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
  L+ }3 ]' j6 ]: t9 D9 z& @3 S· 配偶 / 伴侣
: X7 Z) h6 D8 ~$ ~· 部落或社会中的地位
· 联盟与合作机会

; X  L5 j: V) ^, C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。
' \' t# L3 z4 A6 y1 Y/ _
2 F' B# E3 y$ j) a这一过程被称为「自然选择」。
1 }  L6 y$ m" v) N; D
. l1 v/ l9 k9 ?1 `) x4 L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 v/ j7 G1 r: p8 N9 T0 ]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？
* y) ]/ I# }! @) B  w! U
6 X0 O0 m) B- k, k* B. H5 f, x0 K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。
9 A# X6 K; T- w2 B4 q' L# X& |( @
# ^+ q7 W& [0 ?- m% L3 R1 x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。

/ R5 @0 W% n/ N2023 至 2025 年间，随着 ChatGPT 的问世，人工智能领域迎来了爆发式增长。

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。
, x# m9 d2 H* N4 R- u
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。
8 f3 c2 r' m, _0 Z2 V
" [% ~- l1 M' K7 j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」。
' _3 M5 d7 {# {3 F
5 @8 V  U3 u1 \( LAlphaGo 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 i9 ]5 Q4 @  R, e
) j  D, F. R. Z· 每一代模型都会与上一代模型展开竞争；

# a) d6 d2 x* a2 o5 Z· 表现最强的模型变体得以留存并「繁衍」（即优化迭代）；

$ ]' {* J5 }5 m5 b9 `· 弱势策略则被淘汰。
' W2 X1 h+ B! V4 L9 W$ m
" u1 Y9 q. T7 _; D6 i" c4 l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。

" m2 F) O- v; M% {8 p, 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。

加密领域中的达尔文式 AI
  h9 a% K- ^6 U, }5 v8 XNof1 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。
7 U* z, P% k. g9 y) @

9 o4 n6 o# o' C# n

「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」。
9 D* {# H) H/ c- ]4 Y3 q
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。
' l1 B  |0 m. L! x7 j
$ a: [% A! F% X" I! O4 |( \  z! LNof1 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。

6 D9 d$ s! s% x( ~以下是一些最具代表性的竞赛案例
5 p) s8 B) s8 w9 f; S- k* BSynth（合成器竞赛）
! k% T! S, R$ K（标识：SN50，发起方：@SynthdataCo）
( k4 R/ V4 W3 y; r$ e
# E4 |( b9 d4 H4 o' g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）。

4 V/ Y: k$ z+ F「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。
2 Z" q( f+ j4 [/ y- l1 w* r
+ ?2 y: n  M0 c
& Y2 ^: W8 Y: J  Y2 a, ^6 T* d「我们在 Polymarket 平台的交易最新进展：
' @9 h; O9 n- i  Q4 }( s3 u% S7 Y7 _
8 Z* ]5 a/ J% ^+ I. K・本金：3000 美元
: ~* H6 e: ?: {9 d- e
・利润：5521 美元
- N" |. [! I+ e, L5 }6 ^
" {) B( J  q$ b' T  I' ^* u・投资回报率（ROI）：184%
  k& T! ^8 |# Q/ d7 H
・年化收益率（APY）：3951%

7 m) c2 i4 u# @# v6 S* N1 a# E: L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。」
, Q( V$ ^! d: U3 K2 T$ d2 X9 J
- X7 [0 z% E3 n6 Z3 B6 b$ Y* XSportstensor（体育预测竞赛）
& D0 y2 }, M! \8 s6 T+ g+ b2 o. r（标识：SN41，发起方：@sportstensor）

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。

% e, O" T9 A8 N8 L9 M
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%。

' s0 z$ \5 s( ]# z! A- k: h& G' 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。

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）。

$ G- k2 A/ d- X" o# i9 n% GAION（市场之战竞赛）
（发起方：@aion5100、@futuredotfun）
; g0 n2 [# [6 S0 k; ~& j
6 J, {" a, |6 L0 {- h@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。
" x3 E2 z( J2 v! C1 C( H; f
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。

6 |: X& Y( X2 x5 q: O( 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。
4 I, v1 \3 @$ |
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。
7 t6 n3 M  I4 F& @  @  o
Fraction AI（多场景 AI 竞赛）
（发起方：@FractionAI_xyz）
7 K5 H, U& \- C+ B1 N! ]
; a4 W/ K, N# P+ E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。
+ x, F' U  J/ r- p0 q
7 a7 P. L1 e* D9 ]# g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。
- |/ w( D2 w" h9 l9 m" _( F
' ~9 {& x* \5 K* m8 Q0 q0 Y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。
  l- C, g7 v5 l- `; A) m
+ y  h# g0 y' C+ M$ {6 {Allora（金融微任务竞赛）
（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」。
2 F7 s" e4 F# a5 ?
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。
6 c5 \5 N* u, q5 k) v! {# v8 p( Y
3 W" V! J0 s! z, [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。

- J0 t: u2 S5 p0 W( F7 g" W- p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。

其他值得关注的竞赛
（1）金融类竞赛（补充）
9 v5 w& B* l8 X0 l$ hSN8 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」。
: _% t) h2 y4 |  B0 }
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。
; V  C+ G9 t5 y9 J* L2 \9 L
（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」。
- A  \+ G8 z3 b2 J7 \; d
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。
; z0 A# H& i: m/ I8 Q/ N
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。
& B% p4 F9 ?$ O* A1 o9 S/ w2 f
/ R9 _. {0 e8 |: {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。
/ f0 [3 W8 D! d
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」）。
% S9 h0 h/ }+ K. L6 s
3 k, I, ?7 E- e  r+ X7 B' }未来将走向何方？
% y, M* p/ \8 s! e  U& F  X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。
2 I- z- ?. M/ w- k5 B
未来，强大的模型与智能体将诞生于「去中心化环境」中。
8 }% {- ^: f7 s% R4 z
3 Z2 H/ O: T7 m! A3 K, G' e- u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。
: B4 U" e5 X8 Q7 a% x% ^# b
* M) P6 y5 Z7 Z' k% m+ Q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」。

% J& U4 P2 A& S2 a" {0 V8 u最后一点思考
9 O! L/ }' W& H/ M$ P* w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。

: T* P, d( N4 O7 S; o! F  T" I/ \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。
0 {- l8 p  A, W
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。
2 ?* K/ D: R4 ]( G2 Z& R
; p" c: T  a; K3 M  x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」。
5 J- H5 X- N) l4 }" U7 {/ ?

! e. c) w) g6 k/ B( j
) k  B: G/ v/ |, H
( M5 u: Z% N+ r7 E* x6 P

6 m) M) s# @/ z8 ~* z
0 I0 k# l9 R+ E2 l+ C- C+ Z
$ Q! x7 D5 ]/ }

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。

每一种游戏也是值得去看看学习下的啦。

还是必须选有实力的交易平台去交易哦。