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AIMeme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AIAgent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座标系。哪些AI赛道具备长期生命力？DeFAI是不是AI的最佳应用？AI项目评估的要素有哪些？OKXVentures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AIAgentAIAgent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。AIAgent的定义可以概括为以下几个关键要素：感知（Perception），AIAgent通过传感器、镜头或其他输入设备感知周围环境，获取必要的资讯；理解与推理（Reasoning），它能够分析感知到的资讯，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，AIAgent能够制定行动计划，选择最佳的执行路径；行动（Action），最后，AIAgent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。AIAgent的工作原理和流程通常包括以下几个步骤：首先，资讯输入，接收来自环境的资讯，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，AIAgent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，AIAgent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，AIAgent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：AIMeme（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、$BULLY等代币通过增强的社交功能吸引用户参与。在这一阶段，代币不仅仅作为炒作工具存在，更开始融入社群驱动和社交互动，推动市场的增长。代币逐步从单纯的「陪聊」功能扩展，开始探索与用户社交需求紧密结合的功能，形成了更加多元的社交属性。阶段3：垂直领域（功能深化期）AI代币开始从简单的社交和炒作模式中脱离，深入探索垂直领域的应用场景。代币如$AIXBT和$ZEREBRO等通过与区块链、DeFi或创作工具的结合，逐渐为代币赋能，使其不再仅仅是投机工具，而是具备明确功能和目的的数位资产。此阶段标志着AI代币朝着更高效、更专业的方向发展，逐步形成其独特的市场地位。阶段3.5：基础设施（技术完善期）在代币应用逐渐深入的同时，AI代币开始着力建设更为坚实的技术基础设施。诸如$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$COOKIE等代币不再是简单的工具，它们已成为经济体系的一部分，广泛应用于数据分析、社群治理和投资决策等高阶领域。此时，AI代币的功能逐步提升，已经能够为市场提供深度的分析与决策支持，成为加密市场中的重要资产。阶段4.5：金融应用（生态融合期）随着DeFi领域的进一步发展，AI代币在金融应用上的融合愈发深入，催生了「DeFAI」这一新兴概念。通过人工智能，DeFi的复杂操作变得更加简便，普通用户也能轻松参与链上金融活动。代表代币如$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、AIAgent框架（一）Web3与Web2数据对比当Web2的AIAgent在推荐算法里内卷时，Web3的试验场也正在孕育更多AIAgent创新。但数据表明，Web3和Web2的项目在贡献者分布、代码提交和GitHubStars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、社群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群生态变化。
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：Starkchain3,102名贡献者；Informers-agents3,009名贡献者；Llamaindex1,391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。GitHubStars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项目在开发者社群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：JSAgents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群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，GitHubStars的分布揭示了JavaScript和Python在AI代理框架开发中的重要地位。JSAgents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AIAgent框架来源：https://www.aiagenttoolkit.xyz/#frameworks（三）现有区块链AIAgent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呼叫（如循环自我检测、工具函数等），而如果底层依赖如GPT-4等大型模型，既面临高昂的呼叫成本，又常常无法满足快速反应的需求。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，且推理结果的品质难以稳定，需专业团队持续优化以确保系统的可靠性和性能。开发生态与弹性程度不足。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则较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、效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弹性与发展潜力。安全与合规风险。多代理系统在存取外部API、执行关键交易或进行自动化决策时，容易出现越权呼叫、隐私外泄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资料安全挑战。鉴于上述问题，不少从业者认为目前的AIAgent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，新创框架在特定领域，例如链上场景、创意生成或社群外挂程式对接等仍能发挥独特的价值。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。整体而言，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AIAgent框架面临的关键挑战。三、AIAgent发展方向多模态AI的普及随著科技的快速发展，多模态AI正逐渐成为各产业的关键推手。多模态AI能够处理文字、图像、视讯和音讯等多种资料形式，使其在多个领域展现出巨大的潜力。
特别是在医疗领域，透过将医疗记录、影像数据和基因组资讯整合，多模态AI能够为个人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，借助这项技术，AI可以优化生产流程、提高效率，同时提升客户体验，进而增强企业的竞争力。随著数据和运算能力的提升，预计多模态AI将在更多产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慧（EmbodiedAI）是指人工智慧系统透过感知和与物理世界的互动来理解和适应环境。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”，这项技术预计将在多个领域中广泛应用。透过赋予机器人感知、理解和自主决策的能力，具身智慧将推动物理世界与数位世界的深度融合，从而提升生产力并推动各行各业的智慧化发展。无论是在个人助理、自动驾驶车辆，或是在智慧工厂中，具身智慧都将改变人们与机器互动的方式。AI代理（AgenticAI）的兴起AI代理（AgenticAI）指的是那些能够独立完成复杂任务的人工智慧系统。这类AI代理正从早期的简单查询回应工具转型为更高阶的自主决策系统，广泛应用于业务流程最佳化、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，提供个人化的服务，甚至做出最佳化决策。在工业自动化中，AI代理可以监控设备的运作状态，预测故障，并在问题出现前进行调整或修复。随著AI代理逐渐成熟，在各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（AIforScience）已成为新的研究趋势，利用大模型对资料的深度分析，AI正在帮助科学研究人员突破传统研究的限制。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，它透过对蛋白质结构的预测，解决了长期困扰科学家的难题，极大地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安全与伦理随著AI技术的普及，AI安全与伦理议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技术的永续发展，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、资料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，影响著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AIAgent的应用以及代表项目，并给出评估框架，敬请关注。