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：

$ ^& e4 P8 I- U8 `· 食物与领地
  Q/ A/ z, E! W( ]$ ]+ J; A· 配偶 / 伴侣
· 部落或社会中的地位
· 联盟与合作机会

& B% t1 U' }$ h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。
! ^7 ]1 B2 O9 B- ~* a, u
5 \# Y7 o* e) e4 d8 l' W+ e- D8 A这一过程被称为「自然选择」。

6 V9 W3 B" S* g2 D% U& Z5 t7 r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）。
0 X- H9 x: F% s: J+ e8 z" u
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？
0 I1 _4 Q$ L7 y' L
* Z+ @% z$ q! e. k% 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。

% A% E/ X; t/ X6 h% j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。
% v  H4 w% K" _7 p; p
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。
/ Z( u* @! Y0 {% E
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。

7 ~  ~. \6 W7 ?& Z1 g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」。

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：

· 每一代模型都会与上一代模型展开竞争；
% J- U* N- I+ p
6 ]7 p. X6 u5 g5 y& c· 表现最强的模型变体得以留存并「繁衍」（即优化迭代）；

4 E) A7 s0 }  G: l( \8 V2 H· 弱势策略则被淘汰。

) N% j  c# 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。
/ r5 `. j* m& |' A# ?/ p* H0 A
2 t! T. B$ K2 M" Q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。
5 P1 s, T* _4 e) r4 e
2 M  e9 }, ^/ y  D% \4 b加密领域中的达尔文式 AI
9 Q- F1 K. \" _/ Q  WNof1 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。

, l" K, M/ c& u7 P. b1 N2 j
2 L& ^- Z+ Z4 n3 I3 M

「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」。

! c, Y" ^5 v; V$ Y& c; ~8 R" H, Y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。

& T4 f" p  c) f: C+ C- P; fNof1 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。

$ f2 V% o1 I: o" D9 {0 Z+ p以下是一些最具代表性的竞赛案例
4 U; V: e  r' e8 TSynth（合成器竞赛）
9 u: ^: \$ W6 g/ j（标识：SN50，发起方：@SynthdataCo）
4 W4 L8 D1 |1 h+ p( R1 U3 @
/ t7 b1 [" w5 j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）。
5 Y0 N' \1 v% O7 V, g9 Y" \: i+ a
, {9 X$ f! P6 L  o! b「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。」

6 T4 N# J% V" {  ^5 Z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。


' }3 V. }. G* y* a% p$ f) u8 W「我们在 Polymarket 平台的交易最新进展：
$ ?1 n$ q1 |, z% A# p5 F) ~- I# f
・本金：3000 美元
/ s6 F' i, _: K3 I% @# {
( }, g' ~" Q: p& J9 q・利润：5521 美元
1 c* y& p& a" q% Z
・投资回报率（ROI）：184%

・年化收益率（APY）：3951%

) d% A% V) U: a+ w+ K" `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。」
, \  W7 t5 q8 h; t
' s/ F- r  s- h; ~3 TSportstensor（体育预测竞赛）
' v4 U7 g% s2 M* _) ^- ?5 J+ c（标识：SN41，发起方：@sportstensor）
: r2 j: h* V9 s6 X+ v- i
( o: g: h$ E  v% P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。

6 y* a6 b9 U- D9 J! M4 D2 n- H0 ]
. q+ c4 c5 k/ ?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。
  z7 v$ Y5 m( _% O9 X
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）
（发起方：@aion5100、@futuredotfun）
( V6 g/ P* C9 |0 p2 ^
) \! t+ ]3 Y* }% w@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。
$ q* P. D3 f# V6 y2 o
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。

0 C; ~, `% [' K! O6 V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。
, |' ]' _* I8 t0 V0 y. i7 e
8 ]* q! E% r: F. d% f, q2 A$ rFraction AI（多场景 AI 竞赛）
（发起方：@FractionAI_xyz）
2 r7 M" j. @& T8 Z# l! i+ k( W3 p
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。
1 G  d/ @$ R0 I6 i; C( H( ^
( x3 w- n  y$ ~% W/ v% |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。
, O1 m9 Q( Y3 T3 y$ `
2 m' ~: K! s' X' l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。
' J5 f5 d+ q2 Z" T
1 m, W$ H) {* b0 KAllora（金融微任务竞赛）
（发起方：@AlloraNetwork）
1 ]4 z$ T. i# i3 Y
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」。
) y% z; F0 h- X; b
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。
3 L4 m8 D2 j  G/ F9 I9 ?
: S# u. m$ K: c6 \/ G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。
' T: p$ Q+ Z+ r0 d$ {
+ U, A4 w+ g* p0 c. B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。
# n6 Q0 g. K+ h: |( V! F
! r) y* n& O* X8 D4 g/ ]9 `其他值得关注的竞赛
（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」。
+ R8 P$ E+ h- N
) ^) o/ j" g+ s* X) s; H. v* w1 h$ QNumerai（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 b; u& }' v* `! |9 n! ^) Y! I（2）非金融类竞赛
, W8 i" }5 I$ v; W" ^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。

这一切意味着什么？
- e1 C- X& j, a/ ~" X如今，人工智能的进步正通过「公开竞争」实现。

: z9 w  \0 E" o  C0 g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。

/ M/ Q: C' o  C2 V+ Z! u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」）。
9 T1 D5 a$ N0 h
4 E2 k6 b, G6 Y& s' C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。

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。
  _& @, g, T3 d# {( e# e  x* D
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
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。
# Y: K" I9 T9 v
( `5 _. b+ D, j$ r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。

) k( `& Q0 l8 i+ @4 D  |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。
* h8 V* D2 d7 i  u9 R8 K/ a" 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」。
# ], z5 U' n) Z/ o4 ~9 S5 J9 p
0 \0 t1 @% i0 W
$ A! P! ^% _0 N, i, R! S7 ]7 E
; \  U  \. W- A' A6 O1 Q
1 T3 H; E' ]5 e! t$ l6 d- n# B
6 n8 S- T/ `  G3 q5 l1 P
6 |+ d- d& H3 K+ L9 f+ C

6 s" Y1 `  [: N  X

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。