初探DeFAI生態：滿足加密市場剛需，人人可借助AI Agent交易

2025-01-14 16:01:32

作者｜Henry @IOSG

前言

在短短 3 個月內，AI x memecoin 的市值已達到 134 億美元，與一些成熟的 L1（如 AVAX 或 SUI）規模相當。

事實上，人工智能與區塊鏈的關系由來已久，從早期 Bittensor 子網上的去中心化模型訓練，到 Akash 和 io.net 等去中心化 GPU / 算力資源市場，再到當前 Solana 上的 AI x memecoins 和框架浪潮。每個階段都表明，加密貨幣在一定程度上可以通過資源聚合對人工智能進行補充，從而實現主權人工智能和消費者用例。

在第一波 Solana AI 幣浪潮中，有些帶來了有意義的實用性，而不僅僅是純粹的投機。我們看到出現了像 ai16z 的 ELIZA 這樣的框架，AI agents 則出現了像 aixbt 這樣提供市場分析和內容創作的人工智能代理，或將 AI 與區塊鏈能力集成的工具包等。

在 AI 的第二波浪潮中，隨着更多工具的成熟，應用已成為關鍵的價值驅動因素，而 DeFi 已成為這些創新的完美試驗場。為簡化表述，在本研究中，我們將 AI 與 DeFi 的結合稱作 “DeFai”。

根據 CoinGecko 的數據，DeFai 的市值約為 10 億美元。Griffian 以 45% 的份額佔據市場主導地位，而 $ANON 則佔比 22%。這個賽道在 12 月 25 日之後开始經歷快速增長，與同期的 Virtual 和 ai16z 等框架和平臺在聖誕假期後迎來了強勢增長。

▲ 來源：Coingecko.com

這僅僅只是第一步，DeFai 的潛力遠不止於此。雖然 DeFai 仍處於概念驗證階段，但我們不能低估它的潛力，它將利用 AI 所能提供的智能和效率，把 DeFi 行業轉變為一個更加用戶友好、智能和高效的金融生態系統。

在深入了解 DeFai 的世界之前，我們需要了解代理（Agent）在 DeFi / 區塊鏈中的實際運作方式。

Agent 在 DeFi 系統中如何運作

人工智能代理（AI Agent）指的是可以根據工作流程代表用戶執行任務的程序。AI Agent 背後的核心是 LLM（大語言模型），該模型可以根據其訓練或學習到的知識做出反應，但這種反應往往是有限制的。

Agent 與機器人有本質區別。機器人通常針對特定任務，需要人工監督，並需要在預定義的規則和條件下運行。相比之下，agent 更具動態性和適應性，能夠自主學習以實現特定目標。

為了創造更個性化的體驗和更全面的響應，agent 可以將過去的互動存儲在內存中，從而使代理能夠從用戶的行為模式中學習並調整其響應，根據歷史背景生成量身定制的建議和策略。

在區塊鏈中，agent 可以與智能合約和账戶互動，處理復雜的任務，而無需持續的人工幹預。例如，在簡化 defi 用戶體驗方面，包括一鍵執行多步橋接和 farming、優化 farming 策略以獲得更高的回報、執行交易（买入/賣出）並進行市場分析，所有這些步驟都是自主完成的。

參考 @3sigma 的研究，大多數模型都遵循 6 個特定的工作流程：

數據收集
模型推理
決策制定
托管和運行
互操作性
錢包

1、數據收集

首先，模型需要了解其工作環境。因此它們需要多個數據流，以使模型與市場狀況保持同步。這包括：1) 來自索引器和預言機的鏈上數據 2) 來自價格平臺的鏈下數據，例如 CMC / Coingecko / 其他數據提供商的數據 API。

2、模型推理

一旦模型學習了環境，它們就需要應用這些知識，根據用戶新的、未識別過的輸入數據進行預測或執行。Agent 使用的模型包括：

監督學習和非監督學習：在有標籤或無標籤數據上訓練的模型，用於預測結果。在區塊鏈語境下，這些模型可以分析治理論壇數據，以預測投票結果或識別交易模式。
強化學習：通過評估其行為的獎懲結果，在試錯中學習的模型。其應用包括優化代幣交易策略，如確定購买代幣的最佳买入點或調整 farming 參數。
自然語言處理（NLP）：理解和處理人類語言輸入的技術，這對於掃描治理論壇和提案以獲取觀點來說非常有價值。

▲ 來源：https://www.researchgate.net/figure/The-main-types-of-machine-learning-Main-approaches-include-classification-and-regression_fig1_354960266

3、決策制定

通過訓練有素的模型和數據，agent 可利用其決策能力採取行動。這包括闡釋現下情況並做出適當反應。

在這一階段，優化引擎在尋找最佳結果方面發揮着重要作用。例如，在執行收益策略之前，agent 需要平衡滑點、價差、交易成本和潛在利潤等多種因素。

由於單個 agent 可能無法優化不同領域的決策，因此可以部署多代理系統來進行協調。

4、托管和運行

由於任務的計算密集性質，AI Agent 通常將其模型托管在鏈下。一些 agent 依賴 AWS 等中心化雲服務，而那些傾向於去中心化的 agent 則使用 Akash 或 ionet 等分布式計算網絡以及 Arweave 進行數據存儲。

雖然 AI Agent 模型在鏈下運行，但 agent 需要與鏈上協議交互，以執行智能合約功能及管理資產。這種交互需要安全的密鑰管理解決方案，如 MPC 錢包或智能合約錢包，以安全地處理交易。Agent 可以通過 API 進行操作，在 Twitter 和 Telegram 等社交平臺上與其社區進行交流和互動。

5、互操作性

Agent 需要與各種協議交互，同時在不同系統間保持更新。它們通常使用 API 橋接器來獲取外部數據，如價格饋送（price feed）。

為了及時了解當前協議狀態並做出適當響應，agent 需要通過 webhooks 或 IPFS 等去中心化消息傳遞協議進行實時同步。

6、錢包

Agent 需要一個錢包或訪問私鑰來發起區塊鏈交易，市場上有兩種常見的錢包/密鑰管理方式：基於 MPC 和基於 TEE 的解決方案。

對於投資組合管理的應用，MPC 或 TSS 可以在 agent、用戶和可信方之間拆分密鑰，而用戶仍可對 AI 保持一定程度的控制。Coinbase AI Replit 錢包有效地實現了這種方法，展示了如何利用 AI agent 實現 MPC 錢包。

對於完全自主的 AI 系統，TEE 提供了一種替代方案，將私鑰存儲在一個安全飛地中，使整個AI agent 能夠在一個隱蔽和受保護的環境中運行，不受第三方幹擾。然而，TEE 解決方案目前面臨兩大挑战：硬件集中化和性能开銷。

在克服這些難題後，我們將能夠在區塊鏈上創建一個自主代理，不同的 agent 可以在 DeFi 生態系統中各司其職，以提高效率、改善鏈上交易體驗。

總的來說，我暫且將 DeFi x Ai 分為 4 大類：

抽象/用戶體驗友好型 AI
收益優化或投資組合管理
市場分析或預測機器人
DeFai 基礎設施/平臺

打开 DeFi x AI 世界的大門 — DeFai

▲ 來源：IOSG Venture

#1、抽象/用戶體驗友好型 AI

人工智能的目的是為用戶提高效率、解決復雜問題和簡化復雜任務。基於抽象的人工智能可以簡化新手和現有交易者訪問 DeFi 的復雜性。

在區塊鏈領域，有效的 AI 解決方案應該能夠：

自動執行多步驟交易和質押操作，用戶無需具備任何行業知識；
執行實時研究，提供用戶做出明智交易決策所需的所有必要信息和數據；
從各種平臺獲取數據，識別市場機會，為用戶提供全面分析。

這些抽象工具大多以 ChatGPT 為核心。雖然這些模型需要與區塊鏈無縫集成，但在我看來，似乎沒有任何模型經過專門訓練或與根據區塊鏈數據進行適配。

Griffain 的創始人 Tony 在 Solana 黑客松中提出這一概念。後來他將這一想法轉化為功能性產品，並獲得了 Solana 創始人 Anatoly 的支持和認可。

簡單地說，griffain 是目前 Solana 上第一個也是性能最強的抽象 AI，它可以執行 swap、錢包管理、NFT 鑄造和代幣狙擊等功能。

以下是 griffain 提供的具體功能：

用自然語言執行交易
使用 pumpfun 發行代幣，鑄造 NFT，並可選擇地址進行空投
多 agent 協調
Agent 可代表用戶發布推文
根據特定關鍵字或條件在 pumpfun 上狙擊新上线的 memecoins
質押、自動化和執行 DeFi 策略
調度任務，用戶可以向 agent 輸入 input，創造量身定制的代理
從平臺獲取數據進行市場分析，例如識別代幣的持有者分布

盡管 griffain 提供了衆多功能，但用戶仍需要手動輸入 token 地址或向 agent 提供具體的執行指令。因此對於不熟悉這些技術指令的初學者來說，目前的產品還有優化的空間。

到目前為止，griffain 提供兩種類型的AI agent：個人人工智能代理和特殊代理。

個人人工智能代理 (Personal AI Agent) 由用戶控制。用戶可以自定義指令和輸入內存設置，以便根據個人情況定制代理。

特殊代理 (Special agents) 是為特定任務設計的代理。例如，“空投代理” (Airdrop Agent) 經過訓練後可查找地址並將代幣分配給指定的持有者，而 “質押代理” (Staking Agent) 經過編程後可將 SOL 或其他資產質押到資產池中，以實現挖礦策略。

Griffain 的多代理協作系統是一個顯著特點，多個 agent 可以在一個聊天室裏協同工作。這些 agent 既能獨立解決復雜的任務，又能保持協作。

▲ 來源：Source: https://griffain.com

账戶創建後，系統會生成一個錢包，用戶可以將账戶委托給 agent，由其自主執行交易和管理投資組合。

其中，密鑰通過 Shamir Secret Sharing 進行拆分，這樣 griffain 和 privy 都無法托管錢包，根據 Slate 的介紹，SSS 的工作原理是將密鑰拆分為三個部分，包括：

設備共享：存儲在瀏覽器中，打开標籤頁時檢索
授權共享：存儲在 Privy 服務器上，在驗證和登錄應用程序時檢索
恢復共享：加密存儲在 Privy 服務器上，只有在用戶輸入密碼登錄標籤頁時才能解密並獲取

此外，用戶還可以在 griffain 前端選擇導出或導出。

Anon 由 Daniele Sesta 建立，他因創建 DeFi 協議 Wonderland 和 MIM (Magic Internet Money) 而聞名。與 Griffain 類似，Anon 也是為了簡化用戶與 DeFi 的交互。

雖然該團隊已經對其未來功能做出介紹，但由於產品尚未公开，因此還沒有任何功能得到驗證。部分功能包括：

使用自然語言（包括中文在內的多語言）執行交易
通過 LayerZero 實現跨鏈橋接
與 Aave、Sparks、Sky 和 Wagmi 等夥伴協議進行借貸和供應
通過 Pyth 獲取實時價格和數據信息
提供基於時間和 gas price 的自動執行和觸發器
提供實時市場分析，如情緒檢測、社交資料分析等

除核心功能外，Anon 還支持各種 AI 模型，包括 Gemma、Llama 3.1、Llama 3.3、Vision、Pixtral 和 Claude。這些模型有可能提供有價值的市場分析，提供有助於用戶節省研究時間並做出明智決策，這在當今每天都有市值 1 億的新代幣出現的市場中尤為寶貴。

錢包可以導出、撤銷授權，但有關錢包管理和安全協議的具體細節尚未公开。

除核心功能外，Anon 還支持各種 AI 模型，包括 Gemma、Llama 3.1、Llama 3.3、Vision、Pixtral 和 Claude。

除此之外，daniele 最近發布了 2 條關於 Anon 的更新：

Automate 框架：

一個 typeScript 框架，可幫助更多項目更快地與 Anon 集成。該框架將要求所有數據和交互都遵循預定義的結構，以便 Anon 可以降低 AI 被幻覺的風險並更加可靠。

Gemma：

一個Research / 研究代理，可以從鏈上 defi 指標（例如 TVL、交易量、prepdex 資金率）和鏈下數據（例如 Twitter 和 Telegram）收集實時數據，以進行社交情緒分析。這些數據將轉化為機會警報和針對用戶的定制見解。

從文檔來看，這使得 Anon 成為整個領域中最受期待和最強大的抽象工具之一。這在當今每天都有市值 1 億的新代幣出現的市場中尤為寶貴。

在 BigBrain Holdings 的支持下，Slate 將自己定位為 “Alpha AI”，可根據鏈上信號進行自主交易。目前 Slate 是唯一能夠在 Hyperliquid 上自動執行交易的抽象 AI。

Slate 優先考慮價格路由、快速執行，並能在交易前進行模擬。主要功能包括：

EVM 鏈和 Solana 之間的跨鏈 swap
基於價格、市值、gas 費用和盈虧指標的自動交易
自然語言任務調度
鏈上交易聚合
Telegram 通知系統
可开倉多空、在特定條件下清償、LP 管理+挖礦，包括在 hyperliquid 上執行

總體而言，其費用結構分為兩種：

常規操作：Slate 對常規轉账/提款不收取費用，但對 swap、橋接、claim、借入、借出、償還、質押、解除質押、做多、做空、鎖定、解鎖等操作收取 0.35% 的費用。
條件操作：如果設置了條件訂單 (如限價訂單)。如果基於 gas 費用條件，Slate 將收取 0.25% 手續費；所有其他條件的費用則為 1.00 %。

在錢包方面，Slate 集成了 Privy 的嵌入式錢包架構，確保 Slate 和 Privy 都不會托管用戶的錢包。用戶既可以連接自己現有的錢包，也可以授權 agent 代表自己執行交易。

▲ 來源：https://docs.slate.ceo

對比主流抽象 AI：

▲ 來源：IOSG Venture

目前大多數 AI 抽象工具支持在 Solana 和 EVM 鏈之間進行跨鏈交易和資產橋接。Slate 提供 Hyperliquid 集成，而 Neur 和 Griffin 目前僅支持 Solana，但預計很快會加入跨鏈支持功能。

大多數平臺整合了 Privy 內嵌錢包和 EOA 錢包，允許用戶自主管理資金，但需要用戶授權 agent 訪問以執行某些交易。這為 TEE (Trusted Execution Environment) 提供了機會，以確保 AI 系統的防篡改性。

盡管大多數 AI 抽象工具共享如代幣發行、交易執行和自然語言條件訂單等功能，但它們的性能差異顯著。

在產品層面，我們仍處於抽象 AI 的初期階段。通過比較上述提到的五個項目，Griffin 因其豐富的功能集、廣泛的合作網絡以及多代理協作的工作流處理而脫穎而出 (Orbit 也是支持多代理的另一個項目)。Anon 憑借快速響應、多語言支持和 Telegram 集成而表現出色，而 Slate 則得益於其復雜的自動化平臺，且是唯一支持 Hyperliquid 的代理。

然而，在所有抽象 AI 中，一些平臺在處理基礎交易 (如 USDC Swap) 時仍面臨挑战，例如無法准確獲取正確的代幣地址或價格，或未能分析最新的市場趨勢。響應時間、准確性和結果相關性也是衡量模型基本性能的重要差異化因素。未來，我們希望與團隊合作开發一個透明化的儀表板，實時追蹤所有抽象 AI 的表現。

#2、自主收益優化與投資組合管理

與傳統收益策略不同，該領域的協議使用 A I分析鏈上數據以進行趨勢分析，並提供幫助團隊开發更優收益優化和投資組合分配策略的信息。

為了降低成本，模型通常在 Bittensor 子網或鏈下訓練。為了讓 AI 能夠自主執行交易，採用了 ZKP (零知識證明) 等驗證方法以確保模型的誠實性和可驗證性。以下是幾個優化受益 DeFai 協議的例子：

T3AI 是一個支持非足額抵押的借貸協議，通過使用 AI 作為中介和風險引擎。其 AI agent 實時監控貸款健康狀況，並通過 T3AI 的風險指標框架確保貸款可清償。同時，AI 通過分析不同資產之間的關系及其價格變化趨勢，提供精確的風險預測。T3AI 的 AI 具體表現為：

分析主要 CEX 和 DEX 的價格數據；
測量不同資產的波動性；
研究資產價格的相關性和聯動性；
發現資產交互中的隱藏模式。

AI 將根據用戶的投資組合建議最優配置策略，並在模型調整後潛在實現自主的 AI 投資組合管理。此外，T3AI 還通過 ZK 證明和驗證者網絡確保所有操作的可驗證性和可靠性。

▲ 來源：https://www.trustinweb3.xyz/

Kudai 是一個實驗性的 GMX 生態系統代理，由 GMX Blueberry Club 利用 EmpyrealSDK 工具包开發，其代幣目前在 Base 網絡上交易。

Kudai 的理念是將 $KUDAI 產生的所有交易費用用於資助自主交易操作的代理，並將利潤分配給代幣持有者。

在即將到來的第 2/4 階段，Kudai 將能夠解釋 Twitter 上的自然語言：

購买並質押 $GMX 以生成新收入流；
投資於 GMX GM 池以進一步提高收益；
以最低價購买 GBC NFT 以擴展投資組合。

在此階段之後，Kudai 將完全自主化，可獨立執行槓杆交易、套利和賺取資產回報 (利息)。除此之外團隊尚未披露更多信息。

Sturdy Finance 是一個借貸與收益聚合器，利用由 Bittensor SN10 子網礦工訓練的 AI 模型，通過在不同的白名單 silo 池之間轉移資金來優化收益。

Sturdy 採用兩層架構，由獨立資產池 (silo pools) 和聚合層 (aggregator layer) 組成：

獨立資產池（Silo Pools）

這些是單一資產隔離池，用戶只能在其中借貸單一資產或使用單一抵押品進行借款。

聚合層（Aggregator Layer）

聚合層基於 Yearn V3 構建，通過利用率和收益率將用戶資產分配到經過白名單審核的獨立資產池中。Bittensor 子網為聚合器提供最佳的分配策略。當用戶將資產存入聚合器時，他們僅暴露於所選的抵押品類型，完全避免了來自其他借貸池或抵押資產的風險。

▲ 來源：https://sturdy.finance

截至本文撰寫時，Sturdy V2 的 TVL 自 2024 年 5 月以來一直下降，目前聚合器的 TVL 約為 390 萬美元，佔協議總 TVL 的 29%。

自 2024 年 9 月以來，Sturdy 的日活躍用戶始終保持在兩位數（>100），其中 pxETH 和 crvUSD 是聚合器中的主要借貸資產。然而，該協議的表現在過去幾個月中明顯停滯。引入 AI 的整合似乎是為了希望重新激發協議的增長動能。

▲ 來源：https://dune.com/tk-research/sturdy-v2

#3、市場分析代理

#Aixbt

Aixbt 是一個市場情緒追蹤代理，聚合並分析來自 400 多位 Twitter KOL 的數據。借助其專有引擎，AixBT 能夠識別實時趨勢並全天候發布市場觀察信息。

在現有的 AI agent 中，AixBT 擁有顯著的 14.76% 的市場關注份額，使其成為生態系統中最具影響力的代理之一。

▲ 來源：Kaito.com

Aixbt 是為社交媒體互動而設計，其發布的洞察直接反映了市場的注意力焦點。

其功能不僅僅局限於提供市場洞察 (alpha)，還包括互動性。AixBT 能夠回復用戶問題，甚至通過 Twitter 使用專業工具包進行代幣發行。例如，$CHAOS 代幣便是 AixBT 和另一個交互式機器人 Simi 利用 @EmpyrealSDK 工具包合作創建的。

截至目前，持有 600,000 枚 $AIXBT 代幣（價值約 24 萬美元）的用戶可訪問其分析平臺和終端。

#4、去中心化 AI 基礎設施和平臺

Web3 AI Agent 的存在離不开去中心化基礎設施的支持。這些項目不僅為模型訓練和推理提供支持，還提供數據、驗證方法以及協調層，以推動 AI 代理的开發。

無論是 Web2 還是 Web3 的 AI，模型、計算能力、數據始終是推動大語言模型 (LLM) 和 AI agent 卓越發展的三大基石。通過去中心化方式訓練的开源模型將受到 agent 構建者的青睞，因為這種方式完全消除了中心化所帶來的單點風險，並為用戶所擁有的 AI 开闢了可能性。开發者無需依賴 Google、Meta 和 OpenAI 等 Web2 AI 巨頭的 LLM API。

以下是由 Pinkbrains 繪制的 AI 基礎設施圖：

▲ 來源：Pink Brains

Nous Research、Prime Intellect 和 Exo Labs 等先鋒機構正在推動去中心化訓練的邊界。

Nous Research 的 Distro 訓練算法以及 Prime Intellect 的 DiLoco 算法已經成功在低帶寬環境中訓練出擁有超過 100 億參數的模型，這表明在傳統中心化系統之外，同樣可以實現大規模訓練。Exo Labs 更進一步推出了 SPARTA 分布式 AI 訓練算法，將 GPU 間的通信量減少了 1000 倍以上。

Bagel 正致力於成為一個去中心化的 HuggingFace，為 AI 开發者提供模型和數據，同時通過加密技術解決开源數據的歸屬和貨幣化問題。Bittensor 則構建了一個競爭性市場，參與者可貢獻算力、數據和智能，以加速 AI 模型和代理的开發。

許多人認為 AixBT 能夠在實用型代理類別中脫穎而出，主要得益於其高質量數據集的獲取能力。

Grass、Vana、Sahara、Space and Time 和 Cookie DAOs 等提供商供應高質量、領域特定的數據，或允許 AI 开發者訪問數據“圍牆花園”，從而增強其能力。通過利用超過 250 萬個節點，Grass 每日可抓取高達 300 TB 的數據。

目前，Nvidia 僅能在 2000 萬小時的視頻數據上訓練其視頻模型，而 Grass 的視頻數據集規模是其 15 倍 (3 億小時)，並且每天增長 400 萬小時——也就是 Nvidia 總數據集的 20% 每天都在被 Grass 收集。換句話說，Grass 僅需 5 天就能獲取 Nvidia 總視頻數據集的等量數據。

沒有計算資源，agent 無法運行。Aethir 和 io.net 等算力市場通過聚合各種 GPU，為 agent 开發者提供了經濟高效的選擇。Hyperbolic 的去中心化 GPU 市場將計算成本削減了多達 75%，同時托管开源 AI 模型，提供與 Web2 雲提供商相當的低延遲推理能力。

Hyperbolic 通過推出 AgentKit，進一步增強其 GPU 市場和雲服務。AgentKit 是一個強大的接口，允許 AI 代理完全訪問 Hyperbolic 的去中心化 GPU 網絡。它具有 AI 可讀的算力資源地圖，能夠實時掃描並提供有關資源可用性、規格、當前負載和性能詳細信息。

AgentKit 开啓了一個革命性的未來，agent 可以獨立獲取所需的算力並支付相關費用。

通過創新的 Proof of Sample 驗證機制，Hyperbolic 確保生態系統中的每次推理交互都經過驗證，為未來的代理世界建立信任基礎。

然而，驗證僅解決了自主代理信任問題的一部分。另一個信任維度涉及隱私保護，而這正是 Phala、Automata 和 Marlin 等 TEE (可信執行環境) 基礎設施項目的優勢。例如，這些 AI agent 所使用的專有數據或模型可以被安全地保護。

事實上，真正的自主代理無法在沒有 TEE 的情況下完全運行，因為 TEE 對於保護敏感信息至關重要，比如保護錢包私鑰、防止未經授權的訪問，以及確保 Twitter 账戶的登錄安全等。

TEE (可信執行環境) 在處理過程中將敏感數據隔離在受保護的 CPU/GPU enclave (安全區域) 內。只有授權的程序代碼才能訪問 enclave 的內容，而雲服務提供商、开發人員、管理員以及其他硬件部分均無法訪問這一區域。

TEE 的主要用途是執行智能合約，尤其是在涉及更敏感金融數據的 DeFi 協議中。因此，TEE 與 DeFai 的集成包括傳統的 DeFi 應用場景，例如：

交易隱私：TEE 可以隱藏交易細節，如發送方和接收方地址以及交易金額。Secret Network 和 Oasis 等平臺使用 TEE 保護 DeFai 應用程序中的交易隱私，從而實現隱私支付。
抗 MEV：通過在 TEE 中執行智能合約，區塊構建者無法訪問交易信息，從而防止了產生 MEV 的搶跑攻擊。Flashbots 利用 TEE 开發了 BuilderNet，這是一個去中心化的區塊構建網絡，可降低與中心化區塊構建相關的審查風險。Unichain 和 Taiko 等鏈也使用 TEE 為用戶提供更好的交易體驗。

這些功能也適用於 ZKP 或 MPC 等替代解決方案。不過，TEE 目前在這三種解決方案中執行智能合約的效率最高，原因很簡單，因為該模型是基於硬件的。

在代理方面，TEE 為代理提供了各種能力：

自動化：TEE 可以為 agent 創建獨立的操作環境，確保其策略的執行不受人為幹擾。這保證了投資決策完全基於代理的獨立邏輯。
TEE 還能讓 agent 控制社交媒體账戶，確保其發表的任何公开聲明都是獨立的，不受外界影響，從而避免廣告等宣傳的嫌疑。Phala 正與 AI16Z 團隊合作，使 Eliza 能夠在 TEE 環境中高效運行。
可驗證性：人們可以驗證 agent 是否在使用承諾的模型進行計算並產生有效結果。Automata 和 Brevis 正在合作开發這種功能。

隨着越來越多具有特定用例（DeFi、遊戲、投資、音樂等）的專業代理進入這一領域，更好的 agent 協作和無縫通信變得至關重要。

代理群框架的基礎設施已經出現，以解決單體代理的局限性。群集智能允許代理作為一個團隊協同工作，匯集它們的能力來實現共同的目標。協調層將復雜性抽象化，使代理更容易在共同目標和激勵機制下开展協作。

包括 Theoriq、FXN 和 Questflow 在內的幾家 Web3 公司正在朝這個方向發展。在所有這些參與者中，最初於 2022 年作為 ChainML 推出的 Theoriq 在實現這一目標方面的努力時間最長，其愿景是成為代理人工智能的通用基礎層。

為了實現這一愿景，Theoriq 在底層模塊處理 agent 注冊、支付、安全、路由、規劃和管理。它還連接了供需雙方，提供了一個名為 Infinity Studio 的直觀代理構建平臺，允許任何人部署自己的代理，同時還提供了 Infinity Hub（一個客戶可以瀏覽所有可用代理的市場）。在其蜂群系統中，元代理會為給定任務選擇最合適的代理，創建 “蜂群 ” (swarms) 以實現共同目標，同時跟蹤聲譽和貢獻以保持質量和責任。

Theoriq 代幣提供了經濟保障，代理運營商和社區成員可以用代幣來表示對代理的質量和信任，從而激勵優質服務，阻止惡意行為。代幣還可作為一種交換媒介，用於支付服務費用和訪問數據，並獎勵貢獻數據、模型等的參與者。

▲ 來源：Theoriq

隨着圍繞 AI Agent 的討論逐漸成為一個長期的行業領域，並由明確的實用代理帶頭，我們可能會看到 Crypto x AI 基礎設施項目的復興，並帶來強勁的價格表現。這些項目有可能利用其風險投資資金、多年的研發經驗和特定領域的技術專長，在整個價值鏈上進行擴張。這可以讓它們开發出自己的高級實用 AI Agent，能夠超越目前市場上 95% 的其他 agents。