AI 賽道正在經歷從投機炒作到實際應用落地的演變。
早期的 AI Meme 代幣借勢 AI 熱點爆發，而如今更具功能性的 AI 交易工具、智能投研、鏈上 AI 執行體正在湧現。從 AI 驅動的鏈上狙擊策略，到 AI Agent 自主執行鏈上任務、以及 AI 生成 DeFi 收益優化方案，AI 賽道的影響力正在迅速擴大。
但多數人看得到 AI 代幣市值的指數級增長，卻找不到解碼其價值邏輯的座標系。哪些 AI 賽道具備長期生命力？ DeFAI 是不是 AI 的最佳應用？AI 項目評估的要素有哪些？ OKX Ventures 最新研報深入拆解了 AI 賽道的發展版圖，從概念解析、演變歷程、應用賽道、以及項目案例，希望可以給大家認識 AI 價值帶來一些啓發與思考。
本次報告內容比較豐富，為了便於大家閱讀，我們將其拆分為（上）、（下）兩篇。此篇為「上篇」。
一、關於 AI Agent
AI Agent 是一種智能實體，具備感知環境、做出決策並執行相應動作的能力。不同於傳統人工智能系統，AI 代理能夠獨立思考並調用工具，從而逐步實現特定目標，這使得它們在處理複雜任務時具備更高的自主性和靈活性。
簡而言之，AI 代理是由人工智能技術驅動的代理人，其工作流程包括：感知模塊（收集輸入）、大型語言模型（理解、推理與規劃）、工具調用（執行任務）以及反饋與優化（驗證與調整）。
OpenAI 將 AI 代理定義為以大型語言模型為核心，具備自主理解、感知、規劃、記憶和工具使用能力的系統，能夠自動化執行復雜任務。與傳統人工智能不同，AI 代理能夠通過獨立思考和工具調用逐步完成設定目標。
AI Agent 的定義可以概括為以下幾個關鍵要素：感知（Perception），AI Agent 通過傳感器、鏡頭或其他輸入設備感知周圍環境，獲取必要的資訊；理解與推理（Reasoning），它能夠分析感知到的資訊，並進行復雜的推理，以便做出合理的決策；決策（Decision-making），基於分析結果，AI Agent 能夠制定行動計劃，選擇最佳的執行路徑；行動（Action），最後，AI Agent 會執行所制定的計劃，通過調用外部工具或接口與其他系統進行交互，實現預定目標。
AI Agent 的工作原理和流程通常包括以下幾個步驟：首先，資訊輸入，接收來自環境的資訊，如用戶指令、傳感器數據等；接着，數據處理，利用內置的算法和模型對輸入數據進行處理，結合其記憶系統（短期和長期記憶）來理解當前狀態；然後，計劃制定，根據處理結果，AI Agent 將大任務拆分為可管理的小任務，並制定具體的執行計劃。在執行階段，AI Agent 通過調用外部 API 或工具，實施其計劃並監控執行過程，以確保任務按預期完成；最後，反饋與學習，任務完成後，AI Agent 會根據結果進行自我反思和學習，從而提高未來的決策質量。
二、演變歷程
AI 代幣的演變路徑展現了從初期「MEME」現象到深度技術融合的轉變過程。起初，許多代幣依靠短暫的概念炒作和社交媒體的熱潮吸引用戶的關注，如同網絡熱梗。然而，隨着市場的不斷成熟，AI 代幣逐漸向更加實用和高階的功能發展，逐步擺脫了單純的炒作模式，向真正的區塊鏈金融工具和數據分析平台轉型。我們將深入探討這些代幣如何從概念性存在，逐漸發展成為具備實際應用價值的技術產品。
階段 1：AI Meme（迷茫期）
初期的 AI 代幣大多以「MEME」形式存在，諸如 $GOAT 、 $ACT 、 $FARTCOIN 等代幣並未具備實際應用或功能，其價值主要依靠概念炒作與市場情緒的推動。在這一階段，代幣的用途尚不明確，市場與用戶對其潛力知之甚少，代幣的流行更多依賴於社交媒體的傳播和短期炒作，呈現出一種神祕、不可捉摸的特性。
階段 2：社交化（探索期）
隨着市場對 AI 代幣的逐漸關注，這些代幣開始在社交領域發力。例如，$LUNA 、 $BULLY 等代幣通過增強的社交功能吸引用戶參與。在這一階段，代幣不僅僅作為炒作工具存在，更開始融入社群驅動和社交互動，推動市場的增長。代幣逐步從單純的「陪聊」功能擴展，開始探索與用戶社交需求緊密結合的功能，形成了更加多元的社交屬性。
階段 3：垂直領域（功能深化期）
AI 代幣開始從簡單的社交和炒作模式中脫離，深入探索垂直領域的應用場景。代幣如 $AIXBT 和 $ZEREBRO 等通過與區塊鏈、 DeFi 或創作工具的結合，逐漸為代幣賦能，使其不再僅僅是投機工具，而是具備明確功能和目的的數位資產。此階段標誌着 AI 代幣朝着更高效、更專業的方向發展，逐步形成其獨特的市場地位。
階段 3.5：基礎設施（技術完善期）
在代幣應用逐漸深入的同時，AI 代幣開始着力建設更為堅實的技術基礎設施。諸如 $AI16Z 、 $EMP 等代幣的加入，進一步推動了代幣的功能優化。代幣不僅專注於經濟激勵和實用功能，還開始重視跨鏈技術、去中心化應用、硬件結合等基礎設施的建設，逐步為其未來的持續發展奠定了技術根基。
階段 4：數據分析（成熟期）
進入成熟期，AI 代幣已逐漸在市場中穩定下來，開始融入更復雜的加密投研分析功能，推動代幣生態和治理結構的完善。 $TRISIG 和 $COOKIE 等代幣不再是簡單的工具，它們已成為經濟體系的一部分，廣泛應用於數據分析、社群治理和投資決策等高階領域。此時，AI 代幣的功能逐步提升，已經能夠為市場提供深度的分析與決策支持，成為加密市場中的重要資產。
階段 4.5：金融應用（生態融合期）
隨着 DeFi 領域的進一步發展，AI 代幣在金融應用上的融合愈發深入，催生了「DeFAI」這一新興概念。通過人工智能，DeFi 的複雜操作變得更加簡便，普通用戶也能輕鬆參與鏈上金融活動。代表代幣如 $GRIFFAIN 、 $ORBIT 、 $AIXBT 等逐漸在市場中形成了從基礎功能到複雜金融服務的完整鏈條，優化了鏈上交互，降低了參與門檻，為用戶帶來了更多的機會和便捷。
三、 AI Agent 框架
（一）Web3 與 Web2 數據對比
當 Web2 的 AI Agent 在推薦算法裡內卷時，Web3 的試驗場也正在孕育更多 AI Agent 創新。但數據表明，Web3 和 Web2 的項目在貢獻者分佈、代碼提交和 GitHub Stars 的情況上表現出明顯的差異。通過對比 Web3 和 Web2 項目的數據，我們可以更好地理解兩者在技術創新、社群活躍度以及市場接受度等方面的現狀。特別是在 GitHub 平台上，這些項目的活躍度和受歡迎程度為我們提供了重要的指標，幫助我們洞察未來技術發展趨勢和社群生態變化。
在開發者參與方面，Web2 項目的貢獻者數量明顯高於 Web3 項目。具體來看，Web3 項目的貢獻者為 575 人，而 Web2 項目的貢獻者多達 9,940 人，反映出 Web2 生態的成熟和更廣泛的開發者基礎。貢獻者排名前三的項目是：Starkchain 3,102 名貢獻者；Informers-agents 3,009 名貢獻者；Llamaindex 1,391 名貢獻者。
在代碼提交分佈方面。 Web2 項目的提交量也明顯高於 Web3 項目。 Web3 項目的總提交次數為 9,238 次，而 Web2 項目則高達 40,151 次，表明 Web2 項目的開發活躍度更高，更新頻率較為穩定。代碼提交量排名前三的項目是：ElipsOS 以 5,905 次提交領跑；緊隨其後的是 Dust，共提交了 5,602 次代碼；LangChain 排名第三，提交次數為 5,506 次。
GitHub Stars 分佈方面。 Web2 項目在 GitHub 上的受歡迎程度遠超 Web3 項目，Web2 項目累計獲得 526,747 顆 Stars，而 Web3 項目則獲得了 15,676 顆 Stars 。這一差距反映了 Web2 項目在開發者社群的廣泛認可和長期積累的市場影響力。 Stars 數量排名前三的項目是：JS Agents 無疑是最受歡迎的，獲得了 137,534 顆 Stars；緊隨其後的是 LangChain，以 98,184 顆 Stars 位居第二，；MetaGPT 排名第三，獲得了 46,676 顆 Stars 。
總的而言，Web2 項目在貢獻者數量和代碼提交頻率上明顯領先，顯示出其成熟且穩定的生態系統。龐大的開發者基礎和持續的技術創新，使 Web2 項目在市場中保持強勁的競爭力。相比之下，Web3 項目儘管貢獻者數量較少，但一些項目在代碼提交頻率上的表現突出，表明其擁有穩定的核心開發團隊，並能持續推動項目發展。 Web3 生態系統雖然目前較為初步，但其潛力不可小覷，逐步形成的開發者社群和用戶基礎為未來的成長奠定了堅實的基礎。
在項目受歡迎程度上，GitHub Stars 的分佈揭示了 JavaScript 和 Python 在 AI 代理框架開發中的重要地位。 JS Agents 和 LangChain 是最受歡迎的項目，顯示出 AI 與加密貨幣結合的趨勢正在受到廣泛關注。雖然 Web3 項目的 Stars 數量遠低於 Web2 項目，但一些 Web3 項目如 MetaGPT 依然表現不凡，贏得了開發者的認可。整體來看，Web3 項目雖處於追趕階段，但隨着技術的進一步成熟和生態擴展，其在未來市場中的地位有望穩步提升。
（二）主流區塊鏈 AI Agent 框架
來源：https://www.aiagenttoolkit.xyz/#frameworks
（三）現有區塊鏈 AI Agent 框架面臨的挑戰
大廠競品的「降維打擊」。 OpenAI 、 Google 、 Microsoft 等科技巨頭正迅速推出官方級多工具代理，憑藉強大的資金和技術優勢，隨時可能佔領市場並將初創框架邊緣化。通過深度整合大型語言模型（LLM）、雲服務以及工具生態，這些大廠能夠提供全面且高效的解決方案，使得中小型框架面臨更大的競爭壓力，生存空間被極大擠壓。
穩定性和可維護性不夠。目前所有 AI 代理普遍面臨較高的錯誤率和「幻覺」問題，尤其在多輪調用模型時，容易出現無限循環或兼容性 Bug 。一旦代理被要求執行多個子任務，這些錯誤往往會被層層放大，導致系統不穩定。對於需要高度可靠性的企業應用，這些框架目前尚難提供足夠的穩定性和生產級別的保障，限制了它們在實際商業環境中的廣泛應用。
性能與成本居高不下。 Agent 化流程通常需要大量推理呼叫（如循環自我檢測、工具函數等），而如果底層依賴如 GPT-4 等大型模型，既面臨高昂的呼叫成本，又常常無法滿足快速反應的需求。儘管一些框架嘗試結合開源模型進行本地推理，以降低成本，但這種方式仍然依賴強大的算力，且推理結果的品質難以穩定，需專業團隊持續優化以確保系統的可靠性和性能。
開發生態與彈性程度不足。目前，這些 AI 代理框架在開發語言和擴展性方面缺乏統一標準，導致開發者在選擇時面臨一定困惑和限制。例如，Eliza 使用 TypeScript，雖然上手簡單，但在高複雜度場景下的擴展性較差；Rig 則採用 Rust，性能表現優秀，但學習門檻較高；ZerePy（ZEREBRO）基於 Python，適合創意生成類應用，但功能相對局限。其他框架如 AIXBT 和 Griffain 則較集中在特定區塊鏈或垂直領域應用，市場驗證尚需時間。開發者在這些框架之間常常需要在易用性、效能和多平台適配之間做出權衡，影響了其在更廣泛應用中的彈性與發展潛力。
安全與合規風險。多代理系統在存取外部 API 、執行關鍵交易或進行自動化決策時，容易出現越權呼叫、隱私外洩或漏洞操作等安全隱患。許多框架在安全策略和審計記錄方面的處理還不夠完善，尤其在企業或金融應用場景中，這些問題極為突出，難以滿足嚴格的合規要求。這使得系統在實際部署時，可能面臨極大的法律風險和資料安全挑戰。
鑑於上述問題，不少從業者認為目前的 AI Agent 框架可能會在「下一次技術突破」或「大廠一體化方案」的壓力下被進一步擠壓。然而，也有觀點認為，新創框架在特定領域，例如鏈上場景、創意生成或社群外掛程式對接等仍能發揮獨特的價值。只要能夠在可靠性、成本控制和生態建設方面取得突破，這些框架仍能在大廠生態之外找到可行的發展路徑。整體而言，如何解決「高成本、易出錯」與「實現多場景靈活性」這兩大難題，將是所有 AI Agent 框架面臨的關鍵挑戰。
三、 AI Agent 發展方向
多模態 AI 的普及
隨著科技的快速發展，多模態 AI 正逐漸成為各產業的關鍵推手。多模態 AI 能夠處理文字、圖像、視訊和音訊等多種資料形式，使其在多個領域展現出巨大的潛力。特別是在醫療領域，透過將醫療記錄、影像數據和基因組資訊整合，多模態 AI 能夠為個人化醫療的實施提供支持，幫助醫生更精確地為患者量身定制治療方案。在零售和製造業，借助這項技術，AI 可以優化生產流程、提高效率，同時提升客戶體驗，進而增強企業的競爭力。隨著數據和運算能力的提升，預計多模態 AI 將在更多產業中發揮其變革性作用，推動技術的快速迭代與應用擴展。
具身智能與自主智能
具身智慧（Embodied AI）是指人工智慧系統透過感知和與物理世界的互動來理解和適應環境。這種技術將極大改變機器人的發展方向，並為其在自動駕駛、智慧城市和其他應用場景中的普及奠定基礎。 2025 年被視為 “具身智能元年”，這項技術預計將在多個領域中廣泛應用。透過賦予機器人感知、理解和自主決策的能力，具身智慧將推動物理世界與數位世界的深度融合，從而提升生產力並推動各行各業的智慧化發展。無論是在個人助理、自動駕駛車輛，或是在智慧工廠中，具身智慧都將改變人們與機器互動的方式。
AI 代理（Agentic AI）的興起
AI 代理（Agentic AI）指的是那些能夠獨立完成複雜任務的人工智慧系統。這類 AI 代理正從早期的簡單查詢回應工具轉型為更高階的自主決策系統，廣泛應用於業務流程最佳化、客戶服務以及工業自動化等領域。例如，AI 代理能夠自主處理客戶的諮詢請求，提供個人化的服務，甚至做出最佳化決策。在工業自動化中，AI 代理可以監控設備的運作狀態，預測故障，並在問題出現前進行調整或修復。隨著 AI 代理逐漸成熟，在各行業的應用將更加深入，成為提升效率和降低成本的重要工具。
AI 在科學研究的應用
AI 的引入正在加速科學研究的進展，特別是在複雜數據分析的領域。 AI4S（AI for Science）已成為新的研究趨勢，利用大模型對資料的深度分析，AI 正在幫助科學研究人員突破傳統研究的限制。在生物醫學、材料科學和能源研究等領域，AI 的應用正在推動基礎科學的突破。一個顯著的例子是 AlphaFold，它透過對蛋白質結構的預測，解決了長期困擾科學家的難題，極大地推動了生物醫學研究的進展。未來，AI 將在推動科研進步、發現新材料和藥物等方面發揮越來越重要的作用。
AI 安全與倫理
隨著 AI 技術的普及，AI 安全與倫理議題正逐漸成為全球關注的焦點。 AI 系統的決策透明性、公平性以及潛在的安全隱患都引發了大量討論。為了確保 AI 技術的永續發展，企業和政府正加緊努力建立完善的治理框架，以在推動技術創新的同時有效管理其風險。尤其是在自動化決策、資料隱私和自主系統等領域，如何平衡技術進步與社會責任，成為確保 AI 技術正面影響的關鍵。這不僅是技術發展的挑戰，更是道德和法律層面的重要議題，影響著 AI 在未來社會中的角色和地位。
我們將在報告「下篇」，詳細介紹 AI Agent 的應用以及代表項目，並給出評估框架，敬請關注。
