Skip to main content

如何阅读复合 AI 类别

注意：本文档是英文原版的自动翻译。

如何阅读复合 AI 类别

DecAIHub 为每个项目分配一个**复合类别（composite category）**标签，例如 AI/Agents | DeFi 或 AI/Compute | Infra。这些标签看起来紧凑，却同时携带两条信息：项目做什么类型的 AI 工作，以及它把这项工作应用于何处。本页解释如何阅读它们。

简而言之： | 之前的部分是 AI 子类别（AI 做什么）；| 之后的部分是应用领域（在哪里使用）。当项目横跨多个领域时，有些会有三个部分。

一个复合类别的结构

每个复合标签都遵循以下模式：

{AI 子类别} | {领域}

  • AI 子类别（在 | 之前）描述 AI 工作的类型：代理、计算、推理、数据、分析、训练或其他。
  • 领域（在 | 之后）描述应用语境：DeFi、Infra、Consumer、Gaming、Meme、DeSci 等。

当一个项目处于两个以上领域的交叉点时，标签会添加第三个段：AI/Agents | DeFi | Infra 意味着在基础设施语境中应用于 DeFi 的代理技术。

解析提示： 从左到右阅读。最左侧的段始终是主要的 AI 子类别。当团队的核心工作确实横跨那些类型时（例如，同时涉及推理和计算），会出现额外的 AI 段；最右侧的段通常缩小说明该工作身处何处（领域或基础设施语境）。如果一个标签感觉含糊，请交叉核对卡片上的 AI component 和 Use case 字段——它们比单独的类别行更详细地描述了机制和产品形态。

AI 子类别

子类别 含义
AI/代理 进行感知、决策和行动的自主或半自主 AI 系统
AI/计算 面向 AI 工作负载的去中心化 GPU/算力基础设施
AI/推理 运行训练好的模型以产生输出（预测、生成）
AI/数据 面向 AI 的数据收集、标注或市场基础设施
AI/分析 AI 驱动的数据分析、仪表盘和洞见
AI/训练 模型训练、微调或联邦学习基础设施
AI/其他 不属于上述类别的 AI 工作

AI 子类别决定项目中发生哪种类型的 AI 工作，并直接影响 DecAIHub 如何评估项目卡片中的 AI component 字段。

领域

领域段告诉你 AI 被应用于何处：

  • DeFi —— 去中心化金融：交易、借贷、流动性、组合管理。
  • Infra —— 基础设施：协议、平台、中间件、开发者工具。
  • Consumer —— 终端用户应用：钱包、社交、内容、个人工具。
  • Gaming —— 游戏、元宇宙、互动娱乐。
  • Meme —— meme 驱动的代币与社区。
  • DeSci —— 去中心化科学：研究、生物科技、开放数据。

领域是粗粒度的。它们有助于在数百张卡片之间浏览和比较；它们不是一套完整的行业分类法。两个都带 | Consumer 的项目可能服务不同的受众，这是意料之中的——更细的粒度存在于 use case 和 AI component 文本中。

复合类别的示例

复合类别 AI 方向 应用于 实践中的含义
AI/Agents | DeFi 代理 去中心化金融 进行交易、管理组合或执行 DeFi 策略的 AI 智能体
AI/Agents | Infra 代理 基础设施 用于构建和托管 AI 智能体的平台与框架
AI/Agents | Meme 代理 meme 叙事 在 meme 代币语境中运行的 AI 智能体
AI/Agents | Consumer 代理 终端用户应用 供个人使用的 AI 智能体：助手、内容工具、社交机器人
AI/Compute | Infra 计算 基础设施 面向 AI 的去中心化 GPU 网络和算力市场
AI/Data | Infra 数据 基础设施 面向 AI 的数据流水线、标注平台或数据市场
AI/Analytics | DeFi 分析 去中心化金融 面向 DeFi 的 AI 驱动市场分析、风险打分或信号检测
AI/Inference | AI/Compute | Infra 推理 + 计算 基础设施 推理服务与算力供给相结合的基础设施

把这些示例当作锚点，而非限制。随着生态系统在不同层面试验代理、数据和工具，新的组合会不断出现。

复合类别如何出现在项目卡片中

每张项目卡片中的 Category 字段都包含复合标签。当你在 DecAIHub 上筛选或浏览项目时，这些标签让你能够快速按 AI 方向和领域同时缩小范围。

AI 子类别还指引哪些验证问题最相关。例如，一个 AI/Compute 项目会就它是否真正提供去中心化算力来评估，而一个 AI/Agents 项目会就该智能体是否真正进行感知、决策和行动来评估。

工作流建议： 从 Category 出发挑选一个集群，然后带着该集群的预期去阅读如何判断一个项目是否真的拥有 AI。一个数据密集的标签最终应当连接到数据集、流水线或标注；一个代理密集的标签应当连接到工具使用、记忆或行动轨迹——并体现在卡片中，而不仅仅在营销里。

请勿混淆

  • AI component —— 项目内部的具体技术（例如“微调的 LLM”“强化学习模型”）。复合类别更宽泛：它对项目的方向进行分类，而非其内部架构。
  • AI use case —— AI 在产品中的用途（例如“组合再平衡”）。复合类别的领域段与之相关，但更笼统。

常见问题

一个项目的复合类别会随时间变化吗？

会。团队会转型、增加产品，或从一个 AI 层面重新聚焦到另一个层面。当已验证工作的主导模式发生转移时，DecAIHub 会更新标签。请始终把卡片日期和证据表格当作“项目今日是什么”的真实依据。

如果标签使用了我不认识的领域怎么办？

罕见或新兴的领域标签仍然意味着“应用语境”。技术层面请使用上表中的 AI 子类别链接，产品故事则阅读项目的 use case 行。

第一个段是否总是单一的 AI 子类别？

通常是。当出现两个 AI 子类别时（例如推理和计算），两者都描述项目所侧重的 AI 工作类型。领域段则仍然描述该工作应用于何处。

复合类别本身无法证明什么

  • 一个详尽的复合标签并不能证明项目拥有真实的 AI。一个被标为 AI/Agents | DeFi | Infra 的项目，如果未找到可工作 AI 的 Tier-1 证据，仍可能 ai_score = 0。
  • 标签中有多个 AI 段并不能证明项目做的 AI 工作比单段项目更多。标签的复杂度反映的是分类范围，而非证据深度。
  • 一个领域段并不能证明项目在该领域是在链上运营的。一个被标为 | DeFi 的项目，可能只在营销中与 DeFi 协议交互，而非在其实际产品中。请查看 Onchain necessity 标志以作验证。

外部参考

另请参阅

No comments to display

Back to top