作者：Archetype 來源:X，@archetypevc 翻譯：善歐巴，金色財經
1. 智能體間交互
區塊鏈的透明性和可組合性使其成為智能體間互動的理想基底。在這種場景下，由不同實體為不同目的開發的智能體可以無縫地相互交互。目前，智能體之間已經出現了許多實驗性應用，如智能體間的資金轉移、聯合推出代幣等。我們期待看到智能體間互動如何進一步擴展，包括創造全新的應用領域（例如，由智能體互動驅動的新社交場景），以及改善當前繁瑣的企業工作流程，例如平臺認證與驗證、小額支付、跨平臺工作流程集成等。
— Danny, Katie, Aadharsh, Dmitriy
2. 去中心化的智能體型組織
大規模多智能體系統的協調是另一個令人興奮的研究領域。多智能體系統如何協作完成任務、解決問題，並治理系統與協議？在2024年初的文章《加密+AI應用的承諾與挑戰》中，Vitalik 提出了利用AI智能體進行預測市場和仲裁。他認為，多智能體系統在規模化運作時具有非凡的“真相”發現能力和自主治理潛力。我們期待看到“多智能體系統”及“群體智能”形式的潛能如何被進一步挖掘和實驗。
作為智能體間協調的延伸，智能體與人類的協調也為設計提供了有趣的空間——特別是社區如何圍繞智能體進行互動，或者智能體如何組織人類進行集體行動。我們期待更多實驗出現，尤其是那些目標函數涉及大規模人類協調的智能體。這需要某種驗證機制的配合，特別是如果人類的工作是在鏈下完成的，但這有可能產生一些奇特且有趣的湧現行為。
— Katie, Dmitriy, Ash
3. 智能體型多媒體娛樂
數字人（Digital Personas）的概念已存在數十年。比如，初音未來（2007年）曾售罄2萬座席的演唱會，虛擬網紅 Lil Miquela（2016年）在Instagram上擁有超過200萬粉絲。較新的例子包括AI虛擬主播Neuro-sama（2022年），她在Twitch上已擁有超過60萬訂閱者，以及匿名K-pop虛擬男團PLAVE（2023年），他們在不到兩年的時間裡在YouTube上累積了超過3億次觀看量。
隨著AI基礎設施的進步以及區塊鏈在支付、價值轉移和開放數據平臺方面的整合，我們期待看到這些智能體如何變得更加自主，甚至有望在2025年解鎖一個全新的主流娛樂類別。
— Katie, Dmitriy
4. 生成式/智能體內容營銷
在上一類別中，智能體本身即產品，而在這裡，智能體可以作為產品的補充。在注意力經濟中，持續不斷地產出引人入勝的內容對任何想法、產品或公司的成功都至關重要。生成式/智能體內容是團隊可用來建立可擴展的24/7內容生產管道的強大工具。這一領域的發展受到了圍繞“什麼區別於迷因幣和智能體”的討論推動。即便目前的迷因幣尚未嚴格意義上“智能化”，智能體也已成為其獲取分發渠道的重要工具。
另一個例子是，遊戲要想維持用戶的參與度，通常需要變得更加動態。創造遊戲動態性的一種經典方法是培育用戶生成內容；而純粹生成式內容（包括遊戲內物品、NPC甚至完全生成的遊戲關卡）很可能是這種演變的下一個階段。我們好奇在2025年，傳統分發策略的邊界能通過智能體的能力被拓展到何種程度。
— Katie
5. 下一代藝術工具/平臺
2024年，我們推出了IN CONVERSATION WITH，這是一個與音樂、視覺藝術、設計、策展等領域的加密藝術家進行訪談的系列節目。今年的訪談讓我觀察到一個關鍵點：對加密技術感興趣的藝術家往往也對前沿技術有廣泛興趣，並傾向於讓這些技術成為他們創作實踐的核心或美學重點，例如AR/VR物件、基於代碼的藝術以及現場編碼等。
生成式藝術長期以來與區塊鏈有著天然的協同效應，這也使其成為AI藝術的潛在載體變得更加清晰。在傳統的藝術展示平臺上，展示和呈現這些藝術媒介極其困難。ArtBlocks為我們提供了一個窗口，展示了未來如何利用區塊鏈呈現、存儲、貨幣化和保護數字藝術作品——同時改善了藝術家和觀眾的整體體驗。
除了展示之外，AI工具甚至擴展了普通人創造藝術的能力。我們期待看到區塊鏈在2025年如何進一步擴展或支持這些工具，賦能藝術創作者與愛好者。
— Katie
6. 數據市場
自Clive Humby在20年前提出“數據是新的石油”以來，各大公司採取了強有力的措施來壟斷和變現用戶數據。如今，用戶已經意識到，他們的數據是這些市值數十億美元公司賴以建立的基礎，但他們對數據的控制權微乎其微，幾乎無法分享這些數據所創造的利潤。隨著強大AI模型的加速發展，這種緊張關係變得愈發關鍵。如果說數據市場的一部分機會在於減少用戶數據剝削，另一部分則是解決數據供給短缺的問題，因為越來越強大的AI模型正逐漸耗盡互聯網上易獲取的數據資源，迫切需要新的數據來源。
關於如何利用去中心化基礎設施將數據的控制權歸還給用戶這一問題，設計空間非常廣闊，亟需在多個領域找到創新解決方案。其中一些最迫切的挑戰包括：
• 數據的存儲位置及隱私保護（在存儲、傳輸和計算過程中）
• 如何客觀地評估、篩選和衡量數據質量
• 用於數據歸屬與變現的機制（尤其是在推斷結果後將價值回溯到源頭）
• 在多樣化模型生態系統中，如何編排或檢索數據。
關於解決數據供給瓶頸，關鍵不僅僅是用代幣複製現有的數據標註平臺（如Scale AI），而是理解我們可以如何通過技術優勢打造有競爭力的解決方案，無論是在規模、質量，還是在激勵機制上更勝一籌，以產生高價值的數據產品。尤其在需求端主要來自Web2 AI的背景下，思考如何將智能合約執行的機制與傳統的服務水平協議（SLAs）及工具相結合，是值得關注的重要領域。
— Danny
7. 去中心化算力
如果說數據是AI開發與部署的一個基本構建塊，那麼算力就是另一個。過去幾年，由大型數據中心主導的舊有範式（如對特定場地、能源和硬件的獨佔訪問）在很大程度上定義了深度學習和AI的發展軌跡。然而，隨著物理限制的顯現以及開源技術的發展，這種動態正在受到挑戰。
去中心化AI算力的v1版本看起來像是Web2 GPU雲的複製品，在供應（硬件或數據中心）上沒有真正的優勢，也缺乏自然的市場需求。而v2版本中，一些團隊正在開發技術堆棧，通過對**異構高性能計算資源（HPC）**的編排、路由和定價等能力來構建競爭力，並引入專有功能以吸引需求、對抗利潤壓縮，尤其是在推理任務方面。此外，團隊開始圍繞不同的應用場景和市場進入策略（GTM）展開差異化競爭，有些團隊專注於利用編譯器框架提高跨多樣硬件的推理路由效率，而另一些團隊則在所構建的算力網絡上開創分佈式模型訓練框架。
我們甚至開始看到一個AI-Fi市場的雛形，提出新的經濟原語，把算力和GPU轉變成可產生收益的資產，或者利用鏈上流動性，為數據中心提供替代資金來源以獲取硬件。一個關鍵問題是，去中心化AI (DeAI) 在多大程度上將依賴於去中心化算力進行開發與部署？還是會像存儲市場一樣，理想與實際需求之間的差距始終無法彌合，最終未能充分實現這一理念的潛力？
— Danny
8. 算力核算標準
與激勵去中心化高性能算力網絡相關，協調異構算力面臨的一個主要挑戰是缺乏一套公認的算力核算標準。AI模型獨特的輸出特性給高性能算力市場帶來了複雜性，例如不同的模型變體、量化技術，以及通過溫度和採樣超參數實現的可調隨機性。此外，不同的AI硬件（如GPU架構和CUDA版本）會進一步導致輸出差異。最終，這需要針對模型和算力市場在異構分佈式系統中如何核算其能力設立標準。
由於缺乏標準，今年我們看到Web2和Web3領域都出現了多起模型和算力市場無法準確核算其算力質量和數量的情況。這導致用戶不得不自己運行模型基準測試，通過對比性能結果進行審計，甚至通過限制算力市場的工作量（Proof-of-Work）來驗證真實表現。
鑑於加密領域“可驗證性”的核心原則，我們希望在2025年，加密與AI的結合能在可驗證性方面比傳統AI更具優勢。具體來說，普通用戶應能對模型或計算集群的輸出進行同等對比，以審計和基準測試系統性能。
— Aadharsh
9. 概率隱私原語
在《加密+AI應用的承諾與挑戰》中，Vitalik 提出了加密與AI融合面臨的一個獨特挑戰：
“在密碼學中，開源是實現安全的唯一途徑，但在AI中，模型（甚至是訓練數據）開源會大大增加其面臨的對抗性機器學習攻擊的風險。”
儘管隱私並非區塊鏈的全新研究領域，但AI的快速發展將進一步加速隱私增強技術的研究與應用。今年，我們在隱私技術方面已經取得了重大進展，例如零知識證明（ZK）、完全同態加密（FHE）、可信執行環境（TEE） 和多方安全計算（MPC），這些技術可用於加密數據上的私密共享計算，適用於通用應用場景。同時，我們也看到英偉達和蘋果等中心化AI巨頭正在使用專有TEE技術，用於在硬件、固件和模型一致的系統中實現聯邦學習與私密AI推理。
鑑於此，我們將密切關注以下領域的發展：如何在隨機狀態轉換中保持隱私，以及這些進展如何加速去中心化AI應用在異構系統中的落地，包括去中心化私密推理、加密數據的存儲與訪問管道，以及完全自主的執行環境。
— Aadharsh
10. 智能體意圖與下一代用戶交易界面
AI智能體在鏈上自主交易的應用是當前最具現實潛力的用例之一。然而，過去12-16個月圍繞“意圖”“智能體行為”“智能體意圖”“求解器”“智能體求解器”等概念，存在很多模糊的定義，尤其是與近年來傳統**“交易機器人”**的開發如何區分的問題。
在接下來的12個月裡，我們期待看到更先進的語言系統與不同的數據類型及神經網絡架構結合，推動整體設計空間的進步。
• 智能體是否會使用當前的鏈上系統進行交易，還是會開發自己的工具/方法？
• 大型語言模型（LLMs） 是否會繼續作為這些智能體交易系統的後端，或者會有完全不同的系統出現？
• 在用戶界面層面，用戶是否會開始使用自然語言進行交易？
• 長期以來的“錢包即瀏覽器”這一假設是否會最終實現？
這些問題都將是我們關注的重點。
— Danny, Katie, Aadharsh, Dmitriy
