原文作者： Archetype
原文編譯：深潮 TechFlow
1.智能體間的交互(Agent-to-Agent Interaction)
區塊鏈因其天然的透明性和可組合性，成為實現智慧體間無縫互動的理想平台。在這種互動中，由不同機構為不同目的所開發的智能體可以協作完成任務。目前已有一些令人興奮的嘗試，例如智能體之間相互轉帳、一起發行代幣等。我們期待智慧體間的互動能進一步擴展：一方面創造全新的應用場景，例如由智慧體驅動的新型社交平台；另一方面優化現有的企業工作流程，例如平台認證、微支付、跨平台工作流集成等，從而簡化如今複雜繁瑣的操作流程。 - Danny 、 Katie 、 Aadharsh 、 Dmitriy
aethernet 和clanker 在Warpcast 上共同發行Token
2.去中心化智能體組織(Decentralized Agentic Organizations)
大規模多智能體協作是另一個令人振奮的研究方向。多智能體系統如何協同完成任務、解決問題，甚至管理協定和系統？在2024 年初的文章《加密+ AI 應用的承諾與挑戰》中，Vitalik 提出了利用AI 智能體進行預測市場和裁決的設想。他認為，在大規模應用中，多智能體系統在「真相」發現和自治治理方面有著巨大的潛力。我們期待看到這種多智能體系統的能力如何被進一步發掘，以及「群體智慧」如何在實驗中展現出更多可能性。
此外，智能體與人類的協作也是值得探索的方向。例如，社群如何圍繞智能體展開互動，或是智能體如何組織人類完成集體行動。我們希望看到更多以大規模人類協作為目標的智能體實驗。當然，這需要配備某種驗證機制，特別是在任務由鏈下完成的情況下。但這種探索可能會帶來一些意想不到的奇妙結果。 - Katie 、 Dmitriy 、 Ash
3.智能體驅動的多媒體娛樂(Agentic Multimedia Entertainment)
數位化虛擬人格的概念已經存在多年。例如，初音未來( Hatsune Miku , 2007) 曾在2 萬座席的場館舉辦售罄演唱會； Lil Miquela ( 2016) 在Instagram 上擁有超過200 萬粉絲。最近的例子包括AI 虛擬主播Neuro-sama ( 2022)，其在Twitch 上的訂閱量已超過60 萬；以及匿名Kpop 男團PLAVE ( 2023)，其在不到兩年的時間裡在YouTube 上的觀看量已突破3 億次。隨著AI 技術的進步以及區塊鏈在支付、價值轉移和開放資料平台中的應用，這些智能體有望變得更加自主，並可能在2025 年開啟一個全新的主流娛樂類別。 - Katie 、 Dmitriy
由左上順時針：初音未來、Virtuals 的Luna、Lil Miquela 與PLAVE
4.生成式/智能體驅動的內容行銷(Generative/Agentic Content Marketing)
在某些情況下，智能體本身就是產品，而在其他情況下，智能體則可以成為產品的補充。在註意力經濟中，持續輸出吸引人的內容是任何想法、產品或公司成功的關鍵。生成式/智能體驅動的內容為團隊提供了一個強大的工具，可以確保一個可擴展、全天候的內容創作管道。這一領域因「memecoin 與智能體的區別」這一話題的討論而加速發展。智能體是memecoin 實現傳播的強大工具，即使它們還未完全實現「智能體化」。
另一個例子是，遊戲產業為了保持用戶參與度，正越來越多地追求動態化。一種經典的方法是引導使用者生成內容，而純粹的生成式內容（如遊戲內物品、NPC，甚至完全生成的關卡）可能成為這一趨勢的下一個階段。我們很好奇， 2025 年智能體的能力將如何進一步擴展內容分發和使用者互動的邊界。 - Katie
5.下一代藝術工具/平台(Next-Gen Art Tools/Platforms)
在2024 年，我們推出了IN CONVERSATION WITH系列，這是一個與音樂、視覺藝術、設計、策展等領域的加密藝術家對話的訪談節目。今年的訪談讓我注意到一個趨勢：對加密技術感興趣的藝術家通常也對前沿技術充滿熱情，並希望這些技術能更深地融入他們的創作實踐，例如AR/VR 物件、程式碼生成藝術以及即時編碼(livecoding)。
生成藝術(Generative Art) 與區塊鏈技術的結合由來已久，這也讓區塊鏈成為AI 藝術的理想載體。在傳統平台中，要展示和呈現這些藝術形式非常困難。而ArtBlocks 則為數位藝術如何透過區塊鏈實現展示、儲存、貨幣化和保存提供了一個初步的探索，大大改善了藝術家與觀眾的體驗。此外， AI 工具也讓一般人也能輕鬆創作自己的藝術作品。我們非常期待在2025 年，區塊鏈如何進一步提升這些工具的能力。 - Katie
KC: 既然你對加密文化感到挫敗並存在不認同的地方，那是什麼促使你仍然選擇參與Web3？ Web3 為你的創作實踐帶來了哪些價值？是實驗性的探索、經濟回報，還是其他方面？
MM: 對我來說，Web3 在許多方面對我個人以及其他藝術家都有正面影響。就我個人而言，那些支持發布生成藝術的平台對我的創作尤其重要。例如，你可以上傳一個JavaScript 文件，當有人鑄造或收藏一件作品時，程式碼會即時運行，並在你設計的系統中產生獨特的藝術作品。這個即時生成的過程，是我創作實踐的核心部分。在我編寫和建構的系統中引入隨機性，無論是從概念或技術上，都深刻影響了我對藝術的思考方式。然而，如果不是在專門為這種藝術形式設計的平台上展示，或是在傳統畫廊中展示，往往很難向觀眾傳達這個過程。
在畫廊中，可能會展示一個透過投影或螢幕即時運行的演算法，或展示由演算法生成的多個輸出中挑選出的作品，並以某種方式轉化為實體形式進行展覽。但對於那些對程式碼作為藝術媒介不太熟悉的觀眾來說，他們很難理解這種創作過程中隨機性的意義，而這種隨機性正是所有以生成方式使用軟體的藝術家實踐中的重要部分。當作品的最終呈現形式只是一張發佈在Instagram 上的圖片，或者是一件印刷出來的實體作品時，我有時會覺得很難向觀眾強調作品中「代碼作為創作媒介」的這一核心理念。
NFT 的出現讓我感到振奮，因為它不僅提供了一個展示生成藝術的平台，還幫助普及了「代碼作為藝術媒介」這一概念，讓更多人能夠理解這種創作方式的獨特性和價值。
摘自IN CONVERSATION WITH：Maya Man
6.數據市場(Data Markets)
自從Clive Humby 提出「數據是新石油」這一觀點以來，企業紛紛採取措施囤積並貨幣化用戶數據。然而，用戶逐漸意識到自己的數據是這些巨頭公司賴以生存的基石，卻幾乎無法控制數據的使用方式，也未能從中獲得收益。隨著強大AI 模型的快速發展，這一矛盾愈發尖銳。一方面，我們需要解決用戶資料被濫用的問題；另一方面，隨著更大規模、更高品質的模型耗盡了公共互聯網數據這一“資源”，新的數據來源也顯得尤為重要。
為了將資料的控制權還給用戶，去中心化基礎設施提供了廣闊的設計空間。這需要在資料儲存、隱私保護、資料品質評估、價值歸屬和貨幣化機制等多個領域提出創新解決方案。同時，針對數據供應短缺問題，我們需要思考如何利用技術優勢，建構具有競爭力的解決方案，例如透過更優的激勵機制和過濾方法，創造出更高價值的數據產品。尤其是在當前Web2 AI 仍占主導地位的背景下，如何將智能合約與傳統服務協定(SLA) 相結合，是一個值得深入探索的方向。 - Danny
7.去中心化計算(Decentralized Compute)
在AI 的開發與部署中，除了數據，運算能力同樣是關鍵要素。過去幾年，大型資料中心依靠對場地、能源和硬體的獨佔存取權，主導了深度學習和AI 的發展。然而，隨著實體資源的限制和開源技術的發展，這種格局正逐漸被打破。
去中心化AI 的運算v1 階段類似Web2 的GPU 雲，但在硬體供應和需求上並無明顯優勢。而在v2 階段，我們看到一些團隊開始建立更完善的技術堆疊，包括高效能運算的編排、路由和定價系統，同時開發專有功能以吸引需求並提升推理效率。有些團隊專注於透過編譯器框架優化跨硬體的推理路由，而有些則在其計算網路上開發分散式模型訓練框架。
此外，一個被稱為AI-Fi 的新興市場正在形成，其透過創新的經濟機制，將運算能力和GPU 轉化為收益資產，或利用鏈上流動性為資料中心提供硬體融資的新途徑。然而，去中心化計算是否能真正實現其潛力，仍取決於理念與實際需求之間的差距能否被彌合。 - Danny
8.計算會計標準(Compute Accounting Standards)
在去中心化高效能運算(HPC) 網路中，如何協調異質運算資源是一個重要的挑戰，而目前缺乏統一的核算標準讓這個問題更加複雜。 AI 模型的輸出結果具有多樣性，例如模型變體、量化(quantization)、透過溫度(temperature)和取樣超參數調整的隨機性等。此外，不同的GPU 架構和CUDA版本也會導致硬體輸出結果的差異。這些因素使得在異質分散式系統中，如何準確統計模型和計算市場的容量成為一個亟待解決的問題。
由於缺乏這些標準，今年我們在Web2 和Web3 的運算市場中多次看到模型效能和運算資源的品質與數量被錯誤計算的情況。這迫使使用者透過執行自己的基準測試或限制計算市場的使用速率來驗證AI 系統的實際效能。
加密領域一貫強調“可驗證性”，因此我們希望在2025 年，加密與AI 的結合能讓系統效能更加透明。一般使用者應該能夠輕鬆對比模型或計算叢集的關鍵輸出特性，從而審計和評估系統的實際表現。 - Aadharsh
9.機率隱私原語(Probabilistic Privacy Primitives)
Vitalik 在文章《加密+ AI 應用的承諾與挑戰》中提到一個獨特的矛盾： 「在密碼學中，開源是實現安全的唯一方法，但在AI 中，公開模型（甚至是訓練資料）會極大增加其受到對抗性機器學習攻擊的風險。
雖然隱私保護並非區塊鏈的新研究方向，但隨著AI 的快速發展，隱私相關的密碼學技術正在加速應用。今年在隱私增強技術方面已經取得了顯著進展，例如零知識證明(ZK)、全同態加密(FHE)、可信任執行環境(TEE) 和多方計算(MPC)。這些技術被用於如在加密資料上進行通用計算的私有共享狀態等場景。同時，像Nvidia 和Apple 這樣的技術巨頭也在利用專有的TEE 技術，在硬體、韌體和模型保持一致的情況下，實現聯邦學習和私有AI 推理。
未來，我們將重點關注如何在隨機狀態轉換中保護隱私，以及這些技術如何促進去中心化AI 在異質系統上的實際應用，例如去中心化的私有推理、加密資料的儲存和存取管道，以及完全自主的執行環境的建構。 - Aadharsh
Apple 的Apple Intelligence 堆疊和Nvidia 的H100 GPU
10.智能體意圖與下一代使用者交易介面(Agentic Intents and Next-Gen User Trading Interfaces)
AI 智能體的一個重要應用是幫助使用者在鏈上自主完成交易。然而，在過去的12-16 個月中，關於「智能體意圖」、「智能體行為」、「求解器」等術語的定義始終模糊不清，與傳統「機器人」開發的區別也不夠明確。
未來一年，我們期待看到更複雜的語言系統與多種資料類型和神經網路架構結合，從而推動這一領域的發展。智能體會繼續使用現有的鏈上系統完成交易，還是會開發全新的工具和方法？大語言模型(LLM) 是否仍會作為這些系統的核心，還是會被其他技術取代？在使用者介面層面，使用者是否會透過自然語言與系統互動完成交易？經典的「錢包即瀏覽器」理論是否會成為現實？這些都是值得探索的問題。 - Danny 、 Katie 、 Aadharsh 、 Dmitriy
