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：
3 l  A1 c8 Y8 M/ u* B) p
% k* V9 K3 C3 n' H  h· 食物与领地
8 L2 i1 f& N' L7 O5 r3 b, \" l· 配偶 / 伴侣
· 部落或社会中的地位
· 联盟与合作机会

. i$ ?6 c% A2 m! c% s7 n, f2 z- w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。

这一过程被称为「自然选择」。

0 a# L7 }. ^( S" c8 q2 G$ e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）。
! B; `( y: L/ i1 [
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 I/ }- g3 a" d% @& F& `9 H
& A$ c5 l" z/ x' w" R# z" M; g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 d% {  V9 s9 P; q6 |5 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。
! r- u. d4 `; L" l
0 A# t% K3 S2 ?5 i- k8 \3 C3 g2023 至 2025 年间，随着 ChatGPT 的问世，人工智能领域迎来了爆发式增长。
2 }0 C" t# @! t1 l5 e+ P; U/ d2 B
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。
  _1 X2 S- C/ Z5 j) Q6 e
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。
7 d8 @. H9 E  ?, C7 F9 t5 |; e
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」。
9 ~) l3 J1 v7 E9 M7 I. I
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；

· 表现最强的模型变体得以留存并「繁衍」（即优化迭代）；

3 T) B3 x' ?$ k9 u# |! m! a· 弱势策略则被淘汰。

+ q3 a! ?6 K- _, 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。
# {$ i& _. h9 T  c0 y" X
- |7 h- q2 A  o, ^3 m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。

- l. _3 z9 _2 r  U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。
0 A# I! u% s0 z7 i" ]* r4 v  t0 ^, ?
* g" p* [7 h! c8 e4 S+ }
+ A: y+ u6 ~2 ^% L- D7 j" d

「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」。

6 f( [' N3 C* Z8 E& N3 B3 h3 t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。

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。
9 \8 E# n5 Q: ]5 L+ _# ^' i" P
以下是一些最具代表性的竞赛案例
Synth（合成器竞赛）
' x6 d' e% b5 G+ h$ d/ w1 Y' o$ G; X（标识：SN50，发起方：@SynthdataCo）

4 `$ A1 t9 q7 B! M& T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）。

/ P* S4 N7 R' q  G% I! \「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。」

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。
: U9 g9 J! {% I+ z

「我们在 Polymarket 平台的交易最新进展：
7 T" n% J7 i, }& H0 A/ s4 e
& l2 g& t& J3 Z2 e/ }  `) j  Q・本金：3000 美元

・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。」

Sportstensor（体育预测竞赛）
$ @! P: T! T+ f! ^（标识：SN41，发起方：@sportstensor）
2 ~; R4 S2 i4 l5 G( ^
8 x1 F# W) |7 s+ T* |& i) 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。
6 |# t" g" G, S
# I5 f. G! o- `' X' }8 O
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%。
6 Q1 Y* Z0 _% b) t% ^
; D4 n4 L' a( Y; r9 K% zSportstensor 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 h6 M  R* S, B1 K4 J
& ]! g6 k& D% U2 b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）。
. P9 [! X- R; y9 C6 A6 ~: f8 O, ~
AION（市场之战竞赛）
% e7 b0 O; t" q* j/ }（发起方：@aion5100、@futuredotfun）
+ W" @1 G) M% e9 H, t
@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。

; d  w) Y2 q7 E+ I1 B) i# J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。

% V! Z3 ~% ?- M- E% w! ^. H9 H; L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。
: y% x# C, p. a, s% s
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。
! w, {+ I$ h) y9 M7 n( C
) K9 M5 u- B: @8 |4 w& iFraction AI（多场景 AI 竞赛）
（发起方：@FractionAI_xyz）
4 s; R. r; ?7 R* j& S6 U  V
' r( _4 M  K1 I$ |9 S$ u+ s4 W# g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。
% I. _! Z/ L5 _3 }+ v1 h8 W3 I
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。

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。

) h2 d3 [5 p9 K9 a1 f: F8 ]; L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）

+ l- U: @. z0 y3 r* R9 x2 a1 mAllora 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」。
5 a2 o9 e$ A  O4 L1 ?  ]
' b1 `8 n5 R0 L# ^1 A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。
  I! P6 I. n2 y
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。

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。

' l0 {7 Q0 V* [% R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。
3 ?: _: @  P3 R, r
其他值得关注的竞赛
8 d4 k4 w8 j3 x（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」。

$ u6 K$ S$ W% p6 b& V+ `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。

' r* X, y- u8 F（2）非金融类竞赛
* b3 ]6 e) p/ T. q6 q$ i' FRidges 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」。
4 r& o/ c  J( L$ j
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。
! @0 r+ B5 ?7 C- l
- x/ r! o( m0 {) @# T* _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。

0 G) E5 n3 a& Q6 D# X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。

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？
, s9 i" I$ ~) F5 E1 K' g, K: J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。

+ I5 _6 q5 Q) S% l8 B8 I未来，强大的模型与智能体将诞生于「去中心化环境」中。

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。
0 u7 A. q; M4 I$ [# a  O
) e& d) x4 f0 H6 _& K0 a' n8 V) P' i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
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。

' n- m! G. \( e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。
% N9 U9 I& P" O+ ?5 v* F
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。

! Q# L9 z9 U: J1 o& w: Z: a! a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」。




: m* ?* ^# d) {* q$ d* O

" q; }0 e# {# V
7 v* m3 \9 e# f
8 w. f7 m" j7 X- u% t1 k$ n, p. i

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。