Crypto x AI：2025年十大前沿趋势展望

作者：Archetype 来源:X，@archetypevc 翻译：善欧巴，金色财经

1. 智能体间交互

区块链的透明性和可组合性使其成为智能体间互动的理想基底。在这种场景下，由不同实体为不同目的开发的智能体可以无缝地相互交互。目前，智能体之间已经出现了许多实验性应用，如智能体间的资金转移、联合推出代币等。我们期待看到智能体间互动如何进一步扩展，包括创造全新的应用领域（例如，由智能体互动驱动的新社交场景），以及改善当前繁琐的企业工作流程，例如平台认证与验证、小额支付、跨平台工作流程集成等。

— Danny, Katie, Aadharsh, Dmitriy

2. 去中心化的智能体型组织

大规模多智能体系统的协调是另一个令人兴奋的研究领域。多智能体系统如何协作完成任务、解决问题，并治理系统与协议？在2024年初的文章《加密+AI应用的承诺与挑战》中，Vitalik 提出了利用AI智能体进行预测市场和仲裁。他认为，多智能体系统在规模化运作时具有非凡的“真相”发现能力和自主治理潜力。我们期待看到“多智能体系统”及“群体智能”形式的潜能如何被进一步挖掘和实验。

作为智能体间协调的延伸，智能体与人类的协调也为设计提供了有趣的空间——特别是社区如何围绕智能体进行互动，或者智能体如何组织人类进行集体行动。我们期待更多实验出现，尤其是那些目标函数涉及大规模人类协调的智能体。这需要某种验证机制的配合，特别是如果人类的工作是在链下完成的，但这有可能产生一些奇特且有趣的涌现行为。

— Katie, Dmitriy, Ash

3. 智能体型多媒体娱乐

数字人（Digital Personas）的概念已存在数十年。比如，初音未来（2007年）曾售罄2万座席的演唱会，虚拟网红 Lil Miquela（2016年）在Instagram上拥有超过200万粉丝。较新的例子包括AI虚拟主播Neuro-sama（2022年），她在Twitch上已拥有超过60万订阅者，以及匿名K-pop虚拟男团PLAVE（2023年），他们在不到两年的时间里在YouTube上累积了超过3亿次观看量。

随着AI基础设施的进步以及区块链在支付、价值转移和开放数据平台方面的整合，我们期待看到这些智能体如何变得更加自主，甚至有望在2025年解锁一个全新的主流娱乐类别。

— Katie, Dmitriy

4. 生成式/智能体内容营销

在上一类别中，智能体本身即产品，而在这里，智能体可以作为产品的补充。在注意力经济中，持续不断地产出引人入胜的内容对任何想法、产品或公司的成功都至关重要。生成式/智能体内容是团队可用来建立可扩展的24/7内容生产管道的强大工具。这一领域的发展受到了围绕“什么区别于迷因币和智能体”的讨论推动。即便目前的迷因币尚未严格意义上“智能化”，智能体也已成为其获取分发渠道的重要工具。

另一个例子是，游戏要想维持用户的参与度，通常需要变得更加动态。创造游戏动态性的一种经典方法是培育用户生成内容；而纯粹生成式内容（包括游戏内物品、NPC甚至完全生成的游戏关卡）很可能是这种演变的下一个阶段。我们好奇在2025年，传统分发策略的边界能通过智能体的能力被拓展到何种程度。

— Katie

5. 下一代艺术工具/平台

2024年，我们推出了IN CONVERSATION WITH，这是一个与音乐、视觉艺术、设计、策展等领域的加密艺术家进行访谈的系列节目。今年的访谈让我观察到一个关键点：对加密技术感兴趣的艺术家往往也对前沿技术有广泛兴趣，并倾向于让这些技术成为他们创作实践的核心或美学重点，例如AR/VR物件、基于代码的艺术以及现场编码等。

生成式艺术长期以来与区块链有着天然的协同效应，这也使其成为AI艺术的潜在载体变得更加清晰。在传统的艺术展示平台上，展示和呈现这些艺术媒介极其困难。ArtBlocks为我们提供了一个窗口，展示了未来如何利用区块链呈现、存储、货币化和保护数字艺术作品——同时改善了艺术家和观众的整体体验。

除了展示之外，AI工具甚至扩展了普通人创造艺术的能力。我们期待看到区块链在2025年如何进一步扩展或支持这些工具，赋能艺术创作者与爱好者。

— Katie

6. 数据市场

自Clive Humby在20年前提出“数据是新的石油”以来，各大公司采取了强有力的措施来垄断和变现用户数据。如今，用户已经意识到，他们的数据是这些市值数十亿美元公司赖以建立的基础，但他们对数据的控制权微乎其微，几乎无法分享这些数据所创造的利润。随着强大AI模型的加速发展，这种紧张关系变得愈发关键。如果说数据市场的一部分机会在于减少用户数据剥削，另一部分则是解决数据供给短缺的问题，因为越来越强大的AI模型正逐渐耗尽互联网上易获取的数据资源，迫切需要新的数据来源。

关于如何利用去中心化基础设施将数据的控制权归还给用户这一问题，设计空间非常广阔，亟需在多个领域找到创新解决方案。其中一些最迫切的挑战包括：

• 数据的存储位置及隐私保护（在存储、传输和计算过程中）

• 如何客观地评估、筛选和衡量数据质量

• 用于数据归属与变现的机制（尤其是在推断结果后将价值回溯到源头）

• 在多样化模型生态系统中，如何编排或检索数据。

关于解决数据供给瓶颈，关键不仅仅是用代币复制现有的数据标注平台（如Scale AI），而是理解我们可以如何通过技术优势打造有竞争力的解决方案，无论是在规模、质量，还是在激励机制上更胜一筹，以产生高价值的数据产品。尤其在需求端主要来自Web2 AI的背景下，思考如何将智能合约执行的机制与传统的服务水平协议（SLAs）及工具相结合，是值得关注的重要领域。

— Danny

7. 去中心化算力

如果说数据是AI开发与部署的一个基本构建块，那么算力就是另一个。过去几年，由大型数据中心主导的旧有范式（如对特定场地、能源和硬件的独占访问）在很大程度上定义了深度学习和AI的发展轨迹。然而，随着物理限制的显现以及开源技术的发展，这种动态正在受到挑战。

去中心化AI算力的v1版本看起来像是Web2 GPU云的复制品，在供应（硬件或数据中心）上没有真正的优势，也缺乏自然的市场需求。而v2版本中，一些团队正在开发技术堆栈，通过对**异构高性能计算资源（HPC）**的编排、路由和定价等能力来构建竞争力，并引入专有功能以吸引需求、对抗利润压缩，尤其是在推理任务方面。此外，团队开始围绕不同的应用场景和市场进入策略（GTM）展开差异化竞争，有些团队专注于利用编译器框架提高跨多样硬件的推理路由效率，而另一些团队则在所构建的算力网络上开创分布式模型训练框架。

我们甚至开始看到一个AI-Fi市场的雏形，提出新的经济原语，把算力和GPU转变成可产生收益的资产，或者利用链上流动性，为数据中心提供替代资金来源以获取硬件。一个关键问题是，去中心化AI (DeAI) 在多大程度上将依赖于去中心化算力进行开发与部署？还是会像存储市场一样，理想与实际需求之间的差距始终无法弥合，最终未能充分实现这一理念的潜力？

— Danny

8. 算力核算标准

与激励去中心化高性能算力网络相关，协调异构算力面临的一个主要挑战是缺乏一套公认的算力核算标准。AI模型独特的输出特性给高性能算力市场带来了复杂性，例如不同的模型变体、量化技术，以及通过温度和采样超参数实现的可调随机性。此外，不同的AI硬件（如GPU架构和CUDA版本）会进一步导致输出差异。最终，这需要针对模型和算力市场在异构分布式系统中如何核算其能力设立标准。

由于缺乏标准，今年我们看到Web2和Web3领域都出现了多起模型和算力市场无法准确核算其算力质量和数量的情况。这导致用户不得不自己运行模型基准测试，通过对比性能结果进行审计，甚至通过限制算力市场的工作量（Proof-of-Work）来验证真实表现。

鉴于加密领域“可验证性”的核心原则，我们希望在2025年，加密与AI的结合能在可验证性方面比传统AI更具优势。具体来说，普通用户应能对模型或计算集群的输出进行同等对比，以审计和基准测试系统性能。

— Aadharsh

9. 概率隐私原语

在《加密+AI应用的承诺与挑战》中，Vitalik 提出了加密与AI融合面临的一个独特挑战：

“在密码学中，开源是实现安全的唯一途径，但在AI中，模型（甚至是训练数据）开源会大大增加其面临的对抗性机器学习攻击的风险。”

尽管隐私并非区块链的全新研究领域，但AI的快速发展将进一步加速隐私增强技术的研究与应用。今年，我们在隐私技术方面已经取得了重大进展，例如零知识证明（ZK）、完全同态加密（FHE）、可信执行环境（TEE） 和多方安全计算（MPC），这些技术可用于加密数据上的私密共享计算，适用于通用应用场景。同时，我们也看到英伟达和苹果等中心化AI巨头正在使用专有TEE技术，用于在硬件、固件和模型一致的系统中实现联邦学习与私密AI推理。

鉴于此，我们将密切关注以下领域的发展：如何在随机状态转换中保持隐私，以及这些进展如何加速去中心化AI应用在异构系统中的落地，包括去中心化私密推理、加密数据的存储与访问管道，以及完全自主的执行环境。

— Aadharsh

10. 智能体意图与下一代用户交易界面

AI智能体在链上自主交易的应用是当前最具现实潜力的用例之一。然而，过去12-16个月围绕“意图”“智能体行为”“智能体意图”“求解器”“智能体求解器”等概念，存在很多模糊的定义，尤其是与近年来传统**“交易机器人”**的开发如何区分的问题。

在接下来的12个月里，我们期待看到更先进的语言系统与不同的数据类型及神经网络架构结合，推动整体设计空间的进步。

• 智能体是否会使用当前的链上系统进行交易，还是会开发自己的工具/方法？

• 大型语言模型（LLMs） 是否会继续作为这些智能体交易系统的后端，或者会有完全不同的系统出现？

• 在用户界面层面，用户是否会开始使用自然语言进行交易？

• 长期以来的“钱包即浏览器”这一假设是否会最终实现？

这些问题都将是我们关注的重点。

— Danny, Katie, Aadharsh, Dmitriy