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：

. J& j" |. R9 O) C# J· 食物与领地
( D3 Y$ h/ R% T6 }0 y+ h· 配偶 / 伴侣
· 部落或社会中的地位
· 联盟与合作机会
4 q0 L5 e/ t1 ]/ Q4 u' 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。

这一过程被称为「自然选择」。
2 t* r+ p% Q( z" {$ z, B( i! I+ r. u$ p
% H5 n' u9 r- s& _3 F; }$ ]4 d$ 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）。
* K. L$ R; x6 _
- h) h. {/ X5 X6 P2 L1 Q5 T2 s( _! 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？

+ U  s6 F0 C5 G- A- ^0 a4 d2 q  b+ u+ ~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。
, ]0 A6 |8 j: f$ G/ Y7 h
0 c2 f' s, k7 p+ 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。
# T' R' t- k5 _
2 B- }: d. z! B( F+ b$ M2023 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。

, F5 z  ?, \; K& |5 S. R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」。

' Z8 J$ a9 k+ e# ZAlphaGo 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：

4 o( q% D8 p. F5 [· 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）；

; [- O: X; z3 R% O. S· 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。

9 ^( _/ @9 [- _9 @5 w. 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。
! T% o6 x+ O0 |7 V- F! l% u8 w
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。

3 s: ]+ @5 _2 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」。
+ \7 c. N+ m# O( F! ?1 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。

8 E+ a( M0 Q5 qNof1 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）
2 D6 n( r, j$ ]$ a（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）。
$ ]) i  j* \4 ^8 i, |
「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。」
/ L# [3 J/ _8 |7 v* @
& `2 X9 i6 X% a& z* m6 i) M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。


6 A4 r; G9 o7 `5 Q3 c, G「我们在 Polymarket 平台的交易最新进展：

  K! X/ }/ ]4 ^# q% O" o・本金：3000 美元

: ?$ Y) ]- \) f# N' C・利润：5521 美元

・投资回报率（ROI）：184%
; E& X2 i% `( G8 S
& j3 U8 f4 b/ H1 f: X" V5 @' z4 M・年化收益率（APY）：3951%
$ ?: e8 f: l# @# B2 \3 h
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。」
% H: \5 _/ b7 R; N4 W$ y
Sportstensor（体育预测竞赛）
（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。
/ F8 C( N3 y4 p1 I! Z4 h

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%。
; P! f1 H6 M: T9 K; D! k. [# g9 a
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。

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）。
8 h: P% J* f- E$ l* p& e% ^# D
' b! k8 {' P4 J% w0 bAION（市场之战竞赛）
$ a/ \! v4 w/ B" d, ~) b（发起方：@aion5100、@futuredotfun）

. \6 ?) O! X( W1 q6 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。
0 v5 Q% ]) T" q5 u8 G
7 L% q$ v* i; Q' 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。
" i4 A. d0 J% a( m" z: r
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。

# J' O4 }1 n0 c4 v0 H$ Y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）
. Y. R. S/ d, X7 \4 y1 T
5 _+ x# i  W. J9 K& Z9 f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。

" y6 M6 {2 Y3 e( U  w) B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。
/ k9 a0 u1 A7 @( V7 |- q) g
+ A1 V6 h9 Z. g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。

" e: h0 X2 k# Y# D4 V2 v, R; `5 MAllora（金融微任务竞赛）
（发起方：@AlloraNetwork）

/ N; f2 Z7 j+ @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 L# o" _# W) Z) `5 I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。

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。

7 v6 m& h% [6 c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。
) f$ |' b( h6 O/ j0 H" q* x) e
" }: {$ ]7 o+ d! N( ^; 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。

其他值得关注的竞赛
, @; d5 e4 ?/ V8 y8 Z  s2 F（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」。

3 S9 O5 W) u% C4 w: t( @) x, JNumerai（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。
) e4 e  e- g8 ?/ u( i
（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」。

8 I% c; Q5 |6 |  N5 SFlock.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。

5 U& c" a' O1 N' M  a8 X& |这一切意味着什么？
) ?  F3 }+ Q+ T+ @7 O# z) a, T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。

9 i7 Y5 b  ?2 H, }1 {, H6 X. ?& _$ ~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。

4 H& t: \2 c$ ~0 `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」）。
& M; e. y, x$ `0 v6 j/ u& _3 @
2 k  k! }! W+ x3 u* l未来将走向何方？
% \6 S( {9 w5 V8 Y5 t1 b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。
+ b0 C/ C( S$ t' r
4 \; [4 _7 @, C; _4 J% J$ ~& J未来，强大的模型与智能体将诞生于「去中心化环境」中。

7 R2 p" l8 C9 m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。

4 `5 _- ~( ]6 Y+ ]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
$ J* q" \+ |7 C0 G$ s% B# ~6 N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。
0 S/ ~- B; I. r. ?) f
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。

( O. K; P9 Q! g, Q+ z2 M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。
+ b! R- u, I9 e3 g2 b# c; ?
4 I' |) G/ u* k' c/ P$ \- R, g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」。
" H% p( K5 d, U5 ~# Z# t5 Z' \

' ]: \& x9 S4 f7 _
% Y+ W- i/ Q) ~) n' P' _: Q5 Z

* }1 q7 @; M! H2 p+ f; I

' n1 v) S, ?& @
/ W9 i1 q/ o- f3 i4 j: a3 h

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。