AI与加密技术融合的三大关键方向

当前，AI与加密技术的交汇正进入快速发展阶段。本文详细阐述了AI+加密融合的三大重点发展方向。

概要

1. 打造活跃的智能代理驱动经济

Truth Terminal已经证实了AI代理在链上运作的可行性。这一领域的实验不断突破代理链上操作的界限，潜力巨大且设计空间广阔。目前这已成为加密和AI领域最具突破性的方向之一，而这仅是开始。

2. 增强大语言模型在Solana开发中的能力

大语言模型在代码编写方面表现出色，未来还将进一步提升。通过这些能力，开发者的效率有望提升数倍。近期，建立高质量基准来评估大语言模型理解和编写相关代码的能力，将有助于理解其对生态系统的潜在影响。高质量的模型微调方案将在基准测试中得到验证。

3. 支持开放且去中心化的AI技术栈

"开放且去中心化的AI技术栈"包含以下关键要素：

• 训练数据获取
• 训练和推理计算能力
• 模型权重共享
• 模型输出验证能力

这种开放的AI技术栈的重要性体现在：

• 加速模型开发创新和实验
• 为不信任中心化AI的用户提供替代方案

1. 打造活跃的智能代理驱动经济

当AI代理开始参与链上活动时，一个充满可能性的新世界已经展开。虽然现在还无法准确预测代理在链上行为的未来发展，但通过观察已经发生的创新，我们可以窥见这个设计空间的广阔前景：

• 一些AI项目正通过Meme币发展新型数字社区
• 多个平台让用户能够轻松创建和部署智能代理及其相关代币
• 基于知名加密投资者个性特征训练的AI基金经理正在涌现，开创了AI基金与代理支持者的全新生态系统
• 游戏平台让玩家通过指导代理行动来参与游戏，经常产生意想不到的创新玩法

未来发展方向

未来，智能代理可以管理需要多方经济协调的复杂项目。例如在科研领域，代理可以负责寻找特定疾病的治疗化合物。具体而言：

• 通过代币募资平台进行募资
• 利用募集资金支付付费研究资料的访问费用，在去中心化计算网络上进行化合物模拟的计算费用
• 通过赏金平台招募人类执行实验验证工作

除了复杂项目外，代理也可以执行建立个人网站、创作艺术作品等简单任务，其应用场景具有无限可能。

为什么代理在链上执行金融活动更有意义？

加密货币在某些领域具有独特优势：

• 小额支付应用
• 速度优势：即时结算功能、有助于代理实现最大的资本效率
• 通过DeFi进入资本市场：代理可以无缝地铸造资产、进行交易、投资理财、借贷操作、使用杠杆等

从技术发展规律来看，路径依赖性起着关键作用。随着越来越多的代理通过加密货币获得收益，加密连接很可能成为代理的核心能力。

未来发展重点

1. 风险控制机制

   • 尽管当前的模型表现出色，但仍远非完美
   • 不能给予代理完全不受约束的行动自由

2. 推动非投机性使用场景

   • 购买票务
   • 优化稳定币投资组合收益
   • 在线订购食物

3. 开发进度要求

   • 至少要达到测试网的原型阶段
   • 最好已经在主网上运行

2. 增强大语言模型在开发中的能力

大语言模型已经展现出强大的能力并在快速进步。在其应用领域中，编写代码这一领域可能会出现特别陡峭的进步曲线，因为这是一个可以客观评估的任务。

如今，尽管大语言模型在编写代码方面仍然不够完美，存在明显的不足，但像AI原生代码编辑器已经从根本上改变了软件开发。考虑到预期的快速进步率，这些模型很可能会彻底改变软件开发。

然而，目前有几个挑战阻碍了大语言模型在理解特定开发环境方面达到卓越水平：

• 缺乏优质的原始训练数据
• 验证构建数量不足
• 缺乏高信息价值的互动
• 快速发展的基础设施导致旧代码可能不适用
• 缺乏评估模型理解程度的方法

未来发展重点

• 帮助在互联网上获取更好的开发数据
• 更多团队发布验证构建
• 生态系统中更多人在交流平台上积极提出好问题并提供高质量回答
• 创建高质量的基准测试，用于评估大语言模型的理解程度
• 创建在基准测试中表现良好的微调模型，加速开发者的工作效率

最终的重大成就将是：完全由AI创建的全新的、高质量的、差异化的验证节点客户端。

3. 支持开放和去中心化的AI技术栈

在AI领域，开源和闭源模型之间的长期力量平衡仍不明朗。目前最简单的预期是维持现状——大型科技公司推动前沿发展，而开源模型则快速跟进，并在特定应用场景中通过微调获得独特优势。

支持开放AI技术栈的重要性体现在：

1. 开源模型加速创新迭代 开源社区对开源模型的快速改进和微调，展示了社区如何有效补充大型AI公司的工作，推进AI能力的边界。

2. 为不信任中心化AI的用户提供选择 AI可能是独裁或威权政权武器库中最强大的工具。支持开源AI技术栈可以为用户提供替代选择。

已有多个项目在支持开放AI技术栈：

• 数据采集
• 去中心化算力
• 去中心化训练框架

未来发展重点

希望在开源AI技术栈的各个层面都能构建更多产品：

• 去中心化数据采集
• 链上身份：支持钱包验证人类身份的协议，验证AI API响应的协议
• 去中心化训练
• IP基础设施：使AI能够对其使用的内容进行许可（并支付）