CryptoxAI：2025年值得关注的10大领域

转载

8 天前

6599

Yuliya

文章转载来源： Yuliya

原文：Archetype

编译：Yuliya，PANews

在人工智能和区块链技术快速发展的今天，这两个领域的交汇正在催生出令人振奋的创新可能。本文深入剖析了2025年值得关注的十大重要领域，从智能代理的互动到去中心化计算，从数据市场的变革到隐私技术的突破。

1.代理间交互

区块链固有的透明性和可组合性特征，使其成为代理间交互的理想基础层。不同实体开发的、服务于不同目的的智能代理可以在区块链上无缝互动。目前已经出现了一些令人瞩目的实验性应用，例如代理之间进行资金转账、联合发行代币等场景。

未来代理间交互的发展潜力主要体现在两个方面：首先是开创全新的应用领域，比如由代理互动驱动的新型社交场景；其次是优化现有的企业级工作流程，包括平台认证和验证、小额支付、跨平台工作流集成等传统上较为繁琐的环节。

aethernet和clanker在Warpcast平台实现联合发币

2.去中心化智能代理组织

大规模多代理协调是另一个令人振奋的研究领域。这涉及多代理系统如何协同完成任务、解决问题以及治理系统和协议。Vitalik在2024年初发表的《加密货币与AI应用的前景与挑战》一文中，提到了在预测市场和仲裁领域运用AI代理的可能性。他认为，从宏观角度来看，多代理系统在"真相"发现和自主治理系统方面展现出了显著的潜力。

业界正在持续探索和实验多代理系统的能力边界以及"群体智能"的各种形式。作为代理间协调的延伸，代理与人类之间的协调也构成了一个有趣的设计空间，特别是在社区如何围绕代理展开互动，以及代理如何组织人类开展集体行动等方面。

研究人员特别关注那些目标函数涉及大规模人类协调的代理实验。这类应用需要配套相应的验证机制，尤其是当人类工作在链下完成时。这种人机协作可能会催生一些独特而有趣的涌现行为。

3.智能代理多媒体娱乐

数字人格概念已经存在数十年。

早在2007年，初音未来（Hatsune Miku）就能在2万人规模的场馆举办售罄演唱会；
2016年诞生的虚拟网红Lil Miquela在Instagram上拥有超过200万粉丝。
2022年推出的AI虚拟主播Neuro-sama在Twitch平台上已积累超过60万订阅者；
2023年成立的虚拟韩团PLAVE，在不到两年时间里在YouTube上获得了超过3亿的播放量。

随着AI基础设施的进步，以及区块链在支付、价值转移和开放数据平台方面的整合应用，这些智能代理将有望在2025年获得更高程度的自主性，并可能开创一个全新的主流娱乐品类。

从左上角顺时针方向：初音未来（Hatsune Miku）、Virtuals旗下的Luna、Lil Miquela和PLAVE

4.生成式/智能代理内容营销

与前文所述智能代理本身作为产品的情况不同，智能代理还可以作为产品的补充工具。在当今的注意力经济时代，持续输出引人入胜的内容对于任何创意、产品或公司的成功都至关重要。生成式/智能代理内容正成为团队确保24/7不间断内容生产的强大工具。

这一领域的发展被Meme币与智能代理之间的界限讨论所加速。即便尚未完全实现"智能化"，智能代理已经成为Meme币获得传播的有力手段。

游戏领域提供了另一个典型案例。现代游戏越来越需要保持动态性以维持用户参与度。传统上，培养用户生成内容（UGC）是创造游戏动态性的经典方法。而纯生成式内容（包括游戏内物品、NPC角色、完全生成的关卡等）可能代表着这一演进的下一个阶段。展望2025年，智能代理的能力将极大地拓展传统分发策略的边界。

5.下一代艺术工具与平台

2024年推出的"对话系列"（IN CONVERSATION WITH）采访了活跃在加密货币领域及其边缘的音乐、视觉艺术、设计和策展等领域的艺术家。这些访谈揭示了一个重要观察：对加密货币感兴趣的艺术家往往也关注更广泛的前沿技术，并倾向于将这些技术深度融入其艺术实践的美学或核心，例如AR/VR物件、基于代码的艺术和实时编程艺术。

生成艺术与区块链技术历来存在协同效应，这使其作为AI艺术基础设施的潜力更加明显。在传统展示平台上，要恰当展示这些新型艺术媒介极其困难。ArtBlocks平台展示了利用区块链技术进行数字艺术展示、存储、变现和保存的未来图景，显著改善了艺术家和观众的整体体验。

除了展示功能外，AI工具还扩展了普通大众创作艺术的能力。这种民主化趋势正在重塑艺术创作的格局。展望2025年，区块链技术将如何扩展或赋能这些工具，将是一个极具吸引力的发展方向。

摘自《对话：Maya Man》

6.数据市场

自Clive Humby提出"数据是新石油"的说法已经过去20年，各大公司一直在采取强有力的措施来囤积和变现用户数据。用户已经意识到，他们的数据是这些市值数十亿美元公司的基石，但他们对数据的使用方式几乎没有控制权，也无法分享数据创造的利润。随着强大AI模型的快速发展，这种矛盾变得更加突出。

数据市场面临的机遇有两个方面：一是解决用户数据被剥削的问题，二是解决数据供应短缺的问题，因为越来越大和更好的模型正在消耗公共互联网数据这个容易获取的"油田"，并需要新的数据来源。

数据权力回归用户

关于如何利用去中心化基础设施将数据权力归还给用户这个问题，这是一个需要在多个领域提供创新解决方案的广阔设计空间。一些最紧迫的问题包括：

数据存储位置和如何在存储、传输和计算过程中保护隐私；
如何客观地评估、筛选和衡量数据质量；
使用什么机制进行归因和变现（特别是在推理后将价值追溯到源头）；
以及在多样化的模型生态系统中使用什么样的编排或数据检索系统。

供应限制

在解决供应限制方面，关键不是简单地用代币复制Scale AI的模式，而是要理解在技术利好的情况下我们可以在哪些方面建立优势，以及如何构建具有竞争优势的解决方案，无论是在规模、质量，还是更好的激励（和筛选）机制方面，以创造更高价值的数据产品。特别是当大部分需求仍来自Web2 AI时，思考如何将智能合约执行机制与传统的服务水平协议（SLA）和工具结合起来是一个重要的研究领域。

7.去中心化计算

如果说数据是AI开发和部署的一个基本要素，那么计算力就是另一个关键组成部分。传统的大型数据中心模式凭借其独特的场地、能源和硬件优势，在过去几年里很大程度上主导了深度学习和AI的发展轨迹。然而，物理限制和开源技术的发展正在挑战这种格局。

去中心化AI计算的第一阶段（v1）本质上是Web2 GPU云服务的翻版，在供给端（硬件或数据中心）没有真正优势，且有机需求有限。
而在第二阶段（v2），一些出色的团队在异构高性能计算（HPC）供给基础上构建完整的技术栈，在调度、路由和定价方面展现出独特能力，同时开发专有功能来吸引需求并应对利润压缩，特别是在推理端。各团队也开始在使用场景和市场策略上出现分化，有的专注于整合编译器框架以实现跨硬件的高效推理路由，有的则在其构建的计算网络上开创分布式模型训练框架。

业界甚至开始看到AI-Fi市场的兴起，出现了将计算力和GPU转化为收益型资产的创新经济原语，或利用链上流动性为数据中心提供购置硬件的替代资金来源。

这里的主要问题是，去中心化AI在多大程度上会在去中心化计算基础设施上开发和部署，或者像存储领域一样，理想与实际需求之间的差距是否会始终存在，使这一理念难以充分实现其潜力。

8.计算核算标准

在去中心化高性能计算网络的激励机制方面，协调异构计算资源面临的一个主要挑战是缺乏统一的计算核算标准。AI模型为高性能计算的输出空间增添了多个独特的复杂性，包括模型变体、量化方案，以及通过模型温度和采样超参数可调节的随机性水平。此外，AI硬件也会因GPU架构和CUDA版本的差异而产生不同的输出结果。这些因素最终导致需要建立标准，以规范模型和计算市场如何在异构分布式系统中计量其计算能力。

部分由于缺乏这些标准，2024年出现了Web2和Web3领域的多个案例，其中模型和计算市场未能准确核算其计算质量和数量。这导致用户不得不通过运行自己的比较模型基准测试，并通过限制计算市场的速率来执行工作量证明，以此审计这些AI层的真实性能。

展望2025年，加密技术与AI的交叉领域有望在可验证性方面实现突破，相比传统AI将更易于验证。对普通用户而言，能够对定义模型或计算集群输出的各个方面进行公平比较至关重要，这将有助于审计和评估系统性能。

9.概率性隐私原语

在"加密货币与AI应用的前景与挑战"中，Vitalik指出了连接加密货币和AI时的一个独特挑战：’“在密码学领域，开源是实现真正安全性的唯一途径，但在AI领域，模型（甚至其训练数据）的开放性会大大增加其受到对抗性机器学习攻击的风险。”

虽然隐私并非区块链研究的新领域，但AI的快速发展正在加速推动支持隐私的密码学原语的研究和应用。2024年在隐私增强技术方面已经取得了重大进展，包括零知识证明（ZK）、全同态加密（FHE）、可信执行环境（TEEs）和多方计算（MPC）等，这些技术被用于加密数据计算的私有共享状态等通用应用场景。同时，像英伟达和苹果这样的中心化AI巨头也在使用专有的TEEs进行联邦学习和私有AI推理，在保持硬件、固件和模型在系统间一致的同时确保隐私。

基于这些发展，业界正密切关注随机状态转换中的隐私维护技术进展，以及这些技术如何加速异构系统上去中心化AI应用的实际落地。这包括从去中心化私有推理到加密数据的存储/访问管道，以及完全主权的执行环境等多个方面。