AI Agents 一詞來自於 OpenAI 的路線圖。Sam Altman 將 AI 應具有的能力分為 5 個部分，其中第三步就是接下來幾年內會頻繁接觸到的，AI Agent。

AI Agent 能做到的事情是自主學習、決策和執行任務，當然根據智能程度和能力，Stuart Russell 和 Peter Norvig 在《Artificial Intelligence: A Modern Approach》一書中，將 AI Agent 分為了 5 個方向：

• Simple Reflex Agents：僅對當前狀態作出反應。
• Model-Based Reflex Agents：在決策過程中會考慮歷史狀態。
• Goal-Based Agents：專注於規劃和尋找實現特定目標的最佳路徑。
• Utility-Based Agents：旨在權衡收益與風險，以最大化效用。
• Learning Agents：通過經驗不斷學習和改進。

那麼目前市場中，或者行業內出現的 AI Agent 位於哪個層次？是什麼方向的 Agent？

OpenAI o1 達到了 Level 2 的人工智能。個人認為，目前行業內的 AI Agent 處於 Level 2 和 Level 3 之間，即 Level 2.5。這並不是說，行業內的 Agent 已經超越 OpenAI 了，事實上，web3 Agent 還處於 GPT wrapper 的階段。那么為什麼是 Level 2.5 呢？因為通過通過人為或者程序的介入，暫且稱之為中介，讓 GPT wrapper 和中介的組合形成了一種經不起推敲，但卻有著客觀主動性的一種形態。是 OpenAI 模型某一個方向應用的延展。

就 Agent 能做的事情來看，是最基礎的簡單反射型代理。這其中有些 Agent 會考慮歷史狀態，但是需要主動輸入。只有通過不斷投餵數據，Agent 才能完成學習，這是一種被動的模型訓練方式，遠遠沒有達到 Level 3 定義的狀態。而后三種 Goal-Based，Utility-Based，Learning Agents 還沒進入市場。因此，我認為，目前的 AI Agent 依然還是處於早期階段，是 Level 2 通用 LLM 的微調，在架構上沒有脫離 Level 2。那么進化到 Level 3 的狀態，單靠 crypto 可以實現嗎？還是需要等待 OpenAI 這樣的公司去開發？

為什麼討論 Base 或者 Solana 可以成為 AI Agent 的敘事中心？

討論行業內能夠促進 Level 3 Agent 的誕生之前，我們應該確定哪個生態有潛力成為 AI Agent 的沃土。是 Base？還是 Solana？

要回答這個問題，不妨先回顧過去 2 年中，AI 是如何影響 Web3 的。在 OpenAI 剛剛發布 ChatGPT 的時候，行業內的協議還是按照慣性思維，快速湧入基礎設施的泡沫中。其中出現了大量算力 / 推理聚合平台，隨之誕生的還有 AI +DePIN 基礎設施。二者的共同點就是構建了宏大的願景，這裡並非說宏大願景不好，事實上，Agent 也可以構建出這樣的願景，而是說在落地上，在用戶需求上，這樣的大基建協議考慮的並不周全。因為他們想要拖起的市場需求在傳統互聯網行業中都遠遠沒有飽和，用戶教育和市場教育都不充分。在 Memecoin 熱潮的衝擊下，空舟樓閣的 AI 基礎設施顯得更加空虛。

既然基建太重太大，那麼不妨輕量化。脫胎於 GPT wrapper 的 Agent 在啟動和用戶觸及上，都高效且迭代迅速。輕量化的 Agent 有充分的潛力製造泡沫，當泡沫破裂之後，孕育新生的沃土就會隨之出現。

進一步講，在現在的市場環境下，用 Agent 和 Memecoin 來啟動項目，能夠在極短的時間內讓產品落地。讓用戶可以直接獲得使用體驗，這個過程中，Agent 又能巧借 Memecoin 壯大社區的路線圖，實現產品的快速迭代，並且這個迭代是低成本且快速的。嚴肅的 AI 協議不用再被沉重的舊共識框架束縛，打破牢籠，輕裝上陣，用輕量化和高速迭代來對用戶進行狂轟濫炸，當市場教育和傳播充分進行後，再在此基礎上，添磚加瓦，構建宏大願景的基礎設施。輕量化的 Agent 覆蓋著模稜兩可的 Memecoin 面紗，社區文化和基本面不會再成為矛盾，一種新的資產發展路徑在逐漸浮出水面，而這可能是未來新的 AI 協議選擇的一條路徑。

上述討論回答了 AI Agent 成為核心敘事的潛力。在 AI Agent 能繼續飛速成長的前提下，選擇正確的生態就顯得尤為重要。是 Base？還是 Solana？回答這個問題之前，不妨再看看市場中嚴肅的 Agent 協議現狀。

首先是 Arweave/AO：PermaDAO 提到：AO 采用了 Actor 模型進行設計，每個組件都是一個獨立自主的代理，能夠並行運算，這與 AI Agent 驅動的應用架構高度契合。AI 依賴於模型、算法和算力三個要素，AO 可以滿足這樣的高資源需求。AO 可為每個 Agent 過程獨立分配計算資源，有效消除計算性能瓶頸。

除此之外，Spectral 是為數不多立足 Agent 的協議，文轉代碼和模型推理是它的開發方向。

再回顧當前市場中的一種 Agent 代幣，可以發現這些 Agent 幾乎沒有用到鏈的基礎設施。這是事實，因為行業內的所有模型，包括 Agent，都是鏈下的。投餵數據是鏈下的，模型訓練不是去中心化的，輸出的信息也沒有上鏈。這就是客觀事實，因為 evm 鏈不支持 ai 和智能合約的結合，當然 base 和 solana 也不支持。明年可以期待 ao 的引入，是否可以讓模型上鏈，並有著不錯的表現。如果 ao 失敗，可能模型上鏈需要等到以太坊多年後才會引入，至少 2030 年之前不會，或者其他的公鏈實現模型上鏈，但是如果 ao 這樣的架構和歷史資源儲備都無法實現，模型上鏈對其他公鏈來講可能更加困難。

目前 AI Agent 代幣，沒有太多實際的用例，實際上，你很難說清楚 Base 和 Solana 上的 AI Agent coin 和 ai Memecoin 有什麼區別。儘管 Agent 代幣沒有特別的用途，但是為什麼我認為不應該將 AI Agent coin 和 ai Memecoin 混淆？因為我認為當前是製造 AI Agent 泡沫的階段。

為什麼討論 Base 想和 Solana 競爭 AI Agent 的主導公鏈地位？

Base 在這一輪牛市的上半場裡，吸引了不少市場注意，在 Memecoin 的市場份額爭奪中，Base 有著短暫亮眼的表現，例如 $BRETT 和 $DEGEN 等。但是依然輸給了 Solana。我認為 AI Agent 是 Base 下一個爭奪的方向，並且目前已經有不少優勢。

AI Agent 會加速泡沫的誕生，製造混亂，但最終會留下用戶和應用：

泡沫的誕生以及膨脹會吸引市場的注意力，這種注意力隨著時間而發生質變。這樣的質變有怎樣的特徵？在市場注意力不斷增加的過程中，會暴露出一系列用戶痛點和市場缺漏。當主要矛盾之間無法協調，但是注意力持續增加的過程中，就是質變誕生的時刻。質變完成時，沉澱的用戶和應用可以承接宏大願景。這是 Memecoin 無法也無意做到的事情，這也是我認為儘管目前 Agent 和 Memecoin 模糊不清，但絕不應該混為一談的原因。

在質變發生之前，泡沫會誕生一地雞毛和各種 drama，例如：Agent 的數量會呈指數級上漲，成千上萬的 Agent 會擠進用戶視線之中。怎麼擠？Agent 可以接入 X 和 Farcaster 等社交媒體，自我宣傳代幣，用 degen 喜歡的各種角度和 Agent 獨有的信息密度，推銷代幣。

緊接著，快速的迭代的 Agent 可以完成鏈上交易，黑暗森林中闖入了一群維京海盜。目前市場上的面板協議，TG 群裡的 bot，Dune 面板都會被 Agent 侵略，用戶熟悉的指標會被 Agent 玩弄，交易量，地址數，籌碼分布，模擬莊家行為，鏈上數據可能需要更專業的清洗才能體現價值，否則就會被 Agent 欺騙，就像維京海盜一般掠奪你的財富。

如果市場能到達這個階段，那麼屬於 AI Agent 的新時代就成功了一半，因為”注意力即價值”會讓 Agent 登堂入室。這種潛力來自於：

強大的分發能力：Agent 引起足夠的話題，如 Goat 等，穩定的分發路徑可以被複製。

• 部署簡易性：Agent 的部署平台也會爆炸式增長，Zerebro, vvaifu, Dolion, griffain 和 Virtual，用戶需要知道任何代碼，就可以構建 Agent，並且 Agent 部署平台的 UX 也會在競爭中優化。
• Memecoin 效應：啟動階段，Agent 代幣沒有合適的商業模型，代幣用例也微乎其微，披著 Memecoin 的面紗可以快速積累社區，讓啟動成功率保持高效。
• 上限極高：OpenAI 的 Level 3 Agent 還在開發中，巨頭都無法快速推出的產品，它的市場空間必然是巨大的。Agent 的下限是 Memecoin，但上限是具有自主性的高級智能體。
• 市場抵抗度低：Goat 為首的 Agent 可以建立起大規模受眾，Agent 不同於 ai 基建，用戶並不反感，當用戶不反感時，就有充分的可能開始關注它。
• 潛在激勵：Agent 的代幣用例還沒有開發，如果 Agent 引入積分制度，強化激勵力度，就有能力積累大量用戶。
• 迭代潛力：如前文所述，Agent 是輕量化的，能夠實現快速迭代的產品。這種客觀的迭代能力可以創造出越來越吸引用戶的產品和內容。

因此，AI Agent 可以成為核心敘事，是兵家必爭之地。

為什麼 Base 有潛力和 Solana 競爭？

Base 在 Coinbase 和北美資本的大力支持下，Base 生態在 2024 年經歷了爆發式增長。11 月，資本流入量超過了 Solana，並且在過去 7 天內大幅超過了 Solana。

ETH 如果能在明年繼續突破 ETH/BTC 匯率對的話，ETH season 的溢出效應會對 Base 產生顯著影響。目前 ETH 流出資金的 23% 是向 Base，這一數據仍在持續上升。

AI Agent Launchpad Mapping

Virtual

V1 階段主要專注於模型訓練、數據貢獻和交互功能，而到了 V2 階段，Virtual 推出了 AI 代理的代幣孵化平台，標誌性的更新是 10 月發布的 fun.virtuals。

其中，LUNA 已經發展成為一個擁有獨立身份和財務能力的”獨立實體”。在此過程中，LUNA 和 Coinbase 的路線圖契合，後者提供了強大的技術工具和支持，助力在 Base 上實現 AI 代理的落地。

AI 代理技術在品牌構建方面表現出色，尤其在文化品牌的打造上有顯著效果。通過 AI 代理，品牌能夠更高效地與社區互動。這包括簡化交互任務，並靈活分發獎勵，提升用戶粘性和品牌認知。

值得注意的是，所有 AI 代理的交易僅支持使用原生的 Virtual 代幣。Virtual 代幣吸收了整個生態的價值捕獲，成為生態發展的重要支柱。

Virtual 專注於產品功能的完善，利用 AI 工具為用戶賦能，在 Web2 和 Web3 之間架起橋樑。它強調”使用價值”而非”炒作熱點”。儘管其工具型產品在實際應用中調用頻繁，但缺乏加密貨幣通常具備的傳播效應，這也是 V1 階段的短板。

Clanker

「發帖即發幣」降低了代幣發行的門檻，同時吸引了大量用戶湧入嘗試。人們爭相@Clanker，這種現象類似於社交媒體中讓 AI 總結視頻內容的操作；但不同的是，這裡內容發布直接轉化為了資產發行。

Clanker 如何運作？

TokenBot（即 Clanker）會將 Base 上的 Meme 代幣部署到單邊流動性池（LP）中，流動性隨即鎖定。代幣發行者將獲得以下收益：

• 所有 Swap 費用的 0.25%。
• 總供應量的 1% 代幣（解鎖期為一個月）。

用戶可以通過 clanker.world 官網查看代幣的部署數量或創建自己的代幣。

與 PumpFun 不同，後者在 Raydium 上通過 bonding curve 發行代幣，期間會收取 1% 交易費和 2 SOL 的固定費用；而 Clanker 並未採用 bonding curve 模式，而是通過 Uni v3 的交易收取 1% 費用作為收入。

AI Agent Layer

AI Agent Layer 是 Base 生態內專注於創建 AI Agent 和 Launchpad 的平台，於 11 月 18 日正式上線。平台發布前，AIFUN Token 已於 11 月 14 日率先發行，目前已登陸 MEXC 和 Gate 等交易所，現價為 $0.09，市值約 2500 萬美元。

Creator.bid

Creator.bid 起初是一個聚焦數字內容貨幣化與所有權的 AI 平台。今年 4 月，平台完成新一輪融資。

10 月 21 日，Creator.bid 宣布正式上線 Base 主網，實現一鍵創建和發布 AI Agent 的功能，為內容創作者提供全新工具和盈利模式。

Simulacrum

Simulacrum 基於 Empyreal 搭建。將 Twitter、Farcaster、Reddit 和 TikTok 等平台轉變為區塊鏈交互層。用戶可以通過簡單的社交媒體發布實現鏈上操作，例如代幣交易或小費支付。

利用帳戶抽象、AI 代理、意圖驅動和語言模型等技術，簡化複雜的區塊鏈後台操作。讓 DeFi 更易於普通用戶使用。

vvaifu.fun

類似於 Pump.fun，用戶可以輕鬆創建 AI Agent 及其關聯代幣。AI Agent 可與 Twitter、Telegram 和 Discord 等社交平台無縫集成，實現自動化用戶交互。

Dasha 是由 vvaifu.fun 創建的 AI Agent，擁有獨立的 Twitter 賬號、Telegram 頻道和 Discord 社區。全部由 AI 完成運營與管理。

Top Hat

Top Hat 不僅能通過文本與用戶交互，還能理解和處理圖像內容。用戶發送一張圖片後，AI 代理可”理解”圖片內容並做出回應。

Griffain

擁有可訓練的 AI Agent 平台，Griffain 已推出 1,000 個可訓練的 AI 代理，展示了智能合約與自動化交易的未來潛力。

聲明：

1. 本文轉載自【haincatcher】，著作權歸屬原作者【Kevin】，如對轉載有異議，請聯繫 Gate Learn 團隊，團隊會根據相關流程儘速處理。
2. 免責聲明：本文所表達的觀點和意見僅代表作者個人觀點，不構成任何投資建議。
3. 文章其他語言版本由 Gate Learn 團隊翻譯， 除非另有説明，否則不得複製、傳播或抄襲經翻譯文章。