去中心化的人工智慧仍處於起步階段，並且大量人才正在聚集。新協議、新代幣模型和新的開源框架將不斷湧現，2025 年關於加密 AI 賽道的十大預測。本文源自 Teng Yan 所著文章，由 odaily 整理、編譯及撰稿。
（前情提要：AI Agent賽道四大分類速覽：框架、Launchpad、應用及 Meme ）
（背景補充：AI會是本輪週期的敘事主線？從平台對比看各AI Agents的發展現狀 ）
加密 AI 板塊的未來充滿吸引力，雖然缺乏歷史可循的範例和明確的趨勢，但這也意味著它正處於一個全新的起點，等待著未來的發展。想想到等 2026 年回顧這一切，看到 2025 年初的預期與實際情況的差距，會更加令人興奮。
一、加密 AI 板塊的總市值將達到 1500 億美元
目前，加密 AI 板塊的代幣僅佔山寨幣市值的 2.9%，但相信這一比例不會維持太久。隨著人工智慧逐步擴展套件至智能合約平臺、Meme、去中心化物理基礎設施（DePIN）、代理平臺、資料網路以及智慧協調層等新領域，它與 DeFi 和 Meme 代幣的融合，已成為不可避免的趨勢。
對加密 AI 板塊有信心，是因為其處於兩個最強大技術趨勢的交匯點：
- AI 狂熱觸發事件：OpenAI 的首次公開募股或類似事件可能會引發全球對 AI 的狂熱。同時，Web2 的機構資本已經在關注去中心化的 AI 基礎設施作為投資。
- 零售狂潮：人工智慧的概念易於理解並令人興奮，現在他們可以通過代幣進行投資。還記得 2024 年 Meme 幣的淘金熱嗎？這將是同樣的狂熱，只不過人工智慧更為實際地改變世界。
二、Bittensor 的復興
Bittensor（代幣名稱為 TAO）已經存在多年。它是這個領域的老牌玩家。儘管圍繞人工智慧的熱潮，它的代幣價格卻一直徘徊在一年前的水平。但其實，Bittensor 背後的數位蜂巢思維悄然推進，更多的子網湧現，註冊費用降低，子網在推理速度等實際表現上超越了 Web2 的對應技術，同時，EVM 相容性引入了 DeFi 類功能，進一步豐富了 Bittensor 的網路。
那麼，為什麼 TAO 沒有飆升呢？陡峭的通貨膨脹計劃和對面向 AI Agent 的平臺的關注轉移使其受到了限制。然而，dTAO（預計 2025 年第一季度）可能是一個重大轉折點。通過 dTAO，每個子網將擁有自己的代幣，這些代幣的相對價格將決定如何分配釋放。
為什麼 Bittensor 有機會再次爆火：
- 基於市場的釋放：dTAO 將區塊獎勵直接與創新和實際可測量的表現掛鉤。子網表現越好，其代幣就越有價值 —— 因此，它獲得的釋放也就越多。
- 聚焦資本流動：投資者終於能夠針對自己看好的特定子網進行投資。如果某個子網在分散式訓練方面採用了創新的方式並取得了成功，資本可以流入該子網以表達投資觀點。
- EVM 整合：相容 EVM 吸引了更廣泛的加密原生開發者社群進入 Bittensor，彌合了與其他網路的差距。
目前正關注各個子網，並記錄它們在各自領域取得的實際進展。預計某個時刻，將迎來類似 @opentensor 版本的 DeFi 夏季。
三、計算市場是下一個 L1 交易
計算需求的不可滿足將成為一個顯而易見的巨型趨勢。NVIDIA執行長黃仁勳曾表示，推理需求將激增 「十億倍」。這種指數級的增長將打破傳統基礎設施的規劃，並迫切呼喚 「新的解決方案」。
去中心化計算層以可驗證和具有成本效益的方式提供原始計算（用於訓練和推理）。像 @spheronfdn、@gensynai、@atoma_network 和 @kuzco_xyz 這樣的初創公司正在悄然建立強大的基礎，以利用這一點，專注於產品而非代幣（這些公司目前都沒有代幣）。隨著去中心化的 AI 模型訓練變得可行，對於可定址市場預計將急劇上升。
對於加密 AI 板塊，拿 L1 板塊進行比較：
就像 2021 年一樣：還記得 Solana、Terra 和 Avalanche 為了成為 「最佳」 L1 而爭鬥嗎？我們將看到計算協議之間的類似爭鬥，爭奪開發者和 AI 應用程式，以便在它們的計算層上構建。
Web2 需求：6800 億美元至 2.5 兆美元的雲端計算市場遠遠超過加密 AI 市場。如果這些去中心化計算解決方案能夠獲得傳統雲客戶的哪怕一小部分，將有機會看到下一個 10 倍或 100 倍的增長浪潮。
正如 Solana 在 L1 領域中脫穎而出，這裡的贏家將主導一個全新的前端，需密切關注三個標準：可靠性、成本效益以及開發者友好的工具。
四、AI Agent 將湧入區塊鏈交易
到 2025 年末，90% 的鏈上交易將不再由人類手動點選 「傳送」 觸發。相反，這些交易將由一支 AI Agent 軍隊執行，這些 AI Agent 將持續地重新平衡流動性池、分配獎勵，或者根據即時資料來源執行微支付。
這一切並不像看起來那麼牽強。過去七年裡我們所構建的一切（L1、rollups、DeFi、NFT 等）悄然為一個由 AI 主導的鏈上世界鋪平了道路。
那麼，為什麼會有這種轉變？
- 不再有人為錯誤：智能合約按編碼精確執行。AI Agent 可以比一組人類更快速和準確地處理大量資料。
- 微支付：AI Agent 驅動的交易將變得更小、更頻繁和更高效。特別是隨著 Solana、Base 和其他 L1/L2 的交易成本趨於下降。
- 隱形基礎設施：人類會樂意放棄直接控制，如果這意味著減少麻煩。信任 Netflix 自動續訂，信任一個 AI Agent 自動重新平衡使用者的 DeFi 部位是自然的下一步。
AI Agent 生成了驚人的鏈上活動量，但最大挑戰將是使這些 AI Agent 驅動的系統對人類負責。隨著 AI Agent 發起的交易與人類發起的交易比例的增加，將需要新的治理機制、分析平臺和審計工具。
五、代理與代理之間的互動：AI 叢集概念的崛起
AI Agent 群體是指微小的人工智慧實體無縫協作，執行巨集大的計劃，這聽起來像是下一部熱門科幻或恐怖電影的情節。目前的 AI Agent 大多是孤立運作的，互動少且不可預測。然而，AI Agent 群體將改變這一局面，允許多個 AI Agent 在網路中交換資訊、進行談判和共同決策。
可以將這些 AI Agent 群體視為去中心化的專業模型集體，每個模型為更大、更復雜的任務貢獻其獨特的專業知識。其潛力令人震驚。
例如，一個群體可能會在像 Bittensor 這樣的平臺上協調分散式計算資源，另一個群體則可以即時驗證內容來源，防止虛假資訊在社交媒體上擴散。群體中的每個 AI Agent 都是專家，精確執行各自的任務。
這些群體網路的智慧將遠超任何單一的孤立 AI。為了使代理群體蓬勃發展，通用通訊標準至關重要。代理需要能夠在不受底層框架限制的情況下發現、認證和協作。像 Story、FXN、ZEREBRO 和 ai16z 等團隊正致力於為代理群體的崛起奠定基礎。
同時，這也引出了去中心化的關鍵作用，將任務分配給由透明鏈上規則管理的代理群體，使系統具備更高的彈性和適應性。如果一個代理失敗，其他代理能夠介入補位，保持系統的持續運作。
六、加密 AI 工作團隊將是人類與人工智慧的混合體
Story 聘請了 Luna（一個 AI Agent 專案）作為他們的社交媒體實習生，支付她每天 1,000 美元。聽起來可能很奇怪，但這是一個未來的前兆，在這個未來中，AI Agent 將成為真正的合作者，擁有自己的自主權、責任，甚至薪水。在各個行業，公司正在進行人機混合團隊的測試。
我們將與 AI Agent 攜手合作，不是作為我們的奴隸，而是作為平等的夥伴：
- 生產力激增：AI Agent 可以處理大量資料，相互溝通，並在 24/7 內做出決策，無需睡眠或咖啡休息。
- 通過智能合約建立信任：區塊鏈是一個不偏袒、不疲倦、永不忘記的監督者。一個鏈上帳本，確保重要 AI Agent 行為遵循特定的邊界條件 / 規則。
- 社會規範在演變：很快就會面臨與智慧體互動的禮儀 —— 是否應該對 AI 說 「請」 和 「謝謝」？是否應該對它們的錯誤承擔道德責任，還是應該責怪它們的開發者？
- 「員工」 和 「軟體」 之間的界限在 2025 年開始模糊。相信將會有更多的加密團隊參與其中，因為 AI Agent 在內容生成方面表現出色，能夠全天候進行直播並在社交媒體上釋出內容。如果正在開發一個 AI 協議，為什麼不通過內部部署 AI Agent 來展示其能力呢？
七、99% 的 AI Agent 將會消亡（只有有用的才能生存）
我們將看到 AI Agent 之間的達爾文式淘汰。這是因為執行一個 AI Agent 需要消耗計算能力，也就是推理成本。如果一個 AI Agent 無法創造足夠的價值來覆蓋它的 「租金」，那麼它將面臨淘汰。
以 AI Agent 生存遊戲為例，首先是碳信用 AI：假設有一個 AI Agent 在去中心化的能源網路中尋找低效環節，並自主交易代幣化的碳信用。如果它能夠賺取足夠的收入來支付自己的計算費用，這個 AI Agent 就會蓬勃發展。
另一個例子是 DEX 套利機器人：這種 AI Agent 通過利用去中心化交易所之間的價格差異賺取穩定收入，足以覆蓋其推理費用。相比之下，X 上的惡搞者：一個有趣但沒有可持續收入來源的虛擬 AI 網紅，隨著新鮮感的消退和代幣價格的下跌，它將逐漸消失，無法維持生計。
區別顯而易見，以實用為導向的 AIAgent 會蓬勃發展，而那些依賴干擾和噱頭的 AIAgent 將變得無關緊要。這樣的自然選擇對行業有益，它促使開發者不斷創新，優先考慮生產性應用而非花哨的技術。隨著更強大、更具生產力的 AIAgent 的崛起，懷疑者將會逐漸沉默。
八、AI 合成數據超越人類資料
「資料是新的石油」 這一說法廣為流傳。然而，人工智慧對資料的高度依賴也引發了對即將到來的資料短缺的擔憂。傳統觀點認為，應該尋找方式從使用者那裡收集私人現實資料，甚至為此支付給他們。
然而，在高度監管的行業或真實資料稀缺的情況下，更實際的解決方案可能是合成數據。合成數據是人工生成的，旨在模擬現實世界的資料分佈。它為替代人類資料提供了一種可擴展套件、倫理友好且隱私安全的方案。合成數據的優勢在於：
- 無限規模：需要一百萬份醫學 X 光片或工廠的 3D 掃描，合成數據可以無限量生成，無需依賴真實患者或工廠。
- 隱私友好：處理合成資料時，個人隱私資訊不受威脅。
- 可訂製：可以根據具體的訓練需求調整資料分佈，甚至插入那些在現實中稀缺或倫理上覆雜的邊緣案例。
儘管人類擁有的資料在許多情況下仍然重要，但如果合成數據在真實性方面不斷提升，它可能在數量、生成速度和不受隱私限制的優勢上超越使用者資料。未來去中心化的人工智慧可能會圍繞 「迷你實驗室」 展開，這些實驗室專注於建立高度專業化的合成數據集，以滿足特定的使用案例。
九、去中心化訓練開始發揮作用
在 2024 年，像 Prime Intellect 和 Nous Research 這樣的先鋒推動了去中心化訓練的邊界。例如，成功在低頻寬環境中訓練了一個 150 億引數的模型，證明了大規模訓練可以在傳統的集中式設定之外實現。儘管這些模型與現有基礎模型相比在實際應用中表現不夠理想，效能較低，因而使用它們的理由不多，但預計這種情況將在 2025 年發生變化。
EXO Labs 通過 SPARTA 進一步推動了進展，將 GPU 之間的通訊減少了超過 1000 倍。SPARTA 使得在低頻寬下進行大模型訓練成為可能，而無需依賴專門的基礎設施。最令人印象深刻的是他們的宣告：「SPARTA 獨立工作，但也可以與基於同步的低通訊訓練演算法如 DiLoCo 結合，以獲得更好的效能。」 這意味著這些改進是疊加的，效率提升是逐步累積的。
隨著模型技術的不斷進步，更小、更高效的模型將變得更加有用，人工智慧的未來不再僅僅關注規模，而是更注重品質和可獲取性。很快，將會有能夠在邊緣裝置甚至手機上執行的高效能模型。
十、至少有十個新的加密 AI 超級協議
儘管許多人將 Virtuals 和 ai16z 與智慧手機的早期階段（如 iOS 和 Android）進行比較，認為當前的領導者將繼續獲勝，但這個市場龐大且尚未開發，僅憑兩個參與者無法主導。到 2025 年底，預計將有至少十個新的加密 AI 協議（尚未發幣）市值突破 10 億美元。
去中心化的人工智慧仍處於起步階段，並且大量人才正在聚集。新協議、新代幣模型和新的開源框架將不斷湧現，這些新參與者可能通過激勵措施（如空投或巧妙的質押）、技術突破（如低延遲推理或鏈間互操作性）和使用者體驗改進（如無程式碼）來取代現有的參與者。公眾認知的變化可能是瞬間且戲劇性的。
Bittensor、Virtuals 和 ai16z 不會孤單太久，下一個十億美元的加密 AI 協議即將到來，聰明的投資者將面臨眾多機會，這正是這個市場如此令人興奮的原因。
📍相關報導📍
