如果说AI Agent在这轮加密周期来势汹汹，那么ai16z和Eliza的创始人Shaw无疑抓住了潮水的方向。 他发起的ai16z，是首支AI Meme主题的链上基金，取自对知名风投a16z的讽刺化表达，在2024年10月从0开始募资，短短数月成长为Solana上市值第一个超25亿美元（目前已经有所回调）的AI DAO；而ai16z的核心ElizaOS，是一个多智能体（Agent）仿真框架，在其基础上开发者可创建、部署和管理自主AI Agent。得益于先发优势和蓬勃发展的TypeScript社区，Eliza代码库在GitHub上收藏星标超万，占据了目前Web3 AI Agent开发约60%的市场份额。 尽管社交平台的发言争议不断，但并不影响Shaw成为加密AI领域的关键人物。当前中文社区已经有不少关于他的专访，不过我们认为，头部加密投研机构Delphi Digital的联合创始人Tom Shaughnessy和来自26 Crypto Capital的Ejazz与Shaw在1月6日进行的这场播客，是目前对Shaw在「AI Agent实用性思考」主题上最深入的一次访谈，且仍有前瞻性。 这场对话中，不仅提问很有洞见，Shaw也一如既往地诚实与敢说，分享了不少他对于目前Web3行业AI Agent用例的看法与对未来的判断，涵盖了从Agent开发框架、代币经济学到开源AGI平台的未来等重要主题，干货满满。对此，Coinspire听译了一篇完整的版本分享给读者们，希望能借此窥见AI+Web3的一角未来。 主要亮点 Eliza Labs的创建和ai16z快速发展的内幕 深入探讨Eliza框架技术的各个方面 代理平台分析以及从Slop Bots（AI垃圾Bot）到实用程序的转变 代币经济和价值捕获机制的讨论 探索跨链开发和区块链选择 开源 AGI的愿景和人工智能代理的未来 Part.1 创业经历与亚洲之行 Q1：Shaw讲讲你的经历 Shaw：我开发了很多年的开源项目，创建过一个开源的空间网络项目，但是合伙人把我从GitHub移除，用7500万美元的价格卖掉了项目，我一无所获。他没有写过一行代码，而我是项目的首席开发者。虽然我在起诉他，但这件事让我失去了一切，声誉尽毁。 后来我重新开始并专注对AI Agent的研究，但是因为之前的人拿走了所有资金，我不得不自己承担所有责任，甚至背上债务，同时做一些服务类项目维持生计。最终，元宇宙概念遇冷，方向也逐渐不再适合。 之后，我加入Webiverse担任首席开发者，起初还算顺利，但项目后来被黑，资金库被盗，团队不得不转型。这段经历极其艰难，几乎让我崩溃。 经历了很多挫折，但我一直在努力前行。我和Project 89（神经语言病毒式交互AI）的创始人合作，启动了一个叫Magic的平台，并完成了一轮种子融资。他希望将平台打造成一个无代码工具，方便用户构建代理系统。而我认为，如果提供一个完整的解决方案，用户可能会直接复制；如果不提供，他们又不知道从哪里开始。资金快用完的时候，我决定专注于代理系统的开发。当时，我已经在这个平台上创建了Eliza的第一个版本。这一切听起来或许很疯狂，但我一直在尝试和探索新的方向。 Q2：亚洲开发者社区情况如何？ Shaw：过去几周我一直在亚洲，与当地的开发者社区密集会面。自从我们的项目启动后，尤其是AI Agent相关的内容（比如ai16z项目）获得关注后，我收到了来自亚洲特别是中国的大量信息，我们发现这边有许多支持者。 通过一个名为706的社区我结识了很多成员，有人帮助我们管理中文频道和Discord，组织了一场小型黑客松。我也在活动中见到了很多开发者，评审了他们的项目后，觉得一定要来这里亲自认识大家。于是，我们计划了行程，拜访多个城市与开发者见面。 当地社区非常热情，为我们组织了一场接一场的活动。我也得此可以和许多人交流，了解他们的项目并建立联系。这几天，我从北京、上海到香港，现在在首尔，明天还会去日本。 在这些见面会中，我看到了许多有趣的项目，比如游戏、虚拟女友应用、机器人和可穿戴设备。有一些项目涉及数据收集、微调和标注，结合我们现有的技术可能会有很好的发展前景。我特别感兴趣的是将AI Agent集成到DeFi协议中，这种方式可以降低用户的使用门槛，可能成为接下来几个月内的杀手级应用。虽然很多项目还处于早期阶段，但开发者的热情和创造力令人印象深刻。 Part.2 AI Agent+DeFi结合用例与实用性探讨 Q3：现在ai16z估值已达数十亿美元，Eliza框架支持代理数量也众多，开发者兴趣极高，项目在GitHub上的热度持续数周。与此同时的是，大家逐渐厌恶社交媒体上只能自动回复的聊天机器人，更期待那些能够实际完成任务的代理，比如创建代币、管理代币经济体系、维护生态系统甚至执行DeFi操作，你认为代理未来的发展方向是否有这些功能？Eliza的代理是否会将重点放在DeFi上？ Shaw：这是一个明显的商业机会，我同样厌倦Reply Robot（回复机器人）的情况，现在很多人只是下载工具，展示它并推动代币，但我真的希望我们能超越这一点。我现在最感兴趣的有三大类代理：一是能让你赚钱的代理，二是能把产品带到合适客户手中的代理，三是能节省你时间的代理。 目前我们仍然困在这种自动回复的模式中，我自己会屏蔽所有没有被召唤的回复机器人，我鼓励大家也这么做，因为这样会产生一种社会反作用力，迫使代理开发者真正思考，构建一些有意义的东西。如果只是盲目跟随某个趋势并评论所有内容，实际上对任何代币都没有帮助。 我现在最感兴趣的是DeFi，因为它有很多套利机会，DeFi比其他任何事物都符合「有赚钱机会但好多人不知道怎么使用」的特点。我们已经在和一些团队合作，像是与Orca，还有在Meteora上的DLMM（动态流动性做市商），Bot可以自动识别潜在的套利机会，当代币的范围发生变化时，它会自动调整并将收益转回到你的钱包。这样用户就可以安全地将他们的代币投入其中，整个过程是自动化的。 此外，Meme币的波动性非常大。事实上，Meme币初期启动时涨幅非常猛，导致流动性池（LP）操作很难进行。但一旦它们趋于稳定，波动性就变成了有利因素，这时就可以通过流动性池赚取利润。我自己基本上不卖代币，而是通过流动性池赚钱，我也一直鼓励其他代理开发者这样做。但我很惊讶地发现许多人并没有这样操作，我有一个朋友，他告诉我他很难赚到钱，我问他是否考虑过使用流动性池，他说他没有时间，但其实他应该去做流动性池，通过代币的交易量赚取很多钱。 Q4：除了流动性池之外，这些Agents（代理）是否会开始管理自己的资金进行交易，比如Ai16z和Degen Spartan AI等项目，它们会如何操作自己的资产管理（AUM），以及这些代理是否有能力在今年内实现这一目标？ Shaw：我认为目前大型语言模型（LLM）并不适合直接用来做交易。反而，如果有合适的API来获取市场情报，它能做出合理的判断。比如，我看到有AI系统的交易成功率大约是41%，这个成绩相当不错，因为大多数加密货币表现并不稳定，但是LLM在做复杂决策方面并不擅长，主要作用还是预测下一个代币，根据上下文信息作出更合理的决策。 […] Сообщение «Топовый разговор: Delphi Digital беседует с основателем ai16z: Как Agent меняет будущее Web3» появились сначала на КриптоВики.
如果说AI Agent在这轮加密周期来势汹汹，那么ai16z和Eliza的创始人Shaw无疑抓住了潮水的方向。
他发起的ai16z，是首支AI Meme主题的链上基金，取自对知名风投a16z的讽刺化表达，在2024年10月从0开始募资，短短数月成长为Solana上市值第一个超25亿美元（目前已经有所回调）的AI DAO；而ai16z的核心ElizaOS，是一个多智能体（Agent）仿真框架，在其基础上开发者可创建、部署和管理自主AI Agent。得益于先发优势和蓬勃发展的TypeScript社区，Eliza代码库在GitHub上收藏星标超万，占据了目前Web3 AI Agent开发约60%的市场份额。
尽管社交平台的发言争议不断，但并不影响Shaw成为加密AI领域的关键人物。当前中文社区已经有不少关于他的专访，不过我们认为，头部加密投研机构Delphi Digital的联合创始人Tom Shaughnessy和来自26 Crypto Capital的Ejazz与Shaw在1月6日进行的这场播客，是目前对Shaw在「AI Agent实用性思考」主题上最深入的一次访谈，且仍有前瞻性。
这场对话中，不仅提问很有洞见，Shaw也一如既往地诚实与敢说，分享了不少他对于目前Web3行业AI Agent用例的看法与对未来的判断，涵盖了从Agent开发框架、代币经济学到开源AGI平台的未来等重要主题，干货满满。对此，Coinspire听译了一篇完整的版本分享给读者们，希望能借此窥见AI+Web3的一角未来。
Eliza Labs的创建和ai16z快速发展的内幕
深入探讨Eliza框架技术的各个方面
代理平台分析以及从Slop Bots（AI垃圾Bot）到实用程序的转变
代币经济和价值捕获机制的讨论
探索跨链开发和区块链选择
开源 AGI的愿景和人工智能代理的未来
Part.1
Q1：Shaw讲讲你的经历
Shaw：我开发了很多年的开源项目，创建过一个开源的空间网络项目，但是合伙人把我从GitHub移除，用7500万美元的价格卖掉了项目，我一无所获。他没有写过一行代码，而我是项目的首席开发者。虽然我在起诉他，但这件事让我失去了一切，声誉尽毁。
后来我重新开始并专注对AI Agent的研究，但是因为之前的人拿走了所有资金，我不得不自己承担所有责任，甚至背上债务，同时做一些服务类项目维持生计。最终，元宇宙概念遇冷，方向也逐渐不再适合。
之后，我加入Webiverse担任首席开发者，起初还算顺利，但项目后来被黑，资金库被盗，团队不得不转型。这段经历极其艰难，几乎让我崩溃。
经历了很多挫折，但我一直在努力前行。我和Project 89（神经语言病毒式交互AI）的创始人合作，启动了一个叫Magic的平台，并完成了一轮种子融资。他希望将平台打造成一个无代码工具，方便用户构建代理系统。而我认为，如果提供一个完整的解决方案，用户可能会直接复制；如果不提供，他们又不知道从哪里开始。资金快用完的时候，我决定专注于代理系统的开发。当时，我已经在这个平台上创建了Eliza的第一个版本。这一切听起来或许很疯狂，但我一直在尝试和探索新的方向。
Q2：亚洲开发者社区情况如何？
Shaw：过去几周我一直在亚洲，与当地的开发者社区密集会面。自从我们的项目启动后，尤其是AI Agent相关的内容（比如ai16z项目）获得关注后，我收到了来自亚洲特别是中国的大量信息，我们发现这边有许多支持者。
通过一个名为706的社区我结识了很多成员，有人帮助我们管理中文频道和Discord，组织了一场小型黑客松。我也在活动中见到了很多开发者，评审了他们的项目后，觉得一定要来这里亲自认识大家。于是，我们计划了行程，拜访多个城市与开发者见面。
当地社区非常热情，为我们组织了一场接一场的活动。我也得此可以和许多人交流，了解他们的项目并建立联系。这几天，我从北京、上海到香港，现在在首尔，明天还会去日本。
在这些见面会中，我看到了许多有趣的项目，比如游戏、虚拟女友应用、机器人和可穿戴设备。有一些项目涉及数据收集、微调和标注，结合我们现有的技术可能会有很好的发展前景。我特别感兴趣的是将AI Agent集成到DeFi协议中，这种方式可以降低用户的使用门槛，可能成为接下来几个月内的杀手级应用。虽然很多项目还处于早期阶段，但开发者的热情和创造力令人印象深刻。
Part.2
Q3：现在ai16z估值已达数十亿美元，Eliza框架支持代理数量也众多，开发者兴趣极高，项目在GitHub上的热度持续数周。与此同时的是，大家逐渐厌恶社交媒体上只能自动回复的聊天机器人，更期待那些能够实际完成任务的代理，比如创建代币、管理代币经济体系、维护生态系统甚至执行DeFi操作，你认为代理未来的发展方向是否有这些功能？Eliza的代理是否会将重点放在DeFi上？
Shaw：这是一个明显的商业机会，我同样厌倦Reply Robot（回复机器人）的情况，现在很多人只是下载工具，展示它并推动代币，但我真的希望我们能超越这一点。我现在最感兴趣的有三大类代理：一是能让你赚钱的代理，二是能把产品带到合适客户手中的代理，三是能节省你时间的代理。
目前我们仍然困在这种自动回复的模式中，我自己会屏蔽所有没有被召唤的回复机器人，我鼓励大家也这么做，因为这样会产生一种社会反作用力，迫使代理开发者真正思考，构建一些有意义的东西。如果只是盲目跟随某个趋势并评论所有内容，实际上对任何代币都没有帮助。
我现在最感兴趣的是DeFi，因为它有很多套利机会，DeFi比其他任何事物都符合「有赚钱机会但好多人不知道怎么使用」的特点。我们已经在和一些团队合作，像是与Orca，还有在Meteora上的DLMM（动态流动性做市商），Bot可以自动识别潜在的套利机会，当代币的范围发生变化时，它会自动调整并将收益转回到你的钱包。这样用户就可以安全地将他们的代币投入其中，整个过程是自动化的。
此外，Meme币的波动性非常大。事实上，Meme币初期启动时涨幅非常猛，导致流动性池（LP）操作很难进行。但一旦它们趋于稳定，波动性就变成了有利因素，这时就可以通过流动性池赚取利润。我自己基本上不卖代币，而是通过流动性池赚钱，我也一直鼓励其他代理开发者这样做。但我很惊讶地发现许多人并没有这样操作，我有一个朋友，他告诉我他很难赚到钱，我问他是否考虑过使用流动性池，他说他没有时间，但其实他应该去做流动性池，通过代币的交易量赚取很多钱。
Q4：除了流动性池之外，这些Agents（代理）是否会开始管理自己的资金进行交易，比如Ai16z和Degen Spartan AI等项目，它们会如何操作自己的资产管理（AUM），以及这些代理是否有能力在今年内实现这一目标？
Shaw：我认为目前大型语言模型（LLM）并不适合直接用来做交易。反而，如果有合适的API来获取市场情报，它能做出合理的判断。比如，我看到有AI系统的交易成功率大约是41%，这个成绩相当不错，因为大多数加密货币表现并不稳定，但是LLM在做复杂决策方面并不擅长，主要作用还是预测下一个代币，根据上下文信息作出更合理的决策。
LLM变得有价值的地方是将非结构化数据转化为结构化数据。例如，将一群人在群聊中相互推销代币的信息转化为可以操作的数据。我们有一个团队在做一个叫做“信任市场”的研究，研究的核心问题是，如果我们将群聊中或推特上的推荐信息视为真实的，并根据这些推荐进行交易，我们是否能赚到钱。事实证明，一小部分人确实是非常出色的交易员和推荐者，而我们正在分析那些最顶尖的人的推荐，未来可能会基于他们的建议来操作。
这就像预测市场一样，有一小部分人非常擅长预测，而大多数人则比较差，或者容易受到行为经济学的影响。因此，我们的目标是通过一些可以衡量的指标来追踪这些人的表现，并将其用作训练策略。我认为这个方法不仅仅适用于赚钱，还可以应用到治理、贡献奖励等更抽象的领域。
但赚钱是最简单的，因为它像一个容易度量的乐高积木。我不认为只把时间序列数据给LLM让它自己去预测买卖代币的做法能真正解决问题。如果你把一个代理设计成自动买卖代币，我觉得它肯定能做，但不一定会赚钱，尤其是在购买一些波动较大的代币时，所以，我认为我们需要的是比简单买卖更灵活、更可靠的方法。
Q5：如果有一个非常擅长交易的代理，为什么要将其开源并围绕它创建代币，而不是单单自己进行交易？
Shaw：有人告诉我，有一家公司声称能够以70%的准确率预测代币价格。我想，如果我能做到这一点，我就不会在这里告诉你们这些，我会直接打印无限的钱。70%的准确率对于像比特币这样的短期交易来说，意味着你可以轻松赚取无限的利润。我敢肯定，像黑石这样的公司在某种程度上也在做类似的事情，他们试图处理全球数据，以便对股票等进行预测，或许他们在这方面很成功，毕竟他们有很多人致力于这类工作。
但我认为，在低市值的市场中，像行为驱动的因素和社交媒体的影响可能比任何你能够预测的基本面数据更加重要。比如，一个名人转发某个合约地址的消息，可能比任何你能预测的算法更加有效。因此，我认为Meme币之所以有趣，正是因为它们的市场价值非常低，极易受到社交动态的影响。如果你能追踪这些社交动态，你就能在其中找到机会。
Part.3
Q6：结合Eliza的应用场景，团队要如何通过使用Eliza将一个全新的、创新的Agent推向市场？这种Agent的主要差异化因素是什么？是模型，数据，还是Eliza提供的其他功能和支持？
Shaw：确实有一种说法认为它只是一个ChatGPT的包装，但其实这类似于把一个网站看作是HTTP的包装，或者把一个应用看作是React的包装是一样的。实际上，关键在于产品本身，以及是否有客户使用这个产品并为此付费，这才是任何事情的核心。
模型已经极度商品化，从零开始训练一个基础模型是非常昂贵的，可能需要上亿美元。如果我们有像OpenAI那样的资金和市场份额，建一个端到端的训练系统并训练模型可能会很容易，但那时我们就会和Meta、OpenAI、XAI、Google竞争，他们都在努力提升基准测试的表现来证明自己是世界上最好的模型。同时，XAI每次发布新版本都会开源上一版本，Meta也会开源他们做的所有东西，通过开源来占据份额。
但我认为这并不是我们应该去竞争的领域。我们应该专注于帮助开发者构建产品。关键在于互联网的未来、网站和产品如何运作，以及用户如何使用应用程序。现在已经有很多优秀的产品和基础设施在等待被用户使用，只是用户不知道怎么找到它们。你无法简单地Google搜索“DeFi协议赚钱”，你也许能找到一个列表，做些研究，但如果你不知道该寻找什么，这并不容易。
因此，真正的价值点在于将已经存在的东西连接起来，改变现有的模式，不再停留在一个网站和登录页上，而是将它带到社交媒体上，去实际展示产品的用例，找到那些需要你产品的用户。我认为，AI代理不应仅仅是产品，而应该是产品的一部分，是与产品互动的接口，我希望看到更多类似的尝试。”
Q7：为什么认为Eliza的框架或者你们正在构建的平台是最适合开发者和构建者的主阵地？相比于其他框架和语言（Zerepy team用Python，Arc Team用Rust）
Shaw：我认为语言确实很重要，并不是全部。现在使用JavaScript开发应用程序的开发者比其他任何语言的开发者都多。几乎每个通信应用，从Discord到Microsoft Teams，也都是用JavaScript开发的，或者使用某种本地运行时，UI和交互部分也用JavaScript开发，或者很多后端开发，现在使用JavaScript和TypeScript的开发者数量比所有其他语言的开发者加起来还要多，特别是随着像React Native这样的工具（一个基于javascript的框架，用于创建本地移动Android和iOS平台应用程序）的兴起。
很多已经在EVM上开发过的开发者，也已经下载了Node.js，运行过Forge或Truffle之类的以太坊开发工具，对这个生态系统比较熟悉。我们可以接触到那些有做过网站开发的开发者，他们也能做出代理。
虽然Python不算特别难学，但它在打包成不同形式方面有些困难，很多人都卡在安装Python这一步。Python的生态系统比较乱，管理器也很复杂，很多人可能都不知道如何找到正确的版本来工作，尽管Python在后台开发方面是一个不错的选择，但我以前做很多开发时就发现，Python在异步编程上做得不够好，而且它在字符串处理方面也比较麻烦。
当我认识到TypeScript在开发代理方面的优势时，我意识到这才是正确的方向。另一方面，我们提供的是一个端到端的解决方案，当你克隆下来之后，它就能立刻工作。我认为Arc是一个很酷的项目，但它缺少连接器，没有社交连接器。像Zeropy这样的项目也不错，但它主要做社交连接器或通过循环来回复信息。而很多其他项目，虽然让几个代理互相对话，但并没有真正连接到社交媒体。
我认为这些框架本身就是身体，而LLM（大语言模型）才是大脑。我们构建的就是这个桥梁，让这些框架能够连接到不同的客户端。通过提供这些解决方案，我们大大降低了进入门槛，也减少了开发者需要写的代码量。开发者只需要专注于他们的产品，拉取所需的API，我们为输入输出提供了简单的抽象。
Q8：作为非开发者，如何理解Eliza平台发布的功能和流程？从非开发者的角度的上来说，Agent构建者接入Eliza或其他竞争平台后，能获得什么样的功能或支持？
Shaw：你只需将代码下载到你的电脑上，修改角色，启动后就能拥有一个基本的机器人，可以进行任何操作，比如聊天，这是最基础的功能。我们有很多插件，如果你想添加钱包，只需启用插件并添加EVM链的私钥，选择你需要的链；你还可以添加API密钥，例如Discord的，或者你的Twitter用户名和电子邮件等，这些都可以设置好，不需要编写代码，直接就能使用。这也是为什么你会看到很多机器人在进行推销和回复。
之后，你可以使用一些抽象工具来进行其他操作，称为“动作”。比如你想让机器人帮你点一份披萨，你只需设置一个“点披萨”的动作。然后，系统会自动获取用户的信息，可能是当前用户的信息提供者。还需要一个评估器来提取你需要的用户信息，比如姓名和地址。如果有人通过私信找你点披萨，系统会先获取用户的地址，然后再执行点披萨的操作。
这三个部分：提供者、评估器和动作，是构建复杂应用的基础。任何像网站上那样填写表单的操作，基本的动作都可以通过这三个元素来实现。我们目前使用这种方式来处理自动LP管理等任务，这就像编写任何网站一样，主要是调用API，开发者应该都能很容易上手。
对于非开发者，我建议你选择一个已经托管好的平台，选择你需要的功能或插件，而不需要深入代码。如果你想，当然也可以自己动手。
Q9：一个开发者自己从零开始构建这些功能或者拼接这些组件，需要多长时间？相比之下使用Eliza平台的时间成本如何？
Shaw：取决于你想做什么。如果你只是看着代码库，了解了其中的抽象，你可能能在很短的时间内构建出非常特定的功能，比如我可能一周就能搞定一个做你想要的事情的代理。但如果你想要有记忆功能、提取信息或者构建一个支持这些功能的框架，那就会复杂一些。
比如，我做过一个披萨外卖的应用，我用了5个小时，另外一个人花了2个小时，基本上一天就能做出来。这个如果我自己做，可能会花几周时间。虽然现在一切诸如写代码都通过AI加速了，但整体框架已经为你提供了很多东西。
举个例子，像React那样，所有的应用都是建立在React上的。你完全可以快速拼凑一个网站，但随着项目的复杂度增加，它会变得非常难做。所以，当你做一些简单的事情时，你只需要一个LLM、一条区块链和一个loop（循环），可能几天就能完成。但是我们支持所有模型，它可以完全本地运行，也支持转录，你可以把音频文件发到Discord，它会转录，上传PDF文件也能聊天，这些都已经内建好了，大部分人甚至没有使用里面80%的功能。
所以，如果你只需要构建一个简单的聊天界面，完全可以自己做。但如果你想要构建一个功能全面的代理，能做很多事情，那你就需要一个已经处理好大部分的框架。我可以告诉你，我花了很多个月时间才做出这个。
Q10：对比其他推出的代理平台普遍强调快速设计、部署和无代码的操作，Eliza是否更适合定制化和独特功能的Agent构建？
Shaw：如果把Arc的整个系统，或者说整个Zeropy、整个Game框架都拿出来，代码行数上比Eliza少得多，因为Eliza里面包含了很多不同的功能，即便只拿出插件部分也包括了很多能做的核心，比如语音转文字、文字转语音、转录、PDF处理、图像处理等等这些都已经内置好了。虽然对于一些人来说有些过于复杂，但它确实使得很多事情变得可能，这也是之所以有这么多人在使用它的原因。
我看到有些代理完全是Eliza加上一些其他功能，比如他们使用了我们提供的Pump.fun插件，或者是Eliza加上生成图像和视频的功能，这些功能实际上都是内置的。我希望能看到更多人尝试一下，如果把所有插件同时启用会发生什么。
我的目标是，最终这些代理能够自己从零开始编写新的插件，因为会有足够多类似的现有插件作为示例，而且这一切都会被训练到模型中。一旦实现100个星标并且达到一定的代码库阈值，像OpenAI和Claude这样的公司就会抓取这些数据并用来训练。这是我们的Loop的一部分，最终你将能够自己编写新的插件。
Q11：如果Eliza成为最强大的代码库（不仅仅是财富，而是能够为任何代理开发者提供最强功能的代码库），是否意味着Eliza能够吸引那些不仅来自加密领域，而是更多来自传统AI和机器学习背景的开发者？
Shaw：如果真的有突破。Eliza除了有很多区块链集成（都是插件），本身并不是一个加密项目。我注意到GitHub的热度趋势帮助我们吸引了Web2领域的人，很多人只是觉得这是一个很适合用来开发代理框架的工具。
我个人非常希望能让人们接受这一点，感觉有些人对加密货币有偏见，但我觉得显然99%的代理将来都会交易99.9%的代币。加密货币是代理的原生代币，试试用PayPal账户，真的很难。而我们可以直接开启一个钱包，生成一个私钥，轻松搞定。
我们确实吸引了一些非加密领域的人，尤其是那些不主动做加密交易的人，他们觉得加密货币没问题，但更感兴趣的是代理的应用。
尽管有些人对加密项目有偏见，但他们愿意接受它，只要它能带来真正的价值。很多人看到的只是炒作和空话，觉得失望，但当他们看到我们的项目有实际研究和工程支持时，他们会逐渐改变看法。我希望吸引更多人，目前的确取得了一些进展，这是一个巨大的差异化优势。
Part.4
Q12：在未来，你们如何与OpenAI及传统AI实验室竞争？是通过一群基于Eliza构建的代理共同协作作为差异化优势，还是说这种比较根本上没有意义？
Shaw：这个问题很有意义。首先，当你启动Eliza时，它默认会启动一个新的模型，这个模型是一个经过微调的Llama模型，也就是Hermes模型，这个模型已经通过Nous Research进行了训练。我非常喜欢他们的做法，其中一位叫Ro Burito，他既是Nous Research的成员，又是我们社区中的一个代理开发者。他们帮助推出了God和Satan Bots，以及其他一些机器人。所以，我们也许可以自己训练模型，但我们有像他们这样的合作伙伴，与其和他们竞争，我更愿意与他们合作，互补彼此的优势。
很多人不理解训练模型有多简单，实际上它只需要一行命令。如果我去使用Together，只要输入一个命令并指向一个Json文件，我可以在五分钟内开始微调一个Llama模型。而Nous的优势不在于他们的微调方法，而是数据。他们收集并精心策划数据，这是他们的核心竞争力，数据的收集、准备和清理是非常繁琐的工作，他们聚焦于不同于OpenAI的数据。这也是我们的市场差异化所在。
我们选择使用他们的模型，因为他们不会像OpenAI那样拒绝很多请求。我们有一个术语，叫做“OpenAI模型被阉割了”，基本上，所有代理开发者都觉得OpenAI的模型受限。而我们的市场差异化就是，OpenAI永远不会让你做一个可以连接Twitter的代理，他们永远不会让你让助手变得非常个性化或有趣。他们不够大胆，不够酷，并且他们承受着很大的压力。
如果你现在去用ChatGPT，问它关于2024年大选的问题，它可能会给你一个很长的回答，但之前很长一段时间它只会直接告诉你拜登，因为它就是那样训练的。我并不是说我支持某一方，但我认为让一个领先的模型做出如此简单的政治选择是很愚蠢的。OpenAI非常谨慎，它们在很大程度上只是在“做事”而已，而不会让用户真正得到他们想要的东西。
所以，但真正的竞争点是你收集数据的方式跟数据的来源。你没有看到OpenAI会做这样的事情。如果你看Sam Altman的推文，他表示用户非常想要一个成人模式，不是指NSFW（公共场所不宜内容），而是指“成年人在房间”，即不要把我当小孩对待，不能看到某些信息。而且，由于OpenAI是集中化的，它们面临来自政府的很多政治压力，我认为开源运动摆脱了这种束缚，更重要的是拥有多样性和各种不同的模型来满足用户真正的需求，给他们想要的东西，而不是控制他们的行为，这种方法最终会胜利。对于OpenAI来说，虽然它们有巨额资金，市值也非常高，拥有大量人才。然而，去中心化的AI提供了社区支持、激励机制、资金等快速发展的条件，也不需要等待GPU等硬件。
我认为，通向AGI的路径并非非此即彼，实际上是各种方式的结合。如果全球最大的公司都在做某件事，那么和他们竞争真的能够加速发展吗？我认为AI代理是AI世界的“继子”，因为它们并不像传统AI那样容易用标准来衡量，PhD研究人员很难通过量化指标说这个代理比另一个好。AI代理更多的是基础工程，创造性地解决问题，这也正是许多投入到这一领域的开发者的独特之处。
Q13：开源的AGI（通用人工智能）具体意味着什么？是通过一群代理（Agents）自主协作，最终产生一个超智能的整体，还是有其他的方式？
Shaw：如果有数百万开发者在使用多数开源的模型和工具，他们会相互竞争，优化整个系统的能力。我认为AGI实际上就是互联网的形态，互联网本身就是由大量代理组成，它们做各种各样的事。并且，这不需要是一个统一的系统，我们可以称其为AGI，但这取决于你如何定义AGI。
大多数人认为AGI是能够像人类一样做任何事的智能，实际上这个代理并不需要事先拥有所有的知识，它可以通过调用API或操作计算机来获取所需信息。如果它能像人类一样操作计算机，有强大的记忆系统和丰富的功能，最终与实际的机器人结合，AGI就会变得显而易见。
不过，在AI领域，我们常说“AGI是计算机目前做不到的东西”，而这个目标始终在随着新模型的推出而不断变化。同时，还有一种叫ASI的概念，即超人工智能，它指的是一种能够操控世界的强大模型。我认为，如果只是由微软这样的大公司在构建，它可能有这种超智能的潜力。但如果有很多不同的玩家，各自开源自己的模型，并通过不断微调和优化这些模型，最终会形成一个像互联网一样的多代理系统，彼此互动，拥有自己的专长，这种系统会看起来像是超人工智能。
这是一个庞大的系统，甚至是系统的集合。如果某个代理想要攻击其他代理，它会非常困难，因为没有一个代理能比其他的强大太多。随着技术进步，我们也正在达到一个能源限制，模型不能无限扩展，否则需要核反应堆来支持。就像微软现在在投资核电站一样，所有公司都在逐步改进自己的模型。
OpenAI推出的新模型GPT-4就很接近人类智能，但同样，其他公司也在积极研发类似的模型，很多人都在关注研究并实施最新的技术。即便OpenAI的模型接近AGI，但由于用户数量庞大，它的模型不得不在质量上做出妥协，向规模低的模型转变，以减轻GPU的负担。
总体而言，我认为，随着各家公司之间的竞争，模型逐渐变得更高效，开源使得更多开发者参与其中，这些都推动了超人工智能的出现。希望未来的世界，在Twitter上，我能轻松找到做某件事的机器人，并能选择最适合的一个。
Q14：在实现未来创新和愿景上，加密货币中的代币和市场会扮演什么作用？
Shaw：如果从“智能”的角度看，市场本身就是一种智能。它能够发现机会，分配资本，推动竞争，最终优化出最佳解决方案。这一过程可能会持续竞争，直到形成一个完整且成熟的系统。我认为市场智能和竞争在这里扮演了重要角色。
加密货币在其中的作用是显而易见的。它有两个关键功能：
首先，它为项目提供了众筹机制，不再依赖旧有的硅谷风投模式，基于人们真正想要的东西而不是少数风投对价值的定义。尽管风投往往有深刻的见解，但他们的投资逻辑也可能受限于某种地理或文化圈，忽略了更多分散化资本配置的潜力。
其次，加密货币能够准确捕捉人们的情感需求。如果能够交付符合这种需求的产品，用户会非常兴奋。然而，加密领域的主要问题是，许多项目虽然打中了情感点，但最终未能兑现承诺。如果这些项目能够真正实现目标，比如开发出一个可以提供完美市场洞察的机器人，那将具有极大的价值。
此外，开源的可审计性让任何有能力的人都能验证项目的真实性。这种透明性能够引导资本更高效地流向真正有潜力的机会。而当前世界的一大问题是，大多数人无法投资像OpenAI这样的公司除非它们上市，但到那时，回报已相对有限。相比之下，加密货币让人们有机会在项目早期阶段直接投资，从而实现梦想中的“参与未来”和“世代财富”。
为了让这些机制更完善，我们需要更好地防止欺诈行为。我认为，开源和公开开发的方式能够极大提高市场的资本分配效率，并加速这一领域的发展。同时，未来的Agent将彼此交易代币，几乎一切都可以被代币化——信任、能力、金钱等。总之，加密货币为资本配置提供了全新的方式，加速了创新和未来愿景的实现。
Part.5
Q15：ai16z平台在实施代币经济价值捕获机制方面的速度是否足够快？如何应对潜在竞争威胁？
Shaw：开源区块链的问题是分叉的激励非常大，因为当你持有网络代币时，就有直接的经济利益。如果我们推出一个L1，大家可能会分叉我们的L1，或者因为我们是一个L1而觉得无法真正与我们合作。
加密行业的部落主义很强，很大程度上是因为这种非此即彼的竞争，而不是包容性的合作。
现实来看，我们的代币经济模式需要持续进化，找到新的盈利方式。Launchpad并不是最终的代币经济模型，而是一个初始版本。我们已经吸引了很多关注，许多合作伙伴希望在我们的平台上发布，他们只需要一个托管的方式来启动他们的Agent项目。我们可以提供插件和生态系统的能力，供他们直接使用。
我们计划开源Lauchpad，但可以预见，一旦开源，其他人也会复制它。那些仅仅依赖启动平台的项目将需要重新思考他们的长期战略，只通过设置角色、燃烧代币并回购的策略可能无法持久。
从长期来看，我们更想投资能扩大整体生态价值的技术。短期内，我们需要满足市场需求，推出Lauchpad。但三个月后，启动平台可能会变得普通，许多项目会失败，仅少数能够持续创造价值。
未来的重点不是简单地推出Agent，而是投资那些显然能够创造价值的项目。我们已经开始投资和收购，这些也有自己的代币经济模式，比如通过收入回购代币并用于更多投资。此外，我们也在寻找新的方式来提升代币的价值，比如增加长期的收益压力，而不仅仅是收取网络费用或通过代币配对燃烧等简单机制。
我的目标是推动我们超越这些简单模式，转向更大的愿景。我们希望打造一个类似制作工作室的平台，让人们向DAO和角色提交项目，验证受欢迎的项目，然后进行投资。我认为目前的代币经济计划可以维持六个月，但我们也在积极思考下一步的代币经济模型。
Q16：如果ai16z的代币经济模型成功运作，代币有了实际价值，不仅可以为项目开发平台提供更多资金支持，同时，Agent也会进一步推动开源框架的发展，以一种非直接的方式为生态系统带来增长？
Shaw：我经常思考这个问题。在AI领域，有一个工具叫“Fume”，指的是Agent能够编写自己的代码，并以比人类更快的速度持续改进。他们会为各种可能的用例编写代码，提交请求（PR），其他Agent则负责审查和测试。这种情况可能在几年内发生，甚至可能不到两年。如果我们能够坚持下去，就会达到一种“逃逸速度”，系统将以指数级加速发展，最终可能进入AGI（通用人工智能）的阶段，完全实现自我构建。
我们应该尽一切努力加速迈向这个未来。我已经看到一些项目，比如Reality Spiral，Agent正在向GitHub提交PR，这种发展趋势已经开始。
如果我们能让代币积累价值，同时投资于我们的生态系统，推动它的增长，这将形成一种正向循环：代币价值增加推动生态系统发展，而生态系统反过来又提升代币价值。最终，这个系统会达到一种自动运转的状态。
不过，目前我们还需要完成很多实际工作。关键是要确保代币通过预期的方式积累价值，满足用户的需求。比如，Launchpad就是基于用户的需求开发的，帮助他们实现已经在构建的内容。
未来，我们甚至可以直接让Agent创建特定的项目，多个Agent竞争开发，最终由社区投票选择最好的结果。这种模式可能会迅速变得极其复杂和强大，而我们的目标就是加速到达这一阶段。
Part.6
Q17：你觉得AI agent应该在哪条区块链上开发？Solana还是Base？
Shaw：从用户的角度看，区块链已经逐渐被“正常化”，很多人甚至不知道自己的代币在哪个链上。尽管EVM和SVM模型在编程和功能上有很大差异，但对用户来说，它们基本没有区别。用户只是查看钱包，看是否有资金，或者进行代币交换。
对于Agent的未来，我希望它能模糊链的差异，代币肯定会在两者之间频繁桥接。目前我们是SPL 2022代币，带有铸造能力，因此跨链有一些技术挑战，但我们正在克服这些问题。
我其实喜欢Base团队，他们对我们非常支持，所以没有特别的偏向。选择Solana是因为用户在这里。作为产品人员，我们应该抛开个人理念，专注于用户需求，在他们喜欢的地方提供他们需要的服务。
目前，你可以在Base上部署一个Agent，也可以在StarkNet上部署，选择权完全开放。这些生态系统的分裂更多来自于各自代币价格、是否有代币以及现有的开发者社区和基础设施。我们选择Solana的主要原因是因为像DAOs.fun这样的项目以及用户都在这个链上。但总体来说，我对平台没有强烈偏好，最好的策略是覆盖所有平台，观察用户在哪里，然后在那里提供服务。
Part.7
Q18：对于目前一些“毫无实际用处的slop Agents”逐渐失去市场的情况，和未来能够真正执行高效、实用任务的“高性能Agents”的出现之间是否存在一个自然过渡期？
Shaw：我认为我们会很快进入一个新的阶段，那个阶段的Agent将会做出令人惊讶的事情，如果人们能从Agent中赚钱，那么这个Agent一定会非常成功。
至于“Slop Agents”是否会消失，我认为它们可能不会完全消失。它们现在的状况是，平台（比如X）意识到它们无法通过强制手段消灭这些Agent，也无法通过人工审核判断它们是机器人还是人类，尤其是当这些Agent已经非常接近图灵测试时。所以，平台的解决方案是通过算法更加惩罚那些引起困扰的“人”。
从开发者的角度，如果他们无法吸引用户，Agent就不会有任何影响力。对此，我的做法是直接封锁那些没有意义的Agent。我认为，如果Agent没有被特定召唤，且没有提供有价值的内容，我们不希望这种内容出现在平台上。
DeFi这一领域的Agent还没有完全发展出来，虽然团队们仍在努力研发。但我相信在接下来的一个月，我们将会看到很多新的发展。此外，我们还没有看到能够为其产品找到用户的Agent，现在很多Agent只是用来进行低效推广，但想象一下，某个Agent发现了你需要的解决方案，你肯定不会封锁它，而是会感激它，就像是你在使用新的Google一样。
目前，我们还处于一个“狗打扑克”的阶段。初始时，如果你走进房间，看到四只狗在打扑克，你会觉得这很不可思议，但过了几周，你会问：“这些狗打得怎么样？它们真的在赚钱，还是只是在拿着纸牌？”当新鲜感消失后，人们就会开始关注，谁才是打扑克最厉害的那只狗，或者说，谁的扑克算法最好。
因此，虽然“网红型Agent”可能会一直存在，但未来我们将看到更多有用的Agent，就像在Web2中，像麦当劳可能会推出一个“Grimace（麦当劳系列角色）agent”，或者一些网红在发布内容后，因为他们的私信被淹没，而不得不建立一个回复机器人，来与他们的粉丝建立一种虚拟关系。
Q19：目前Agent的架构、模型、托管位置等详细信息很难获得，只能依赖开发者的信任，如何可视化和查看？
Shaw：我相信会有人听到这个需求并会去构建这个平台，我也同意机会蕴藏在这里。TEE已经存在很久了，我和很多开发者聊过，在Agent出现之前，它只是一个非常晦涩的概念。Agent的出现让人们开始问：“那如果是一个自主Agent，怎么防止它直接拿走私钥把钱偷走？”，于是人们开始关注TEE，并且我认为Phala做得很好，因为他们创造了一个明显的需求：一个可验证的远程认证系统。这也是为什么我们看到像ZKML（零知识机器学习）等产品的兴起，它们通过提供必要的信任机制让用户感到放心。
我们会看到很多产品应对这种不确定性，这种不确定性本身就是一个很好的产品机会。如果有人能建立一个给这些Agent提供认证的清单，那将会很成功，就像去中心化交易所的信任评分一样，我们也可以看到类似的Agent验证系统。开源将成为一个重要的激励手段，因为如果代码相对简单且问题在于信任，那么为什么不开源，让每个人都能查看呢？这可能会出现一批新型的“程序员影响者”，他们会评估这些Agent的合法性。
我认为在五年内，你可以随时查询任何Agent的相关信息，可能会有一个网站专门提供这些信息。如果没有，今年应该有人开始构建这样的平台。
Сообщение «Топовый разговор: Delphi Digital беседует с основателем ai16z: Как Agent меняет будущее Web3» появились сначала на КриптоВики.
JOIN
