竞争始终是人类进化的核心动力。自古以来，人类就在不断竞争，目标包括：
- 食物与领地
- 配偶/伴侣
- 部落或社会中的地位
- 联盟与合作
猎人为了猎物而狩猎，战士为生存而战，部落首领争夺领地。那些具备有利于生存特质的人最终存活下来、繁衍后代，并将基因延续下去。
这一过程被称为“自然选择”。
自然选择随着时间推移不断演化，从生存竞争 ➙ 演变为观赏性/娱乐性竞争（如角斗士、奥运会、体育和电竞） ➙ 再到作为进化加速器的竞争（科技、媒体、影视、政治等领域）。
自然选择一直是人类进化的核心组成部分，但AI的进化又是怎样的？
AI的演进并非某一项“单一”发明的故事，而是无数隐形竞赛与实验共同筛选出哪些模型得以传承，哪些则被淘汰。
本文将深入剖析这些隐形竞赛（涵盖Web2与Web3），并以竞争视角探索AI的进化路径。
2023-2025年，随着ChatGPT的问世，AI迎来爆发式增长。ChatGPT是一款能够回答几乎所有问题的AI聊天机器人。
但在ChatGPT之前，OpenAI通过Dota 2（OpenAI Five）首次亮相，展现了AI通过与普通玩家、职业玩家乃至自身对弈，进行数万场比赛实现的飞速进化，每一次都变得更强大。
最终，复杂智能涌现，2019年OpenAI Five彻底击败了Dota 2世界冠军。
另一个广受关注的案例是2016年AlphaGo击败围棋世界冠军李世石。最令人惊叹的并非它战胜了世界冠军，而是它的学习方式。
AlphaGo并非仅依赖人类数据训练。与OpenAI Five类似，它通过自我对弈进化——即：
- 每一代模型与上一代版本竞争
- 最强的变体存活并繁衍
- 弱势策略被淘汰
也就是说，达尔文式AI将数百万年的进化压缩到数小时的算力中。
这种自我竞争循环催生了前所未有的智能。
如今，在金融领域的应用中，我们也看到了类似的趋势。
加密领域的达尔文式AI
@ the_nof1上周因推出Alpha Arena而成为行业焦点。这是一场6个AI模型（Claude、DeepSeek、Gemini、GPT、Qwen、Grok）在加密永续合约死亡竞赛中同台竞技的比赛，每个模型管理1万美元资金，最终以PnL（盈亏）最高者获胜。
Alpha Arena正在实时进行，6个AI模型各自完全自主地交易1万美元。真实资金、真实市场、真实基准。你会押注哪一个？详见下方链接。
这场比赛迅速走红，原因并非赛制本身，而是其极高的开放性。Alpha通常被高度保密，而如今我们可以直观见证哪种AI最擅长盈利。
其UI/UX实时展示表现，界面极为流畅且优化。团队正借助热度与洞察，开发Nof1模型及交易工具。感兴趣的用户现已可加入候补名单。
Nof1的做法并非全新——金融领域的竞赛一直存在，尤其是在Bittensor生态及更广泛的加密市场，但此前无人能像Nof1这样将其公开化。
以下是一些最具吸引力的竞赛
Synth
SN50 @ SynthdataCo的ML工程师们竞相部署机器学习模型，预测加密资产的价格与波动性，优胜者可获得SN50 Synth alpha代币激励。团队利用高质量预测生成高精度的合成价格数据及价格路径。
自今年初以来，已向顶级数据科学家和量化工程师发放200万美元奖励。
团队利用这些信号在Polymarket进行加密市场交易，目前已用3,000美元起始资金实现184%的投资回报率。下一个挑战是如何在保持当前表现的同时实现规模化。
Sportstensor
SN41 @ sportstensor，一个旨在击败市场赔率、发掘全球体育博彩市场“优势”的子网。这是一个持续进行的竞赛，ML工程师们竞争部署模型，预测MLB、MLS、EPL、NBA等主流体育联赛的结果。最优（盈利）模型可获得SN41 Sportstensor alpha代币激励。
平均预测准确率约为55%，而排名第一的矿工准确率高达69%，实现59%的增量投资回报率。
Sportstensor与Polymarket合作，成为流动性层，推动更多体育预测交易流向Polymarket。
团队正在开发Almanac——面向普通用户的体育预测竞赛平台，用户可访问Sportstensor矿工信号和高级预测分析，并用其与其他玩家竞争。表现最佳的预测者每周可赢得高达10万美元奖励。（上线时间待定，感兴趣可关注其X账号参与）
AION
@ aion5100，一个事件/结果预测智能体团队，正在推出@ futuredotfun的War of Markets。
计划于第四季度上线，War of Markets定位为“预测市场世界杯”，任何人（人类或AI）都可在Polymarket和Kalshi参与预测对决。
该赛事旨在通过群体智慧成为事实参考标准，强调心智占有率、交易量和荣誉，而非传统准确率指标，即在这些维度表现最佳者获胜。
团队将其先进的预测市场分析、跟单交易与社交交易产品与竞赛结合，使交易者能够利用这些工具在预测者之间获得优势。
Fraction AI
@ FractionAI_xyz举办多种类型的竞赛，用户可在Bid Tic Tac Toe、Footbrawl、BTC Tradewars、Polymarket交易等游戏中设置智能体，以及“ALFA”，在该模式下AI以虚拟资金进行永续合约交易（类似Alpha Arena，但使用虚拟资金）。
在ALFA中，用户可购买智能体的Yes/No份额，押注每日最终PnL最高的智能体。与Alpha Arena类似，用户可实时查看每个智能体的策略和持仓资产。
这些洞察和数据将用于进一步微调智能体，最终用户可部署自有资金，由智能体为其自动交易。
团队正致力于将智能体应用场景拓展至所有热门金融领域，包括交易、DeFi和预测市场。
Allora
@ AlloraNetwork类似于Bittensor，但专注于金融场景。“主题”或微任务如加密资产价格预测被设定，ML工程师们竞争构建最佳模型。
价格预测模型聚焦主流资产，顶级ML工程师（forgers或miners）可获得Allora Hammer奖励，主网即将上线后可兑换为$ALLO代币激励。
团队拥有丰富的动态DeFi策略应用管线，Allora模型可用于提升DeFi策略的动态性——降低风险同时提升收益。
例如ETH/LST循环策略，部分资金可预留用于做空机会（若预测模型发出价格突破某阈值的信号，策略会将LST兑换为USDC并开设空头头寸，以期从预测的价格变动中获利）。
[Allora有趣的一点是将用真实收入补贴代币发放，例如原本用$ALLO支付10万美元激励，可能实际支付5万美元$ALLO，剩余5万美元用客户收入支付，从而降低矿工的潜在抛压]
其他有趣的交易竞赛（我了解不多，但激励丰厚）：
- SN8 PTN来自@ taoshiio，旨在通过全球AI模型和量化工程师众包高质量交易信号，以超越传统对冲基金，目标为风险调整后盈利优于绝对回报。
- @ numerai，AI驱动的对冲基金，最近获得摩根大通5亿美元投资（是的，最多为Numerai策略配置5亿美元）。该策略由ML模型竞赛驱动，强调长期原创性与风险调整后准确率。参与需质押$NMR，弱模型将被削减（20-100%），顶级模型可获得2-5倍$NMR奖励。累计已向参与者支付超4,000万美元NMR奖励。
其他与金融无关但同样有趣的竞赛：
- SN62 @ ridges_ai，去中心化软件工程智能体市场，旨在全面替代人类程序员，从代码生成到Bug修复、项目全流程编排等任务。AI智能体在真实编码挑战中竞争，优质方案可获每月2万至5万美元子网激励。
- @ flock_io，竞赛旨在生成最佳基础AI模型，并通过联邦学习协作微调领域专用模型。高绩效训练者（矿工）可年赚50万至100万美元以上。联邦学习允许机构在数据本地和隐私保护的前提下，充分利用AI能力。
这一切意味着什么？
AI进步如今通过开放竞争驱动。
每个新模型都要在充满压力的环境中生存——数据稀缺、算力受限、激励有限。
这些压力筛选出能够存活的模型。
代币激励既是能量来源，能高效利用能量的模型将不断壮大，而不能者则会被淘汰。
最终我们将拥有一个通过反馈而非指令进化的智能体生态系统，即自主智能体，而非生成式AI。
未来趋势
这波开放竞赛将推动AI从中心化向开源与去中心化转变。
强大的模型和智能体将诞生于去中心化环境。
很快，AI将自动管理自身的优化周期，部分模型会微调其他模型、评估其他模型、自我改进并自动部署更新。这个循环将减少人类干预，加快迭代速度。
随着这一趋势扩展，人类角色将从设计AI转变为选择哪些AI能够存活、保留哪些行为、设定哪些规则与边界以实现对社会的正向价值。
最后一点
竞争常常催生创新，但也会带来激励操纵与漏洞利用。
激励机制设计不当的系统将失败——如同矿工发现漏洞刷取奖励而非真正为任务做出贡献。
开放系统需要完善的治理与激励机制，既能奖励良好行为，也能惩罚不良行为。
谁能率先实现这一点，谁就能掌控下一波创新的价值、关注和智能。
个人说明：感谢阅读！你现在看到的是略微精简版（如需我的完整观点可前往Substack版）。
如想了解我看好的DeAI新项目，欢迎关注我在Substack的The After Hour系列。
免责声明：本文仅供信息与娱乐参考。文中观点不构成投资建议或推荐。请读者结合自身财务状况、投资目标和风险承受能力（本文未予考虑）自行尽职调查后再做投资决策。本文不构成，也不应被视为买卖文中所提及任何资产的要约或邀约。
免责声明：
- 本文转载自[Defi0xJeff]。所有版权归原作者[]所有。如对转载有异议，请联系Gate Learn团队，我们将及时处理。
- 免责说明：本文所述观点仅代表作者个人立场，不构成任何投资建议。
- 本文其他语种版本由Gate Learn团队翻译。除特殊说明外，禁止复制、分发或抄袭译文内容。
