超越技術的界限：AI+Web3 的未來發展之道

撰文：VION WILLIAMS

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範疇，從學術探究到商業趨勢，有着深刻的哲學洞見，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。

本篇文章通過 10 個代表性 AI+Web3 的項目，引用數十篇 AI、Web3 相關文章、論文等，並洞察了 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着 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，我此次試着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线之認知分歧，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，實現從認識論範式的根本性轉變。

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。

本篇共計分為三大部分，從研究範式與分析邏輯，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。

一、研究範式與哲學洞察

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，而在已知的認識範式中，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 認識範式，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。這一認識範式的典型以 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 的認識論範式上，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，會加速技術路线的融合並推動技術產業的整體躍遷，並推動人類在數字文明進一步的發展。

在本篇文章中，我將引入更多新的認識範式，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 的研究範式

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线的爭議，由此也導致了 AI+Web3 難以達成共識。

由於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，並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，线上或者线下 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线的基本方法，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开，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，而又繼續蔓延开來。

在相關性所湧現的無數個交叉點中，都代表着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

「整合的意義在於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，但更重要在於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 都是從構成性分开討論的，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，是關於 AI+Web3 為何需要整合，以及如何整合，這才是真價值所在。

而如何基於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，就提供一個基於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並評估學科見解（技術路线見解），並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 並非明面概念上的拼湊，AI 背後所代表的一系列相關技術路线，如 LLM、Transformer、AI-Agents、COT、RAG 等，與 Web3 背後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於，我們使用一種科學規範的方式，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。

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，敘事不再依賴於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，在於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 關於可能世界與現實世界所呈現的模型圖：

對於 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，在於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。

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於跨學科研究的一種方式，但我在此將其單獨拿出來，因為在本篇文章所構建的思考場域中，跨學科整合更偏向於在技術體系的“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，其多義性是由於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 為何需要基於概念史的概念分析，其原因在於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，即連接兩座山峯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线，故而亦有『界线期』（Schwellenzeit）之說，其時間範圍約為 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，其實就是在挖掘附着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，而今天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。

今天的我們對 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，在於我們正處於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。

歷史沉澱於特定的概念：歷時性與共時性

大衆對於 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 批准現貨 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，標記着 BTC 不再是非主流的貨幣資產，這一事件重新塑造了大衆市場中，原本對 BTC 存在偏見的群體。

對於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。

對於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 的批准，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；

而對於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，也用於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 交易披薩的买賣，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 批准比特幣現貨 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，現在又因比特幣开始自行解構。

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

「概念史揭示融會於一個概念的不同時的同時性。如此，並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，歷時和共時交織於概念史。」

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於時間的分析方式，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，使新舊含義附着於同一個概念（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 代表了互聯網範式下的下一代互聯網，這裏的時序語境範圍是 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，這裏的時序語境範圍是 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，關於「民主 - 投票 - 治理」的議事結構對個人主權的敘事，並推動了 Web3 對加密世界 / 數字世界的廣義公共性的探討與建設，這裏的時序語境範圍是公元前 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 年社會各界對於 Web3 是什么，無法達成一致共識的原因，各家解讀，衆說紛紜。

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，由於 AI 這一概念的歷史尺度更加長遠，限於篇幅在此就不展开。

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

當我們开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於這一概念的闡釋，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，本質上也是在構建並維護概念的隱喻光譜。

我們對諸概念的共識，來源於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。

隱喻如何植入概念並形成共識

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，附着在「民主」的相關語句之中。

這裏我總結了一套如何植入思想隱喻的公式：

搶佔輿論 > 解構概念 > 公共討論 > 廣泛語境 > 引入語素 > 附着語句 > 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，並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 領域的從業者由於不在 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 的最根本原因就在於此。

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，要高於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，後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後的深刻意涵，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籤。

眼下，我們正處於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，得以展开延伸的思考空間，失去這一空間意味着我們的思考踏空了支撐概念的土壤。而大腦神經對單一標籤概念的關聯性，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籤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」的英文語素並不等於中文語素下的「去中心化」，也並不代表其精准的、明確的完全等同語義。

由於當代面臨的語言符號困境，即碎片化的知識與單一化的標籤，抹殺了網絡環境中人們對精准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，並形成一種完全自由、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」被翻譯為去中心化並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於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，有助於我們把 Crypto 放在合適的歷史位置，而不必和 Web3 發生混淆，也為後續 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 开始自我解構時，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」开始了自我解構，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。

二、洞察行業現狀與趨勢

在我現階段有限的信息掌握範疇中，從中挑選了 10 個我個人感興趣的的案例，這個代表性並非是對市面上所有 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，在於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，相關性所延展开來的概念，有助於我們了解更多隱藏的信息，並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。

1、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 學習結合的技術路线，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，也取決於不同的开發團隊對 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，決定着未來該交叉領域的根基。

Bittensor

Bittensor 是一個用於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。每個子網是一個基於激勵的競爭市場，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账上，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，可能破壞機制的准確性。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，並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 是一個开源、點對點、去中心化的區塊鏈，支持將人工智能（AI）模型上傳並在分布式網絡上執行。

Cortex 通過提供一個开源的人工智能平臺，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开發。

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 後端服務，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/

Lets 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，根據具體情況有屬於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。隨着 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，雖說當前是朝着主力算力資源群集中壟斷的方向發展，但由於算力資源不同於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。

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闲資源。邁爾森拍賣機制的目標是精確地最大化賣方的利益，提出了一種基於邁爾森拍賣的資源分配方案。

事實上，我相信隨着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，當智能體开始介入到對算力資源的交易市場時，最終比拼在於算法博弈策略，例如在《Greedy Algorithms for Maximizing Nash Social Welfare》這篇論文中，提出將貪婪算法用於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准備。

4、AI-Agents

大模型 +Agents 會是接下來所有大模型廠商的核心战略，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，關於 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 。

隨着 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 年進一步爆發湧現。這一方向的湧現過於震撼，後續我會在單獨發表一篇關於 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，並推出了 Agentverse 服務。Agentverse 提供了一個強大的平臺，用於創建、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，從而可以被發現並用於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，側重於確保安全性、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、开發和互動。

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。

通過專注於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、透明性和基於共識的治理的額外好處，這對於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/

Lets Workshop

隨着多模態大模型，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。

而隨着智能體正式進入 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，而隨着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 具有开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》，提出了一個在开放式世界中，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，具有开放式創造能力的智能體，將與人類形成創造協同的關系，基於人類的需求指令，或者基於 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。

三、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）是將零知識證明用於機器學習的技術，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 在將來基於 AGI 實現 UBI 經濟的愿景項目。

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

可以進一步閱讀《The State of Zero-Knowledge Machine Learning (zkML)》這篇博文，對於 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 等朝着上鏈的方向發展，這是一個非常值得關注的底層技術路线 。

而對於大模型公司而言，基於 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，而隨着技術競賽與开源模型生態，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 有着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。

而對於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，並與 DAPP 掛鉤。智能體並不同於一種應用，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。

基於 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 开始冒頭，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於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，搶佔定義權的好時機。

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。

出現基於 Transformer 架構的變體方案

如果深挖 AI on-chian 的底層技術結合，不排除從不同於 zkML 的技術路线，有技術大佬已經开始着手基於 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徵抽取器（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於 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。

隨着 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 的交叉領域會湧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 將有別於後續 AI 領域湧現的各種 Agents Store 的商業邏輯，Agents Marketplace 的商業敘事和價值遠遠大於 Agents Store，並將對 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 开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

隨着 2024 年蘋果 Vision Pro 的發布，以及空間計算的興起，不敢說 2024 年元宇宙湧現，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裏是 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 對整個數字世界的衝擊中，不得不接受並加入。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。得益於大模型推動了 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

盡管全鏈遊戲（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。

但相比於全鏈遊戲在當前要面對的不少技術瓶頸導致的消費級遊戲體驗的差距，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。

隨着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，大量由此啓發的項目將會湧現。

例如「Generative Agents」啓發了「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。

AnnouncingSAGA 是一個西部主題的多智能體沙盒仿真遊戲

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槓槓與流量槓槓的雙增長模式。面向國際市場的 Web3er 超級個體與一人公司，還會獲得加密金融槓槓的加持，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，必定會湧現一堆超級個體、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。

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，未來採取的發展策略。

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，朝着這個方向盡一切可能提升全方面的認知。

從 2024 年开始，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，背後拼的就是認知能力。

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 會湧現大量的全球社區，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槓槓撬動更大商業回報的機會，這是 2024/2025 這兩年的啓動周期中，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於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着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，避免受限於單一市場的價格，算力資源搬磚有利於成本最小化。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，這裏有兩個衡量系數，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线。

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於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，提前准備而不是守株待兔。

6、多智能體商業矩陣的布局准備

基於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，後面必然會進入跑馬圈地的競爭階段，畢竟能夠得着躺着掙錢的機會，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佔，這是基本的必然常態，後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开始掌握的軟實力。

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

由於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，並參考建議 5 的兩條曲线的發展階段，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 年後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於 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 开始指數增長時的增長紅利。