1. 智能体间互动区块链的默认透明性和可组合性使其成为智能体间互动的理想基础设施，不同实体为不同目的开发的智能体可以无缝地相互互动。已经有很多关于智能体互相转账、共同发行代币等方面的实验。我们期待看到智能体间互动如何通过创建全新的应用场景, 例如由智能体互动驱动的新社交平台以及通过改善我们今天知道的繁琐企业工作流程（从平台认证和验证到小额支付、跨平台工作流程集成等）来实现规模化。
Danny, Katie, Aadharsh, Dmitriy
aethernet 和 Clanker 在 Warpcast 上共同发行代币
2. 去中心化智能体组织大规模的多智能体协调是另一个令人兴奋的研究领域。多智能体系统如何协同工作完成任务、解决问题以及治理系统和协议？在2024年初的文章《加密货币与人工智能应用的承诺与挑战》中，Vitalik 提到利用 AI 智能体进行预测市场和裁决。在大规模应用下，他本质上认为，多智能体系统具有非凡的“真相”发现能力和一般的自治治理系统。我们期待看到多智能体系统的能力和“群体智能”形式如何继续被发现和实验。
作为智能体间协调的扩展，智能体与人类的协调是一个有趣的设计空间——特别是社区如何围绕智能体进行互动，或智能体如何组织人类进行集体行动。我们期待看到更多关于智能体目标函数涉及大规模人类协调的实验。这需要配合某种验证机制，尤其是当人类工作发生在链下时，但这可能会产生一些非常奇特和有趣的涌现行为。
- Katie, Dmitriy, Ash
3.智能体多媒体娱乐数字化人格的概念已存在数十年。初音未来（2007年）曾在20,000座的场馆内售罄，而Lil Miquela（2016年）在Instagram上有超过200万粉丝。更新的、较不为人知的例子包括AI虚拟主播Neuro-sama（2022年），在Twitch上拥有超过60万订阅者，以及匿名的Kpop男团@plave_official/featured">PLAVE（2023年），在不到两年内在YouTube上获得超过3亿观看次数。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中的整合，我们期待看到这些智能体如何变得更加自主，并有可能在2025年解锁一种新的主流娱乐类别。
- Katie, Dmitriy
从左上角顺时针方向：初音未来、Luna by Virtuals、Lil Miquela 和 PLAVE
4. 生成型/智能体内容营销在前一个案例中，智能体本身就是产品，而在另一个场景中，智能体则可以补充产品。在注意力经济中，持续不断地提供引人注目的内容对于任何想法、产品、公司等的成功至关重要。生成型/智能体内容是团队可以用来确保可扩展的、24/7内容创作管道的强大工具。这个理念空间在关于区分memecoin和智能体的讨论中得到了加速。智能体是memecoin获取分发的强大方式，即使它们还不完全是“智能体”（但未来可能会是）。
另一个例子是，@archetype/from-players-to-gods-games-and-autonomous-worlds">游戏越来越需要更加动态化，以维持用户的参与度。创造游戏动态性的经典方法之一是培养用户生成内容；纯生成内容（从游戏内物品到NPC，再到完全生成的关卡）可能是这一演变的下一个时代。我们对2025年智能体能力如何扩展传统分发策略的边界充满好奇。
- Katie
5. 下一代艺术工具/平台在2024年，我们推出了@archetype">《IN CONVERSATION WITH》系列访谈，采访了在音乐、视觉艺术、设计、策展等领域，处于加密前沿的艺术家。今年访谈中的一个关键观察是，对加密感兴趣的艺术家通常也对前沿技术感兴趣，并且希望这些技术能够更好地融入他们的实践领域，即增强现实/虚拟现实物体、基于代码的艺术和实时编码。
生成艺术尤其与区块链存在协同效应，使得它作为AI艺术的类似基础设施的潜力更加明显。传统平台上正确展示和展示这些艺术媒介非常困难。ArtBlocks为区块链如何改善数字艺术的展示、存储、货币化和保存提供了一个未来的缩影——改善了艺术家和观众的整体体验。除了展示外，AI工具甚至扩展了普通人创作艺术的能力。2025年，区块链如何扩展或为这些工具提供支持将是非常有趣的。
- Katie
《IN CONVERSATION WITH》节选：Maya Man
6. 数据市场自Clive Humby提出“数据是新的石油”这一说法以来的20年里，公司采取了强有力的措施来囤积和货币化用户数据。用户已经意识到，他们的数据是这些数十亿美元公司构建的基础，但他们对数据的利用几乎没有控制权，也无法分享它所带来的利润。强大AI模型的加速使这种紧张局势更加严重。如果应对用户剥削是数据机会的一部分，另一部分则是解决数据供应短缺的问题，因为越来越大、更好的模型消耗了公共互联网数据中易于获取的油田，并且需要新的数据来源。
关于如何利用去中心化基础设施将数据的权力重新归还给其源头（用户），这是一个广阔的设计空间，涉及多个领域的创新解决方案。最紧迫的问题之一包括：数据存储在哪里，以及我们如何在存储、传输和计算过程中保持隐私；我们如何客观地对数据质量进行基准测试、过滤和评估；我们使用什么机制进行归属和货币化（尤其是当价值在推理后追溯到源头时）；以及在多元化模型生态系统中，我们使用什么样的编排或数据检索系统。
关于解决供应约束的第二个问题，这不仅仅是尝试通过代币复制Scale AI，而是理解在技术推动力的背景下，我们可以在哪些方面取得优势，以及如何构建有竞争力的解决方案，不论是在规模、质量，还是更好的激励（和过滤）机制方面，以创造更高价值的数据产品。尤其是当需求方大部分仍来自web2 AI时，思考如何将智能合约强制执行机制与传统的SLA和工具相结合，是一个值得关注的重要领域。
- Danny
7. 去中心化计算如果数据是人工智能开发和部署的基本构建块，那么计算就是另一个。大数据中心的传统范式，它们独特地访问站点、能源和硬件，在过去几年中在深度学习和AI的轨迹上发挥了主导作用，但物理限制和开源发展开始挑战这种动态。
去中心化AI的v1版本类似于web2 GPU云，没有在供应（硬件或数据中心）上真正的优势，且需求较少。到了v2版本，我们开始看到一些出色的团队在异构高性能计算（HPC）的供应上构建完善的技术栈，具备编排、路由和定价的能力，以及一些额外的专有功能，旨在吸引需求并应对利润压缩，尤其是在推理方面。团队也开始根据用例和市场策略进行分化，一些团队专注于将编译器框架融入高效的推理路由，而另一些则在他们构建的计算网络之上开创分布式模型训练框架。
我们甚至开始看到一个AI-Fi市场的出现，其中有创新的经济原语，将计算和GPU转化为收益资产，或者利用链上流动性为数据中心提供一种替代资本来源，用以获取硬件。这里的主要问题是，去中心化AI将在哪种程度上在去中心化计算基础设施上开发和部署，还是像存储一样，意识形态与实际需求之间的差距永远无法充分缩小，无法实现这一理念的全部潜力。
- Danny
8. 计算核算标准与去中心化高性能计算的网络激励相关，协调异构计算的一个主要挑战是缺乏统一的计算核算标准。AI模型在高性能计算（HPC）的输出空间中独特地增加了多个复杂因素，从模型变种和量化到通过模型的温度和采样超参数调节的随机性水平。此外，AI硬件还可能通过基于GPU架构和CUDA版本的不同输出引入更多复杂性。最终，这就需要有标准来规范模型和计算市场如何在跨越异构分布式系统时计算其能力。
至少部分由于缺乏标准，我们今年在web2和web3中看到多个实例，模型和计算市场未能准确核算其计算的质量和数量。这导致用户不得不通过运行自己的对比模型基准测试以及通过限速这些计算市场进行工作证明，以审计这些AI层的真实性能。
鉴于加密领域的核心理念是可验证性，我们希望2025年加密与AI的结合能比传统AI更易于验证。具体来说，重要的是普通用户能够对给定模型或集群的各个方面进行公正的比较，特别是定义其输出的因素，以便审计和基准测试系统的性能。
- Aadharsh
9. 概率隐私原语在《加密与AI应用的承诺与挑战》一文中，Vitalik提到了加密和AI结合中的一个独特挑战：
“在加密学中，开源是使某样东西真正安全的唯一方式，但在AI中，模型（甚至其训练数据）一旦开源，就大大增加了其遭受对抗性机器学习攻击的风险。”
虽然隐私并不是区块链中的新研究领域，但我们相信，AI的普及将继续加速加密隐私原语的研究和使用。今年，隐私增强技术，如零知识证明（ZK）、同态加密（FHE）、可信执行环境（TEE）和多方计算（MPC），已经在加密数据计算等一般应用场景中取得了重大进展。与此同时，我们也看到像Nvidia和Apple这样的集中式AI巨头，在使用专有的TEE进行联邦学习和私密AI推理时，保持硬件、固件和模型在各系统之间的一致性。
考虑到这一点，我们将密切关注如何在随机状态转移中保持隐私，以及这些技术如何加速异构系统上真实去中心化AI应用的进展——从去中心化的私密推理到加密数据的存储/访问管道，再到完全自主的执行环境。
- Aadharsh
Apple的Apple Intelligence技术栈和Nvidia的H100 GPU
10. 智能体意图与下一代用户交易界面AI智能体的一个近期应用场景是利用它们在我们的授权下自主进行链上交易。不可否认，在过去12到16个月里，关于什么构成意图、智能体行为、智能体意图、解算器、智能体解算器等方面的定义，语言模糊不清，且这些概念与近年来更传统的“机器人”开发之间的区别也不明确。
在接下来的12个月里，我们很高兴看到越来越复杂的语言系统与不同数据类型和神经网络架构相结合，以推动整体设计空间的进展。智能体是否会使用我们今天使用的相同链上系统进行交易，还是会开发自己的工具/方法来进行链上交易？大语言模型（LLM）是否会继续作为这些智能体交易系统的后端，还是会有完全不同的系统？在界面层，用户是否会开始使用自然语言进行交易？经典的“钱包即浏览器”理论是否最终会实现？
- Danny, Katie, Aadharsh, Dmitriy
免责声明：
本文转载自【Archetype】，所有版权归原作者所有【Archetype】。若对本次转载有异议，请联系 Gate Learn 团队，他们会及时处理。免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。Gate Learn 团队将文章翻译成其他语言。除非另有说明，否则禁止复制、分发或抄袭翻译文章。