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：
  m; _3 ~2 e* S, P( U
· 食物与领地
* u" h4 D$ e8 E& ^3 y' }! L· 配偶 / 伴侣
. \" ~8 H5 R& Q3 v9 c· 部落或社会中的地位
· 联盟与合作机会
  F& M% p* J# V$ h+ A+ X6 B6 d
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」。
( V& J( A8 a7 p0 M2 Y+ p( V
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）。
! e# m8 ~9 l, A5 \! W, J
( ~% |, j+ x4 N# r4 g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？
! L6 ^. ?* v% a6 p) e, v
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。
+ V- h: d2 }# @  i" k1 T, M
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。
4 P; v. ?6 w: s6 L0 s0 q
1 Q; E' D4 k) X( D2023 至 2025 年间，随着 ChatGPT 的问世，人工智能领域迎来了爆发式增长。

, j+ i& Z" e. u. A9 K+ X; g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。
& V: P5 R. x$ r- i' [
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。
1 `5 x' ]) I7 X6 F- D/ `
0 d. I3 y  R2 o: V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」。

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：
( N" n6 Z1 B; ]2 }0 J
) g2 `5 L3 ]+ J4 ?· 每一代模型都会与上一代模型展开竞争；
4 q7 b* ^' x- Q' i4 X7 T
2 Q, b2 H% D* y; r· 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。

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。
! n: v: z0 R- m+ o, y
/ \) P# i( x; j: h% c: L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。
/ [( ^+ g* ~0 @2 s
7 F0 D! O5 E! Z, I加密领域中的达尔文式 AI
$ |7 V* Z7 V$ {8 f% V* aNof1 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。
" f1 V; ~, G# a; [

0 S: L5 h5 _& I; e: ]8 O

「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 p; M+ g$ n2 I6 X, r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。
7 f  {0 v+ h) G' o9 N4 a2 S1 `  h
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
Synth（合成器竞赛）
. Z: j% f) {1 M+ q( y% ^7 m0 B（标识：SN50，发起方：@SynthdataCo）
7 n0 a, r& i  Y# h8 b
$ c  Z- ?" f: x$ z8 B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# Q4 |) A7 x9 |" H5 z; e
8 h, y! E, F" \6 X2 P5 L+ H「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。」

' g3 h6 ~# _8 |% _$ H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。
0 l- c* e6 P" C* S. \$ S' ]

「我们在 Polymarket 平台的交易最新进展：

# B' a; t8 h3 {2 s・本金：3000 美元

( B  Q, M! G  E  l4 R・利润：5521 美元
7 h7 y% z' o: ^: w- H! S, Y
1 m. A, E$ @4 G8 H) K・投资回报率（ROI）：184%

・年化收益率（APY）：3951%
1 T) h( _" C' i% z1 v+ \" C
0 y! o. e$ f( L) H/ C# \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。」

& T0 y6 W! d! l- p3 b$ QSportstensor（体育预测竞赛）
! @+ Z/ W% `1 O8 W* ]2 P2 P（标识：SN41，发起方：@sportstensor）
8 c" O7 l( o% u5 ^
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。

% g; v. l! k6 z6 I- B
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。
2 s- @9 v* x; h' K# s( n1 Y
" U* h# D  Y: z& h3 Q* p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）。
/ \# [) f5 N% R' T9 \* S
+ n! H1 D6 l! cAION（市场之战竞赛）
- H$ T4 k: Z. @; }5 W/ R% Q- L/ X（发起方：@aion5100、@futuredotfun）
" N: b/ L* ]5 [) v
9 b& i9 g; q" S- a7 a5 F) P" T& P@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。
. M  Z* a! W! k  ^3 z% d* R
* z0 h+ z. r0 V6 a. O& o$ h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。

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。

; s6 g& x& c+ f9 a7 ]Fraction AI（多场景 AI 竞赛）
（发起方：@FractionAI_xyz）
$ C# b/ ]" }9 N, {' c" a
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。
& ~* f' l% p$ s0 f+ N; B# G6 c
" e" N3 E2 @2 m4 u( N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。
' R. h6 Y8 x8 D# |& d# F
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。

; [: @- ~' p& G3 I( i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。
8 M' j: ]( y  Y. f6 I+ f) K& i" K
Allora（金融微任务竞赛）
（发起方：@AlloraNetwork）

1 ~% k) d+ e. X0 b( hAllora 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」。

( i; P# G# i& A; I4 p  ?- T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。
  G- N9 E# a3 a5 c. w5 D
( T) m+ L6 m9 z9 U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。
" {- H7 g( \- }/ K: u2 \2 r  F
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。

  _4 J5 S2 e% ]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。
- k# ^" d' Q" Y7 M2 R' |( P/ K
7 N1 p* ]+ _( ]0 h9 L: b- M其他值得关注的竞赛
（1）金融类竞赛（补充）
( z0 U1 X4 K% k( ]5 K0 aSN8 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」。
1 @% K9 t. |5 V4 w! z5 A) B
" r- R% o. @% W( M8 f) zNumerai（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。
: x5 [* Y" R/ d" F5 @5 \
（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」。
+ T5 Z2 p) A; `9 X! d0 ]; f' q
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。

' ]8 }' S1 l# {! Q* {7 q. A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。
9 D; ^' i9 ^9 @  [, X% ]$ j
0 }9 S. i+ G7 s* v4 ~9 ^2 H- X; Q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」）。
4 S, y. z. M$ \9 h7 Z
未来将走向何方？
; O/ a, l7 A; S. j4 S' r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。
7 [) P$ c, C, r# l" F4 B* H6 g
7 @9 p! e  S. ]* F未来，强大的模型与智能体将诞生于「去中心化环境」中。
; X( }1 q! C! G8 H1 a
* D3 j6 W0 T% B7 p8 x) 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。

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」。
( N. u: P+ o# [1 T3 r- z; j" ]4 X
7 N5 B" R( p% x) H最后一点思考
6 P" E% V1 j; m  e" _3 x4 u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。
; K2 z: y7 b! s! A
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。
" K8 [" _/ E5 H3 X
* s) E  X& E9 |% X6 w* E% o2 T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。

% K" f8 U0 s" q+ 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」。
9 P, g3 S. H* A1 j; o
3 ~8 ]+ W" _  k4 x8 {  }7 O9 l

: I/ n7 q) T1 n3 J

1 V5 {+ G" S9 |9 E9 `, B" F, K& R
" X. G; m4 S8 R. d* `

7 l8 U4 G- }- |1 P0 q  F
& V& h, q, D! e! q1 v

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。