排行榜技术

2026 年 9 月 14 日

十大人工智能公司正在为加密货币开发大型语言模型

by 艾丽莎·戴维森

发布日期：14 年 2026 月 11 日下午 55:11 更新日期：2026 年 10 月 10 日凌晨 XNUMX:XNUMX

by 维克多·戴伊

编辑和事实核查：14 年 2026 月 11 日下午 55:XNUMX

人工智能和加密货币不再是科技行业中各自独立发展的领域。随着区块链应用变得日益复杂，开发者和用户越来越需要能够理解智能合约、代币经济学、链上活动、去中心化金融以及区块链特有语言的人工智能系统。 Web3.

这正是加密货币专用大型语言模型开始发挥作用的地方。通用模型可以解释区块链是什么，但当被要求解释复杂的交易、评估……时，它们就显得力不从心了。 DeFi 协议或理解钱包活动与市场状况之间的关系。专注于加密货币的模型正在接受训练、微调或连接到数据集，从而更深入地了解这些环境。

加密货币市场仍处于发展初期，并非所有被称为“加密人工智能公司”的项目都在从零开始构建基础模型。有些公司在训练自己的模型，而另一些公司则在微调现有的开源模型，或围绕生命周期管理（LLM）构建专门的基础设施。即便如此，这些公司和平台都在推动行业朝着能够处理更多加密货币相关问题的AI系统发展。

链条类型GPT

链条类型GPT 这是最清晰的例子之一，说明一家公司是如何专门围绕以下需求构建人工智能的： Web3 行业。它的 Web3 AI LLM 的设计围绕区块链数据和智能合约展开。 DeFi, NFTs 并且采用代币经济学，而不是仅仅依赖通用模型中发现的广泛知识。

Chain 的一个比较有趣的方面是……GPT该方法的关键在于与实时信息的连接。其文档指出，该模型可以处理链上数据、市场信息、新闻和社交媒体动态，使开发者能够构建比静态语言模型更需要实时上下文的应用。

这使得该技术可用于从加密货币研究和客户支持到交易辅助和智能合约分析等各个领域。GPT 它还通过 API 和 SDK 提供其模型，使其他用户也能使用。 Web3 企业无需自行开发整个模型栈，即可添加加密感知型人工智能。

Fetch.ai

Fetch.ai 采取了略有不同的策略，专注于能够作为自主代理系统一部分运行的 AI 模型。2025 年 2 月，Fetch.ai 推出了 ASI-1 Mini，并将其描述为…… Web3-专为智能体人工智能工作流程构建的原生大型语言模型。

关键的区别在于，ASI-1 Mini 并非仅仅是一款训练用于回答加密货币相关问题的聊天机器人。Fetch.ai 将其设计为具备推理、决策和自主工作流程能力，并提供多种推理模式，旨在平衡速度和深度。

这种方法至关重要，因为加密人工智能的下一阶段很可能涉及能够与区块链网络实际交互的智能体。用户最终可以将部分流程委托给自主系统，而无需再询问人工智能哪个代币的收益最高，然后手动执行交易。诸如 ASI-1 Mini 之类的模型正是基于这种更宏大的愿景而开发的。

加密货币GPT

加密货币GPT 是另一个致力于为加密货币和区块链领域构建人工智能基础设施的项目。其目标不仅限于简单的AI聊天机器人，还包括智能合约生成、审计、交易辅助等应用。 Web3-相关工具。

该项目还通过其 AIVM 概述了以 AI 为中心的区块链基础设施计划，旨在支持链上 AI 模型的执行、训练和计算资源提供。

然而，这里存在一个重要的区别。加密货币GPT该公司自身的文档表明，其人工智能模型并非开源，但计划通过API和SDK提供访问权限。这使得该公司的战略更接近于人工智能基础设施提供商，而非开放式研究实验室。

对于加密货币用户来说，其吸引力相当直接。加密货币无需让通用人工智能系统从头开始学习区块链术语，而是能够直接使用加密货币。GPT 正在尝试将这些领域知识融入到产品中。

BytomDAO

BytomDAO 采用了一种较为直接的方式来创建以加密为中心的语言模型。其加密GPT 该计划基于 CryptoInstruct，这是一个包含数百万个围绕加密货币相关信息和任务设计的指令示例的数据集。

该项目称已进行微调 Llama 3 使用 CryptoInstruct 数据集生成 CryptoGPT 不同参数尺度下的模型。这种方法背后的理念与加密货币行业尤为相关，因为区块链信息高度专业化且瞬息万变。

与其试图在所有可能的主题上与最大的通用模型竞争，不如将专门的模型的能力集中在项目信息、区块链概念和加密货币特定任务等领域。

这是领域特定培训为何可能变得重要的最清晰例证之一。 Web3对于区块链应用而言，一个规模较小但对加密货币有深入了解的模型，有时可能比一个规模庞大但对所有方面都略知一二的模型更有用。

IndexAI

IndexAI是另一个围绕语言模型应能与区块链网络直接交互这一理念而构建的项目。该平台将其基础模型描述为基于区块链知识训练的开源语言学习模型（LLM）。

IndexAI 的目标远不止于回答问题。该公司表示，其技术使人工智能代理能够读取多个区块链上的信息，并在具备相应能力的情况下，通过签署交易、执行交易和进行互换等方式写入这些网络。

这种区别意义重大。加密货币专属语言学习模型（LLM）的真正机遇或许并非在于更好地探讨比特币或以太坊，而在于将自然语言指令转化为安全、可验证的区块链操作。

用户最终可以用日常语言描述目标，而人工智能系统则负责处理底层区块链交互。这比传统的聊天机器人需要更强的领域知识。

心灵

DMind 将自身定位为一家专注于数字金融的开源通用人工智能 (AGI) 研究机构。其工作包括大型语言模型、数据集、基准测试和工具，旨在服务于金融和 Web3 领域广泛应用，提供了卓越的解决方案。

该公司推出的DMind-3模型尤其引人注目，因为它们的设计充分考虑了金融执行的实际情况。 Web3DMind 表示，这些模型旨在解决以下情况：单个用户操作可能会经过多个智能合约，触发清算或使资金面临对抗性执行的风险。

这与仅仅生成一个连贯的答案是不同的问题。在去中心化金融中，人工智能系统有可能影响涉及真实资金的交易。因此，理解交易环境、风险以及合约之间的相互作用与撰写流畅的文本同等重要。

DMind 的开源方法也可能使其工作对那些想要检查、调整和构建专门的金融 AI 模型而不是完全依赖封闭的商业系统的开发人员有用。

Nexis Labs

Nexis Labs正致力于通过其Nex-T1平台，探索大型语言模型、自主代理和区块链执行的融合。该公司将Nex-T1描述为一个企业级人工智能系统，旨在将先进的大型语言模型与可执行的区块链应用连接起来。

它的重点与以下方面尤为相关： DeFi其中，自主系统需要解读市场信息，并可能采取行动。Nexis Labs 描述了其在多智能体编排和自主性方面的工作。 DeFi 交易和人机交互控制。

这凸显了加密人工智能市场的一个重要演变。模型本身只是拼图中的一块。要使人工智能系统在去中心化金融领域真正发挥作用，它还需要一个编排层、可靠的区块链信息访问权限以及执行方面的安全保障措施。

因此，Nexis Labs 从代理端着手解决这个问题，其中 LLM 成为能够对金融信息进行推理并与区块链基础设施交互的更大系统的一部分。

0G

0G 正在构建一个更广泛的去中心化人工智能生态系统，其中包括其自身的模型基础设施。其平台目前列出了包括 0GM-1.0-35B-A3B 在内的模型，以及其他可通过其平台获取的模型。 AI 叠加。

该公司的更宏大目标是将人工智能的计算、存储和推理更紧密地集成到区块链基础设施中。它称其网络支持完全链上人工智能、可验证计算和私密推理。

这使得0G与加密货币领域的语言模型讨论息息相关，尽管其目标远不止于单一语言模型。该公司实际上正在构建人工智能模型在去中心化应用中运行所需的基础设施。

这可能与模型本身同等重要。运行复杂的AI系统需要庞大的计算和存储资源，而区块链应用则需要透明度和可验证性。如何将这两项要求结合起来，是该行业面临的最大技术挑战之一。

诺斯研究

Nous Research 与榜单上的其他公司略有不同，因为它的语言模型并非专门针对加密货币而设计。其重要性体现在该公司在开源人工智能和去中心化模型训练方面的工作。

该实验室致力于开发开放权重语言模型，包括其 Hermes 系列模型，同时也在构建分布式训练的基础设施。其在去中心化人工智能领域的研究涵盖了基于区块链的协调和分布式计算技术。

因此，与加密货币的联系与其说是创建一个“比特币聊天机器人”，不如说是改变训练和运行强大语言模型的方式。随着加密货币项目探索去中心化的替代方案，以取代由少数科技公司主导的中心化人工智能基础设施，这种区别变得日益重要。

Nous Research 的研究表明，加密货币专用人工智能并不一定意味着必须使用完全基于加密货币数据训练的模型。它也可以意味着构建能够自然融入去中心化生态系统的模型和基础设施。

凯兰崔尔

Galadriel 从另一个角度探讨了 LLM 和区块链之间的关系：使 AI 推理可验证。

其 Sentience 项目允许开发者创建自主 AI 代理，并通过加密证明验证其 LLM 推理结果。该系统使用可信执行环境处理 LLM 请求，并在 Solana 上发布证明，使应用程序能够验证推理是否按所声称的方式执行。

虽然 Galadriel 并非仅仅在构建一个专有的加密聊天机器人，但它的工作确实解决了基于区块链的人工智能领域的一个重大问题。如果人工智能代理做出的决策会影响资金流动或交易执行，那么用户需要的不只是模型的口头承诺，而是更可靠的信息来证明整个过程处理得当。

可验证的人工智能最终可能成为加密原生语言模型的重要组成部分，尤其是在自主代理对钱包和金融交易拥有更大控制权的情况下。

这场更大的竞赛不仅仅关乎聊天机器人

加密货币专用逻辑学习模型（LLM）的兴起预示着人工智能行业正在发生更广泛的转变。通用模型在解释区块链概念、编写智能合约代码和总结加密货币新闻方面已经展现出卓越的能力。下一个挑战是如何让人工智能对区块链环境有足够深入的理解，从而能够在其中安全地运行。

这意味着能够获取实时链上信息，了解智能合约交互，识别财务风险，并知道何时某个行为可能会产生不可逆转的后果。

在这个领域深耕的公司正从不同的方向着手解决这个问题。有些公司正在使用加密货币专用数据集训练模型。另一些公司则在构建…… Web3-原生 LLM、去中心化训练网络、自主代理或验证系统，使 AI 活动更加透明。

市场仍处于早期阶段，一些项目可能会消失，而另一些则会发展成为规模更大的AI基础设施公司。但发展方向正变得越来越清晰。加密货币并不一定需要另一个能解释比特币是什么的聊天机器人。它真正需要的是能够理解去中心化市场运作方式的AI系统。

如果这种情况发生，最重要的加密货币人工智能模型最终可能成为用户几乎察觉不到的模型。它们将隐藏在钱包、交易所等设备背后。 DeFi 应用程序和自主代理悄悄地解释区块链数据，并帮助将自然语言指令转化为链上操作。

标签：

免责声明

在与行信托项目指南，请注意，本页提供的信息无意且不应被解释为法律、税务、投资、财务或任何其他形式的建议。重要的是，仅投资您可以承受损失的金额，并在有任何疑问时寻求独立的财务建议。如需了解更多信息，我们建议您参阅条款和条件以及发行人或广告商提供的帮助和支持页面。 MetaversePost 致力于提供准确、公正的报告，但市场状况如有变更，恕不另行通知。