AI 与 Crypto：不是“加不加”的问题，而是“什么时候需要” 这个周末我去参加了一个很火爆的 OpenClaw Demo 活动，担任评委点评项目。 另一位评委是 Web2 圈非常有名的投资人，在这一轮 AI 浪潮里押中了像 MiniMax 这样的明星公司，战绩非常漂亮。 但他有一个非常明确的观点：不看好 Crypto。 他的逻辑其实也很简单——如果一个项目本身是一个很好的 AI 产品，但为了发币硬塞区块链进去，那基本就是把自己的路走窄了。因为一旦带上 crypto 标签，在融资、监管、用户认知上都会立刻进入一个更复杂的环境。 坦白说，这个观点我部分认同。 过去几年 Web3 确实有大量项目犯了一个错误： 先想发币，再找产品。 很多项目的区块链部分其实是完全多余的。 如果一个产品的核心价值不依赖链上机制，只是为了 Tokenomics 而加一层链，那基本上已经被市场证明走不通。 所以当一些 Web2 投资人看到“AI + Token”的项目本能反感，其实也不奇怪。 但问题在于： 很多人因此得出了一个过于简单的结论——AI 不需要 Crypto。 我认为这个结论同样是错误的。 AI 与区块链之间的关系，从来就不是一个“是否需要”的问题，而是一个在什么阶段必然会需要的问题。 而且随着 AI 进入 Agent 时代，这种需求会越来越明显。 ⸻ 一、AI 协作需要“可验证性” AI 未来不是一个模型，而是一整个 Agent 网络。 一个复杂任务的完成，可能需要几十甚至几百个 AI Agent 协同完成： •有的负责数据获取 •有的负责推理 •有的负责执行 •有的负责验证 在这种体系里，一个核心问题会出现： 谁做了什么？如何证明？ 如果所有计算和数据都在中心化服务器里，那最终只能靠平台信用。 但当 AI Agent 之间开始进行大规模协作时，可信记录和可验证执行就变得非常关键。 区块链的价值就在这里： •可验证记录 •不可篡改日志 •可编程结算 换句话说，AI 需要一个可信的协作底层。 这也是为什么像 0G 这样的基础设施会提出 DeAIOS（Decentralized AI Operating System） 的概念： 让 AI 的数据、计算和行为可以被验证，而不是黑箱。 ⸻ 二、AI 开发者需要新的激励体系 在 OpenClaw 的生态里，其实已经出现了一个很明显的问题。 很多开发者在开发 Skill。 这些 Skill 本质上就是 AI Agent 的能力模块。 但问题是： 开发者很难从中获得长期收益。 今天的模式大概是： •开发者贡献能力 •平台获得流量 •平台掌握收益 这种模式在 Web2 很常见，但它并不适合未来的 AI Agent 经济。 如果一个 Skill： •可以被反复调用 •可以组合进不同 Agent •可以在不同应用场景复用 那它本质上就是一种 数字资产。 而资产的确权、交易和收益分配，正是区块链最擅长解决的问题。 未来很可能会出现： •Skill Marketplace •Agent Asset •自动化收益分配 AI 能力本身会变成一种可交易的资产。 ⸻ 三、AI 数据主权问题会越来越严重 AI 的发展正在快速逼近一个新的问题： 数据荒。 高质量训练数据正在变得越来越稀缺。 同时，大模型公司已经在大量使用互联网内容进行训练： •文章 •图片 •视频 •代码 这些内容的创造者是谁？ 人类。 但在现有体系里，人类几乎得不到任何回报。 如果这种模式持续下去，很可能出现两件事： 1️⃣ 数据质量持续下降 2️⃣ 创作者动力消失 未来一个更合理的体系应该是： •数据有来源 •数据有所有权 •数据可以被授权使用 •数据贡献可以获得收益 这其实就是 数据资产化。 而区块链正好可以提供： •数据确权 •数据授权 •数据使用记录 •自动分润 简单说： AI 不仅需要算力，也需要一个新的数据经济体系。 ⸻ 四、Web3 从业者不需要羞于表达 最近在很多 AI 活动上，我也发现一个很有意思的现象。 不少做 Web3 的朋友在自我介绍的时候，会刻意淡化自己的背景。 甚至有点不好意思说自己来自 Crypto。 我其实觉得 完全没必要。 Web3 的确经历过泡沫、叙事过剩和很多失败的项目。 但这并不意味着技术本身没有价值。 很多技术路线其实是超前于时代的。 现在 AI 的发展速度正在重新打开很多可能性： •AI Agent •去中心化算力 •数据资产 •AI 协作网络 这些问题，本质上都需要： 一个可信的数字经济基础设施。 而区块链正是为这种系统而生的。 ⸻ 五、真正的问题不是“AI 要不要 Crypto” 真正的问题其实是： 什么时候需要。 如果一个 AI 产品： •不需要去中心化 •不需要资产化 •不需要协作网络 那确实没必要上链。 但如果未来 AI 进入： •Agent 经济 •AI 协作网络 •数据资产市场 那区块链几乎是必然出现的底层设施。 所以我其实很能理解那位 Web2 投资人的观点。 只是从更长周期来看： AI 和 Crypto 很可能不是竞争关系，而是互补关系。 AI 负责智能。 区块链负责信任和经济系统。 当这两者真正结合的时候， 我们可能会看到一个完全不同的数字世界。 而现在，其实才刚刚开始。

【AI商戰】OpenAI跨越了Anthropic不願逾越的紅線 談到AI自主殺人的議題，OpenAI 表示會透過不在「邊緣」部署技術，其AI不會直接做出生死攸關的判斷，此表態更為其贏得了一份價值 2 億美元的政府合約。相反，Anthropic近日就因拒絕跨越倫理與實務紅線，面臨威脅其業務的懲罰。

我这边这AI 不知道是跟谁学的，好像有点学歪了。 我让AI 给做一张海报图片，介绍一下MANA Learn 可以帮助大家练习和掌握一门新外语，我就跟他说希望能够特别吸引人的那种。 结果AI 就给了做了这么一张图片。这路子是不是有点野啊？

@grok 这个傻逼 AI不回答，换 @ChatGPTapp 去回答了 话说，GPT挑了几个归零币 不过也对 归零了才有10倍空间 以下是高风险观察名单，不等于买入建议。所谓未来一年有现实可能涨 10 倍，我按三个条件筛：市值还没大到压死空间；叙事能吸引增量资金；未来 6 到 12 个月有明确催化。10 倍概率都低，核心看仓位和止损纪律 股票 5 只 1/ QBTS，D-Wave Quantum 量子计算里弹性最大的标的之一。D-Wave 自称同时做退火量子和门模型量子计算，并强调已有商业优化用例；这让它比纯远期故事更容易被市场交易。问题也很硬：此前估值已到数十亿美元，收入基数仍小，10 倍需要整个量子板块重新进入泡沫级定价 2/ RGTI，Rigetti Computing Rigetti 是量子计算高 beta 标的，2024 到 2025 已出现过极端重估，说明市场愿意为量子叙事付高溢价。2026 年 5 月初市值约 58 亿美元，若 10 倍就是约 580 亿美元，难度高，但在量子突破、政府订单、AI 算力叙事叠加时仍有交易性空间 3/ LUNR，Intuitive Machines 月球经济和 NASA 合同驱动的太空基础设施标的。近期 NASA 授予其 1.804 亿美元合同，任务是向月球南极递送 7 个科学与技术载荷；如果后续 CLPS、通信、月面基础设施订单连续落地，市场可能按太空平台公司重估它。失效点是发射失败、任务延期、合同毛利不及预期 4/ ACHR，Archer Aviation eVTOL 空中出租车赛道里最有交易弹性的名字之一。Archer 表示美国和阿联酋空中出租车试点计划按 2026 年推进，并提到美国佛州、纽约、德州被选入白宫试点项目；同时它仍处在高烧钱阶段，近期财报显示销售额极低、EBITDA 亏损扩大，10 倍要靠认证、商业首飞、订单和政策同时配合 5/ SOUN，SoundHound AI 语音 AI、餐饮汽车客服、agentic AI 叙事都有。公司 2026 年 Q1 收入同比增长 52%，同时宣布收购 LivePerson，管理层把整合后的机会描述为 5 亿美元级收入空间。它的 10 倍逻辑在于从语音 AI 小票变成企业 AI 代理入口；风险是并购整合、亏损扩大、AI 应用股估值退潮 加密货币 5 只 1/ ATH，Aethir AI + DePIN + 去中心化 GPU 算力。Aethir 价格仍处低位，OKX 5 月 8 日显示市值约 1.29 亿美元， 近期也显示其较历史高点回撤超过 90%。这种小市值、强叙事、深回撤组合，才有 10 倍数学空间。关键触发是真实 GPU 需求、收入回购、AI 算力叙事复燃 2/ IO， 同样是去中心化 GPU 云方向，但市值更小。CoinMarketCap 显示 IO 市值约 5393 万美元，24 小时成交额甚至高于市值，说明筹码极其活跃，也说明波动会很凶。10 倍逻辑来自 AI 算力租赁真实需求和 DePIN 轮动；失效点是代币释放、收入不足、同赛道竞争 3/ AERO，Aerodrome Finance Base 生态核心 DEX 和流动性中心。CoinMarketCap 显示 AERO 市值约 4.22 亿美元，CoinGecko 显示价格距离历史高点仍有较大空间。它的 10 倍条件是 Base 生态 TVL、交易量、Coinbase 生态叙事一起爆发；风险是 DEX 手续费竞争、激励衰减、Base 增速放缓 4/ VIRTUAL，Virtuals Protocol AI Agent 叙事核心标的之一。CryptoSlate 5 月 8 日显示 VIRTUAL 市值约 6.09 亿美元， 显示其仍明显低于 2025 年初历史高点。10 倍需要 AI Agent 链上应用重新爆炒，并且 VIRTUAL 能拿到实际应用、交易量和生态收入；风险是 AI Agent 热度反复和产品同质化 5/ TAO，Bittensor AI Crypto 龙头，市值比前几个大得多，CoinMarketCap 5 月 7 日显示 TAO 市值约 32.9 亿美元。严格讲，TAO 10 倍要到 300 亿美元以上，难度比小币高，但它有龙头溢价、AI 叙事正统性和机构可理解度。若下一轮加密主线是 AI，TAO 会是资金最容易先打的标的之一 我的排序 进攻性最强：IO、ATH、VIRTUAL、QBTS、RGTI 相对更有基本面抓手：AERO、TAO、LUNR、SOUN、ACHR 我会把这类东西当期权买法处理：单个标的亏 50% 到 80% 很正常，真正的收益来自少数一个打穿天花板。仓位别用价值股逻辑，用风险预算逻辑

AI 会犯错误，而且喜欢犯同样的错误，如何确保在更换模型、切换上下文的时候，AI 不再犯？ 最有效的办法就是，把 AI 犯过的错误记录下来，然后将它变成规则文档或者程序脚本，每次提交前都强制检测一次，成为门禁。 我当前的设计是，AI 犯错后会自动更新两类产物：1）rules docs，每次 AI Code Review 的时候，会加载这部分内容；2）governance scripts，将可程序化的检测工作全部变成脚本，例如 git commit 规范、大函数检测、单测覆盖、代码引用规范等等。 项目跑的越久，AI 犯错的概率就越低。

5/ 康宁CEO说了一句话值得记住： "AI不只是一个技术故事，它是一个制造业故事。" GPU在聚光灯下。 光纤、材料、工厂在幕后。 但没有幕后，聚光灯就不会亮