AI 赛道正在经历从投机炒作到实际应用落地的演变。

早期的 AI Meme 代币借势 AI 热点爆发，而如今更具功能性的 AI 交易工具、智能投研、链上 AI 执行体正在涌现。从 AI 驱动的链上狙击策略，到 AI Agent 自主执行链上任务、以及 AI 生成 DeFi 收益优化方案，AI 赛道的影响力正在迅速扩大。

但多数人看得到AI代币市值的指数级增长，却找不到解码其价值逻辑的坐标系。哪些 AI 赛道具备长期生命力？ DeFAI是否是AI的最佳应用？AI项目评估的维度有哪些？......OKX Ventures 最新研报深入拆解了 AI 赛道的发展版图，从概念解析、演变历程、应用赛道、以及项目案例，希望可以给大家认识AI价值带来一些启发与思考。

本次报告内容比较丰富，为了便于大家阅读，我们将其拆分为（上）、（下）两篇。此篇为「上篇」。

一、关于AI Agent

AI Agent是一种智能实体，具备感知环境、做出决策并执行相应动作的能力。不同于传统人工智能系统，AI代理能够独立思考并调用工具，从而逐步实现特定目标，这使得它们在处理复杂任务时具备更高的自主性和灵活性。

简而言之，AI代理是由人工智能技术驱动的代理人，其工作流程包括：感知模块（收集输入）、大型语言模型（理解、推理与规划）、工具调用（执行任务）以及反馈与优化（验证与调整）。

OpenAI将AI代理定义为以大型语言模型为核心，具备自主理解、感知、规划、记忆和工具使用能力的系统，能够自动化执行复杂任务。与传统人工智能不同，AI代理能够通过独立思考和工具调用逐步完成设定目标。

AI Agent的定义可以概括为以下几个关键要素：感知（Perception），AI Agent通过传感器、摄像头或其他输入设备感知周围环境，获取必要的信息；理解与推理（Reasoning），它能够分析感知到的信息，并进行复杂的推理，以便做出合理的决策；决策（Decision-making），基于分析结果，AI Agent能够制定行动计划，选择最佳的执行路径；行动（Action），最后，AI Agent会执行所制定的计划，通过调用外部工具或接口与其他系统进行交互，实现预定目标。

AI Agent的工作原理和流程通常包括以下几个步骤：首先，信息输入，接收来自环境的信息，如用户指令、传感器数据等；接着，数据处理，利用内置的算法和模型对输入数据进行处理，结合其记忆系统（短期和长期记忆）来理解当前状态；然后，计划制定，根据处理结果，AI Agent将大任务拆分为可管理的小任务，并制定具体的执行计划。在执行阶段，AI Agent通过调用外部API或工具，实施其计划并监控执行过程，以确保任务按预期完成；最后，反馈与学习，任务完成后，AI Agent会根据结果进行自我反思和学习，从而提高未来的决策质量。

二、演变历程

AI代币的演变路径展现了从初期“MEME”现象到深度技术融合的转变过程。起初，许多代币依靠短暂的概念炒作和社交媒体的热潮吸引用户的关注，如同网络热梗。然而，随着市场的不断成熟，AI代币逐渐向更加实用和高阶的功能发展，逐步摆脱了单纯的炒作模式，向真正的区块链金融工具和数据分析平台转型。我们将深入探讨这些代币如何从概念性存在，逐渐发展成为具备实际应用价值的技术产品。

阶段1：AI Meme（迷茫期）

初期的AI代币大多以“MEME”形式存在，诸如$GOAT、$ACT、$FARTCOIN等代币并未具备实际应用或功能，其价值主要依靠概念炒作与市场情绪的推动。在这一阶段，代币的用途尚不明确，市场与用户对其潜力知之甚少，代币的流行更多依赖于社交媒体的传播和短期炒作，呈现出一种神秘、不可捉摸的特性。

阶段2：社交化（探索期）

随着市场对AI代币的逐渐关注，这些代币开始在社交领域发力。例如，$LUNA、$BULLY等代币通过增强的社交功能吸引用户参与。在这一阶段，代币不仅仅作为炒作工具存在，更开始融入社区驱动和社交互动，推动市场的增长。代币逐步从单纯的“陪聊”功能扩展，开始探索与用户社交需求紧密结合的功能，形成了更加多元的社交属性。

阶段3：垂直领域（功能深化期）

AI代币开始从简单的社交和炒作模式中脱离，深入探索垂直领域的应用场景。代币如$AIXBT和$ZEREBRO等通过与区块链、DeFi或创作工具的结合，逐渐为代币赋能，使其不再仅仅是投机工具，而是具备明确功能和目的的数字资产。此阶段标志着AI代币朝着更高效、更专业的方向发展，逐步形成其独特的市场地位。

阶段3.5：基础设施（技术完善期）

在代币应用逐渐深入的同时，AI代币开始着力建设更为坚实的技术基础设施。诸如$AI16Z、$EMP等代币的加入，进一步推动了代币的功能优化。代币不仅专注于经济激励和实用功能，还开始重视跨链技术、去中心化应用、硬件结合等基础设施的建设，逐步为其未来的持续发展奠定了技术根基。

阶段4：数据分析（成熟期）

进入成熟期，AI代币已逐渐在市场中稳定下来，开始融入更复杂的加密投研分析功能，推动代币生态和治理结构的完善。$TRISIG和$COOKIE等代币不再是简单的工具，它们已成为经济体系的一部分，广泛应用于数据分析、社区治理和投资决策等高阶领域。此时，AI代币的功能逐步提升，已经能够为市场提供深度的分析与决策支持，成为加密市场中的重要资产。

阶段4.5：金融应用（生态融合期）

随着DeFi领域的进一步发展，AI代币在金融应用上的融合愈发深入，催生了“DeFAI”这一新兴概念。通过人工智能，DeFi的复杂操作变得更加简便，普通用户也能轻松参与链上金融活动。代表代币如$GRIFFAIN、$ORBIT、$AIXBT等逐渐在市场中形成了从基础功能到复杂金融服务的完整链条，优化了链上交互，降低了参与门槛，为用户带来了更多的机会和便捷。

三、AI Agent 框架

（一）Web3与Web2数据对比

当Web2的AI Agent 在推荐算法里内卷时，Web3的试验场也正在孕育更多AI Agent 创新。但数据表明，Web3和Web2的项目在贡献者分布、代码提交和GitHub Stars的情况上表现出明显的差异。通过对比Web3和Web2项目的数据，我们可以更好地理解两者在技术创新、社区活跃度以及市场接受度等方面的现状。特别是在GitHub平台上，这些项目的活跃度和受欢迎程度为我们提供了重要的指标，帮助我们洞察未来技术发展趋势和社区生态变化。

在开发者参与方面，Web2项目的贡献者数量明显高于Web3项目。具体来看，Web3项目的贡献者为575人，而Web2项目的贡献者多达9,940人，反映出Web2生态的成熟和更广泛的开发者基础。贡献者排名前三的项目是：Starkchain 3,102名贡献者；Informers-agents 3,009名贡献者；Llamaindex 1,391名贡献者。

在代码提交分布方面。Web2项目的提交量也明显高于Web3项目。Web3项目的总提交次数为9,238次，而Web2项目则高达40,151次，表明Web2项目的开发活跃度更高，更新频率较为稳定。代码提交量排名前三的项目是：ElipsOS以5,905次提交领跑；紧随其后的是Dust，共提交了5,602次代码；LangChain排名第三，提交次数为5,506次。

GitHub Stars分布方面。Web2项目在GitHub上的受欢迎程度远超Web3项目，Web2项目累计获得526,747颗Stars，而Web3项目则获得了15,676颗Stars。这一差距反映了Web2项目在开发者社区的广泛认可和长期积累的市场影响力。Stars数量排名前三的项目是：JS Agents无疑是最受欢迎的，获得了137,534颗Stars；紧随其后的是LangChain，以98,184颗Stars位居第二，；MetaGPT排名第三，获得了46,676颗Stars。

总的而言，Web2项目在贡献者数量和代码提交频率上明显领先，显示出其成熟且稳定的生态系统。庞大的开发者基础和持续的技术创新，使Web2项目在市场中保持强劲的竞争力。相比之下，Web3项目尽管贡献者数量较少，但一些项目在代码提交频率上的表现突出，表明其拥有稳定的核心开发团队，并能持续推动项目发展。Web3生态系统虽然目前较为初步，但其潜力不可小觑，逐步形成的开发者社区和用户基础为未来的成长奠定了坚实的基础。

在项目受欢迎程度上，GitHub Stars的分布揭示了JavaScript和Python在AI代理框架开发中的重要地位。JS Agents和LangChain是最受欢迎的项目，显示出AI与加密货币结合的趋势正在受到广泛关注。虽然Web3项目的Stars数量远低于Web2项目，但一些Web3项目如MetaGPT依然表现不凡，赢得了开发者的认可。整体来看，Web3项目虽处于追赶阶段，但随着技术的进一步成熟和生态扩展，其在未来市场中的地位有望稳步提升。

（二）主流区块链AI Agent 框架

数据来源：https://www.aiagenttoolkit.xyz/#frameworks

（三）现有区块链AI Agent 框架面临的挑战

大厂竞品的“降维打击”。OpenAI、Google、Microsoft等科技巨头正迅速推出官方级多工具代理，凭借强大的资金和技术优势，随时可能占领市场并将初创框架边缘化。通过深度整合大型语言模型（LLM）、云服务以及工具生态，这些大厂能够提供全面且高效的解决方案，使得中小型框架面临更大的竞争压力，生存空间被极大挤压。

稳定性和可维护性不够。目前所有AI代理普遍面临较高的错误率和“幻觉”问题，尤其在多轮调用模型时，容易出现无限循环或兼容性Bug。一旦代理被要求执行多个子任务，这些错误往往会被层层放大，导致系统不稳定。对于需要高度可靠性的企业应用，这些框架目前尚难提供足够的稳定性和生产级别的保障，限制了它们在实际商业环境中的广泛应用。

性能与成本居高不下。Agent化流程通常需要大量推理调用（如循环自检、工具函数等），而如果底层依赖如GPT-4等大型模型，既面临高昂的调用成本，又常常无法满足快速响应的需求。尽管一些框架尝试结合开源模型进行本地推理，以降低成本，但这种方式仍然依赖强大的算力，且推理结果的质量难以稳定，需专业团队持续优化以确保系统的可靠性和性能。

开发生态与灵活程度不足。目前，这些AI代理框架在开发语言和扩展性方面缺乏统一标准，导致开发者在选择时面临一定困惑和限制。例如，Eliza使用TypeScript，虽然上手简单，但在高复杂度场景下的扩展性较差；Rig则采用Rust，性能表现优秀，但学习门槛较高；ZerePy（ZEREBRO）基于Python，适合创意生成类应用，但功能相对局限。其他框架如AIXBT和Griffain更多集中在特定区块链或垂直领域应用，市场验证尚需时间。开发者在这些框架之间常常需要在易用性、性能和多平台适配之间做出权衡，影响了其在更广泛应用中的灵活度与发展潜力。

安全与合规风险。多代理系统在访问外部API、执行关键交易或进行自动化决策时，容易出现越权调用、隐私泄露或漏洞操作等安全隐患。许多框架在安全策略和审计记录方面的处理还不够完善，尤其在企业或金融应用场景中，这些问题极为突出，难以满足严格的合规要求。这使得系统在实际部署时，可能面临极大的法律风险和数据安全挑战。

鉴于上述问题，不少从业者认为当前的AI Agent框架可能会在“下一次技术突破”或“大厂一体化方案”的压力下被进一步挤压。然而，也有观点认为，初创框架在特定领域，例如链上场景、创意生成或社区插件对接等依然能发挥独特的价值。只要能够在可靠性、成本控制和生态建设方面取得突破，这些框架仍能在大厂生态之外找到可行的发展路径。总体而言，如何解决“高成本、易出错”与“实现多场景灵活性”这两大难题，将是所有AI Agent框架面临的关键挑战。

三、AI Agent 发展方向

多模态AI的普及

随着技术的快速发展，多模态AI正逐渐成为各行业中的关键推动力。多模态AI能够处理文本、图像、视频和音频等多种数据形式，使其在多个领域展现出巨大的潜力。特别是在医疗领域，通过将医疗记录、影像数据和基因组信息整合，多模态AI能够为个性化医疗的实施提供支持，帮助医生更精确地为患者量身定制治疗方案。在零售和制造业，借助这一技术，AI可以优化生产流程、提高效率，同时提升客户体验，从而增强企业的竞争力。随着数据和计算能力的提升，预计多模态AI将在更多行业中发挥其变革性作用，推动技术的快速迭代与应用扩展。

具身智能与自主智能

具身智能（Embodied AI）是指人工智能系统通过感知和与物理世界的交互来理解和适应环境。这种技术将极大改变机器人的发展方向，并为其在自动驾驶、智慧城市和其他应用场景中的普及奠定基础。2025年被视为“具身智能元年”，这一技术预计将在多个领域得到广泛应用。通过赋予机器人感知、理解和自主决策的能力，具身智能将推动物理世界与数字世界的深度融合，从而提升生产力并推动各行各业的智能化发展。无论是在个人助手、自动驾驶车辆，还是在智能工厂中，具身智能都将改变人们与机器互动的方式。

AI代理（Agentic AI）的兴起

AI代理（Agentic AI）指的是那些能够独立完成复杂任务的人工智能系统。这类AI代理正在从早期的简单查询响应工具转型为更为高级的自主决策系统，广泛应用于业务流程优化、客户服务以及工业自动化等领域。例如，AI代理能够自主处理客户的咨询请求，提供个性化的服务，甚至做出优化决策。在工业自动化中，AI代理可以监控设备的运行状态，预测故障，并在问题出现前进行调整或修复。随着AI代理逐渐成熟，其在各个行业的应用将更加深入，成为提升效率和降低成本的重要工具。

AI在科学研究中的应用

AI的引入正在加速科学研究的进展，特别是在复杂数据分析的领域。AI4S（AI for Science）已经成为新的研究趋势，利用大模型对数据的深度分析，AI正在帮助科研人员突破传统研究的局限。在生物医学、材料科学和能源研究等领域，AI的应用正在推动基础科学的突破。一个显著的例子是AlphaFold，它通过对蛋白质结构的预测，解决了长期困扰科学家的难题，极大推动了生物医学研究的进展。未来，AI将在推动科研进步、发现新材料和药物等方面发挥越来越重要的作用。

AI安全与伦理

随着AI技术的普及，AI安全与伦理问题正逐渐成为全球关注的焦点。AI系统的决策透明性、公平性以及潜在的安全隐患都引发了大量讨论。为了确保AI技术的可持续发展，企业和政府正加紧努力建立完善的治理框架，以在推动技术创新的同时有效管理其风险。尤其是在自动化决策、数据隐私和自主系统等领域，如何平衡技术进步与社会责任，成为确保AI技术正面影响的关键。这不仅是技术发展的挑战，更是道德和法律层面的重要议题，影响着AI在未来社会中的角色和地位。

我们将在报告「下篇」，详细介绍AI Agent的应用以及表项目，并给出评估框架，敬请关注。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。