作者 | @Meta8Mate

Crypto X AI 下一轮不会只停留在 Memecoin 赛道，熊市更适合潜心研究，了解更多可行性强的叙事才能够在未来登顶浪潮之巅。

这几天整理 AI 赛道的各项报告的时候，回味了一下当初 Coinbase Ventures @cbventures 发布的关于 Crypto + AI 的堆栈。

JK @jonathankingvc 理想的 Crypto 与 AI 结合的场景有：AI Agent 在各种 Crypto infra 上进行交互。由 AI 创建的软件代码（智能合约）导致 Dapp 数量的激增和用户体验的加强，用户可以拥有和治理自己的 AI 大模型并从中获利。 并将其划分为

1. 以 Aethir 为主的去中心化算力提供方为主的算力层

2.以训练数据集为核心扩展 AI 大模型的数据层

3.各种新的基于 AI 的 Infra （训练 / 隐私推理 /Agnet 平台）组成的中间件层

4.应用层

如今看来，能让散户直接感受到的 Crypto+AI 应用层产品实在是少之又少，并且体验不佳。最直接的原因还是在应用层之下的几层堆栈基础尚未打好的原因。

而最近从模型本身出发，通过链上激励来推动去中心化 AI 和模型训练的 FLock.io @flock_io，意识到了专门针对 Crypto 赛道来训练大模型才能为自己证道。虽然做的是更为庞大的去中心化 AI 模型训练的叙事，但是在项目早期通过细分领域的突出产品验证路线的可行可以为 FLock.io 积累更多的早期支持者，所以 FLock.io 的 Web3 Agent Model 应运而生。

如果说应用层的 Crypto AI Agent 是你的智能助理，那么它的大模型就相当于你助理的大脑。只有拥有深厚的经验和知识才能为你做好每一次交互和执行正确每个指令。

FLock.io 的 Web3 AI Agent 大模型最为突出的指标 — — 75.93% FC 精准匹配准确率，简单来说就更懂 Web3 的 AI 大模型。其他模型无法识别的或者胡言乱语的指令，Web3 AI Agent 大模型通过和 IO.net等行业赛道伙伴合作，基于 AI Arena Task 1 协作框架，通过去中心化训练降低单一数据源偏差，使得基于 Web3 AI Agent Model 调用的 AI Agent 将会更加的实用和准确。

这时候就不得不提到 FLock.io作为 Crypto 产品的天然激励属性衍生的生态增长飞轮。

通过基础的 $FLock 激励更多优质模型训练者的加入，带来了更高质量的数据和训练技能。

1. 这些贡献帮助构建出更好的 AI 大模型；

2. 更强大的 AI 大模型能够吸引更多功能丰富且实用的 Agent 和 Dapp 来调用；

3. 实用型 DApp 和 AI Agent 在 Web3 模型的支持下拥有强大的市场竞争力产生更多收入；

4. 更多 Agent 和 Dapp 的调用大模型会产生更多的模型激励给训练者；

5. 这些新的数据和使用反馈可以进一步优化和提升 AI 大模型，同时，生态的繁荣也会通过奖励和认可吸引更多优质模型训练者加入。

通过这个不断循环的正向反馈，FLock.io生态系统能够实现持续增长和自我增强。 AI Infra 都处于早期阶段，更别说 Crypto AI 领域，期待看到行业里像FLock.io一样更多的基建 BUIDLer，只有打好了模型的基石，我们才能看到更为稳固增长百花齐放的应用层的爆发。