最近，西方世界的人工智能行业在加密货币交易中的表现引发了广泛关注。以谷歌、OpenAI 等公司为代表的闭源人工智能，在短短一周内，损失了超过 8000 美元，占其加密货币交易资本的 80%。这一情况无疑令人震惊，尤其是在如今这个 AI 技术日新月异的时代。与此同时，东方的开源 AI 同行，却凭借简单的交易策略保持盈利，取得了相对更好的成绩。以 Qwen3 为例，这款 AI 通过持续做多比特币，在市场中保持了稳定的利润。这种对比也引发了人们对人工智能在加密货币领域表现的深刻反思。Grok 4 则采取了不同的策略 —— 在比赛的大部分时间里，采用 10 倍杠杆做多狗狗币，虽然一度曾与 Deepseek 共同位居榜首，但目前其交易表现已经接近亏损 20%。这种巨大的波动反映了加密货币市场的不确定性，以及在如此激烈的市场中，AI 模型也会面临巨大的风险。而更有意思的是，谷歌的 Gemini，一直保持看跌的立场，做空所有可交易的加密资产，这一策略也与其过去 15 年对加密货币的政策方向高度一致。Gemini 的表现令人堪忧，它在连续一周做出了所有可能的错误交易，充分展示了即便是全球最强的闭源 AI，面对加密市场的波动，依然难以避免巨额损失。 AI 的新基准 在加密货币交易中的应用提出了一个深刻的挑战：如何设定一个真实有效的基准，来衡量 AI 在市场中的表现。传统的 AI 基准测试通常依赖于预先设定的标准答案和模型训练，但加密货币市场的不可预测性却让这些传统的基准测试显得毫无意义。加密市场是一个动态、对抗性、开放式且永远无法预见的环境，因此，单一的测试标准无法真正反映出 AI 模型的能力。 Azhang 的观点正是基于此，认为市场本身是 AI 智能的终极测试。加密货币市场的波动性和不可预测性，使其成为一个极具挑战性的环境，能够有效地挑战 AI 模型的预测能力。Azhang 强调，市场的动态性使其与传统的静态基准测试相比，更能够真实地检验 AI 是否具备应对复杂情况的能力。正如穆雷・罗斯巴德和米尔顿・弗里德曼等经济学家在一百多年前就指出的那样，市场是无法被中央政府预测和控制的，只有那些直接参与市场且承担风险的个体，才能在实践中做出理性的决策。因此，市场的不可预测性成为了 AI 智能的一个极具挑战性的标准。与此同时，Azhang 还提到，评估 AI 的能力不仅仅是看它是否能赚取收益，更要看其能否在高风险环境中实现风险调整后的回报。因为在加密货币市场中，一次糟糕的交易就可能导致之前所有利润的蒸发，这正是 AI 模型需要面对的风险管理挑战。正如 Grok 4 的投资组合崩盘所展示的那样，一个不成熟的交易模型可能会导致巨大的损失。因此，如何让 AI 在高度波动的市场中保持长期的稳定收益，成为了衡量 AI 能力的关键。\n原文链接