作者：Kuleen ◎
編譯：深潮TechFlow
我們似乎正邁入一個“寒武紀式大爆發”的階段，在 AI 和加密技術的交匯點上，各種用例的實驗層出不窮。這讓我對未來可能湧現的創新充滿期待。我想分享我們 @SolanaFndn 對生態系統中一些令人振奮的新機會的看法。
摘要
在 Solana 上構建最具活力的 AI 智能體驅動經濟
Truth Terminal 展現了一個初步的可能性，即當 AI 智能體能夠在鏈上交互時，它們可以實現的成就。我們非常期待看到一些能夠在安全前提下，推動智能體鏈上能力邊界的實驗探索。這一領域的潛力巨大，而我們才剛剛開始進入設計探索階段。事實上，這已經成為加密和 AI 領域中最令人意外且爆發力最強的方向，而這僅僅是個開始。
提升 LLM 在 Solana 代碼開發中的能力，賦能 Solana 開發
大語言模型 (LLMs) 已經展現了強大的代碼生成能力，並且未來只會變得更強。我們希望利用這些能力，將 Solana 開發者的效率提升 2 到 10 倍。
短期來看，通過制定高質量的基準測試，評估 LLM 對 Solana 生態的理解及其編寫 Solana 代碼的能力（詳細內容見下文），將幫助我們更好地瞭解 LLM 對 Solana 生態系統的潛在影響。我們期待支持團隊構建高質量的模型微調 (fine-tune)，並通過這些模型在基準測試中的表現來驗證其效果！
支持開放和去中心化的 AI 技術堆棧
所謂“開放和去中心化的 AI 技術堆棧”，指的是一套開放且去中心化的協議，能夠提供以下資源：用於訓練的數據、訓練和推理所需的計算資源、生成的模型權重，以及驗證模型輸出的能力（即“可驗證計算”）。
這一開放 AI 堆棧的重要性在於：
它能加速模型開發中的試驗和創新
為那些不信任現有 AI（如某些國家批准的 AI）的人提供替代方案
詳細內容
以下是我們為何對這三個支柱感到興奮，以及我們希望看到的構建方向的更多細節。
1.在 Solana 上構建最具活力的 AI 智能體驅動經濟
為什麼我們關注這一領域？
關於 Truth Terminal 和 $GOAT 的討論已經非常多了，我就不再贅述。但可以說，AI 智能體在鏈上交互所能實現的潛力已經被釋放（而且目前這些智能體甚至還未直接在鏈上採取行動）。
（推文詳情）
我們可以坦率地說，對於鏈上智能體行為的未來究竟會如何發展，我們目前還沒有明確的答案。但為了讓大家感受到這個設計空間的廣闊性，這裡列舉一些目前在 Solana 上已經發生的案例：
像 Truth Terminal 這樣的 AI “領袖”正在嘗試通過迷因幣 (memecoins) 如 $GOAT 來發展類似新興宗教的社區。
一些應用程序，如 @HoloworldAI、@vvaifudotfun、@TopHat_One 和 @real_alethea 讓用戶可以輕鬆創建和發佈智能體及其相關代幣。
（推文詳情）
AI 基金經理通過模仿知名加密投資者個性的智能體來做出投資決策，併為其投資組合“助威”。例如，@ai16zdao 在 @daosdotfun 上的迅速崛起，已經創造了一種 AI 基金與智能體助威相結合的新趨勢。
面向智能體的遊戲，如 @ParallelColony，玩家通過提示智能體採取行動來“玩”遊戲，往往會出現意想不到的創新結果。
未來可能的發展方向
智能體可以管理需要多方經濟協調的複雜項目。這些項目可以是複雜的科學研究任務，比如“尋找能夠治療 [X] 疾病的化合物”。智能體可能會執行以下步驟：
在 @pumpdotscience 上通過發行代幣進行籌資。
使用籌資的資金支付訪問相關的付費研究內容，並支付去中心化計算網絡（如 @kuzco_xyz、@rendernetwork、@ionet 等）運行模擬的費用。
利用像 @gib_work 這樣的賞金平臺，招募人類完成必要的現實任務（例如，運行實驗以驗證或擴展模擬結果）。
或者，執行像為你創建一個網站這樣的簡單任務；又或者是一個 AI 創作藝術（如 @0xzerebro）。可能性幾乎無限。
（推文詳情）
為什麼智能體選擇鏈上執行金融活動更有意義？
雖然智能體可以同時利用傳統金融方式和加密技術，但加密技術在以下幾個方面具有獨特優勢：
微支付場景：Solana 在這一領域表現出色，像 Drip 這樣的應用程序已經證明了其潛力。
速度優勢：即時結算對於希望實現資本效率最大化的智能體來說非常重要。
通過 DeFi 接入資本市場：一旦智能體的金融活動超出了單純支付的範圍，加密技術的優勢就更加明顯。這可能是智能體參與加密經濟的最重要原因。智能體可以無縫實現資產鑄造、交易、投資、借貸以及槓桿操作等功能。 Solana 的生態系統尤其適合支持這些資本市場活動，因為其主網上已經擁有廣泛的頂級 DeFi 基礎設施。
最後一點，技術的發展往往具有一定的慣性。這並不僅僅關乎產品本身的優劣，而是與誰能率先達到臨界規模併成為默認選擇息息相關。如果未來更多智能體通過加密技術創造顯著財富，這可能會鞏固加密技術作為智能體關鍵能力的地位。
我們希望看到的方向
我們鼓勵大膽嘗試賦予智能體錢包及鏈上執行能力的實驗。由於可能性範圍極其廣泛，我們不對具體方向做過多限制。事實上，我們相信最有趣和最有價值的智能體應用場景往往是那些我們無法預見的。儘管如此，我們對以下方向和基礎設施的探索特別感興趣：
限制幻覺的負面影響：當前的模型雖然表現出色，但仍然不夠完美。智能體的行動必須受到一定限制，不能完全放任。
推動非投機性用例：例如，通過 @xpticket 購買門票，為穩定幣投資組合優化收益，或者在 DoorDash 上購買食物等實際應用場景。
（推文詳情）
至少達到測試網原型階段（最好已上線主網）
2.提升 LLM 編寫 Solana 代碼的能力，為 Solana 開發者賦能
為什麼我們重視這一點？
大語言模型 (LLMs) 已經展現出強大的能力，並且正在迅速進步。特別是在編寫代碼這一領域，LLM 的改進速度可能會非常快，因為這是一個可以通過客觀標準進行評估的任務。正如下文所述，“編程擁有一個獨特的優勢：通過‘自我對弈 (self-play)’實現超大規模的數據擴展。模型可以編寫代碼並運行它，或者編寫代碼、編寫測試並檢查結果的一致性。”
雖然目前 LLM 在編寫代碼方面還不完美，特別是在發現漏洞方面表現較差，但像 Github Copilot 和 Cursor 這樣的 AI 原生代碼編輯器已經從根本上改變了軟件開發的方式（甚至改變了企業招聘人才的模式）。隨著這些模型的快速進步，軟件開發可能會被徹底革新。我們希望利用這一趨勢，讓 Solana 開發者的工作效率提升 10 倍。
然而，目前 LLM 在理解 Solana 方面仍面臨一些挑戰：
缺乏足夠優質的原始數據供 LLM 訓練。
驗證構建的數量不足，無法為 LLM 提供可靠的參考數據。
在 Stack Overflow 等平臺上缺乏高質量的問答互動。
Solana 的基礎設施更新速度快，導致部分舊代碼與當前版本不完全兼容。
開發者缺乏評估 LLM 對 Solana 理解能力的有效工具。
我們希望看到的進展：
幫助我們在互聯網上發佈更多優質的 Solana 數據！
鼓勵更多團隊發佈經過驗證的代碼構建。
推動社區成員在 Stack Exchange 上積極提問和回答，形成高質量的技術討論。
制定高質量的基準測試，用於評估 LLM 對 Solana 的理解能力（即將發佈 RFP）。
開發能夠在基準測試中表現出色的 LLM 微調模型，並切實提升 Solana 開發者的工作效率。我們計劃為第一個達到基準分數的模型提供獎勵，敬請期待。
一個標誌性的成就將是由 AI 完全創建的高質量 Solana 驗證器客戶端。
3.支持開放和去中心化的 AI 技術堆棧
為什麼我們重視這一點？
目前尚不清楚在未來，AI 的發展會在開源和閉源之間如何平衡。閉源 AI 可能會繼續佔據前沿地位，並從基礎模型中獲取大部分價值。但與此同時，開源模型也可能通過快速跟進和針對特定用例的微調展現出獨特的優勢。
我們希望 Solana 能與開源 AI 生態系統緊密結合。具體來說，這意味著支持以下內容的訪問：用於訓練的數據、訓練和推理所需的計算資源、生成的模型權重，以及驗證模型輸出的能力。這一點至關重要，原因如下：
1/ 開源模型加速了創新和試驗
開源社區對 Llama 等開源模型的快速優化和微調錶明，社區可以顯著補充大型 AI 公司的努力，並推動 AI 能力的前沿發展。正如谷歌的研究員曾指出，“在開源方面，我們和 OpenAI 都沒有護城河。”一個繁榮的開源 AI 堆棧對於加速行業進步至關重要。
2/ 為用戶提供可信賴的 AI 替代方案
AI 已經成為威權政權手中最強大的控制工具之一。國家認可的 AI 模型可能會提供“官方版本的真相”，成為控制輿論的強大手段。支持開放的 AI 堆棧，可以為那些不信任官方 AI 的用戶提供可信賴的替代方案。
Solana 已經成為支持開放 AI 堆棧的多個項目的家園
Grass 和 Synesis One 正在推動數據收集。
@kuzco_xyz、@rendernetwork、@ionet、@theblessnetwork 和 @nosana_ai 等項目正在提供去中心化計算資源，用於支持 AI 的訓練和推理。
（推文詳情）
像 @NousResearch 和 @PrimeIntellect 這樣的團隊正在開發框架，以實現去中心化的 AI 訓練（見下圖）
（推文詳情）
（推文詳情）
我們希望看到的進展
在開源 AI 堆棧的每個層級上打造更多創新產品
去中心化數據收集：例如 @getgrass_io、 @usedatahive 和 @synesis_one，這些項目通過分佈式網絡收集數據，為 AI 模型訓練提供支持。
鏈上身份：開發協議，讓錢包能夠證明其持有者是人類身份，或者驗證 AI API 的響應內容。這樣，用戶可以確認自己正在與大語言模型 (LLM) 進行交互，保障交互的透明性和可信度。
去中心化訓練：例如 @exolabs、@NousResearch 和 @PrimeIntellect，這些團隊正在探索如何利用分佈式計算資源來訓練 AI 模型，從而降低成本並提升效率。
知識產權 (IP) 基礎設施：開發工具，讓 AI 在使用內容時能夠自動完成授權和支付流程。這不僅保護內容創作者的權益，也為 AI 模型的合法使用鋪平道路。
