@mtorygreen 提出了一个很好的观点。一般来说，很多人（还）不理解 DeAI 堆栈实际上是多么庞大和多样化。 想知道我是什么意思吗？ 1 ) 应用/用户体验层： @Infinit_Labs（代理用户体验层 + 策略市场） @AIWayfinder（代理驱动的用户体验自动化） @HeyAnonai（AI 驱动的 DeFAI 平台） +++ 2 ) AI 代理基础设施层和框架 @TalusNetwork（AI 代理的链上协调中心） @TheoriqAI（群体协调框架） @Spectral_Labs（智能链上代理） @gizatechxyz（非托管算法代理） +++ 3 ) AI 原生执行层 @NEARProtocol（AI 原生高性能区块链） @wardenprotocol（具有原生 AI 集成的智能应用） @ritualnet（AI 的主权链） +++ 4 ) 推理与开放智能层： @opentensor（达尔文式 AI 网络） @AlloraNetwork（自我改进的机器学习网络） @SentientAGI（开源 AGI） @Fetch_ai（全球首个 Web3 LLM） +++ 5 ) 数据收集 + 市场层： @OpenledgerHQ（可归属数据市场 + SLM 微调） @oceanprotocol（用于 AI 的代币化数据市场） @Hivemapper（去中心化地图数据） @grass（数据收集激励基础设施） @vana（数据主权的开放网络） +++ 6 ) GPU/计算层： @ionet（最大的去中心化 GPU 聚合器） @akashnet_（去中心化计算网络） @AethirCloud（去中心化计算网络） @theblessnetwork（边缘计算网络） +++ 7 ) 隐私层： @ArciumHQ（高性能、并行化的 MPC 网络） @nillionnetwork（专注于盲计算的 MPC 驱动 AI 推理） @zama_fhe（FHE 领域的领导者，协处理器网络即将推出） @inconetwork（支持 TEE + FHE 的模块化隐私层） +++ 8 ) 存储与 DA 层： @eigen_da（由 Ethereum 保障的超大规模 DA 层） @0G_labs（用于存储、计算和扩展的 AI 原生 L1） @celestia（模块化数据可用性层） +++ 请注意，这些类别中还有很多很多项目，这只是为了举例，敬请关注即将发布的完整生态系统概述。