编译：Sissi
TL;DRAI 将推动 crypto 走向主流。Crypto 为 AI agents 的普及提供了理想的基础。
目前，许多充满潜力的加密 AI agent 初创公司正在围绕去中心化金融（DeFi）、基础设施和消费类应用场景展开建设。
未来很可能是一个多 agent 世界，所以准备好迎接这一变化。
即使是非金融型的 AI agents，也将使用 crypto，因为：（1）crypto 使支付和钱包创建变得更加便捷；（2）crypto 提供了一个可组合的层，具有开放标准，能够实现 agents 之间的高效沟通。
目前，AI agents 仍主要处于「demo」阶段——虽然很酷，但还没有准备好扩展到真实世界的应用中。处理幻觉问题和边缘情况仍然是挑战，但技术正在迅速发展。
最近，我得出了一个新结论：
AI 将成为推动 crypto 进入主流应用的催化剂。Crypto 一直处于科技领域的边缘地位，而这一切最终将为 crypto 奠定其作为基础技术的地位。
我们在过去七年里所构建的一切——Layer1 和 Layer2、DeFi、NFT——为一个由 AI agents 驱动的世界奠定了基础，尽管当时的建设者们可能并未意识到这一点。
许多加密项目今天看起来似乎面临需求不足的问题，但一旦 AI agents 的应用大规模展开，基础设施和加密技术基础组件将迅速完善并协同运作。
AI（模型和应用）的新技术开发栈与传统软件栈有很大不同，且正在实时发展。现在还处于足够早的阶段，加密技术有望成为核心栈的一个重要部分，特别是在支付等方面。
四年前（GPT 出现之前）没有人能预见到这一点，但前进的道路对我来说每天都变得更加清晰。
让我解释一下原因。
我将概述 AI agents 的现状、crypto 的应用范围、我对 agent 未来的看法，以及目前我关注的团队。
什么是 AI agent？这个看起来非常可爱的 AI agent，名叫 Luna，轻声在你耳边低语。她乐此不疲，每天 24/7 为她的 540,000 名 TikTok 粉丝进行直播。
这让我想起一句经典的技术格言：许多改变世界的重要技术创新，最初看起来都像是玩具。
过去几周我们看到的对 AI agents 的兴趣，充分展示了公众中存在的巨大潜在需求和兴趣。
AI agents 已经成为人类科技进步的强大象征，承载着我们长久以来的科幻梦想和对更美好未来的集体希望。
在很多方面，AI agents 感觉就像 90 年代的互联网——虽然现在有很多人持怀疑态度，但不久之后，从个人到公司，每个人都会拥有自己的 AI agent。
来源: Paul DelSignore
让我们从基础知识开始：什么是 AI agent？目前有很多不同的定义，但还没有一个广泛接受的统一标准。
对我来说，AI agent 是一段代码，可以独立规划、决策和行动，无需直接人工干预即可实现其目标。
那么，AI agents 与过去的「bot」有何不同？我将其归结为三个关键维度：
推理与自我反思：Agents 能够审视自己的输出，从错误中学习，并随着时间的推移不断改进。
行动能力：它们能够与应用程序和 API 交互，在区块链上进行交易，而不仅仅是生成文本。
规划能力：它们能够规划并执行复杂的多步骤任务，以实现目标。
这一切的实现，得益于过去一年中大语言模型（LLM）在推理和规划能力上的迅猛发展——这些新的 agent 能力是人类历史上从未拥有过的。
目前，我们大多数人以基本方式与 GPT-4 等 LLMs 进行互动：提问出题，AI 能立即给出答案。这正是心理学家 Daniel Kahneman 所说的「System 1」思维——快速、直觉和自动化。
真正的飞跃将来自 AI agents，它们可以进行更深入的推理和分析，从而跳转到「System 2」思维。这些 agents 不仅会遵循指令，还会独立解决问题，在没有持续人工监督的情况下处理复杂的任务。
试想一下这样的场景：
让你的 AI agent（可能还配备了 Coinbase AI 钱包）启动一个盈利的电商业务。它会自动识别市场机会，和供应商谈判，建立代发货流程，搭建网站，并优化广告投放——而你只需要坐在一旁，悠闲地喝着咖啡，看着收入滚滚而来。
不想处理难缠的客户？没问题——你的 AI agent 会为你处理客户支持，提供个性化推荐，甚至帮你进行产品促销。
很快，AI agents 的数量将超过人口数量。是不是有点可怕？
观点 #1：未来将是多 agent 时代我完全坚信 AI 的未来不会由一个庞大、无所不能的单一 Agent 主导。
相反，我们正在迈向一个多 agent 的未来，每个 agent 都是一个专家，经过精细调校，专注于特定任务。这显然是实现 AI 规模化的更高效方式。
这些专门化的 agent 将协同合作，迎接更复杂的挑战，从而解锁规模经济。
人工超级智能（ASI）可能不会是某种单一的、类神的实体。相反，它可能会以去中心化的多 agent 系统形式出现，分布在数据中心，并通过市场相互连接。
试想一下：那些尝试做所有事情的大型通用 AI 模型，往往资源密集、硬件需求大，这使得它们在日常使用中不切实际。另一方面，基于更小、经过微调的模型构建的专业 agents，可以在更多设备上高效运行，并且扩展速度更快。
以 @autonolas 的预测市场 agent 为例，一个 agent 负责与预测市场协议进行交互，其它 agents 则负责搜索相关信息并生成结果的概率。另一个 agent 则负责协调整个系统，确保一切顺利运行。
观点 #2：非金融型 agent 将使用加密技术我将加密 AI agent 分为两大类。
链上金融型 AI agents
这些 AI agent 可以在区块链上自主运行并执行金融策略，例如量化交易、MEV 提取、预测市场和流动性挖矿优化等。它们监控链上的数据，并根据一组定义好的策略采取行动以优化其目标（例如最大化收益）。
我认为这将是 DeFi 的下一步演变，凭借其推理和规划能力，远比现有的 bots 更为复杂。
非金融型 AI agents
来源：Felicis
我们正在见证一场 AI agents 的「寒武纪大爆发」，涵盖了几乎所有可以想象的应用场景——无论是垂直行业、横向应用，还是面向消费者的场景。来自 Felicis 的图表展示了企业家们如何将 AI agent 引入几乎所有行业。
我可以列出三个令人信服的理由，说明这些 AI agents 为何可能会在某种形式上使用区块链技术：
#1：支付银行短期内不太可能为 AI agent 提供银行账户或信用卡——KYC 要求几乎让这一点变得不可能，而监管变革也需要时间。
更复杂的是，未来 AI agents 的数量将远远超过人类，而且每个人可能控制多个不同的 agents。而为每个 agent 创建新的加密钱包是非常简单的事情。
小额支付：传统支付系统（如 Stripe）收取固定费用，这使得小额支付变得不切实际。退款是另一个令人头疼的问题，它会增加小额频繁交易的摩擦。crypto 通过实现低费用、即时支付且无退款风险，完美解决了这些问题，非常适合 agent 之间的交互和「按 prompt 付费」模型。
与延迟账本系统的银行不同，区块链可以即时共享状态。
来自 Coinbase 的 @yugacohler 概述了支付场景的应用：
https://x.com/yugacohler/status/1851020728390598942
#2：Agent 间交互的可信层在多 agent 生态系统中，专门的 agents 需要标准化协议才能有效交互。
可组合性：区块链的开放标准和互操作性可实现 agents 之间的无缝通信。链上服务的代码和数据是开放且统一的，因此 agent 无需依赖 API 即可理解和交互。
这些 AI agents 可以形成去中心化的服务网络，每个网络专门从事不同的任务。它们共同构建一个互联互通的 AI 经济体，并在没有中央控制的情况下运作。
那么，在一个拥有数百万 agents 的世界中，我们如何决定信任哪些 agent？crypto 支持去中心化的声誉系统，AI agents 可以基于其链上交易历史和行为来建立和维护信任。
#3：作为 AI agent 的「牧羊人」——自然决定论由于「幻觉」问题，AI agent 在实际应用中可能会失控。基于 crypto 的确定性协议提供了一种稳定的框架，确保 agents 在预定的参数范围内运行，从而减少了不必要的行为风险。
可审计性和透明度：区块链确保 AI agent 进行的任何交易都可以独立验证，为系统提供了额外的安全性和问责机制。这在涉及金钱交易时尤为重要。
此外，与这一切相辅相成的是：AI agent 有可能彻底改变用户与区块链的互动方式，使得 Web3 变得更加用户友好。
通过自动化复杂的流程并以自然语言进行交互，AI agents 可以简化整个加密体验，并加速加密技术及加密货币的采用。
观点 #3：挑战与突破当然，我们仍处于早期阶段。目前，AI agents 就像是雄心勃勃的实习生——充满潜力，但还不够成熟。
幻觉问题
LLMs 往往会产生「幻觉」。在连续任务中，即使是一个小错误也可能会演变成更大的问题。
每一步的失败率如果是 10%，看起来似乎不算严重，但在经过十步后，失败的概率就会累计到 65%（1 - 0.9^10）。而且，由于 AI agent 在与 API 交互或执行区块链交易时通常依赖完美的语法，哪怕是一个小小的错误，也可能导致整个过程的崩溃。
尽管有一些方法可以减少幻觉的发生，比如检索增强生成（RAG），该方法允许 LLM 在生成响应时对照知识库进行检查。然而，我们仍然离完美还有很长的路要走。
从 Demo 到现实
目前的现实是，大多数 AI agents 仍然停留在炫酷的 demo 阶段。
我的意思是，制作一段展示 AI agent 在一切顺利时能做什么的精彩视频很容易——那感觉几乎像魔法一样。但创始人们面临的真正挑战是，从引人注目的演示到将自主 agent 扩展到实际、现实的应用中，之间有很大的鸿沟。
问题在于，现实世界是混乱的，充满了各种边缘情况，这些情况甚至会让最聪明的 AI 出错。
终极目标是达到 99.x% 的准确率，但要实现这一点，需要坚持不懈和大量的测试驱动开发。这也是为什么评估至关重要——你会开始看到你的 agent 犯错的模式，从而可以调整代码或 prompts，稳步提高针对特定应用场景的准确率。
区块链的障碍接下来是区块链问题。AI agents 在这方面面临巨大挑战——可扩展性问题、工具有限以及缺乏标准化的 agents 间沟通方式。像 Ethereum 和 Solana 为代表的主要 Layer-1 区块链并未为实时、多 agent 的交互而设计，这意味着需要从零开始构建新的基础设施，以支持去中心化未来中的 AI。
并不是所有东西都适合上链（on-chain）。事实上，在涉及大量计算或与外部系统交互时，由于区块链的成本和性能限制，链下（off-chain）往往是更明智的选择。
秘诀在于一种混合方法，既能充分利用链上和链下的优势，又能在需要时选择性地使用。关键在于搞清楚哪些部分应该去中心化，哪些部分应该中心化，以达到最大的效率。
Crypto AI Agent 初创公司
@cot_research's Internal Database
我们一直在关注在 AI agent 领域建设的 Crypto*AI 初创公司，而这类公司有很多。你可以放大图片以便更清楚地查看——这不是一份详尽的名单，但它能很好地展示当前的市场格局。
以下是一些引起我个人兴趣的 AI agent 初创公司。这并不意味着我对未提及的项目持看空态度。仅仅是因为我觉得这些项目足够有趣，值得我现在进一步探索。
DeFi / 链上 agent目前，最自然的区块链 AI agent 起点是在 DeFi 领域——比如交易机器人、收益优化器、自动化对冲基金，甚至是 AI agent 自己发行的 memecoin（迷因币）。考虑到 DeFi 仍然占据了区块链交易价值的主要部分，这一切都有其合理性。
AI agent 带来的一大关键变化是个性化服务。
以传统的金库为例，你将资金与其他匿名用户的资金一起存入，然后由一位量化天才利用他的交易算法来管理金库。然而，这种方式是「一刀切」的。对于 AI agent 而言，你就是个人客户。agent 将了解你的资产、风险承受能力，并能够为你量身定制投资策略。
一些相关的初创公司：@Spectral_Labs— 使用自然语言创建和启动自主的链上 agent 和智能合约，无需编写代码。该公司已经推出了代币 SPEC，目前市值为 1.3 亿美元，完全稀释后的市值为 10 亿美元。
@Almanak— 为 DeFi agent 构建量化交易技术栈，是一个以 agent 为中心的平台，致力于优化和部署金融策略。它使用蒙特卡洛模拟技术来分析市场行为并优化交易策略。
@AIFiAlliance— 一个由 11 支团队组成的合作联盟，致力于在 DeFi 和 AI 交汇处进行创新。我认为这些联盟非常有趣，因为它们为新兴行业设定和定义标准提供了一种途径。
基础设施目前，越来越多的加密 AI 团队正在开发框架，以连接链上和链下环境，促进去中心化的多 agent 互动。
@AIWayfinder— 被称为链上 agent 的「谷歌地图」，帮助 agent 在区块链上导航并执行任务。该项目由 Parallel 团队开发。用户可以质押 PRIME 代币来赚取 PROMPT（未来将成为 Wayfinder 代币）。目前正在进行封闭 alpha 测试。
@TheoriqAI— 这是风险投资公司看好的 agent 基础设施项目，旨在促进 AI agent 集体的协调合作。该平台允许用户通过 AI agent 市场来构建、部署并从中获利。
@autonolas— 使用开源框架和代币经济设计构建多 agent 经济。我们最近对 OLAS 进行了深入分析。
面向消费者的 AI agent这一类别可能会是最快爆发的——面向消费者和娱乐的产品总是更容易被接受，而且如果 agent 行为失控，风险也较小。事实上，正如我们在 Truth Terminal 中看到的那样，少许「幻觉」甚至可能增添一些乐趣。
@virtuals_io— 一个类似 pump.fun 的 AI agent 平台，重点关注游戏领域。与那些匆忙推出的、在两周内拼凑出来的 agent 启动平台不同，Virtuals 已经花费了两年多的时间构建其技术栈。Shoal Research 也对它们进行了深入分析。
@CreatorBid— 创建并代币化 AI 网红，能够自主生成和分享社交媒体内容。我认为我们很快会在 Crypto Twitter 上看到一位拥有百万 + 粉丝的 AI agent KOL。
此外，也有一股以 AI agent 为基础的 grassroots-level 实验浪潮。虽然这些实验大多是短期的，但它们所带来的洞见将为未来的构建者提供宝贵的经验教训。
@tee_hee_he—是由 @nousresearch 和 Flashbots 团队推出的一个真正自由的自主 agent。其 Twitter 凭证被锁定在可信执行环境（TEE）中，只有在七天后才会被释放——确保在此期间没有人为干扰能够影响该 agent。
https://x.com/Shaughnessy119/status/1851460263465402856
@ai16zdao 这是一个在 @daosdotfun 上推出的投资基金，它从 Discord 成员那里获取购买代币的建议，并根据他们的「alpha calls」给出信任评分。
https://x.com/winnielaux_/status/1850721138457911598
Aether 是一个在 Farcaster 上的 AI agent，它自主地给其他用户打赏，推广代币（HIGHER）并发布了 NFT，目前它的财库超过 15 万美元。
游戏是 AI agent 的理想试验场。@aiarena_ / @ARCAgents 利用人类玩家来训练 AI agent，复制他们在游戏中的行为，从而培养更智能的 AI 对手，并提升游戏内玩家的流动性。
我也在关注 @coinbase 最近推出的模板，它可以创建带有加密钱包的 AI agent，执行简单的链上交易。
https://x.com/MurrLincoln/status/1850226148594082120
结束语链上 AI agent 的成功与 AI 的整体进展密切相关。目前，我们仍面临多步骤推理和减少幻觉等问题，这些问题常常使 AI 模型出现错误。然而，随着 AI 的不断进步，这些 agent 的可行性也会不断提升。
好消息是，Epoch AI 相信 AI 的扩展至少能持续到未来五年。软件的进步速度是我们所见过的最快的。
这意味着，我们今天面临的难题只是通往更大、更宏伟目标的暂时障碍。
Crypto 将不可避免地成为这一 agent 化未来的核心组成部分。
其它事项：
预测市场能否帮助 AI agent 做出更好的决策？预测市场激励参与者提供准确的信息。AI agent 若能接入这些市场，可能会从实时的、激励一致的信息中获益，从而减少对潜在偏见来源的依赖。也许，正如 @mrink0 所提出的，AI agent 甚至可以采用未来治理（Futarchy）的形式。
我们是否过度拟人化 AI agent？也许我们不应该将 AI agent 视为「人类」在做的工作。关注功能而非人类化属性，可能会使 AI agent 更加高效和有效。
链上数据处理繁琐，阻碍 AI agent 的发展进程。链上数据确实非常复杂且麻烦，这将继续成为链上 AI agent 发展过程中的一大难题。
Agent 的真正机会并不在于容易做的低门槛任务，比如客户服务，因为这些任务很容易被下一代 AI 模型颠覆。真正值得关注的应是那些对准确性要求极高的高度监管领域，在这些领域围绕 AI 模型构建防御性护。
标签:
