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：
7 _- P( ]8 Y) c% S# S/ E$ e; ~- [
· 食物与领地
+ s- I4 W# r$ G! U6 x+ O9 m1 o· 配偶 / 伴侣
· 部落或社会中的地位
· 联盟与合作机会
4 l" E  @6 m' {1 r- Y- J) w- w
; {0 [6 Y6 _8 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。
$ D0 }; {/ {# _' ?- O
这一过程被称为「自然选择」。
: E( ]: B* H4 r6 I" Y5 f$ {2 Z& X
# U: p2 b1 F/ T" X) B1 j9 p1 @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）。

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？

- j4 `; c5 F1 D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。
7 m5 L0 k4 A% L3 ^" [2 F  v) u
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。

) W7 z& m7 P" W2023 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 w1 |6 I  x& C% y# `
# }9 l( V9 u8 N" ^0 W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。
. e' a& d5 H& g4 X
# z& W) `2 a; z' r! 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。

% |% L& u+ U$ v5 T8 k1 k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 O) a3 A+ n$ AAlphaGo 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：
. I. k" X5 j8 _8 X6 ]
· 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。
; \' y5 U$ b: D6 F2 s  D% U5 m! M% O
  A0 y. T* A- j* R6 u7 G6 d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。

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。
, B, a+ v8 p; k) c' D
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。

# [8 V: ~9 w% r% a; b

「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？」

, o% l- J9 Y9 a0 Z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」。
7 H/ |! q0 r; H2 p7 g
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。

4 k- z+ a& q! _9 x4 I3 I9 W0 @$ |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。

以下是一些最具代表性的竞赛案例
( L5 k! n1 ]! u& I' sSynth（合成器竞赛）
（标识：SN50，发起方：@SynthdataCo）
' i+ d, p) ^/ W" I; t
0 C/ o! _% n6 ?8 W- z4 e& 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）。
' r( M9 r: @3 `2 @1 D2 E; L4 T$ [$ x
. x( |/ M/ |( O& z  @" v+ o「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。」

/ r% Y  h) I3 @" G3 K: N0 r: X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。
8 P! o' H; V: v  T
7 s+ M$ G/ g3 W
「我们在 Polymarket 平台的交易最新进展：

. T; C2 ], ^+ n・本金：3000 美元
$ C7 c  p0 ?7 ^) P: q& l8 J
・利润：5521 美元

・投资回报率（ROI）：184%

) ?: g: J* e$ A! y2 `# u% V・年化收益率（APY）：3951%

" v  B  M1 L; j1 K: p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。」

3 W" Y" G3 t1 C) Z* eSportstensor（体育预测竞赛）
（标识：SN41，发起方：@sportstensor）
$ P& ?, v+ A4 B4 K9 g7 h
( y; Z  R* [: ]7 A" c0 F, K6 Q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。
7 S, }' }3 }6 P4 G7 V

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%。
, F2 U  s/ K( ]0 F
# l: B0 @: H" X; B2 _- l/ s3 HSportstensor 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。

7 F/ @- p7 R' c3 H, t) Y7 I4 a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）。

' v  `: f0 H" w/ t# V4 J- rAION（市场之战竞赛）
8 @' I- G( r9 n, ], e, _（发起方：@aion5100、@futuredotfun）
& @. m7 I, J2 D& y3 r
@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 ?) m3 x5 q/ J
9 [' k9 M, O0 o" D% {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。
+ E- w* }4 @/ F
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。
; I: t3 W* T: X9 t$ M
& J* c, D1 s- k: U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。
+ F* }  z4 K! ^  Y/ E# R3 t1 n
Fraction AI（多场景 AI 竞赛）
! g* W2 J4 l8 M$ B5 X. Z0 `' m（发起方：@FractionAI_xyz）
. T) q& E& ]& z( g% [! L: O
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。

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。
' M; b5 z* y3 N; S, m
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。

3 [2 N9 q/ |  ?3 G6 X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。
* ]2 A, D# Z2 m# p8 l2 p
# r. s; t( R3 |# vAllora（金融微任务竞赛）
（发起方：@AlloraNetwork）
5 U2 b3 B" P& V' Z5 U
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。
; ^- j% ]& e9 }) \
$ B0 N' }: N0 Q; 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。

  c3 `  Q9 {7 m" @* R2 C" L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。

! t6 V7 U& n/ c4 N  W% g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。

/ k7 s  z9 L. v8 t5 I其他值得关注的竞赛
  o) e+ B- [. F+ F（1）金融类竞赛（补充）
8 Z* n& Q1 ^3 z8 pSN8 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」。
/ ~+ b6 h' e$ @1 z8 v0 b/ k
8 R2 j' T, P4 U6 B5 s+ |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。

0 l1 v6 m! T7 V（2）非金融类竞赛
( h' u; Y* j( l. |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」。

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。
) _' N, \' F+ D; 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。
* |" r7 A0 ?# c( x4 s
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。
! w! Y( y- s' p" ^% F% w
! x! [7 C, `, D/ [) @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」）。

8 Q. i: }* [8 b& P5 k9 N2 F  j未来将走向何方？
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。
/ C3 K" I3 Z* T. j+ d, `8 B# O
4 ~# |, f- e& V; v4 B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。

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」。
+ J3 `& |7 T7 W
3 G" g  [, w; s最后一点思考
) X( U) J1 U0 K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。

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。
9 \' Z* c3 E2 ]+ N
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。
9 i0 e% m* K( f  `+ q
1 }' ]% u, F  A9 A( I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 l4 F+ L) n0 i, |5 }( h! W

3 p1 d+ o# |* T) J% j7 R" U
& [6 A. f  H( C3 d& ~. D5 I2 |0 F
) |& n4 \. c( q" f0 c
- \( n$ i9 e0 B3 L+ [
! t1 k  t' U5 e* P; ]4 G2 I* w

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。