XT AI 板塊全解析：AI 如何重塑加密市場的價值結構

XT AI 板塊全解析：AI 如何重塑加密市場的價值結構

為什麼有些 AI 代幣會隨著一條新聞劇烈波動，而另一些卻幾乎不受影響？

為什麼算力、應用、資訊平台和 Meme 資產，常常在同一輪 AI 熱潮中被同時討論，卻最終走向完全不同的結果？

問題並不在 AI 本身，而在於市場如何理解 AI。

隨著 AI 技術快速普及，加密市場正在經歷一次結構重組。資訊不再稀缺，真正稀缺的是被信任的信號、有效的發現機制，以及能夠協調資源與激勵的系統。不同類型的 AI 加密資產，正是在這些約束條件下，走上了截然不同的價值路徑。

XT AI 板塊的目的，是讓這種差異變得清晰可見。本文將從結構而非價格出發，解析 AI 如何在加密市場的不同層級中創造價值，解釋 AI 資產為何呈現出更高波動性，並幫助讀者在複雜敘事中，先理解「你正在接觸的是哪一種 AI 曝露」。

TL;DR 快速總結

• 加密市場中的 AI 並非單一賽道，而是由多個層級構成，不同層級對應著不同的激勵機制、風險特徵與價值來源。
• AI 相關代幣對採用進展的反應並不一致，因為基礎設施、應用與敘事的擴張速度各不相同。
• 在 AI 市場中，加密的核心作用並不是「做 AI」，而是透過激勵機制實現資源配置與不確定性的定價。
• 在多數情況下，敘事動能往往先於可觀察的使用數據出現，從而放大 AI 相關資產的波動性。
• XT AI 板塊提供了一套理解 AI 曝露的分析框架，幫助使用者在參與 AI 敘事之前先看清結構與風險。

內容範圍與使用說明

本文將重點解析：

• AI 如何重塑加密市場的整體結構
• AI 相關加密資產的主要分類與差異
• AI 敘事為何呈現出不同於其他賽道的交易特徵
• 資深市場參與者如何評估 AI 相關資產的風險與曝露

本文不涉及：

• 價格預測或走勢判斷
• 投資建議或買賣指引
• 對任何代幣的背書或推薦

XT AI 板塊的定位，是先幫助理解結構，再談市場行為。

當 AI 成為共用標籤之後

在過去一年裡，「AI」成為加密市場中被使用頻率最高、同時定義最為寬泛的標籤之一。擁有截然不同經濟模型、發展階段與風險特徵的資產，往往被統一納入同一套 AI 敘事之中。無論是基礎設施網路、算力平台、面向使用者的 AI 產品，還是由情緒與話題驅動的 Meme 資產，常常被當作同一類別來討論。

這種混淆並非偶然，而是一種結構性結果。生成式 AI 的普及，大幅降低了資訊、內容與軟體的生產成本。隨著供給迅速增加，市場的稀缺性開始轉移至那些更難規模化的要素上：

• 注意力變得更難獲取與持續
• 信任變得更難驗證
• 跨系統的協調變得更難管理

與此同時，AI 的快速落地也暴露出市場無法忽視的現實瓶頸。算力供給依然高度集中，數據獲取路徑碎片化，而對「智能貢獻」的激勵機制往往掌握在中心化主體手中。

在這樣的環境中，加密並不是以「AI 技術」的身份進入市場，而是作為一種協調基礎設施發揮作用。代幣成為資源配置、貢獻激勵與不確定性定價的工具。最終呈現出來的，並不是一個統一的 AI 市場，而是一個由不同層級構成的多層結構。

XT AI 板塊的定位與作用

XT AI 板塊並不是對「技術純度」的判斷，而是一層用於理解市場的導航結構。

AI 板塊將那些其價值與人工智慧這一市場力量直接或間接相關的加密資產進行歸類。這些資產涵蓋了基礎設施需求、AI 賦能的應用、資訊與注意力市場、身份與數據系統，以及由 AI 敘事推動的資產形態。

這種分類方式之所以重要，是因為 AI 代幣對 AI 採用進程的反應並不一致。相較於多數加密賽道，AI 的創新週期更為壓縮，敘事往往先於基本面展開。若缺乏結構性的區分，風險也會被一併放大。

分類並不等於背書。在高速演化的敘事環境中，清晰的分類本身就是一種風險管理方式。AI 板塊的存在，旨在幫助使用者理解自己所接觸的是哪一類 AI 曝露，而非暗示所有 AI 相關資產具備相同的風險屬性。

XT AI 板塊分類速覽

分類所代表的含義AI 基礎設施以激勵機制驅動的機器智能協同網路AI 算力市場去中心化的 GPU 與算力供給獲取方式AI 智能體與消費級 AI在經濟系統中自主運行的軟體與應用InfoFi利用 AI 對資訊與注意力進行定價的市場身份、IP 與數據面向 AI 環境的信任與所有權基礎設施AI 與市場AI 驅動的信號、預測與量化智能AI 敘事與 Meme 代幣由信念與敘事推動的流動性與投機週期

下文各分類將聚焦於價值如何被創造，而非短期價格如何波動。

AI 加密市場的價值生成邏輯

AI 市場中，激勵為何先於模型

AI 基礎設施層

部分以 AI 為核心的加密網路，並不追求單一、佔主導地位的模型，而是將重點放在「協同」之上。不同參與者透過競爭或協作的方式，持續輸出被認為具有價值的結果，而系統中的激勵機制，則用於獎勵這些被市場認可的貢獻。

在這一類網路中，價值的形成主要取決於以下幾個因素：

• 對機器智能的實際需求規模
• 結果的排名、評估與篩選機制
• 激勵設計能否在長期保持一致性

這類系統將市場邏輯引入 AI 的發展過程之中，使「有用性」成為可被定價的要素。但與此同時，它們也引發了關於去中心化程度與資源集中風險的討論。

代表性代幣

代幣核心定位TAO激勵驅動的機器智能網路FETAI 智能體框架與協同機制AGI去中心化 AI 服務與工具RLC面向 AI 工作負載的算力與數據服務

GPU：AI 規模化的現實瓶頸

AI 算力市場

隨著 AI 工作負載不斷擴大，算力獲取逐漸成為制約因素。無論是模型訓練還是推理階段，都需要大量 GPU 資源，而當前 GPU 供給仍高度集中在少數提供方手中。

去中心化算力市場正是試圖在這一結構性約束下提供新的解決方案，主要包括：

• 聚合閒置或未被充分利用的 GPU 資源
• 透過市場機制對算力進行動態定價
• 降低對中心化算力提供方的依賴

代表性代幣

代幣算力定位IO分散式 GPU 算力市場GPU以代幣形式提供的算力訪問PHB融合算力與 AI 的混合型基礎設施

需要注意的是，並非所有算力相關代幣都以 AI 為原生設計，也並非所有專案都能同等程度地受益於 AI 需求的增長。

軟體角色的轉變：從工具到參與者

AI 智能體與消費級 AI

AI 智能體標誌著軟體形態的一次重要轉變：從被動工具，演進為能夠主動參與系統運行的角色。這類系統不僅可以自主發起行為、與使用者互動，在部分場景下甚至能夠獨立完成交易或執行任務。

在這一賽道中，價值的形成主要取決於以下因素：

• 智能體框架的採用程度
• 是否能夠融入真實的工作流與使用場景
• 分發能力與使用者使用體驗

這一細分領域仍處於早期階段，敘事色彩相對較強。實際使用往往先於穩定的商業模式出現，價值路徑仍在探索之中。

代表性代幣

代幣智能體側重點VIRTUAL自主運行的智能體環境AIXBTAI 驅動的交易或分析型智能體ACT智能體協同與協調框架SHELL面向使用者的 AI 互動層NFP與數位身份綁定的 AI 智能體

當資訊不再稀缺，市場如何介入

InfoFi：資訊的市場化機制

當資訊變得極度充裕，真正的約束不再是「生產」，而是「發現」。當內容、觀點與數據的生成成本持續下降，市場面臨的核心問題轉向：什麼資訊重要、何時重要。InfoFi 正是透過 AI 與市場化激勵機制，對資訊與注意力進行發現、排序與定價，從而回應這一挑戰。

預測市場清晰地展示了這一機制。以 Polymarket、Kalshi 為代表的平台，將分散的判斷匯聚為可交易的價格，把不確定性轉化為可度量的信號。與依賴主觀觀點或靜態預測不同，這類市場透過資金與參與行為，即時反映集體預期。

這一領域的價值驅動主要包括：

• 研究發現與資訊篩選能力
• 信號品質與可信度
• 參與與貢獻的激勵設計

在原生生於加密體系的 InfoFi 系統中，邏輯同樣成立。AI 用於處理海量內容與信號，代幣則負責協調參與、分配激勵，並為資訊貢獻定價。

代表性代幣

代幣InfoFi 定位KAITOAI 驅動的研究與注意力市場COOKIE激勵型內容與信號發現機制IQ知識整理與數據索引MDT數據貢獻與訪問的代幣化機制

AI 時代的信任危機

身份、IP 與數據

AI 的普及顯著放大了偽造、冒充以及未經驗證內容的風險。在內容與身份都可以被快速複製的環境中，如何在大規模場景下重建信任，成為一個無法迴避的問題。身份與 IP 相關系統，正是試圖從底層機制上回應這一挑戰。

這類系統主要聚焦於：

• 真實身份的證明（Proof of Personhood）
• 可編程的 IP 權利與所有權機制
• 數據來源與使用路徑的可追溯性

代表性代幣

代幣結構性角色WLD真實身份與個人存在性的證明IPIP 所有權的代幣化框架DOME數據訪問與驗證基礎層

需要注意的是，該類別除市場風險外，還伴隨著較為顯著的非市場風險，包括隱私保護、合規要求以及監管不確定性等因素。

AI 敘事與真實採用之間的差距

AI 敘事的傳播速度，往往快於可驗證的證據。一部分代幣定價的是基礎設施層面的使用情況，例如算力需求或網路活躍度；而另一部分代幣，更多反映的是市場預期、信念或注意力本身。

在系統尚未成熟之前，市場往往會率先獎勵「故事」，並在預期無法兌現時迅速反轉。判斷一枚代幣所反映的，是結構性的真實採用，還是敘事動能的累積，是理解 AI 市場高波動性的關鍵。

AI 代幣為何呈現不同的交易特徵

AI 相關資產的行為，更接近高頻率運轉的應用型或敘事型市場，而非比特幣、以太坊等基礎層加密資產。其價格變化，更多由資訊傳播速度與預期調整所驅動，而不是緩慢、可觀察的採用曲線。

AI 的反身性循環（AI Reflexivity Loop）

• 注意力引入流動性
• 流動性加速價格發現
• 價格上漲進一步吸引注意力

這一反身性機制壓縮了創新與定價的時間尺度。在早期階段，基礎設施代幣、應用層資產以及由敘事驅動的 AI 代幣，可能會隨著整體預期的抬升而同步波動。隨著時間推移，不同資產在使用情況、激勵設計與執行能力上的差異逐漸顯現，走勢也隨之分化。這一結構性特徵，正是 AI 相關資產相較於成熟加密賽道更容易出現劇烈波動的重要原因。

Meme 與敘事型 AI 資產的定位

部分 AI 相關資產的驅動因素，主要來自信念、情緒或注意力本身，而非明確的功能或使用場景。這類資產的價值形成，往往是流動性先行，而非效用先行。

代表性代幣

代幣敘事定位GOAT以 AI 為主題的 Meme 敘事