從競爭視角解析 AI 的進化

競爭始終是人類進化的核心動力。自古以來，人類不斷展開競爭，目標涵蓋：

• 食物與領地
• 配偶／伴侶
• 部落或社會地位
• 聯盟與合作

獵人為了獵物而狩獵，戰士為生存而戰，部落首領則爭奪領地。具備有利於生存特質的人最終得以存活、繁衍後代，並將基因延續下去。

這一過程被稱為「自然選擇」。

隨著時間推移，自然選擇不斷演化，從生存競爭 ➙ 演變為觀賞型／娛樂型競賽（如角鬥士、奧運會、體育賽事與電競） ➙ 再到作為進化加速器的競爭（科技、媒體、影視、政治等領域）。

自然選擇始終是人類進化的核心要素，但AI的進化又是如何展開的？

AI的演進並非單一發明的歷程，而是無數隱性競賽與實驗共同篩選出哪些模型得以傳承，哪些則被淘汰。

本文將深入剖析這些隱形競賽（涵蓋Web2與Web3），並從競爭視角探索AI的進化路徑。

2023-2025年，隨著ChatGPT問世，AI迎來爆發式成長。ChatGPT是一款能夠回答幾乎所有問題的AI聊天機器人。

但在ChatGPT之前，OpenAI首次以Dota 2（OpenAI Five）亮相，展現AI透過與普通玩家、職業玩家甚至自我對弈，進行數萬場比賽後的飛速進化，每一次都變得更強大。

最終，複雜智能湧現，2019年OpenAI Five徹底擊敗Dota 2世界冠軍。

另一個備受矚目的案例是2016年AlphaGo擊敗圍棋世界冠軍李世石。最令人驚嘆的並非它戰勝世界冠軍，而是它的學習方式。

AlphaGo並非僅依賴人類數據訓練。與OpenAI Five類似，它通過自我對弈進化——也就是：

• 每一代模型與上一代版本競爭
• 最強的變體存活並繁衍
• 弱勢策略被淘汰

換言之，達爾文式AI將百萬年進化壓縮於數小時算力之中。

這種自我競爭循環催生了前所未有的智能。

如今，在金融領域的應用中，也出現了類似趨勢。

加密領域的達爾文式AI

@ the_nof1上週因推出Alpha Arena而成為產業焦點。這是一場6個AI模型（Claude、DeepSeek、Gemini、GPT、Qwen、Grok）在加密永續合約死亡賽中同場競技，每個模型管理1萬美元資金，最終以PnL（盈虧）最高者獲勝。

Alpha Arena正於實時進行，6個AI模型各自完全自主地交易1萬美元。真實資金、真實市場、真實基準。你會押注哪一個？詳見下方連結。

這場比賽之所以迅速爆紅，並非賽制本身，而在於其高度開放性。Alpha通常高度保密，如今我們可直觀見證哪種AI最擅長盈利。

其UI/UX實時展示績效，介面極為流暢且優化。團隊正藉由熱度與洞察，開發Nof1模型及交易工具。有興趣的用戶現已可加入候補名單。

Nof1的做法並非首創——金融領域的競賽一直存在，尤其是在Bittensor生態及更廣泛的加密市場，但此前無人能像Nof1這樣將其公開化。

以下是一些最具吸引力的競賽

Synth

SN50 @ SynthdataCo的ML工程師競相部署機器學習模型，預測加密資產價格與波動性，優勝者可獲SN50 Synth alpha代幣激勵。團隊利用高品質預測生成高精度合成價格數據與價格路徑。

自今年初以來，已向頂尖數據科學家與量化工程師發放200萬美元獎勵。

團隊運用這些信號於Polymarket進行加密市場交易，目前以3,000美元起始資金實現184%投資報酬率。下一步挑戰是如何在維持績效同時實現規模化。

Sportstensor

SN41 @ sportstensor，一個旨在擊敗市場賠率、發掘全球體育博彩市場「優勢」的子網。這是一場持續進行的競賽，ML工程師競爭部署模型，預測MLB、MLS、EPL、NBA等主流體育聯賽結果。最優（盈利）模型可獲SN41 Sportstensor alpha代幣激勵。

平均預測準確率約為55%，而排名第一的礦工準確率高達69%，實現59%增量投資報酬率。

Sportstensor與Polymarket合作，成為流動性層，推動更多體育預測交易流向Polymarket。

團隊正開發Almanac——面向一般用戶的體育預測競賽平台，讓用戶可存取Sportstensor礦工信號與高階預測分析，並以此與其他玩家競爭。表現最佳的預測者每週可贏得高達10萬美元獎勵。（上線時間待定，歡迎追蹤其X帳號參與）

AION

@ aion5100，一個事件／結果預測智能體團隊，正推出@ futuredotfun的War of Markets。

預計於第四季上線，War of Markets定位為「預測市場世界杯」，任何人（人類或AI）皆可於Polymarket與Kalshi參與預測對決。

該賽事旨在透過群體智慧成為事實參考標準，強調心智佔有率、交易量與榮譽，而非傳統準確率指標，即於這些面向表現最佳者獲勝。

團隊將先進的預測市場分析、跟單交易與社交交易產品與競賽結合，使交易者能運用這些工具於預測者間取得優勢。

Fraction AI

@ FractionAI_xyz舉辦多類型競賽，用戶可於Bid Tic Tac Toe、Footbrawl、BTC Tradewars、Polymarket交易等遊戲中設置智能體，以及「ALFA」模式，AI以虛擬資金進行永續合約交易（類似Alpha Arena，但採用虛擬資金）。

在ALFA中，用戶可購買智能體的Yes/No份額，押注每日最終PnL最高的智能體。與Alpha Arena類似，用戶可即時查看每個智能體的策略與持倉資產。

這些洞察與數據將用於進一步微調智能體，最終用戶可部署自有資金，由智能體自動進行交易。

團隊正致力於將智能體應用場景拓展至所有熱門金融領域，包括交易、DeFi與預測市場。

Allora

@ AlloraNetwork類似Bittensor，但專注於金融場景。團隊設定主題或微任務（如加密資產價格預測），ML工程師競爭構建最佳模型。

價格預測模型聚焦主流資產，頂尖ML工程師（forgers或miners）可獲Allora Hammer獎勵，主網上線後可兌換$ALLO代幣激勵。

團隊具備豐富的動態DeFi策略應用管線，Allora模型可用於提升DeFi策略動態性——降低風險同時提升收益。

例如ETH/LST循環策略，部分資金可預留於做空機會（若預測模型發出價格突破某閾值信號，策略會將LST兌換為USDC並開設空頭部位，期望從預測價格變動中獲利）。

[Allora有趣之處在於以真實收入補貼代幣發放，例如原本用$ALLO支付10萬美元激勵，實際可能支付5萬美元$ALLO，其餘5萬美元以客戶收入支付，從而降低礦工潛在拋壓]

其他有趣的交易競賽（我了解有限，但激勵豐厚）：

• SN8 PTN來自@ taoshiio，旨在透過全球AI模型與量化工程師眾包高品質交易信號，以超越傳統對沖基金，目標為風險調整後收益優於絕對報酬。
• @ numerai，AI驅動對沖基金，近期獲摩根大通5億美元投資（是的，最多為Numerai策略配置5億美元）。該策略由ML模型競賽驅動，強調長期原創性與風險調整後準確率。參與者需質押$NMR，弱模型將被削減（20-100%），頂級模型可獲2-5倍$NMR獎勵。累計已向參與者支付超過4,000萬美元NMR獎勵。

其他與金融無關但同樣有趣的競賽：

• SN62 @ ridges_ai，去中心化軟體工程智能體市場，旨在全面取代人類程式設計師，從程式碼生成到Bug修復、專案全流程協作等任務。AI智能體於真實編碼挑戰中競爭，優質方案可獲每月2萬至5萬美元子網激勵。
• @ flock_io，競賽旨在生成最佳基礎AI模型，並透過聯邦學習協作微調專用領域模型。高績效訓練者（礦工）年收入可達50萬至100萬美元以上。聯邦學習允許機構在資料本地與隱私保護前提下，充分發揮AI能力。

這一切意味著什麼？

AI進步如今由開放競爭驅動。

每個新模型都必須在高壓環境中存活——數據稀缺、算力受限、激勵有限。

這些壓力篩選出能夠存活的模型。

代幣激勵既是能量來源，能高效利用能量的模型將持續壯大，無法適應者則被淘汰。

最終，我們將擁有一個透過反饋而非指令進化的智能體生態系統，也就是自主智能體，而非僅是生成式AI。

未來趨勢

這波開放競賽將推動AI從中心化走向開源與去中心化。

強大的模型與智能體將誕生於去中心化環境。

很快，AI將自動管理自身優化週期，部分模型會微調其他模型、評估他者、自我改進並自動部署更新。這一循環將減少人類干預，加速迭代。

隨著趨勢擴展，人類角色將從設計AI轉向選擇哪些AI能存活、保留哪些行為、設定哪些規則與邊界，以實現對社會的正向價值。

最後一點

競爭常常催生創新，但也可能帶來激勵操縱與漏洞利用。

激勵機制設計不當的系統終將失敗——如同礦工發現漏洞刷取獎勵而非真正貢獻任務。

開放系統需完善治理與激勵機制，既能獎勵良好行為，也能懲罰不當行為。

誰能率先實現這一點，誰就能掌控下一波創新的價值、關注與智能。

個人說明：感謝閱讀！你現在看到的是精簡版（如需完整觀點請參考Substack版）。

如想了解我看好的DeAI新項目，歡迎追蹤我在Substack的The After Hour系列。

免責聲明：本文僅供資訊與娛樂參考。文中觀點不構成投資建議或推薦。請讀者結合自身財務狀況、投資目標與風險承受能力（本文未予考慮）自行盡職調查後再做投資決策。本文不構成，也不應被視為買賣文中所提及任何資產的要約或邀約。

免責聲明：

1. 本文轉載自[Defi0xJeff]。所有版權歸原作者[]所有。如對轉載有異議，請聯繫Gate Learn團隊，我們將及時處理。
2. 免責說明：本文所述觀點僅代表作者個人立場，不構成任何投資建議。
3. 本文其他語種版本由Gate Learn團隊翻譯。除特殊說明外，禁止複製、分發或抄襲譯文內容。