Skip to main content

什么是 AI component

注意：本文档是英文原版的自动翻译。

什么是 AI component

AI component 是项目中真正发生人工智能工作的那个具体部分——分析、生成、预测、排序或决策。它不是一个营销标签或品牌提及。在 DecAIHub 项目卡片中，AI component 字段回答一个问题：这里的人工智能究竟做什么？

**简而言之：**AI component 是数据进入、由人工智能驱动的结果产出的具体机制——而不是一个 logo、一句标语或一个路线图承诺。

给初学者的类比

把一个项目想象成一家餐厅。**用例（use case）**是菜单——顾客看到并点的东西。AI component 是厨房——把生食材变成一道菜的实际设备和技术。一家餐厅可以有一份漂亮的菜单（用例），却没有一个能用的厨房（AI component）。当 DecAIHub 审查一个项目时，它会走进厨房，检查炉灶是不是真的、有没有人在做饭、是否有真正的菜谱——而不只是外面招牌上印的食物照片。

它是什么

AI component 是一个执行通常与人工智能或机器学习相关的工作的功能模块或子系统。这包括：

  • 推理引擎 —— 运行一个训练好的模型以产生输出（预测、分类、生成的文本或图像）
  • 训练流水线 —— 在新数据上更新模型权重
  • 分析模型 —— 从数据中提取模式、分数或信号（市场分析、风险评分、情绪分析）
  • 智能体框架 —— 编排自主决策、工具使用和多步推理
  • 数据标注系统 —— 管理人工或自动化的标注以构建数据集
  • 计算编排 —— 在节点或 GPU 之间分配 AI 工作负载

关键区分：如果一个项目包含一个使用模型、算法或习得表示来处理数据的子系统，那么它就拥有 AI component。如果“AI”只出现在其名称、营销文案或未来计划中，而没有任何可验证的技术实现，那么该项目就缺乏 AI component。

AI component 不必从零定制构建。一个微调开源模型、为推理 API 包裹有意义的前处理和后处理，或在专有数据上训练自己的分类器的项目，仍然拥有 AI component——只要这一人工智能层增加了超越简单直通的可验证功能。

谱系：从缺失到完全可验证

并非所有 AI component 都相同。它们存在于一个成熟度和可验证性的谱系上：

级别 描述 期望看到什么
缺失 项目中未发现人工智能 ai_component 字段为 none 或 unknown
仅有定位 营销中声称有 AI 但无技术证据 字段为 positioning only；ai_score 为 0
已声明 AI 在官方文档或路线图中被提及，但无可运行的工件 AI_0 = 1，其余 AI 标志为 0
已演示 存在一个可运行的演示、原型或有文档记载的流水线 AI_1 和 AI_2 为 1；部分证据
已验证 有基准测试、技术文档、模型版本和可复现的结果 AI_3 和 AI_4 为 1；有力的 Tier-1 证据

这个谱系很重要，因为在实践中“拥有 AI”不是二元的。一个项目可能有一个训练好的模型却没有基准测试，或者有一个可运行的演示却没有公开的架构。AI component 字段捕捉的是已存在的内容，而非未来可能存在的内容。

DecAIHub 中常见的 AI component 取值

以下是注册表中来自项目卡片的真实取值：

  • AI agent platform (workflows/tools/KB) —— 带工具和知识库的智能体基础设施
  • AI data labeling + model evaluation (human experts) —— 带人在环（human-in-the-loop）流水线的标注
  • AI/ML crypto market analytics (app) —— 应用于市场数据的机器学习模型
  • compute orchestration —— 路由和调度 AI 计算任务
  • AI trading signals —— 从数据中生成交易相关信号的模型
  • agentic framework (memory/actions/plugins) —— 带记忆和工具集成的智能体运行时
  • AI summaries + crypto intelligence terminal —— 基于 NLP 的摘要和数据分析
  • inference engine —— 专用于运行模型推理的系统

每个取值都描述了人工智能实际做什么——而不是项目承诺成为什么。这些取值取自重复字段的归一化注册表，以确保各项目卡片之间的一致性。当审查者填写 AI component 字段时，他们从已观察到的取值中选择，或添加一个精确刻画该技术机制的新取值。

它在 DecAIHub 项目卡片中出现的位置

**AI component（ai_component）**字段是项目护照表的一部分。它与用例（Use case）字段并列。二者共同把技术机制与产品描述分开。

如果该字段为 positioning only、none 或 unknown，则意味着截至验证日期，尚未确认存在可运行 AI component 的证据。这些不是技术——它们是证据阅读模式。

AI component 字段是有经验的读者最先检查的内容之一。它给出一个即时信号：这个项目是真的用人工智能做了什么，还是只说它做了？结合证据表和验证日期，它能快速勾勒出该项目技术实质的图景。

AI component 如何被验证

验证遵循 Tier-1/2/3 证据层级。要让 AI component 超越 positioning only，审查者会寻找：

  • Tier-1 工件 —— 公开仓库中的源代码、模型权重或架构描述、附方法论的基准测试报告、显示推理端点的 API 文档、团队发表的技术论文。
  • Tier-2 背景 —— 提及该 AI 流水线的第三方评测、依赖该 AI 输出的生态系统集成、引用特定 AI 功能的聚合器描述。
  • Tier-3 信号 —— 营销声明、网红提及、缺乏技术细节的新闻稿。这些会被记录，但它们本身不会提升 AI 分数。

审查还会检查常见的反模式：被列为“AI 代码”的空 GitHub 仓库、从另一个项目复制来的基准测试，或被呈现为专有模型的 API 包装器。这些危险信号会让 ai_score 保持为 0，直到出现可验证的证据。

AI component 对 DecAI Fit 意味着什么

AI component 直接为 DecAI Fit 分数的 AI reality 维度提供输入。在没有可运行 AI component 的 Tier-1 证据的情况下，一个项目的 ai_score 为 0——其整体 DecAI Fit 也无法高于 0。

这是评分系统中最严格的规则：没有 AI reality，DecAI Fit 就不能高于 0。即使一个项目拥有强大的链上基础设施和设计良好的代币，在没有可验证 AI component 的情况下也无法得分高于零。这反映了 DecAIHub 的核心论点——注册表评估的是与“去中心化人工智能”论点的契合程度，而人工智能是不容妥协的起点。

这并不意味着该项目很差或毫无价值。它意味着在审查时证据尚不可得。当可验证的工件（代码、基准测试、演示、技术文档）出现时，卡片就会更新。

仅这一术语本身不能证明什么

  • 拥有一个 AI component 并不能证明产品有用、代币必要，或链上集成有意义。
  • AI component 字段只描述机制。质量、成熟度和规模是通过证据表和 AI reality 标志单独评估的。
  • 一个项目可以拥有一个真实但微不足道的 AI component——例如，一个调用外部 API 的简单情绪分类器。真实并不意味着重要。
  • 反过来，一个拥有复杂 AI component 的项目，如果其链上集成肤浅或其代币没有功能，在 DecAI Fit 上仍可能得分很低。

请勿混淆

  • **用例（Use case）**描述用户从产品中获得什么。AI component 描述人工智能在内部做什么。参见 AI component vs use case。
  • 类别（Category）（例如 AI/Agents）在更高层次上对项目进行分类。AI component 更为具体：实际的技术。
  • **自动化（Automation）**并不总是人工智能。简单的基于规则的脚本或 if/then 工作流不是 AI component。参见 Automation vs real AI component。
  • **AI 模型（AI model）**指训练好的工件（权重、架构）。AI component 更宽泛：它包括模型以及围绕它的流水线（数据摄取、前处理、推理服务、后处理）。
  • API 包装器 —— 一个只把请求转发给第三方人工智能 API（如托管的 LLM）而不增加有意义处理的项目。这是否算作一个 AI component，取决于集成的层次和增加的价值。

常见问题

AI component 和用例有什么区别？

AI component 是技术机制——人工智能做什么（例如运行推理、训练模型、对数据评分）。用例是产品成果——用户获得什么（例如 DeFi 副驾驶、投资组合追踪器、风险警报）。一个项目可以拥有相同的 AI component 但有不同的用例，或同一个用例由完全不同的 AI component 驱动。在 DecAIHub 项目卡片中，这些被刻意设为分开的字段，以便读者能够独立地评估技术和产品。详细比较请参见 AI component vs use case。

一个项目能否在没有 AI component 的情况下拥有 AI？

不能——在 DecAIHub 的术语中，如果一个项目拥有人工智能，它就拥有一个 AI component。问题在于该组件是否可验证。一个项目可能在内部确实使用人工智能，却不提供任何公开证据：没有代码、没有文档、没有基准测试、没有演示。在这种情况下，AI component 字段会显示 unknown，且 ai_score 保持为 0。这并不意味着人工智能缺失——它意味着证据缺失。当证据出现时，卡片就会更新。

“positioning only”是什么意思？

它意味着项目在其营销、品牌或定位中使用了人工智能用语——但未找到可运行 AI component 的 Tier-1 或 Tier-2 证据。“AI”这个词可能出现在项目名称、网站标语或路演文档中，然而没有代码仓库、没有模型文档、没有演示，也没有关于该人工智能实际做什么的技术描述。“positioning only”是一个事实性观察，而非一个评判。处于这种状态的一些项目可能是上线前、AI component 正在开发中；另一些可能永远不会构建出来。

更高的 ai_score 意味着项目更好吗？

不。ai_score 衡量的是 AI component 的可验证性，而非产品的质量或技术的有用性。一个 ai_score = 3 的项目有力地证明了它的人工智能是真实且有文档记载的。一个 ai_score = 1 的项目证据有限。两个分数都没有说明产品是否解决了一个真实的问题、用户是否需要它，或代币模型是否合理。DecAI Fit 综合四个维度——AI reality、Onchain necessity、Token necessity 和 Evidence——以给出更完整的图景。

外部参考

另请参阅

No comments to display

Back to top