和应用）的新技术开发栈与传统软件栈有很大不同，且正在实时发展。现在还处于足够早的阶段，加密技术有望成为核心栈的一个重要部分，特别是在支付等方面。
四年前（GPT 出现之前）没有人能预见到这一点，但前进的道路对我来说每天都变得更加清晰。
让我解释一下原因。
我将概述 AI agents 的现状、crypto 的应用范围、我对 agent 未来的看法，以及目前我关注的团队。
什么是 AI agent？
这个看起来非常可爱的 AI agent，名叫 Luna，轻声在你耳边低语。她乐此不疲，每天 24/7 为她的 540,000 名 TikTok 粉丝进行直播。
这让我想起一句经典的技术格言：许多改变世界的重要技术创新，最初看起来都像是玩具。
过去几周我们看到的对 AI agents 的兴趣，充分展示了公众中存在的巨大潜在需求和兴趣。
AI agents 已经成为人类科技进步的强大象征，承载着我们长久以来的科幻梦想和对更美好未来的集体希望。
在很多方面，AI agents 感觉就像 90 年代的互联网——虽然现在有很多人持怀疑态度，但不久之后，从个人到公司，每个人都会拥有自己的 AI agent。
来源: Paul DelSignore
让我们从基础知识开始：什么是 AI agent？目前有很多不同的定义，但还没有一个广泛接受的统一标准。
对我来说，AI agent 是一段代码，可以独立规划、决策和行动，无需直接人工干预即可实现其目标。
那么，AI agents 与过去的「bot」有何不同？我将其归结为三个关键维度：
推理与自我反思：Agents 能够审视自己的输出，从错误中学习，并随着时间的推移不断改进。
行动能力：它们能够与应用程序和 API 交互，在区块链上进行交易，而不仅仅是生成文本。
规划能力：它们能够规划并执行复杂的多步骤任务，以实现目标。
这一切的实现，得益于过去一年中大语言模型（LLM）在推理和规划能力上的迅猛发展——这些新的 agent 能力是人类历史上从未拥有过的。
目前，我们大多数人以基本方式与 GPT-4 等 LLMs 进行互动：提问出题，AI 能立即给出答案。这正是心理学家 Daniel Kahneman 所说的「System 1」思维——快速、直觉和自动化。
真正的飞跃将来自 AI agents，它们可以进行更深入的推理和分析，从而跳转到「System 2」思维。这些 agents 不仅会遵循指令，还会独立解决问题，在没有持续人工监督的情况下处理复杂的任务。
试想一下这样的场景：
让你的 AI agent（可能还配备了 Coinbase AI 钱包）启动一个盈利的电商业务。它会自动识别市场机会，和供应商谈判，建立代发货流程，搭建网站，并优化广告投放——而你只需要坐在一旁，悠闲地喝着咖啡，看着收入滚滚而来。
不想处理难缠的客户？没问题——你的 AI agent 会为你处理客户支持，提供个性化推荐，甚至帮你进行产品促销。
很快，AI agents 的数量将超过人口数量。是不是有点可怕？
观点 #1：未来将是多 agent 时代
我完全坚信 AI 的未来不会由一个庞大、无所不能的单一 Agent 主导。
相反，我们正在迈向一个多 agent 的未来，每个 agent 都是一个专家，经过精细调校，专注于特定任务。这显然是实现 AI 规模化的更高效方式。
这些专门化的 agent 将协同合作，迎接更复杂的挑战，从而解锁规模经济。
人工超级智能（ASI）可能不会是某种单一的、类神的实体。相反，它可能会以去中心化的多 agent 系统形式出现，分布在数据中心，并通过市场相互连接。
试想一下：那些尝试做所有事情的大型通用 AI 模型，往往资源密集、硬件需求大，这使得它们在日常使用中不切实际。另一方面，基于更小、经过微调的模型构建的专业 agents，可以在更多设备上高效运行，并且扩展速度更快。
以 @autonolas 的预测市场 agent 为例，一个 agent 负责与预测市场协议进行交互，其它 agents 则负责搜索相关信息并生成结果的概率。另一个 agent 则负责协调整个系统，确保一切顺利运行。
观点 #2：非金融型 agent 将使用加密技术
我将加密 AI agent 分为两大类。
链上金融型 AI agents
这些 AI agent 可以在区块链上自主运行并执行金融策略，例如量化交易、MEV 提取、预测市场和流动性挖矿优化等。它们监控链上的数据，并根据一组定义好的策略采取行动以优化其目标（例如最大化收益）。
我认为这将是 DeFi 的下一步演变，凭借其推理和规划能力，远比现有的 bots 更为复杂。
非金融型 AI agents
来源：Felicis
我们正在见证一场 AI agents 的「寒武纪大爆发」，涵盖了几乎所有可以想象的应用场景——无论是垂直行业、横向应用，还是面向消费者的场景。来自 Felicis 的图表展示了企业家们如何将 AI agent 引入几乎所有行业。
我可以列出三个令人信服的理由，说明这些 AI agents 为何可能会在某种形式上使用区块链技术：
#1：支付
银行短期内不太可能为 AI agent 提供银行账户或信用卡——KYC 要求几乎让这一点变得不可能，而监管变革也需要时间。
更复杂的是，未来 AI agents 的数量将远远超过人类，而且每个人可能控制多个不同的 agents。而为每个 agent 创建新的加密钱包是非常简单的事情。
小额支付：传统支付系统（如 Stripe）收取固定费用，这使得小额支付变得不切实际。退款是另一个令人头疼的问题，它会增加小额频繁交易的摩擦。crypto 通过实现低费用、即时支付且无退款风险，完美解决了这些问题，非常适合 agent 之间的交互和「按 prompt 付费」模型。
与延迟账本系统的银行不同，区块链可以即时共享状态。
来自 Coinbase 的 @yugacohler 概述了支付场景的应用：
https://x.com/yugacohler/status/1851020728390598942
#2：Agent 间交互的可信层
在多 agent 生态系统中，专门的 agents 需要标准化协议才能有效交互。
可组合性：区块链的开放标准和互操作性可实现 agents 之间的无缝通信。链上服务的代码和数据是开放且统一的，因此 agent 无需依赖 API 即可理解和交互。
这些 AI agents 可以形成去中心化的服务网络，每个网络专门从事不同的任务。它们共同构建一个互联互通的 AI 经济体，并在没有中央控制的情况下运作。
那么，在一个拥有数百万 agents 的世界中，我们如何决定信任哪些 agent？crypto 支持去中心化的声誉系统，AI agents 可以基于其链上交易历史和行为来建立和维护信任。
#3：作为 AI agent 的「牧羊人」——自然决定论
由于「幻觉」问题，AI agent 在实际应用中可能会失控。基于 crypto 的确定性协议提供了一种稳定的框架，确保 agents 在预定的参数范围内运行，从而减少了不必要的行为风险。
可审计性和透明度：区块链确保 AI agent 进行的任何交易都可以独立验证，为系统提供了额外的安全性和问责机制。这在涉及金钱交易时尤为重要。
此外，与这一切相辅相成的是：AI agent 有可能彻底改变用户与区块链的互动方式，使得 Web3 变得更加用户友好。
通过自动化复杂的流程并以自然语言进行交互，AI agents 可以简化整个加密体验，并加速加密技术及加密货币的采用。
观点 #3：挑战与突破
当然，我们仍处于早期阶段。目前，AI agents 就像是雄心勃勃的实习生——充满潜力，但还不够成熟。
幻觉问题
LLMs 往往会产生「幻觉」。在连续任务中，即使是一个小错误也可能会演变成更大的问题。
每一步的失败率如果是 10%，看起来似乎不算严重，但在经过十步后，失败的概率就会累计到 65%（1 - 0.9^10）。而且，由于 AI agent 在与 API 交互或执行区块链交易时通常依赖完美的语法，哪怕是一个小小的错误，也可能导致整个过程的崩溃。
尽管有一些方法可以减少幻觉的发生，比如检索增强生成（RAG），该方法允许 LLM 在生成响应时对照知识库进行检查。然而，我们仍然离完美还有很长的路要走。
从 Demo 到现实
目前的现实是，大多数 AI agents 仍然停留在炫酷的 demo 阶段。
我的意思是，制作一段展示 AI agent 在一切顺利时能做什么的精彩视频很容易——那感觉几乎像魔法一样。但创始人们面临的真正挑战是，从引人注目的演示到将自主 agent 扩展到实际、现实的应用中，之间有很大的鸿沟。
问题在于，现实世界是混乱的，充满了各种边缘情况，这些情况甚至会让最聪明的 AI 出错。
终极目标是达到 99.x% 的准确率，但要实现这一点，需要坚持不懈和大量的测试驱动开发。这也是为什么评估至关重要——你会开始看到你的 agent 犯错的模式，从而可以调整代码或 prompts，稳步提高针对特定应用场景的准确率。
区块链的障碍
接下来是区块链问题。AI agents 在这方面面临巨大挑战——可扩展性问题、工具有限以及缺乏标准化的 agents 间沟通方式。像 Ethereum 和 Solana 为代表的主要 Layer-1 区块链并未为实时、多 agent 的交互而设计，这意味着需要从零开始构建新的基础设施，以支持去中心化未来中的 AI。
并不是所有东西都适合上链（on-chain）。事实上，在涉及大量计算或与外部系统交互时，由于区块链的成本和性能限制，链下（off-chain）往往是更明智的选择。
秘诀在于一种混合方法，既能充分利用链上和链下的优势，又能在需要时选择性地使用。关键在于搞清楚哪些部分应该去中心化，哪些部分应该中心化，以达到最大的效率。
Crypto AI Agent 初创公司
@cot_research's Internal Database
我们一直在关注在 AI agent 领域建设的 Crypto*AI 初创公司，而这类公司有很多。你可以放大图片以便更清楚地查看——这不是一份详尽的名单，但它能很好地展示当前的市场格局。
以下是一些引起我个人兴趣的 AI agent 初创公司。这并不意味着我对未提及的项目持看空态度。仅仅是因为我觉得这些项目足够有趣，值得我现在进一步探索。
DeFi / 链上 agent
目前，最自然的区块链 AI agent 起点是在 DeFi 领域——比如交易机器人、收益优化器、自动化对冲基金，甚至是 AI agent 自己发行的 memecoin（迷因币）。考虑到 DeFi 仍然占据了区块链交易价值的主要部分，这一切都有其合理性。
AI agent 带来的一大关键变化是个性化服务。
以传统的金库为例，你将资金与其他匿名用户的资金一起存入，然后由一位量化天才利用他的交易算法来管理金库。然而，这种方式是「一刀切」的。对于 AI agent 而言，你就是个人客户。agent 将了解你的资产、风险承受能力，并能够为你量身定制投资策略。
一些相关的初创公司：
@Spectral_Labs— 使用自然语言创建和启动自主的链上 agent 和智能合约，无需编写代码。该公司已经推出了代币 SPEC，目前市值为 1.3 亿美元，完全稀释后的市值为 10 亿美元。
@Almanak— 为 DeFi agent 构建量化交易技术栈，是一个以 agent 为中心的平台，致力于优化和部署金融策略。它使用蒙特卡洛模拟技术来分析市场行为并优化交易策略。
@AIFiAlliance— 一个由 11 支团队组成的合作联盟，致力于在 DeFi 和 AI 交汇处进行创新。我认为这些联盟非常有趣，因为它们为新兴行业设定和定义标准提供了一种途径。
基础设施
目前，越来越多的加密 AI 团队正在开发框架，以连接链上和链下环境，促进去中心化的多 agent 互动。
@AIWayfinder— 被称为链上 agent 的「谷歌地图」，帮助 agent 在区块链上导航并执行任务。该项目由 Parallel 团队开发。用户可以质押 PRIME 代币来赚取 PROMPT（未来将成为 Wayfinder 代币）。目前正在进行封闭 alpha 测试。
@TheoriqAI— 这是风险投资公司看好的 agent 基础设施项目，旨在促进 AI agent 集体的协调合作。该平台允许用户通过 AI agent 市场来构建、部署并从中获利。
@autonolas— 使用开源框架和代币经济设计构建多 agent 经济。我们最近对 OLAS 进行了深入分析。
面向消费者的 AI agent
这一类别可能会是最快爆发的——面向消费者和娱乐的产品总是更容易被接受，而且如果 agent 行为失控，风险也较小。事实上，正如我们在 Truth Terminal 中看到的那样，少许「幻觉」甚至可能增添一些乐趣。
@virtuals_io— 一个类似 pump.fun 的 AI agent 平台，重点关注游戏领域。与那些匆忙推出的、在两周内拼凑出来的 agent 启动平台不同，Virtuals 已经花费了两年多的时间构建其技术栈。Shoal Research 也对它们进行了深入分析。
@CreatorBid— 创建并代币化 AI 网红，能够自主生成和分享社交媒体内容。我认为我们很快会在 Crypto Twitter 上看到一位拥有百万 + 粉丝的 AI agent KOL。
此外，也有一股以 AI agent 为基础的 grassroots-level 实验浪潮。虽然这些实验大多是短期的，但它们所带来的洞见将为未来的构建者提供宝贵的经验教训。
@tee_hee_he—是由 @nousresearch 和 Flashbots 团队推出的一个真正自由的自主 agent。其 Twitter 凭证被锁定在可信执行环境（TEE）中，只有在七天后才会被释放——确保在此期间没有人为干扰能够影响该 agent。
https://x.com/Shaughnessy119/status/1851460263465402856
@ai16zdao 这是一个在 @daosdotfun 上推出的投资基金，它从 Discord 成员那里获取购买代币的建议，并根据他们的「alpha calls」给出信任评分。
https://x.com/winnielaux_/status/1850721138457911598
Aether 是一个在 Farcaster 上的 AI agent，它自主地给其他用户打赏，推广代币（HIGHER）并发布了 NFT，目前它的财库超过 15 万美元。
游戏是 AI agent 的理想试验场。@aiarena_ / @ARCAgents 利用人类玩家来训练 AI agent，复制他们在游戏中的行为，从而培养更智能的 AI 对手，并提升游戏内玩家的流动性。
我也在关注 @coinbase 最近推出的模板，它可以创建带有加密钱包的 AI agent，执行简单的链上交易。
https://x.com/MurrLincoln/status/1850226148594082120
结束语
链上 AI agent 的成功与 AI 的整体进展密切相关。目前，我们仍面临多步骤推理和减少幻觉等问题，这些问题常常使 AI 模型出现错误。然而，随着 AI 的不断进步，这些 agent 的可行性也会不断提升。
好消息是，Epoch AI 相信 AI 的扩展至少能持续到未来五年。软件的进步速度是我们所见过的最快的。
这意味着，我们今天面临的难题只是通往更大、更宏伟目标的暂时障碍。
Crypto 将不可避免地成为这一 agent 化未来的核心组成部分。
其它事项：
预测市场能否帮助 AI agent 做出更好的决策？预测市场激励参与者提供准确的信息。AI agent 若能接入这些市场，可能会从实时的、激励一致的信息中获益，从而减少对潜在偏见来源的依赖。也许，正如 @mrink0 所提出的，AI agent 甚至可以采用未来治理（Futarchy）的形式。
我们是否过度拟人化 AI agent？也许我们不应该将 AI agent 视为「人类」在做的工作。关注功能而非人类化属性，可能会使 AI agent 更加高效和有效。
链上数据处理繁琐，阻碍 AI agent 的发展进程。链上数据确实非常复杂且麻烦，这将继续成为链上 AI agent 发展过程中的一大难题。
Agent 的真正机会并不在于容易做的低门槛任务，比如客户服务，因为这些任务很容易被下一代 AI 模型颠覆。真正值得关注的应是那些对准确性要求极高的高度监管领域，在这些领域围绕 AI 模型构建防御性护。
