LazAI研究：AI经济如何超越DeFi TVL神话

引言

去中心化金融（DeFi）通过一系列简单而强大的经济原语，点燃了指数级增长的故事，将区块链网络转变为全球无许可市场，彻底颠覆了传统金融。在 DeFi 的崛起中，几个关键指标成为了价值的通用语言：总锁定价值（TVL）、年化收益率（APY/APR）和流动性。这些简洁的指标激发了参与和信任。例如， 2020 年 DeFi 的 TVL（锁定在协议中的资产美元价值）飙升了 14 倍，随后在 2021 年再次翻四倍，峰值时突破 1120 亿美元。高收益率（某些平台在流动性挖矿热潮中宣称 APY 高达 3000% ）吸引了流动性，而流动性池的深度则标志着更低的滑点和更高效的市场。简而言之，TVL 告诉我们“有多少资金参与其中”，APR 告诉我们“能赚取多少收益”，而流动性则表明“资产交易的便利程度”。尽管存在缺陷，但这些指标从零开始构建了一个价值数十亿美元的金融生态。通过将用户参与转化为直接的财务机会，DeFi 创造了一个自我强化的采用飞轮，使其迅速普及，推动大规模参与。

如今，AI 正处于相似的十字路口。但与 DeFi 不同，当前 AI 的叙事由基于海量互联网数据集训练的大型通用模型主导。这些模型往往难以在细分领域、专业任务或个性化需求中提供有效结果。它们的“一刀切”模式虽强大却脆弱，虽通用却错位。这一范式亟需转变。AI 的下一个时代不应由模型的规模或通用性定义，而应聚焦于自下而上——更小、高度专业化的模型。此类定制化 AI 需要一种全新的数据：高质量、与人类对齐且领域特定的数据。但获取此类数据并非像网络爬取那样简单，它需要个人、领域专家和社区的主动且有意识的贡献。

为了推动这一专业化、与人类对齐的 AI 新时代，我们需要构建类似于 DeFi 为金融设计的激励飞轮。这意味着引入新的 AI 原生原语，用于衡量数据质量、模型性能、代理可靠性和对齐激励——这些指标应直接反映数据作为资产（而非仅仅是输入）的真实价值。

本文将探讨这些能够构成 AI 原生经济支柱的新原语。我们将阐述：若建立正确的经济基础设施（即生成高质量数据、合理激励其创造与使用，并以个体为中心），AI 将如何蓬勃发展。我们还将以 LazAI 等平台为例，分析它们如何率先构建这些 AI 原生框架，引领定价和奖励数据的新范式，为 AI 创新的下一次飞跃提供动力。

DeFi 的激励飞轮：TVL、收益率与流动性——快速回顾

DeFi 的崛起并非偶然，其设计使得参与既有利可图又透明。总锁定价值（TVL）、年化收益率（APY/APR）和流动性等关键指标不仅是数字，更是将用户行为与网络增长对齐的原语。这些指标共同构成了吸引用户与资本的良性循环，进而推动进一步创新。

• 总锁定价值（TVL）：TVL 衡量存入 DeFi 协议（如借贷池、流动性池）的总资本，成为 DeFi 项目的“市值”代名词。TVL 的快速增长被视为用户信任和协议健康的标志。例如， 2020-2021 年的 DeFi 热潮中，TVL 从不足 100 亿美元跃升至超 1000 亿美元，到 2023 年更突破 1500 亿美元，展现了参与者愿意锁定到去中心化应用中的价值规模。高 TVL 产生引力效应：更多资本意味着更高流动性和稳定性，吸引更多用户寻求机会。尽管批评者指出，盲目追逐 TVL 可能导致协议提供不可持续的激励（本质上是“购买”TVL），从而掩盖低效问题，但若没有 TVL，早期 DeFi 叙事将缺乏追踪采用的具体方式。
• 年化收益率（APY/APR）：收益承诺将参与转化为切实机会。DeFi 协议开始为流动性或资金提供者提供惊人的 APR。例如，Compound 于 2020 年中推出 COMP 代币，开创了流动性挖矿模式——向流动性提供者奖励治理代币。这一创新引发活动狂潮。使用平台不再仅是服务，更成为一种投资。高 APY 吸引收益追求者，进一步推高 TVL。这种奖励机制通过直接以丰厚回报激励早期采用者，推动了网络增长。
• 流动性：在金融中，流动性是指在不引起价格剧烈波动的情况下转移资产的能力——这是健康市场的基石。DeFi 中的流动性常通过流动性挖矿计划（用户因提供流动性而赚取代币）启动。去中心化交易所和借贷池的深度流动性意味着用户可以低摩擦交易或借贷，从而改善用户体验。高流动性带来更高交易量和实用性，进而吸引更多流动性——经典的正反馈循环。它还支持可组合性：开发者可在流动市场之上构建新产品（衍生品、聚合器等），推动创新。因此，流动性成为网络的命脉，推动着采用和新兴服务的涌现。

这些原语共同构成了强大的激励飞轮。通过锁定资产或提供流动性创造价值的参与者立即获得奖励（通过高收益和代币激励），从而鼓励更多参与。这使个体参与转化为广泛机会——用户赚取利润和治理影响力——而这些机会又催生网络效应，吸引数千用户加入。结果令人瞩目：截至 2024 年，DeFi 用户数超 1000 万，其价值在几年内增长近 30 倍。显然，大规模激励对齐——将用户转化为利益相关者——是 DeFi 指数级崛起的关键。

当前 AI 经济的缺失

如果说 DeFi 展示了自下而上的参与和激励对齐如何启动金融革命，那么当今 AI 经济仍缺乏支持类似转变的基础原语。当前 AI 由基于海量爬取数据集训练的大型通用模型主导。这些基础模型规模惊人，但旨在解决所有问题，总是往往无法特别有效地服务于任何人。其“一刀切”架构难以适应细分领域、文化差异或个体偏好，导致输出脆弱、存在盲点，且与现实需求日益脱节。

下一代 AI 的定义将不再仅是规模，还会有上下文理解能力——即模型理解和服务特定领域、专业社区及多元人类视角的能力。然而，这种情境智能需要不同的输入：高质量、与人类对齐的数据。而这正是当前所缺失的。目前尚无广泛认可的机制来衡量、识别、估值或优先化此类数据，也没有开放的流程供个人、社区或领域专家贡献其视角并改进日益影响其生活的智能系统。因此，价值仍集中在少数基础设施提供者手中，而大众与 AI 经济的上行潜力脱节。唯有设计出能够发掘、验证和奖励高价值贡献（数据、反馈、对齐信号）的新原语，我们才能解锁 DeFi 赖以繁荣的参与式增长循环。

简而言之，我们必须同样追问：

我们应如何衡量创造的价值？如何构建自我强化的采用飞轮，以推动以个体为中心的数据自下而上参与？

要解锁类似 DeFi 的“AI 原生经济”，我们需要定义新的原语，将参与转化为 AI 的机会，从而催化该领域迄今未见的网络效应。

AI 原生技术栈：新经济的新原语

我们不再只是将代币在钱包间转移，而是将数据输入模型、模型输出转化为决策、AI 代理付诸行动。这需要新的指标和原语，以量化智能与对齐，正如 DeFi 指标量化资本那样。例如，LazAI 正在构建下一代区块链网络，通过引入 AI 数据、模型行为和代理交互的新资产标准，解决 AI 数据对齐问题。

以下概述了定义链上 AI 经济价值的几项关键原语：

• 可验证数据（新的“流动性”）：数据之于 AI，如同流动性之于 DeFi——系统的命脉。在 AI（尤其是大模型）中，拥有正确数据至关重要。但原始数据可能质量低劣或具有误导性，我们需要链上可验证的高质量数据。此处可能的原语是“数据证明（PoD）/数据价值证明（PoDV）”。该概念将衡量数据贡献的价值，不仅基于数量，还基于质量及其对 AI 性能的影响。可将其视为流动性挖矿的对应物：提供有用数据（或标签/反馈）的贡献者将根据其数据带来的价值获得奖励。此类系统的早期设计已现雏形。例如，某区块链项目的数据证明（PoD）共识将数据视为验证的主要资源（类似工作量证明中的能源或权益证明中的资本）。在该系统中，节点根据其贡献数据的数量、质量与相关性获得奖励。

将其推广至通用 AI 经济，我们可能看到“总锁定数据价值（TDVL）”作为指标：网络所有有价值数据的聚合度量，按可验证性和有用性加权。已验证数据池甚至可像流动性池一样交易——例如，用于链上诊断 AI 的已验证医学影像池可能具有量化价值和利用率。数据溯源（了解数据来源、修改历史）将是该指标的关键部分，确保输入 AI 模型的数据可信且可追溯。本质上，如果说流动性关乎可用资本，可验证数据则关乎可用知识。数据价值证明（PoDV）等指标可捕捉网络中锁定的有用知识量，而通过 LazAI 的数据锚定代币（DAT）实现的链上数据锚定，使数据流动性成为可衡量、可激励的经济层。

• 模型性能（一种新资产类别）：在 AI 经济中，训练好的模型（或 AI 服务）本身成为资产——甚至可将其视为与代币和 NFT 并列的新资产类别。训练有素的 AI 模型因其权重中封装的智能而具有价值。但如何链上表征和衡量这一价值？我们可能需要链上性能基准或模型认证。例如，模型在标准数据集上的准确率，或在竞争性任务中的胜率，可作为性能评分记录到链上。可将其视为 AI 模型的链上“信用评级”或 KPI。此类评分可随模型微调或数据更新而调整。Oraichain 等项目已探索将 AI 模型 API 与可靠性评分（通过测试用例验证 AI 输出是否符合预期）结合上链。在 AI 原生 DeFi（“AiFi”）中，可设想基于模型性能的质押——例如，若开发者认为其模型性能优异，可质押代币；若独立链上审计确认其性能，则获得奖励（若模型表现不佳，则损失质押）。这将激励开发者如实报告并持续改进模型。另一思路是携带性能元数据的代币化模型 NFT——模型 NFT 的“地板价”可能反映其实用性。此类实践已初现端倪：某些 AI 市场允许买卖模型访问代币，LayerAI（前 CryptoGPT）等协议明确将数据和 AI 模型视为全球 AI 经济中的新兴资产类别。简言之，DeFi 问“锁定了多少资金？”，AI-DeFi 将问“锁定了多少智能？”——不仅指算力（尽管同样重要），更指网络中运行模型的效能与价值。新指标可能包括“模型质量证明”或链上 AI 性能改进的时序指数。
• 代理行为与效用（链上 AI 代理）：AI 原生区块链中最激动人心且具挑战性的新增元素，是链上运行的自主 AI 代理。它们可能是交易机器人、数据策展者、客服 AI 或复杂 DAO 治理者——本质上是软件实体，它们能够感知、决策并在网络上代表用户甚至自行采取行动。DeFi 世界仅有基础“机器人”；而在 AI 区块链世界中，代理可能成为一等经济主体。这催生了围绕代理行为、可信度与实用性度量标准的需求。我们可能看到类似“代理效用评分”或声誉系统的机制。想象每个 AI 代理（可能以 NFT 或半同质化代币（SFT）身份表征）根据其行动（完成任务、协作等）积累声誉。此类评分类似于信用评分或用户评级，但针对 AI。其他合约可据此决定是否信任或使用代理服务。LazAI 提出的 iDAO（以个体为中心的 DAO）概念中，每个代理或用户实体拥有自己的链上域及 AI 资产。可设想这些 iDAO 或代理建立可衡量的记录。

已有平台开始代币化 AI 代理代币化并赋予链上指标：例如，Rivalz 的 “Rome protocol” 创建基于 NFT 的 AI 代理（rAgents），其最新声誉指标记录在链。用户可质押或出借这些代理，其奖励取决于代理在集体 AI“集群”中的表现与影响。这本质上是 AI 代理的 DeFi，并展示了代理效用指标的重要性。未来，我们可能像讨论活跃地址一样讨论“活跃 AI 代理”，或像讨论交易量一样讨论“代理经济影响”。

• 注意力轨迹可能成为另一原语——记录代理在决策过程中关注的内容（哪些数据、信号）。这可使黑盒代理更透明、可审计，并将代理的成功或失败归因于特定输入。总之，代理行为指标将确保责任与对齐：若要让自主代理受托管理大额资金或关键任务，需量化其可靠性。高代理效用评分可能成为链上 AI 代理管理大额资金的前提（类似传统金融中高信用评分是大额贷款的门槛）。
• 使用激励与 AI 对齐指标：最后，AI 经济需考虑如何激励有益使用和对齐。DeFi 通过流动性挖矿、早期用户空投或费用返还激励增长；而在 AI 中，单纯的使用增长并不够，我们需激励改善 AI 结果的使用。此时，与 AI 对齐挂钩的指标至关重要。例如，人类反馈循环（如用户评分 AI 响应或通过 iDAO 提供纠正，这部分将会在下文详细说明）可被记录，反馈贡献者可赚取“对齐收益”。或设想“注意力证明”或“参与证明”，投入时间改进 AI（通过提供偏好数据、纠正或新用例）的用户获得奖励。指标可能是注意力轨迹，捕捉投入优化 AI 的优质反馈或人类注意力量。

正如 DeFi 需要区块浏览器和仪表盘（如 DeFi Pulse、DefiLlama）追踪 TVL 和收益，AI 经济也需要新的浏览器追踪这些 AI 中心化指标——想象一个“AI-llama”仪表盘显示总对齐数据量、活跃 AI 代理数、累计 AI 效用收益等。其与 DeFi 有相似之处，但内容是全新的。

迈向 DeFi 式 AI 飞轮

我们需要为 AI 构建激励飞轮——将数据视为一等经济资产，从而将 AI 开发从封闭事业转变为开放、参与式经济，正如 DeFi 将金融变为用户驱动的流动性开放场域。

此方向的早期探索已现。例如，Vana等项目开始奖励用户参与数据共享。Vana 网络允许用户将个人或社区数据贡献至 DataDAO（去中心化数据池），并赚取数据集专属代币（可兑换为网络原生代币）。这是迈向数据贡献者货币化的重要一步。

然而，仅奖励贡献行为不足以复现 DeFi 的爆发式飞轮。在 DeFi 中，流动性提供者不仅因存入资产获得奖励，其提供的资产还具有透明市场价值，且收益反映实际使用（交易费、借贷利息加激励代币）。同理，AI 数据经济需超越泛泛奖励，直接为数据定价。若缺乏基于数据质量、稀缺性或对模型改进程度的经济定价，我们可能陷入浅层激励。单纯分发代币奖励参与可能鼓励数量而非质量，或在代币缺乏实际 AI 效用挂钩时停滞。要真正释放创新，贡献者需看到清晰的市场驱动信号，了解其数据价值，并在数据实际用于 AI 系统时获得回报。

我们需要一种更聚焦于直接估值和奖励数据的基础设施，以创建数据中心化激励循环：人们贡献的高质量数据越多，模型越优，吸引更多使用和数据需求，从而推高贡献者回报。这将使 AI 从争夺大数据的封闭竞赛，转变为可信、高质量数据的开放市场。

这些理念如何在真实项目中体现？以 LazAI 为例——该项目正在构建去中心化 AI 经济的下一代区块链网络和基础原语。

LazAI 简介——让 AI 与人类对齐

LazAI 是专为解决 AI 数据对齐问题而设计的下一代区块链网络和协议，通过引入 AI 数据、模型行为和代理交互的新资产标准，构建去中心化 AI 经济的基础设施。

LazAl 提供了最具前瞻性的方法之一，通过使数据可验证、激励和可编程于链上解决了 AI 对齐问题。下文将会以 LazAI 的框架为例来说明 Al 原生区块链如何将上述原则付诸实践。

核心问题——数据错位与缺乏公平激励

AI 对齐常归结于训练数据质量，而未来需要与人类对齐、可信且受治理的新数据。随着 AI 行业从中心化通用模型转向情境化、对齐化智能，基础设施必须同步进化。下一 AI 时代将由对齐性、精确性与溯源性定义。LazAI 直击数据对齐与激励挑战，提出根本解决方案：在源头对齐数据并直接奖励数据本身。换言之，确保训练数据可验证地代表人类视角、去噪/去偏，并根据数据质量、稀缺性或对模型的改进程度给予奖励。这是从修补模型到整理数据的范式跃迁。

LazAI 不仅引入原语，更提出数据获取、定价与治理的新范式。其核心概念包括数据锚定代币（DAT）和以个体为中心的 DAO（iDAO），二者共同实现数据的定价、溯源与可编程使用。

可验证与可编程数据——数据锚定代币（DAT）

为实现这一目标，LazAI 引入了一种新的链上原语——数据锚定代币（DAT），一个专为 AI 数据资产化设计的新型通证标准。每个 DAT 代表一条链上锚定的数据及其沿袭信息：贡献者身份、随时间推移的演变历程，以及使用场景。这为每条数据创建了可验证的历史记录——类似于数据集的版本控制系统（如 Git），但由区块链保障安全性。由于 DAT 存在于链上，它们具备可编程性：智能合约可管理其使用规则。例如，数据贡献者可指定其 DAT（如一组医学影像）仅限特定 AI 模型访问，或在特定条件下使用（通过代码强制实施隐私或道德约束）。激励机制则体现在 DAT 可交易或质押——若数据对模型有价值，模型（或其所有者）可能付费获取 DAT 的访问权。本质上，LazAI 构建了一个数据代币化且可溯源的市场。这直接呼应前文讨论的“可验证数据”指标：通过检查 DAT，可确认其是否已验证、被多少模型使用，以及带来何种模型性能提升。此类数据将获得更高估值。通过将数据锚定在链上，并将经济激励与质量挂钩，LazAI 确保 AI 训练于可信且可衡量的数据。这是通过激励对齐解决问题——优质数据获得奖励并脱颖而出。

以个体为中心的 DAO（iDAO）框架

第二个关键组件是 LazAI 的 iDAO（以个体为中心的 DAO）概念，其通过将个体（而非组织）置于决策与数据所有权的核心，重新定义了 AI 经济中的治理模式。传统 DAO 通常优先考虑集体组织目标，无意中弱化了个体意志。iDAO 则颠覆了这一逻辑。它们是个性化治理单元，允许个人、社区或领域特定实体直接拥有、控制并验证其贡献给 AI 系统的数据和模型。iDAO 支持定制化、对齐的 AI：作为治理框架，它们确保模型始终遵循贡献者的价值观或意图。从经济角度看，iDAO 还使 AI 行为具备社区的可编程性——可设定规则限制模型如何使用特定数据、谁可访问模型，以及模型产出收益的分配方式。例如，iDAO 可规定：每当其 AI 模型被调用（如 API 请求或任务完成）时，部分收益将返还给贡献相关数据的 DAT 持有者。这建立了代理行为与贡献者奖励之间的直接反馈循环——类似于 DeFi 中流动性提供者收益与平台使用挂钩的机制。此外，iDAO 之间可通过协议实现可组合性交互：一个 AI 代理（iDAO）可在协商条款下调用另一 iDAO 的数据或模型。

通过建立这些原语，LazAI 的框架将去中心化 AI 经济的愿景变为现实。数据成为用户可拥有并从中获利的资产，模型从私有孤岛转变为协作项目，每位参与者——从策划独特数据集的个体到构建小型专业模型的开发者——都能成为 AI 价值链的利益相关者。这种激励对齐有望复现 DeFi 的爆发式增长：当人们意识到参与 AI（贡献数据或专业知识）直接转化为机会时，他们将更积极地投入。随着参与者增多，网络效应随之启动——更多数据催生更优模型，吸引更多用户，进而生成更多数据与需求，形成正向循环。

构建 AI 信任基座：可验证计算框架

在这一生态体系中，LazAI 的可验证计算框架（Verified Computing Framework）是构建信任的核心层。该框架确保每个生成的 DAT、每个 iDAO（个体化自治组织）决策、每笔激励分配都有可验证的追溯链条，使数据所有权可执行、治理过程可追责、智能体行为可审计。通过将 iDAO 与 DAT 从理论概念转化为可靠可验证的系统，可验证计算框架实现了信任的范式转移——从依赖假设转向基于数学验证的确定性保障。

去中心化 AI 经济的价值实现
这套基础要素的建立，使得去中心化 AI 经济的愿景真正落地：

• 数据资产化：用户可确权持有数据资产并获取收益
• 模型协作化：AI 模型从封闭孤岛转变为开放协作产物
• 参与权益化：从数据贡献者到垂直模型开发者，所有参与者皆可成为 AI 价值链的利益攸关方

这种激励相容设计有望复现 DeFi 的增长动能：当用户意识到参与 AI 建设（通过贡献数据或专业知识）能直接转化为经济机遇时，参与热情将被点燃。随着参与者规模扩大，网络效应随之显现——更多高质量数据催生更优模型，吸引更多用户加入，进而产生更多数据需求，形成自我强化的增长飞轮。

结语：迈向开放的 AI 经济

DeFi 的历程表明，正确的原语能释放前所未有的增长。在即将到来的 AI 原生经济中，我们正站在类似突破的临界点。通过定义并落地重视数据与对齐的新原语，我们可将 AI 开发从中心化工程转变为去中心化的社区驱动事业。这一旅程不乏挑战：需确保经济机制优先质量而非数量，并规避道德陷阱以防止数据激励损害隐私或公平。但方向已然清晰。LazAI 的 DAT 与 iDAO 等实践正开辟道路，将“与人类对齐的 AI”抽象理念转化为所有权与治理的具体机制。

正如早期 DeFi 通过实验性优化 TVL、流动性挖矿和治理，AI 经济也将迭代其新原语。未来，围绕数据价值衡量、公平奖励分配、AI 代理对齐与益处的辩论与创新必将涌现。本文仅触及可能推动 AI 民主化的激励模型之表层，期望激发开放讨论与深入研究：如何设计更多 AI 原生经济原语？可能产生哪些意外后果或机遇？通过广泛社区的参与，我们更可能构建一个不仅技术先进，且经济包容、与人类价值观对齐的 AI 未来。

DeFi 的指数级增长并非魔法——它由激励对齐驱动。如今，我们有机会通过数据与模型的同类实践，推动一场 AI 复兴。将参与转化为机会，机会转化为网络效应，我们可为 AI 启动重塑数字时代价值创造与分配的飞轮。

让我们共同构建这一未来——从一条可验证数据集、一个对齐的 AI 代理、一项新原语开始。