AI/Analytics

注意：本文档是英文原版的自动翻译。

AI/分析归类的是那些使用 AI 和机器学习来分析、评分、排名或提供洞见的项目——通常关于加密市场、链上活动或项目质量。这些是把原始的区块链和市场数据转化为可付诸行动之理解的“智能层”项目。

在 DecAIHub 登记库中，AI/分析是一个较小但独具特色的类别。核心区别在于：执行分析的是一个模型——而不是人类分析师，也不是一个简单的聚合脚本。生成图表或仪表盘不是 AI；智能必须来自一个能检测模式、生成评分或做出预测的已训练模型。

该类别中的输出往往是概率性的：评分和信号在阅读时应关注方法论、刷新节奏和有文档记录的局限。当叙事和工件指向模型驱动的分析、而非静态报表时，AI/分析标签才适用。

简而言之： AI/分析涵盖那些由 AI 模型分析数据并产出洞见、评分或排名的项目。

它意味着什么

在 AI 语境中，**分析（analytics）**意味着把机器学习技术——分类、回归、异常检测、自然语言处理——应用到数据集上，以提取模式、生成评分或产出预测。在加密 AI 中，这通常包括对社交媒体和新闻的情绪分析、链上交易模式识别、项目质量评分、交易信号生成，以及 NFT 取证。

分析与简单数据可视化之间的边界很重要。一个绘制代币价格历史的仪表盘不是 AI/分析。一个把价格、交易量和社交媒体数据喂入一个已训练模型并输出风险评分的系统才是。

AI/分析项目中常见的 AI components 包括分析与排名引擎、情绪分类器、异常检测模型、评分算法和预测流水线。一些项目运行专有模型；另一些则聚合来自多个模型或公开 API 的输出。

将真正的 AI 分析与一次重新品牌化区分开来的，是证据：已发布的准确率指标、有文档的模型架构、回测过的预测，或可复现的评分方法论。一个只展示最终数字却不解释它们如何产生的项目，达不到可验证性标准。

DecAIHub 使用复合类别。下面是 AI/分析中最常见的组合。与 DeFi 和基础设施的搭配很常见；Consumer 涵盖面向用户的工具。

子组合	它意味着什么
AI/分析 \| DeFi	面向 DeFi 协议和交易的 AI 驱动分析——风险评分、收益预测、策略评估。
AI/分析 \| 基础设施	分析基础设施和评分引擎——作为服务向其他项目提供分析的平台。
AI/分析 \| Consumer	面向用户的分析工具——由 AI 模型为终端用户驱动的仪表盘、警报和洞见源。

单个项目可以携带多个领域标签（例如 AI/Analytics | DeFi | Infra）。

在 DecAIHub 上阅读 AI/分析卡片时，请留意：

AI component — 卡片是否列出了一个具体的 AI component（情绪分析、评分引擎、异常检测、分析与排名），还是只有关于“AI 驱动洞见”的营销主张？
模型透明度 — 该项目是否描述了是什么模型或方法产出了这些分析？是否有已发布的准确率指标或基准？
可验证性 — 分析输出能否与链上现实或历史结果进行比对？预测是否随时间被追踪和评分？
证据层级 — 是否有 Tier-1 工件，例如模型文档、准确率报告或带有可验证输出的公开 API 端点？
AI reality 评分（ai_score） — 聚合公开可得的数据不是 AI。该项目是否证明了是一个已训练模型产出了这些分析？参见 AI reality。

被标记为 AI/分析的项目，是基于其定位和可获得的工件被归类为以分析为重心的。仅凭这个标签并不能确认：

请务必查看完整的 DecAI Fit 评分以及项目卡片中的证据区块。

该类别要求有一个已训练的模型产出洞见——而不仅仅是图表或筛选器。参见自动化与真正的 AI以及卡片上的 AI component 字段。

只有当文档显示评分背后有 ML 或 NLP 模型（或等价物）时才是。关键词计数和人工整理与基于模型的分析不是一回事。

AI/数据供给并准备数据集；AI/分析消费数据以输出评分、标签或预测。一个产品可以同时涉及两者；复合标签和组件列表会显示哪一侧占主导。

Machine learning — 关于学习到的模型如何从数据中产出预测和模式的广泛、常用的概览。
NIST Artificial Intelligence Risk Management Framework (AI RMF 1.0) — 关于用于决策支持角色的 AI 系统的测量、文档和监督的指引。