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
, `6 U: d2 G8 K. M: k· 配偶 / 伴侣
3 `7 f! P0 _8 t0 ]9 m  ~· 部落或社会中的地位
9 N* H+ h! C: O; E· 联盟与合作机会
# w1 k6 I# h- X3 w4 a' ?7 S
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。
# Q2 b' W( k( j0 O3 c. J
这一过程被称为「自然选择」。

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）。
  F4 L: y: q& N8 r2 Q
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？

6 w# M, W8 ]" b2 s, w% r* O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。
8 S! L9 \" f9 y  @2 h: ?3 }
/ a. k* R8 D3 m7 n* Z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。
5 _, W* B' A* O1 r
+ o+ ?$ J4 ]: z5 j4 `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。
) F! t1 z& h. i) o# X; M; W' I
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。
7 D' \3 G* @" P; E2 y( R/ @
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。

, v$ Y  `: r( B9 x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」。
5 V, J% q- u5 l! Q2 e( Z- g
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：

· 每一代模型都会与上一代模型展开竞争；
# k' l1 x) @: e* I% z/ [
· 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。

" P8 x6 E9 g) S& G3 I( M$ h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。
/ Y& d( Q" c$ v: d2 i
( M1 P; K4 h' X6 h9 J8 Y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。
: W8 \* y) n5 A
, P3 k* P1 U+ \5 u) m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。
2 }! s" N* i0 j! A! x

4 x- H# D! t, e

「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 y, u8 Z8 }4 y& F( s
" n2 P- H* S$ k) \" I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。
: }/ C( E( ~! z. x9 W6 F4 `2 G; M
* N$ }6 P! z1 b$ TNof1 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
( b2 x7 _+ Z8 i1 _Synth（合成器竞赛）
! ~! J& N+ b9 O# M; W5 d（标识：SN50，发起方：@SynthdataCo）

4 A: y7 \- q+ |) f& A8 E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）。

; \# q8 Y% b) q5 m「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。」
# S& T3 w% `+ I8 R9 D/ e
2 s. ~+ Z7 S6 a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。

" G# k' {% Z8 _3 C
「我们在 Polymarket 平台的交易最新进展：

: d( Y/ r  N5 A9 w5 O・本金：3000 美元

7 f6 H; t0 N' f  O・利润：5521 美元
5 P. X( N3 }/ z4 n3 D3 [
# `  u8 G+ U8 D1 T: u・投资回报率（ROI）：184%

・年化收益率（APY）：3951%

* H1 k% T: c6 l6 B5 c4 y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。」

( r1 g2 V+ V! S$ pSportstensor（体育预测竞赛）
（标识：SN41，发起方：@sportstensor）

; E+ X2 i" }" j( 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。
, |9 N$ k6 `8 x2 V% R6 q$ p  ?. _

/ C6 S/ [6 @4 ~. ^! g+ i$ w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%。

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。

8 ?! @0 ^4 e8 _' z& ?& ?3 ^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）。
# ?4 F' O" l; t; b" L- l" f3 W! [
AION（市场之战竞赛）
（发起方：@aion5100、@futuredotfun）

) O1 E/ @  G/ f& S* P$ F@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。

) x( Y$ P5 n2 A7 b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。

: H6 N  |7 c5 Q2 i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。
5 G# s7 O) |# V: T/ a9 G2 \
, f" C" v) L6 m. [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。

* q" r1 C" L' CFraction AI（多场景 AI 竞赛）
) _+ E) }+ `7 }( y! b2 Q（发起方：@FractionAI_xyz）
  k! I1 R" n: w) a/ g
# f' o2 y5 p1 i5 c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。

' J. K9 o1 h& F8 k$ P( Q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。
( ~1 ]$ ^% j. _. P. y
: D! w  F/ K+ h+ y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。
5 u( N* R/ k4 w
# A" {+ _( \1 O: V$ `( PAllora（金融微任务竞赛）
（发起方：@AlloraNetwork）
8 x8 d! @0 g; G
2 H4 v" j+ x$ J: B1 ZAllora 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」。

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。

1 t8 M3 G- b9 V3 p/ s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。
4 \+ ?, O' J: y/ Z
6 L' A) L8 Z& ?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。

: ^. F9 s! C& {3 W! K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。

' Q9 j! Q* @" N其他值得关注的竞赛
. Y; |6 s. c4 t. G" k（1）金融类竞赛（补充）
0 }3 s) B' r1 t$ {6 n( k& ^! oSN8 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」。
) }8 s3 F2 f: B: J( K2 C
# n( Z$ r( t; w9 RNumerai（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。

) S8 G' O( l! ~# Y' x（2）非金融类竞赛
1 p$ H9 d% x  n" F  _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」。
* s$ O4 X6 d2 E5 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。
- S$ ^! u0 l& z# v9 ?3 \
' Y* L2 I+ B3 ?7 s这一切意味着什么？
) T0 g, z2 ~- F- r$ L如今，人工智能的进步正通过「公开竞争」实现。
/ v# X2 E- J/ S4 W& r
% W4 F& c1 |( y# f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。
4 ^9 o' y4 j1 g; Q
" X! X+ Y. t% s# w# y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。
8 j" R5 u) W6 m4 r3 h
, K( T/ G8 Q/ g! y/ O- E2 {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？
4 p$ W8 i  O* ^0 E! n3 l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。
5 N( D1 r) R( ?9 N) g! c  L
未来，强大的模型与智能体将诞生于「去中心化环境」中。
( v. K, W3 m% ?1 m% q7 P$ E
' K$ `: f. K# R6 y: c* f4 ~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( z! r& p1 y0 G7 K& r, O( @
9 Z, ?, F! B) A& ]1 Q! f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」。

, i0 \3 ^, ?- t  d) _最后一点思考
: Z: ]2 l' f# Z% p/ N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。
  B/ B- f( ~4 c4 u- V
" v. g' b( j6 h7 B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。
( Z% D/ U8 E6 X; K5 y" B( g
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。
; h3 ~) Y) Y/ e; M
6 q" \% p! a2 ^0 t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 _6 @. z9 K1 q- D. s% ?( J
# n2 C" W/ Q; e7 Y' Q. {' b

7 I! H% b# j  u7 Q
5 ?3 e  n2 U  Z- C

6 R. _# G- Z% t' V& y+ i5 c; n& O

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。