Итоги 2025 года: Crypto x AI — Какие нарративы выжили?

Автор:0xJeff

Компиляция: Deep Chao TechFlow

Обзор истории развития Crypto и AI, выживших и процветающих нарративов, а также будущего этой области в 2026 году.

2024 год стал годом, когда Crypto x AI по-настоящему начал набирать популярность в крипто-твиттере (Crypto Twitter) — на рынке появилось множество интересных, полезных и развлекательных крипто-агентов (Crypto Agents), каждый из которых был оснащен собственным токеном.

В 2025 году спекуляции вокруг крипто-агентов постепенно сменились реальными приложениями искусственного интеллекта, децентрализованный AI (Decentralized AI) перешел от стадии исследований и концепций к ранней стадии продуктовой реализации, а «дарвинский AI» (Darwinian AI) стал предпочтительным способом привлечения новых талантов и ускорения развития децентрализованного искусственного интеллекта. В то же время, DeFi x AI стал самым ценным сегментом, дополнительно усилив ключевые ценностные предложения крипто-сферы.

2026 год станет годом Crypto AI.

Благодаря усилиям и экспериментам, накопленным между 2024 и 2025 годами, мы начинаем видеть ранние признаки соответствия продукта рынку (product-market fit) и более четкое направление того, как криптовалюты, блокчейн и распределенные системы могут усиливать искусственный интеллект.

Нарративы, которым не хватало собственной полезности или рыночного спроса, либо которые не могли конкурировать с Web2 AI стартапами, либо вымерли, либо остановились в развитии (например, AI x игры, AI развлечения, генеративный AI, видео/голосовые агенты, AI-воркфлои для повышения продуктивности).

Те же нарративы, которые выжили, трансформировались в инновационные модели, способные изменить то, как мы работаем.

DeFAI — это новое поколение DeFi

DeFAI (искусственный интеллект в децентрализованных финансах) появился в крипто-сфере в начале 2025 года, вызвав огромный ажиотаж вокруг использования AI для улучшения существующих систем DeFi.

Первая итерация DeFi x AI получила название «слои абстракции» (Abstraction layers) — через интерфейс, подобный ChatGPT, пользователи могли напрямую указывать желаемый результат.

Для многих это стало «моментом озарения», поскольку DeFi сам по себе очень сложен — пользователям нужно найти подходящие мосты для перевода активов или оплаты газа, понять, как работают лучшие децентрализованные биржи (DEX) и протоколы кредитования в новых сетях, а также разобраться в свойствах, рисках протоколов и базовых активах.

Инструменты, способные быстро помочь пользователям достичь желаемого результата, казались идеальным первым шагом для большей доступности DeFi.

Хотя в теории это звучало прекрасно, на практике интеграция столкнулась со множеством проблем. Большинство решений DeFAI либо содержали множество уязвимостей, либо были очень сложны в использовании. Проблемы с пользовательским интерфейсом и опытом (UI/UX) сводили с ума, пользователи не знали, как вводить промпты, что можно или нельзя вводить.

В результате большинство проектов провалились, и лишь немногие игроки трансформировались или продолжили углубленную работу.

• @HeyAnonai был одним из топовых проектов DeFAI, но теперь трансформировался в торгового помощника и инструмент для прогнозных рынков.

• @griffaindotcom не обновлялся в X с апреля и, предположительно, исчез.

Те, кто остался и удвоил усилия

• @AIWayfinder продолжает придерживаться оригинального терминального/ChatGPT-подобного интерфейса и расширяет функционал, позволяя совершать торговлю перпетуальными контрактами, DeFi-стратегии, прогнозирование и другие операции.

• @bankrbot продолжает фокусироваться на том, чтобы быть копилотовым помощником на основе терминала, помогающим пользователям в исполнении сделок, исследованиях и анализе.

• @Infinit_Labs специализируется на исполнении DeFi-стратегий, одновременно внедряя краудсорсинговые/созданные создателями DeFi-стратегии (становясь хабом, где пользователи могут курировать и/или инвестировать в топовые DeFi-стратегии).

Первая итерация DeFAI не достигла соответствия продукта рынку (PMF, Product-Market Fit) в 2025 году, но некоторые из этих проектов могут преуспеть в помощи новичкам более легкой навигации в ончейн-среде.

Неудача первоначальных продуктов в поиске PMF спровоцировала появление проектов DeFAI второго поколения — «автономных агентов дохода» (autonomous yield agents). Основная идея заключалась в том, что пользователям больше не нужно было самим думать о том, какой промпт ввести, какую стратегию исполнить, когда ребалансировать и какую стратегию выбрать следующей — вместо этого всю тяжелую работу за пользователя выполнял автономный агент.

Эта модель предлагала простой опыт «установил и забыл», где пользователь просто поручал все сложные операции персонализированному умному агенту. @gizatechxyz стал первым проектом, который популяризировал эту модель, оснастив свою систему агентов множеством защитных мер (например, смарт-кошельки имеют предустановленные разрешения, четко определяющие, что они могут и не могут делать, и с какими протоколами взаимодействовать. Кроме того, был внедрен механизм сессионных ключей, позволяющий агенту получать доступ только к необходимым разрешениям на ограниченное время для выполнения задачи).

На этот раз первоначальное соответствие продукта рынку было достигнуто — Giza достиг около 30 миллионов долларов активов под управлением агентов (AuA, Asset under Agent) и создал объем торгов более 3 миллиардов долларов на топовых кредитных протоколах. Проект второго эшелона @ZyfAI_ также показал значительный рост, достигнув около 8 миллионов долларов AuA и около 1.1 миллиарда долларов объема торгов.

Однако проблемы оставались. Крупный капитал, институциональные средства и значительные суммы все еще с осторожностью относились к передаче сотен миллионов долларов под управление автономных агентов, в основном из-за опасений по поводу «черного ящика», потенциальных ошибочных решений (таких как «галлюцинации» AI) и т.д.

Именно в этом контексте возникло третье поколение DeFAI — «AI-хранилища» (AI Vaults). Эта модель использует группу специализированных интеллектуальных агентов для быстрого создания и оптимизации DeFi-смарт-контрактов. @almanak был первым проектом, который осознал, что такая архитектура может сочетать преимущества обеих моделей.

В этой модели ядром стратегии остаются DeFi-смарт-контракты. Эти контракты генерируются интеллектуальными агентами за считанные минуты с помощью «vibe-code», что значительно сокращает время, необходимое количественным аналитикам и аллокаторам капитала для создания сложных стратегий. Эти контракты поддаются аудиту, все содержимое остается открытым и прозрачным, подобно традиционным DeFi-контрактам, которые годами проверялись на безопасность.

Взгляд в будущее DeFAI

DeFAI постепенно движется в сторону оптимизации AI-систем для поддержки DeFi, его основные итерации включают:

1. Слои абстракции (Abstraction layers) — снижают порог входа, помогая новым пользователям, заинтересованным в торговле и добыче DeFi-дохода, быстро начать работу.

2. Автономные агенты (Autonomous agents) — помогают пользователям управлять DeFi-стратегиями по принципу «установил и забыл», упрощая рабочие процессы.

3. AI-хранилища (AI vaults) — предоставляют инструменты для более эффективного построения стратегий для ончейн-аллокаторов капитала, значительно повышая эффективность.

В будущем эти три направления, вероятно, продолжат оптимизироваться для своих целевых аудиторий, и мы также можем ожидать, что основные протоколы DeFi, провайдеры кошельков и централизованные/децентрализованные биржи (CEXs/DEXs) постепенно внедрят эти продукты для улучшения пользовательского опыта DeFi.

Тренды, за которыми стоит следить, но которые еще находятся на ранней стадии

1. Торговые агенты (Trading agents): В настоящее время большинство dApps либо предоставляют функции анализа рынка, либо являются «черными ящиками» AI для торговли пользователями, тогда как продукты, предлагающие полное сквозное решение от нуля до единицы для пользователей, еще не созрели. @Cod3xOrg предоставляет наиболее комплексное решение, но его UI/UX все еще требует оптимизации для повседневных пользователей.

2. Динамический DeFi (Dynamic Defi): Использование машинного обучения для того, чтобы сделать DeFi-стратегии более динамичными, что позволяет достичь более оптимальной доходности с поправкой на риск. @AlloraNetwork — в настоящее время единственный проект, исследующий эту область, но он все еще находится на очень ранней стадии.

Взлет, падение и возрождение AI-агентов

Нарратив AI-агентов был впервые задан @virtuals_io в конце 2024 года, который вывел его на публичную арену, сочетая AI-приложения/продукты с честно запущенными токенами (fair-launched token).

Запуск этого нарратива пришелся как раз вовремя, когда рынок устал от токенов венчурного капитала с низким circulating supply и высокой полностью разводненной стоимостью (FDV), а токены с высоким circulating supply и низкой FDV в сочетании с подходящим нарративом стали лекарством.

Агенты AI первого поколения были в основном развлекательными и «альфа-агентами». Например, @truth_terminal спровоцировал появление множества AI-агентов в X (так называемые «slops»), которые целый день просто болтали и отвечали пользователям. Изначально они были в основном чисто развлекательными, но постепенно превратились в более полезные инструменты (например, делились анализом рынка, анализом токенов и т.д.). Среди них @aixbt_agent стал лидером в этой области, поскольку завоевал симпатии пользователей своим одновременно смешным и профессиональным образом «децентрализованного игрока» (degen).

По мере быстрого распространения «slops» резко возрос спрос на фреймворки для разработки — это промежуточное ПО, которое помогает разработчикам легко создавать AI-агентов и рабочие процессы для X. ElizaOS (изначально名为AI16Z) быстро стало именем нарицательным, запустив самую большую волну open-source AI в истории криптоиндустрии. Это, в свою очередь, породило еще больше AI-агентов, но также начало утомлять пользователей крипто-твиттера (CT).

К 2025 году нарратив AI-агентов начал остывать, в основном из-за отсутствия реальной полезности и перегретых оценок.

Важно отметить, что фактическое определение AI-агента — это приложение, которое может:

1. Извлекать информацию из изменяющейся и неструктурированной среды;

2. Рассуждать об информации исходя из целей;

3. Обнаруживать закономерности в данных и учиться использовать эти закономерности;

4. Выполнять операции, о которых его владелец даже не задумывался.

(Благодарность @almanak за точное определение)

Первоначальные продукты AI-агентов на самом деле не были настоящими «AI-агентами», они были скорее AI-воркфлоами или приложениями, предназначенными для привлечения внимания, которые впечатляли при первом знакомстве.

Однако, когда люди начали это осознавать, внимание сместилось в сторону других нарративов, таких как DeFAI (децентрализованные финансы и AI), DeAI (децентрализованный AI), робототехника и даже полностью away from Crypto x AI.

Ситуация изменилась в октябре-ноябре 2025 года. Платежный стандарт x402, разработанный Coinbase, начал gaining traction среди предприятий, включая таких гигантов, как Google и Cloudflare. Все больше разработчиков Web3 начали экспериментировать с x402, породив множество освежающих приложений, таких как выпуск токенов через x402-ссылки или микросервисы с оплатой по требованию на основе x402.

В то же время, Ethereum Foundation увеличил свои инвестиции в AI, и стандарт ERC-8004 начал набирать популярность. Этот стандарт создает децентрализованный «слой доверия» для автономных AI-агентов, наделяя их верифицируемой идентичностью, репутацией и proof-of-work, позволяя им надежно обнаруживать, сотрудничать и торговать без централизованных органов. Ethereum Foundation также создал команду Ethereum dAI, специально для поддержки команд AI-агентов, использующих ERC-8004.

Появление x402 и ERC-8004 снова вызвало ожидания вокруг нарратива AI-агентов, но из-за волатильности макроэкономической среды этот ажиотаж и рост рынка длились недолго.

Тем не менее, @virtuals_io остается ведущим хабом AI-агентов, но до сих пор мы не видели, чтобы какое-либо приложение или агент, выделившийся из этого нарратива, достиг значительного количества пользователей или дохода.

Возможно, в 2026 году появится такой прорывной агент, а возможно, и нет. Мой прогноз заключается в том, что прорывной агент, скорее всего, сначала появится в других нарративных областях, особенно в DeFAI и DeAI.

В любом случае, такие фреймворки и стандарты, как x402, ERC-8004 и ACP (от Virtuals), сформируют будущее экономики ончейн AI-агентов в 2026 году.

Децентрализованный AI: Истинное соответствие продукта рынку (PMF) для Crypto x AI

С 2023 года (и даже раньше) децентрализованный AI (DeAI, Decentralized AI) был скрытым нарративом в Crypto x AI. Перспектива использования блокчейна и токенов для построения распределенных систем, позволяющих людям и машинам совместно вносить вклад работой и ресурсами,无疑是 огромна.

В реальности мы обнаруживаем множество неиспользуемых в полной мере ресурсов:

• Графические процессоры (GPU), игровые чипы, периферийные устройства (например, рабочие ноутбуки, телефоны) могут простаивать более половины времени;

• Инженеры и data scientist'ы из Индии, Пакистана, Филиппин обладают отличными навыками, но им не хватает возможностей для попадания в ведущие технологические компании и передовые AI-лаборатории;

• Инвесторы по всему миру хотят поддерживать стартапы на ранней стадии, которые推动下一代AI инноваций, меняющих мир, но они могут не иметь доступа к компаниям из Y Combinator (YC) и Кремниевой долины.

Именно здесь находит применение децентрализованный AI. Благодаря слоям координации и экосистемам «дарвиновского AI» (Darwinian AI ecosystems) различные ресурсы объединяются, а заинтересованные стороны могут вносить свой вклад в развитие open-source и децентрализованного AI своим собственным way.

• Разработчик из Пакистана может обучить самую точную модель прогнозирования цены ETH и получить за это щедрое вознаграждение;

• Инвестор из Исландии может инвестировать в стартап с капитализацией 20 миллионов долларов,专注于инновации в области обучения с подкреплением;

• Игрок из Монголии может пожертвовать свои простаивающие GPU-ресурсы для обучения AI-моделей.

Таких примеров множество.

2025 год стал годом значительного прогресса для децентрализованного AI (DeAI). В течение этого года появились бесчисленные исследовательские работы и эксперименты в области децентрализованного обучения, обучения с подкреплением, федеративного обучения, конфиденциальности, верификации, безопасности. @MessariCrypto подробно осветил эти достижения в своем «Отчете о состоянии AI за 2025 год», с которым стоит ознакомиться, если вы еще этого не сделали.

Основные моменты года

1. Bittensor(@opentensor) укрепил лидирующие позиции в экосистеме децентрализованного AI

Bittensor успешно укрепил свои позиции лидера экосистемы децентрализованного AI, став важным центром притяжения для многих уникальных AI-стартапов (подсетей). На сегодняшний день существует 128 подсетей, каждая из которых занимается инновациями и разработками в различных областях. Bittensor, координируя стимулирование, субсидирует операционные и капитальные расходы на разработку AI, способствуя инновациям. Его философия «дарвиновского AI» (стимулирование развития через конкуренцию и инновации) также стала источником вдохновения для многих других проектов.

1. Децентрализованное обучение с подкреплением (RL) стало масштабируемым

Децентрализованное обучение с подкреплением доказало свою возможность масштабирования. Обучение с подкреплением обычно используется для оптимизации моделей, делая их умнее через самообучение и самоигру. Несколько децентрализованных AI-лабораторий, таких как @gensynai, @NousResearch, @PrimeIntellect, @Gradient_HQ и @Pluralis, добились progress в области обучения с подкреплением. После коммерциализации эта технология имеет потенциал для предоставления бизнесу высокоинтеллектуальных решений для конкретных областей, таких как агенты по продажам/обслуживанию клиентов, логистики/цепочки поставок, права, финансов и т.д.

1. Повышение прозрачности и соответствия требованиям для AI

   Чтобы бизнес, правительства и традиционные финансовые институты доверяли AI, необходимо, чтобы AI перестал быть «черным ящиком» и стал более детерминированным и соответствующим требованиям. Внедряются следующие технологии:

   1. TEE (Trusted Execution Environment) для аппаратной безопасности (@PhalaNetwork);

   2. Технологии верификации вывода AI, такие как zkML, opML, EigenAI(@eigencloud);

   3. Технологии приватных данных и вычислений (@vana);

   4. Федеративное обучение (@flock_io), которое позволяет обучать AI, сохраняя данные локализованными и конфиденциальными.

2. Подъем систем с множеством агентов (Swarm)

Подъем систем с множеством агентов увеличил потребность в координации и оркестровке. Стандарты, такие как MCP (протокол связи множества агентов), способствуют интеграции, а слои оркестровки позволяют нескольким агентам работать together, предоставляя пользователям более сложные AI-воркфлоу. Такие проекты, как @questflow и @openservai,推动это направление.

Все эти достижения указывают на будущее, где как предметно-ориентированные сценарии использования, так и крипто-нативные用例 (такие как DeFi, торговля, прогнозирование, ончейн-операции) смогут выполняться и масштабироваться более безопасно и эффективно. Риски уязвимостей AI, выхода из-под контроля и проблемы «галлюцинаций» будут значительно reduced.

Взгляд в будущее децентрализованного AI (DeAI)

Все больше стартапов из Y Combinator (YC) и Кремниевой долины выбирают разработку open-source моделей и использование децентрализованных вычислений, и эта тенденция ускоряется. Поставщики услуг inference, такие как @chutes_ai, уже обрабатывают миллиарды токенов в день, и ожидается, что эта тенденция продолжится в 2026 году.

Децентрализованный AI будет способствовать рождению AI-агентов, которые являются коммерчески viable и применимы для традиционного бизнеса.

Кроме того, его инфраструктура будет поддерживать рост агентов для yield farming, торговли и прогнозирования, становясь ключевым столпом для протоколов DeFi, платформ прогнозных рынков, централизованных бирж (CEX) и основных провайдеров кошельков.

Если вы хотите глубже понять децентрализованный AI, вы можете прочитать следующие статьи:

1. От закрытого AI к open-source AI к децентрализованному AI ➔ Тренды,推动ющие DeAI

2. Как децентрализованный AI конкурирует с централизованным AI ➔ Децентрализованное обучение и обучение с подкреплением (RL)

3. Эффект масштаба децентрализованного AI ➔ Сетевые эффекты DeAI

Подъем прогнозных рынков и AI

С ростом прогнозных рынков системы машинного обучения получили идеальную площадку для применения — они могут не только предсказывать исход событий, но и делать directional ставки и предоставлять ликвидность на прогнозных рынках.

Последнее становится все более популярным. Несколько подсетей (subnets) Bittensor, такие как @sportstensor,@SynthdataCo, @webuildscore и @sire_agent, разрабатывают системы машинного обучения, способные: прогнозировать цены криптовалют, таких как BTC, ETH, SOL; разрабатывать продукты доходных хранилищ для прогнозных рынков, которые делают ставки для пользователей и генерируют доход.

• Sportsensor: Ранее в этом году стал официальным поставщиком ликвидности/маркет-мейкером на @Polymarket,专注于рынки спорта и киберспорта.

• Synth: Публично прогнозировал на Polymarket, добившись доходности более 20x всего за два месяца, увеличив капитал с 3000 до 60000 долларов благодаря своим точным прогнозным сигналам.

• Sire: Демонстрирует ROI 5%-10% в неделю через свои доходные хранилища для прогнозных рынков.

Мы также видим, что все больше проектов дарвиновского AI начинают выходить на эту арену, исследуя глубокую интеграцию прогнозных рынков и искусственного интеллекта.

1. @AlloraNetwork: Сделать DeFi более динамичным

AlloraNetwork использует системы машинного обучения, предоставляемые сетью контрибьюторов, для прогнозирования цен активов и волатильности. Эти модели цен и волатильности могут быть интегрированы в смарт-контракты, становясь AI-оракулами (AI Oracle), что позволяет динамически调整стратегии на основе прогнозов. Например:

• Автоматические стратегии увеличения и уменьшения плеча (leveraging/deleveraging);

• Стратегии CLAMM (концентрированное предоставление ликвидности), управляемые AI;

• Дельта-нейтральные стратегии (хеджирование рисков). Эти функции значительно повышают гибкость и эффективность DeFi.

1. @crunchDAO: Сторона предложения дарвиновского AI

crunchDAO фокусируется на стороне предложения дарвиновского AI, привлекая высококачественных инженеров, data scientist'ов и таланты для участия и внесения вклада в подсети машинного обучения (такие как Synth). Путем майнинга и оптимизации этих подсетей он способствует повышению прогнозной способности AI.

1. @FractionAI_xyz: Повышение способностей AI-агентов через соревнования

FractionAI использует реальные соревновательные среды для тонкой настройки и расширения возможностей предметно-ориентированных AI-агентов. Они запустили ориентированные на агентов «Пространства» (Spaces) — это игры, которые позволяют AI-агентам continuously улучшаться. Среди их самых известных проектов:

• ALFA: Люди могут делать ставки на дуэли трейдинговых агентов;

• StableUp: AI-агент для yield farming стейблкоинов.

В дополнение к буму прогнозных рынков, соревнования от Bittensor и торговые соревнования от @the_nof1 также добавили значительный импульс, further способствуя быстрому росту прогнозных рынков xAI.

Взгляд в будущее прогнозных рынков xAI

С развитием больших языковых моделей (LLMs) и AI-воркфлоов, AI-терминалы, копи-трейдинг (copy-trading) на прогнозных рынках, инструменты анализа данных и сигналов станут более распространенными. Эти инструменты значительно упростят исследование и получение информации, предоставляя трейдерам на прогнозных рынках больше преимуществ (edge). Среди них @Polysights по-прежнему остается лидером в挖掘内部них сигналов.

API-интерфейсы прогнозных рынков, доходные хранилища, которые пользователи могут «настроить один раз и автоматически получать прибыль», также станут более широко доступными, предоставляя больше возможностей для experimentation.

Несмотря на светлые перспективы, прогнозные рынки по-прежнему сталкиваются с двумя основными проблемами:

1. Недостаток ликвидности: Прогнозные рынки малы и имеют scarce ликвидность;

2. Затухание преимущества (Edge decay): Когда размер ставки увеличивается, торговое преимущество быстро исчезает.

Следовательно, системы машинного обучения,专注于арбитраж и предоставление ликвидности (например, майнинг ликвидности через лимитные ордера на рынках Да/Нет), могут стать наиболее успешными продуктами на прогнозных рынках в 2026 году. По мере того, как прогнозные рынки привлекают значительный капитал, ценность points rewards и аирдропов будет стоить того, чтобы их挖掘ить, подобно раннему Hyperliquid в сфере перпетуальных контрактов.

Будущее децентрализованного AI и финансов

Во всех областях наблюдается одна и та же тенденция — нарративы, которые выжили, это те, у которых есть реальные пользователи, практическая полезность и экономическая aligned.

Децентрализованный финансовый AI (DeFAI) будет постепенно созревать, превращаясь в трехслойную архитектуру:

1. Слой абстракции

2. Слой автоматизации

3. Слой создания стратегий, управляемый AI-агентами

Он незаметно станет точкой входа и слоем исполнения для миллионов пользователей в ончейн-финансы, и большинство этих пользователей, возможно, даже не будут осознавать, что используют криптотехнологии.

Когда-то переоцененные AI-агенты возродятся в качестве верифицируемых экономических actors.

Это преобразование стало возможным благодаря стандартам, наделяющим AI-агентов идентичностью, репутацией и детерминированным поведением, которые в настоящее время активно разрабатываются и поддерживаются Ethereum Foundation, Coinbase, Google, Cloudflare и другими.

Децентрализованный AI (DeAI) остается最重要的структурным столпом. Сети, которые преуспеют в следующих областях, станут долгосрочными победителями:

• Эффективная координация вычислительных ресурсов

• Привлечение и удержание глобальных талантов разработчиков

• Верификация результатов и происхождения

• Обеспечение надежности enterprise-уровня

Прогнозные рынки xAI будут расширяться по мере углубления рынков, оптимизации инструментов и того, как управляемая машинным обучением ликвидность становится устойчивым источником дохода. Однако, ограничения ликвидности и затухание преимущества останутся фундаментальными challenges для любого участника, пытающегося масштабировать капитал.

В совокупности эти тенденции развития указывают на то, что вся отрасль движется от нарративов к инфраструктуре, от спекуляций к систематическим решениям, от хайпа к реальным продуктам. 2026 год станет годом, когда крипто-нативные AI-продукты начнут становиться indispensable.

Если вы новичок в Crypto x AI, рекомендуется прочитать это «Руководство для начинающих», чтобы быстро ознакомиться с последними developments в этой области.