市场中存在的差距和机会

在数据及其衍生领域，包括数据索引、存储和分析，业界普遍认为，加密货币领域仍存在大量未开发的潜力。随着各种第二层解决方案和模块化区块链架构的涌现，这种潜力尤其明显，因为它们有望丰富基于这些架构构建的应用生态系统。此外，AI技术的进步将大幅增加对数据，尤其是结构化数据的需求，尤其是由AI代理（AI Agents）所需的。AI场景中数据的使用预计将变得越来越复杂，主要体现在两个方面：

1. 与传统金融市场的日益融合：BTC ETF的批准标志着单纯的链上数据已经不足以进行全面的数据分析。传统金融、股票、债券市场乃至国家层面的政策与加密货币领域之间的联系日益紧密。信息和数据是多维的，需要基于时间戳进行对齐和分析，以揭示隐藏在不同数据源中的潜在信号。

2. AI代理的增强能力：AI代理的计算能力已达到可以分析高度复杂数据的水平，大模型的参数现已达到万亿级。超出人类能力的数据分析复杂性任务现在已进入AI的能力范围。

这引出了一个关键问题：是否存在大量与AI分析能力相匹配的数据储备？如果数据存在，是否有AI代理能够根据需要组装各种数据源，允许开发者为不同场景编写提示？这些问题展开了对加密货币和传统行业在数据和AI领域中存在的差距和机会的更广泛讨论：

• 数据孤岛和垄断现象：虽然众多数据服务公司，如Dune Analytics、Nansen、Chainbase和Alchemy，已对几乎每个区块链的数据进行了索引，但这些数据仍然是集中化的。原本可以进行一次索引以供普遍使用的数据，反而被重复索引，不同实体之间缺乏互操作性，导致行业内部利用效率低下。此外，来自平台X（原Twitter）的链下数据正在逐渐被垄断，这与去中心化和无信任原则相悖。因此，许多数据项目被标记为Web2.5，未能完全拥抱加密本土精神。

• 缺乏统一的数据收集方法和标准：尽管存在许多开源框架用于处理链上数据ETL，但在数据定义上缺乏共识，导致不同平台之间的分析结果各异。例如，区块链上“活跃用户”的定义可能会因分析师所选择的标准而显著不同，突出数据解释的主观性。缺乏系统性收集和整理平台X数据的工具使这一问题更加严重。

• 对数据的估值不公：像Dune和Footprint这样的平台托管着社区创建的数据分析仪表板，集中化了生成的数据和洞见。然而，提供这些洞见的分析师和开发者往往无法获得实质性的经济利益，可能仅能在声誉上获益。此外，平台X的高API使用成本及其对数据的垄断控制，阻碍了开发像Grok这样的专有模型的数据开放性。如果平台X限制API访问，将有效垄断数据，使所有用户面临高成本。

• 大多数代理项目忽视数据需求：虽然许多人声称要构建代理平台，但代理构建的基础是大量的数据。没有数据，这些努力是徒劳的。数据设定了AI能力的上限，而AI决定了数据使用的效率。在这个阶段，构建数据障碍和工具至关重要，记住算法、计算能力和数据是AI行业不可变的三位一体。

• AI代理作为下一代资产：包括数据层、AgentOps、服务层和应用层的综合基础设施对于AI代理至关重要。每一层都蕴含着巨大的机会，强调了在AI和加密货币生态系统中发展下一代资产的整体方法的必要性。