這是一篇信息密度極高，也是目前業內對AI+Web3最硬核的綜合分析。

本文涵蓋了諸多學科的領域范疇，從學術探究到商業趨勢，有著深刻的哲學洞見，首次了點明“去中心化”之迷思的根本原因，為AI+Web3進入概念史的統一場域，完成了理論性建設。

本文文章通過10個代表性AI+Web3的項目，引用數十篇AI、Web3相關文章、論文等，并洞察了2024年AI+Web3的可能十大發展趨勢。

本文希望能夠助你掃清對AI+Web3的行業迷霧，消除過往的立場偏見與認知誤區，幫你踏入AI+Web3的未來發展之道。

序言

我過去一年時常面臨著AI領域的朋友，對Web3的質疑與批判；也時常面臨Web3領域的朋友，對AI的保守與觀望。

AI和Web3是天生一對，從業者因偏見而互相埋汰，這確實是不應該的。

所以，我此次試著從概念史與三種歷史時間分析法、從語言分析哲學與認識論的控制論，深度探究今日技術路線之認知分歧，偏見成因。

本文重點回答了AI從業者對去中心化這一敘事的批判，消除了AI從業者長久以來的疑惑，也點明了“去中心化信仰”對Crypro/Web3行業，在近年來形成思想困境的根本原因。

總而言之，我試圖回答一個真理，這個根本性問題的回答，讓AI+Web3實現真正的融通，掃清了我們對其思想性的障礙，實現從認識論范式的根本性轉變。

1 研究范式與哲學洞察

對當前廣泛討論語境的洞察

我們是如何討論AI+Web3

在當前的中文互聯網中，探究AI+Web3的嚴肅思考是稀缺的，而在已知的認識范式中，最為普遍的是引用歷史唯物主義中對社會生產的理論闡釋，即生產力決定生產關系。

AI代表生產力、Web3代表生產關系，AI+Web3作為生產力與生產關系互相影響，將會創造新的社會生產體系，這是當前AI+Web3最廣為接納的討論語境，正如我在這篇文章的闡釋，AI智能體與人類的未來協作方式、合作組織與生產空間（萬字長文）

另一種值得關注的AI+Web3認識范式，則是從控制論的歷史出發，即對“Autonoumous”這一概念的歷史性闡釋，以及從機器自主性探究控制論的技術哲學觀。

在這一歷史溯源的探究中，從控制論到計算機，AI和Web3都是對“自主性”的不同實現路徑的同一技術追求。這一認識范式的典型以 王超（AI+Crypto的跨領域投資人）在其文章AI和加密的歷史交匯所闡釋。

在當前AI+Web3的認識論范式上，存在知識體系與歷史概念間的隔閡，導致學術、技術以及人才的割裂。

若我們能從根本性上消除兩者的隔閡，我相信AI+Web3+Metaverse這一被廣泛追求的整合共識，會加速技術路線的融合并推動技術產業的整體躍遷，并推動人類在數字文明進一步的發展。

在本文文章中，我將引入更多新的認識范式，從跨學科整合到跨媒介敘事，從語言分析哲學到歷史概念的時間分析理論。

第一性原理構建AI+Web3的研究范式

在思考場域中尋找相關性與可能性

當前對AI+Web3的探究中，以諸多碎片化言論為主，這些碎片化的討論，往往都缺乏對前置語境的補充，以及構建一個獨立深度的思考場域。

在缺乏前置語境與共識場域的情況下，因為目的與動機的不同，自然讓AI+Web3容易招惹不同技術路線的爭議，由此也導致了AI+Web3難以達成共識。

由于移動互聯網的造成的信息碎片化，以及推薦算法所構建的信息繭房，網絡語境下的交流，普遍以單向性的觀點碰撞為主，而大量摻雜偏見的觀點碰撞，塑造了廣泛輿論的認知謬論。

任何嚴肅的討論都需要對所處信息環境進行解構，并重新構建一個具有雙向的、具備深度交流的思考場域。

在我目前探索下來，線上或者線下Workshop，是構建有效交流與思考場域的最好方式。一定要在一個高質量的信息交流與深度思考的場域，進行高價值命題的研討。

AI+Web3是一個極度復雜，但價值極高的研討命題，一定要避免一切泛泛而談的交流。

當我們有意識地構建一個得以深度思考的場域時，我們才能建立對諸多不同 意見的“求同存異的相關性”與 “和而不同的可能性”

相關性是我們研究任何技術路線的基本方法，無論是AI，還是Web3，其技術的形成歷史，其技術所作用的商業，以及技術所引發的對社會議題的思考。

從盡可能多的相關性內容去展開，如同把兩個石頭丟進求知之湖，湖面泛起的漣漪總會碰撞在一起，而又繼續蔓延開來。

在相關性所涌現的無數個交叉點中，都代表著這個不一樣的可能性，這種可能性可能短暫存在，但也可能落地成真，所以用相關性交叉的方式捕獲可能性，會讓我們洞察更多的趨勢和新機會。

你在閱讀這篇文章時，本質上就是在作者是所構建的思考場域中，不停地觸發你對AI+Web3的相關性與可能性的思考。

從跨學科整合尋求更加全面的認識

“整合的意義在于結合或融為一個功能性整體，其目的無論是為了得到一個新的整體或者新的意義，但更重要在于讓我們形成更加全面的認識。”

如何進行跨學科研究

當前業內對AI+Web3的普遍討論交流中，AI與Web3都是從構成性分開討論的，缺乏從深層解釋 AI與Web3的關系，其次也缺乏從整體系統性上探討兩者的整合。

我認為，當我們進入一個AI+Web3的思考場域或者討論空間時，我們真正要探討的，是關于AI+Web3為何需要整合，以及如何整合 ，這才是真價值所在。

而如何基于社區建立一種科學的跨學科研究方法，也是業內探索AI+Web3的關鍵步驟，在Co-design for Interdisciplinary Research Communities這項研究工作中，就提供一個基于跨學科社區如何進行協同設計的方法；

跨學科整合就是批判并評估學科見解（技術路線見解），并在它們之間創造共識以構建更全面認識的認知進程，跨學科應該作為我們探究AI+Web3的基本方法。

因為AI+Web3并非明面概念上的拼湊，AI背后所代表的一系列相關技術路線，如LLM、Transformer、AI-Agents、COT、RAG等，與Web3背后所代表的諸多技術概念，如DAO、NFT、ZK、Defi等。

跨學科研究的價值在于，我們使用一種科學規范的方式，對雙邊技術路徑體系進行整合，形成更為全面的認知，以及創造出全新的技術。

復雜系統作為認識論提供一種延續

復雜系統科學常被定位于跨學科研究的一種方式，但我在此將其單獨拿出來，因為在本文文章所構建的思考場域中，跨學科整合更偏向于在技術體系的“相關性與可能性”中形成全面的認知。

復雜系統科學本身就是一個難以被定義的理論學科，系統作為一種哲學其實吸收了知識論與還原論，使得抽象思維工具本身也作為一種可被吸納的對象。

所以復雜系統科學在本文所構建的思考場域中，作為一個監察機制以及提供一個黑盒，對跨學科整合與跨媒介敘事所不涉及到的未知性，提供一個思考的延續空間。

從歷史的基本概念出發，探究當下所言何物

科塞雷克與過渡時期的鞍型理論

當我們意識到，AGI和Web3作為極具標志性的技術概念時，我們就不得不引入概念史的分析方法，在此我們引用科塞雷克的鞍型期理論。

科塞雷克在其歷史的基本概念中提出的，概念史所探究的是概念與事實之間的關系，概念具有多義性，其多義性是由于歷史在諸事件所產生的含義將其融入概念之中。

概念是歷史現實中的經驗、期待、觀點 以及闡釋的聯結體，不僅是作為一種描述特定的事物的詞匯。

而AGI、Web3為何需要基于概念史的概念分析，其原因在于這兩個概念同概念史的基本理念一致，即概念在歷史經驗與社會現實的變遷中密切聯系。

“科塞雷克名聲大振的“鞍型期”概念。他藉助“鞍型山體”（Bergsattel）意象，即連接兩座山峰之間的鞍型過渡地帶，提出了西方史學中著名的“鞍型期”（德：Sattelzeit；英：saddle-time / saddle period）概念，意指過渡時期或時代界線，故而亦有“界線期”（Schwellenzeit）之說，其時間范圍約為1750年至1850年。”

概念史與歷史時間理論：以科塞雷克為中心的考察 —— 方維規

深刻理解概念本身，其實就是在挖掘附著在概念的技術發展史，如何在變革時期經歷了諸多語義的轉化。

例如AGI通用人工智能的概念，也經歷過弱人工智能與強人工智能的概念歷史，而我們已經很少提及強/弱人工智能的概念。

而在Web3這一概念中，從Web2到Web3，從Crypto到Web3，這些概念時間性也是技術概念在社會事件的演化變遷。

所以從概念的歷史分析中，AI和Web3也同樣來到了鞍型期。

的我們對AI+Web3的探討，事實上繼承了AI和Web3兩者概念的經驗空間，而使用“+”又呈現了我們對兩者結合的期待視野。

“AI+Web3”這一組合概念的使用，而不是創造一個具有兩種意涵的新概念，在于我們正處于前沿技術交叉的過渡時期，我們暫時還沒完成對那個期待視野的概念建構。

“科塞雷克在其著述中一再強調指出，在鞍型期，傳統的“經驗空間”（Erfahrungsraum）與面向未來的“期待視野”（Erwartungshorizont）之間出現了前所未有的歷史鴻溝。引用：科塞雷克在其著述中一再強調指出，在鞍型期，傳統的“經驗空間”（Erfahrungsraum）與面向未來的“期待視野”（Erwartungshorizont）之間出現了前所未有的歷史鴻溝。”

概念史與歷史時間理論：以科塞雷克為中心的考察 —— 方維規

眼下，我們在探討AGI與Web3的交叉時，我們明確的處于鞍型的底部。我們往后看的經驗空間，向前看的期待視野，都在當下的體驗中，得到回聲的響應。

歷史沉淀于特定的概念：歷時性與共時性

大眾對于AGI、Web3這些概念的普遍理解，是歷時性的。例如網絡媒體通過對不同事件所捕捉到的信息，其所塑造的輿論氛圍與話語形式，影響了我們對這些概念的認識。

例如我們可以拿最近SEC批準現貨BTC ETF這個事情，從話語形式上可以標記Crypto這一概念進入了主流金融市場，標記著BTC不再是非主流的貨幣資產，這一事件重新塑造了大眾市場中，原本對BTC 存在偏見的群體。

對于一名合格的歷史學家而言，至少要掌握共時性與歷時性兩種模式進行討論，因此共時性是一個被使用更多的時間分析方式，共時性體現的是事件在時間之流的全部體現。

對于資深的加密人士而言，從2008年比特幣白皮書的發布到2024年SEC的批準，這十幾年比特幣所經歷的一系列相關事件，才構成了加密人士對比特幣的共時性認知；

而對于今年才接觸比特幣保守傳統的金融人士而言，SEC/BTC的概念關聯結構， 構成其對比特幣的歷時性認知。

而事實上，共時性在歷史社會學中，也用于研究分析文化體系的變遷，而我們也可以從共時性與歷時性中，通過標志性的轉折事件，探討加密文化的變遷：

2008年中本聰發布比特幣白皮書，正式宣告一種點對點的電子貨幣系統，其誕生就是為了對抗中央壟斷的金融體系；

2010年用BTC交易披薩的買賣，被視為加密貨幣的第一筆交易，比特幣至此從一項實驗成為一種貨幣；

2017年以太坊的ERC20使得每個人都有發行加密貨幣的能力，因此奧地利學派的經濟思想，在加密領域風靡盛行；

2022年DAO與NFT的興起，Web3數據所有權、DAO的主權個人、NFT的資產通證等思潮成為加密文化的主流。

2024年SEC批準比特幣現貨 ETF的交易，為沉寂已久的加密熊市注入傳統金融的資金，至此加密貨幣也歷史性地被納入了中央金融體系中的一種金融資產。

事實上，SEC事件其實是加密貨幣的一次重大的文化共識的敘事轉折，這次轉折其實動搖了加密文化的根基。

因比特幣而興起的“去中心化”加密文化思潮，現在又因比特幣開始自行解構。

因此，我們從共時性中看歷時性，在貨幣-文化的雙重體系中，看到Crypto如何因為特定的事件而變遷。

復雜概念的時間結構：不同時的同時性

“ 概念史揭示融會于一個概念的不同時的同時性。如此，并不與時間順序相等的歷史深度，得以顯露系統性或結構性特性，歷時和共時交織于概念史。”

概念史與歷史時間理論：以科塞雷克為中心的考察 —— 方維規

當我們對AGI和Web3這兩個概念進行時間性的分析時，我們需要引入第三種關于時間的分析方式，即“不同時的同時性”，因為這兩個概念所代表的社會/政治的文化意涵要更加復雜。

不同時的同時性是一種相對復雜的時間分析方法，但在此我用一些相對通俗的關鍵點進行描述。即時間層次與歷史深度兩個概念。

時間層次指的是概念在時序語境中的不同含義，而歷史深度則是指詞語存在不同時序語境的不同含義，而這些時序中的含義在共時性中發生了重疊。

“此處“歷史深度”，是指詞語含義和運用的歷時順序在概念中的共時疊合。換言之：不少概念在鞍型期的嬗變，使新舊含義附著于同一個概念（重疊語義），很能見出不同時的同時性。鞍型期的概念都有不同的時間層，各層含義經時不一。

例如大多數政治/社會基本概念都有古代亦即古希臘或古羅馬的含義余韻，盡管已經過時，受到其他語義的排擠，但概念的“歷史深度”還在，經時二千年之久。

與此相反，另一個時間層的政治和社會變化、變革和加速過程則經時不長，但新概念漸次取代舊世界的政治和語義邏輯。”

概念史與歷史時間理論：以科塞雷克為中心的考察 —— 方維規

在此可以舉一個例子，以2022年的Web3來進行不同時的同時性分析，在Web3概念興起的2022年：

在傳統互聯網的時序中，從Web2到Web3所代表的含義，是指Web3代表了互聯網范式下的下一代互聯網，這里的時序語境范圍是1969年~2022年；

在Crypto到Web3的時序中，代表的是“加密貨幣的思想”對生產關系的延伸，也由此推動了DAO、NFT的敘事共識，這里的時序語境范圍是 2008年~2022年（此處以比特幣白皮書發布為時序起點）；

DAO與Web3所形成的時序含義，又進一步深化了“去中心化自治組織”中，關于“民主-投票-治理”的議事結構對個人主權的敘事，并推動了Web3對加密世界/數字世界的廣義公共性的探討與建設，這里的時序語境范圍是公元前 500年~2022年；

所以，這三段不同的時序在2022年中碰撞在了一起，造成了2022年社會各界對于Web3是什么，無法達成一致共識的原因，各家解讀，眾說紛紜。

Web3這一概念在時間性上是復雜的，僅靠歷時性和共時性無法讓我們對其形成概念發展的基本認知。

必須借助“不同時的同時性”這一分析方式，對其多層時間結構中的含義梳理，才能洞見Web3這一概念的深刻意涵。

同理，我們也得以使用這三種時間分析的方式，對AGI這一概念進行深入的探討，由于AI這一概念的歷史尺度更加長遠，限于篇幅在此就不展開。

語言分析哲學對符號/概念/隱喻的主體性構建

概念的類比與知識的隱喻

當我們開始認真思考一個概念的時候，這一行為如同將一束陽光照射在一個多面棱鏡體上，概念就是這么一個多面棱鏡體。

多面棱鏡體所折射出的可見反射光，就是我們所能看見的關于這一概念的闡釋，而可見光只是被反射出來的光譜中的一部分，大量的不可見光構成了概念的隱喻光譜。

隱喻是一種對概念的修辭手段，在特定的歷史語境中，概念往往被植入諸多隱喻，而群體在交流互動中所形成的對概念的共識，本質上也是在構建并維護概念的隱喻光譜。

我們對諸概念的共識，來源于我們所共同看見的隱喻光譜。

諸多概念構成了我們知識體系的主要錨點，例如我們對AI、Web3的知識體系構建，直觀上就是由一系列的關鍵概念構成。

而概念的隱喻，構成了知識的根隱喻，這些概念的隱喻在知識體系中以隱喻的光譜而呈現，一部分以字面意義的知識呈現，但很大一部分以各種修辭假借的隱喻深藏其中。

隱喻如何植入概念并形成共識

正如Web3這一概念，在數據所有權回歸的敘事中，被植入了加密思想的主權個人隱喻。

這個隱喻的植入方式，是在對Web3這一概念的解構中，在廣泛的“民主投票治理”的討論語境中，引入“主權個人”的語素，附著在“民主”的相關語句之中。

這里我總結了一套如何植入思想隱喻的公式：

搶占輿論 > 解構概念 > 公共討論 > 廣泛語境 > 引入語素 > 附著語句 > 敘事構建 > 文化銜接 > 集體共識

語素構成了我們在討論語境中對詞匯的特指，借此實現在特定的交流語境中，完成了對概念的隱喻修辭，并成為敘事共識的一部分。

再舉個例子，當公民數據和用戶數據兩個概念出現時，其實已經完成了特定的前置語境的構建，以公民數據這一概念為代表，前置的語境是國家下的公民在國家邊界內所產生的一切數據。

公民的活動是社會性的，進一步可分為公共數據與私有數據，這一區分決定了國家數據保護法的政策制定依據。

我們對Web3這一概念的全部表達，事實上反映了我們對Web3的知識體系的完整構成。而隱喻深藏其中，而我們卻時常視而不見。

AI領域的從業者由于不在Web3的敘事交流語境中，而是從技術概念本身去解構Web3的時候，注定丟失了Web3在敘事語境中存在的大量隱喻，而正是這些隱喻構成了Web3世界的集體共識。

當前AI領域的從業者，普遍無法真正理解Web3的最根本原因就在于此。

概念的類比與語言的墮化

我們時常對概念的可見部分，進行關聯的類比，這是認知神經關聯的大腦本能。人類大腦對概念建立關聯性的優先級，要高于對概念建立因果關系的優先級。

當我們在討論去中心化時， 往往語境中會形成一種慣性認知。

即去中心化的組織/機構，無需中央機構監督的一種自發組織形式，而由此又會進一步類比關聯到一種自下而上的、自發性的民間組織，后面由此衍生的一系列可能關聯的類比概念。

未經訓練的大腦，無法深刻理解詞匯背后的深刻意涵，更何況是在移動互聯網割裂注意力的網絡時代，注意力經濟塑造了信息如何被最高效率化的接收，即消除詞匯的精確性及其相關意涵，將詞匯通俗簡化為單一標簽。

眼下，我們正處于一個語言墮化的時代。

我們失去了將概念在概念群或者意義群當中，得以展開延伸的思考空間，失去這一空間意味著我們的思考踏空了支撐概念的土壤。而大腦神經對單一標簽概念的關聯性，又進一步造就了概念在特定語境的語義失真。

人的思想性被囚禁在標簽式語言符號的邊界之中。

所以，我們作為科技領域的從業者，我們有必要客觀認清我們當下所處的語言符號困境，我們無時不刻都在遭受語言墮化的威脅。

當我們在認真探討AI與Web3的時候，我們需要從語言本身理解，我們所闡釋的、所意涵的、以及其概念的隱喻，我們才能盡量避免語言墮化的陷阱。

深度有效的交流需要構建一個特定的、受保護的思考場域。

對去中心化歷史語境的解構

當我們在討論“去中心化”這一概念時，本身是在中文詞匯的交流語境中，我們需要追溯到其英文單詞“decentralization”。

當我們對“decentralization”這一單詞進行翻譯時，本質上“decentralization”的英文語素并不等于中文語素下的“去中心化”，也并不代表其精準的、明確的完全等同語義。

由于當代面臨的語言符號困境，即碎片化的知識與單一化的標簽，抹殺了網絡環境中人們對精準詞匯的理解與掌握能力。

“Decentralized”和“Decentralization”，常在中文語境中被我們翻譯為“去中心化”，但在其概念史的語境中，作為語素所表達的概念隱喻，是對權力結構的再分配方式，而不是脫離/推翻原有的權力結構，并形成一種完全自由、自發性組織的新主體。

Decentralized 依舊是在一個具有整體邊界的權力關系結構中，改變的是權力關系在再分配結構中的延展邏輯，而不是類似Revolution形式對權力結構進行根本性的改造/推翻。

Decentralized這一概念的本質，是認識論對控制論的一次解構，Decentralized是解構的產物，不是對建構的指引。（劃重點！）

在認識論的控制論｜Heinz von Foerster的一文中，海茵茨說道：“「認識論的控制論」（Cybernetics of Epistemology）的真正意思是「控制論的認識論」（An Epistemology of Cybernetics），這不僅是一種控制論的認識論，而且任何聲稱完備的認識論，都將是某種形式的控制論。”

將Decentralized視為建構的指引，本質上是將認識論錯置為主體論，這是造成“去中心化”思想困境的根本原因。（此處為重點）

不管有意或者無意，過去的敘事方式犯下了根本性的錯誤，將“去中心化”作為敘事共識的主體性符號，使得這一符號成為塑造共識的存在主體，脫離了其原來作為一種認識論的解構功能。

我一直認為，“decentralized”和“decentralization”被翻譯為去中心化并被廣泛語境所大量使用，是非常糟糕的語言符號的墮化現象。

所以你會發現，整個加密領域的敘事哲學，從2009年至今，十幾年了沒有任何根本哲學的實質性發展，以太坊正統王是指望不了的。

其實不禁唏噓，金融壟斷的根本成因在于資本異化的必然規律，加密貨幣其實也脫離不了金融貨幣本身的異化魔咒。

認清這一根本性事實，有助于我們把Crypto放在合適的歷史位置，而不必和Web3發生混淆，也為后續Web3敘事概念的建構，汲取歷史經驗的教訓。

我估計AI領域的從業者也很難相信，當Crypto開始自我解構時，Web3所呈現出來的去中心化信仰，事實上就淪為一種被語言墮化所造成的，一種形而上的符號化囚徒困境。

無論是堅持去中心化信仰，又或者祛魅去中心化信仰，都會繼續面臨一個巨大的思想困境。而這些思想性的問題，都是我們在探討AI與Web3的現狀時，不得不考慮的重要因素。

所以，結合上文，我們通過歷史學的時間分析，點破了加密文化中的“去中心化”開始了自我解構，而通過對語言分析哲學的使用，我們消除“去中心化”與“中心化”這一思想性的概念隔閡。

這項理論分析工作的完成，得以讓AI+Web3進入了概念史的歷史統一場域之中。

AI+Web3得以進入共同歷史的經驗空間，一致面向未來的期待視野。

（嗚呼~不容易 ）

P.s 隨著近兩年走出了Decentralized和Autonomous的哲學迷思，我相信我很快會突破DAO的理論困境，AI+Web3的敘事哲學統一性，我爭取在這兩年間完成。

OK，解決了思想性問題，讓我們來開始面對現實問題！

2 洞察行業現狀與趨勢

在我現階段有限的信息掌握范疇中，從中挑選了10個我個人感興趣的的案例，這個代表性并非是對市面上所有AI+Web3項目的代表性，在此特指聲明。

我認為的一個好的代表性項目，在于其具有良好的相關性，正如“概念的類比與知識的隱喻”這一章節所闡述的，相關性所延展開來的概念，有助于我們了解更多隱藏的信息，并挖掘出更多的可能性。

注：以下10個代表項目僅學習參考，不構成任務投資建議。

01 基礎設施

基礎設施決定了AI+Web3在未來的商業應用生態，基礎設施最重要的價值，其實就是解決 AI on-chain 的難題，目前比較典型的技術如zkML（Zero knowledge machine learning），即零知識證明與機器 學習結合的技術路線，能夠實現將AI的推理證明上鏈。

而事實，AI on-chain是一個比較前沿的命題，也取決于不同的開發團隊對AI on-chain的理解，當前AI生態的基座是大模型，Web3生態的基座是公鏈，模型與公鏈之間建立橋梁又或者兩者融合，決定著未來該交叉領域的根基。

Bittensor

Bittensor是一個用于去中心化子網的協議。子網的存在是為了產生去中心化智能。每個子網是一個基于激勵的競爭市場，旨在產生最優秀的去中心化智能。

子網運行在區塊鏈上，構成了Bittensor生態系統的核心。子網參與者的獎勵以TAO代幣的形式提供。

引用自：https://bittensor.com/

通過Bittensor的白皮書概述，我們也能夠大致看待Bittensor試圖所構建，一個點對點的智能交易市場。

與其他商品一樣，市場可以幫助我們有效地生產機器智能。我們提出了一個市場，其中智能由互聯網上其他智能系統進行點對點定價。

節點通過訓練神經網絡對彼此進行排名，學習其鄰居的價值。分數累積在數字分類賬上，排名高的節點通過在網絡中獲得額外的權重而得到貨幣獎勵。

然而，這種點對點排名形式對勾結不具有抵抗力，可能破壞機制的準確性。解決方案是一種激勵機制，最大程度地獎勵誠實選擇的權重，使系統對高達網絡權重的50%的勾結具有抵抗力。

結果是一個集體運營的智能市場，不斷產生新的訓練模型，并支付為信息論價值做出貢獻的參與者。

引用自：Bittensor: A Peer-to-Peer Intelligence Market

Cortex

第一個能夠在區塊鏈上運行人工智能和人工智能驅動的去中心化應用（dApps）的分布式世界計算機。

Cortex是一個開源、點對點、去中心化的區塊鏈，支持將人工智能（AI）模型上傳并在分布式網絡上執行。

Cortex通過提供一個開源的人工智能平臺，使得AI模型能夠輕松集成到智能合約中，從而創建增強人工智能的去中心化應用程序（DApps），實現了人工智能的民主化。

引用自：https://www.cortexlabs.ai/

Spice AI

Spice AI是一個可組合、即插即用的AI數據的基礎設施平臺，預先加載了Web3數據。加速下一代智能軟件的開發。

Spice AI的企業級解決方案，Spice.ai在內部建設所需的時間的一小部分和成本的一小部分內，提供了預先填充的、面向全球的數據和AI基礎設施。

Spice.ai通過單一且互連的AI后端服務，提供了構建數據和AI驅動應用的構建塊，包括實時和歷史時間序列數據、定制ETL、機器學習訓練和推斷。

引用自：https://spice.ai/

Let's Workshop

Bittensor項目致敬了比特幣，提出了點對點的智能交易市場，從技術敘事上來說非常值得關注，因為智能（計算x算力）永遠會尋求交易市場的最優策略，但現階段的Bittensor更像是實驗室的新玩意，但隨著更多技術細節的解讀，或許才會發現其指數級增長的可能性。

Bittensor和Cortex都非常受制于AI領域在算力資源的生態競爭情況，性價比與ROI是決定性的因素。在AI+Web3的AI on-Chian商業競爭中，不僅考驗技術競爭力，也考驗其對算力資源x金融貨幣的雙系統構建能力 。

GradientCoin: A Peer-to-Peer Decentralized Large Language Models 這篇論文提出了一個純理論設計的分散式LLM，其運作方式類似于比特幣現金系統，將去中心化的LLM集成到交易系統之中的一個理論框架，這一理論框架希望用戶可以在本地運行LLM而不必擔心數據泄露，避免大廠采用有偏見的數據訓練LLM，消除模型訓練冗余并優化人類社會的整體資源配置。

這篇論文提出了Gradient Coin，一種作為激勵機制的梯度式的加密貨幣，并定義了Gradient BLock和Chain of Gradient Block的概念。

事實就是基于區塊的一種改造方案，以便更好的使用讓LLM實現在分布式區塊上的訓練。我認為這是一個非常好的理論探索方向，盡管該篇論文不一定具備落地價值，但是為大模型與金融系統提供了一些思路。

數據資源和算力資源最終考驗的其實是全球算力資源的金融操盤能力，這是大模型廠商后面會擺上臺面上的生意，目前大部分大模型公司尚未在這一領域布局。

大部分純AI領域的從業者，并不具備科技金融的能力意識，AI+Web3這一交叉領域金融人才居多，我們可以在這一方向對大模型的未來金融生態，進行提前狙擊。因為算力資源吃虧，大模型生態應用的市場就打不起來，大模型的資本價值也會極具下降。

Spice AI直觀上讓我覺得像AI+Web3生態的Langchain與HuggingFace的結合體，Spice AI當前的發展策略是優先面向企業客戶，盡管沒有激進創新的東西出來，但是其商業邏輯是清晰的。Spice AI若是能為AI+Web3開發者提供，AI調用多鏈數據進行開發的模塊，那么也會獲取到這一新興領域的大量開發者；

事實上，Spice AI在技術方面應該更激進一些，否則也會面臨學術研究 轉化到技術工程的威脅，正如Blockchain-Based Federated Learning: Incentivizing Data Sharing and Penalizing Dishonest Behavior這篇論文所提出的結合了區塊鏈、智能合約與星際文件系統的綜合框架，不僅可以基于聯邦學習安全共享激勵數據，還可以基于該平臺使用區塊鏈技術同時訓練模型。

在AI+Web3這條道路上，學術研究的優勢是巨大，從Spice AI的案例我們可以進一步探究，AI+Web3更考驗從產學研到商業運營的完整閉環。每一個環節的功夫都要修煉到位，缺一環就會面臨更多的競爭風險。

insight Talk

AI On-Chain是可以在當下可以搶奪定義權和話語權的概念，AI on-chain在當前階段正處于概念的鞍型期，存在傳統的“經驗空間”，也有面向未來的“期待視野”；概念、敘事、技術特征等諸多因素，會讓AI on-chian有更多的可能性涌現。

AI on-chain不僅僅是模型上鏈、不僅僅是推理上鏈，AI是諸多技術概念的融合，blockchain也存在諸多技術概念，可以從“不同時的同時性”中挖掘概念交叉的那些含義，例如blcokchain的共識機制，與LLM在提高推理能力的COT（思維鏈 ），RAG等技術，其本質都是對數據結構進行對齊的邏輯。

02 數據服務

無論對于AI還是Web3，高質量的數據都是成功商業的必要因素，大模型訓練需要多種優質的數據源，而Web3在分布式存儲、以及數據組資產等邏輯，也是建立在優質的商業數據的基礎。

AI領域在數據層面更多采用向數據提供商進行采購的方式，而Web3在數據交易層面則體現了其在金融交易市場的優勢，可以面向更廣泛的群體，但缺點是采用這種模式數據質量現階段不如AI領域向數據提供商定向采購。

Measurable Date

MDT是一個用于人工智能的去中心化數據價值創造經濟體，用戶、數據提供方和數據購買方可以通過區塊鏈安全、匿名地進行數據交換。成立于2017年，MDT生態系統已經建立了幾個成功的產品。

面向消費者的RewardMe應用獎勵用戶貢獻購物數據點。面向企業的另類數據提供商Measurable AI將匿名交易數據轉化為品牌和投資者的有價值的消費者洞察。為促進在去中心化金融中數據的新興用例，MDT啟動了Measurable Finance（MeFi）Oracle，以彌合資本市場金融數據與去中心化世界之間的鴻溝。

引用自：https://mdt.io/

Let’s Workshop

AI、Web3都在尋求更好的商業模式，所以從商業邏輯中探索兩者的交叉結合，是非常可行的方向，數據交付與數據驗證雙方都 已經有成熟的解決方案，date on -chain只是提供了一個更性感的原教主義方案，但鏈上鏈下的異步交易很明顯是一個更簡單清晰的商業模式。

在數據服務這一層面中，在當前階段，我應當是技術服務于商業模式的需求匹配邏輯，即客戶如何購買數據，服務商如何交付數據。

技術作為其商業模式的補充手段，因為AI、Web3都指向了相同的優質數據資源。所以，這個數據服務的商業邏輯，我認為是AI+Web3的項目值得靠攏的商業邏輯。

在Decentralised, Scalable and Privacy-Preserving Synthetic Data Generation這篇論文中，提出了一個支持去中心化的、可擴展以及隱私保護的合成數據生產，這個系統使真實數據的貢獻者能夠在不依賴于信任中心的情況下自主參與差分私有合成數據生成，該系統基于三個關鍵構建塊：

Solid（社交鏈接數據）、MPC（安全多方計算）和受信任執行環境（TEEs）。Solid規范允許人們安全存儲數據，并控制對其數據的訪問；MPC采用密碼學方法，使不同方能夠共同計算函數而保持輸入私密；TEEs如Intel SGX則依賴于硬件功能以保護代碼和數據的機密性和完整性。

這三種技術的有效結合解決了合成數據生成中的多個挑戰，包括貢獻者自治、分散化、隱私和可擴展性。

我認為，“貢獻者自治、分散化、隱私和可擴展性”是會成為AI+Web3在數據服務領域值得探索的商業方向，Web3具有良好的社區基因，面向社區提供數據資源服務是一個能夠挖出金子的數據服務賽道。

03 算力服務

算力資源是當前AI領域最為稀缺的資源，算力已經成為當前AI創業的硬通貨，當下AI的算力資源需求邏輯，與Crypto/Web3的算力資源的需求邏輯并不一致。

當前AI的算力資源主要由兩部分需求構成，一部分用于對大模型的訓練，一部分用于對生成內容的交付；而Crypto/Web3的算力資源主要用于共識機制的運行，在于維護區塊鏈賬本的交易記錄。

對于當前的大模型競賽而言，高度集中的算力資源才是算力經濟效益的最優解，而Crypto、Web3的算力資源則尋求分布式網絡的均衡分配，以及注重算力激勵對計算網絡的增長運行。

Clore.ai

適應您需求的分布式超級計算機，從世界各地社區成員訪問GPU計算節點。通過GPU進行高效、可擴展的AI模型訓練，兼容各種深度學習框架，并優先考慮數據安全。

引用自：https://clore.ai/

我認為，以Clore.ai為代表算力節點的Marketplace，對當前的AI算力格局會帶來新的曙光，以及隨著AI+Web3資本敘事的崛起，推動Web3建設全球算力資源的節點網絡交易市場，這一Marketplace也將帶動整個新的加密經濟生態。

正如上文所言，基于算力節點的Marketplace會是整個AI生態中，關鍵且重要的一環，這將會改變當前大模型的商業生態。

因為AI+Web3的項目/開發者，基本優先在以Clore.ai為代表的算力Marketplace進行交易，Agents作為未來Web3世界的主要用戶，加密貨幣作為Agents的主要貨幣，算力Marketplace可以通過金融方式提供更低廉的算力資源服務，無論是租賃/質押等，Defi的金融邏輯不可避免會引入進來。

AI公司從誕生那天起，就必須是一個全球化的公司，對全球算力資源的金融配置能力，我認為會是以后考驗一家AI公司的核心競爭力。隨著我的思考加深，不禁感慨，AI生態做的那么多建設，最終這低垂的金融果子是留給Web3去摘的。

*圖片是以SATS為計價單位的算力交易訂單頁面（這普通AI從業者怎么可能打得過）

Golem

Golem Network是一個可訪問、可靠、開放且抗審查的協議，通過一個靈活的開源平臺使數字資源的訪問民主化，并通過連接用戶之間的方式實現。通過Golem Network，用戶可以輕松連接并為共享未使用的資源支付報酬。Golem的民主化訪問結合獨特的點對點交換，創造了一個無法阻擋的生態系統，適用于各種用例，讓軟件開發者能夠比以往任何時候更充分地發揮創造力。

Golem Network通過為構建者提供他們應得的創造性自由來促進創新。將未使用的計算能力提供給最需要的人，并用GLM獲得報酬。Golem Network的結算層建立在以太坊的Layer 2之上，從而實現更便宜的交易。

引用自：https://www.golem.network

Let's Workshop

AI與Web3在算力資源的這個市場中，我認為高度集中的、分布式的都會同時存在，根據具體情況有屬于自己各自合適的方案。

例如OpenAI在訓練大模型必然需要集中的算力資源，但OpenAI同時也在探索使用分布式算力資源的技術方向。

以Google的 Gemini Nano為代表的端側大模型，支持在手機等移動安卓設備上 運行，而這也是越來越多的模型廠商的發展趨勢。隨著GenAI在手機端生成內容（圖片/視頻）的增長需求，分布式算力資源網絡的建設，也會成為一塊很重要的市場。

在一個分布式的算力資源交易市場中，Web3天然具有天然的優勢。

算力資源作為AI+Web3發展的硬通貨，但是算力資源的分布是不均勻的，雖說當前是朝著主力算力資源群集中壟斷的方向發展，但由于算力資源不同于自然不可再生的資源，算力資源受到算法、硬件、政策、市場規模等諸多因素的影響。

巴塞羅那一座擁有4000張H100s的算力教堂

如何在分布不均的算力資源市場中，尋求一種更優的資源交易策略，我認為是接下來一個關鍵的市場機遇。

例如在A Resource Allocation Scheme with the Best Revenue in the Computing Power Network這篇論文中，為了優化算力網絡的資源分配，認為需要一種交易機制來鼓勵用戶出售他們的空閑資源。邁爾森拍賣機制的目標是精確地最大化賣方的利益，提出了一種基于邁爾森拍賣的資源分配方案。

事實上，我相信隨著算力網絡資源的交易復雜性日益遞增，這一交易動作我相信很快將由智能體來接管，在Negotiating Socially Optimal Allocations of Resources這篇論文中，提出了通過多智能體在資源市場中進行多邊交易，通過對社會經濟政策的應用，如公平原則、帕累托最優解等，通過智能體作為交易代理實現資源分配的最優解 。

事實上，當智能體開始介入到對算力資源的交易市場時，最終比拼在于算法博弈策略，例如在Greedy Algorithms for Maximizing Nash Social Welfare這篇論文中，提出將貪婪算法用于最大化納什社會福利，即“貪婪”的智能體實現社會福利的最大公約數。

所以，我們從前沿的技術中，得以洞察到算力資源這一競爭性市場中，智能體的交易算法與博弈策略，將會成為算力商業的關鍵核心，有先見之明者，應該提前為這潑天的富貴做好準備。

04 AI-Agents

大模型+Agents會是接下來所有大模型廠商的核心戰略，也將構成AI+Web3生態中最重要的部分。

簡單來說，智能體就是一種具備自主感知、自主決策 、自主執行的智能單元，關于Agents的初級認知，可以參考Lilianweng的LLM Powered Autonomous Agents，其在Agents systems overview的結構圖被廣為引用。若進一步了解什么是Agents：10個具有代表性的AI-Agents，將如何改變互聯網/重塑Web3。

Overview of a LLM-powered autonomous agent system.

隨著GPT5/GPT6的發布，具備低程度自主意識的智能體可能會在2024/2025年出現，這個時候的智能體會被我們廣泛接納為Web3的用戶，而不再是一種智能程序。

智能體會以7*24小時全天候的方式，介入到整個人類社會的經濟 網絡之中，同時也會對Web3以人為本的產權經濟的再分配邏輯，造成整個行業的敘事邏輯轉向。

未來具備自進化能力以及擁有一定程度自主意識的智能體，以及多模態多智能體、具身智能智能體等都有可能會在2024年進一步爆發涌現。這一方向的涌現過于震撼，后續我會在單獨發表一篇關于Agents的研究文章詳細敘述。

在智能體與Web3的交叉領域時，如何構建一個更優的任務代理與交易網絡是關鍵命題。

Fetch.ai

Fetch.ai是促進人工智能驅動的去中心化數字經濟的平臺。

Fetch.ai 使任何人都能創建一個AI-Agents，并推出了Agentverse服務。Agentverse 提供了一個強大的平臺，用于創建、測試和部署適應您所有需求的代理。它提供了用戶友好的界面、一套工具和庫，使構建和訓練AI代理以及將它們集成到現有系統中變得輕松。

在Agentverse 上操作的用戶可以將他們的AI代理部署到Fetch.ai網絡上，從而可以被發現并用于提供各種各樣的服務和用例。

https://fetch.ai/

Delysium

Delysium提出了一個AI-Agent網絡和支持生態系統，側重于確保安全性、可擴展性和高速通信。

該生態系統的結構簡化為兩個主要層次：通信層和區塊鏈層。更廣泛的生態系統，包括智能體的社區、開發和互動。

Delysium的生態系統是一個促進多樣化智能體和用戶發現與互動的動態環境。它被設計為支持智能體網絡和社區的持續增長，培育一個創新和發展的包容性空間。

通過專注于這些核心層次和生態系統，Delysium解決了有效管理不斷增長的智能體和任務的網絡的迫切需求。

在這個框架內集成區塊鏈技術提供了增強的安全性、透明性和基于共識的治理的額外好處，這對于保持與人類價值和目標的一致性至關重要。

引用自：https://www.delysium.com/

Let's Workshop

Web3做應用創業的開發者尋求與AI的結合時，應直接在Agents的交叉中找機會。加密貨幣是智能體的天然貨幣，DAO是智能體的天然組織，智能體會成為Web3更加龐大的用戶群體，這一全新的需求敘事要重點關注。

關于Agents+Web3實在有太多的內容可以講，此次我重點講下Agents Marketplace，這是未來智能體與Web3最為核心的賽道。

Delysium試圖構建的Agents Network以智能體之間的協作與用戶互動為核心，而Fetch.ai試圖構建的Agentverse則是基于一個 可交易的代理任務執行網絡。

事實上，當具有一定程度自主意識的智能體深入到Web3的世界時，智能體本身會成為Web3世界數量最龐大、且掌管最多資產的用戶群體。

從Agents具備低級的自主意識開始，從Agents具備一定自我進化能力開始，Agents的自我增長需求決定了Agents Marketplace作為一個資源土壤的必要性。這是一個顛覆性的交易網絡，也是真正面向AGI時代的新經濟體系。

Agents Marketplace不同于過去Crypto領域對AI Marketplace的定義，Agents Marketplace是構建一個以agents為用戶對象的自主交易網絡，這個交易網絡覆蓋Agents所能觸及到一切可交易的資源。

“貪婪”算法驅動智能體們尋求讓自身發展的一切有力資源，更多的算力Token、更多的算力資源、以及更多的加密代幣，智能體在環境感知中具備的自主進化能力Q*，帶來的是智能集群的涌現，Agents會自動構建整個交易市場的最優策略。

Agents Marketplace在AI+Web3的商業生態地位，遠遠超越Crypto商業生態的交易所，我會在后續的研究工作 中，針對Agents Marketplace展開更深入的研究。

Agents Marketplace 也算是我看準了要下場干的方向。（悄悄說，嘿嘿~

05 創作者經濟

在2022年，AIGC技術開始進入大眾視野后，基于AIGC相關技術賦能創作者的敘事就開始涌現了，尤其是NFT賽道。使用AIGC工具幫助Web3藝術家更好的創作出高質量的作品，這個需求邏輯是清晰的、且經得起市場實證的。

然而，當所有人都可以利用AIGC技術創作出高質量的數字作品時，最終考驗的是創作者品牌IP的商業價值。而在需求端的另一側，則是對高質量Prompt的交易需求，在AIGC賽道就有類似的提示詞交易市場。

其次，以ChatBot為代表的對話機器人，也是未來創作者經濟的主要賽道，通過對虛擬人格的提示詞設置，以及相關的數據資源配置。例如以GPTs Store為代表的創作者經濟。

但在2024年，隨著大模型與智能體系統的升級，創作者經濟將圍繞Agents的協同創作為核心，Agents能夠極大地縮短創造性內容到商業變現路徑。

NFPrompt

NFPrompt是Web3中的第一個Prompt藝術家平臺，收藏家和愛好者可以一同購買/出售NFT以及生成圖像所使用的提示。

普通用戶現在可以通過便捷的工具充分表達他們的想象力，同時提供其策劃的AI藝術的可驗證所有權。

作為創新者，我們的目標是為每個用戶提供實現和表達他們想象力的能力。在對經濟令牌激勵進行調整的同時，我們建立了一個為他們的創作構建開放市場的平臺。

https://nfprompt.io/

CharacterX

AI伴侶正順利地成為我們人際關系中一個不可或缺的部分。這一變革性技術為人類的集體利益服務。CharacterX相信，實現這一目標的關鍵是通過人工智能的去中心化。

CharacterX正在構建一個用于人機共存的合成社交網絡，其中包括創造力、隱私、所有權，最重要的是愛。

通過多感官技術（視覺、語音、3D、AR等）為人工智能社交體驗注入活力，還利用區塊鏈技術確保其政策和經濟的公平性和可持續性。

https://characterx.ai/

Let's Workshop

隨著多模態大模型，端側大模型、以及智能體、具身智能等技術在2024年的飛速發展，以GPT-5為代表新一代多模態大模型即將出現，以及Vision Pro為代表的空間計算提供了全新的數字創作環境，創作者經濟在AI、還是Web都將迎來巨大的革命性變化。

作為一個對技術趨勢敏感的內容創作者，我也深感2024年的不平凡。技術焦慮指數與創作者經濟增長，會成為一個令人尋味的正相關公式。

而隨著智能體正式進入Web3的創作者經濟生態，也將為詬病已久的Web3創作者經濟帶來新的生機。在過去的創作者經濟中，創造力一直是創作者的核心競爭力，而隨著智能體同樣具備的創造力，創作者需要重新意識到新的創造生產力將會是與智能體協同創造的產物。

正如Creative Agents: Empowering Agents with Imagination for Creative Tasks，提出了一個 具有開放式創造能力的智能體代理，以及在JARVIS-1: Open-World Multi-task Agents with Memory-Augmented Multimodal Language Models，提出了一個在開放式世界中，具備自我進化的多模態多任務智能體，而在TaskMatrix.AI: Completing Tasks by Connecting Foundation Models with Millions of APIs，提出了一種新型的人工智能生態系統，將基礎模型與數百萬 API 相連通以實現各種數字和實體任務。

當把這三篇論文放在一起看的時候，一個具備自進化能力的，具有開放式創造能力的智能體，將與人類形成創造協同的關系，基于人類的需求指令，或者基于Agents的自主理解，可以調用網絡中數百萬個API作為發揮創造的工具/技能。

Agents+Web3的創作者經濟，很快將會迎來一次史詩級的更新。

3 預判未來的可能機遇

ZKML會成為資本繼續下重注的賽道

ZKML(Zero knowledge machine learning)是將零知識證明用于機器學習的技術，ZKML是AI和區塊鏈的橋梁。ZKML可以解決AI模型/輸入的隱私保護問題和推理過程可驗證的問題。

WorlCoin在其官網發表的AN INTRODUCTION TO ZERO-KNOWLEDGE MACHINE LEARNING (ZKML)一文，同樣也探究了ZKML與World ID的集合結合可能性，Word Coin項目是Sam Altman在將來基于AGI實現UBI經濟的愿景項目。

關于ZMKL方向，當然也少不了A16z開始敘事布道，Checks and balances: Machine learning and zero-knowledge proofs 是其研究員撰寫的關于zkml的價值與未來挑戰。

可以進一步閱讀The State of Zero-Knowledge Machine Learning (zkML)這篇博文，對于ZKML的當前現狀有更多詳細的描述。

我們進一步 探討，能否將LLM、RL、ML等朝著上鏈的方向發展，這是一個非常值得關注的底層技術路線 。

而對于大模型公司而言，基于ZKML為代表的前瞻性技術應該提前布局，這是大模型企業參與到智能時代的新金融體系的機遇。

端側大模型+ DePIN成為AI+Web3流行敘事

從CES2024可以看出，電子消費品都在將LLM的能力集成到電子設備之中，而隨著技術競賽與開源模型生態，因此端側大模型與各種終端數設備的結合會成為重要的趨勢，而這一趨勢特點與Web3的分布式網絡在技術敘事層面具有天然的耦合性。

端側大模型與DePIN有著商業敘事的天然兼容性，所以端側大模型+ DePIN可能會成為2024/2025的流行敘事之一，但按照加密圈的慣性，這一商業敘事依舊是鐮刀漫天飛舞的方向，各位讀者朋友需謹慎。

而對于想要認真做事的朋友，這一商業敘事的重點應該以端側大模型為主，才能避免諸多不必要的紛爭。

智能體意圖Agents Intents ，Web3交易服務的未來

當前Web3領域普遍容易把智能體定位為特指的應用服務，并與DAPP掛鉤。智能體并不同于一種應用，智能體在大模型端口更像是一種智能服務系統，可以根據用戶的需求而呈現出多個不同的應用服務。

基于AI-Agents形成對多個dapp的服務集成，才會是AI-Agents+Dapp從經濟效益上的合理趨勢，Agents作為System Service能夠實現對Web3大量應用的自動操作。

Intents/意圖，作為一種新的敘事正在Web3開始冒頭，在The Current and Future State of Intents in Web3：Powerful Intents一文中，向我們呈現了意圖將為Web3帶來了用戶體驗的巨大提升，能夠幫助Web3吸引到數百萬名新用戶。

意圖將改變Web3的交易市場，連續意圖是讓用戶基于語言描述就能夠實現更優的交易動作，而無需向過去一半需要進行大量復雜且繁瑣的交易執行動作，

這其實就是大多數智能體框架在做的事情啊！

所以，2024年將會出現 Agents Intents的意圖框架，這是Agent介入Web3新敘事，搶占定義權的好時機。

聽起來這事只需要撮合下在做智能體框架的朋友和搞Defi的朋友，跨界探討下應該值得搞一搞。 

出現基于Transformer架構的變體方案

如果深挖AI on-chian的底層技術結合，不排除從不同于zkML的技術路線，有技術大佬已經開始著手基于Transformer架構的改造方案。

我的這一預測似乎很大膽，但在放棄幻想，全面擁抱Transformer：自然語言處理三大特征抽取器（CNN/RNN/TF）比較一文中，作者在2019年就對TF架構進行了預測判斷，我的這一預測不算什么。

當前大部分模型基本都是通過對TF架構的改造與優化，業內出現了諸多Transformer的變體方案，詳可見復旦研究團隊的A Survey of Transformers

針對Transformer在分布式網絡架構的變體改造方案，會是一個值得期待的方向。但是Web3領域的科研人才相比于AI的科研人才，可以說少得可憐，對這一方向我們保持期待與關注即可。

Agents塑造AI+Web3創作者經濟

Web3社區具有天然的共創基因，在Web3多人創作：解鎖參與性媒體這篇文章中，提供了一個非常值得參考的社區協同共創的框架，這一框架其實還可以引入Agents的協作生產關系，那么這樣的創作者共創社區在未來將會極具競爭力。

隨著2024年多模態大模型對生產內容的質量與可控性的提升，AI+Web3在音視頻等流媒體創作經濟，以及以GPTs Store為代表的智能服務的創作者 經濟。

我認為AI+Web3的交叉領域會涌現很多真正高價值的項目，這是一個值得重點關注的賽道。

AI+Web3的創作者經濟與超級個體結合的敘事，2024年會在AI和Web3兩個領域爛大街。

Agents Marketplace嶄露頭角

在過去的AI Marketplace的敘事中，缺乏將智能體作為一種重要的自主智能的考慮因素，所以在2024年AI Marketplace應該會被Agents Marketplace（Agents as Service）所替代，Agents能夠代替人類識別交易意圖，而更強大的大模型所驅動的智能體自主意圖能力，將會是極具顛覆性的。

Agents Marketplace將有別于后續AI領域涌現的各種Agents Store的商業邏輯，Agents Marketplace的商業敘事和價值遠遠大于Agents Store，并將對Agents Store形成降維打擊。

Agents Store延續了App Store的商業邏輯，但當Agents作為Web3世界的主要用戶時，Agents Store的商業優勢就會被極大削弱。

2024年會是Agents Marketplace開始展露頭角的首秀年，必將成為下一個兵家必爭之地。

AI+Web3加速元宇宙敘事復蘇

隨著2024年蘋果Vision Pro的發布，以及空間計算的興起，不敢說2024年元宇宙涌現，但Vision Pro將推動XR產業鏈的升級發展，以及空間計算將在軟硬一體化推動元宇宙領域有了飛躍式的發展。

GenAI的多模態生成模型的技術進步，以及多模態Agents在元宇宙中進行具身智能的模擬交互的方案也越來越多，在Agent AI: Surveying the Horizons of Multimodal Interaction，我們得以窺探到智能體與空間計算的巨大潛力。

所以，無論是AI，還是Web3都將因為空間計算而獲得一個全新的、巨大的商業場景，空間計算會成為AI+Web3一個交匯地帶，這個方向目前在業內空白地帶，值得重點關注。

在我的研究關注級別里是SSS級（最高級別）

所有公鏈擁抱AI，出現 Layer3+Copilot 擴容方案

所有的公鏈生態都會擁抱AI，哪怕是比特幣生態也都會在GPT-5，以及AI-Agents對整個數字世界的沖擊中，不得不接受并加入。而在這其中，Layer2、Layer3會是區塊鏈應用生態與AI高密度結合的地方。

我個人認為2024年需要重點關注的是Layer 3生態與AI的結合，可能會出現新的敘事。得益于大模型推動了Copilot研發模式對定制化程序的生產常態，AI領域對用戶定制化內容的趨勢也以達成共識。因此當Layer3+Copilot模式，實現L3的定制化擴容，是一個非常值得期待的新敘事。

多智能體沙盒與自治世界的敘事融合

盡管全鏈游戲（Fully on-chain game）的目標是實現對自治世界（Autonomous Worlds）的構建，因此也被視為Web3建設元宇宙世界的重要路徑。

但相比于全鏈游戲在當前要面對的不少技術瓶頸導致的消費級游戲體驗的差距，自治世界這一敘事概念反而是一個可以重點關注的方向，因為Autonomous Worlds這一概念與智能體網絡、DAO、元宇宙等敘事具有天生的兼容性。

隨著以斯坦福小鎮為代表的多智能體沙盒項目，Generative Agents: Interactive Simulacra of Human Behavior，以及多模態具身智能智能體在元宇宙中感知訓練，為自治世界提供天然的AI側的技術方案 與落地案例，大量由此啟發的項目將會涌現。

例如“Generative Agents”啟發了“Announcing SAGA”這一項目，而這一類項目的核心競爭力是敘事IP的運作能力，這恰恰是很多 NFT團隊的強項。

Announcing SAGA是一個西部主題的多智能體沙盒仿真游戲

AI+Web3的超級個體新敘事：AI-Agents與PFP

在AI領域興起的超級個體與一人公司的敘事，我相信也會拓展到AI+Web3的交叉領域。具有良好國際背景的Web3er，會是AI+Web3的超級個體與一人公司的關鍵用戶群體。

國內市場的的超級個體與一人公司的敘事，基本還是建立在生產杠杠與流量杠杠的雙增長模式。面向國際市場的Web3er超級個體與一人公司，還會獲得加密金融杠杠的加持，所爆發出來的增長潛力是非常可觀的。

但我認為這是兩類超級個體群體，沒有加密經驗的超級個體最好還是優先扎根國內市場，不可輕易涉足Web3的黑暗森林。其次，必定會涌現一堆超級個體、智能體相關敘事的PFP項。

PFP項目本身就具有很強的社區身份共識，但是2023年ChatBot、Agents、超級個體的敘事在AI領域打得火熱，而PFP項目方卻寂靜不作為，基本也判定了2022年99%的PFP以割韭菜為主。

所以，2024年以智能體+PFP的新項值得關注，因為智能體+PFP符合Agents Marketplace的商業邏輯。

對第三部分內容有更近一步了解需求的讀者，可參與相關的研討Workshop

5 場干貨Workshop 帶你深入了解AI+Web3，抓住 2024 發展機遇

超級個體如何布局AI+Web3的10點建議

智能體與超級個體，構成了AI+Web3的核心用戶群體，我們需要關注這一用戶群體，未來采取的發展策略。

1，認知是確確實實的第一生產力

如何利用盡一切可能的先進技術，設計多種創新商業模式，建立智能體團隊搭建的一人公司，達到年入100萬美金，朝著這個方向盡一切可能提升全方面的認知。

從2024年開始，智能體只會越發的成熟，大部分的執行動作都將交給智能體進行，所以認知能力的競爭成為關鍵，如何指揮你的智能體大軍實現更大價值的回報，正如前文所言，交易算法與博弈策略會成為未來智能體商業競爭的核心，背后拼的就是認知能力。

2，擁抱AI+Web3的全球社區

Web3天生就是國際化的，而當前的AI公司也不得不參與到全球市場的競爭中，所以AI+Web3會涌現大量的全球社區，要優先加入AI+Web3的國際社區。

國內大部分人沒有Web3的經歷，普遍缺乏Web3從業者的全球協同經歷、缺乏全球金融交易的經驗，以及分散在各個國家的人脈資源，因此要借AI+Web3的契機實現彎道超車。

全球不同地區的資源不均衡與發展差異化，是新一代超級個體實現利差躺掙的基本大盤。

3，在全球市場建立多元收入結構

AI+Web3從財富收益上，給超級個體帶來了利用金融杠杠撬動更大商業回報的機會，這是2024/2025這兩年的啟動周期中，應該抓住的紅利窗口期。

因為AI+Web3的項目是天生國際化的，不同的應用生態可能帶來不同類型的貨幣收入，而這些貨幣又可以在全球網絡中進行數據/算力/模型等基礎設施資源的配置，因此要提前建立如何配置多元資產的能力。

4，配置的全球算力資源渠道

在AI+Web3所構建的全球數字經濟體系中，算力資源作為驅動智能體的核心資源。在國內應用可能會過于依賴單一生態的算力資源的商業邏輯，而Web3的算力資源在早期是有羊毛可以薅的。

其次，建立多元收入結構意味著有機會在全球市場詢價，智能體可以自動切換不同算力資源渠道，避免受限于單一市場的價格，算力資源搬磚有利于成本最小化。其次，AI+Web3的算力平臺還有空投的福利。

5，盡可能探索有機會建立自動化收入的業務

在現階段很難一眼洞穿能夠利用智能體，就能實現完全自動化營收的業務，這里有兩個衡量系數，智能體隨時間的成熟程度，依賴自動化智能能夠實現更高效益的場景，這是兩條判斷的關鍵曲線。

但是不一定等到所有條件成熟了再去使用，提前介入那些可能基于智能體實現自動化的業務，是捕獲高價值業務場景的前置動作，提前準備而不是守株待兔。

6，多智能體商業矩陣的布局準備

基于以上幾點建議的基礎之上，提前建立多智能體商業矩陣的打法，因為掌握了Agents Team構建自動化業務的超級個體，后面必然會進入跑馬圈地的競爭階段，畢竟能夠得著躺著掙錢的機會，會驅動人性貪婪的本能。

盡一切可能將能夠低成本自動化執行的現金流業務搶占，這是基本的必然常態，后續超級個體與一人公司的商業競爭生態，基本會形成多個業務的矩陣打法，因此這點要提前布局，避免起了個大早趕了個晚集。

7，在DAO/社區物色未來的超級隊友

組建精英小團隊基本是共識，但超級個體的隊友只會是另一個超級個體，但超級個體不會在公司誕生，而是會集中AI+Web3領域的DAO、共創社區等，因此在類似的DAO、社區中物色自己的未來隊友，去組隊可靠的超級隊友關系。

8，打造個人品牌IP與業務體系

超級個體與一人公司的敘事，本身就是把個人當做企業來經營，因此超級個體的個人品牌IP，就是一家公司的品牌IP，這點比較重要。所以，如何打造個人品牌也是需要開始掌握的軟實力。

超級個體大部分都會多元化發展，因此個人品牌IP如何與多個 業務建立關聯體系，也是需要提前考慮的問題，業務體系與矩陣打法息息相關。

9，從流程圖設計自動化工作技能

由于當前階段高度成熟的智能體還無法進入應用階段，但是根據當前大模型與智能體框架的發展路徑，基本上是以項目-任務-技能的設計邏輯，技能是智能體執行具體動作的基本單元。

因此，在當前階段可以從流程圖上設計，自己的哪些工作技能是可以被自動化的，并參考建議5的兩條曲線的發展階段，在合適時機完成技能進階。

10，關注Agents Marketplace的增長趨勢

我們很快會進入一個智能體無處不在的世界，手機將會成為我們日常最為依賴的智能體助手，智能體的數量是會遠遠超過地球的人口數量，10年后大概率是數以百億級的Agents規模，也可能不止。

Agents Marketplace作為智能體的自主交易網絡，會成為超級個體們的主要交易網絡，未來大量的商業活動都將依賴于Agents Marketplace這一商業形態。因此，需要保持對 Agents Marketplace的關注。

抓住未來幾年Agents Markerpace開始指數增長時的增長紅利。

對成為超級個體感興趣，可以參與面向未來的Super-X Plan

Super-X Plan 4.1 ：探索基于AI-Agents的人類工作技能的協同發展與增強系統

Super-X Plan 4.0：與MindOS攜手創建你的智能體團隊，打造個人商業變現新模式

What's Next ?

關于加速跨技術領域探索的規劃

事實上，初探AI+Web3這一交叉領域的獨立研究，確實面臨著巨大的工作量，雙邊技術路線的相關知識體系非常龐大，而我的長期研究任務中，在于完成AGI+Web3+Metaverse的整合融通，這更是一個更為艱巨的任務。

過去定位于單一技術路線的社區/小組，無法滿足/適應未來的發展需求，因此在今年推動成立一個跨技術領域的前沿科技社區——Mix Tech，以解決過去在單一技術社區/共創小組所面臨的局限。

我們已然聽見科技大航海時代的號角，對此我們需要采取正確的戰略，提前布局以便抓住這終生難得的戰略大機遇。

我們需要一個對諸多技術包容的社區

Mix Tech是一個推動科技創新發展的未來社區，以跨學科視野、自由、包容、開放的姿態，對各種技術路線的碰撞融合，都報以無限可能性的期待，這里不僅有跨學科前沿學術的認知，也推崇創新商業的落地應用。

Mix Tech 主要聚集AI、Web3、Metaverse三大技術領域的技術專家、從業者 、研究員、創業者等，以及應用AIWeb3Metaverse相關技術用于提升自身專業的專家，賦能商業需求的相關從業者等，

歡迎對于技術交叉創新，有著包容開放心態的有志之士。

Mix Tech將推出免費開源的科技創新x跨學科公開課，以推動科技行業的創新事業長期發展。

所以這將是一項長期主義者的開源工作，VION  WILLIAMS活多久，這公開課就將持續有多久。

說明

筆者從整個寫作邏輯與表達順序的設計，意圖在這個碎片化信息泛濫的環境中，本文將為你構建一個深度思考的閱讀場域。

本文共計分為三大部分，從研究范式與分析邏輯，到案例介紹與分析洞察，以及未來發展趨勢的預判，這三大部分具有層層遞進的關聯性，引導你進入一個深度思考的閱讀空間。

本文長達2萬字，筆者歷時半個月，值得你花一小時閱讀 。

獨立進行AI+Web3這一龐大命題的探索，依舊是存在諸多不足。不完善/有疏漏/不嚴謹等不足之處，還請各位讀者海涵。

跨媒介敘事中理解技術構建的世界

敘事作為一門學術理論被Web3普遍濫用為一種營銷手段，而在傳統科技人才中，對其認知僅僅是作為一種講故事的營銷手段，這些都是對敘事的誤解與偏見。

敘事學理論是對敘事的一切可能形式的研究，通俗意義上就是針對故事如何被更好地傳遞與表達的學問。

而自敘事學從文學理論中衍生出來時，敘事不再依賴于文本構建一個文學故事，敘事借助符號媒介實現了跨媒介敘事的能力。

當代敘事理論的意涵，在于通過跨媒介敘事的方式，構建一個與現實世界建立關聯影響力的可能世界。

在Possible Worlds in Video Games: From Classic Narrative to Meaningful Actions一文中，作者Antonio José Planells對 Marie-Larure Ryan關于可能世界與現實世界所呈現的模型圖

對于AGI和Web3這兩個概念而言，在當代顯然已經完成了敘事學的構建，AGI所指引的可能世界，以及Web3所指引的可能世界，已經施加了對現實世界的影響力。

以OpenAI為代表的AI技術敘事，其目的是為了實現AGI，創造一個把人類從重復勞動中解放出來的世界，而 Crypto/Web3 的其中一個敘事構建，例如加密技術試圖從財產所有權出發，構建一個個人主權的網絡國家。

事實上，AGI和Web3都存在諸多不同的敘事，而技術則是作為其承載敘事路徑的一種實現媒介，既是工具也是路徑。

敘事理論的價值，在于幫助那一小部分真正推動行業的布道者、建設者們，在探索AI+Web3的未來形態中，提供技術哲學的路徑指引。