AI 赛道正在经历从投机炒作到实际应用落地的演变。

早期的AI Meme 代币借势 AI 热点爆发，而如今更具功能性的 AI 交易工具、智能投研、链上 AI 执行体正在涌现。从 AI 驱动的链上狙击策略，到 AI Agent 自主执行链上任务、以及 AI 生成 DeFi 收益优化方案，AI 赛道的影响力正在迅速扩大。

但多数人看得到AI代币市值的指数级增长，却找不到解码其价值逻辑的坐标系。哪些AI 赛道具备长期生命力？ DeFAI是否是AI的最佳应用？AI项目评估的维度有哪些？......OKX Ventures 最新研报深入拆解了 AI 赛道的发展版图，从概念解析、演变历程、应用赛道、以及项目案例，希望可以给大家认识AI价值带来一些启发与思考。

本次报告内容比较丰富，为了便于大家阅读，我们将其拆分为（上）、（下）两篇。此篇为「上篇」。

AI Agent是一种智能实体，具备感知环境、做出决策并执行相应动作的能力。不同于传统人工智能系统，AI代理能够独立思考并调用工具，从而逐步实现特定目标，这使得它们在处理复杂任务时具备更高的自主性和灵活性。

简而言之，AI代理是由人工智能技术驱动的代理人，其工作流程包括：感知模块（收集输入）、大型语言模型（理解、推理与规划）、工具调用（执行任务）以及反馈与优化（验证与调整）。

OpenAI将AI代理定义为以大型语言模型为核心，具备自主理解、感知、规划、记忆和工具使用能力的系统，能够自动化执行复杂任务。与传统人工智能不同，AI代理能够通过独立思考和工具调用逐步完成设定目标。

AI Agent的定义可以概括为以下几个关键要素：感知（Perception），AI Agent通过传感器、摄像头或其他输入设备感知周围环境，获取必要的信息；理解与推理（Reasoning），它能够分析感知到的信息，并进行复杂的推理，以便做出合理的决策；决策（Decision-making），基于分析结果，AI Agent能够制定行动计划，选择最佳的执行路径；行动（Action），最后，AI Agent会执行所制定的计划，通过调用外部工具或接口与其他系统进行交互，实现预定目标。

AI Agent的工作原理和流程通常包括以下几个步骤：首先，信息输入，接收来自环境的信息，如用户指令、传感器数据等；接着，数据处理，利用内置的算法和模型对输入数据进行处理，结合其记忆系统（短期和长期记忆）来理解当前状态；然后，计划制定，根据处理结果，AI Agent将大任务拆分为可管理的小任务，并制定具体的执行计划。在执行阶段，AI Agent通过调用外部API或工具，实施其计划并监控执行过程，以确保任务按预期完成；最后，反馈与学习，任务完成后，AI Agent会根据结果进行自我反思和学习，从而提高未来的决策质量。