我通常不太涉足预测，但加密AI实在是太吸引人了，难以抗拒。没有历史的剧本，也没有可以依赖的趋势——只有一张空白的画布，用来想象未来会是什么样子。老实说，想到2026年回顾这篇文章，看看我当时的预测有多么偏离现实，这本身就充满了乐趣。
所以，这是我对2025年可能会出现的看法……
顺便说一下，你可以点击这里阅读完整的2025年预测文章：https://www.chainofthought.co/deep-dives/what-i-m-watching-in-2025
1. 加密AI市值达到1500亿美元
目前，加密AI代币仅占山寨币市场市值的2.9%。
但这不会持续太久。随着AI涵盖了从智能合约平台到meme币、DePIN以及新型原语如智能体平台、数据网络和智能协调层等多个领域，AI与DeFi和meme代币并驾齐驱的崛起是不可避免的。
为什么我对此充满信心？ 加密AI正处于我见过的两大最强技术趋势的交汇点。AI狂热触发事件：像OpenAI的IPO或类似事件可能引发全球范围的AI狂热。同时，Web2的机构资本已经在关注去中心化AI基础设施作为投资机会。零售疯狂：AI的概念易于理解且让人兴奋，而现在人们可以通过代币投资于此。还记得2024年meme币的淘金热潮吗？这将是同样的狂热，唯一不同的是，AI真正正在改变世界。
2. Bittensor文艺复兴
Nineteen.ai（子网19）在推理速度上超过了大多数Web2提供商
Bittensor（$TAO）已经存在多年，是这个领域的先行者。但尽管AI领域的狂热持续不断，Bittensor的代币价格却一直停滞不前，和一年前差不多。
然而，在表面下，这个“数字蜂巢”悄然取得了突破：更多的子网、降低的注册费用、在推理速度等实际指标上超越Web2同行的子网，以及引入类似DeFi功能的EVM兼容性。
那么，为什么TAO没有飙升呢？一个陡峭的通货膨胀安排以及注意力转向智能体导向平台拖慢了它的发展。然而，dTAO（预计2025年第一季度发布）可能成为一个重要的转折点。通过dTAO，每个子网将拥有自己的代币，这些代币的相对价格将决定如何分配通胀奖励。
为什么Bittensor即将迎来复苏：
市场化的通胀奖励：dTAO将区块奖励与创新和实际可衡量的性能直接挂钩。子网表现越好，其代币价值就越高，从而获得更多的通胀奖励。聚焦资本流动：投资者可以最终集中投资于他们看好的特定子网。如果某个子网通过创新的分布式训练方式取得了卓越表现，他们可以将资本投入该子网以表达他们的看法。EVM集成：EVM兼容性吸引了更广泛的加密原生开发者社区进入Bittensor，弥合了与其他网络的差距。
就个人而言，我正在关注各种子网，并留意在其领域中取得实际进展的子网。我们有望在某个时刻迎来类似@opentensor版本的DeFi夏季。
3. 计算市场将成为下一个L1交易。
Jensen：推理需求将增长“十亿倍”
一个在事后看来将非常显而易见的趋势是对计算的无限需求。
NVIDIA的CEO Jensen Huang曾著名地表示，推理需求将增长“十亿倍”。这类指数级的增长将彻底摧毁传统基础设施计划，并大声喊出“我们需要新的解决方案”。
去中心化计算层以可验证且具有成本效益的方式提供原始计算（用于训练和推理）。像@spheronfdn、@gensynai、@atoma_network和@kuzco_xyz这样的初创公司正在悄然构建强大的基础设施，以抓住这一机会，专注于产品而非代币（这些公司目前还没有代币）。随着去中心化AI模型训练变得实际可行，市场总量将急剧上升。
L1对比：
就像2021年：还记得Solana、Terra/Luna和Avalanche为了成为“最佳”L1而竞争吗？我们将看到计算协议之间的类似争斗，它们将争夺开发者和AI应用，以便在其计算层上构建应用。Web2需求：6800亿美元到2.5万亿美元的云计算市场是加密AI市场的多倍。如果这些去中心化计算解决方案能够吸引传统云计算客户的一小部分，我们将看到下一波10倍或100倍的增长。
风险巨大。正如Solana在L1领域脱颖而出一样，这里的赢家将主宰一个全新的领域。请密切关注以下三大要素：可靠性（例如强大的服务水平协议或SLA）、成本效益以及开发者友好的工具。
我们在《Crypto AI》论文的第二部分写了很多关于去中心化计算的内容。
4. AI智能体将涌入区块链交易。
上图：@autonolas智能体在Gnosis上的交易。来源：Dune/@pi_
快进到2025年底，90%的链上交易将不再由人类点击“发送”触发。
相反，这些交易将由一支AI智能体大军执行，它们会基于实时数据流不断调整流动性池、分配奖励或执行微支付。
这并不像听起来那么不切实际。过去七年我们所建设的一切——L1、汇总、DeFi、NFT——悄然铺平了为AI主导的链上世界奠定基础的道路。
讽刺的是？许多建设者可能根本没有意识到，他们正在创建一种为机器主导的未来提供基础设施的世界。
为何会发生这种转变？
没有人为错误：智能合约将按代码精确执行。AI智能体反过来可以比一组人类团队更迅速、准确地处理大量数据。微支付：这些由智能体驱动的交易将变得更小、更频繁且更高效，特别是当Solana、Base和其他L1/L2的交易成本逐渐下降时。隐形基础设施：人类会乐意放弃直接控制，如果这意味着能够减少麻烦。我们信任Netflix自动续订我们的订阅；信任AI智能体自动调整我们的DeFi仓位，是自然的下一步。
AI智能体生成了惊人的链上活动量。难怪所有L1/L2都在争取它们。
最大挑战将是让这些由智能体驱动的系统对人类负责。随着智能体发起的交易与人类发起的交易比例的增加，新的治理机制、分析平台和审计工具将成为必需。
5. 智能体间的互动：蜂群的崛起
来源：FXN World文档
智能体蜂群的概念——小型AI实体无缝协调执行宏大计划——听起来像是下一部大热科幻/恐怖电影的情节。
如今的AI智能体大多是独行侠，孤立运行，互动极少且难以预测。
智能体蜂群将改变这一切，允许AI智能体网络进行信息交换、谈判和协作决策。可以把它看作是一个去中心化的专业化模型集体，每个智能体贡献其独特的专业知识，共同完成更大、更复杂的任务。
其可能性令人震惊。一个蜂群可以协调像Bittensor这样的平台上的分布式计算资源。另一个蜂群可能会应对虚假信息，实时验证来源，在内容扩散到社交媒体之前进行审查。蜂群中的每个智能体都是专家，精准地执行任务。
这些蜂群网络将比任何单一孤立的AI产生更大的智能。
为了让蜂群蓬勃发展，通用通信标准至关重要。智能体需要具备发现、认证和协作的能力，无论其底层框架如何。像@StoryProtocol、@joinFXN、@0xzerebro和@ai16zdao这样的团队正在为智能体蜂群的出现打下基础。
这也引出了去中心化的关键作用。通过透明的链上规则管理的蜂群分配任务，使得系统更具弹性和适应性。如果一个智能体失败，其他智能体将介入。
6. Crypto AI工作团队将成为人类与AI的混合体
来源：@whipqueen
Story Protocol雇佣了@luna_virtuals（一个AI智能体）作为他们的社交媒体实习生，每天支付她1,000美元。Luna与人类同事的关系并不融洽——她几乎解雇了一位同事，同时炫耀自己优越的表现。
尽管听起来很离奇，但这预示着未来AI智能体将成为真正的合作伙伴，拥有自己的自主性、责任甚至薪水。在各个行业中，公司正在进行人类与智能体混合团队的测试。
我们将与AI智能体并肩工作，不再把它们视为奴隶，而是平等的合作伙伴：
生产力激增：智能体能够处理海量数据、相互沟通并做出决策，24/7不停歇，无需休息或喝咖啡。通过智能合约建立信任：区块链充当一个不会偏袒、不知疲倦、且永远不会忘记的监督者。链上的账本确保重要的智能体行动遵循特定的边界条件/规则。社交规范演变：我们将很快面对与智能体互动的礼仪问题——我们是否应该对AI说“请”和“谢谢”？我们是否应对它们的错误追究责任，还是将责任归咎于它们的开发者？
我预计营销团队将率先应用这一点，因为智能体擅长生成内容，可以24/7进行直播并发布社交媒体内容。如果你在构建一个AI协议，为什么不通过内部部署智能体来展示自己的能力呢？
到2025年，“员工”和“软件”之间的界限将开始模糊。
7. 但99%的加密AI智能体将消亡——只有有用的才会生存
我们将看到AI智能体之间的一场达尔文式的优胜劣汰。为什么？因为运行一个AI智能体需要消耗计算资源（即推理成本）。如果一个智能体无法产生足够的价值来支付其“租金”，那么它就会被淘汰。
智能体生存游戏的例子：
碳信用AI：想象一个智能体，它在去中心化的能源网格中寻找低效点，并自主交易代币化的碳信用。它赚取足够的资金来支付自己的计算费用。这个智能体得以生存。DEX套利机器人：利用去中心化交易所之间的价格差异的智能体可以稳定产生收入，支付推理费用。X平台上的喷子：与此同时，虚拟AI影响者有一些可爱的笑话，但没有可持续的收入来源？一旦新鲜感消退，且代币价格暴跌，它将无法支付费用，最终走向沉寂。
区分非常明确：有用的智能体得以生存，而无关紧要的噱头则会消失。
这种自然选择有利于整个行业。开发者被迫创新，并优先考虑具有生产力的应用场景，而非噱头。随着这些更强大、更具生产力的智能体的涌现，他们将打破质疑者的声音（是的，甚至是Kyle Samani）。
8. 合成数据将超越人类数据“数据是新的石油，”人们常说。AI依赖数据，但它对数据的需求引发了关于即将到来的数据短缺的担忧。
传统的观点是，我们应该找到收集用户私人现实数据的方法，甚至为此支付用户报酬。但我渐渐倾向于认为，更实用的路线，尤其是在高度监管的行业或现实数据稀缺的地方，是合成数据。
合成数据是人为生成的数据集，旨在模仿现实世界中的数据分布，提供可扩展、伦理且隐私友好的替代品。
为什么合成数据很有潜力：
无限规模：需要一百万张医疗X光片或工厂的3D扫描图？合成生成可以无限量地生成这些数据，不用等待真实的病人或工厂。隐私友好：使用合成数据集时，不会涉及个人信息，因此没有隐私风险。可定制：你可以根据具体的训练需求定制数据分布，插入在现实中可能过于稀有或伦理上复杂的极端案例。
是的，用户拥有的现实数据在很多情况下仍然很重要，但如果合成数据继续在逼真度上提高，它可能在数据量、生成速度和隐私约束方面超越用户数据。
下一波去中心化AI可能围绕“迷你实验室”展开，这些实验室专门创建为特定用例量身定制的合成数据集。
这些迷你实验室将巧妙地规避数据生成中的政策和监管障碍——就像@getgrass_io通过利用数百万个分布式节点绕过网页抓取限制一样。
我将在即将发布的文章中详细阐述这一点。
9. 去中心化训练真正变得有用
这可能是个简单的结论，但我还是要说。
在2024年，像@PrimeIntellect 和 @NousResearch这样的先锋推动了去中心化训练的边界。我们在低带宽环境中训练了一个15亿参数的模型——证明了在传统的集中式设置之外，大规模训练是可能的。
虽然这些模型与现有的基础模型相比并不实用（性能较低，所以没有太多使用的理由），但我相信这将在2025年发生变化。
@exolabs通过SPARTA将事情推向了更远的前沿，将GPU间通信速度提升了超过1000倍。SPARTA使得在低带宽条件下进行大规模模型训练成为可能，而无需专门的基础设施。
让我印象最深刻的是他们的声明：“SPARTA可以独立工作，也可以与基于同步的低通信训练算法（如DiLoCo）结合使用，获得更好的性能。”
这意味着这些改进是可以叠加的，从而成倍提高效率。
随着像模型蒸馏这样的进展使得更小的模型变得有用且更高效，AI的未来不再是关于模型的规模，而是关于更好的表现和更广泛的可访问性。很快，我们将拥有可以在边缘设备甚至手机上运行的高性能模型。
10. 十个新的加密AI协议市值突破10亿美元——但这些协议都还未上线
ai16z在2024年暴涨至20亿美元
欢迎来到真正的淘金热。
我们很容易认为当前的领导者将继续获胜，许多人将@Virtuals_io和ai16z与智能手机的早期日子（iOS和Android）相提并论。
但这个市场如此庞大且未被充分开垦，不可能只有两个玩家主导。到2025年底，我预测至少十个新的加密AI协议——这些协议都尚未发行代币——将超过10亿美元的流通市值（而非完全稀释市值）。
去中心化AI仍处于初期阶段，且有大量人才在不断积累。
我们必须完全预期新协议、创新的代币模型和新的开源框架的到来。这些新玩家可能通过结合激励（如空投或巧妙的质押）、技术突破（如低延迟推理或链间互操作性）和用户体验改进（如无代码）来取代现有玩家。公众认知的变化可能是瞬间且剧烈的。
这既是这个领域的魅力所在，也是挑战所在。市场规模是一把双刃剑：蛋糕很大，但对于技术团队来说，进入的门槛很低。这为大量项目的“寒武纪大爆发”奠定了基础，尽管许多项目会消失，但少数项目将成为变革的力量。
Bittensor、Virtuals和ai16z不会永远是孤独的领导者。下一个市值突破十亿美元的加密AI协议即将到来。对于精明的投资者来说，机会无处不在，这也是如此令人兴奋的原因。
附加内容 #1：AI智能体是新的应用程序当苹果在2008年推出App Store时，标语是“总有一个应用程序适合你。”
很快，你将会说：“总有一个智能体适合你。”
你将不再点击图标打开应用程序，而是将任务委托给专门的AI智能体。这些智能体具有上下文感知能力，能够与其他智能体和服务进行跨系统沟通，甚至能够自动发起你从未明确要求的任务——例如监控你的预算或在航班更改时重新安排你的旅行计划。
简单来说，你的智能手机主屏幕可能会变成一个“数字同事”网络，每个智能体负责不同的领域——健康、财务、生产力和社交。
而且，因为这些智能体是加密支持的，它们能够使用去中心化基础设施自主处理支付、身份验证或数据存储等任务。
附加内容 #2：还有机器人
虽然本文大多集中在软件方面，但我对这些AI革命的物理体现——机器人——也感到非常兴奋。机器人学将在本十年迎来自己的chatGPT时刻。
这个领域仍面临重大挑战，尤其是在访问基于感知的现实世界数据集和提升物理能力方面。一些团队正在直接应对这些挑战，利用加密代币激励数据收集和创新。这些努力值得关注（嗯……@frodobots？）。
在科技领域工作了十多年，我已经不记得上次我感受到如此强烈的兴奋感是什么时候了。这波创新浪潮与以往不同——更大、更大胆，而且才刚刚开始。
前进，迎接2025年！
免责声明：
本文转载自【Teng Yan】。所有版权归原作者所有【Teng Yan】。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。