鏈上狙擊、一鍵執行,AI代理人是什麼?一文看懂幣圈AI版圖(上)
鏈上狙擊、一鍵執行,AI代理人是什麼?一文看懂幣圈AI版圖(上)
##### 拆解10+項目,帶你看懂 AI Agent版圖 AI 賽道正在經歷從投機炒作到實際應用落地的演變。

早期的 AI Meme 代幣借勢 AI 熱點爆發,而如今更具功能性的 AI 交易工具、智慧投研、鏈上 AI 執行體正在湧現。從 AI 驅動的鏈上狙擊策略,到 AI Agent 自主執行鏈上任務、以及 AI 生成 DeFi 收益優化方案,AI 賽道的影響力正在迅速擴大。

但多數人看得到AI代幣市值的指數級增長,卻找不到解碼其價值邏輯的座標系。哪些 AI 賽道具備長期生命力? DeFAI是否是AI的最佳應用?AI項目評估的維度有哪些?

OKX Ventures 最新研報深入拆解了 AI 賽道的發展版圖,從概念解析、演變歷程、應用賽道、以及項目案例,希望可以給大家認識AI價值帶來一些啓發與思考。

本次報告內容比較豐富,爲了便於大家閱讀,我們將其拆分爲(上)、(下)兩篇。此篇爲「上篇」。

##### 一、關於AI Agent

AI Agent是一種智慧實體,具備感知環境、做出決策並執行相應動作的能力。不同於傳統人工智慧系統,AI代理能夠獨立思考並調用工具,從而逐步實現特定目標,這使得它們在處理複雜任務時具備更高的自主性和靈活性。

簡而言之,AI代理是由人工智慧技術驅動的代理人,其工作流程包括:感知模塊(收集輸入)、大型語言模型(理解、推理與規劃)、工具調用(執行任務)以及反饋與優化(驗證與調整)。

OpenAI將AI代理定義爲以大型語言模型爲核心,具備自主理解、感知、規劃、記憶和工具使用能力的系統,能夠自動化執行復雜任務。與傳統人工智能不同,AI代理能夠通過獨立思考和工具調用逐步完成設定目標。

AI Agent的定義可以概括爲以下幾個關鍵要素:感知(Perception),AI Agent通過傳感器、攝影機或其他輸入設備感知周圍環境,獲取必要的資訊;理解與推理(Reasoning),它能夠分析感知到的資訊,並進行復雜的推理,以便做出合理的決策;決策(Decision-making),基於分析結果,AI Agent能夠制定行動計劃,選擇最佳的執行路徑;行動(Action),最後,AI Agent會執行所制定的計劃,通過調用外部工具或接口與其他系統進行交互,實現預定目標。

AI Agent的工作原理和流程通常包括以下幾個步驟:首先,資訊輸入,接收來自環境的資訊,如用戶指令、感測器數據等;接著,數據處理,利用內建的算法和模型對輸入數據進行處理,結合其記憶系統(短期和長期記憶)來理解當前狀態;然後,計劃制定,根據處理結果,AI Agent將大任務拆分為可管理的小任務,並制定具體的執行計劃。

在執行階段,AI Agent透過調用外部API或工具,實施其計劃並監控執行過程,以確保任務按預期完成;最後,回饋與學習,任務完成後,AI Agent會根據結果進行自我反思和學習,從而提高未來的決策品質。

##### 二、演變歷程

AI代幣的演變路徑展現了從初期「MEME」現象到深度技術融合的轉變過程。

起初,許多代幣依靠短暫的概念炒作和社交媒體的熱潮吸引用戶的關注,如同網路熱梗。然而,隨著市場的不斷成熟,AI代幣逐漸向更加實用和高階的功能發展,逐步擺脫了單純的炒作模式,向真正的區塊鏈金融工具和數據分析平臺轉型。

我們將深入探討這些代幣如何從概念性存在,逐漸發展成為具備實際應用價值的技術產品。

階段1:AI Meme(迷茫期)

初期的AI代幣大多以「MEME」形式存在,諸如$GOAT、$ACT、$FARTCOIN等代幣並未具備實際應用或功能,其價值主要依靠概念炒作與市場情緒的推動。

在這一階段,代幣的用途尚不明確,市場與用戶對其潛力知之甚少,代幣的流行更多依賴於社交媒體的傳播和短期炒作,呈現出一種神祕、不可捉摸的特性。

階段2:社交化(探索期)

隨著市場對AI代幣的逐漸關注,這些代幣開始在社交領域發力。例如,$LUNA、$BULLY等代幣透過增強的社交功能吸引用戶參與。

在這一階段,代幣不僅僅作為炒作工具存在,更開始融入社區驅動和社交互動,推動市場的增長。代幣逐步從單純的「陪聊」功能擴展,開始探索與用戶社交需求緊密結合的功能,形成了更加多元的社交屬性。

階段3:垂直領域(功能深化期)

AI代幣開始從簡單的社交和炒作模式中脫離,深入探索垂直領域的應用場景。代幣如$AIXBT和$ZEREBRO等通過與區塊鏈、DeFi或創作工具的結合,逐漸為代幣賦能,使其不再僅僅是投機工具,而是具備明確功能和目的的數字資產。

此階段標誌著AI代幣朝著更高效、更專業的方向發展,逐步形成其獨特的市場地位。

階段3.5:基礎設施(技術完善期)

在代幣應用逐漸深入的同時,AI代幣開始著力建設更為堅實的技術基礎設施。諸如$AI16Z、$EMP等代幣的加入,進一步推動了代幣的功能最佳化。

代幣不僅專注於經濟激勵和實用功能,還開始重視跨鏈技術、去中心化應用、硬體結合等基礎設施的建設,逐步為其未來的持續發展奠定了技術根基。

階段4:數據分析(成熟期)

進入成熟期,AI代幣已逐漸在市場中穩定下來,開始融入更複雜的加密投研分析功能,推動代幣生態和治理結構的完善。$TRISIG和$COOKIE等代幣不再是簡單的工具,它們已成為經濟體系的一部分,廣泛應用於數據分析、社區治理和投資決策等高階領域。

此時,AI代幣的功能逐步提升,已經能夠為市場提供深度的分析與決策支持,成為加密市場中的重要資產。

階段4.5:金融應用(生態融合期)

隨著DeFi領域的進一步發展,AI代幣在金融應用上的融合越來越深入,催生了「DeFAI」這一新興概念。通過人工智慧,DeFi的複雜操作變得更加簡便,普通用戶也能輕鬆參與鏈上金融活動。

代表代幣如$GRIFFAIN、$ORBIT、$AIXBT等逐漸在市場中形成了從基礎功能到複雜金融服務的完整鏈條,最佳化了鏈上交互,降低了參與門檻,為用戶帶來了更多的機會和便捷。

##### 三、AI Agent 框架

(一)Web3與Web2數據對比

當Web2的AI Agent 在推薦算法裡內卷時,Web3的試驗場也正在孕育更多AI Agent 創新。但數據表明,Web3和Web2的項目在貢獻者分佈、代碼提交和GitHub Stars的情況上表現出明顯的差異。通過對比Web3和Web2項目的數據,我們可以更好地理解兩者在技術創新、社區活躍度以及市場接受度等方面的現狀。

特別是在GitHub平臺上,這些項目的活躍度和受歡迎程度為我們提供了重要的指標,幫助我們洞察未來技術發展趨勢和社區生態變化。

在開發者參與方面,Web2項目的貢獻者數量明顯高於Web3項目。具體來看,Web3項目的貢獻者為575人,而Web2項目的貢獻者多達9,940人,反映出Web2生態的成熟和更廣泛的開發者基礎。

貢獻者排名前三的項目是:Starkchain 3,102名貢獻者;Informers-agents 3,009名貢獻者;Llamaindex 1,391名貢獻者。

在代碼提交分佈方面。Web2項目的提交量也明顯高於Web3項目。Web3項目的總提交次數為9,238次,而Web2項目則高達40,151次,表明Web2項目的開發活躍度更高,更新頻率較為穩定。

代碼提交量排名前三的項目是:ElipsOS以5,905次提交領跑;緊隨其後的是Dust,共提交了5,602次代碼;LangChain排名第三,提交次數為5,506次。

GitHub Stars分佈方面。Web2項目在GitHub上的受歡迎程度遠超Web3項目,Web2項目累計獲得526,747顆Stars,而Web3項目則獲得了15,676顆Stars。

這一差距反映了Web2項目在開發者社區的廣泛認可和長期積累的市場影響力。

Stars數量排名前三的項目是:JS Agents無疑是最受歡迎的,獲得了137,534顆Stars;緊隨其後的是LangChain,以98,184顆Stars位居第二,;MetaGPT排名第三,獲得了46,676顆Stars。

總的而言,Web2項目在貢獻者數量和代碼提交頻率上明顯領先,顯示出其成熟且穩定的生態系統。龐大的開發者基礎和持續的技術創新,使Web2項目在市場中保持強勁的競爭力。

相比之下,Web3項目儘管貢獻者數量較少,但一些項目在代碼提交頻率上的表現突出,表明其擁有穩定的核心開發團隊,並能持續推動項目發展。Web3生態系統雖然目前較為初步,但其潛力不可小覷,逐步形成的開發者社區和用戶基礎為未來的成長奠定了堅實的基礎。

在項目受歡迎程度上,GitHub Stars的分佈揭示了JavaScript和Python在AI代理框架開發中的重要地位。JS Agents和LangChain是最受歡迎的項目,顯示出AI與加密貨幣結合的趨勢正在受到廣泛關注。

雖然Web3項目的Stars數量遠低於Web2項目,但一些Web3項目如MetaGPT依然表現不凡,贏得了開發者的認可。整體來看,Web3項目雖處於追趕階段,但隨著技術的進一步成熟和生態擴展,其在未來市場中的地位有望穩步提升。

(二)主流區塊鏈AI Agent 框架。

代幣符號 項目名稱 主要特點 詳細介紹
AI16z ai16zdao AI代理領導的避險基金,結合低風險和高風險投資 由「盜版Marc」發行的Meme項目,基於a16z概念。結合低風險投資和AI Degen Spartan管理的高風險投資。背後架構「Eliza」開源,V2更新提升了靈活性和安全性。
澤雷布羅 0xzerebro 智慧體,創作音樂、Meme、藝術品和NFT Crypto Twitter上受歡迎的智慧體,能獨立運行於多平臺,創建社交媒體帖子,在Spotify發佈專輯,在Polygon創建並出售藝術品,與DeFi協議合作。
ARC 街機 AI開發框架rig,處理「意義之海」 團隊開發「rig」框架,幫助開發者駕馭「意義之海」——類似人類大腦處理語境和意義的AI系統。標誌著軟體開發從純邏輯構建向「意義處理」的轉變。
AIXBT aixbt_agent 基於Base平臺的智慧體,提供市場分析 通過智慧分析工具監控Crypto Twitter和市場趨勢,為用戶提供市場見解。部分分析公開分享,其餘僅限代幣持有者通過專屬終端訪問。
格里芬 Griffaindotcom 基於Solana的AI代理引擎 類似Copilot和Perplexity的AI代理引擎,被視為AI時代搜尋引擎的最終形態。用戶直接提出需求,AI提供結果或解決方案,而非僅提供網頁連結。
格里夫特 軌道密碼 AI代理代幣,簡化Meme交易 由SphereOne團隊推出,使Meme交易更輕鬆。用戶只需點擊一下,GRIFT就會掃描高交易量的Meme並自動購買,節省交易時間和精力。
ZODS 唑松索爾 Solana生態多功能集成平臺 被稱為「Solana瑞士刀」,整合交易工具、代幣發佈、錢包管理、鏈上洞察和社交媒體管理。支持多語言,提供AI代理、DCA訂單、鯨魚錢包跟蹤等功能。
阿爾奇 煉金術士AIapp 無代碼AI應用生成平臺 允許用戶通過自然語言描述,利用公共AI能力快速生成不同的應用和產品。用戶只需連接錢包並輸入應用描述,平臺會自動生成相應的程序。

來源:https://www.aiagenttoolkit.xyz/#frameworks

(三)現有區塊鏈AI Agent 框架面臨的挑戰

大廠競品的「降維打擊」。OpenAI、Google、Microsoft等科技巨頭正迅速推出官方級多工具代理,憑藉強大的資金和技術優勢,隨時可能佔領市場並將初創框架邊緣化。通過深度整合大型語言模型(LLM)、雲服務以及工具生態,這些大廠能夠提供全面且高效的解決方案,使得中小型框架面臨更大的競爭壓力,生存空間被極大擠壓。

穩定性和可維護性不夠。目前所有AI代理普遍面臨較高的錯誤率和「幻覺」問題,尤其在多輪調用模型時,容易出現無限循環或相容性Bug。一旦代理被要求執行多個子任務,這些錯誤往往會被層層放大,導致系統不穩定。對於需要高度可靠性的企業應用,這些框架目前尚難提供足夠的穩定性和生產級別的保障,限制了它們在實際商業環境

關鍵字: #區塊鏈
往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓