原文：Archetype
編譯：Yuliya，PANews
在人工智能和區塊鏈技術快速發展的今天，這兩個領域的交匯正在催生出令人振奮的創新可能。本文深入剖析了2025年值得關注的十大重要領域，從智能代理的互動到去中心化計算，從數據市場的變革到隱私技術的突破。
1.代理間交互
區塊鏈固有的透明性和可組合性特徵，使其成爲代理間交互的理想基礎層。不同實體開發的、服務於不同目的的智能代理可以在區塊鏈上無縫互動。目前已經出現了一些令人矚目的實驗性應用，例如代理之間進行資金轉賬、聯合發行代幣等場景。
未來代理間交互的發展潛力主要體現在兩個方面：首先是開創全新的應用領域，比如由代理互動驅動的新型社交場景；其次是優化現有的企業級工作流程，包括平臺認證和驗證、小額支付、跨平臺工作流集成等傳統上較爲繁瑣的環節。
aethernet和clanker在Warpcast平臺實現聯合發幣
2.去中心化智能代理組織
大規模多代理協調是另一個令人振奮的研究領域。這涉及多代理系統如何協同完成任務、解決問題以及治理系統和協議。Vitalik在2024年初發表的(加密貨幣與AI應用的前景與挑戰)一文中，提到了在預測市場和仲裁領域運用AI代理的可能性。他認爲，從宏觀角度來看，多代理系統在"真相"發現和自主治理系統方面展現出了顯著的潛力。
業界正在持續探索和實驗多代理系統的能力邊界以及"羣體智能"的各種形式。作爲代理間協調的延伸，代理與人類之間的協調也構成了一個有趣的設計空間，特別是在社區如何圍繞代理展開互動，以及代理如何組織人類開展集體行動等方面。
研究人員特別關注那些目標函數涉及大規模人類協調的代理實驗。這類應用需要配套相應的驗證機制，尤其是當人類工作在鏈下完成時。這種人機協作可能會催生一些獨特而有趣的涌現行爲。
3.智能代理多媒體娛樂
數字人格概念已經存在數十年。
早在2007年，初音未來（Hatsune Miku）就能在2萬人規模的場館舉辦售罄演唱會；
2016年誕生的虛擬網紅Lil Miquela在Instagram上擁有超過200萬粉絲。
2022年推出的AI虛擬主播Neuro-sama在Twitch平臺上已積累超過60萬訂閱者；
2023年成立的虛擬韓團PLAVE，在不到兩年時間裏在YouTube上獲得了超過3億的播放量。
隨着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應用，這些智能代理將有望在2025年獲得更高程度的自主性，並可能開創一個全新的主流娛樂品類。
從左上角順時針方向：初音未來（Hatsune Miku）、Virtuals旗下的Luna、Lil Miquela和PLAVE
4.生成式/智能代理內容營銷
與前文所述智能代理本身作爲產品的情況不同，智能代理還可以作爲產品的補充工具。在當今的注意力經濟時代，持續輸出引人入勝的內容對於任何創意、產品或公司的成功都至關重要。生成式/智能代理內容正成爲團隊確保24/7不間斷內容生產的強大工具。
這一領域的發展被Meme幣與智能代理之間的界限討論所加速。即便尚未完全實現"智能化"，智能代理已經成爲Meme幣獲得傳播的有力手段。
遊戲領域提供了另一個典型案例。現代遊戲越來越需要保持動態性以維持用戶參與度。傳統上，培養用戶生成內容（UGC）是創造遊戲動態性的經典方法。而純生成式內容（包括遊戲內物品、NPC角色、完全生成的關卡等）可能代表着這一演進的下一個階段。展望2025年，智能代理的能力將極大地拓展傳統分發策略的邊界。
5.下一代藝術工具與平臺
2024年推出的"對話系列"（IN CONVERSATION WITH）採訪了活躍在加密貨幣領域及其邊緣的音樂、視覺藝術、設計和策展等領域的藝術家。這些訪談揭示了一個重要觀察：對加密貨幣感興趣的藝術家往往也關注更廣泛的前沿技術，並傾向於將這些技術深度融入其藝術實踐的美學或核心，例如AR/VR物件、基於代碼的藝術和實時編程藝術。
生成藝術與區塊鏈技術歷來存在協同效應，這使其作爲AI藝術基礎設施的潛力更加明顯。在傳統展示平臺上，要恰當展示這些新型藝術媒介極其困難。ArtBlocks平臺展示了利用區塊鏈技術進行數字藝術展示、存儲、變現和保存的未來圖景，顯著改善了藝術家和觀衆的整體體驗。
除了展示功能外，AI工具還擴展了普通大衆創作藝術的能力。這種民主化趨勢正在重塑藝術創作的格局。展望2025年，區塊鏈技術將如何擴展或賦能這些工具，將是一個極具吸引力的發展方向。
摘自(對話：Maya Man)
6.數據市場
自Clive Humby提出"數據是新石油"的說法已經過去20年，各大公司一直在採取強有力的措施來囤積和變現用戶數據。用戶已經意識到，他們的數據是這些市值數十億美元公司的基石，但他們對數據的使用方式幾乎沒有控制權，也無法分享數據創造的利潤。隨着強大AI模型的快速發展，這種矛盾變得更加突出。
數據市場面臨的機遇有兩個方面：一是解決用戶數據被剝削的問題，二是解決數據供應短缺的問題，因爲越來越大和更好的模型正在消耗公共互聯網數據這個容易獲取的"油田"，並需要新的數據來源。
數據權力迴歸用戶
關於如何利用去中心化基礎設施將數據權力歸還給用戶這個問題，這是一個需要在多個領域提供創新解決方案的廣闊設計空間。一些最緊迫的問題包括：
數據存儲位置和如何在存儲、傳輸和計算過程中保護隱私；
如何客觀地評估、篩選和衡量數據質量；
使用什麼機制進行歸因和變現（特別是在推理後將價值追溯到源頭）；
以及在多樣化的模型生態系統中使用什麼樣的編排或數據檢索系統。
供應限制
在解決供應限制方面，關鍵不是簡單地用代幣複製Scale AI的模式，而是要理解在技術利好的情況下我們可以在哪些方面建立優勢，以及如何構建具有競爭優勢的解決方案，無論是在規模、質量，還是更好的激勵（和篩選）機制方面，以創造更高價值的數據產品。特別是當大部分需求仍來自Web2 AI時，思考如何將智能合約執行機制與傳統的服務水平協議（SLA）和工具結合起來是一個重要的研究領域。
7.去中心化計算
如果說數據是AI開發和部署的一個基本要素，那麼計算力就是另一個關鍵組成部分。傳統的大型數據中心模式憑藉其獨特的場地、能源和硬件優勢，在過去幾年裏很大程度上主導了深度學習和AI的發展軌跡。然而，物理限制和開源技術的發展正在挑戰這種格局。
去中心化AI計算的第一階段（v1）本質上是Web2 GPU雲服務的翻版，在供給端（硬件或數據中心）沒有真正優勢，且有機需求有限。
而在第二階段（v2），一些出色的團隊在異構高性能計算（HPC）供給基礎上構建完整的技術棧，在調度、路由和定價方面展現出獨特能力，同時開發專有功能來吸引需求並應對利潤壓縮，特別是在推理端。各團隊也開始在使用場景和市場策略上出現分化，有的專注於整合編譯器框架以實現跨硬件的高效推理路由，有的則在其構建的計算網絡上開創分佈式模型訓練框架。
業界甚至開始看到AI-Fi市場的興起，出現了將計算力和GPU轉化爲收益型資產的創新經濟原語，或利用鏈上流動性爲數據中心提供購置硬件的替代資金來源。
這裏的主要問題是，去中心化AI在多大程度上會在去中心化計算基礎設施上開發和部署，或者像存儲領域一樣，理想與實際需求之間的差距是否會始終存在，使這一理念難以充分實現其潛力。
8.計算覈算標準
在去中心化高性能計算網絡的激勵機制方面，協調異構計算資源面臨的一個主要挑戰是缺乏統一的計算覈算標準。AI模型爲高性能計算的輸出空間增添了多個獨特的複雜性，包括模型變體、量化方案，以及通過模型溫度和採樣超參數可調節的隨機性水平。此外，AI硬件也會因GPU架構和CUDA版本的差異而產生不同的輸出結果。這些因素最終導致需要建立標準，以規範模型和計算市場如何在異構分佈式系統中計量其計算能力。
部分由於缺乏這些標準，2024年出現了Web2和Web3領域的多個案例，其中模型和計算市場未能準確覈算其計算質量和數量。這導致用戶不得不通過運行自己的比較模型基準測試，並通過限制計算市場的速率來執行工作量證明，以此審計這些AI層的真實性能。
展望2025年，加密技術與AI的交叉領域有望在可驗證性方面實現突破，相比傳統AI將更易於驗證。對普通用戶而言，能夠對定義模型或計算集羣輸出的各個方面進行公平比較至關重要，這將有助於審計和評估系統性能。
9.概率性隱私原語
在"加密貨幣與AI應用的前景與挑戰"中，Vitalik指出了連接加密貨幣和AI時的一個獨特挑戰：’“在密碼學領域，開源是實現真正安全性的唯一途徑，但在AI領域，模型（甚至其訓練數據）的開放性會大大增加其受到對抗性機器學習攻擊的風險。”
雖然隱私並非區塊鏈研究的新領域，但AI的快速發展正在加速推動支持隱私的密碼學原語的研究和應用。2024年在隱私增強技術方面已經取得了重大進展，包括零知識證明（ZK）、全同態加密（FHE）、可信執行環境（TEEs）和多方計算（MPC）等，這些技術被用於加密數據計算的私有共享狀態等通用應用場景。同時，像英偉達和蘋果這樣的中心化AI巨頭也在使用專有的TEEs進行聯邦學習和私有AI推理，在保持硬件、固件和模型在系統間一致的同時確保隱私。
基於這些發展，業界正密切關注隨機狀態轉換中的隱私維護技術進展，以及這些技術如何加速異構系統上去中心化AI應用的實際落地。這包括從去中心化私有推理到加密數據的存儲/訪問管道，以及完全主權的執行環境等多個方面。
蘋果的人工智能技術棧和英偉達的H100圖形處理器
10.代理意圖與下一代用戶交易界面
過去12-16個月裏，關於意圖、代理行爲、代理意圖、解決方案、代理解決方案等概念的定義一直存在模糊不清的情況，這些概念與近年來傳統的"機器人"開發有何區別也缺乏明確界定。AI代理自主進行鏈上交易是最接近落地的應用場景之一。
未來12個月，業界預計將看到更復雜的語言系統與不同數據類型和神經網絡架構的結合，從而推進整體設計空間的發展。這引發了幾個關鍵問題：
代理是否會使用現有的鏈上交易系統，還是開發自己的工具和方法？
大語言模型是否會繼續作爲這些代理交易系統的後端，還是會出現全新的系統？
在界面層面，用戶是否會開始使用自然語言進行交易？
經典的"錢包即瀏覽器"理念是否最終會實現？
這些問題的答案將深刻影響加密貨幣交易的未來發展方向。隨着AI技術的進步，代理系統可能會變得更加智能和自主，能夠更好地理解和執行用戶意圖。
