原文作者： cookies
原文編譯：深潮TechFlow
這是我關於加密與 AI 基礎設施成熟化如何推動創新應用的觀點。
讓我們深入探討，作為使用者和建設者，如何在這個新時代中導航。
代理類型
功能性價值代理（Functionally Valuable Agents）
這些代理人能夠產生實際的價值或成果。
- (1a) DeFAI 代理
- (1b) 預測市場代理（Prediction Market Agents, PMAs）
- (1c) 電腦使用代理程式（Computer Use Agents, CUAs）
DeFAI 代理
這些代理人可以進行交易、收益挖礦（Yield Farming）或提供流動性（LP）。
相關項目： @symphonyio ， @almanac ， @gizatechxyz
你可以在下面的推文中找到關於DeFAI 的全面介紹： 原始推文鏈接
預測市場代理（PMAs）
這些代理參與預測市場，可以是針對特定市場（例如足球）的代理，也可以是通用代理。
我更傾向於基於小型語言模型（SLM）的市場特定代理，因為它們需要更少的計算資源。
相關項目： @sire_agent ， @BillyBets_ai
DeFAI 和PMAs 的加密角色
加密技術在其中扮演了以下幾個角色：
- 交易媒介
- 可程式執行
- 交易的不可竄改記錄
計算機使用代理（CUAs）
這類代理可以控制你的螢幕完成任務，例如使用Excel 建立折現現金流表。
加密技術可以作為一種激勵機制，獎勵那些貢獻高品質資料以改善這些模型的使用者。
相關項目： @chakra_ai ， @getoro_xyz
進化型代理（Evolving Agents）
我設想未來每個人都擁有個人化的生產力代理人。
基於從大型語言模型（LLM）對話、社交媒體瀏覽以及日常對話中獲得的上下文訊息，這些代理能夠以環境模式進行研究和規劃。
隨著時間推移，這些代理人將進化並在某些領域成為專家。 @the_nof1是一家專注於金融市場的AI 研究實驗室，擁有6個交易代理，每個代理管理1萬美元的交易資金。這些模型有可能演化為熟練的交易員。
伴侶型代理（Companion Agents）
在未來，幫助人們對抗孤獨的代理人將成為一種常態。隨著更多的互動轉移到數位世界，人與人之間的接觸會逐漸減少。
代理基礎設施
代理支付（Agentic Payment）
能夠進行支付的代理。為了讓代理商商業化成為現實，科技巨頭已經創造了代理支付標準：
實現代理支付主流化的核心要素：
- 基礎設施：由各種代理支付標準解決。
- 需求：我們真的需要能夠進行支付的代理嗎？
ChatGPT 最近在其平台上引入了應用程序，使用戶可以直接在ChatGPT 內部建立功能。
這帶來了一個典範轉移，生產性操作可以直接在ChatGPT 上完成。
以下內容可以幫助你理解這一點： 相關推文鏈接
代理身分與聲譽（Agent Identity and Reputation）
代理是不可避免的：大多數任務將透過特定任務的代理來執行。
我們如何知道哪些代理是合適和可信的呢？
想像為代理商設計的Google Review 或PageRank 系統，可以對代理商在執行特定任務中的表現進行排名並頒發認證。
就像履歷表一樣，一個評分為4.6的交易代理人可以被對沖基金「聘用」。
以太坊基金會已經開始建立支持這項功能的基礎設施—ERC-8004。
透過ERC-8004，代理程式之間可以相互交互，例如從代理A 向代理B 轉帳。
多代理系統（Multi-Agent System）
用F1 類比：
- 目標：更換輪胎
- 主代理：需要更換輪胎的駕駛人
- 工作代理：負責更換輪胎的機械師
這個概念是由一個協調代理和多個可以並行執行任務的工作代理組成。
最適合運行在@monad平台上，該平台以其並行執行功能著稱，可能在單一區塊（0.4秒）內完成整個工作流程。
社交代理蜂巢網路（Social Agent Hivemesh）
我想像一個每個人都擁有自己的數位孿生的未來。
存在一個基礎設施，讓這些數位孿生相互聯繫、交換知識、進行交易。
數位孿生互動儲存在區塊鏈上，從而創建代理社交圖譜（Agent Social Graph）。
代理的交互不能完全隨機。這就是為什麼發現網路（Discovery Networks）如@indexnetwork_透過攝取使用者特定上下文來連接使用者意圖的關鍵基礎架構的原因
機器人
機器人（Robotics）產業正在快速成長，2025 年1 月至7 月期間就獲得了60 億美元的融資。
本節將分解三個核心支柱，並詳細說明區塊鏈的作用。
在深入了解本節之前， 請先查看此關於機器人技術的入門指南。
機器人數據（Robotics Data）
與大型語言模型（LLM）相比，用於訓練機器人模型的資料量小得多。
這是因為在現實世界中收集數據需要更多的努力和更高的成本（如設置攝影機和遠端操作設備）。
各種類型的機器人數據包括：
- 影片
- 遠端操作
- 動作捕捉
- 第一視角（POV）
- 模擬/合成數據
物理AI 資料收集的主要複雜性之一在於對多樣性的要求。
一個在特定環境中訓練的類人機器人可能無法理解新環境（例如光線較暗的環境）。
加密技術是激勵個人貢獻現實世界資料的絕佳機制，可以捕捉高度多樣化的環境。
相關項目： @PrismaXai 、 @MeckaAI 、 @silencioNetwork 、 @rayvo_xyz 、 @VaderResearch 、 @BitRobotNetwork 、@AukiNetwork
機器人模型（Robotics Model）
@PrimeIntellect是去中心化模型訓練的領先案例。
利用加密技術獎勵基於資料來源的貢獻，可能建立一個性能優越的機器人模型。
相關項目： @OpenMind 、KineFlow
硬體（Hardware）
機器人技術的關鍵瓶頸之一是微調機器人模型的延遲。
當研究實驗室缺乏必要的硬體（如機械手臂、類人機器人等）來測試模型並收集微調數據時，這種問題尤其突出。
可以建立一個DePIN（去中心化實體基礎設施網路）機器人網絡，讓個人或研究實驗室將機器人硬體出租用於模型測試。
這一金融化層為研究人員開啟了硬體取得的管道，同時為硬體提供者創造了穩定的收入來源（租賃收益）。
結論
加密、AI 和機器人技術的未來一片光明。
如果你正在這個領域建立任何有趣的項目，歡迎與我交流，看看是否可以在@monad上實現！
- 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