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：
0 k3 m5 l; X0 x3 k# y' ?1 T$ h
# F# c1 [# I, w2 _  y( a3 B" D: G· 食物与领地
+ c; _% g. ~) _. k/ E/ p· 配偶 / 伴侣
· 部落或社会中的地位
5 Z7 g% ~+ x- Q" f6 Y+ e· 联盟与合作机会
; u% b9 [3 f; H, z( ^: X3 L6 a
' r/ T: l' j% T9 ?3 M" R6 Y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。
7 Q; q" e0 j2 G" j. v3 i1 _6 n
这一过程被称为「自然选择」。
& B  N9 y0 G- Q2 M
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）。
5 N2 O3 Q* [  w, U( s2 ?6 N
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？
2 M( c; C1 _- F
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。
6 ^4 n/ j6 f6 U' T' S2 G
% h" |# i$ O/ _# [  L0 w7 G4 m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。
& t# q! B( V) J! B8 s
2023 至 2025 年间，随着 ChatGPT 的问世，人工智能领域迎来了爆发式增长。
4 z1 [4 c/ Y% A7 K. g
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。
* c! d; Z5 N& s- \! q" |
% S' F7 `4 G6 w' A* k- X, s6 P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。
3 o( ^( |5 B& ]2 _8 g. ]
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」。
8 h) X; B. ?9 m$ b# r% {1 ]6 b. X
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：
; S( p6 ~4 r* b6 o1 R- o
  }$ U" O. x4 T" }6 j/ Q$ u· 每一代模型都会与上一代模型展开竞争；

· 表现最强的模型变体得以留存并「繁衍」（即优化迭代）；

· 弱势策略则被淘汰。
6 J, I4 {& K8 l
9 h5 E: ^: l$ P# w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。
' R: T/ d" Y5 r# R
  F5 K* [8 f0 i# p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。

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。


4 j" d' Z4 s- [8 X6 U

「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」。

. {, O( W: q6 h3 h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。
* E) ~9 f: g2 |; W  P
Nof1 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。
# E+ G/ O8 H" n
6 h$ V- f" \( X! ?; x- C以下是一些最具代表性的竞赛案例
8 z  P0 u# {* P: q8 cSynth（合成器竞赛）
（标识：SN50，发起方：@SynthdataCo）
9 j3 V1 y" e8 i# g
; V; A1 _2 z  S2 m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）。
+ ~: s- j; m" I1 L. L0 z
5 Q, \3 ~- q  A9 Y! @9 C. L, O6 L  Y) }「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。」

/ h1 X: g* \' ]  D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。
6 ^: x6 ~" a! k, A" [1 T! }
& h& p0 S$ ?7 A8 b
「我们在 Polymarket 平台的交易最新进展：

- |0 O% N* t. K・本金：3000 美元
. Y. n% _) Z/ M5 S2 O- P3 p2 F4 {
・利润：5521 美元
! {+ B& P4 e' C9 l3 P2 u
" x3 i. `3 |4 b3 E; K- n: ]* E・投资回报率（ROI）：184%

* d3 J1 P; @' u2 _  U・年化收益率（APY）：3951%
  _! m1 [* r' ?2 D) z6 N4 K2 R
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。」
5 B1 h9 m$ r) @5 c
Sportstensor（体育预测竞赛）
（标识：SN41，发起方：@sportstensor）

! G4 Z1 \4 {3 p6 X! G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。
3 r+ z; G* w1 O8 ?" ^8 V

6 ~1 C4 q4 B' |. s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%。

& H4 t. r: {1 E3 o$ WSportstensor 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。

; k1 J5 ?  S2 y8 ^7 Q- ^0 Y3 B! Q( b6 n, G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）。

AION（市场之战竞赛）
（发起方：@aion5100、@futuredotfun）

) p4 ?4 F! k9 W0 y# x' K@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。

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。
2 p( ]3 l3 v1 p9 |" N+ W4 I
5 t3 R) b! n: d: k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。

Fraction AI（多场景 AI 竞赛）
7 `2 n4 W" [, O0 j7 U' Z% y（发起方：@FractionAI_xyz）
7 C# e# O6 ~$ [! ?9 Q
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。
% m1 ?7 x% H$ [+ }" _9 ?
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。
* ~8 ~3 |; `' C# W' Z# J& A
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。

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。

Allora（金融微任务竞赛）
（发起方：@AlloraNetwork）
4 R+ n/ T- T) V4 u6 g
7 o6 Q# X0 W+ a! x: UAllora 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」。
) g) ?* }  }( ^1 ?" [$ D0 C  [
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。

) c* v# i) f0 S5 T# e1 V8 {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。

+ p. h$ a/ J7 k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。

' v$ _, J; H' i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。
$ _& c) Z* F+ S; A4 Y  R. L' M
其他值得关注的竞赛
（1）金融类竞赛（补充）
/ r, h( g- Y. o* W! X5 o+ l! mSN8 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」。

6 U' l7 n  _2 g% `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。
* y: }$ `$ C" t9 b
（2）非金融类竞赛
Ridges 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」。

! x1 Q1 W1 E2 p! D' j. k- xFlock.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。
6 n' ^) W6 r2 e- b% l
; ?2 [! X% g# O8 x) ?+ Z& P6 H这一切意味着什么？
如今，人工智能的进步正通过「公开竞争」实现。
5 ^+ U; S( g9 d' D
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。
( X6 v) _2 ?0 M
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。

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」）。

未来将走向何方？
9 R+ a, L! C3 P: k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。

9 H  F% O3 r3 r" K未来，强大的模型与智能体将诞生于「去中心化环境」中。
  w5 {) [8 G( w4 p  d% \
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。

; x( d. `: K, p) r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」。

最后一点思考
# b4 s0 e$ _6 J+ v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。
. ^( f9 Z  ~1 j, ~) ?; Y
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。

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。

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」。
$ _* a9 [; y6 k2 Q- Z


9 t; s# [, e2 _* O  L" z





' `. q* G' S: Y" }* V2 _/ }

模型无解模式，生存还很遥远的

足球比赛也是搞起来了，不错的坐等好结果的。

是挺好的，也是为数不多能够使用的交易平台

祝福楼主可以盈利啦，有空我要向你指点一下

还行啊，现在我也是用这个交易平台

这个也是能够看看大家推荐的交易平台了的！

足球玩的都是运气，不管心态好不好总是会能赢的。

交易平台一般肯定是会选择能够相信的啊

足球的有些玩法还是可以多看一下的。

足球专家那也就是啥子玩意的都是懂得的

看看你今天的足球赛事这次最终是不是能够成功的收米吧

这次游戏能够赢钱一天的生活费我也满足了。

这个游戏有收获还是最好的结果了呀。

这个交易平台我还实在不了解到的.

足球我只玩单场的比赛，困难的都搞不了。

这个游戏可以自己好好把握，也是很好的。