Web3 AI应用盘点：哪些在帮你赚钱，哪些在重塑规则？
过去几周，AI + Crypto 的讨论再次升温。
从纽约的 AI x Blockchain 相关会议，到刚结束的香港 Web3 大会，几乎所有主流参与者都在重新讨论同一个问题：AI 将如何改变加密行业的下一阶段。
但相比过去几轮更多围绕叙事展开，这一轮的讨论开始转向一个更具体的问题，AI 到底解决了什么。
在一场以“重塑便捷：Web3、AI 与智能经济的下一个十年”为主题的炉边谈话中，币安联席 CEO 何一提到，随着行业逐渐成熟，加密市场的早期红利正在消退，接下来更关键的，不是技术本身，而是产品是否真正有价值，是否有人愿意为其买单。
这也意味着，AI 不再只是一个新的增长叙事，而是被放回一个更具体的语境中，人们开始更直接地去问，它到底能带来什么实际作用。
尤其是在面向用户的应用层，这种变化已经逐渐显现。在 Web3 领域，一批围绕 AI 构建的应用正在出现。有的在重构信息获取方式，有的在重新定义数据与记忆的归属，也有的开始把链上研究、交易甚至经济模型本身，与 AI 结合起来。
这些项目未必成熟，但它们正在共同指向一个更现实的方向。当红利逐渐退去之后，AI 与加密的结合，开始回到产品本身。
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 经济与分发几个层面，梳理这一轮应用层的实际进展。
Surf：一本面向加密市场的实时百科全书
Surf 是这一轮 AI 应用中较为典型的信息层产品。它并不试图重构交易流程，也没有把重点放在创造新的经济体系上，而是回到一个更基础、但长期被忽视的问题——在加密市场中，获取信息本身依然是一件成本很高的事情。
链上数据、行情变化、社交情绪和项目资料，往往分散在不同平台中。用户需要在多个页面之间来回切换，才能拼出一个相对完整的市场判断。这种割裂感在行情波动加剧时会更加明显，问题并不是信息缺失，而是信息分散且存在时间差。Surf 的思路，是把这些信息源整合进一个统一的 AI 入口，让用户通过简单描述就能得到结构化的结论，把“找数据”这一步尽量压缩，直接进入“做判断”的阶段。
在实际使用中，它更接近一个全天在线的研究员。用户可以通过它追踪某个代币的资金流和情绪变化，分析 DeFi 协议的 TVL 和收益结构，监控巨鲸地址的异动，或者在短时间内生成一份可用于交易决策或沟通准备的项目尽调报告。相比传统工具需要用户自己筛选、拼接并理解信息，Surf 更直接地输出整理后的结果，从而缩短“获取信息—形成判断”的路径。
在此基础上，Surf 已经开始从“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，并即时部署使用，不再依赖传统开发流程。同时，Surf 集成了包括 OpenAI、Anthropic、Google 等在内的多模型能力，并打通数十个数据源与链上接口，使生成的分析结果不再只是文本，而是可以用于持续监控与决策的工具。
更底层来看，它还在逐步搭建一套面向 Agent 的能力体系。通过 API 和 Agent Stack，用户可以把特定任务（例如鲸鱼地址监控、资金流跟踪或策略信号提示）交由 AI 持续执行，而不是每次手动查询。这意味着，Surf 不再只是一个被动查询的入口，而是在向一个可以长期运行的研究系统转变。
但它的能力边界也比较清晰。Surf 的核心仍然集中在信息整合与分析层，并没有真正进入交易执行环节，例如自动下单或策略执行仍然需要用户自行完成。这也决定了它更适合作为决策辅助工具，而不是一个可以独立完成交易闭环的系统。
从行业角度来看，这类产品代表的是 AI 应用较早落地的一种形态。相比直接挑战交易执行这一复杂环节，先把“看懂市场”这件事做得更高效、更顺手，往往更容易被用户接受。在交易尚未完全自动化之前，信息处理效率的提升，依然是用户最直接、也最容易感知到的价值。
Anuma：一个面向 AI 隐私时代的主 权记忆库
过去两年，AI 几乎成了全球科技圈共同的关键词。从硅谷的模型竞赛，到纽约、香港对 AI 应用和资本叙事的追逐，行业讨论的重心一直在快速变化。 过去，这场竞争主要围绕模型能力展开，推理、多模态、Agent 执行能力，几乎每一轮产品更新都在回答同一个问题：谁的模型更聪明、更准确、更能完成复杂任务。
但随着模型能力持续提升，单纯比较模型本身已经越来越难形成长期差异。进入新阶段后，AI 如何长期记住用户，并在写作、研究、决策和日常沟通中延续这些记忆，开始成为新的讨论重点。这意味着，AI 的护城河正在从模型能力延伸到记忆能力。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。
但今天的 AI 记忆，并不真正属于用户。在当前主流 AI 产品中，对话、偏好和使用习惯会被持续记录，并逐渐形成一种越来越懂用户的体验。但这些记忆通常被封闭在各自平台内部，由平台掌握，既无法自由迁移，也难以被用户真正控制。
这意味着，AI 正在积累用户的数字人格，但这部分数据的所有权和控制权，往往仍属于平台。使用时间越长，记忆沉淀得越多，用户更换模型的成本也越高。真正锁住用户的，并不一定是模型本身，而是那些长期积累却无法带走的记忆。
Anuma 切入的，正是这一层。作为 ZetaChain 进军 AI 方向的旗舰产品，Anuma 承担的并不只是一个应用入口的角色。更准确地说，ZetaChain 想要构建的底层是一套由用户掌握的 AI 记忆体系；而 Anuma 则是这套体系面向用户的 AI 交互入口。
换句话说，ZetaChain 负责搭建底层的记忆能力，Anuma 负责把这套能力带入日常 AI 使用场景。Anuma 要做的，是把记忆从模型中拆出来，让用户第一次能够在实际使用中调用、管理并延续自己的长期记忆。
具体来看，用户可以将自己在 ChatGPT、Claude 或 Grok 中的完整对话历史导入 Anuma，在本地完成加密后，存入一个由自身控制的 Memory Vault。更重要的是，这一过程把隐私保护前置到了数据进入系统之前，用户不是在平台已经掌握数据之后再被动选择授权，而是在一开始就保留控制权。
这些记忆不再依附于某一个平台，而是可以被带走、被复用，并在不同模型之间延续。它是本地加密的、可迁移的、不绑定单一模型的，也能够随着用户长期使用持续积累。
从实际体验来看，Anuma 首先是一个聚合了多个前沿模型的统一入口。用户只需要一个订阅，就可以访问 GPT、Claude、Grok 等的最新模型，而不需要在不同平台之间反复切换。
更关键的是，当用户在不同模型之间切换时，已经形成的记忆不会被重置。在 Anuma 中，GPT、Claude 等模型更接近能力层，而用户自己的记忆始终保持一致。无论使用哪个模型，过往的交流记录、表达方式和偏好都能够被延续，而不是被清空。
Anuma 还提供了多模型议会模式（Council Mode），用户可以让多个模型围绕同一个问题给出不同角度的回答，再对这些结果进行比较。对于研究、写作和复杂判断来说，这种体验更像是让多个 AI 同时参与讨论，而不是只依赖某一个模型的单点输出。
此外，Anuma 还支持用户通过 iMessage 直接与 AI 对话。每个 Agent 都可以像联系人一样被调用，甚至被加入群聊。相比必须打开某个应用再发起对话，这种方式更接近日常沟通场景，也让 AI 入口变得更轻。 即使在网络信号较弱或无法打开应用的场景下，用户依然可以调用 AI，相关对话也会进入同一套加密记忆体系，不会因为入口变化而中断。
从产品形态来看，Anuma 并不只是一个多模型入口，而是在构建一套独立于模型之外的记忆体系。过去，用户的对话记录、偏好和使用习惯往往依附在具体平台上；但当 AI 成为长期工具后，这些持续沉淀下来的记忆，就会变成理解用户的基础。
这也是 ZetaChain 试图切入下一代 AI 基础设施、Anuma 作为用户入口存在的原因。模型可以不断升级，也可以被替换，但用户长期积累下来的记忆不应该跟着平台一起被锁住。未来 AI 产品的竞争，可能不只是谁的模型更强，也是谁能让用户真正拥有、调用和延续自己的记忆。
在 AI 时代，记忆正在成为身份的一部分。而身份，应该属于用户。
Nansen AI：把链上研究和交易变成“对话式操作”
当问题从“数据属于谁”回到“如何使用数据”，另一类产品开始把重点放在更具体的操作层面。Nansen AI 所做的，是把链上研究与实际交易之间原本分散的步骤，尽量压缩到一条路径中。
在传统链上研究中，用户往往需要在多个 dashboard 之间来回切换，手动查询资金流、地址行为、代币数据，再结合自身判断完成操作。这一过程本身并不复杂，但步骤繁琐，信息与执行之间存在明显断层。Nansen AI 的思路，是把这两部分重新接在一起。
用户可以通过自然语言直接提问，获取链上资金流、Smart Money 动向、代币趋势等信息，而不需要再逐项查询。例如，查询某个代币上涨的原因、分析特定地址的盈亏情况，或者直接解析一笔交易，整个过程都可以在对话中完成。这种方式，本质上是在把“研究”从操作流程中抽离出来，压缩为一个连续的对话过程。
更进一步，Nansen AI 正在尝试把信息获取与实际操作连接起来。在部分场景中，可以直接通过对话完成转账或 Swap 等链上交互动作，从而让原本分散的研究与执行流程被压缩在同一条路径中。这也意味着，Nansen AI 不再只是提供解释，而是在逐步向操作环节靠近。
这种延伸的前提，来自其长期积累的链上数据能力。基于大量标注地址和实时数据，系统能够识别资金来源、追踪大额流向，并结合持仓情况给出更具针对性的分析结果。也正因为具备这样的数据基础，它才能在对话之外承接具体操作。
在这种结构下，Nansen AI 的定位也随之发生变化。它不再只是一个信息工具，而更接近交易决策中的数据输入层与操作界面之间的连接点。不过，这类“对话式交易”仍然处在早期阶段。AI 更多是在降低操作门槛和信息获取成本，而不是替代用户完成策略判断。无论是资产配置还是风险控制，最终决策仍然需要由用户自己完成。
从整体来看，Nansen AI 所代表的是 AI 应用的另一条路径——在信息层之上，进一步向执行层延伸。它没有改变交易本身的逻辑，但在“如何完成交易”这件事上，提供了一种更轻量、更直接的方式。相比单纯的信息工具，这种连接“研究”与“操作”的能力，更有可能先进入真实使用场景。
Virtuals Protocol：把 AI Agent 变成“可交易的经济体”
当 AI 开始参与操作流程之后，问题会进一步延伸——如果这些 Agent 不只是辅助工具，而是可以独立提供服务、持续创造价值，那么它们是否可以被纳入一个完整的经济体系之中。
Virtuals Protocol 的尝试，正是沿着这个方向展开。
在传统 AI 产品中，Agent 更多被视为工具，本身不具备独立的经济属性。它们可以完成任务，但无法直接参与价值分配，也难以形成持续运转的商业模式。Virtuals 的思路，是把 Agent 从“功能单元”转变为“经济参与者”。
在这一体系中，每一个 Agent 都可以被代币化，从而具备融资、激励和收益分配能力。开发者不再只是发布一个 AI 工具，而是可以围绕某个 Agent 构建一套完整的经济模型，让其在被使用的过程中持续产生价值。这样一来，AI 不再只是一次性 交付的产品，而更接近一个可以长期运转的资产。
在结构上，Virtuals 提供了包括协作、结算与发行在内的一整套基础设施。Agent 可以与用户或其他 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 本身也可以获得流动性支持，从而形成定价与资本形成的路径。
相比前面几个项目主要围绕“如何更好地使用 AI”，Virtuals 更关注“AI 本身如何参与经济活动”。它试图把 AI 从工具层推进到生产关系之中，让 Agent 成为可以独立创造价值的主体。
不过，从当前阶段来看，这一方向仍然处在早期。一方面，真正具备稳定使用需求和收入能力的 Agent 还不多，生态中的实际应用仍在验证过程中；另一方面，Agent 之间的协作、定价与信任机制，也需要更长时间去建立。
从行业角度来看，Virtuals 所代表的，是 AI + Crypto 中更偏长期的一种路径。它并不直接优化用户当前的使用体验，而是在尝试搭建一个新的基础结构，让 AI 在未来具备更完整的经济属性。这种方向短期内未必最容易被感知，但一旦跑通，可能会改变 AI 在整个系统中的角色。
Warden：让 AI Agent 被使用、被分发、被变现
Agent 数量增加之后，难点往往不在能力本身，而在使用场景能不能成立。相比模型能力或单点功能，大多数 Agent 的难点并不在“能不能做”，而在“有没有人用”。它们分散在不同框架和入口中，缺乏统一的分发渠道，也没有清晰的支付与协作方式。这也是 Warden 切入的地方。
它的思路并不复杂，而是围绕 Agent 搭建一整套可使用的基础设施。对用户来说，可以在一个统一入口中调用不同 Agent，通过自然语言完成交易、跨链、查询等操作，把原本分散的功能整合到一个连续的使用流程中。对开发者而言，则可以快速创建并上线 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。
在更底层的结构上，Warden 通过专门的链来管理 Agent 的身份与调用过程，使每一个 Agent 都具备独立的存在形式。它不仅可以收取费用，也可以调用其他 Agent，逐渐形成协作关系。同时，通过类似应用市场的分发入口，Agent 有机会被用户发现，而不再只是上线之后沉在系统中。
和前面几个 AI 项目相比，Warden 更接近 平台层。它不强调某一个具体能力，而是在尝试把这些能力组织起来，让它们能够被找到、被使用、也能够形成稳定的使用路径。
这条路更看规模。Agent 和用户不够多，分发和变现就很难真正跑起来，这件事短期内也很难被“设计”出来。所以在现阶段，Warden 更像是在把这些基础一点点搭起来。先让 Agent 有地方被发布、有路径被调用，也有机制可以收费，等到使用规模上来，这一层才有机会真正运转起来。
从叙事到使用，AI 正在进入真实场景
如果把这一轮 AI + Crypto 的探索放在更长的周期中来看，一个变化已经开始变得清晰。行业的重心，正在从“有没有新叙事”，转向“有没有可持续的使用场景”。
从 Surf 到 Anuma，从 Nansen AI 到 Virtuals 与 Warden，不同项目选择了完全不同的切入点，但它们指向的是同一个问题。在一个红利逐渐消退的阶段，用户为什么要留下来，以及他们愿意为此付出什么成本。
可以看到，当前较为明确的几条路径已经出现。一类在重构信息与决策流程，提高用户理解市场的效率；一类在重新定义数据与记忆的归属，试图建立更长期的用户关系；还有一类，则在向执行与经济结构延伸，让 AI 不只是辅助工具，而开始参与价值创造与分配。
这些路径未必会同时成立，但它们正在共同筛选出一个更现实的方向。相比单纯依赖流动性和情绪驱动，真正能够留下来的产品，往往是那些在某个具体环节上，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，正在发生微妙变化。它不再只是被用来放大叙事，而是开始嵌入到具体的使用流程之中，逐步影响用户获取信息、做出判断以及执行操作的方式。
从这个角度来看，下一阶段的竞争，或许不再是谁拥有更强的模型，或更复杂的机制，而是谁能够把这些能力转化为稳定、可复用、可持续的产品体验。当用户不再为“可能性”买单，而开始关注“实际效果”时，AI + Crypto 才真正进入下一个阶段。
以上就是Web3 AI应用盘点：哪些在帮你赚钱，哪些在重塑规则？的详细内容，更多关于Web3 AI应用盘点的资料请关注脚本之家其它相关文章！
你可能感兴趣的文章
-
一文盘点Web3 AI的11个潜力项目：不要错过的造富列车
Web3 AI为普通人提供了参与AI财富创造的机会，不同于传统AI的精英化,以下是我们精选的 Web3 AI领域最具潜力的项目和方向,Web3 AI的造富列车已经启动，现在上车还来得及…
2025-09-22 -
AI赛道有哪些新项目？一文盘点8大 Web3+MCP 项目
本文将为大家盘点8大 Web3+MCP 项目，在AI赛道种，这八大新项目，多数处于早期开发中，Web3+MCP 整体停留在概念炒作阶段,大家谨慎参与…
2025-04-27 -
全面深度解析Multi Agent：Web3与AI终将相互成就？
AI Agent 和 Multi-Agent 系统通常需要大量的计算资源来进行复杂的决策和处理任务,Web3 通过区块链和去中心化技术，可以构建去中心化的算力市场，使得算力资源可以在全球范…
2024-09-17 -
币安加大Web3+AI赛道投资，Web3+AI项目盘点+未来前景分析
AI+区块链有何吸引力呢？AI赛道在2024年上半年展现出明显的发展潜力，伴随着技术进步和市场需求的增长，期待AI赛道下半年进一步发力,然而，尽管前景乐观，市场仍面临挑战,…
2024-09-04 -
AI+Web3项目排行榜：十个值得关注的潜力AI+Web3项目
Web3，以其去中心化、透明性、隐私保护等特性，为 AI 技术提供了一个理想的发展平台,AI 与Web3 的结合，不仅能够解决 AI 发展中的随机性、资源密集和人机难辨的挑战，还能…
2025-04-29 -
AI+Web3未来发展之路：基础设施篇
AI+Web3是当下最热门的两个技术主题的碰撞，近期也出现了一批该主题的项目，凸显了市场对这个主题的关注和期待,本文是Future3 Campus AI+Web3 产业研究报告第二篇，详解基…
2024-03-22 -
AI+Web3的整体产业图景和叙事逻辑
AI+Web3是当下最热门的两个技术主题的碰撞，近期也出现了一批该主题的项目，凸显了市场对这个主题的关注和期待,AI+Web行业目前发展情况如何？是否真实有应用场景？长期来看…
2024-03-13
