AI agent 解码：塑造未来新经济生态的智慧力量

AI Agents 正在改革加密货币经济，从 DeFi 到 GameFi 展现强大潜力。本文源自 Klein Labs 所着文章，由 PANews 整理、编译。 （前情提要： Y Combinator 创业指南解读：AI Agent 在未来有哪些发展趋势？） （背景补充： Bankless：加密技术如何成为 AI Agents 的超级燃料） 一、背景概况 1.1 引言：智慧时代的 「新伙伴」 每个加密货币周期都会带来推动整个行业发展的全新基础设施。 2017 年，智慧合约的兴起催生了 ICO 的蓬勃发展。 2020 年，DEX 的流动池带来了 DeFi 的夏季热潮。 2021 年，大量 NFT 系列作品问世标志着数位收藏品时代的到来。 2024 年，pump.fun 的出色表现引领了 memecoin 及发射平台的热潮。 需要强调的是，这些垂直领域的起步并不仅仅是由于技术创新，更是融资模式与牛市周期完美结合的结果。当机遇遇上合适的时机，便能催生巨大的变革。展望 2025 年，很明显，2025 年周期的新兴领域将是 AI 代理。 这一趋势在去年 10 月达到顶峰，2024 年 10 月 11 日 $GOAT 代币推出，并于 10 月 15 日达到 1.5 亿美元市值。紧接着 10 月 16 日，Virtuals Protocol 推出了 Luna，以邻家女孩的 IP 直播形象首次登场，引爆全行业。 那么，到底什么是 AI Agent? 大家对经典电影《生化危机》一定不陌生，其中的 AI 系统红心皇后令人印象深刻。红心皇后是一个强大的 AI 系统，控制着复杂的设施和安全系统，能够自主感知环境、分析资料并迅速采取行动。 实际上，AI Agent 与红心皇后的核心功能有许多相似之处。现实中的 AI Agent 在某种程度上扮演着类似的角色，它们是现代技术领域的 「智慧守护者」，通过自主感知、分析和执行，帮助企业和个人应对复杂任务。 从自动驾驶汽车到智慧客服，AI Agent 已深入各行各业，成为提升效率和创新的关键力量。这些自主智慧体，如同无形的团队成员，具备从环境感知到决策执行的全方位能力，逐步渗透到各个行业，推动效率和创新的双重提升。 例如，一个 AI AGENT 可以用于自动化交易，基于从 Dexscreener 或社交平台 X 收集的资料，即时管理投资组合并执行交易，不断在迭代中优化自身表现。AI AGENT 并非单一形式，而是根据加密生态系统中的特定需求分为不同类别： 执行型 AI Agent：专注于完成特定任务，如交易、投资组合管理或套利，旨在提高操作精度并减少所需时间。 创造型 AI Agent：用于内容生成，包括文字、设计甚至音乐创作。 社交型 AI Agent：作为社交媒体上的意见领袖，与使用者互动，建立社群并参与行销活动。 协调型 AI Agent：协调系统或参与者之间的复杂互动，特别适用于多链整合。 在这份报告中，我们将深入探讨 AI Agent 的起源、现状及广阔的应用前景，分析它们如何重塑行业格局，并展望其未来发展趋势。 1.1.1 发展历史 AI AGENT 的发展历程展示了 AI 从基础研究到广泛应用的演变。在 1956 年的达特茅斯会议上，「AI」 一词被首次提出，为 AI 作为一个独立领域奠定了基础。在这一时期，AI 研究主要集中于符号方法，催生了首批 AI 程式，如 ELIZA（一个聊天机器人）和 Dendral（有机化学领域的专家系统）。这一阶段还见证了神经网路的首次提出以及机器学习概念的初步探索。但这一时期的 AI 研究受到当时计算能力限制的严重制约。 研究者们在自然语言处理和模仿人类认知功能的演算法开发上遇到了极大困难。此外，1972 年，数学家 James Lighthill 提交了一份于 1973 年发表的关于英国正在进行的 AI 研究状况的报告。Lighthill 报告基本表达了对 AI 研究在早期兴奋期过后的全面悲观，引发了英国学术机构 ( 包括资助机构 ) 对 AI 巨大的信心丧失。1973 年后 AI 研究经费大幅减少，AI 领域经历了第一个 「AI 寒冬」，对 AI 潜力的怀疑情绪增加。 20 世纪 80 年代，专家系统的发展与商业化使得全球企业开始采用 AI 技术。这一时期在机器学习、神经网路和自然语言处理方面取得了重大进展，推动了更复杂的 AI 应用的出现。首次自主车辆的引入以及 AI 在金融、医疗等各行业的部署，也标志着 AI 技术的扩展套件。 但在 20 世纪 80 年代末至 90 年代初，随着市场对专用 AI 硬体的需求崩溃，AI 领域经历了第二次 「AI 寒冬」。此外，如何扩大 AI 系统的规模以及将其成功整合到实际应用中，仍然是一个持续的挑战。但与此同时，1997 年，IBM 的深蓝电脑战胜了世界象棋冠军加里・卡斯帕罗夫，这是 AI 在解决复杂问题能力上的里程碑事件。神经网路和深度学习的复兴为 1990 年代末的 AI 发展奠定了基础，使 AI 成为技术景观中不可或缺的一部分，并开始影响日常生活。 到本世纪初，计算能力的进步推动了深度学习的兴起，Siri 等虚拟助手展示了 AI 在消费应用领域的实用性。2010 年代，强化学习代理和 GPT-2 等生成模型取得了进一步突破，将对话式 AI 推向了新的高度。 在这个过程中，大语言模型（Large Language Model，LLM）的出现成为了 AI 发展的重要里程碑，尤其是 GPT-4 的释出，更被视为 AI 代理领域的转折点。 自 OpenAI 释出 GPT 系列以来，大规模预训练模型通过数百亿甚至数千亿的引数，展现出了超越传统模型的语言生成和理解能力。它们在自然语言处理上的卓越表现，让 AI 代理能够通过语言生成展现出逻辑清晰、条理分明的互动能力。这使得 AI 代理能够应用于聊天助手、虚拟客服等场景，并逐步向更复杂的任务（如商业分析、创意写作）扩展套件。 大语言模型的学习能力为 AI 代理提...