0xjacobzhao
Crypto x AI | ex-Crypto VC | ENTJ/INTJ
實盤交易
低頻交易者
6.2 個月
1 關注
20 粉絲
15 點讚數
8 分享數
貼文
投資組合
Noya.ai: 預測市場中的代理
作者: 0xjacobzhao | https://linktr.ee/0xjacobzhao
在我們之前的加密AI系列研究報告中，我們始終強調當前加密領域中最實用的應用場景主要集中在穩定幣支付和DeFi上，而代理是AI行業面向用戶的關鍵接口。因此，在加密和AI集成的趨勢中，兩個最有價值的路徑是：AgentFi，基於現有成熟的DeFi協議（如借貸和流動性挖掘等基本策略，以及Swap、Pendle PT和資金利率套利等高級策略）在短期內；以及Agent Payment，以穩定幣結算爲中心，並依賴於如ACP/AP2/x402/ERC-8004等協議在中長期內。
在我們之前的加密AI系列研究報告中，我們始終強調當前加密領域中最實用的應用場景主要集中在穩定幣支付和DeFi上，而代理是AI行業面向用戶的關鍵接口。因此，在加密和AI集成的趨勢中，兩個最有價值的路徑是：AgentFi，基於現有成熟的DeFi協議（如借貸和流動性挖掘等基本策略，以及Swap、Pendle PT和資金利率套利等高級策略）在短期內；以及Agent Payment，以穩定幣結算爲中心，並依賴於如ACP/AP2/x402/ERC-8004等協議在中長期內。
Noya.ai 研报：预测市场智能体的前瞻
Noya.ai 研报：预测市场智能体的前瞻
作者：0xjacobzhao | https://linktr.ee/0xjacobzhao
在过往Crypto AI系列研报中我们持续强调的观点：当前加密领域最具实际应用价值的场景，主要集中在稳定币支付与DeFi，而Agent是AI产业面向用户的关键界面。因此，在Crypto与AI融合的趋势中，最具价值的两条路径分别是：短期内基于现有成熟DeFi协议（借贷、流动性挖矿等基础策略，以及Swap、Pendle PT、资金费率套利等高级策略）的AgentFi，以及中长期围绕稳定币结算、并依托ACP/AP2/x402/ERC-8004等协议的Agent Payment。
预测市场在2025年已成为不容忽视的行业新趋势，其年度总交易量从2024年的约90亿美元激增至2025年的超过400亿美元，实现超过400%的年同比增长。这一显著增长由多重因素共同推动：宏观政治事件（如2024年美国大选）带来不确定性需求，基础设施与交易模式的成熟，以及监管环境出现破冰（Kalshi胜诉与Polymarket回归美国）。预测市场智能体(Prediction Market Agent)在2026年初呈现早期雏形，有望在未来一年成为智能体领域的新兴产品形态。
一、预测市场：从下注工具到“全球真相层”
预测市场是一种围绕未来事件结果进行交易的金融机制，合约价格本质上反映了市场对事件发生概率的集体判断。其有效性源于群体智慧与经济激励的结合：在匿名、真金白银下注的环境中，分散信息被快速整合为按资金意愿加权的价格信号，从而显著降低噪音与虚假判断。
截至2025年底，预测市场已基本形成 Polymarket与Kalshi 双寡头主导的格局。据《福布斯》统计，2025年总交易量约达440亿美元，其中Polymarket贡献约215亿美元，Kalshi约为171亿美元。Kalshi凭借此前选举合约案的法律胜诉、在美国体育预测市场的合规先发优势，以及相对明确的监管预期，实现了快速扩张。目前，二者的发展路径已呈现清晰分化：
Polymarket 采用“链下撮合、链上结算”的混合CLOB架构与去中心化结算机制，构建起全球化、非托管的高流动性市场，合规重返美国后形成“在岸+离岸”双轨运营结构；Kalshi 融入传统金融体系，通过API接入主流零售券商，吸引华尔街做市商深度参与宏观与数据型合约交易，产品受制于传统监管流程，长尾需求与突发事件相对滞后。
除Polymarket与Kalshi之外，预测市场领域具备竞争力的其他参与者主要沿着两条路径发展：
一是合规分发路径，将事件合约嵌入券商或大型平台的现有账户体系，依靠渠道覆盖、清算能力与机构信任建立优势（例如Interactive Brokers与ForecastEx合作的ForecastTrader，以及FanDuel与CME合作的FanDuel Predicts）；二是链上性能与资金效率路径，以Solana生态的永续合约DEX Drift为例，其在原有产品线基础上新增了预测市场模块B.E.T（prediction markets）。
传统金融合规入口与加密原生性能优势这两类路径共同构成预测市场生态的多元竞争格局。
预测市场表面上与赌博相似，本质上也是一种零和博弈，但二者的核心区别并不在于形式，而在于是否具有正外部性：通过真金白银的交易聚合分散信息，对现实事件进行公共定价，形成有价值的信号层。尽管存在娱乐化参与等局限，但其趋势正从博弈转向“全球真相层”——随着CME、彭博等机构的接入，事件概率已成为可被金融与企业系统直接调用的决策元数据，提供更及时、可量化的市场化真相。
二、预测智能体：架构设计、商业模式与策略分析
当下预测市场智能体(Prediction Market Agent)正在进入早期实践阶段，其价值不在于“AI 预测更准”，而在于放大预测市场中的信息处理与执行效率。预测市场本质是信息聚合机制，价格反映对事件概率的集体判断；现实中的市场低效源于信息不对称、流动性与注意力约束。预测市场智能体 的合理定位是可执行的概率资产管理（Executable Probabilistic Portfolio Management）：将新闻、规则文本与链上数据转化为可验证的定价偏差，以更快、更纪律化、低成本的方式执行策略，并通过跨平台套利与组合风控捕获结构性机会。
理想的预测市场智能体 可抽象为四层架构：
信息层汇集新闻、社交、链上与官方数据；分析层以 LLM 与 ML 识别错价并计算 Edge；策略层通过凯利公式、分批建仓与风控将 Edge 转化为仓位；执行层完成多市场下单、滑点与 Gas 优化与套利执行，形成高效自动化闭环。
预测市场智能体的理想的商业模式设计在不同层级有不同方向的探索空间：
底层Infrastructure 层，提供多源实时数据聚合、Smart Money 地址库、统一的预测市场执行引擎与回测工具，向 B2B/B2D 收费，获取与预测准确率无关的稳定收入；中间Strategy 层，以开源或 Token-Gated 方式沉淀模块化策略组件与社区贡献策略，形成可组合的策略生态并实现价值捕获；顶层Agent 层，通过受托管理的 Vault 直接跑实盘，以透明链上记录和 20–30% 的绩效费（叠加少量管理费）兑现能力。
理想的预测市场智能体 Agent 更接近一个“AI 驱动的概率型资管产品”，通过长期纪律化执行与跨市场错价博弈，而非依赖单次预测准确率来获取收益。而“基础设施变现 + 生态扩展 + 业绩参与”的多元收入结构设计的核心逻辑在于：即便 Alpha 随市场成熟而收敛，执行、风控与结算等底层能力仍具长期价值，可降低对单一“AI 持续战胜市场”假设的依赖。
预测市场智能体策略分析：
理论上，Agent 具备高速、全天候与去情绪化执行优势，但在预测市场中往往难以转化为持续 Alpha，其有效应用主要局限于特定结构，如自动化做市、跨平台错价捕捉及长尾事件的信息整合，这些机会稀缺且受流动性与资本约束。
市场选择：并非所有预测市场都具备可交易价值，参与价值取决于结算清晰度、流动性质量、信息优势、时间结构与操纵风险五个维度。建议优先关注新市场的早期阶段、专业玩家少的长尾事件以及时区差异导致的短暂定价窗口；避免高热度政治事件、主观结算市场与极低流动性品种。下单策略：采用严格的系统化仓位管理。入场前提是自身概率判断显著高于市场隐含概率，并依据分数化凯利公式（通常为1/10–1/4 Kelly）确定仓位，单事件风险敞口不超过15%，以在长期实现风险可控、回撤可承受、优势可复利的稳健增长。套利策略：预测市场中的套利主要体现为四类：跨平台价差（需警惕结算差异）、Dutch Book套利（确定性高但流动性要求严）、结算套利（依赖执行速度）及关联资产对冲（受结构错配限制）。实践关键不在于发现价差，而在于严格对齐合约定义与结算标准，避免因规则细微差异导致的伪套利。聪明钱跟单：链上“聪明钱”信号因滞后性、诱导风险与样本问题，不宜作为主策略。更合理的用法是作为置信度调节因子，用于辅助基于信息与定价偏差的核心判断。
三、Noya.ai：从情报到行动的智能体网络
作为预测市场智能体的早期探索，NOYA 的核心理念是 “Intelligence That Acts（让情报直接行动）”。在链上市场中，单纯的分析与洞察并不足以创造价值——尽管仪表盘、数据分析和研究工具能够帮助用户理解“可能发生什么”，但从洞察到执行之间仍存在大量人工操作、跨链摩擦与执行风险。NOYA 正是基于这一痛点构建：将专业投资流程中“研究 → 形成判断 → 执行 → 持续监控”的完整链路，压缩进一个统一系统，使情报能够直接转化为链上行动。
NOYA 通过整合三大核心层级实现这一目标：
情报层 (Intelligence)： 聚合市场数据、代币分析和预测市场信号。抽象层 (Abstraction)： 隐藏复杂的跨链路由，用户只需表达意图（Intent）。执行层 (Execution)： AI Agent 根据用户授权，跨链、跨协议执行操作。
在产品形态上，NOYA 支持被动收益型用户、主动交易者以及预测市场参与者等不同参与方式，并通过 Omnichain Execution、AI Agents & Intents、Vault Abstraction 等设计，将多链流动性管理、复杂策略执行与风险控制模块化、自动化。
整体系统形成一个持续闭环：Intelligence → Intent → Execution → Monitoring，在确保用户始终掌握资产控制权的前提下，实现从洞察到执行的高效、可验证与低摩擦转化。
四、Noya.ai 的产品体系与演进路径
核心基石：Noya Omnichain Vaults
Omnivaults 是 NOYA 的资本部署层，提供跨链、风险可控的自动化收益策略。用户通过简单的存取操作，将资产交由系统在多链、多协议中持续运行，无需手动调仓或盯盘，核心目标是实现稳定的风险调整后收益而非短期投机。
Omnivaults 覆盖标准收益与循环（Loop）等策略，按资产与风险等级清晰划分，并支持可选的绑定激励机制。在执行层面，系统自动完成跨链路由与优化，并可引入 ZKML 对策略决策进行可验证证明，增强自动化资管的透明度与可信度。整体设计以模块化和可组合为核心，支持未来接入更多资产类型与策略形态。
NOYA Vault（金库）的技术架构：各金库通过 Registry 统一注册与管理，AccountingManager 负责用户份额（ERC-20）与净值定价；底层通过模块化 Connectors 对接 Aave、Uniswap 等协议并计算跨协议 TVL，依赖 Value Oracle（Chainlink + Uniswap v3 TWAP）完成价格路由与估值；交易与跨链由 Swap Handler（LiFi） 执行；最终，策略执行由 Keeper 多签 触发，形成可组合、可审计的执行闭环。
未来 Alpha：预测市场智能体 (Prediction Market Agent)
NOYA 最具想象空间的模块：情报层持续追踪链上资金行为与链下叙事变化，识别新闻冲击、情绪波动与赔率错配；当在 Polymarket 等预测市场发现概率偏差时，执行层 AI Agent 可在用户授权下调动金库资金进行套利与调仓。同时，Token Intelligence 与 Prediction Market Copilot 为用户提供结构化代币与预测市场分析，将外部信息直接转化为可执行的交易决策。
预测市场智能决策助理（Prediction Market Intelligence Copilot)
NOYA致力于将预测市场从单一事件下注升级为可系统管理的概率资产。其核心模块通过整合市场隐含概率、流动性结构、历史结算与链上聪明钱行为等多元数据，运用期望值（EV）与情景分析识别定价偏差，并重点追踪高胜率钱包的仓位信号以区分信息交易与市场噪音。基于此，Copilot 支持跨市场、跨事件的关联分析，并将实时信号传递至AI Agent，驱动开仓、调仓等自动化执行，实现预测市场的组合管理与动态优化。
核心策略机制包括：
多源 Edge 信息捕获（Multi-source Edge Sourcing）：融合 Polymarket 实时赔率、民调数据、私有与外部信息流，对事件隐含概率进行交叉验证，系统性挖掘尚未被充分定价的信息优势。跨市场与跨事件套利（Prediction Market Arbitrage）：基于不同市场、不同合约结构或相近事件间的定价差异，构建概率与结构性套利策略，在控制方向性风险的前提下捕获赔率收敛收益。赔率驱动的动态仓位管理（Auto-adjust Positions）：当赔率因信息、资金或情绪变化显著偏移时，由 AI Agent 自动调整仓位规模与方向，实现预测市场中的持续优化，而非一次性下注。
NOYA 智能代币情报报告：（NOYA Intelligence Token Reports）
NOYA 的机构级研究与决策中枢，目标在于将专业加密投研流程自动化，并直接输出可用于真实资产配置的决策级信号。该模块以标准化报告结构呈现明确的投资立场、综合评分、核心逻辑、关键催化剂与风险提示，并结合实时市场与链上数据持续更新。与传统研究工具不同，NOYA 的情报并不止步于静态分析，而是可通过 AI Agent 以自然语言调用、对比与追问，并被直接输送至执行层，驱动后续的跨链交易、资金配置与组合管理，从而形成“研究—决策—执行”一体化闭环，使 Intelligence 成为自动化资本运作体系中的主动信号源。
NOYA AI Agent (语音与自然语言驱动)
NOYA AI Agent 是平台的执行层，核心作用是将用户意图与市场情报直接转化为经授权的链上行动。用户可通过文本或语音表达目标，Agent 负责规划并执行跨链、跨协议的操作，将研究与执行压缩为一个连续流程。 是 NOYA 降低 DeFi 与预测市场操作门槛的关键产品形态
用户无需理解底层链路、协议或交易路径，仅需通过自然语言或语音表达目标，即可触发 AI Agent 自动规划并执行多步链上操作，实现“意图即执行”。在全程用户签名与非托管前提下，Agent 按“意图理解 → 行动规划 → 用户确认 → 链上执行 → 结果监控”的闭环运行，不替代决策，仅负责高效落地执行，显著降低复杂金融操作的摩擦与门槛。
信任护城河：ZKML 可信执行（Verifiable Execution）
可信执行旨在构建策略、决策与执行的全流程可验证闭环。NOYA引入ZKML作为降低信任假设的关键机制：策略在链下计算，并生成可验证证明，链上验证通过后方可触发相应资金操作。该机制可在不泄露模型细节的前提下，为策略输出提供可信性，并支持可验证回测等衍生能力。目前相关模块在公开文档中仍标注为“开发中”，工程细节仍有待后续披露与验证。
未来 6 个月产品路线图
预测市场高级订单能力：提升策略表达与执行精度，支撑 Agent 化交易。扩展至多预测市场：在 Polymarket 之外接入更多平台，扩大事件覆盖与流动性。多源 Edge 信息采集：与盘口赔率交叉验证，系统性捕获未充分定价的概率偏差。更清晰的代币信号与高阶报告：输出可直接驱动执行的交易信号与深度链上分析。更高级的链上 DeFi 策略组合：上线复杂策略结构，提升资金效率、收益与可扩展性。
五、Noya.ai的生态增长与激励体系
目前 Omnichain Vaults 处于生态发展的早期阶段，其跨链执行与多策略框架已通过验证。
策略与覆盖： 平台已集成 Aave、Morpho 等主流 DeFi 协议，支持稳定币、ETH 及其衍生资产的跨链调配，并初步构建了分层风险策略（如基础收益 vs. Loop 策略）。发展阶段： 当前 TVL 体量有限，核心目标在于功能验证（MVP）与风控框架打磨，架构设计有较强的可组合性，为后续引入复杂资产及高级 Agent 调度预留接口。
激励体系：Kaito 联动与 Space Race 双轮驱动
NOYA 构建了一套以“真实贡献”为锚点，深度绑定内容叙事与流动性的增长飞轮。
生态合作（Kaito Yaps）：NOYA 以“AI × DeFi × Agent”的复合叙事登陆 Kaito Leaderboards，配置 总供应量 5% 的无锁仓激励池，并额外预留 1% 用于 Kaito 生态。其机制将内容创作（Yaps）与 Vault 存入、Bond 锁定深度绑定，用户周度贡献转化为决定等级与倍率的 Stars，从而在激励层面同步强化叙事共识与资金长期黏性。增长引擎（Space Race）：Space Race 构成 NOYA 的核心增长飞轮，通过以 Stars 作为长期权益凭证，替代传统“资金规模优先”的空投模式。该机制将 Bond 锁仓加成、双向 10% 推荐激励与内容传播统一纳入周度 Points 体系，筛选出高参与度、强共识的长期用户，持续优化社区结构与代币分布。社区建设（Ambassador）：NOYA 采用邀请制大使计划，向合格参与者提供社区轮参与资格及基于实际贡献的绩效返佣（最高 10%）。
目前Noya.ai积累超 3,000 名链上用户，X 平台粉丝突破 4.1 万，位列 Kaito Mindshare 榜单前五。这表明 NOYA 在预测市场与 Agent 赛道中已占据了有利的注意力生态位。
此外Noya.ai核心合约通过 Code4rena 与 Hacken 双重审计，并接入 Hacken Extractor。
六、代币经济模型设计及治理
NOYA 采用单代币（Single-token）生态模型，以 $NOYA 作为唯一的价值承载与治理载体。
NOYA 采用回购销毁（Buyback & Burn） 价值捕获机制，协议层在 AI Agent、Omnivaults 与预测市场等产品中产生的价值，通过质押、治理、访问权限及回购销毁等机制实现价值承接，形成 使用 → 收费 → 回购价值闭环，将平台使用度转化为代币长期价值。
项目以 Fair Launch 为核心原则，未引入天使轮或 VC 投资，而是通过低估值（$10M FDV）的公开社区轮（Launch-Raise）、Space Race 与空投完成分发，刻意为社区保留非对称上行空间，使筹码结构更偏向活跃用户与长期参与者；团队激励主要来自长期锁定的代币份额。
代币分配 (Distribution)
总供应量： 10 亿 (1,000,000,000) NOYA 初始流通量 (Low Float)： 约 12% 估值与融资 (The Raise)：融资额：100万美金；估值 (FDV)： 1000万美金
七、预测智能体市场竞争分析
目前，预测市场智能体（Prediction Market Agent）赛道仍处于早期，项目数量有限，较具代表性的包括 Olas（Pearl Prediction Agents）、Warden（BetFlix） 与 Noya.ai。
从产品形态与用户参与方式看，各代表了目前预测市场智能体赛道的三类路径：
1）Olas（Pearl Prediction Agents）：Agent 产品化与可运行交付, 以“运行一个自动化预测 Agent”为参与方式，将预测市场交易封装为可运行的 Agent：用户注资并运行，系统自动完成信息获取、概率判断、下注与结算。需要额外安装的参与方式对普通用户的友好度相对有限。
2）Warden（BetFlix）：交互分发与消费级投注平台 , 通过低门槛、强娱乐性的交互体验吸引用户参与，采用交互与分发导向路径，以游戏化、内容化前端降低参与成本，强调预测市场的消费与娱乐属性。其竞争优势主要来自用户增长与分发效率，而非策略或执行层深度。
3）NOYA.ai：以“资金托管 + 策略代执行”为核心，通过 Vault 将预测市场与 DeFi 执行抽象为资管产品，提供低操作、低心智负担的参与方式。若后续叠加 Prediction Market Intelligence 与 Agent 执行模块，有望形成“研究—执行—监控”的一体化工作流。
与 Giza、Almanak 等已实现明确产品交付的 AgentFi 项目相比，NOYA 的 DeFi Agent 目前仍处于相对早期阶段。但 NOYA 的差异化在于其定位与切入层级：其以约 $10M FDV 的公平启动估值进入同一执行与资管叙事赛道，在现阶段具备显著的估值折价与增长潜力。
NOYA：以 Omnichain Vault 为核心的资管封装型 AgentFi 项目，当前交付重点集中在跨链执行与风险控制等基础设施层，上层的 Agent 执行、预测市场能力及 ZKML 相关机制仍处于开发与验证阶段。Giza：可直接运行资管策略（ARMA、Pulse），目前 AgentFi 产品完成度最高。Almanak：定位于 AI Quant for DeFi，通过模型与量化框架输出策略与风险信号，主要面向专业资金与策略管理需求，强调方法论的系统性与结果的可复现性。Theoriq：以多智能体协作（Agent Swarms）为核心的策略与执行框架，强调可扩展的 Agent 协作体系与中长期基础设施叙事，更偏向底层能力建设。Infinit：偏执行层的 Agentic DeFi 终端，通过“意图 → 多步链上操作”的流程编排，显著降低复杂 DeFi 操作的执行门槛，用户对产品价值的感知相对直接。
八、总结：商业逻辑、工程实现及潜在风险
商业逻辑：
NOYA 是当前市场中较为少见的 AI Agent × Prediction Market × ZKML 多重叙事叠加标的，并进一步结合了 Intent 驱动执行 的产品方向。在资产定价层面，其以约 $10M FDV 启动，明显低于同类 AI / DeFAI / Prediction 相关项目常见的 $75M–$100M 区间估值，形成一定的结构性价差。
从设计上看，NOYA 试图将 策略执行（Vault / Agent） 与 信息优势（Prediction Market Intelligence） 统一到同一执行框架中，并通过协议收入回流（fees → buyback & burn）建立价值捕获闭环。尽管项目仍处于早期阶段，但在多叙事叠加与低估值起点的共同作用下，其风险—收益结构更接近一类高赔率、非对称博弈标的。
工程实现： 在可验证的交付层面，NOYA 当前已上线的核心功能为 Omnichain Vaults，提供跨链资产调度、收益策略执行与延迟结算机制，工程实现相对偏基础。其愿景中强调的 Prediction Market Intelligence（Copilot）、NOYA AI Agent 以及 ZKML 驱动的可验证执行仍处于开发阶段，尚未在主网形成完整闭环。现阶段并非成熟的 DeFAI 平台。
潜在风险与关注要点
交付不确定性： 从“基础 Vault”到“全能 Agent”的技术跨度极大，需警惕 Roadmap 延期或 ZKML 落地不及预期的风险。潜在系统风险 ： 包含合约安全、跨链桥故障以及预测市场特有的预言机争议（如规则模糊导致无法裁决），任何单点故障都可能造成资金损耗。
免责声明：本文在创作过程中借助了 ChatGPT-5.2, Gemini 3和Claude Opus 4.5等 AI 工具辅助完成，作者已尽力校对并确保信息真实与准确，但仍难免存在疏漏，敬请谅解。需特别提示的是，加密资产市场普遍存在项目基本面与二级市场价格表现背离的情况。本文内容仅用于信息整合与学术/研究交流，不构成任何投资建议，亦不应视为任何代币的买卖推荐。
作者：0xjacobzhao | https://linktr.ee/0xjacobzhao
在过往Crypto AI系列研报中我们持续强调的观点：当前加密领域最具实际应用价值的场景，主要集中在稳定币支付与DeFi，而Agent是AI产业面向用户的关键界面。因此，在Crypto与AI融合的趋势中，最具价值的两条路径分别是：短期内基于现有成熟DeFi协议（借贷、流动性挖矿等基础策略，以及Swap、Pendle PT、资金费率套利等高级策略）的AgentFi，以及中长期围绕稳定币结算、并依托ACP/AP2/x402/ERC-8004等协议的Agent Payment。
预测市场在2025年已成为不容忽视的行业新趋势，其年度总交易量从2024年的约90亿美元激增至2025年的超过400亿美元，实现超过400%的年同比增长。这一显著增长由多重因素共同推动：宏观政治事件（如2024年美国大选）带来不确定性需求，基础设施与交易模式的成熟，以及监管环境出现破冰（Kalshi胜诉与Polymarket回归美国）。预测市场智能体(Prediction Market Agent)在2026年初呈现早期雏形，有望在未来一年成为智能体领域的新兴产品形态。
一、预测市场：从下注工具到“全球真相层”
预测市场是一种围绕未来事件结果进行交易的金融机制，合约价格本质上反映了市场对事件发生概率的集体判断。其有效性源于群体智慧与经济激励的结合：在匿名、真金白银下注的环境中，分散信息被快速整合为按资金意愿加权的价格信号，从而显著降低噪音与虚假判断。
截至2025年底，预测市场已基本形成 Polymarket与Kalshi 双寡头主导的格局。据《福布斯》统计，2025年总交易量约达440亿美元，其中Polymarket贡献约215亿美元，Kalshi约为171亿美元。Kalshi凭借此前选举合约案的法律胜诉、在美国体育预测市场的合规先发优势，以及相对明确的监管预期，实现了快速扩张。目前，二者的发展路径已呈现清晰分化：
Polymarket 采用“链下撮合、链上结算”的混合CLOB架构与去中心化结算机制，构建起全球化、非托管的高流动性市场，合规重返美国后形成“在岸+离岸”双轨运营结构；Kalshi 融入传统金融体系，通过API接入主流零售券商，吸引华尔街做市商深度参与宏观与数据型合约交易，产品受制于传统监管流程，长尾需求与突发事件相对滞后。
除Polymarket与Kalshi之外，预测市场领域具备竞争力的其他参与者主要沿着两条路径发展：
一是合规分发路径，将事件合约嵌入券商或大型平台的现有账户体系，依靠渠道覆盖、清算能力与机构信任建立优势（例如Interactive Brokers与ForecastEx合作的ForecastTrader，以及FanDuel与CME合作的FanDuel Predicts）；二是链上性能与资金效率路径，以Solana生态的永续合约DEX Drift为例，其在原有产品线基础上新增了预测市场模块B.E.T（prediction markets）。
传统金融合规入口与加密原生性能优势这两类路径共同构成预测市场生态的多元竞争格局。
预测市场表面上与赌博相似，本质上也是一种零和博弈，但二者的核心区别并不在于形式，而在于是否具有正外部性：通过真金白银的交易聚合分散信息，对现实事件进行公共定价，形成有价值的信号层。尽管存在娱乐化参与等局限，但其趋势正从博弈转向“全球真相层”——随着CME、彭博等机构的接入，事件概率已成为可被金融与企业系统直接调用的决策元数据，提供更及时、可量化的市场化真相。
二、预测智能体：架构设计、商业模式与策略分析
当下预测市场智能体(Prediction Market Agent)正在进入早期实践阶段，其价值不在于“AI 预测更准”，而在于放大预测市场中的信息处理与执行效率。预测市场本质是信息聚合机制，价格反映对事件概率的集体判断；现实中的市场低效源于信息不对称、流动性与注意力约束。预测市场智能体 的合理定位是可执行的概率资产管理（Executable Probabilistic Portfolio Management）：将新闻、规则文本与链上数据转化为可验证的定价偏差，以更快、更纪律化、低成本的方式执行策略，并通过跨平台套利与组合风控捕获结构性机会。
理想的预测市场智能体 可抽象为四层架构：
信息层汇集新闻、社交、链上与官方数据；分析层以 LLM 与 ML 识别错价并计算 Edge；策略层通过凯利公式、分批建仓与风控将 Edge 转化为仓位；执行层完成多市场下单、滑点与 Gas 优化与套利执行，形成高效自动化闭环。
预测市场智能体的理想的商业模式设计在不同层级有不同方向的探索空间：
底层Infrastructure 层，提供多源实时数据聚合、Smart Money 地址库、统一的预测市场执行引擎与回测工具，向 B2B/B2D 收费，获取与预测准确率无关的稳定收入；中间Strategy 层，以开源或 Token-Gated 方式沉淀模块化策略组件与社区贡献策略，形成可组合的策略生态并实现价值捕获；顶层Agent 层，通过受托管理的 Vault 直接跑实盘，以透明链上记录和 20–30% 的绩效费（叠加少量管理费）兑现能力。
理想的预测市场智能体 Agent 更接近一个“AI 驱动的概率型资管产品”，通过长期纪律化执行与跨市场错价博弈，而非依赖单次预测准确率来获取收益。而“基础设施变现 + 生态扩展 + 业绩参与”的多元收入结构设计的核心逻辑在于：即便 Alpha 随市场成熟而收敛，执行、风控与结算等底层能力仍具长期价值，可降低对单一“AI 持续战胜市场”假设的依赖。
预测市场智能体策略分析：
理论上，Agent 具备高速、全天候与去情绪化执行优势，但在预测市场中往往难以转化为持续 Alpha，其有效应用主要局限于特定结构，如自动化做市、跨平台错价捕捉及长尾事件的信息整合，这些机会稀缺且受流动性与资本约束。
市场选择：并非所有预测市场都具备可交易价值，参与价值取决于结算清晰度、流动性质量、信息优势、时间结构与操纵风险五个维度。建议优先关注新市场的早期阶段、专业玩家少的长尾事件以及时区差异导致的短暂定价窗口；避免高热度政治事件、主观结算市场与极低流动性品种。下单策略：采用严格的系统化仓位管理。入场前提是自身概率判断显著高于市场隐含概率，并依据分数化凯利公式（通常为1/10–1/4 Kelly）确定仓位，单事件风险敞口不超过15%，以在长期实现风险可控、回撤可承受、优势可复利的稳健增长。套利策略：预测市场中的套利主要体现为四类：跨平台价差（需警惕结算差异）、Dutch Book套利（确定性高但流动性要求严）、结算套利（依赖执行速度）及关联资产对冲（受结构错配限制）。实践关键不在于发现价差，而在于严格对齐合约定义与结算标准，避免因规则细微差异导致的伪套利。聪明钱跟单：链上“聪明钱”信号因滞后性、诱导风险与样本问题，不宜作为主策略。更合理的用法是作为置信度调节因子，用于辅助基于信息与定价偏差的核心判断。
三、Noya.ai：从情报到行动的智能体网络
作为预测市场智能体的早期探索，NOYA 的核心理念是 “Intelligence That Acts（让情报直接行动）”。在链上市场中，单纯的分析与洞察并不足以创造价值——尽管仪表盘、数据分析和研究工具能够帮助用户理解“可能发生什么”，但从洞察到执行之间仍存在大量人工操作、跨链摩擦与执行风险。NOYA 正是基于这一痛点构建：将专业投资流程中“研究 → 形成判断 → 执行 → 持续监控”的完整链路，压缩进一个统一系统，使情报能够直接转化为链上行动。
NOYA 通过整合三大核心层级实现这一目标：
情报层 (Intelligence)： 聚合市场数据、代币分析和预测市场信号。抽象层 (Abstraction)： 隐藏复杂的跨链路由，用户只需表达意图（Intent）。执行层 (Execution)： AI Agent 根据用户授权，跨链、跨协议执行操作。
在产品形态上，NOYA 支持被动收益型用户、主动交易者以及预测市场参与者等不同参与方式，并通过 Omnichain Execution、AI Agents & Intents、Vault Abstraction 等设计，将多链流动性管理、复杂策略执行与风险控制模块化、自动化。
整体系统形成一个持续闭环：Intelligence → Intent → Execution → Monitoring，在确保用户始终掌握资产控制权的前提下，实现从洞察到执行的高效、可验证与低摩擦转化。
四、Noya.ai 的产品体系与演进路径
核心基石：Noya Omnichain Vaults
Omnivaults 是 NOYA 的资本部署层，提供跨链、风险可控的自动化收益策略。用户通过简单的存取操作，将资产交由系统在多链、多协议中持续运行，无需手动调仓或盯盘，核心目标是实现稳定的风险调整后收益而非短期投机。
Omnivaults 覆盖标准收益与循环（Loop）等策略，按资产与风险等级清晰划分，并支持可选的绑定激励机制。在执行层面，系统自动完成跨链路由与优化，并可引入 ZKML 对策略决策进行可验证证明，增强自动化资管的透明度与可信度。整体设计以模块化和可组合为核心，支持未来接入更多资产类型与策略形态。
NOYA Vault（金库）的技术架构：各金库通过 Registry 统一注册与管理，AccountingManager 负责用户份额（ERC-20）与净值定价；底层通过模块化 Connectors 对接 Aave、Uniswap 等协议并计算跨协议 TVL，依赖 Value Oracle（Chainlink + Uniswap v3 TWAP）完成价格路由与估值；交易与跨链由 Swap Handler（LiFi） 执行；最终，策略执行由 Keeper 多签 触发，形成可组合、可审计的执行闭环。
未来 Alpha：预测市场智能体 (Prediction Market Agent)
NOYA 最具想象空间的模块：情报层持续追踪链上资金行为与链下叙事变化，识别新闻冲击、情绪波动与赔率错配；当在 Polymarket 等预测市场发现概率偏差时，执行层 AI Agent 可在用户授权下调动金库资金进行套利与调仓。同时，Token Intelligence 与 Prediction Market Copilot 为用户提供结构化代币与预测市场分析，将外部信息直接转化为可执行的交易决策。
预测市场智能决策助理（Prediction Market Intelligence Copilot)
NOYA致力于将预测市场从单一事件下注升级为可系统管理的概率资产。其核心模块通过整合市场隐含概率、流动性结构、历史结算与链上聪明钱行为等多元数据，运用期望值（EV）与情景分析识别定价偏差，并重点追踪高胜率钱包的仓位信号以区分信息交易与市场噪音。基于此，Copilot 支持跨市场、跨事件的关联分析，并将实时信号传递至AI Agent，驱动开仓、调仓等自动化执行，实现预测市场的组合管理与动态优化。
核心策略机制包括：
多源 Edge 信息捕获（Multi-source Edge Sourcing）：融合 Polymarket 实时赔率、民调数据、私有与外部信息流，对事件隐含概率进行交叉验证，系统性挖掘尚未被充分定价的信息优势。跨市场与跨事件套利（Prediction Market Arbitrage）：基于不同市场、不同合约结构或相近事件间的定价差异，构建概率与结构性套利策略，在控制方向性风险的前提下捕获赔率收敛收益。赔率驱动的动态仓位管理（Auto-adjust Positions）：当赔率因信息、资金或情绪变化显著偏移时，由 AI Agent 自动调整仓位规模与方向，实现预测市场中的持续优化，而非一次性下注。
NOYA 智能代币情报报告：（NOYA Intelligence Token Reports）
NOYA 的机构级研究与决策中枢，目标在于将专业加密投研流程自动化，并直接输出可用于真实资产配置的决策级信号。该模块以标准化报告结构呈现明确的投资立场、综合评分、核心逻辑、关键催化剂与风险提示，并结合实时市场与链上数据持续更新。与传统研究工具不同，NOYA 的情报并不止步于静态分析，而是可通过 AI Agent 以自然语言调用、对比与追问，并被直接输送至执行层，驱动后续的跨链交易、资金配置与组合管理，从而形成“研究—决策—执行”一体化闭环，使 Intelligence 成为自动化资本运作体系中的主动信号源。
NOYA AI Agent (语音与自然语言驱动)
NOYA AI Agent 是平台的执行层，核心作用是将用户意图与市场情报直接转化为经授权的链上行动。用户可通过文本或语音表达目标，Agent 负责规划并执行跨链、跨协议的操作，将研究与执行压缩为一个连续流程。 是 NOYA 降低 DeFi 与预测市场操作门槛的关键产品形态
用户无需理解底层链路、协议或交易路径，仅需通过自然语言或语音表达目标，即可触发 AI Agent 自动规划并执行多步链上操作，实现“意图即执行”。在全程用户签名与非托管前提下，Agent 按“意图理解 → 行动规划 → 用户确认 → 链上执行 → 结果监控”的闭环运行，不替代决策，仅负责高效落地执行，显著降低复杂金融操作的摩擦与门槛。
信任护城河：ZKML 可信执行（Verifiable Execution）
可信执行旨在构建策略、决策与执行的全流程可验证闭环。NOYA引入ZKML作为降低信任假设的关键机制：策略在链下计算，并生成可验证证明，链上验证通过后方可触发相应资金操作。该机制可在不泄露模型细节的前提下，为策略输出提供可信性，并支持可验证回测等衍生能力。目前相关模块在公开文档中仍标注为“开发中”，工程细节仍有待后续披露与验证。
未来 6 个月产品路线图
预测市场高级订单能力：提升策略表达与执行精度，支撑 Agent 化交易。扩展至多预测市场：在 Polymarket 之外接入更多平台，扩大事件覆盖与流动性。多源 Edge 信息采集：与盘口赔率交叉验证，系统性捕获未充分定价的概率偏差。更清晰的代币信号与高阶报告：输出可直接驱动执行的交易信号与深度链上分析。更高级的链上 DeFi 策略组合：上线复杂策略结构，提升资金效率、收益与可扩展性。
五、Noya.ai的生态增长与激励体系
目前 Omnichain Vaults 处于生态发展的早期阶段，其跨链执行与多策略框架已通过验证。
策略与覆盖： 平台已集成 Aave、Morpho 等主流 DeFi 协议，支持稳定币、ETH 及其衍生资产的跨链调配，并初步构建了分层风险策略（如基础收益 vs. Loop 策略）。发展阶段： 当前 TVL 体量有限，核心目标在于功能验证（MVP）与风控框架打磨，架构设计有较强的可组合性，为后续引入复杂资产及高级 Agent 调度预留接口。
激励体系：Kaito 联动与 Space Race 双轮驱动
NOYA 构建了一套以“真实贡献”为锚点，深度绑定内容叙事与流动性的增长飞轮。
生态合作（Kaito Yaps）：NOYA 以“AI × DeFi × Agent”的复合叙事登陆 Kaito Leaderboards，配置 总供应量 5% 的无锁仓激励池，并额外预留 1% 用于 Kaito 生态。其机制将内容创作（Yaps）与 Vault 存入、Bond 锁定深度绑定，用户周度贡献转化为决定等级与倍率的 Stars，从而在激励层面同步强化叙事共识与资金长期黏性。增长引擎（Space Race）：Space Race 构成 NOYA 的核心增长飞轮，通过以 Stars 作为长期权益凭证，替代传统“资金规模优先”的空投模式。该机制将 Bond 锁仓加成、双向 10% 推荐激励与内容传播统一纳入周度 Points 体系，筛选出高参与度、强共识的长期用户，持续优化社区结构与代币分布。社区建设（Ambassador）：NOYA 采用邀请制大使计划，向合格参与者提供社区轮参与资格及基于实际贡献的绩效返佣（最高 10%）。
目前Noya.ai积累超 3,000 名链上用户，X 平台粉丝突破 4.1 万，位列 Kaito Mindshare 榜单前五。这表明 NOYA 在预测市场与 Agent 赛道中已占据了有利的注意力生态位。
此外Noya.ai核心合约通过 Code4rena 与 Hacken 双重审计，并接入 Hacken Extractor。
六、代币经济模型设计及治理
NOYA 采用单代币（Single-token）生态模型，以 $NOYA 作为唯一的价值承载与治理载体。
NOYA 采用回购销毁（Buyback & Burn） 价值捕获机制，协议层在 AI Agent、Omnivaults 与预测市场等产品中产生的价值，通过质押、治理、访问权限及回购销毁等机制实现价值承接，形成 使用 → 收费 → 回购价值闭环，将平台使用度转化为代币长期价值。
项目以 Fair Launch 为核心原则，未引入天使轮或 VC 投资，而是通过低估值（$10M FDV）的公开社区轮（Launch-Raise）、Space Race 与空投完成分发，刻意为社区保留非对称上行空间，使筹码结构更偏向活跃用户与长期参与者；团队激励主要来自长期锁定的代币份额。
代币分配 (Distribution)
总供应量： 10 亿 (1,000,000,000) NOYA 初始流通量 (Low Float)： 约 12% 估值与融资 (The Raise)：融资额：100万美金；估值 (FDV)： 1000万美金
七、预测智能体市场竞争分析
目前，预测市场智能体（Prediction Market Agent）赛道仍处于早期，项目数量有限，较具代表性的包括 Olas（Pearl Prediction Agents）、Warden（BetFlix） 与 Noya.ai。
从产品形态与用户参与方式看，各代表了目前预测市场智能体赛道的三类路径：
1）Olas（Pearl Prediction Agents）：Agent 产品化与可运行交付, 以“运行一个自动化预测 Agent”为参与方式，将预测市场交易封装为可运行的 Agent：用户注资并运行，系统自动完成信息获取、概率判断、下注与结算。需要额外安装的参与方式对普通用户的友好度相对有限。
2）Warden（BetFlix）：交互分发与消费级投注平台 , 通过低门槛、强娱乐性的交互体验吸引用户参与，采用交互与分发导向路径，以游戏化、内容化前端降低参与成本，强调预测市场的消费与娱乐属性。其竞争优势主要来自用户增长与分发效率，而非策略或执行层深度。
3）NOYA.ai：以“资金托管 + 策略代执行”为核心，通过 Vault 将预测市场与 DeFi 执行抽象为资管产品，提供低操作、低心智负担的参与方式。若后续叠加 Prediction Market Intelligence 与 Agent 执行模块，有望形成“研究—执行—监控”的一体化工作流。
与 Giza、Almanak 等已实现明确产品交付的 AgentFi 项目相比，NOYA 的 DeFi Agent 目前仍处于相对早期阶段。但 NOYA 的差异化在于其定位与切入层级：其以约 $10M FDV 的公平启动估值进入同一执行与资管叙事赛道，在现阶段具备显著的估值折价与增长潜力。
NOYA：以 Omnichain Vault 为核心的资管封装型 AgentFi 项目，当前交付重点集中在跨链执行与风险控制等基础设施层，上层的 Agent 执行、预测市场能力及 ZKML 相关机制仍处于开发与验证阶段。Giza：可直接运行资管策略（ARMA、Pulse），目前 AgentFi 产品完成度最高。Almanak：定位于 AI Quant for DeFi，通过模型与量化框架输出策略与风险信号，主要面向专业资金与策略管理需求，强调方法论的系统性与结果的可复现性。Theoriq：以多智能体协作（Agent Swarms）为核心的策略与执行框架，强调可扩展的 Agent 协作体系与中长期基础设施叙事，更偏向底层能力建设。Infinit：偏执行层的 Agentic DeFi 终端，通过“意图 → 多步链上操作”的流程编排，显著降低复杂 DeFi 操作的执行门槛，用户对产品价值的感知相对直接。
八、总结：商业逻辑、工程实现及潜在风险
商业逻辑：
NOYA 是当前市场中较为少见的 AI Agent × Prediction Market × ZKML 多重叙事叠加标的，并进一步结合了 Intent 驱动执行 的产品方向。在资产定价层面，其以约 $10M FDV 启动，明显低于同类 AI / DeFAI / Prediction 相关项目常见的 $75M–$100M 区间估值，形成一定的结构性价差。
从设计上看，NOYA 试图将 策略执行（Vault / Agent） 与 信息优势（Prediction Market Intelligence） 统一到同一执行框架中，并通过协议收入回流（fees → buyback & burn）建立价值捕获闭环。尽管项目仍处于早期阶段，但在多叙事叠加与低估值起点的共同作用下，其风险—收益结构更接近一类高赔率、非对称博弈标的。
工程实现： 在可验证的交付层面，NOYA 当前已上线的核心功能为 Omnichain Vaults，提供跨链资产调度、收益策略执行与延迟结算机制，工程实现相对偏基础。其愿景中强调的 Prediction Market Intelligence（Copilot）、NOYA AI Agent 以及 ZKML 驱动的可验证执行仍处于开发阶段，尚未在主网形成完整闭环。现阶段并非成熟的 DeFAI 平台。
潜在风险与关注要点
交付不确定性： 从“基础 Vault”到“全能 Agent”的技术跨度极大，需警惕 Roadmap 延期或 ZKML 落地不及预期的风险。潜在系统风险 ： 包含合约安全、跨链桥故障以及预测市场特有的预言机争议（如规则模糊导致无法裁决），任何单点故障都可能造成资金损耗。
免责声明：本文在创作过程中借助了 ChatGPT-5.2, Gemini 3和Claude Opus 4.5等 AI 工具辅助完成，作者已尽力校对并确保信息真实与准确，但仍难免存在疏漏，敬请谅解。需特别提示的是，加密资产市场普遍存在项目基本面与二级市场价格表现背离的情况。本文内容仅用于信息整合与学术/研究交流，不构成任何投资建议，亦不应视为任何代币的买卖推荐。
強化學習：去中心化AI的範式轉變
作者: 0xjacobzhao | https://linktr.ee/0xjacobzhao
這份獨立研究報告由IOSG Ventures支持。研究和寫作過程受到Sam Lehman（Pantera Capital）在強化學習方面工作的啟發。感謝Ben Fielding（Gensyn.ai）、Gao Yuan（Gradient）、Samuel Dare和Erfan Miahi（Covenant AI）、Shashank Yadav（Fraction AI）、Chao Wang對本文的寶貴建議。本文力求客觀和準確，但某些觀點涉及主觀判斷，可能包含偏見。我們感謝讀者的理解。
這份獨立研究報告由IOSG Ventures支持。研究和寫作過程受到Sam Lehman（Pantera Capital）在強化學習方面工作的啟發。感謝Ben Fielding（Gensyn.ai）、Gao Yuan（Gradient）、Samuel Dare和Erfan Miahi（Covenant AI）、Shashank Yadav（Fraction AI）、Chao Wang對本文的寶貴建議。本文力求客觀和準確，但某些觀點涉及主觀判斷，可能包含偏見。我們感謝讀者的理解。
強化學習：去中心化 AI 網絡的範式變遷
作者：0xjacobzhao | https://linktr.ee/0xjacobzhao
本獨立研報由IOSG Ventures支持，研究與寫作過程受 Sam Lehman（Pantera Capital） 強化學習研報的啓發，感謝 Ben Fielding (Gensyn.ai), Gao Yuan(Gradient), Samuel Dare & Erfan Miahi (Covenant AI), Shashank Yadav (Fraction AI), Chao Wang 對本文提出的寶貴建議。本文力求內容客觀準確，部分觀點涉及主觀判斷，難免存在偏差，敬請讀者予以理解。
人工智能正從以“模式擬合”爲主的統計學習，邁向以“結構化推理”爲核心的能力體系，後訓練（Post-training）的重要性快速上升。DeepSeek-R1 的出現標誌着強化學習在大模型時代的範式級翻身，行業共識形成：預訓練構建模型的通用能力基座，強化學習不再只是價值對齊工具，而被證明能夠系統提升推理鏈質量與複雜決策能力，正逐步演化爲持續提升智能水平的技術路徑。
本獨立研報由IOSG Ventures支持，研究與寫作過程受 Sam Lehman（Pantera Capital） 強化學習研報的啓發，感謝 Ben Fielding (Gensyn.ai), Gao Yuan(Gradient), Samuel Dare & Erfan Miahi (Covenant AI), Shashank Yadav (Fraction AI), Chao Wang 對本文提出的寶貴建議。本文力求內容客觀準確，部分觀點涉及主觀判斷，難免存在偏差，敬請讀者予以理解。
人工智能正從以“模式擬合”爲主的統計學習，邁向以“結構化推理”爲核心的能力體系，後訓練（Post-training）的重要性快速上升。DeepSeek-R1 的出現標誌着強化學習在大模型時代的範式級翻身，行業共識形成：預訓練構建模型的通用能力基座，強化學習不再只是價值對齊工具，而被證明能夠系統提升推理鏈質量與複雜決策能力，正逐步演化爲持續提升智能水平的技術路徑。
機器經濟訂單：通往代理商貿易的全棧途徑
作者：0xjacobzhao | https://linktr.ee/0xjacobzhao
這份獨立的研究報告得到IOSG Ventures的支持。研究和寫作過程受到Raghav Agarwal（LongHash）和Jay Yu（Pantera）的相關工作的啓發。感謝Lex Sokolin @ Generative Ventures、Jordan@AIsa、Ivy @PodOur2Cents對本文章提出的寶貴建議。在寫作過程中，也徵求了Nevermined、Skyfire、Virtuals Protocol、AIsa、Heurist、AEON等項目團隊的反饋。本文力求客觀和準確，但某些觀點涉及主觀判斷，可能不可避免地包含偏差。感謝讀者的理解。
這份獨立的研究報告得到IOSG Ventures的支持。研究和寫作過程受到Raghav Agarwal（LongHash）和Jay Yu（Pantera）的相關工作的啓發。感謝Lex Sokolin @ Generative Ventures、Jordan@AIsa、Ivy @PodOur2Cents對本文章提出的寶貴建議。在寫作過程中，也徵求了Nevermined、Skyfire、Virtuals Protocol、AIsa、Heurist、AEON等項目團隊的反饋。本文力求客觀和準確，但某些觀點涉及主觀判斷，可能不可避免地包含偏差。感謝讀者的理解。
機器的經濟秩序：智能體商業的全棧路徑
作者：0xjacobzhao | https://linktr.ee/0xjacobzhao
本獨立研報由IOSG Ventures支持，研究寫作過程受Raghav Agarwal@LongHash與Jay Yu@Pantera相關研報啓發，感謝Lex Sokolin @ Generative Ventures, Jordan@AIsa, Ivy@《支無不言》博客對本文提出的寶貴建議。撰寫過程中亦徵詢了 Nevermined, Skyfire, Virtuals Protocol, AIsa, Heurist, AEON等項目團隊的意見反饋。本文力求內容客觀準確，部分觀點涉及主觀判斷，難免存在偏差，敬請讀者予以理解。
本獨立研報由IOSG Ventures支持，研究寫作過程受Raghav Agarwal@LongHash與Jay Yu@Pantera相關研報啓發，感謝Lex Sokolin @ Generative Ventures, Jordan@AIsa, Ivy@《支無不言》博客對本文提出的寶貴建議。撰寫過程中亦徵詢了 Nevermined, Skyfire, Virtuals Protocol, AIsa, Heurist, AEON等項目團隊的意見反饋。本文力求內容客觀準確，部分觀點涉及主觀判斷，難免存在偏差，敬請讀者予以理解。
自動化、人工智能和Web3在機器人產業中的趨同演化
作者：0xjacobzhao | https://linktr.ee/0xjacobzhao
本獨立研究報告得到了IOSG Ventures的支持。作者感謝Hans（RoboCup亞太）、Nichanan Kesonpat（1kx）、Robert Koschig（1kx）、Amanda Young（Collab+Currency）、Jonathan Victor（Ansa Research）、Lex Sokolin（Generative Ventures）、Jay Yu（Pantera Capital）、Jeffrey Hu（Hashkey Capital）對其寶貴意見的支持，以及來自OpenMind、BitRobot、peaq、Auki Labs、XMAQUINA、GAIB、Vader、Gradient、Tashi Network和CodecFlow的貢獻者們的建設性反饋。儘管已盡一切努力確保客觀性和準確性，但某些見解不可避免地反映了主觀解釋，鼓勵讀者批判性地參與內容。
本獨立研究報告得到了IOSG Ventures的支持。作者感謝Hans（RoboCup亞太）、Nichanan Kesonpat（1kx）、Robert Koschig（1kx）、Amanda Young（Collab+Currency）、Jonathan Victor（Ansa Research）、Lex Sokolin（Generative Ventures）、Jay Yu（Pantera Capital）、Jeffrey Hu（Hashkey Capital）對其寶貴意見的支持，以及來自OpenMind、BitRobot、peaq、Auki Labs、XMAQUINA、GAIB、Vader、Gradient、Tashi Network和CodecFlow的貢獻者們的建設性反饋。儘管已盡一切努力確保客觀性和準確性，但某些見解不可避免地反映了主觀解釋，鼓勵讀者批判性地參與內容。
機器人產業暢想：自動化、人工智能與 Web3 的融合進化
作者：0xjacobzhao | https://linktr.ee/0xjacobzhao
本獨立研報由IOSG Ventures支持，感謝Hans (RoboCup Asia-Pacific) , Nichanan Kesonpat(1kx), Robert Koschig (1kx) , Amanda Young (Collab+Currency) , Jonathan Victor (Ansa Research), Lex Sokolin (Generative Ventures), Jay Yu (Pantera Capital) , Jeffrey Hu (Hashkey Capital) 對本文提出的寶貴建議。撰寫過程中亦徵詢了 OpenMind, BitRobot, peaq, Auki Labs, XMAQUINA, GAIB, Vader, Gradient,Tashi Network 和CodecFlow等項目團隊的意見反饋。本文力求內容客觀準確，部分觀點涉及主觀判斷，難免存在偏差，敬請讀者予以理解。
本獨立研報由IOSG Ventures支持，感謝Hans (RoboCup Asia-Pacific) , Nichanan Kesonpat(1kx), Robert Koschig (1kx) , Amanda Young (Collab+Currency) , Jonathan Victor (Ansa Research), Lex Sokolin (Generative Ventures), Jay Yu (Pantera Capital) , Jeffrey Hu (Hashkey Capital) 對本文提出的寶貴建議。撰寫過程中亦徵詢了 OpenMind, BitRobot, peaq, Auki Labs, XMAQUINA, GAIB, Vader, Gradient,Tashi Network 和CodecFlow等項目團隊的意見反饋。本文力求內容客觀準確，部分觀點涉及主觀判斷，難免存在偏差，敬請讀者予以理解。
Brevis 研究報告：zkVM 和 ZK 數據協處理器的無限可驗證計算層
可驗證計算的範式——「鏈下計算 + 鏈上驗證」——已成爲區塊鏈系統的通用計算模型。它使區塊鏈應用能夠在保持去中心化和無信任作爲核心安全保證的同時，實現近乎無限的計算自由。零知識證明（ZKP）構成了這一範式的骨幹，其應用主要集中在三個基礎方向：可擴展性、隱私和互操作性與數據完整性。可擴展性是第一個達到生產的 ZK 應用，將執行移至鏈下，並在鏈上驗證簡潔的證明，以實現高吞吐量和低成本的無信任擴展。
Brevis研報：ZKVM 與數據協處理器的無限可信計算層
“鏈下計算 + 鏈上驗證”的可信計算（Verifiable Computing）範式，已成爲區塊鏈系統的通用計算模型。它讓區塊鏈應用在保持去中心化與信任最小化（trustlessness）安全性的前提下，獲得幾乎無限的計算自由度（computational freedom）。零知識證明（ZKP）是該範式的核心支柱，其應用主要集中在擴容（Scalability）、隱私（Privacy）以及互操作與數據完整性（Interoperability & Data Integrity）三大基礎方向。其中，擴容是 ZK 技術最早落地的場景，通過將交易執行移至鏈下、以簡短證明在鏈上驗證結果，實現高 TPS 與低成本的可信擴容。
Cysic 研究報告：ZK 硬件加速的 ComputeFi 路徑
作者:0xjacobzhao | https://linktr.ee/0xjacobzhao
零知識證明 (ZK) — 作爲下一代加密和可擴展基礎設施 — 在區塊鏈擴展、隱私計算、zkML 和跨鏈驗證方面展示了巨大的潛力。然而，證明生成過程極其計算密集且延遲高，形成了工業採用的最大瓶頸。因此，ZK 硬件加速應運而生，成爲核心推動力。在這個領域，GPU 在多功能性和迭代速度上表現出色，ASIC 追求終極效率和大規模性能，而 FPGA 則作爲結合可編程性和能源效率的靈活中間地帶。它們共同構成了推動 ZK 實際應用的硬件基礎。
零知識證明 (ZK) — 作爲下一代加密和可擴展基礎設施 — 在區塊鏈擴展、隱私計算、zkML 和跨鏈驗證方面展示了巨大的潛力。然而，證明生成過程極其計算密集且延遲高，形成了工業採用的最大瓶頸。因此，ZK 硬件加速應運而生，成爲核心推動力。在這個領域，GPU 在多功能性和迭代速度上表現出色，ASIC 追求終極效率和大規模性能，而 FPGA 則作爲結合可編程性和能源效率的靈活中間地帶。它們共同構成了推動 ZK 實際應用的硬件基礎。
GAIB研究報告：AI基礎設施的鏈上金融化——RWAiFi
作者：0xjacobzhao | https://linktr.ee/0xjacobzhao
隨着AI成爲增長最快的技術浪潮，計算能力被視爲一種新的“貨幣”，GPU轉變爲戰略資產。然而，融資和流動性仍然有限，而加密金融需要真正的現金流支持的資產。RWA代幣化正作爲橋樑出現。AI基礎設施，結合高價值硬件和可預測的現金流，被視爲非標準RWA的最佳切入點——GPU提供了近期的實用性，而機器人則代表了更長遠的前沿。GAIB的RWAiFi（RWA + AI + DeFi）引入了一條新的鏈上金融化路徑，推動AI基礎設施（GPU和機器人）× RWA × DeFi的飛輪。
隨着AI成爲增長最快的技術浪潮，計算能力被視爲一種新的“貨幣”，GPU轉變爲戰略資產。然而，融資和流動性仍然有限，而加密金融需要真正的現金流支持的資產。RWA代幣化正作爲橋樑出現。AI基礎設施，結合高價值硬件和可預測的現金流，被視爲非標準RWA的最佳切入點——GPU提供了近期的實用性，而機器人則代表了更長遠的前沿。GAIB的RWAiFi（RWA + AI + DeFi）引入了一條新的鏈上金融化路徑，推動AI基礎設施（GPU和機器人）× RWA × DeFi的飛輪。
GAIB研報：AI 基建的鏈上金融化之路 - RWAiFi
作者：0xjacobzhao | https://linktr.ee/0xjacobzhao
隨着 AI 成爲全球增長最快的技術浪潮，算力正被視爲新的“貨幣”，GPU 等高性能硬件也逐漸演化爲戰略性資產。但長期以來這類資產的融資與流動性受限。與此同時，加密金融亟需接入具備真實現金流的優質資產，RWA（Real-World Assets）鏈上化正在成爲連接傳統金融與加密市場的關鍵橋樑。AI 基礎設施資產憑藉“高價值硬件 + 可預測現金流”的特性，被普遍視爲非標資產 RWA 的最佳突破口，其中 GPU 具備最現實的落地潛力，而機器人則代表更長期的探索方向。在這一背景下，GAIB 提出的 RWAiFi（RWA + AI + DeFi）路徑，爲“AI 基建的鏈上金融化之路”提供了全新解法，推動“AI基建 (算力與機器人) x RWA x DeFi”的飛輪效應。
隨着 AI 成爲全球增長最快的技術浪潮，算力正被視爲新的“貨幣”，GPU 等高性能硬件也逐漸演化爲戰略性資產。但長期以來這類資產的融資與流動性受限。與此同時，加密金融亟需接入具備真實現金流的優質資產，RWA（Real-World Assets）鏈上化正在成爲連接傳統金融與加密市場的關鍵橋樑。AI 基礎設施資產憑藉“高價值硬件 + 可預測現金流”的特性，被普遍視爲非標資產 RWA 的最佳突破口，其中 GPU 具備最現實的落地潛力，而機器人則代表更長期的探索方向。在這一背景下，GAIB 提出的 RWAiFi（RWA + AI + DeFi）路徑，爲“AI 基建的鏈上金融化之路”提供了全新解法，推動“AI基建 (算力與機器人) x RWA x DeFi”的飛輪效應。
從聯邦學習到去中心化代理網絡：對ChainOpera的分析
由0xjacobzhao撰寫 | https://linktr.ee/0xjacobzhao
在我們的6月報告“加密AI的聖盃：去中心化訓練的前沿探索”中，我們討論了聯邦學習——一種在分佈式訓練和完全去中心化訓練之間定位的“受控去中心化”範式。其核心原則是在集中聚合參數的同時保持數據本地，這一設計特別適合於隱私敏感和合規要求高的行業，如醫療保健和金融。
在我們的6月報告“加密AI的聖盃：去中心化訓練的前沿探索”中，我們討論了聯邦學習——一種在分佈式訓練和完全去中心化訓練之間定位的“受控去中心化”範式。其核心原則是在集中聚合參數的同時保持數據本地，這一設計特別適合於隱私敏感和合規要求高的行業，如醫療保健和金融。
從聯邦學習到去中心化 Agent 網絡：ChainOpera 項目解析
在 6 月份的研報《Crypto AI 的聖盃：去中心化訓練的前沿探索》中，我們提及聯邦學習（Federated Learning）這一介於分佈式訓練與去中心化訓練之間的“受控去中心化”方案：其核心是數據本地保留、參數集中聚合，滿足醫療、金融等隱私與合規需求。與此同時，我們在過往多期研報中持續關注智能體（Agent）網絡的興起——其價值在於通過多智能體的自治與分工，協作完成複雜任務，推動“大模型”向“多智能體生態”的演進。
OpenLedger研究報告：可貨幣化數據和模型的AI鏈
1. 介紹 | 加密AI中的模型層轉變
數據、模型和計算構成了AI基礎設施的三個核心支柱——可比作燃料（數據）、引擎（模型）和能源（計算）——所有這些都是不可或缺的。與傳統AI行業基礎設施的演變類似，加密AI領域也經歷了類似的軌跡。在2024年初，市場由去中心化GPU項目（如Akash、Render和io.net）主導，其特徵是以原始計算能力爲重點的資源密集型增長模型。然而，到2025年，行業關注逐漸轉向模型和數據層，標誌着從低級基礎設施競爭向更可持續的、以應用驅動的中層開發的過渡。
數據、模型和計算構成了AI基礎設施的三個核心支柱——可比作燃料（數據）、引擎（模型）和能源（計算）——所有這些都是不可或缺的。與傳統AI行業基礎設施的演變類似，加密AI領域也經歷了類似的軌跡。在2024年初，市場由去中心化GPU項目（如Akash、Render和io.net）主導，其特徵是以原始計算能力爲重點的資源密集型增長模型。然而，到2025年，行業關注逐漸轉向模型和數據層，標誌着從低級基礎設施競爭向更可持續的、以應用驅動的中層開發的過渡。
Pendle 收益策略揭示：Pulse 的 AgentFi 範式
由 0xjacobzhao 提供 | https://linktr.ee/0xjacobzhao
毫無疑問，Pendle 是當前加密週期中最成功的 DeFi 協議之一。雖然許多協議因流動性枯竭和敘事消退而停滯不前，但 Pendle 通過其獨特的收益分割和交易機制脫穎而出，成爲收益資產的“價格發現場所”。通過與穩定幣、LSTs/LRTs 和其他收益產生資產的深度集成，它已確保其作爲基礎性“DeFi 收益率基礎設施”的定位。
毫無疑問，Pendle 是當前加密週期中最成功的 DeFi 協議之一。雖然許多協議因流動性枯竭和敘事消退而停滯不前，但 Pendle 通過其獨特的收益分割和交易機制脫穎而出，成爲收益資產的“價格發現場所”。通過與穩定幣、LSTs/LRTs 和其他收益產生資產的深度集成，它已確保其作爲基礎性“DeFi 收益率基礎設施”的定位。
從 zkVM 到開放證明市場：對 RISC Zero 和 Boundless 的分析
在區塊鏈中，密碼學是安全性和信任的基礎。零知識證明（ZK）可以將任何複雜的鏈外計算壓縮成一個簡潔的證明，該證明可以在鏈上高效驗證——無需依賴第三方信任——同時還允許選擇性輸入隱藏以保護隱私。憑藉其高效驗證、通用性和隱私的結合，ZK已成爲擴展、隱私和互操作性用例中的關鍵解決方案。儘管仍然存在挑戰，例如證明生成的高成本和電路開發的複雜性，但ZK的工程可行性和採用程度已經超越了其他方法，使其成爲最廣泛採用的可信計算框架。
登入探索更多內容