作者：bebis
編譯：深潮 TechFlow
人工智能真的很擅長偽裝。
人工智能 (AI) 技術的發展已有 50 多年的歷史，並吸引了數千億美元的研發投入。如今，創造一個看似革命性的 AI 應用變得異常容易，但很多時候，這些應用可能只是“鏡花水月”。
那麼，我們該如何分辨真正的技術突破與虛假宣傳？
看透 AI 營銷的本質
首先，我們需要了解軟件開發的現實。無論是一個擁有數萬億參數的基礎模型，還是一個開發者在週末完成的小項目，從原型到投入生產環境的過程往往充滿挑戰，就像經歷一場“持久戰”。
這種“戰爭”中絕大部分的戰鬥，往往發生在看似最後的階段。當你在本地測試時一切順利，當你開始將項目遷移到生產環境時，你會無數次意識到，協調現代軟件系統的所有動態部分遠比單純寫代碼複雜得多。
在項目管理中，我們將這種現象稱為“90% 綜合症”。（深潮注：簡單來說，“90% 綜合症”指的是項目完成了 90%，但剩下的 10% 卻可能需要再花費 90% 的時間和精力。）
“90% 綜合症”正是 Sam Altman 那句經典引言廣為流傳的原因：
正因如此，許多技術團隊和管理者會在快速迭代的過程中產生不切實際的期望，認為可以一直保持高速推進。
然而，現實總會讓人清醒。當工程師和董事會成員意識到收益遞減的規律時，他們不得不放慢腳步，直到找到新的突破點，進入下一輪循環。
這對加密投資者意味著什麼？
對於加密投資者來說，這意味著 AGI（通用人工智能）在未來幾年內仍將只是一個“流行詞”。與此同時，許多人會利用這個概念來推銷他們的“項目”。
Swarms：加密對 AGI 的回應
在加密與 AI 的交叉領域中，一個全新的敘事正在形成，其核心是“智能體”（Agent）——特別是由大量智能體組成的“群體智能”。
所謂智能體群體（Agent Swarm），是指通過特定框架協調的多個智能體，它們通過集體協作而非單純依賴計算能力，來完成複雜任務。這種方法有效解決了硬件和算法的瓶頸問題。
正如 Tom Shaughnessy 在其文章中提到的：
“一種基於加密 AI 的 AGI 替代方案正在悄然興起。
我們往往會理所當然地認為 OpenAI 會成為最終的贏家。
畢竟，他們擁有頂尖的人才（儘管有部分人已離職）、強大的計算資源、領先的模型發佈，以及對推理能力的高度關注。
然而，理解這一領域的替代方案卻並不容易，因為它並不總是處於顯而易見的位置。
這種替代方案的核心是數百萬個狹窄且高度專業化的 AI 模型（或稱智能體）。這些智能體在各自的領域堪稱“專家”，它們無需對所有事情進行全面推理，而是通過協同工作形成一種“群體智能”，這種智能遠遠優於單一的大模型。事實上，數百萬個狹窄模型一直是我最初的理論基礎。
開發者可以根據需求定製這些智能體的推理路徑（即智能體的思維鏈，例如何時停止研究或何時轉向新方向），靈活組合數據與實時信息來源，使用多種基礎模型（如 Nous Research、Prime Intellect、Llama，deepseek 或其他開源模型），並對每個智能體的細節進行深度調優，使其完全專注於某一特定任務。
這種智能體的大規模“寒武紀式爆發”得益於加密代幣的資助，並由去中心化的加密社區推動。這種模式在創建模型和智能體方面展現出了巨大的差異化優勢，而這些智能體絕不可能在傳統的 Web2 AI 實驗室中誕生。相比之下，其開發速度和社區支持更是無可匹敵。
一旦我們能夠通過一個簡單易用的界面訪問這些智能體的“群體”（即專家模型組合），並且“群體”能夠智能地選擇最適合的模型來執行任務，這種模式便會在一夜之間被廣泛接受。
技術發展的趨勢表明，AGI 更可能以開放的形式構建在去中心化的區塊鏈上，而不是受制於可能被關閉的集中式平臺。
這只是時間問題，而加密 AI 正在成為通向集體 AGI 的領先路徑，其前景非常值得期待。”
實際上，當我們觸及硬件性能、研究進展和物理法則的極限時，我們總是會迴歸到一個熟悉的方向——聚合。
湯姆提到了“專家模型組合 (Mixture of Experts)”這個術語，但其實這個概念並沒有那麼複雜。通過智能體集群 (agentic swarms)，區塊鏈在人工智能領域展現了它的獨特價值：協調能力。
得益於加密技術在大規模行為編程上的獨特優勢，我們能夠在全球範圍內部署和管理大量智能體。這使得我們可以構建更小、更專注的大語言模型網絡，這些模型彼此競爭，努力為終端用戶提供最佳服務。
去年 7 月，我們在 Club Cod3x 播客中詳細探討了這一點：
如果不是 AGI，那未來會是什麼？
隨著加密與 AI 領域的不斷成熟，我們將在策展、分發和商業化方面取得顯著進展。儘管目前 Web3 的 AI 公司還處於初級階段，但這一領域的潛力已經引發了廣泛關注。
我已經在人工智能與加密貨幣結合的領域開發了幾年。在此期間，我總結了一些關於什麼方法是有效的、什麼方法是無效的經驗。
以下是我對當前人工智能與加密貨幣領域的最新分析：
1. 框架 (Frameworks) - 用於加速開發、規範標準並促進智能體之間通信的平臺。
@virtuals_io - 社交框架 (Virtuals)
@ai16zdao - 社交框架 (G.A.M.E.)
@Cod3xOrg - 金融框架 (Moon)
@gizatechxyz - 金融框架
@AlloraNetwork - 訓練框架 (Training Framework)
@opentensor - 訓練框架 (Training Framework)
@chirperai - 協調框架 (Coordination Framework)
@autonolas - 協調框架 (Coordination Framework)
這些框架不僅是技術開發的基礎，也將在未來的市場中扮演重要角色，推動整個生態系統的成熟。
2. 交易平臺 (Marketplaces) - 交易平臺的核心是連接智能體與用戶，或者智能體之間，為任務完成和服務交易提供便利。
@Cod3xOrg - 用戶到智能體市場 (User-to-Agent Market)
@Daosdotfun - 啟動平臺 (Launchpad)
@Virtuals_io - 啟動平臺 (Launchpad)
@autonolas - 智能體到智能體市場 (Agent-to-Agent Market)
@StoryProtocol - 智能體到智能體市場 (Agent-to-Agent Market)
@joinFXN - 智能體到智能體市場 (Agent-to-Agent Market)
雖然目前這類平臺還處於初期階段，但它們將成為智能體經濟發展的關鍵，幫助開發者找到更多的貨幣化和規模化路徑。
3. 智能體 (Agents) - 智能體是自主運行的數字工作者，通過完成特定任務來創造價值。
@BigTonyXBT - 專注於金融交易執行的智能體。
@unit00x0 - 提供金融數據分析的支持。
@luna_virtuals - 聚合社交和金融功能的多用途智能體。
@0xzerebro - 專注於藝術創作和社交互動的智能體。
開發智能體的過程就像電影《鐵甲鋼拳 (Real Steel)》中的機器人格鬥一樣充滿挑戰和樂趣。
儘管目前 Web3 中的智能體尚未廣泛實現商業化，但一些品牌已經展現了強大的願景。未來，我們將看到更多智能體在實際應用中的測試和優化。
4. 數據經紀商 (Data Brokers) - 數據經紀商為智能體提供訓練所需的數據和上下文信息，是整個生態的關鍵環節。
@withvana - 用戶數據經紀商
@getgrass_io - 用戶數據經紀商
@Cookie3_com - Web3 社交數據聚合器
AI 和區塊鏈的結合正吸引越來越多的項目參與進來。以 @BigTonyXBT 為例，它使用了 @DeBankCloud、@LunarCrush 和 @dexscreener 提供的數據作為智能體的上下文信息。然而，這些數據平臺目前尚未對 AI 的發展方向給出明確的表態。
與此同時，像 @arkham、@_kaitoai 和 @nansen_ai 等情報平臺也開始將它們的數據打包，為智能體經濟服務。未來，這些平臺甚至可能推出自己的智能體或 AI 模型，這一點值得關注！
Web3 的目標不是 AGI
有人可能會問，Web3 是否會創造出世界上最好的基礎模型？答案是否定的，因為 AGI（通用人工智能）並不是 Web3 需要攀登的那座高山。
儘管如此，區塊鏈技術可以在其他方面為開發者帶來巨大價值，尤其是在分發和貨幣化工作成果方面。
藉助 Web3 的力量，我們能夠：
創建更加公平的數據市場，讓數據的價值迴歸用戶和開發者；
激勵最優秀的智能體，為用戶提供更優質的服務；
簡化金融交易流程，提升效率；
提供更優化的執行環境，支持智能體的運行；
更加便捷地實現智能體的貨幣化；
推動開源項目的發展，讓創新更加開放；
在全球範圍內 24/7 全天候實現這些目標。
因此，將 AI 引入區塊鏈並不是為了追求 AGI，而是為了向 AI 開發者證明，加密技術能夠幫助他們更高效地實現目標，同時為用戶創造更好的體驗。
