10 AI 幣把比特幣當對照組

我把 Analytics Insight 的 10 個 AI 幣清單拆成一個可直接照抄的觀察框架。

我盯 AI crypto 盯了一陣子，最煩的就是那種把一串 ticker 黏在標題上，然後假裝自己講完一個投資論點的文章。這篇我看完，感覺一半有料，一半很隨便。它的核心直覺其實不差：如果 AI 基礎設施繼續擴張，跟算力、代理、資料、編排有關的 token，確實有機會在風險偏好回來的時候跑得比 Bitcoin 更兇。這句我認。

但問題也很明顯。這類清單最愛把完全不同的專案塞進同一個籃子，然後拿幾個週漲幅當證明，好像整包都能一起買。Bittensor 不是 Chainlink，Render 也不是 Virtuals，NEAR 更不是 ICP。你如果真的要拿這種清單來用，就不能只看「AI」兩個字，要先拆成你到底在買什麼。

我這次拆的是 Analytics Insight 這篇 10 個 AI 幣的文章，作者是 Bhavesh Maurya，review 是 Achu Krishnan。文中有提到價格、漲幅、market cap 這些數字，我就照原文保留；但我不把它的排序當聖旨。我把它改寫成一套你可以重用的 watchlist 方法，外加最後一段可直接複製的模板。

先別把這當成一筆交易

"AI is now one of the most prominent fields in cryptocurrencies. Bitcoin remains the market leader... there are several AI-centric cryptocurrencies emerging."

翻譯一下就是：這篇其實不是在講「AI 幣會不會打贏 Bitcoin」這種單線題目，它是在講一堆剛好都掛在 AI 敘事底下的不同賭注。這個差別很重要，因為敘事負責把人拉進來，機制才決定你會不會在下一次回檔時被打穿。

我自己以前也犯過同樣的錯：想做一份 AI token watchlist，結果把算力、代理、儲存、staking derivative 全混在一起。表面看起來很像有研究，實際上完全不能用。後來我把它拆成幾類，整個圖就清楚了。你會發現有些 token 是純算力，有些是協調層，有些只是 AI 敘事的 beta。

Analytics Insight 的寫法很典型：先用價格動能把故事立起來，再讓讀者覺得這一籃子都值得看。這種寫法不是不能看，但你不能拿它當決策依據。某幣一週漲 18.5%，只代表市場有情緒，不代表它有長期需求。我要看的，是這個 token 到底在解什麼問題。

實操上，我會先把 AI crypto 分成三桶，先不要管誰漲最多。

• 算力與基礎設施：Render、Internet Computer、部分 NEAR
• 協調與資料層：Chainlink、Bittensor、ASI/FET
• 應用與代理層：Virtuals Protocol、Venice、Kite

這樣做的好處很簡單：你不會再用同一套邏輯去看完全不同的東西。你會開始問「它賣的是什麼能力」，而不是只問「它是不是 AI」。

Bittensor 不是最會喊的，但它最像一個 protocol

"The network incentivizes developers to share AI models, fostering a decentralized AI ecosystem."

Bittensor（TAO）放在第一個不是沒原因。這是少數幾個我會真的拿來當 protocol 看，而不是只當 theme coin 看 的專案。原文給的數字也很具體：market cap 是 $2.33 billion，價格 $242.54，還有 120+ subnets。這些資訊比空話有用，因為 subnet 才是它到底有沒有在長的地方。

白話一點講，TAO 想做的是把 AI 模型貢獻變成一套激勵系統。你提供有用的模型，網路就給你獎勵；如果這套機制真的跑得起來，價值就不只在 token 本身，而是整個協調層。這比「AI 很熱，所以我買」合理太多。還是很風險，但至少有機制。

我會喜歡 Bittensor，就是因為它逼你回答一個很硬的問題：去中心化激勵，能不能真的產出有用的 AI 結果？這不是 meme 問題，這是整個 thesis 的命門。答案如果是 yes，TAO 就不只是短線題材；答案如果是 no，它就會變成另一個昂貴敘事。

實操上，我會看三件事：subnet 是不是持續增加、有沒有真開發者在上面做東西、以及這些貢獻者是不是有實際需求。如果你連需求從哪來都講不清楚，那你買的就是 vibe。

• 好訊號：subnet 變多，而且不是只有公告
• 好訊號：開發者真的圍繞激勵層在做工具
• 壞訊號：只有價格動，沒有網路證據

Root 這種東西，最容易把人帶去看錯重點

"Staked TAO (Root) is a liquid staking derivative of Bittensor... earning staking rewards without giving up liquidity."

Root 是整篇裡最讓我皺眉的。它甚至不是 base asset，而是 Bittensor 的 liquid staking derivative。原文說它價格 $242.62，週漲幅 18.5%，是清單裡漲最多的。這種數字當然醒目，但我不會把它直接翻成長期 thesis。

翻譯一下就是：市場不只在賭 AI 基礎設施，還在賭 AI 基礎設施外面那層金融包裝。這就很 crypto。這種東西有時候會飛，有時候會變成一層疊一層的投機，derivative 比 base asset 還熱，然後音樂一停，跌得更難看。

我以前看 staking product 也常踩這個坑。先是 yield 敘事吸資金，再來是 liquidity 讓它更好交易，最後大家開始把 derivative 當成主角。不是說它沒用，而是你要先分清楚你買的是 exposure、yield，還是純 momentum。

實操上，如果你在看像 Root 這種產品，我會先問三個問題：底層資產是什麼、收益從哪裡來、如果底層被砍、流動性縮掉會怎樣。這三個答不清楚，部位就別太大，甚至直接跳過。

NEAR 很無聊，但它可能更接近正解

"NEAR continues to grow its AI capabilities with decentralized infrastructure and developer tools."

NEAR 是那種平常不太會被拿來吹的名字，但它常常就這樣默默出現在技術討論裡。原文給的數字是 $2.18、market cap $2.83 billion，週漲 8.8%，但 24 小時又跌了 6.4%。這種上下波動很正常，也提醒你它還是 crypto，不是什麼乾淨俐落的軟體股。

白話講，NEAR 想走的是「先做可用的基礎設施，再讓 AI 故事跟上來」。我其實尊重這種路線。AI 應用要真的落地，靠的是執行速度、工具鏈、還有開發者不會用到想摔鍵盤的體驗。NEAR 一直會被提到，就是因為它在這些地方有存在感。

我碰到 NEAR 的方式也很典型：不是因為它最吵，而是因為它老是出現在 agent workflow、app deployment 這種比較技術向的討論裡。這通常比只會在價格 thread 裡被提到的幣更值得看。

實操上，如果你想要 AI exposure，但不想直接買彩票型小幣，我會把 NEAR 當成一個偏基礎設施的檢查點。看 developer tooling、交易速度、以及生態裡到底有沒有真的 app 在跑。token 很重要，但 ecosystem 更重要。

Chainlink 是不性感，但它一直都在

"Chainlink... enables blockchain applications to access real-world data."

Chainlink 不是最典型的 AI coin，這反而是它該出現在這篇裡的原因。原文寫 LINK 在 $7.96，market cap $5.79 billion，週漲 3.1%。它不是拿來講模型的，它是拿來讓鏈上應用不要太蠢的：把外部資料餵進來，讓合約和 AI app 有可信輸入。

翻譯一下就是：AI 系統如果要上鏈，資料管線不能爛。模型很強沒用，輸入亂掉還是照樣翻車。Chainlink 這幾年一直在做的，就是 oracle、cross-chain data、整合管線這些麻煩但必要的東西。它不性感，但系統會不會壞，常常就看這一層。

我很喜歡把 Chainlink 放進 AI crypto 討論，因為它提醒我一件事：真正的價值不一定在模型本身，很多時候是在資料、互通性、驗證這些中間層。如果你真的要做東西，那層最痛。

實操上，我不會把 LINK 當純 AI bet，而是把它當基礎設施 exposure。你可以追 AI dApp、oracle 需求、cross-chain 活動。就算 AI 故事降溫，它還是有機會因為更廣的資料需求而被需要。

ICP 想把整個 stack 直接搬上鏈

"Internet Computer's goal is to run AI applications and AI-related computation on-chain."

Internet Computer 這種專案，永遠都會讓人覺得有點太敢講，但 crypto 本來就很愛這種路線。原文說 ICP 在 $2.28，market cap $1.27 billion，週漲 1.8%，而且在 AI crypto 這塊的 developer activity 跟 NEAR 一起領先。這個資訊我覺得比價格本身更有意思。

白話一點講，ICP 想賭的是 AI inference 和大型模型 hosting 可以直接在鏈上跑，不只是被鏈上引用。這方向很猛，但我也看過太多「全都上鏈」最後卡在 performance 跟成本的案例。方向可以有，現實通常比較兇。

如果 ICP 真的能把 on-chain compute 做到可用，那它會有差異化；如果不行，它就還是那種敘事很大、執行很累的專案。最後決勝點不是 slogan，而是開發者能不能真的把 app 部署上去，還不用每天跟平台吵架。

實操上，我會看 developer activity、部署成本、以及 AI 相關 app 有沒有真的 live。原文提到的開發者動能，就是你該追的線索，不是 price tag。

Render 是這份清單裡最像生意的東西

"Render enables decentralized GPU rendering for AI and graphics workloads."

Render 是少數幾個我一看就知道它在幹嘛的名字。GPU 很貴，需求很兇，AI workload 又超吃算力，這件事不用包裝。原文給的數字是 RENDER $1.67，七天漲 9.6%，而且直接把它叫做世界第一個 decentralized GPU computing marketplace。這個描述至少是能理解的。

翻譯一下就是：Render 不是在賣一個模糊的 AI 品牌，它是在協調一種稀缺資源。這種 business shape 比較乾淨。只要 GPU 需求還在，token 就有存在理由，不是只靠敘事撐著。

我偏愛 compute marketplace 類型的原因很簡單：它能對應到具體問題。你可以用一句話講完它的價值：GPU 很貴，市場幫你把供需接起來，可能就能拿到價值。不是保證成功，但至少邏輯完整。

實操上，我會看它到底是不是被拿去做 AI training、generative work、3D rendering，還是真的有 repeatable usage。如果使用場景夠廣、夠穩，token thesis 就會強很多；如果只是貼著 GPU 標籤的 ticker，那就別太快上頭。

Virtuals 和 Venice 是代理層，但也最容易飄

"Virtuals Protocol is centered around AI-enabled virtual agents and digital economies."

Virtuals Protocol 跟 Venice Token 都站在大家最愛講、但最容易講空的那一層：AI agents。原文說 VIRTUAL 是 $0.5946、market cap $390.6 million，七天漲 7.7%。Venice Token 是 $15.07、週漲 14.9%，被描述成 privacy-first digital intelligence。數字都很漂亮，但漂亮不等於有用。

白話講，這些專案想搶的是應用層：讓使用者能建立、部署、互動 AI agents。這很有意思，因為它把話題從算力拉到行為、身份、權限和變現。但這也是最容易灌水的地方，因為每個人都想說自己是 agent economy 的入口，真正能證明的沒幾個。

我對這層其實有點偏愛，因為這裡開始真的會碰到 developer experience。如果我能不用折騰太久就做出一個能用的 agent，我會多看兩眼。若再加上 privacy 和 cross-chain support 真的有做事，那更好。但我還是會先問：除了炒幣的人，還有誰在用？

實操上，我會用三個標準看 agent platform：非技術使用者能不能快速做出有用東西、身份與權限怎麼處理、整個生態有沒有真整合。Venice 的話，我還會多問一句：你的 privacy 保證到底是什麼，別只停在文案。

• Virtuals：重點是 no-code 真的能不能重複成功
• Venice：重點是 privacy 不是口號
• 兩者共同點：如果主要需求來自交易，風險就很高

FET 和 Kite 是小市值高波動，不是核心資產

"Fetch.ai became part of the Artificial Superintelligence Alliance and is working on creating autonomous AI agents."

FET 和 Kite 這種名字，我通常都會先把它們放進「高 beta」那一欄。原文給的數字是 FET $0.1977、market cap $446.7 million，Kite $0.1858、market cap $433.3 million。這種規模在 crypto 裡不算大，意思也很直接：上漲可以很猛，下跌也會很痛。

翻譯一下就是：它們是對 AI 敘事的槓桿型下注。FET 還多了一層 Artificial Superintelligence Alliance 的複雜性，把 Fetch.ai、SingularityNET、Ocean Protocol 合成一個 token 結構。這種合併如果市場看懂，可能有想像空間；但如果市場搞不懂，反而會變成資訊噪音。

我對這類小幣一直很保守，因為它們常常像 narrative derivative。不是說不能買，而是你要用 satellite position 的方式看待，不要當 core holding。你錯了，損失不要大到讓你整個組合歪掉。

實操上，我會要求自己用一句話講清楚專案，再用一句話講清楚 token。如果這兩句都講不順，你大概也不該重倉。

真正的過濾器不是 AI，是證據

文章最後其實有一句話我覺得比前面那些 ticker 都有用：AI token 比 Bitcoin 更 volatile，所以要做好分散和部位控制。這句很普通，但也很誠實。大部分 crypto 清單的問題不是完全錯，而是跳過了最難問的那句：我有什麼證據證明這不是一個敘事泡泡？

翻譯一下就是：你應該用證據來看 AI 幣，不是用分類來看。證據可以是 developer activity、使用者數、交易量、subnet 成長、marketplace demand、整合數量，或鏈上使用情況。它不應該只是週線圖和一段看起來很樂觀的文字。

我自己的規則很簡單：如果一個 token 只有在市場很嗨的時候才說得通，那它不是投資論點，它只是情緒。情緒不會複利，最多只會讓你短暫上頭。

實操上，我會在買之前先寫下 30、60、90 天要看到的證據。如果專案拿不出來，或是你根本無法量測，那你多半只是在租一段興奮感。

可抄的模板

# AI Crypto Watchlist Template

用這份模板把 AI 幣從「敘事」拆成「可驗證的觀察項」。

## 1) Token 基本資料
- Name:
- Ticker:
- Category: compute / data / agents / infrastructure / staking derivative
- Market cap:
- Current price:
- 7-day move:
- 24-hour move:

## 2) 它到底在做什麼
用一句話講完，不准用 buzzword。

例：
- "Render coordinates decentralized GPU supply for AI and graphics workloads."
- "Chainlink feeds verified real-world data into smart contracts and AI apps."

## 3) 為什麼它可能重要
- 它解的是什麼問題？
- 誰會用？
- 如果 thesis 成立，需求應該長什麼樣？

## 4) 你要追的證據
至少挑 3 個：
- Developer activity
- Active users
- Transaction volume
- Subnet / ecosystem growth
- Marketplace demand
- Integrations or partnerships
- On-chain usage

## 5) Bull case
- 用一段話寫最好的情境

## 6) Bear case
- 什麼會打壞 thesis？
- 什麼情況下它只是另一個 hype token？

## 7) 部位規則
- Core / satellite / watch-only
- Max allocation:
- Stop reviewing if:

## 8) 30 / 60 / 90 天檢查表
### 30 days
- 
### 60 days
- 
### 90 days
- 

## 9) 快速評分
每項 1-5 分：
- Real utility
- Developer traction
- Token necessity
- Market fit
- Execution quality

總分：
- 20-25: serious watchlist candidate
- 15-19: speculative but usable
- Below 15: narrative only

這份模板是我根據 Analytics Insight 的 10 個 AI 幣清單，自己整理出來的衍生版本。原始來源在這裡：https://www.analyticsinsight.net/cryptocurrency-analytics-insight/10-ai-crypto-coins-that-could-outperform-bitcoin-in-the-next-6-months，另外我也參考了 Bittensor、Chainlink、Render Network、NEAR 和 Internet Computer 的官方資料。前面那些數字和原文觀點是來源內容，我後面這套分類、檢查表和部位規則是我自己整理的。