在布拉格举行的 The Block 首届 Emergence 大会上，Dragonfly 合伙人 Rob Hadick 谈到，加密货币与 AI 结合这条赛道当前存在一个很常见的问题：一些原本在链下就能高效运转的产品和服务，被搬到链上之后，不但没有明显变好，反而增加了复杂度，也抬高了使用门槛，最后面向的仍主要是已经活跃在链上的那批用户。按他的看法，现在不少 AI 与加密货币结合的项目，本质上仍带有明显的“把 Web2 逻辑搬到链上”的影子。
AI 与加密货币结合，现阶段更现实的价值仍是提升效率
从现场讨论来看，与会者整体更认可一种相对务实的判断：现阶段 AI 给加密货币行业带来的直接价值，未必是立刻改写行业结构，而是先把开发效率提上来，包括代码生成、测试、排错、审计辅助，以及整个研发流程的优化。
从产品和基础设施角度看，这样的结论并不难理解。区块链、Web3 和加密货币生态本质上依然是软件驱动型行业，系统稳不稳定、开发够不够高效、应用安不安全，都会直接影响项目能否持续运行。CoinFund 常务董事 David Pakman 也提到，Web3 领域已经积累了大量软件系统，行业更值得关注的，是如何借助 AI 改善各类去中心化应用的运行方式，覆盖基础设施、安全层以及用户使用流程等多个环节。
如果拆开来看，这类 AI 应用的实际价值主要集中在以下几个方面：
- 开发效率：帮助团队更快完成编码、测试和维护工作；
- 产品体验：优化交互流程，减少用户操作负担；
- 系统运行：在一定程度上提升应用稳定性与协同效率；
- 成本控制：降低部分重复性开发和维护成本。
换句话说，与其反复强调“AI 上链”这样的概念，不如先看 AI 是否真的在具体场景里发挥了作用。对项目评估来说，能被验证的功能改进，通常比概念包装更有参考价值。
去中心化 AI 是否能挑战中心化巨头，短期内仍不乐观
在去中心化 AI 能否挑战中心化 AI 公司这个问题上，两位投资人的判断比较接近。他们认为，不管是 OpenAI、Anthropic，还是微软、Facebook 这类大型中心化 AI 公司，在当前这个发展阶段里，去中心化 AI 系统大概率都很难真正撼动它们的主导地位。
Rob Hadick 进一步表示，Dragonfly 更关注那些已经证明具备产品市场契合度的项目。这里的重点不在于叙事是不是足够新，而在于产品是否真正满足用户需求，并且能够被持续使用。对于去中心化训练、在链上运行模型，或者直接在链上开展机器学习这些方向，他一直保持相对谨慎的态度。
从项目分析角度来看，这种谨慎并不意外。去中心化 AI 面临的主要难点，通常集中在以下几方面：
- 性能约束：链上环境并不天然适合高强度模型训练和推理；
- 成本问题：链上执行与存储成本，可能高于链下方案；
- 落地效率：技术路线可行，不代表产品层面就具备竞争力；
- 用户需求验证：是否真的存在必须依赖去中心化架构才能解决的问题，仍有待验证。
David Pakman 也认同，在这一轮周期里，去中心化项目不太可能颠覆这些中心化 AI 巨头。不过他同时提到，那些尝试构建替代方案的开发者依然值得持续关注。原因在于，如果未来市场希望看到更分散的算力供给、更开放的访问权限，以及更具可组合性的技术栈，那么 Web3 在去中心化访问能力和硬件协同层面，依然存在探索空间。
AI Agent 赛道热度很高，但真正能跑通的项目未必多
Rob Hadick：AI Agent 更像“少数胜出”的市场
除了对去中心化 AI 的整体判断之外，Rob Hadick 也对近期热度很高的 AI Agent 赛道提出了质疑。所谓 AI Agent，可以理解为围绕既定任务自动执行操作、调用工具、串联流程的一类 AI 代理型应用。
他把这一轮 AI Agent 热潮类比为 2021 年一度非常火热的链游赛道，并提到团队过去也曾在这个方向进行投资。按他的看法，AI Agent 很可能会是一个明显的“赢者通吃”市场。也就是说，虽然这一方向可能吸引大量加密创投资金进入，但最后真正拿到主要市场成果的项目，可能只会是极少数。
如果按照赛道评估的逻辑来看，这一观点释放出的信号很明确：
- 赛道热度高，并不意味着所有项目都有持续需求；
- 叙事一致，反而更容易导致项目同质化；
- 自动化能力 是否真正可用，比“AI Agent”这个标签本身更重要；
- 资金流入 不等于产品最终一定能形成稳定的用户留存。
这也意味着，在 AI Agent 项目持续升温的阶段，行业参与者更需要区分概念推动和真实落地能力，不能只围绕叙事去判断项目质量。
David Pakman：从长期看，AI Agent 仍值得继续观察
相比之下，David Pakman 对 AI Agent 的长期前景要更乐观一些。他认为，以代理为核心的应用形态，未来仍可能成为 AI 与加密货币协同发展的一个重要切入口。
他同时提到，加密货币体系本身或许能够为 AI Agent 提供更合适的支付基础设施。对于需要自动调用服务、发起支付，或者在不同系统之间协作的 AI 代理来说，链上支付能力和加密货币工具，理论上确实可能形成一定配套。
从功能角度来看，这一逻辑主要体现在几个方面：
- 支付自动化：适合机器与服务之间进行程序化结算；
- 跨系统协同：便于不同协议、工具或平台之间形成流程连接；
- 可编程性：链上规则相对明确，便于构建自动执行逻辑；
- 开放接口环境：更适合与部分 Web3 应用进行组合。
不过，这并不意味着 AI Agent 项目天然就具备优势。它是否真正成立，仍取决于场景需求、执行效率、用户体验以及安全机制等多项因素。
如何判断 AI、Web3 与加密货币项目有没有真实落地能力
综合两位投资人的观点不难看出，尽管市场对 AI、区块链、Web3 和加密货币融合的讨论持续升温，但行业真正关心的，始终还是这些方向能不能形成实际落地，而不是概念本身是否足够新。
无论是去中心化 AI、链上模型、链上机器学习，还是 AI Agent，核心评估标准其实并没有变：项目是否解决了真实需求，是否具备产品市场契合度，以及相较链下方案，是否能提供更明确的效率优势或功能差异。
对于关注 AI 加密货币赛道、AI Agent 项目以及去中心化 AI 方向的读者来说，更实用的观察框架通常包括以下几点：
- 项目到底在解决什么问题；
- 为什么一定要上链，而不是继续采用链下方案；
- 产品功能是否已经得到用户验证；
- 是否存在明显的成本、性能或安全短板；
- 除叙事之外，是否拥有可持续的实际使用场景。
在加密资产相关领域，赛道热度变化通常很快，AI 与 Web3 结合的叙事也可能在短时间内迅速升温或降温。因此，理解项目定位、功能特点、适用场景以及潜在风险，依然是判断项目质量的重要前提。本文内容仅基于行业观点整理，用于信息交流，不构成任何投资建议。
