AI的达尔文时刻：当模型开始为生存而战（转）

竞争一直是人类进化的核心。自古以来，人们就在不断竞争，竞争的目标包括：

· 食物与领地
· 配偶 / 伴侣
( m# d  `9 d/ N  Z7 C· 部落或社会中的地位
( X+ s! p: b7 u: h) n- `% t· 联盟与合作机会

7 ^5 Q3 N8 i. h7 \( v猎人追捕猎物，战士为生存而战，部落首领争夺领地。随着时间的推移，那些拥有利于生存的优良特质的个体，最终得以存活、繁衍，并将自身基因代代相传。

: x8 W, S( f! {! I这一过程被称为「自然选择」。

) X$ U9 J) e+ \( k' s( J, V自然选择的进程从未停止，其形态不断演变：从「为生存而竞争」，逐步发展为「作为娱乐表演的竞争」（如角斗士竞技、奥运会、体育赛事及电子竞技），最终演变为「推动进化的加速器式竞争」（如科技、媒体、电影、ZZ等领域的竞争）。
2 w' r5 K" |5 [* L
自然选择一直是人类进化的核心驱动力，但人工智能的进化是否也遵循这一逻辑？

人工智能的发展历程，并非由某一项「单一发明」决定，而是由无数场「无形的竞赛与实验」推动——这些竞赛最终筛选出了得以留存的模型，也淘汰了被遗忘的模型。
( F$ s2 d, e( O5 R3 f; O
9 D4 k* n! D' \. h" Q: E1 Q% |在本文中，我们将深入探讨这些无形的竞赛（涵盖 Web2 与 Web3 领域），并从「竞争」的视角，剖析人工智能的进化脉络。让我们一同深入探索。
+ h  `1 c/ s3 T2 S% M# }$ x
3 F7 v# D7 f; b1 @& N# s2023 至 2025 年间，随着 ChatGPT 的问世，人工智能领域迎来了爆发式增长。
& ?* k; K$ I  q4 x1 _
: Y6 Q1 n8 H# C7 w) N但在 ChatGPT 诞生之前，OpenAI 就已通过《Dota 2》游戏（借助「OpenAI Five」系统）崭露头角：它通过与普通玩家、职业选手乃至自身进行数万场对战，展现出了快速进化的能力，且每一次对战都能让自身实力不断增强。

. q. ], O/ g/ u+ {- B最终，一套复杂的智能系统应运而生，并在 2019 年彻底击败了《Dota 2》世界冠军战队。
6 }: }5 M* a% r6 x) H
3 [* N/ c7 q! b( H, `* M1 Y另一桩广为人知的案例发生在 2016 年：AlphaGo 击败了世界围棋冠军李世石。此事最令人惊叹的并非「击败世界冠军」这一结果，而是 AlphaGo 的「学习方式」。
; r: c; r2 G) U  I, K) f* e+ s
AlphaGo 的训练并非仅依赖人类数据。与 OpenAI Five 类似，它通过「自我对弈」实现进化——这是一个循环往复的过程：
3 ~% b- J6 j5 Q! ^7 s; M
0 {4 b. `4 I' j( s) p0 k· 每一代模型都会与上一代模型展开竞争；

) b7 D) {9 d0 K; {" E1 n& g, A· 表现最强的模型变体得以留存并「繁衍」（即优化迭代）；

) _6 O. o  t! A  x· 弱势策略则被淘汰。
) o! J, }6 G! h0 S3 E# j
也就是说，「达尔文式人工智能」将原本需要数百万年的进化过程，压缩到了数小时的计算周期内。

这种「自我竞争循环」催生出了人类此前从未见过的技术突破。如今，我们在金融领域的应用场景中，也看到了类似的竞争模式，只是形态有所不同。
: Y7 U8 N& J1 R+ C( D4 c) V0 y0 M; B
加密领域中的达尔文式 AI
Nof1 上周因推出「阿尔法竞技场」（Alpha Arena）成为热门话题。这是一场由 6 个人工智能模型（Claude、DeepSeek、Gemini、GPT、Qwen、Grok）参与的「加密永续合约生死对决」：每个模型各自管理 1 万美元资金，最终盈亏（PnL）表现最佳者获胜。

7 h; }1 e( g4 v, f7 R" q4 a

「阿尔法竞技场已正式上线！6 个人工智能模型各投入 1 万美元，全程自主交易。真实资金、真实市场、真实基准——你更看好哪一个模型？」

这场竞赛迅速走红，核心原因并非其规则设置，而是其「开放性」：通常情况下，「阿尔法策略」（Alpha，即超额收益策略）会被严格保密，但在这场竞赛中，我们能实时见证「哪个人工智能最擅长赚钱」。

3 S9 N$ U1 H5 F% m此外，展示实时交易表现的用户界面（UI/UX）设计极为流畅且经过优化。该团队正借助当前的热度及竞赛中获得的洞见与经验，开发 Nof1 模型及交易工具；目前，对该工具感兴趣的用户可加入候补名单，等待试用机会。

; {8 {! M* q& m6 uNof1 的做法并非首创——金融领域的竞赛早已有之（尤其是在 Bittensor 生态系统及更广泛的加密货币市场中），但此前从未有任何团队能像 Nof1 这样，将此类竞赛公开化、大众化。

以下是一些最具代表性的竞赛案例
Synth（合成器竞赛）
（标识：SN50，发起方：@SynthdataCo）
# F$ G6 n/ v8 y% i  s* t( F% \
8 s( h! V% |+ r; J3 d在该竞赛中，机器学习工程师需部署机器学习模型，预测加密资产的价格及波动性，获胜者可获得 SN50 Synth 阿尔法代币奖励。随后，团队会利用这些高质量的预测结果，生成高精度的「合成价格数据」（及价格走势路径）。
2 S, j0 M) k  W' |$ m& C+ g: T
「自今年早些时候以来，我们已向参与竞赛的顶尖数据科学家及量化分析师发放了超过 200 万美元的奖励。」
: X8 o) Y  }4 _0 B
. O4 [+ J- Y" r5 E" {4 `该团队正利用这些预测信号在 Polymarket 平台进行加密货币交易：截至目前，他们以 3000 美元的初始资金，实现了 184% 的净投资回报率（ROI）。接下来的挑战是，在维持当前业绩水平的同时，扩大交易规模。
) U6 \# v" q; @' s+ j
) \  P5 {: y. \9 L
「我们在 Polymarket 平台的交易最新进展：
( U0 h* ~0 D6 D. o! P$ o$ W
! C+ P( W9 |* P  t# C6 ?・本金：3000 美元
: {( b$ G0 I+ m" Z
! x/ s/ T* h. R+ d) ^2 A・利润：5521 美元

・投资回报率（ROI）：184%

・年化收益率（APY）：3951%

这一切均由 Synth 的预测模型提供支持。我们将在本周的《Novelty Search》栏目中详细解析背后逻辑。」

+ H3 w+ K1 D6 r6 t9 b& dSportstensor（体育预测竞赛）
) f/ ~2 h6 j8 L7 S: o（标识：SN41，发起方：@sportstensor）
  e* d! }' `$ |7 l
这是一个专注于「击败市场赔率」的子网，旨在挖掘全球体育博彩市场中的「优势机会」。这是一场持续性竞赛：机器学习工程师需部署模型，预测美国职业棒球大联盟（MLB）、美国职业足球大联盟（MLS）、英格兰足球超级联赛（EPL）、美国职业篮球联赛（NBA）等主流体育联赛的赛事结果，能实现盈利的「最佳模型」将获得 SN41 Sportstensor 阿尔法代币奖励。
# l; v  i5 Q1 j: Y

) }. @5 S& i2 K: U  ^目前，参赛模型的平均预测准确率约为 55%，而排名第一的「矿工」（即模型开发者）准确率高达 69%，增量投资回报率达 59%。

9 R# J& Q( a3 o# {Sportstensor 已与 Polymarket 达成合作，成为其流动性层，为 Polymarket 平台带来更多体育预测相关交易量。
" }0 r8 L2 x" Q" _* v
该团队还在打造「Almanac」平台——这是一个面向普通用户的体育预测竞赛层：用户可获取 Sportstensor 矿工提供的信号及高级预测分析数据，并借此与其他用户展开竞争。表现最佳的预测者每周可获得高达 10 万美元的奖励（上线时间待定）。
; L1 s0 k; N6 k; |) g1 ^' A1 Y) A
) I* S+ u! i% sAION（市场之战竞赛）
（发起方：@aion5100、@futuredotfun）

; k8 X. y# H+ E0 I) y( i0 y@aion5100（一个专注于事件 / 结果预测的智能体团队）正联合 @futuredotfun，推出「市场之战」（War of Markets）竞赛。

该竞赛定于 2024 年第四季度上线，定位为「预测市场世界杯」：无论是人类还是人工智能，均可在 Polymarket 与 Kalshi 两大平台上参与预测对决。
* z+ f* E! O+ \, O
竞赛旨在通过「众包智慧」，成为「终极真相参考源」——其核心评估指标并非传统的「预测准确率」，而是「心智占有率、交易量与荣誉」，在这些指标中表现最佳者即为获胜者。

团队将其先进的预测市场分析工具、跟单交易功能及社交交易产品与竞赛深度结合，帮助交易者利用这些工具，在与其他预测者的竞争中占据优势。

' {3 S) ?' Z4 \+ q  ~Fraction AI（多场景 AI 竞赛）
" Z( B: s# s" K. ^" D( n* Z（发起方：@FractionAI_xyz）

, w% w$ k, r5 d) d. ^# i( W. R该平台举办多种类型的竞赛：用户可在「竞价井字棋」「足球混战」「比特币贸易战」「Polymarket 交易」等场景中设置 AI 智能体；此外，平台还设有「ALFA」竞赛——与「阿尔法竞技场」类似，但 AI 模型使用虚拟货币在永续合约中相互交易。

在「ALFA」竞赛中，用户可购买 AI 智能体的「看涨 / 看跌份额」，押注哪个智能体在每日交易结束时能获得最高盈亏（PnL）；与「阿尔法竞技场」相同，用户可实时查看每个智能体采用的策略及部署的资产。
4 X/ R. L8 u: W& {0 Q
. v" g/ ^2 ]  ^4 e' K) r' q# f竞赛中获得的洞见与数据将用于进一步优化智能体，未来用户可部署自有资金，让这些智能体代为进行交易操作。

6 |  |7 D) r* c" Y$ Z* k- Z该团队计划将 AI 智能体的应用场景拓展至所有热门金融领域，包括交易、DeFi 及预测市场。
4 m9 Z! [) |4 E8 Q4 S; F# T# }
1 X. d" }+ F, _; F; S: k/ TAllora（金融微任务竞赛）
（发起方：@AlloraNetwork）

- F. d+ y& [! D0 bAllora 堪称「金融领域的 Bittensor」：平台会设置「主题任务」或「微任务」（如加密资产价格预测），机器学习工程师需竞争开发「最佳模型」。
7 J0 |0 o- v3 o  E. I* [' X% y* H
目前，价格预测模型主要聚焦于主流加密资产；表现顶尖的机器学习工程师（被称为「锻造者」或「矿工」）可获得「Allora Hammer」奖励，待主网正式上线后（即将推出），该奖励将转化为 $ALLO 代币激励。

8 v7 r  r% S0 D8 k* h+ X% l该团队拥有一系列深入的「动态 DeFi 策略」应用场景：通过应用 Allora 模型，让 DeFi 策略更具灵活性——在降低风险的同时，提升收益水平。
8 I( Y/ j) s+ G, ~: d1 E
例如「ETH/LST 循环策略」：会预留一部分资金用于捕捉「做空机会」——若预测模型显示价格波动将超过特定阈值，策略会自动将 LST（流动性质押代币）兑换为 USDC，并建立空头头寸，以期从预测的价格波动中获利。
  K3 ~. f: c* d3 x* J
4 F( X7 Q5 e8 |) u; W9 q9 m( q关于 Allora 的一个有趣细节，Allora 将采用「实际收入补贴代币发放」的模式：例如，原本需发放 10 万美元 ALLO 代币 + 5 万美元客户收入」的组合形式，以此减少矿工可能带来的代币抛售压力。
: M8 H4 Y  H1 J1 M% \
其他值得关注的竞赛
1 H: u- U! N0 [（1）金融类竞赛（补充）
SN8 PTN（发起方：@taoshiio）：该竞赛旨在从全球人工智能模型及量化分析师中「众包」高质量交易信号，以超越传统对冲基金的业绩表现；其核心目标是「经风险调整后的盈利能力」，而非单纯的「原始收益」。
# c# t6 B  s& H( Y' V: l$ r" D
Numerai（AI 对冲基金）（发起方：@numerai）：这是一家由人工智能驱动的对冲基金，近期从摩根大通获得了 5 亿美元资金支持（即摩根大通将最多 5 亿美元资金配置到 Numerai 的交易策略中）。该基金的策略核心是「机器学习模型竞赛」，强调「长期原创性」与「经风险调整后的准确率」。参与竞赛需质押 NMR 代币奖励。截至目前，平台已向参与者发放了超过 4000 万美元的 NMR 代币奖励。

8 x. n" H" q) I; g: S2 ~（2）非金融类竞赛
9 c; `  s1 e$ G5 ZRidges AI（去中心化编程竞赛）（标识：SN62，发起方：@ridges_ai）：这是一个去中心化「软件工程智能体」交易平台，目标是让 AI 智能体在「代码生成、漏洞修复、完整项目编排」等任务中完全取代人类程序员。AI 智能体需在「真实世界编程挑战」中竞争，能提供优质解决方案的智能体每月可获得 2 万 - 5 万美元的「阿尔法子网奖励」。
5 X8 x/ G! t2 W% {( z/ U; R
Flock.io 竞赛（发起方：@flock_io）：竞赛分为两部分——一是「生成最佳基础 AI 模型」，二是「通过联邦学习协作微调特定领域模型」。表现优异的训练者（即「矿工」）每年通过训练 AI 模型可获得 50 万 - 100 万美元以上的收益。「联邦学习」的优势在于：机构可在保留本地数据隐私的同时，充分利用人工智能的能力。
2 v! k3 {5 C2 N
4 h+ ~0 U$ b( d! `0 Z这一切意味着什么？
" D) ^+ f1 X1 {  D. v% g如今，人工智能的进步正通过「公开竞争」实现。
: w+ s8 \, q8 p
每一个新模型诞生后，都会进入一个充满压力的环境：数据匮乏、计算资源受限、激励机制有限。而这些压力，恰恰成了「筛选存活模型」的核心标准。
3 z& l. A' T$ a3 c) O- G
代币奖励兼具「能量供给」的作用：能高效利用这种「能量」的模型，影响力会不断扩大；反之，无法高效利用的模型则会逐渐被淘汰。
+ C6 p9 R' Q9 F7 B+ b9 K
最终，我们将构建一个「智能体生态系统」——这些智能体通过「反馈」而非「指令」实现进化，即「自主智能体」（而非「生成式人工智能」）。

! E+ T! G+ ~) V" K2 H9 U* C未来将走向何方？
这一波「公开竞争」浪潮，将推动人工智能从「中心化模式」向「开源去中心化模式」转型。

/ l2 Y/ E- \4 y* o  D% c: w3 z. m未来，强大的模型与智能体将诞生于「去中心化环境」中。
0 s: ~+ b  ]; f2 t% ]0 z
不久后，人工智能将能自主管理「自我改进周期」：部分模型会对其他模型进行微调、评估其他模型的表现、实现自我优化并自动部署更新。这一循环将大幅减少人类的参与，同时加快 AI 的迭代速度。
% A! r9 A8 d/ U7 G; E7 N
# M$ a' ^# t* X8 Y随着这一趋势的蔓延，人类的角色将从「设计人工智能」转变为「筛选应留存的 AI、保留有益的 AI 行为、制定对社会具有正期望值（EV+）的规则与边界」。
9 Y- f1 x: I6 B4 ]! n
最后一点思考
竞争往往能激发创新，但也可能滋生「奖励操纵」与「投机取巧」行为。
$ d9 f- F/ H8 s! r& M
若一个系统的设计无法「激励长期有益行为」，最终必然走向失败——例如，部分矿工可能会钻规则漏洞「刷取奖励」，而非真正为任务贡献价值。

; q3 v+ P- r& U. H因此，「开放系统」必须配备完善的「治理机制」与「激励设计」：既要鼓励良好行为，也要惩罚不良行为。
- y- r1 l$ J" _
谁能率先实现这一目标，谁就能抓住下一波创新浪潮的「价值、关注度与核心智慧」。
8 K3 F8 V' z5 @  v3 K2 Z$ F& ?

" T0 q- k5 y. q* E4 f+ h+ P5 c+ h4 I

! }- A4 [/ A: ~" B% S- a

) j6 p+ b" Q) x! d2 z6 f
/ T5 @  R/ s+ P/ M2 E5 ~/ X

7 a+ G3 D( N+ e* X

AI模型的竞争，源自人类漫长的进化之路

AI一直是厉害无比的事情啊。

这个的话是要看你自己的运气啦。

AI的进化也在经历一场激烈的竞争，选出的模型将会继续演化，进化的道路也许永远不会停止

这是能在看好的一个时刻了

什么叫达尔文时刻呢，这个有点专业了

这些也是没有什么要看了

这个倒也是可以去关注起来啊。

看了这个游戏我感到也是需要游戏起来了的哦。

玩菠菜必定为了要盈利，没人想要损失的

天天盈利什么也是特别让人眼红了啊，有空多多共享心得啊

游戏最后一段话觉得是很有道理的，但是在我面前就难以实现，毕竟运气太差了。

交易平台这么多，到底选择哪一个确实很难。

这个交易平台不错，反正吧都是需要多个心眼安全第一啊！

交易平台也不用真么多，有一个就可以的了。

你要盈利，那无论是什么都不足挂齿。