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：
) I$ \- K' j4 m" Q" ?
2 C" V* f  j- e. h" ~· 食物与领地
2 c6 Y2 }2 I2 A+ G6 n( D, _· 配偶 / 伴侣
· 部落或社会中的地位
· 联盟与合作机会
7 q0 C* Q# [2 B1 p2 P
7 w0 I3 D/ z" F6 X( c: X: h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」。

4 M" W) X% Y+ r+ c4 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）。

+ o' A: n: Y' x& V: F+ b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？

( {/ z6 [) Q6 ~: w" q6 g  `0 w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。

1 J4 Y4 V0 i' ?8 L9 J- l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。
7 o' d( Y8 H, K" e8 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。

: F* C2 t1 X) [3 t2 U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。

* b0 |( t9 ~5 w5 M& A4 _7 |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。

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」。
( s6 \4 t' [* `# }* g& v, P. l
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：

0 F% h0 q5 o0 j· 每一代模型都会与上一代模型展开竞争；
! \$ c. [& W* @' `/ U. |* F
% n/ B% L$ @7 o' m· 表现最强的模型变体得以留存并「繁衍」（即优化迭代）；

* Z" j% x' b: J3 m& P· 弱势策略则被淘汰。

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。
- k- k0 T8 b. x" T
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。

. Q, E' a- q8 H加密领域中的达尔文式 AI
) _: x- Q2 H  w; g% o3 V8 RNof1 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。
* m" \8 @& A+ S2 S+ K. A

& e  f0 D1 g0 `$ f% y3 r3 g* x

「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」。

# O1 M9 Q  o) p1 a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。
" m4 ]! T% e0 _. V
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。
5 `) I+ X' g  i7 _+ ~
以下是一些最具代表性的竞赛案例
* b2 Q! H+ m( ISynth（合成器竞赛）
+ Z( H; m# k2 @+ p（标识：SN50，发起方：@SynthdataCo）

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）。
2 u# t  U9 Y& ~2 p5 r
「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。
1 l2 I2 _  [: M' N( x* B; \
0 k& B$ [* T# q  \# {
「我们在 Polymarket 平台的交易最新进展：
6 T- t* W  j1 o! A" b' D; k5 n/ I
3 K. S0 X0 o" d: O・本金：3000 美元

・利润：5521 美元

4 h( }: x3 g  \/ W5 J# x・投资回报率（ROI）：184%
" H6 h! f2 y6 i$ m" D& b
・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。」
4 C, d! p4 b8 p8 ~. u' t9 v- b
Sportstensor（体育预测竞赛）
% ~6 W) ], d1 K. ~/ p（标识：SN41，发起方：@sportstensor）
. j. \7 m& e5 h! o& @" e5 U
7 a* C& f9 v. A& A# A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。
$ _4 o& m# h( I
5 Y. I6 Z9 P3 i. {- k
' u( Q3 y' l0 Q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%。

/ X" C2 y* m$ t  c' H/ H: ?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。

" F8 P7 d( R" X' C! s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 O% k6 m1 p, G7 Y6 }7 Q8 M( q% e" @AION（市场之战竞赛）
（发起方：@aion5100、@futuredotfun）
0 n$ V0 `- C6 v' r' o# J6 s9 D
4 d8 Y- @$ g3 s# b& ^4 b@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。

5 I" F& v& B/ o2 s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。
0 q- B5 X3 G1 }7 d" {
: g' L- t% J0 ~1 I+ x6 h7 W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。

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。
4 i0 B8 y4 X* y, G5 ^1 M7 p, @- b
Fraction AI（多场景 AI 竞赛）
' {) v/ W, a. K7 j7 T" R9 b（发起方：@FractionAI_xyz）
. u+ N* L& E; j0 T
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。

6 \) ~! f6 |8 E- s: z% B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。
* Q: E; `* e6 m# ~$ p$ {! z
( f3 K/ f; ~; W# n) T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。
) B5 o4 t$ u( N6 v
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。
- k6 i; ~8 ?! m1 w4 P
Allora（金融微任务竞赛）
# f/ W+ z3 \  Q7 F/ l7 j! {7 i6 F+ Z（发起方：@AlloraNetwork）

Allora 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 $ALLO 代币激励。
+ J1 B5 ^/ W$ L( i% p  ^9 H
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。
0 p5 l& r+ G) J& {' ~
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。
- m0 J* S( a3 e. G
" i6 f, b4 Y7 |* R( E$ Q/ u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。
* w! E& Y" _2 T7 b( G
其他值得关注的竞赛
- e0 H* o0 P7 P  e6 \# M（1）金融类竞赛（补充）
1 ]; w- n/ l+ }7 SSN8 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」。

/ H; K6 x# [* c  ]9 A8 CNumerai（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。
3 i# h5 ]! ]5 |  j& }. G
- p  E: N' F5 H2 h7 N（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」。
6 n8 B$ @7 x6 F
- _' L3 h& A. |' a- s3 A9 n5 MFlock.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。

这一切意味着什么？
' H# v& v; J- b8 p如今，人工智能的进步正通过「公开竞争」实现。
- |& I9 m! K* M  _8 v0 ^  ~) g( e
$ U* \* {0 |5 A/ i& g3 e6 }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。
3 G( w: u! B7 i4 `. |% P
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。
; E+ R- o8 j2 ]
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」）。
9 C4 H  H6 k+ `% q7 j- P
未来将走向何方？
* {& T+ O3 i  K6 r! @7 A6 f' M. 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。

1 _2 `) k& S! Y) H) q未来，强大的模型与智能体将诞生于「去中心化环境」中。

6 O7 O$ d9 y% G$ ?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。

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」。

2 A* R( C1 j. `8 B' p最后一点思考
8 @5 M- e  A7 m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。

, E  j8 d1 e# v6 J' N/ m) ^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。

" u6 J0 J4 H! C& W* T+ x/ D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」。
: G, z# `% g! W7 g


; H3 C  q8 I) i: g: m
2 f! J: e: Y1 v% G% E/ z! H


! }" b, l" V4 W8 Z

3 T& }$ J0 N8 Y* K. p0 f

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。