PlayAI 研究 @playAInetwork 是一個自動化編排層，標榜為「鏈上 AI 的 Zapier」，旨在僅透過自然語言指令（提示）將 AI 代理、去中心化應用（dApp）和鏈上協議串聯起來，以執行多層次的工作流程。它於 2024 年 5 月公開了 632 萬美元的資金募集計劃，包括 430 萬美元的種子輪和 200 萬美元的 IDO（預計於 2025 年 9 月），並宣佈擁有 225 萬用戶和超過 21 萬個智能錢包。由於代幣尚未發行（TGE 預定於 2025 年 10 月底），目前的鏈上指標有限，活動評估主要基於整合合作夥伴協議的代理指標和鏈外參與指標。 核心技術是模型上下文協議（MCP），這是一種保持和驗證可在鏈間共享的上下文的中介軟體。上下文的完整性是通過鏈上哈希（例如：SHA-256）來固定的，並為了減少延遲，並行使用基於 IPFS 的快取。代理之間的互動採用零知識證明（ZKP）來驗證兼容性，而不暴露內部邏輯。MCP 旨在通過交易批次平均節省 40% 的燃料費用，並通過增量編碼將數據傳輸量壓縮 60%。執行在 PlayHub/PlayStudio 界面上進行，並支持通過 EVM（以太坊等）和 Solana 錢包的一鍵批准流程。 PlayAI 透過稱為「綠洲節點」（Oasis Nodes）的分散驗證/計算節點集進行編排，並預告將向節點運營商提供 $PLAI 獎勵。其安全基礎是利用以太坊重質押的 EigenLayer AVS 結構，增強經濟保證。官方數據顯示，每分鐘可處理最多 1 萬筆「Plays」，鏈上記錄延遲在 2~5 秒之間，目標運行時間為 99.9%。在連接器方面，提供超過 100 個連接，包括 DeFi（SushiSwap、Yearn 等）、衍生品/預測（Hyperliquid、Polymarket 等）、數據/基礎設施（@PythNetwork、EigenLayer）和 Web2 工具（Telegram、Twitter 監控等）。 由於代幣尚未發行，鏈上活動的直接追蹤變得困難。相反，整合的 DeFi 協議的交易和橋接流量以及社區活動被用作間接指標。據報導，10 月初的一周內，通過整合合作夥伴進行了約 6000 萬美元的跨鏈交易，觀察到 1.8 萬個獨特地址和自動化相關的代理交易增加（每週 +67%）。然而，這些數字並非直接來自 PlayAI 自身的智能合約，而是某些整合協議指標的估算，這一限制是明確的。 產品定位是區別於 Web2 自動化（例如：Zapier）的區塊鏈原生編排。與依賴中央伺服器、未經驗證的執行和訂閱型收費的 Web2 不同，PlayAI 希望提供鏈上審計的可能性、通過錢包整合行使資產權利、基於鏈間自然語言指令的條件執行。然而，在安全性和可靠性方面仍然存在挑戰。2025 年上半年，DeFi 整體報告了大規模損失，自動化的錢包互動和多協議整合可能擴大攻擊面。考慮到業界反覆警告僅進行審計是不夠的，實施權限最小化、執行前模擬、失敗或中斷時的回滾規則等運營控制手段的實際實施和性能驗證變得至關重要。 在市場方面，PlayAI 屬於 Web3 自動化中介軟體的相對早期類別。Chainlink 和 Gelato 等現有自動化基礎設施在 EVM 為中心的觸發和任務執行方面具有優勢，但以 AI 代理原生編排和自然語言、無代碼工作流程為重點的方式被視為 PlayAI 的差異化特點。相對而言，Chainlink 的大規模交易處理實績等成熟的運營記錄仍然不足，且可用的預算和人力規模也相對於大型基礎設施有限。 代幣經濟方面，公開了固定供應 10 億個的草案，並分配給生態系統增長（30%，3 年歸屬）、行銷/流動性（20%）、治理和儲備等。生態系統獎勵、數據市場回扣（提到 2%）和節點獎勵等旨在誘導網絡效應。然而，社區組成中預先獲得點數和空投參與比例較高，可能在 TGE 之後導致拋售壓力，並且將鏈外參與轉換為鏈上效用所需的時間差被視為風險因素。 戰略機會分佈在 DeFi 自動化（收益優化、再平衡）、遊戲數據經濟（基於遊戲數據的模型訓練和獎勵）、代理之間的互動等代理經濟的各個方面。特別是鏈間上下文共享和燃料節省、數據壓縮可以降低複合工作流程的成本和延遲。相反，安全性（釣魚、權限濫用）、擴展性（多鏈狀態同步延遲）、監管（依賴 Web2 API 的區域、數據處理合規性）和競爭（大型基礎設施的功能內部化）在短期內難以解決。 綜合來看，PlayAI 作為一個在 AI×加密交集處標榜自動化編排的中介軟體，通過技術設計（MCP、ZKP、AVS）和廣泛的連接器獲得使用便利性和跨鏈執行的優勢。同時，由於代幣未發行導致的鏈上驗證空白、安全性和運營記錄積累的必要性，以及與大型基礎設施和平台的競爭等執行依賴性挑戰仍然明顯。未來 6~12 個月內，TGE 之後實際使用工作流程的增加、節點分散度指標、鏈上收益和成本曲線的改善將成為評估其表現的關鍵。如果成功，將有可能成為基於代理的自動化的標準化編排層；但如果未能實現，則可能僅限於有限的領域（例如：遊戲數據經濟）。