作者：0xJeff, 加密 KOL
編譯：Felix, PANews
預測一直是人類進化的核心能力——自遠古時代起，人類就依靠感官和本能來預測環境中的威脅與機遇，包括察覺捕食者的活動模式、獵物出現的機會以及季節性食物供應情況，這些都對生存至關重要。
從那時起，這種預測模式逐漸發展爲工具的使用和規劃（比如預測種植作物、宰殺和保存肉類的需求），預測社交線索（意圖、情緒、行爲），發展出文字、科學、數學，以及統計學、計算機、機器學習和人工智能等現代工具，所有這些都用於增強人類的預測能力。
預測市場尤其已演變成一種經濟工具——它利用人類的預測能力來預測經濟、政治和文化的結果。與傳統的民意調查不同，像 Polymarket 和 Kalshi 這樣的預測市場利用經濟激勵來獲取準確的預測，因爲參與者會用真金白銀來下注。
Polymarket 在 2024 年美國大選市場吸引了近 40 億美元的投注，在特朗普勝選的預測中，其表現甚至超過了民意調查，這反映了衆包預測的經濟價值。
同樣的演變也適用於現貨和永續合約交易，從 CEX 的崛起，滿足全球加密貨幣不斷增長的需求，到 Hyperliquid 近期的顛覆性發展，提供自我託管和無需 KYC 的服務，同時具備 CEX 般的交易體驗。
預測是人類進化的核心能力，隨着人工智能 / 機器學習預測模型的興起，預測事件、資產價格和波動性的能力正在大幅提升。
這將人類帶入進化的下一個階段。
DeFi 3.0
DeFi 1.0 引入了智能合約和去中心化應用程序，允許任何人隨時隨地轉賬、買賣、質押、借貸、收益挖礦，本質上是將加密資產投入鏈上運作以創造經濟價值，例如 Uniswap、AAVE、Compound、Curve、Yearn、Maker。
DeFi 2.0 在 1.0 的基礎上進行了擴展，引入了新穎的代幣經濟學和激勵分配機制，旨在協調協議中不同利益相關者之間的利益（例如 Olympus/Wonderland、Solidly/Aerodrome），並催生了提供替代收益來源的新興市場（如 Maple、Pendle、Ethena、Ondo、Clearpool、Solv、USDai 等）。
DeFi 3.0 將人工智能引入 DeFi。有人稱之爲 DeFAI，也有人稱之爲 AiFi。其含義是將大型語言模型（LLM）和/或機器學習模型（ML）集成到 DeFi 產品中。
從簡單的 LLM 集成（充當客戶支持/副駕駛，幫助用戶導航協議），到多智能體/集羣和機器學習系統，從根本上改善了產品（增加交易利潤、減少無常損失、提高 LP 收益、降低永續交易的清算風險等）。
除了 DeFAI 抽象層和完全自主的金融代理，今天將討論人工智能 / 機器學習系統和預測模型在變革 DeFi 以及其他垂直領域中的作用。
預測系統
神經網絡和決策樹自 2000 年代以來就已出現，這些系統曾被對衝基金用於預測股票和商品價格。早期的股票預測結果頗具參考性，短期預測的準確率達到了 50% - 60%，但由於過度擬合和數據有限，限制了其應用。
隨後深度學習和大數據興起，它們使模型能夠處理更大的數據集（時間序列數據、新聞和社交媒體等非結構化數據），從而實現更準確的預測和更廣泛的應用。
突破性發展發生在過去五年，其中 Transformer 模型和多模態 AI 集成了更多樣化的數據集，如推特情緒、區塊鏈交易、預言機、實時新聞、衆包預測（Polymarket、Kalshi）等更多來源。這使得一些 AI 模型在預測事件結果和資產價格方面達到了 80% - 90% 的準確率。
隨着這些模型不斷改進，將預測能力集成到 DeFi 系統中的需求大幅增加。目前正處於 DeFi 3.0 的早期階段，並實時見證着市場中一些參與者將 AI / 機器學習系統與 Web3 應用場景相結合。
DeFi x AI / ML 系統
Allora
Allora 可能是目前應用最廣泛的去中心化預測模型網絡。Allora 已經實現了與 DeFi 協議和 AI 代理團隊的衆多集成，賦予其預測能力（主要關注加密貨幣價格預測，如 BTC、ETH、SOL）。
其短期加密貨幣價格預測準確率據稱約爲 80%。
一些主要的應用包括：
Vectis Finance 基於 USDC 的 AI 驅動的金庫，利用 Allora 的推理技術最大化 SOL 交易收益。自 4 月 23 日以來其累計回報率爲 2.4%，年利率約爲 10%。
Steer Protocol 的 AI LP 金庫，利用 Allora 的預測價格數據，更好地將流動性置於價格波動之前，從而避免無常損失。
Allora 與 Cod3x、Axal、Brahma、Virtuals Protocol 等衆多團隊合作，爲 AI 代理的交易策略和執行提供支持。
Bittensor 子網
由於 Bittensor 的 dTAO 激勵分配機制能夠幫助初創企業（子網）抵消開發成本，團隊利用 Bittensor 來啓動其產品研發，將大量開發工作外包給礦工，激勵越高，礦工的質量就越好。
鑑於機器學習模型和預測系統是最容易量化的任務之一（構建能夠準確預測某些事物的模型），這是子網最常關注的垂直領域之一。
專注於預測的子網絡
SN6 @Playinfgames
SN8 @taoshiio
SN18 @zeussubnet
SN41 @sportstensor
SN44 @webuildscore
SN50 @SynthdataCo
由於之前已經詳細介紹過 SN6、SN18、SN41、SN44，因此略過這些子網絡，但還是想再次強調：
➔ SN6 的 @aion5100（SN6 的 AI 代理/預測對衝基金層）即將推出一個 DeFi 金庫，它會自動將用戶存款分配到高可信度的事件/市場中進行投注。該金庫即將推出，早期測試的 APY 據稱超過了四位數。
➔ SN44 的 @thedkingdao 在足球/英式足球方面的信號持續改進。最近的世俱杯表現顯示，激進的投注規模帶來了 232% 的投資回報率。該團隊也在努力開發一個 DeFi 金庫產品，將採用更注重風險調整的方法。
CreatorBid 上代表這兩個應用層的 AI 代理/代幣在展示 SN6 和 SN44 智能的能力方面表現出色。這激勵了許多其他子網團隊效仿，推出了 AI 代理代幣，以展示其子網的功能。
➔ SN50 Synth 尤其有趣。該子網圍繞高度通用的波動率預測模型構建。它可以用於涵蓋價格可能發生的各種概率（而不僅僅是預測未來價格），例如預測清算概率、永續倉位的生存時間 / 清算時間、設置 Univ3 LP 範圍並預測無常損失、預測窗口內的期權行權價和到期時間等。
Synth 據稱比傳統的基準模型（幾何布朗運動）表現高出 25% - 30%。
對於想要將此類引擎集成到其 DeFi 生態系統中的 L1/L2 生態系統來說，需求巨大。
到目前爲止，Synth 已與以下平臺集成：
Arbitrum，爲 AI 交易員競賽提供支持
Chainrisk，瞭解波動性，以便合作伙伴協議能夠更好地應對波動性的劇烈變化
Solana 上一個主要流動性質押協議，用於未知用例（據團隊稱，官方公告將在 1 - 2 天內發佈）
該團隊將 Mode L2（他們自己的 L2）定位爲應用層，通過將 Synth 推理與 Mode AI 終端 + Mode Perp 產品相結合，使交易員能夠利用 Synth 預測資產價格並更好地進行交易。
SN6、SN44、SN50 以及許多其他子網之所以如此引人關注，是因爲它們每年以 200 萬至 1000 萬美元以上的 dTAO 代幣作爲激勵，吸引礦工不斷改進其預測模型。
其目標是將 dTAO 激勵作爲資本支出，以引導產品開發，並儘快實現商業化 / 產品化，從而賺取實際收益並抵消 dTAO 的拋售壓力。其中一些子網已開始邁向商業化階段（從 DKING 爲頂級體育對衝基金提供 3 億美元部署支持這一點就可見一斑）。
接下來會如何發展？
對更高收益和更低風險的追求將持續下去，促使建設者將更多的 RWAs 引入鏈上。現有的 DeFi 收益來源將繼續得到優化，並且會變得越來越容易獲取。
預測市場將成爲主要的信息來源，AI 充當市場做市商，而經驗豐富的參與者進一步激發羣體智慧。工具變得越來越智能，模型變得越來越精準，目前已經看到了部分成果。
這些系統學習得越多，價值就越大。而且它們與 Web3 其他部分的組合性越強，整個趨勢就越不可阻擋。
這裏的意思是……歸根結底，加密領域的一切都是對未來的一種押注。
因此，基礎設施和應用程序 / 代理能夠哪怕稍微更清晰地預見未來——無論是通過羣體智慧、更優質的數據還是更精準的模型——都將擁有顯著的優勢。
相關閱讀：IOSG：透過Kalshi探究預測市場與其競爭格局
