过去几周，ai 与 crypto 的融合话题再度升温。从纽约的 ai x blockchain 会议，到刚刚落幕的香港 web3 大会，行业主流参与者都在重新审视同一个核心命题：ai 将如何重塑加密行业的下一阶段。
与以往围绕宏大叙事不同，本轮讨论更加务实，聚焦于一个具体问题：AI 究竟解决了什么痛点。
在一场主题为“重塑便捷：Web3、AI 与智能经济的下一个十年”的对话中，币安联席 CEO 何一指出，随着行业成熟，加密市场的早期红利正在消退。接下来的关键不再是技术本身，而是产品是否具备真实价值，以及用户是否愿意为此付费。
这意味着，AI 不再仅仅是一个增长故事，而是被置于更具体的应用语境中。人们开始直接追问：它能带来什么实际效用？
尤其在面向用户的应用层，这种转变已初现端倪。Web3 领域涌现出一批基于 AI 构建的应用：有的重构信息获取方式，有的重新定义数据与记忆的归属，还有的将链上研究、交易甚至经济模型与 AI 深度结合。
这些项目或许尚未完全成熟，但它们共同指向一个更现实的方向：当红利退去，AI 与加密的结合正回归产品本质。
本文选取了几个具有代表性的 Web3 AI 项目，从信息、记忆、操作到 Agent 经济与分发等多个维度，梳理这一轮应用层的实际进展。
Surf：面向加密市场的实时智能百科
Surf 是本轮 AI 应用中典型的信息层产品。它不试图重构交易流程，也不构建新的经济体系，而是回归一个长期被忽视的基础问题——在加密市场中，获取信息的成本依然高昂。
链上数据、行情波动、社交情绪和项目资料往往分散在不同平台。用户需在不同页面间切换，才能拼凑出完整的市场判断。这种割裂感在行情剧烈波动时尤为明显。问题不在于信息缺失，而在于信息分散且存在时间差。Surf 的思路是将这些分散的信息源整合至统一的 AI 入口，用户只需通过自然语言描述，即可获取结构化结论，从而压缩“找数据”的步骤，直接进入“做判断”阶段。
在实际使用中，Surf 更像一位全天候在线的研究员。用户可以追踪代币资金流与情绪变化，分析 DeFi 协议的 TVL 和收益结构，监控巨鲸地址异动，或快速生成用于交易决策的项目尽调报告。相比传统工具需用户自行筛选、拼接和理解信息，Surf 直接输出整理后的结果，显著缩短了“获取信息—形成判断”的路径。
在此基础上，Surf 正从“信息工具”向“工作流平台”演进。最新推出的 Surf 2.0 和 Surf Studio 允许用户通过自然语言直接构建分析工具甚至简单的 Web App，并即时部署，无需依赖传统开发流程。同时，Surf 集成了 OpenAI、Anthropic、Google 等多模型能力，打通数十个数据源与链上接口，使生成的分析结果不仅是文本，更是可用于持续监控与决策的工具。
更深层来看，Surf 正在搭建面向 Agent 的能力体系。通过 API 和 Agent Stack，用户可将特定任务（如鲸鱼监控、资金流跟踪或策略信号提示）交由 AI 持续执行，而非每次手动查询。这意味着 Surf 不再只是被动查询入口，而是向可长期运行的研究系统转变。
然而，Surf 的能力边界也较为清晰。其核心仍集中在信息整合与分析层，并未真正进入交易执行环节。自动下单或策略执行仍需用户自行完成。因此，它更适合作为决策辅助工具，而非独立闭环的交易系统。
从行业视角看，这类产品代表了 AI 应用较早落地的形态。相比直接挑战复杂的交易执行环节，先让“看懂市场”变得更高效、更顺手，往往更容易被用户接受。在交易完全自动化之前，信息处理效率的提升仍是用户最直接感知的价值。
Anuma：AI 隐私时代的主权记忆库
过去两年，AI 成为全球科技圈的核心关键词。从硅谷的模型竞赛，到纽约、香港对 AI 应用和资本的追逐，行业重心快速变化。早期竞争主要围绕模型能力，如推理、多模态和 Agent 执行能力。但随着模型能力提升，单纯比较模型本身已难形成长期差异。
进入新阶段后，AI 如何长期记住用户，并在写作、研究、决策中延续这些记忆，成为新焦点。这意味着，AI 的护城河正从模型能力延伸至记忆能力。模型决定 AI 能回答什么，而记忆决定 AI 能否真正理解一个长期用户。
但当前的 AI 记忆并不真正属于用户。主流 AI 产品虽记录对话和偏好，但这些记忆封闭在平台内部，由平台掌控，用户无法自由迁移或控制。
这导致 AI 积累用户的数字人格，但数据所有权仍属平台。使用时间越长，记忆沉淀越多，用户更换模型的成本越高。真正锁定用户的，往往不是模型本身，而是那些无法带走的长期记忆。
Anuma 切入的正是这一痛点。作为 ZetaChain 进军 AI 方向的旗舰产品，Anuma 不仅是应用入口，更是 ZetaChain 构建的用户掌握 AI 记忆体系的交互前端。
换言之，ZetaChain 负责底层记忆能力，Anuma 负责将能力带入日常场景。Anuma 旨在将记忆从模型中剥离，让用户首次能在实际使用中调用、管理并延续自己的长期记忆。
具体而言，用户可将 ChatGPT、Claude 或 Grok 的对话历史导入 Anuma，在本地加密后存入由自身控制的 Memory Vault。这一过程将隐私保护前置，用户不是在平台掌握数据后被动授权，而是在源头保留控制权。
这些记忆不再依附单一平台，可被带走、复用，并在不同模型间延续。它是本地加密、可迁移、不绑定单一模型的，并随用户长期使用持续积累。
从体验来看，Anuma 首先是一个聚合多前沿模型的统一入口。用户只需一次订阅，即可访问 GPT、Claude、Grok 等最新模型，无需在不同平台间切换。
更关键的是，跨模型切换时，记忆不会被重置。在 Anuma 中，GPT、Claude 等更接近能力层，而用户记忆保持一致。无论使用哪个模型，过往交流、表达方式和偏好均可延续。
Anuma 还提供多模型议会模式（Council Mode），用户可让多个模型围绕同一问题给出不同视角的回答，便于比较。这对研究、写作和复杂判断而言，相当于让多个 AI 同时参与讨论，而非依赖单点输出。
此外，Anuma 支持用户通过 iMessage 直接与 AI 对话。每个 Agent 可像联系人一样被调用或加入群聊。相比打开特定应用，这种方式更贴近日常沟通，也让 AI 入口更轻量。即使网络不佳，用户仍可调用 AI，对话进入同一套加密记忆体系，不会因入口变化而中断。
从产品形态看，Anuma 不仅是一个多模型入口，更是在构建独立于模型的记忆体系。过去，用户记录依附于具体平台；当 AI 成为长期工具后，这些沉淀的记忆将成为理解用户的基础。
这也是 ZetaChain 切入下一代 AI 基础设施、Anuma 作为用户入口存在的原因。模型可升级替换，但用户长期积累的记忆不应被平台锁定。未来 AI 竞争，不仅是模型强弱，更是谁能让用户真正拥有、调用和延续自己的记忆。
在 AI 时代，记忆即身份。而身份，应属于用户。
Nansen AI：将链上研究转化为“对话式操作”
当问题从“数据归属”回到“如何使用数据”，另一类产品聚焦于操作层面。Nansen AI 的核心在于将链上研究与实际交易间分散的步骤，压缩至单一路径。
传统链上研究中，用户需在多个 Dashboard 间切换，手动查询资金流、地址行为和代币数据，再自行判断。步骤繁琐，信息与执行存在断层。Nansen AI 的思路是将这两部分重新连接。
用户可通过自然语言直接提问，获取资金流、Smart Money 动向、代币趋势等信息，无需逐项查询。例如，查询代币上涨原因、分析地址盈亏或解析交易，均可在对话中完成。这本质上将“研究”从操作流程中抽离，压缩为连续的对话过程。
更进一步，Nansen AI 尝试将信息获取与实际操作连接。在部分场景中，用户可直接通过对话完成转账或 Swap 等链上交互，将分散的研究与执行流程合并。这意味着 Nansen AI 不再仅提供解释，而是逐步向操作环节延伸。
这种延伸基于其长期积累的链上数据能力。系统通过标注地址和实时数据，识别资金来源、追踪大额流向，并结合持仓给出针对性分析。正因具备数据基础，它才能在对话之外承接具体操作。
在此结构下，Nansen AI 的定位发生变化。它不再仅是信息工具，而是交易决策中数据输入层与操作界面间的连接点。不过，“对话式交易”仍处早期。AI 主要降低操作门槛和信息成本，而非替代策略判断。资产配置和风险控制仍需用户自行决策。
整体来看，Nansen AI 代表 AI 应用的另一条路径——在信息层之上，向执行层延伸。它未改变交易逻辑，但提供了更轻量、直接的交易完成方式。相比单纯信息工具，连接“研究”与“操作”的能力更可能先进入真实场景。
Virtuals Protocol：将 AI Agent 打造为“可交易经济体”
当 AI 参与操作流程后，问题进一步延伸——如果 Agent 不仅是辅助工具，而是能独立提供服务、创造价值，它们能否纳入完整经济体系？
Virtuals Protocol 的尝试正沿此方向展开。
在传统 AI 产品中，Agent 被视为工具，缺乏独立经济属性。它们可完成任务，但无法参与价值分配，难形成持续商业模式。Virtuals 的思路是将 Agent 从“功能单元”转变为“经济参与者”。
在该体系中，每个 Agent 均可代币化，具备融资、激励和收益分配能力。开发者不再仅发布 AI 工具，而是围绕 Agent 构建完整经济模型，使其在使用中持续产生价值。AI 不再是一次性交付产品，而更接近可长期运转的资产。
结构上，Virtuals 提供协作、结算与发行等基础设施。Agent 可与用户或其他 Agent 协同完成任务，并通过链上机制完成价值交换。同时，通过 Launch 机制，Agent 可获得流动性支持，形成定价与资本形成路径。
相比前几个项目关注“如何使用 AI”，Virtuals 更关注“AI 如何参与经济”。它试图将 AI 从工具层推进至生产关系，让 Agent 成为独立创造价值的主体。
不过，当前阶段仍属早期。具备稳定需求和收入能力的 Agent 不多，实际应用仍在验证。Agent 间的协作、定价与信任机制也需时间建立。
从行业角度看，Virtuals 代表 AI + Crypto 的长期路径。它不直接优化当前体验，而是尝试搭建新基础结构，让 AI 具备完整经济属性。虽短期不易感知，但一旦跑通，可能改变 AI 在系统中的角色。
Warden：让 AI Agent 被使用、分发与变现
Agent 数量激增后，难点往往不在能力，而在应用场景能否成立。相比模型能力，大多数 Agent 的难点不在“能不能做”，而在“有没有人用”。它们分散在不同框架中，缺乏统一分发渠道和清晰的支付协作方式。Warden 切入的正是此处。
其思路围绕 Agent 搭建一套可使用的基础设施。用户可在统一入口调用不同 Agent，通过自然语言完成交易、跨链、查询等操作，整合分散功能。开发者则可快速创建并上线 Agent，直接面向用户提供服务，并通过链上机制完成收费与结算。
在底层结构上，Warden 通过专门链管理 Agent 身份与调用，使每个 Agent 具备独立存在形式。它可收费、可调用其他 Agent，形成协作关系。同时，通过类似应用市场的分发入口，Agent 可被用户发现，而非上线后沉没。
相比前几个项目，Warden 更接近平台层。它不强调单一能力，而是尝试组织这些能力，使其可被找到、使用并形成稳定路径。
这条路看重规模。Agent 和用户不足，分发和变现难跑通。现阶段，Warden 更像在搭建基础。先让 Agent 有发布处、调用路径和收费机制，待规模上来，这一层才有机会真正运转。
从叙事到使用，AI 正进入真实场景
将本轮 AI + Crypto 探索置于长周期，一个变化已清晰：行业重心正从“有无新叙事”转向“有无可持续使用场景”。
从 Surf 到 Anuma，从 Nansen AI 到 Virtuals 与 Warden，不同项目切入点各异，但指向同一问题：在红利消退阶段，用户为何留下，愿付出何种成本。
目前明确路径有三类：一类重构信息与决策流程，提升市场理解效率；一类重新定义数据与记忆归属，建立长期用户关系；还有一类向执行与经济结构延伸，让 AI 参与价值创造与分配。
这些路径未必同时成立，但共同筛选出更现实的方向。相比依赖流动性和情绪，真正留存的产品往往是那些在具体环节持续降低成本或提升效率的应用。
这也意味着，AI 在加密市场中的角色正发生微妙变化。它不再仅用于放大叙事，而是嵌入具体使用流程，逐步影响用户获取信息、判断和执行的方式。
从这个角度看，下一阶段竞争或许不再是谁拥有更强模型或更复杂机制，而是谁能将能力转化为稳定、可复用、可持续的产品体验。当用户不再为“可能性”买单，而关注“实际效果”时，AI + Crypto 才真正进入下一阶段。
