원저자: 쿠키
원문 번역: TechFlow
이는 암호화와 AI 인프라의 성숙이 어떻게 혁신적인 애플리케이션을 촉진할 수 있는지에 대한 저의 관점입니다.
사용자와 개발자로서 이 새로운 시대를 어떻게 헤쳐나갈 수 있는지 자세히 살펴보겠습니다.
에이전트 유형
기능적으로 가치 있는 에이전트
이러한 에이전트는 실제 가치나 결과를 창출할 수 있습니다.
- (1a) DeFAI 에이전트
- (1b) 예측 시장 에이전트(PMA)
- (1c) 컴퓨터 사용 에이전트(CUA)
DeFAI 에이전트
이러한 에이전트는 거래를 수행하고, 수익을 창출하고, 유동성(LP)을 제공할 수 있습니다.
관련 프로젝트: @symphonyio , @almanac , @gizatechxyz
아래 트윗 에서 DeFAI에 대한 포괄적인 소개를 확인하실 수 있습니다.
예측 시장 에이전트(PMA)
이러한 에이전트는 예측 시장에 참여하며 시장 특정 에이전트(예: 축구)이거나 일반 용도 에이전트일 수 있습니다.
저는 계산 리소스가 덜 필요한 소규모 언어 모델(SLM)을 기반으로 한 시장별 프록시를 선호합니다.
관련 프로젝트: @sire_agent , @BillyBets_ai
DeFAI와 PMA의 암호화 역할
암호화 기술은 다음과 같은 역할을 합니다.
- 교환 매체
- 프로그래밍 가능한 실행
- 변경 불가능한 거래 기록
컴퓨터 사용 에이전트(CUA)
이러한 상담원은 Excel을 사용하여 할인된 현금 흐름 표를 만드는 등의 작업을 완료하기 위해 화면을 제어할 수 있습니다.
암호화는 이러한 모델을 개선하기 위해 고품질 데이터를 제공하는 사용자에게 보상하는 인센티브 메커니즘으로 활용될 수 있습니다.
관련 프로젝트: @chakra_ai , @getoro_xyz
진화하는 에이전트
저는 모든 사람이 개인화된 생산성 에이전트를 갖는 미래를 상상합니다.
대규모 언어 모델(LLM) 대화, 소셜 미디어 탐색, 일상 대화에서 얻은 맥락적 정보를 바탕으로 이러한 에이전트는 환경 패턴을 연구하고 계획을 세울 수 있습니다.
시간이 지남에 따라 이러한 에이전트는 진화하여 특정 분야의 전문가가 될 것입니다. 금융 시장에 중점을 둔 AI 연구실인 @the_nof1 에는 각각 1만 달러의 거래 자본을 관리하는 6명의 거래 에이전트가 있습니다. 이러한 모델들은 숙련된 트레이더로 발전할 잠재력을 가지고 있습니다.
동반 에이전트
미래에는 더 많은 상호작용이 디지털 세계로 이동하고 인간 접촉이 감소함에 따라 외로움을 극복하도록 돕는 에이전트가 일반화될 것입니다 .
관련 프로젝트: @Fans3_AI , @ohdotxyz
프록시 인프라
에이전트 지불
결제가 가능한 에이전트. 에이전트의 상업화를 실현하기 위해, 기술 대기업들은 에이전트 결제 기준을 마련했습니다.
에이전트 지불을 주류화하기 위한 핵심 요소:
- 인프라: 다양한 에이전트 지불 표준을 통해 해결됩니다.
- 필요성: 결제를 할 수 있는 에이전트가 정말 필요한가요?
ChatGPT는 최근 자사 플랫폼에 앱을 출시하여 사용자가 ChatGPT 내에서 직접 기능을 구축할 수 있도록 했습니다.
이를 통해 생산적인 작업이 ChatGPT에서 직접 수행될 수 있는 패러다임의 전환이 이루어집니다.
다음 내용은 이를 이해하는 데 도움이 될 수 있습니다.
에이전트 신원 및 평판
위임은 불가피합니다. 대부분의 업무는 업무별 에이전트에 의해 수행됩니다.
어떤 에이전트가 적합하고 신뢰할 수 있는지 어떻게 알 수 있나요?
특정 작업 수행에 대한 성과를 순위화하고 인증하는 에이전트를 위해 설계된 Google 리뷰 또는 PageRank 시스템을 상상해 보세요.
이력서와 마찬가지로, 4.6점의 평점을 받은 트레이딩 에이전트는 헤지펀드에 "고용"될 수 있습니다.
이더리움 재단은 이 기능을 지원하는 인프라인 ERC-8004를 구축하기 시작했습니다.
ERC-8004를 통해 에이전트는 에이전트 A에서 에이전트 B로 자금을 이체하는 등 서로 상호작용할 수 있습니다.
다중 에이전트 시스템
F1 비유를 사용하면:
- 목표: 타이어 교체
- 주요 담당자: 타이어 교체가 필요한 운전자
- 작업 담당자: 타이어를 교체하는 정비사
이 개념은 작업을 병렬로 실행할 수 있는 조정 에이전트와 여러 작업자 에이전트로 구성됩니다.
@monad 플랫폼에서 실행하는 것이 가장 좋습니다. 이 플랫폼은 병렬 실행 기능으로 유명하며, 잠재적으로 전체 워크플로를 단일 블록(0.4초)으로 완료할 수 있습니다.
소셜 에이전트 하이브메시
저는 모든 사람이 자신만의 디지털 트윈을 갖는 미래를 상상합니다.
이러한 디지털 트윈이 서로 연결되고, 지식을 교환하고, 거래를 수행할 수 있는 인프라가 있습니다.
디지털 트윈 상호작용은 블록체인에 저장되어 에이전트 소셜 그래프를 생성합니다.
에이전트의 상호작용은 완전히 무작위적일 수 없습니다. 이것이 @indexnetwork_ 와 같은 Discovery Networks가 사용자별 컨텍스트를 수집하여 사용자 의도를 연결하는 핵심 인프라인 이유입니다.
기계 인간
로봇 산업은 빠르게 성장하고 있으며, 2025년 1월부터 7월까지 60억 달러의 자금을 확보했습니다.
이 섹션에서는 세 가지 핵심 기둥을 분석하고 블록체인의 역할을 자세히 설명합니다.
이 섹션을 살펴보기 전에 로봇공학에 대한 소개 가이드를 확인해 보세요.
로봇 데이터
대규모 언어 모델(LLM)과 비교했을 때, 봇 모델을 훈련하는 데 사용되는 데이터 양은 훨씬 적습니다.
실제 세계에서 데이터를 수집하려면 더 많은 노력과 더 높은 비용(카메라 설치 및 장비 원격 작동 등)이 필요하기 때문입니다.
로봇 데이터의 다양한 유형은 다음과 같습니다.
- 동영상
- 원격 조작
- 모션 캡처
- 1인칭 시점(POV)
- 시뮬레이션/합성 데이터
물리적 AI를 위한 데이터 수집의 주요 복잡성 중 하나는 다양성이 필요하다는 것입니다.
특정 환경에서 훈련된 인간형 로봇은 새로운 환경(예: 조명이 어두운 환경)을 이해하지 못할 수도 있습니다.
암호화는 매우 다양한 환경을 포착할 수 있는 실제 데이터를 제공하도록 개인에게 인센티브를 제공하는 훌륭한 메커니즘입니다.
관련 프로젝트: @PrismaXai , @MeckaAI , @silencioNetwork , @rayvo_xyz , @VaderResearch , @BitRobotNetwork , @AukiNetwork
로봇 모델
@PrimeIntellect 는 분산형 모델 학습의 대표적인 사례입니다.
데이터 출처에 따라 기여에 대한 보상을 제공하기 위해 암호화를 활용하면, 성능이 뛰어난 로봇 모델을 구축할 수 있습니다.
관련 프로젝트: @OpenMind , KineFlow
하드웨어
로봇공학의 주요 병목 현상 중 하나는 로봇 모델을 미세하게 조정하는 데 지연이 발생한다는 것입니다.
특히 연구실에 모델을 테스트하고 미세 조정 데이터를 수집하는 데 필요한 하드웨어(로봇 팔, 인간형 로봇 등)가 부족한 경우 이 문제는 심각해집니다.
DePIN(분산형 물리적 인프라 네트워크) 로봇 네트워크를 구축하면 개인이나 연구실에서 모델 테스트를 위해 로봇 하드웨어를 임대할 수 있습니다.
이러한 금융화 계층은 연구자들에게 하드웨어에 대한 접근성을 열어주는 동시에 하드웨어 공급업체에게는 안정적인 수익원(임대 수입)을 창출합니다.
결론적으로
암호화, AI, 로봇공학의 미래는 밝아 보입니다.
이 분야에서 흥미로운 프로젝트를 진행 중이라면, 저와 채팅을 통해 @monad 에서 구현이 가능한지 확인해 보세요!
- 核心观点：加密与AI融合推动代理与机器人创新。
- 关键要素：
- 功能性代理实现DeFi、预测等价值创造。
- 代理声誉与支付系统确保可信交互。
- 区块链激励数据贡献，优化机器人模型。
- 市场影响：加速去中心化AI应用与机器人技术普及。
- 时效性标注：中期影响。
IOS
Android