Solana基金会：AI与加密融合的三大战略方向

原文标题：Focus areas at the intersection of crypto and AI

原文作者：Kuleen，Solana 基金会 DePIN 负责人

原文编译：Yuliya，PANews

当前，AI 与加密技术的交汇正进入”寒武纪爆发”式的实验阶段。本文 Solana 基金会详细阐述了 AI+加密融合的三大重点发展方向。

TLDR

1. 构建 Solana 上最具活力的智能代理驱动经济

Truth Terminal 已经证明了 AI 代理在链上运作的可行性。这个领域的实验正在不断突破代理链上操作的边界，这一领域不仅潜力巨大，而且设计空间十分广阔。目前这已经成为加密和 AI 领域最具突破性和爆发力的方向之一，而这仅仅是开始。

2. 提升 LLM 在 Solana 代码开发中的能力

大语言模型在代码编写方面已经表现出色，未来还将进一步提升。通过这些能力，Solana 开发者的效率有望提升 2-10 倍。近期，通过建立高质量基准来评估 LLMs 理解和编写 Solana 代码的能力，将有助于理解 LLMs 对 Solana 生态系统的潜在影响。高质量的模型微调方案将在基准测试中得到验证。

3. 支持开放且去中心化的 AI 技术栈

“开放且去中心化的 AI 技术栈”包含以下关键要素：

· 训练数据获取

· 训练和推理计算能力

· 模型权重共享

· 模型输出验证能力

这种开放的 AI 技术栈的重要性体现在：

· 加速模型开发创新和实验

· 为不信任中心化 AI 的用户提供替代方案

1. 构建最具活力的智能代理驱动经济

关于 Truth Terminal 和$GOAT 的讨论已经很多，这里无需赘述。但可以肯定的是，当 AI 代理开始参与链上活动时，一个充满可能性的新世界已经展开（值得注意的是，目前代理甚至还没有直接在链上采取行动）。

虽然现在还无法准确预测代理在链上行为的未来发展，但通过观察 Solana 上已经发生的创新，我们可以窥见这个设计空间的广阔前景：

· Truth Terminal 等 AI 项目正通过$GOAT 等 Meme 币发展新型数字社区

· Holoworld AI、vvaifu.fun、Top Hat AI、Alethea AI 等平台让用户能够轻松创建和部署智能代理及其相关代币

· 基于知名加密投资者个性特征训练的 AI 基金经理正在涌现，在 daos.fun 平台上，ai16z 的迅速崛起的迅速崛起，开创了 AI 基金与代理支持者的全新生态系统

· 此外，像 Colony 这样的游戏平台，让玩家通过指导代理行动来参与游戏，经常产生意想不到的创新玩法。

未来发展方向

未来，智能代理可以管理需要多方经济协调的复杂项目。例如在科研领域，代理可以负责寻找特定疾病的治疗化合物。具体而言：

· 通过 Pump Science 平台进行代币募资

· 利用募集资金支付付费研究资料的访问费用，在 kuzco、Render Network、io.net 等去中心化计算网络上进行化合物模拟的计算费用

· 通过 Gib.Work 等赏金平台招募人类执行实验验证工作（例如，运行实验来验证/建立模拟结果）

除了复杂项目外，代理也可以执行建立个人网站、创作艺术作品（如 zerebro）等简单任务，其应用场景具有无限可能。

为什么代理在链上执行金融活动比使用传统渠道更有意义？

代理完全可以同时运用传统金融渠道和加密货币系统。不过，加密货币在某些领域具有独特优势：

· 小额支付应用——Solana 在这方面表现出色，Drip 等应用已经证明了这一点

· 速度优势——即时结算功能、有助于代理实现最大的资本效率

· 通过 DeFi 进入资本市场——这可能是代理参与加密经济最有力的理由。当代理需要开展支付以外的金融活动时，加密货币的优势就更加明显。代理可以无缝地铸造资产、进行交易、投资理财、借贷操作、使用杠杆等。特别是 Solana，由于其主网上已经拥有众多一流的 DeFi 基础设施，特别适合支持这些资本市场活动。

从技术发展规律来看，路径依赖性起着关键作用。产品是否最优并非最重要，关键在于谁能首先达到临界规模并成为默认选择。随着越来越多的代理通过加密货币获得收益，加密连接很可能成为代理的核心能力。

基金会希望看到

Solana 基金会希望看到配备加密钱包的代理能在链上进行大胆的创新实验。基金会在此不过多限定具体方向，因为可能性实在太广泛——相信最有趣、最有价值的代理应用场景很可能是现在还无法预见的。

不过，基金会特别关注以下几个方向的探索：

1. 风险控制机制

· 尽管当前的模型表现出色，但仍远非完美

· 不能给予代理完全不受约束的行动自由

2. 推动非投机性使用场景

· 通过 xpticket 购买票务

· 优化稳定币投资组合收益

· 在 DoorDash 上订购食物

3. 开发进度要求

· 至少要达到测试网的原型阶段

· 最好已经在主网上运行

2. 提升 LLMs 编写 Solana 代码的能力，赋能 Solana 开发者

LLMs 已经展现出强大的能力并在快速进步。在 LLM 的应用领域中，编写代码这一领域可能会出现特别陡峭的进步曲线，因为这是一个可以客观评估的任务。正如下文所述，”编程特别具有独特优势：通过’自我对弈’实现超人类数据扩展的潜力。模型可以编写代码并运行，或者编写代码、编写测试，然后检查自我一致性。”

如今，尽管 LLMs 在编写代码方面仍然不够完美，存在明显的不足（例如，在发现 bug 方面表现欠佳），但像 Github Copilot 和 Cursor 这样的 AI 原生代码编辑器已经从根本上改变了软件开发（甚至改变了公司招聘人才的方式）。考虑到预期的快速进步率，这些模型很可能会彻底改变软件开发。基金会希望利用这一进步，使 Solana 开发者的工作效率提升一个数量级。

然而，目前有几个挑战阻碍了 LLMs 在理解 Solana 方面达到卓越水平：

· 缺乏优质的原始训练数据

· 验证构建（Verified builds）数量不足

· Stack Overflow 等平台上缺乏高信息价值的互动

· 历史上 Solana 基础设施发展迅速，意味着即使是 6 个月前编写的代码可能也不完全适合今天的需求

· 缺乏评估模型对 Solana 理解程度的方法