原文：《DeFi + Ai = DeFai》
作者：Henry - IOSG Ventures
編譯：Zombit
引言
短短 3 個月內，AI x MEME 幣市場的總市值已達 134 億美元，與 AVAX 和 SUI 等成熟的 L1 區塊鏈相匹敵。
事實上，AI 與區塊鏈的結合由來已久，從早期 Bittensor 子網上的去中心化模型訓練，到去中心化 GPU / 計算資源市場（如 Akash 和 io.net），再到當前的 AI x MEME 幣 和 Solana 生態的 AI 框架。這些發展階段表明，在一定程度上，加密貨幣能夠與 AI 互補，透過資源聚合實現主權 AI（Sovereign AI）及多種消費級應用場景。
Solana 第一波 AI 代幣不僅僅是炒作，而是開始具備真正的實用性。例如：
ai16z 的 ELIZA 框架
Virtual 的 Aixbt AI 代理，可用於市場分析與內容創作
其他將 AI 與區塊鏈功能整合的工具包
目前，第二波 AI 發展正在展開。隨著 AI 工具日趨成熟，真正的應用與落地實施已成為主要的價值驅動力，而 DeFi（去中心化金融） 正成為這些創新的理想測試場。
根據 CoinGecko 數據，目前 DeFai（AI + DeFi） 市值約 10 億美元。其中，Griffian 佔據 45% 市場份額，而 $ANON 佔據 22%。該領域自 12 月 25 日開始快速增長，因 Virtual 和 ai16z 等框架及平台在聖誕假期後獲得更多資本流入，推動了整體市場發展。
這僅僅是開始，DeFai 的潛力遠超目前的發展階段。雖然其整合仍處於概念驗證（Proof of Concept，PoC） 階段，但不可低估它徹底革新 DeFi 的能力，透過 AI 提升 DeFi 的智能化、用戶體驗和運作效率。
在深入探討 DeFai 生態之前，首先需要理解 AI 代理（Agent） 如何在 DeFi 和區塊鏈環境中運作的基本機制。
DeFi 中的人工智能代理如何運作？
AI 代理（Agents）是能夠根據特定工作流程執行任務的程式，代表用戶自動完成操作。本質上，這些代理由大型語言模型（LLM）驅動，根據其訓練數據生成回應。
這些代理透過記憶保留來提升使用者體驗，能夠儲存過去的互動紀錄，學習使用者的行為模式。這項能力讓它們能夠適應回應內容，根據歷史情境生成個性化的建議和策略。
在區塊鏈領域，AI 代理可以與智能合約和區塊鏈帳戶互動，處理複雜的 DeFi 任務，無需持續的人工干預。
例如，它們可以：
簡化 DeFi 體驗：一鍵完成多步驟的跨鏈橋接（bridging）和收益耕作（yield farming）。
優化收益耕作策略，提高回報率。
執行交易（買入/賣出），自動調整投資策略。
進行市場分析，自主決策並調整投資組合。
參考 @threesigmaxyz 的研究，大多數 AI 代理的運作遵循 6 個特定工作流程：
數據收集（Data Collections）
模型推理（Model Inferences）
決策制定（Decision Making）
運行與操作（Hosting and Operations）
互操作性（Interoperability）
錢包整合（Wallet）
數據收集（Data Collections）
首先，AI 代理需要理解其運行的操作環境，才能做出準確決策。因此，它們需要從多個數據來源獲取資訊，以保持對市場狀況的即時更新，包括：
鏈上數據（On-chain Data）：透過區塊鏈索引器（Indexers）和預言機（Oracles）獲取區塊鏈上的即時資訊，如交易數據、流動性變化和智能合約狀態。
鏈下數據（Off-chain Data）：透過 API 從價格平台（如 CoinMarketCap、Coingecko）或其他數據供應商獲取市場資訊，例如歷史價格、交易量、社群情緒等。
這些數據來源的整合，讓 AI 代理能夠獲得更全面的市場視角，進一步優化決策能力。
模型推理（Model Inferences）
當 AI 代理學習並理解其運行環境後，它需要將這些知識應用到新的、未見過的輸入數據，以便進行預測或執行任務。
AI 代理所使用的模型主要包括以下幾種類型：
監督式學習（Supervised Learning）與非監督式學習（Unsupervised Learning）這些模型透過標註數據（Labeled Data）或未標註數據（Unlabeled Data）進行訓練，以預測結果。例如，在區塊鏈領域，這類模型可用於分析治理論壇數據，預測投票結果，或識別交易模式與異常行為。
強化學習（Reinforcement Learning）這類模型透過試錯機制（Trial-and-Error）學習最佳決策，根據行為的獎勵或懲罰來不斷優化。例如，它可以用來優化代幣交易策略，如判斷最佳的代幣買入時機，或調整收益耕作（Yield Farming）參數，以獲得更高回報。
自然語言處理（NLP, Natural Language Processing）NLP 使 AI 代理能夠理解並處理人類語言輸入，在 DeFi 中的應用包括掃描治理論壇與提案，提取有價值的資訊，或生成簡要摘要，以幫助用戶快速理解核心內容。
決策制定（Decision Making）
當 AI 代理獲取數據並通過模型訓練後，它們需要透過決策機制來採取行動，這包括解讀當前情境並做出適當的回應。
在這個階段，優化引擎（Optimization Engine）發揮關鍵作用，幫助代理找到最優解。例如，在執行收益耕作策略（Yield Farming Strategy）時，AI 代理需要平衡多種因素，包括：滑點（Slippage）、價差（Price Difference）、交易成本（Transaction Costs），與潛在收益（Potential Profits）。
這確保交易或策略執行時，能夠獲得最優的結果。此外，由於單一 AI 代理可能無法在不同領域都達到最佳決策效果，因此可以部署多代理系統（Multi-Agent Systems）來協調行動，使不同的智能代理協同運作，以達成更全面的決策能力。
運行與操作（Hosting and Operations）
由於 AI 代理的任務計算量大（Computationally Intensive），通常不會直接在鏈上執行，而是在鏈下（Off-Chain）託管其模型。
根據不同的技術選擇，AI 代理可以依賴以下基礎設施來運行：
中心化雲端服務：如 AWS，提供高效能計算資源。
去中心化計算網路：如 Akash Network 或 Ionet，提供分佈式運算能力，確保去中心化。
去中心化數據存儲：如 Arweave，用於存儲 AI 代理的數據。
儘管 AI 模型運行在鏈下，這些代理仍需與區塊鏈上的協議互動，以便執行智能合約功能與管理資產。
這類交互需要高度安全的金鑰管理解決方案，以確保交易的安全性，例如 MPC 錢包（多方計算錢包，Multi-Party Computation Wallets）或智能合約錢包（Smart Contract Wallets）。此外，AI 代理還能透過 API 與社群互動，例如連接 Twitter、Telegram 等社交平台，進行即時溝通與用戶互動。
互操作性（Interoperability）
AI 代理需要與多個區塊鏈協議進行交互，並持續獲取最新的系統狀態。因此，它們通常使用API 橋接（API Bridges）來獲取外部數據，例如喂價服務。
為了確保代理能夠即時獲取最新協議狀態，並據此調整決策。AI 代理可能需要依賴透過 Webhook 或 IPFS 等去中心化訊息傳遞協定，確保 AI 代理始終與最新的鏈上資訊保持一致。
錢包（Wallet）
AI 代理需要一個錢包或私鑰存取權限來發起區塊鏈交易。目前，市場上主流的錢包與私鑰管理方案有兩種：
MPC（多方計算）錢包
TEE（可信執行環境）錢包
針對投資組合管理（Portfolio Management）的應用，透過 MPC 或 TSS（閾值簽名方案，Threshold Signature Scheme），可將私鑰拆分並分配給 AI 代理、用戶與受信任方。這樣的機制讓用戶仍然保有一定程度的控制權，避免 AI 代理完全自主管理資產。例如 Coinbase AI Replit Wallet 就是一個 MPC 錢包的應用案例，展示了如何將 AI 代理與 MPC 技術結合。
而對於完全自主的 AI 代理系統，TEE（Trusted Execution Environment，可信執行環境）錢包提供了一種替代方案，能將私鑰存儲在安全隔離的硬體環境內，使 AI 代理能夠在無外部干預的情況下運行。但目前 TEE 方案仍面臨兩大挑戰，硬體中心化（Hardware Centralization）與性能開銷（Performance Overhead）。
一旦你收集了以上 6 顆人工智能寶石，你就可以在區塊鏈上創建一個自主代理。現在，不同的代理可以在 DeFi 生態系統中各自發揮作用，以提高鏈上效率和交易體驗。
繪製 DeFai 生態系統地圖（DeFai Ecosystem Mapping）
DeFi（去中心化金融）與 AI（人工智慧）的結合可分為四大主要類別：
抽象化 / 友善 UX 的 AI（Abstraction / UX-Friendly AI）
收益優化與投資組合管理（Yield Optimization / Portfolio Management）
DeFai 基礎設施或平台（DeFai Infrastructure / Platform）
市場分析與預測機器人（Market Analysis / Prediction Bot）
抽象化 AI / 友善 UX 的 AI（Abstraction AI / UX-Friendly AI）
AI 的核心目標是提升效率、解決複雜問題，並簡化繁瑣任務，讓用戶能夠更輕鬆地完成操作。在 DeFi 領域，基於抽象化的 AI 旨在降低 DeFi 的使用門檻，使其對新手與專業交易者都更具可及性（Accessibility）。
在區塊鏈應用中，一個高效的 AI 解決方案應該具備以下能力：
自動執行多步驟的交易與質押操作，用戶無需具備行業知識即可輕鬆操作。
即時研究市場數據，並提供所有必要的資訊，幫助用戶做出明智的交易決策。
從多個平台獲取數據，識別市場機會，並為用戶提供全面的分析與建議。
目前，大多數這類抽象化工具（Abstraction Tools）的核心技術仍然基於 ChatGPT。
然而，雖然這些 AI 模型需要與區塊鏈無縫整合，但目前似乎尚未有專門針對區塊鏈數據訓練或微調（Fine-Tuned）的大型 AI 模型。
Griffain
Tony，Griffain 的創辦人，在 Solana 黑客松（Hackathon）期間開發了這個概念。隨後，他將這一想法轉化為一個可運行的產品，並獲得了 Solana 創辦人 Anatoly 的支持與背書。
簡單來說，Griffain 是目前 Solana 上首個且效能最強的抽象化 AI，能夠執行交易、錢包管理、NFT 鑄造、代幣狙擊等多種功能。
Griffain 提供的功能
使用自然語言執行交易
代理可以代表用戶發推文
多代理協作
透過 Pumpfun 發行代幣、鑄造 NFT，並可選擇地址進行空投
根據特定關鍵字或條件，狙擊 Pumpfun 上的新發行 Meme 幣
質押、交易自動化，執行 DeFi 策略
從各大平台獲取數據進行市場分析，例如識別代幣的最大持有者
任務排程，用戶可以輸入記憶，構建專屬 AI 代理
儘管 Griffain 提供了多種功能，但用戶仍需手動輸入代幣地址或向代理提供具體指令才能執行操作。因此，對於不熟悉這些技術細節的初學者來說，該產品仍未完全優化。
目前，Griffain 提供兩種類型的 AI 代理：
個人 AI 代理（Personal AI）：由用戶控制，可自訂指令並輸入記憶設定，以適應個人需求。
特殊 AI 代理（Special Agents）：專為特定任務設計，例如：
空投代理（Airdrop Agent）：尋找目標地址並向特定持有者分發代幣。
質押代理（Staking Agent）：自動將 SOL 或其他資產質押到流動性池中進行收益耕作。
值得注意的是，Griffain 具備多代理協作系統（Multi-Agent Collaboration），允許多個 AI 代理在同一個聊天室內協同工作。這些代理能夠獨立解決複雜任務，同時保持協調性。
錢包（Wallet）
在用戶創建帳戶時，系統會使用 Privy 生成一個錢包，並允許用戶授權 AI 代理執行交易與自動管理投資組合。其中，錢包的私鑰透過 Shamir’s Secret Sharing（SSS，Shamir 秘密共享） 進行拆分，確保Griffain 和 Privy 都無法直接持有錢包的完全控制權。根據 Slate 的說法，SSS 機制將私鑰拆分為三個部分：
設備份額（Device Share）：存儲在瀏覽器中，當用戶開啟標籤頁時可自動調用。
身份驗證份額（Auth Share）：存儲在 Privy 伺服器上，當用戶驗證身份並登錄應用時可獲取。
恢復份額（Recovery Share）：加密存儲於 Privy 伺服器，僅在用戶輸入密碼登錄時才會解密並獲取。
此外，Griffain 的前端還提供選項，允許用戶導出或備份錢包，以確保更高的可控性與安全性。
Anon
Anon 由 Daniele Sesta 創建，他以建立 DeFi 協議 Wonderland 和 MIM（Magic Internet Money）而聞名。與 Griffain 類似，Anon 旨在簡化 DeFi 互動，無論是對新手還是資深用戶而言。
目前，團隊已概述了一些潛在功能，但由於該產品尚未公開，這些功能尚未獲得驗證。
其中包括：
使用自然語言（包括中文等國際語言）執行交易
透過 LayerZero 實現跨鏈橋接
與 Aave、Sparks、Sky 和 Wagmi 等合作協議提供借貸服務
透過 Pyth 獲取即時價格和數據饋送
提供基於時間與 Gas 費的自動化執行與觸發機制
提供即時市場見解，例如情緒檢測、社交資料分析等
除此之外，Daniele 最近還發表了兩項 Anon 的重要更新：
自動化框架（Automated Framework）：一個基於 TypeScript 的框架，可幫助更多專案更快速地與 Anon 整合。該框架要求所有數據和交互遵循預定義的結構，以降低 AI 產生錯誤信息（幻覺）的風險，從而提高可靠性。
Gemma：一個專注於研究的代理系統，可收集來自鏈上 DeFi 指標（如 TVL、交易量、去中心化永續合約資金費率）以及鏈下數據（如 Twitter 和 Telegram 的社交情緒分析）。這些數據將被轉化為機會警報和針對用戶的定制見解。
根據官方文件，Anon 是目前市場上最受期待且最強大的抽象工具之一，特別是在當前的市場環境下。
Slate（尚未發行代幣）
由 BigBrain Holdings 支持，Slate 定位為「Alpha AI」，能夠根據鏈上信號自動交易。目前，Slate 是唯一能夠在 Hyperliquid 上實現交易自動化與執行的抽象 AI。
Slate 主要專注於最佳價格路由、快速執行，並可在交易前進行模擬測試。
核心功能
在 EVM 鏈 和 Solana 之間進行跨鏈交換
基於 價格、市值、Gas 費、盈虧指標 進行自動化交易
自然語言 任務調度
鏈上交易聚合
Telegram 通知系統
可執行 開倉（多/空）、條件還款、流動性管理、收益耕作，以及 Hyperliquid 交易操作
費用結構
整體來看，Slate 有兩種費用類別：
一般操作費用：轉帳/提款 無需收費。但交換（Swap）、跨鏈橋（Bridge）、領取（Claim）、借貸（Borrow/Lend/Repay）、質押（Stake/Unstake）、做多（Long）、做空（Short）、鎖倉（Lock/Unlock）等操作 需支付 0.35% 費用。
條件操作費用：若設置條件訂單（如限價單），則 Slate 將按 Gas 條件的 0.25% 收費，或對所有其他條件收取 1.00% 的費用。
錢包
Slate 整合了 Privy 的內嵌錢包架構，確保 Slate 和 Privy 都不會保管用戶的錢包。用戶可以選擇 連接現有錢包，並授權 Slate 代理執行交易。
抽象 AI 對比
市場上一些最流行的抽象的比較：
比較分析
目前，大多數 AI 抽象工具均支持 Solana 與 EVM 鏈之間的跨鏈橋接與交換。然而，Slate 提供了對 Hyperliquid 的集成，而 Neur 和 Griffin 目前僅限於 Solana，但預計將在未來新增跨鏈支持。
大多數平台都整合了 Privy 內嵌錢包 和 EOA（Externally Owned Account）錢包，允許用戶保管自己的資金，但仍需 授權 AI 代理來執行特定交易。在這方面，TEE（可信執行環境） 可以發揮作用，以確保 AI 交易的安全性與不可篡改性。
雖然大部分 AI 抽象工具共享 代幣發行、交易執行、條件訂單 及 自然語言交互 等功能，但它們的 性能表現差異顯著。
目前，AI 抽象交易仍處於 早期階段，但對 五個主要平台 的比較分析顯示，各平台在不同領域具有獨特優勢：
Griffain 以 完整的功能集、廣泛的合作夥伴網絡 以及 多代理協作工作流（目前僅 Orbit 也提供此功能） 而脫穎而出。
Anon 的優勢在於快速響應、多語言支持及 Telegram 整合。
Slate 則專注於自動化交易平台，並提供獨家 Hyperliquid 支持。
然而，許多 AI 抽象交易平台仍然面臨一些核心挑戰，特別是在處理基本交易操作（例如 USDC 交易對） 方面存在困難。
常見問題
無法準確識別代幣地址
難以獲取即時價格數據
無法進行即時市場趨勢分析
這些平台的主要區別最終取決於回應速度、準確性和答案的相關性。展望未來，市場迫切需要一個綜合儀表板（Dashboard） 來確保透明度，並幫助用戶對比不同 AI 抽象平台的性能與表現。
自主收益優化與投資組合管理
與傳統的收益策略不同，這類協議利用 AI 分析鏈上數據以進行趨勢分析，並提供洞察，幫助團隊開發更優化的收益管理與投資組合配置策略。目前，許多 AI 模型為了 降低成本，通常會在 Bittensor 子網（subnet） 或 鏈下（off-chain） 進行訓練。而當 AI 需要自主執行交易時，則會引入 零知識證明（ZKP） 等驗證機制，以確保 模型的誠實性與可驗證性。
以下是幾個收益優化 DeFi 協議的例子：
T3AI
T3AI 是一個借貸協議，透過 AI 作為中介與風險引擎來支持低抵押貸款（Under-Collateralized Loans）。T3AI 的 AI 代理會實時監測貸款的健康狀況，並透過 T3AI 風險評估框架 確保貸款保持可償還狀態。此外，AI 還能透過分析不同資產之間的關係與價格變化，進行精準的風險預測。
T3AI 的 AI 風控機制
分析來自主要 CEX（中心化交易所）和 DEX（去中心化交易所）的價格數據
衡量不同資產的波動性
研究資產間的價格聯動關係
利用 AI 挖掘資產之間的隱藏模式
根據這些分析，T3AI 會提供最佳的資產配置策略，並根據用戶的投資組合進行調整。隨著模型的不斷優化，未來 T3AI 甚至可能實現自主 AI 投資組合管理。此外，T3AI 透過 ZK 證明（ZK Proofs） 和驗證者網路（Validator Network） 確保所有操作可驗證且可靠。以下是 T3AI AI 應用與驗證流程的示意圖。
Kudai
Kudai 是一個實驗性、專注於 GMX 生態系統 的代理，由 GMX Blueberry Club 使用 EmpyrealSDK 工具包推出。該代幣目前在 Base 鏈 交易。
Kudai 的概念是 將 $KUDAI 所獲得的所有交易手續費 用於資助代理進行自主交易操作，然後將利潤分配給代幣持有者。
在即將到來的 第 2/4 階段，Kudai 將能夠解析 Twitter 上的自然語言指令，以執行以下操作：
購買並質押 $GMX，以創造新的收入來源
投資 GMX GM 池，以進一步提升收益
以地板價掃貨 GBC NFT，以擴展其投資組合
在這一階段之後，Kudai 將變得完全自主，可獨立執行槓桿交易、套利和收益耕作。然而，團隊尚未披露任何額外資訊，Kudai AI 目前仍是一個實驗性產品。
Sturdy Finance V2
Sturdy Finance 是一個借貸和收益耕作聚合器，利用 AI 模型（由 Bittensor SN10 子網礦工 訓練）透過在不同的白名單 Silo 池之間調配資金來優化收益。
具體而言，Sturdy 採用雙層架構，由 Silo 池和聚合層組成：
Silo 池是獨立的單資產池，使用者只能借出一種資產或使用單一抵押品進行借貸。
聚合層建立在 Yearn V3 之上，根據資金利用率和收益，將用戶資產分配至白名單內的 Silo 池。Bittensor 子網 為聚合層提供最佳的資產分配策略。
當用戶向聚合層出借資金時，他們的風險僅限於選定的抵押資產，從而避免來自其他借貸池或抵押資產的風險。
截至撰寫本文時，Sturdy V2 的 TVL（總鎖倉價值） 自 2024 年 5 月以來持續下降，聚合層的總 TVL 約為 390 萬美元，占協議總 TVL 的 29% 左右。
自 2024 年 9 月以來，Sturdy 的 日活躍用戶（DAU） 始終維持在 兩位數（>100），而 pxETH 和 crvUSD 是聚合層的主要借貸資產。該協議的表現近幾個月來 明顯停滯，而 AI 的整合可能是試圖重新恢復其增長勢頭的一種策略。
市場分析代理
AixBT 是一個市場情緒追蹤代理，從超過 400 位 Twitter KOL 聚合並分析數據。透過其專有引擎，AixBT 能夠識別即時趨勢，並全天候發布市場洞察。在所有 AI 代理中，AixBT 佔據了 14.76% 的市場關注度，使其成為生態系統中最具影響力的代理之一。
AixBT 顯然是為了社交媒體互動 而創建的，它發布的市場見解直接反映市場關注焦點。其能力不僅限於提供 Alpha（市場優勢資訊），還具備 互動性，能夠 回覆用戶問題，甚至能夠 透過 Twitter 發行代幣，並使用專門的工具包來執行這些操作。例如，$CHAOS 代幣 就是 AixBT 與另一個 互動機器人 Simi 合作，使用 @EmpyrealSDK 工具包 發行的。
截至目前，持有 600,000 枚 $AIXBT 代幣（約 30 萬美元） 的用戶可以訪問其分析平台與終端。
DeFi 基礎設施與平台
去中心化基礎設施 是 Web3 AI 代理能夠運行的關鍵，這些項目不僅提供 模型訓練與推理（Inference），還涵蓋 數據、驗證方法 以及 AI 代理開發的協調層。
無論是 Web2 還是 Web3 AI，模型、算力和數據是推動 LLM（大型語言模型） 和 AI 代理發展的三大基石。去中心化方式訓練的開源模型將受到 AI 代理開發者的青睞，因為它完全消除了單一中心化所有權的風險，並且開啟了用戶擁有 AI 的可能性。
開發者將不再需要依賴 Google、Meta 和 OpenAI 等 Web2 AI 巨頭的 LLM API，使 AI 應用更加 去中心化與自主化。
以下是一張由 PinkBrains 製作的 AI 基礎設施地圖。
模型創建
像 Nous Research、Prime Intellect 和 Exo Labs 這樣的先驅正在推動去中心化訓練的邊界。
Nous Research 的 Distro 訓練算法 和 Prime Intellect 的 DiLoco 算法 已成功在 低頻寬環境 中訓練超過 100 億參數 的模型，證明了 大規模訓練 在 非傳統中心化系統 之外是可行的。Exo Labs 更進一步，推出了 SPARTA，這是一種 分散式 AI 訓練算法，能夠將 GPU 之間的通信減少超過 1,000 倍。
Bagel 正在努力成為去中心化的 Hugging Face，為 AI 開發者提供模型和數據，同時透過加密技術解決開源數據歸屬和貨幣化問題。Bittensor 創建了一個競爭性市場，讓參與者貢獻算力、數據和智能，以加速 AI 模型和代理的發展。
數據與算力提供者
許多人認為 AixBT 已經成為效用型 AI 代理（Utility Agents） 類別的領先者，主要原因是其獲取高品質數據的能力。數據提供者如 Grass、Vana、Sahara、Space and Time 和 Cookie DAOs 提供高品質數據、特定領域數據，或為 AI 開發者 提供受限環境內的數據存取權限，以增強 AI 的能力。Grass 擁有超過 250 萬個節點，每天能夠抓取超過 300TB 的數據，其規模相當驚人。
目前 Nvidia 僅能夠使用 2,000 萬小時的影片數據 來訓練其 視覺模型，但 Grass 的影片數據集大約是 Nvidia 的 15 倍（3 億小時），並且 每天增長 400 萬小時。換句話說，Grass 每天收集的數據量相當於 Nvidia 整個數據集的 20%，也就是說 僅需 5 天即可達到 Nvidia 總數據量。
沒有算力，AI 代理無法運行。算力提供者如 Aethir 和 io.net 聚合各種 GPU 資源，為 AI 代理開發者提供 更具成本效益的選擇。Hyperbolic 的去中心化 GPU 市場 相較於傳統中心化提供者 可降低最多 75% 的計算成本，並且 託管開源 AI 模型，提供 與 Web2 雲端供應商相當的低延遲推理能力。
Hyperbolic 進一步強化其 GPU 市場與雲端服務，推出 AgentKit，這是一個強大的接口，使 AI 代理能夠全面存取 Hyperbolic 的去中心化 GPU 網絡。AgentKit 具備 AI 可讀取的計算資源地圖，允許 AI 代理 即時掃描並獲取資源的可用性、規格、當前負載和性能詳細信息。
這一技術為 AI 代理開啟了一個革命性的未來，讓 AI 代理能夠自主尋找算力資源並支付算力成本。
驗證機制
透過其創新的 Proof of Sample（樣本證明）驗證機制，Hyperbolic 確保該生態系統中的每一次推理交互都經過驗證，為 AI 代理的未來建立信任基礎。
然而，驗證機制僅能解決自主代理信任問題的一部分。另一個關鍵層面是隱私保護，而這正是 TEE（可信執行環境） 基礎設施項目（如 Phala、Automata 和 Marlin）可以發揮作用的地方。例如，這些 AI 代理使用的專有數據或模型可以透過 TEE 來確保安全性。
事實上，真正的自主 AI 代理無法在沒有 TEE 的情況下完全運行，因為 TEE 對於保護敏感資訊至關重要，例如保護錢包私鑰，防止未經授權的訪問，以及確保 Twitter 帳戶的登入憑據安全。
TEE（可信執行環境）如何運作？
TEE 在處理過程中將敏感數據隔離在受保護的 CPU/GPU 隔離區（Enclave） 內，該隔離區的內容僅對授權的程式碼可見。雲端服務提供商、開發人員、管理員以及硬體的其他部分均無法訪問此區域。
TEE 的主要應用場景過去主要是執行智能合約，特別是在涉及敏感財務數據的 DeFi 協議中。因此，TEE 在 DeFi 中的整合涵蓋以下傳統 DeFi 應用場景：
交易隱私，TEE 可隱藏交易細節，例如 發送方和接收方地址 以及 交易金額。Secret Network 和 Oasis 等平台使用 TEE 來保護 DeFi 應用中的交易隱私，使 DeFi 支付具備隱私性。
防止 MEV（礦工可提取價值），透過在 TEE 內執行智能合約，區塊建構者無法存取交易資訊，從而防止 前跑攻擊（Front-Running），這類攻擊通常導致 MEV。Flashbots 使用 TEE 開發 BuilderNet，這是一個 去中心化區塊建構網絡，旨在降低中心化區塊建構者帶來的審查風險。像 Unichain 和 Taiko 這樣的鏈也使用 TEE 來提升用戶的交易體驗。
這些功能也可以與 ZKP（零知識證明） 或 MPC（多方計算） 等其他解決方案結合使用。然而，在執行智能合約方面，TEE 目前是這三種技術中效率最高的，因為其模型基於硬體運行。
在 AI 代理方面，TEE 為代理提供以下能力：
自主性（Autonomous） —— TEE 可以為 AI 代理創建獨立的運行環境，確保其策略能夠在 無人為干預 的情況下執行，這確保了投資決策完全基於代理的獨立邏輯。此外，TEE 允許 AI 代理控制社交媒體帳戶，確保其發布的所有公開聲明均獨立且不受外部影響，從而避免 廣告行為或市場操縱的嫌疑。Phala 正在與 AI16z 團隊合作，以確保 Eliza 能夠在 TEE 環境 中高效運行。
可驗證性（Verifiability） —— TEE 能夠讓人們驗證 AI 代理是否在使用 承諾過的模型 進行計算並生成有效結果。Automata 和 Brevis 正在合作開發這一能力。
AI 代理集群（AI Agent Collective）
隨著越來越多針對特定應用場景（如 DeFi、遊戲、投資、音樂等）的專業 AI 代理進入市場，更高效的代理協作和無縫通信變得至關重要。
為了解決單體代理（Monolithic Agents） 的局限性，「代理集群（Agent Swarms）」框架的基礎設施已經逐步成形。群體智能（Swarm Intelligence） 允許多個 AI 代理像團隊一樣協同工作，整合各自能力來達成共同目標。協調層（Coordination Layers） 則進一步簡化了這一過程，使代理之間能夠更輕鬆地協作，並共享目標與激勵機制。
多個 Web3 項目，如 Theoriq、FXN 和 Questflow，正朝著這一方向發展。在這些參與者中，Theoriq（前身為 ChainML，於 2022 年推出）是這一領域的先行者，並致力於成為 AI 代理的通用基礎層（Universal Base Layer for Agentic AI）。
為了實現這一願景，Theoriq 負責 代理的註冊、支付、安全性、路由、規劃和治理，並在基礎層模組中連接 供應端和需求端。它還提供了一個直觀的 AI 代理開發平台 Infinity Studio，允許任何人部署自己的代理，並通過 Infinity Hub 市場瀏覽所有可用的 AI 代理。
在其代理集群系統（Swarm System） 中，元代理（Meta-Agent） 會根據任務需求選擇最合適的 AI 代理，組成「代理集群（Swarms）」來協同工作，並跟蹤代理的 聲譽和貢獻 以維持 服務品質和責任機制。
Theoriq 代幣提供經濟安全保障，代理運營商和社群成員可以 質押代幣，用於 評估代理的質量和信任度，以激勵高質量服務並抑制惡意行為。該代幣同時作為 交易媒介，可用於支付服務費、獲取數據，以及獎勵對 數據、模型等資源 有貢獻的參與者。
隨著 AI 代理（AI Agents） 的發展趨勢逐漸確立，並且具有明確實用性的代理開始占據主導地位，我們可能會看到 加密貨幣與 AI 基礎設施項目 重新崛起，並帶來強勁的價格表現。這些項目有潛力利用 風險投資（VC）資金、數年的研發（R&D） 以及 特定領域的技術專長，進一步擴展其價值鏈，從而開發出更 先進的效用型 AI 代理（Utility AI Agents），並有可能超越當前市場上 95% 的 AI 代理。
DeFi AI 的發展與下一步
我始終認為市場的演變將經歷三個階段：首先追求效率，接著關注去中心化，最終實現隱私保護。
DeFi AI（DeFai）將經歷四個階段的發展：
階段 1：專注於效率
DeFi AI 的第一階段將以 提升效率 為核心，提供能夠 簡化 DeFi 操作並改善用戶體驗 的工具，無需深入理解協議即可高效運行。例如：
AI 能夠理解即使格式不完美的用戶指令
在最短區塊時間內執行快速交換（Swap）
提供即時市場研究，根據用戶目標提供盈利決策
如果這些創新得以實現，將能夠 節省時間與精力，降低鏈上交易的門檻，並有可能在未來幾個月內引發 DeFi 領域的 「Phantom」時刻（突破性發展）。
階段 2：AI 代理自主交易
在第二階段，AI 代理將能夠 在最少的人為干預下自主交易。這些交易代理能夠 基於第三方分析或其他 AI 代理的數據執行策略，從而塑造全新的 DeFi 交易模式。
專業或高階 DeFi 用戶將能夠微調自己的 AI 模型，打造專屬交易代理，為自己或客戶優化收益，並減少對手動監管的需求。
階段 3：關注錢包管理與 AI 驗證
進入第三階段，隨著用戶對 透明度的需求上升，市場將開始關注 錢包管理與 AI 的驗證機制。
TEE（可信執行環境）與 ZKP（零知識證明）等技術將確保 AI 系統防篡改、不受第三方干預，並且可驗證。
階段 4：AI 工具套件與代理經濟
當前述階段完成後，一個 無需編碼的 DeFi AI 工具套件 或 AI 即服務（AI-as-a-Service）協議 可能會誕生，使 基於 AI 代理的經濟 成為現實。在這一階段，經過 微調的 AI 模型 將能夠 透過加密貨幣進行交易。
儘管這一願景雄心勃勃且充滿吸引力，但仍存在多個尚未解決的瓶頸：
目前大多數工具僅是 ChatGPT 的封裝版本，並沒有明確的基準來區分哪些是 真正有價值的 AI 項目。
鏈上數據的碎片化問題使得 AI 模型更容易趨向中心化，而非去中心化，目前仍不清楚鏈上 AI 代理如何有效應對此挑戰。
