Fetch预期反转的新契机
Reading：https://docs.google.com/spreadsheets/d/1JSmI-YDvbdxXJ1Tud2sK8mly33zh1VmcH8i5wUgSYs0/edit?usp=sharing
TG Channel：https://t.me/SleepinRain
Binance注册，手续费减免：https://www.binance.com/join?ref=MPQ4JG9S
收费群：3SOL/年，感兴趣 Twitter DM
之前提过一嘴 $FET 的事情，主要是在吐槽 @Fetch_ai 对市场的教育程度不足，或者说他们之前还没有明确产品的发展方向。这直接导致的结果就是之前针对 $FET 的炒作基本上都是围绕 AI 叙事和合并进行的。
但不得不说，单纯看前一阶段的币价表现的话， $FET 是一个非常成功的代币——23年受益于 AI 叙事的炒作，24年主推三大项目的合并叙事，币价涨了几十倍。
不过现在 Fetch 终于找准了自己的产品落地方向，推出了一个名为 ASI-1 Mini 的大语言模型（LLM）。
之前的 Fetch 离市场很近，离用户很远。现在 Fetch 正在向着用户端靠拢。
和大家聊聊 Fetch 这次的更新⬇️
1、首先，ASI-1 Mini 是一个大语言模型，比较有特色的点是「自适应推理」和「上下文感知决策」。重点聊一下「自适应推理」。「自适应推理」为 Agent 提供四种推理服务：多步推理、完整推理、优化推理和简短推理。通过其底层核心推理引擎，它会根据不同的需求来调整推理深度，以提升推理的效率——这也是 ASI-Mini 硬件推理效率更高的原因之一。
2、在 ASI-1 Mini 其推理引擎之上的架构是 MoM（Mixture of Models）+ MoA（Mixture of Agents），MoM 就是根据 Agent 需求选择合适的模型进行推理，MoA 则是 Swarm AI Agent 集群叙事，即多 Agent 协作。
3、ASI-1 Mini 主要的应用方向是 Agentic Workflows。简单理解，Agentic Workflows 就是通过利用多个 AI Agent 来协作、执行、管理和优化工作流程，来让复杂任务执行变得自动化和高效。这些复杂任务包括数据处理+数据分析（支持文本、图像、代码）、预测（体育、Polymarket）、链上交互（DeFAI）等等。
4、ASI-1 Mini 是 ASI Alliance（就是 $FET $AGIX $OCEAN 合并而成的项目） ASI:<Train/> 的第一个产品。后续还会有新的更新。未来他们打算将其上下文窗口扩展至 10M Token（这个可以直接理解为允许处理的数据量），以适配金融交易、法律文档、大型数据库等应用场景。
5、Fetch 的 ASI-1 Mini 主打的是利用高性能+低成本来降低 Agent 的运行门槛——用他们的话来说就是让「社区可以直接投资、训练和拥有 AI」。
最最最核心的点在于，社区需要 $FET 来访问 ASI-1 Mini——相当于为 $FET 增添了一个赋能。这也是我在前文中提到的，Fetch 正在向着用户端靠拢，最终 AI 叙事的弄潮儿还是要落到实处来。
以及一些 $FET 最近的更新（最近都是做代币回购、销毁的项目，下一篇我想和大家分享一下我对这个事情的看法）：ASI Alliance 在1月10日销毁了5M $FET ，下一次销毁是在1月10日之后的三个月后，也就是4月10日。
销毁机制 Earn and Burn 是这样运行的⬇️
Earn：用户可以通过使用 ASI 系产品或者参与 ASI 生态活动来赚取 $FET ，比如说通过 ASI Train 开发 AI Agent 产品。这个过程会为 ASI Alliance 创造手续费收入；
Burn：一部分手续费收入将会被用来回购并销毁 $FET 代币。之前 Fetch 宣布的回购销毁目标应该是 100M 枚 $FET 。
最后，来和大家分享一下我一直在看的一个信息流：https://t.me/cyra_alpha （Web3、Web2 AI 更新全掌握，我是 @0xPrismatic 老师的自来水）。