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：

4 u* Y2 n% ]  v* f5 T& q· 食物与领地
· 配偶 / 伴侣
7 s$ w: r( R2 q# v3 X3 j( _$ X2 ?· 部落或社会中的地位
· 联盟与合作机会

9 b- q2 A$ X' l6 }! N! g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」。

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）。
. m/ v; Z! \2 @
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？

3 `: M+ S* O$ E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。
* P8 p/ v  r6 z1 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。

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。
  M) N5 a* X9 M. s
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。

: W2 T* W7 v1 m" Q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」。

9 X. {% i& {* d: T# Y1 C) x7 YAlphaGo 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：

# ?- Y3 _: S, x5 t1 B& G· 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）；
+ x) y. j6 A. [! r4 U8 C
1 j5 X/ o# G+ G/ n8 f6 n8 j· 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。

( ~" e: V; A9 t* Q. `1 g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
5 E( u) L1 w) R( [5 E9 MNof1 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。

+ S9 G7 v9 D1 \7 F

「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？」

$ H! G7 f$ ~: Y8 |. n0 F0 M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」。
. J2 b, M0 |3 K+ i/ |- 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。

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。
  Z/ n; B4 H4 Y$ s7 b
以下是一些最具代表性的竞赛案例
6 P- h& H/ p& B6 ^Synth（合成器竞赛）
! U! o2 V0 u" f! T8 ~, F$ J: |0 E, w（标识：SN50，发起方：@SynthdataCo）
5 L+ I# @* j  L
5 P( p6 o7 f9 {+ Z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）。
1 n: y$ R6 c. u7 @1 h& @) l7 Q8 U
「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。」
, Q' W4 X( m' `& M
; w' t2 u- q. T$ A% P: i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。
% Y0 n2 O7 t  o0 B1 w0 R# K( \/ K

「我们在 Polymarket 平台的交易最新进展：
7 g7 V4 ^% f( ^9 t( G2 G
/ }7 Z6 V1 R/ \3 H& @) |# C・本金：3000 美元
- x; d3 A  o2 `. R# o1 K" v) T4 U6 y
9 p. `4 n: T5 V7 q3 y・利润：5521 美元
& \3 p  n3 j9 t& H
# A! v; Y9 y/ f. |" a・投资回报率（ROI）：184%

- F  p- \. ]& i! w% Q7 |・年化收益率（APY）：3951%

+ [4 M7 V2 C  Q. f+ N) j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。」
' |, a$ F- M- S! e1 G
. g7 I9 U$ y: u+ E) H* \Sportstensor（体育预测竞赛）
/ B; u. V! b; M* v  f8 I" X! k2 d: `  G（标识：SN41，发起方：@sportstensor）
9 V; T- U9 I) a7 a0 H! q! S6 G3 a3 i
' t3 s" y4 S$ R1 q% T9 A6 r$ ?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。


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%。
! s& ^" P' x2 {: d: A, u9 f
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。
9 e) F! j# @6 K- Z7 t
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）。

AION（市场之战竞赛）
" H- M& G5 Q+ K（发起方：@aion5100、@futuredotfun）

7 H; C6 _. j- U" M& s@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。

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。

. s3 E, b% d, X7 F& Z2 C5 n7 w# a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。

Fraction AI（多场景 AI 竞赛）
（发起方：@FractionAI_xyz）

3 \9 Y" i' L/ P/ d9 D4 k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。
& D1 F. [8 F* X: v. I! N2 h5 W) u
3 S) G: C: v; C0 H- D. H: ~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。
5 r7 T7 N9 h4 x0 ]
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# N. A8 T, `* f6 o2 h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  j1 N' r- g$ ~- j1 e
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」。
* u& s* k$ R3 p4 Q8 y9 z% e! t# I
8 }( z2 p3 {8 ]# @* {$ a3 G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。
8 I4 E6 u; H5 X0 z0 ~
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。
# j& l4 n& {8 n3 P; u( r! P1 h
3 n1 s+ v& J% g' w! Q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。
8 J+ k* b; h  M1 M/ m  G% y9 r
其他值得关注的竞赛
# J5 b) \7 `! g' C（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」。
5 R: Z+ I! H. g8 ~# o% \  W
5 P' r) R, Z( _5 pNumerai（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。
$ a  q5 u- ^' R& `
（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」。

1 C! G& @* _( ZFlock.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？
如今，人工智能的进步正通过「公开竞争」实现。

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。
1 @4 [2 `: g( {- f+ \- G4 i! E
0 v+ i# b6 }8 [3 r; Q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」）。
% J, U! ?6 c" z/ ?2 }" q8 l7 j
未来将走向何方？
9 c$ x" q6 n( |* ^4 b" ]! k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。

5 M! G! t3 r, g/ @未来，强大的模型与智能体将诞生于「去中心化环境」中。
5 q5 k9 x2 o2 ?5 w6 k) s  b
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」。

最后一点思考
, J3 V, k& j7 f" z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。
' [* S8 u& t+ ]) i. U! G# ^! S3 w
0 l* V+ @. X* j( O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。
) b( R. I$ Y) ]% j( ~1 V
/ R$ ~# W* `* y: R+ M4 u6 X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。
5 W2 @; _  k6 ^, v3 G
. E3 G% S: T( J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」。
1 R2 N3 J, y& p, d6 M
7 A& v, T( ^# \$ N
$ J4 t2 F: g$ E9 |. p
) l1 X" |) a# O' e/ \
0 Y) H6 f: Y0 B" R) F* D' D

9 H2 d: ~) j" X4 }0 ~$ e9 q

0 H, t/ L# J7 G  b9 D* P! y
4 K7 L7 N/ p  C5 a8 P9 m& q

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。