在Web2，Timo 是一個專門投一級市場 AI 賽道的 VC，布局了國內許多做不同方向的 AI 公司。
而在Web3，他的交易之旅是從 2017 年買比特幣開始的， 2019 年玩合約滾倉，**浮盈上千萬，但幾次爆倉虧回去了大部分。從去年初開始玩鏈上，銘文、圖幣互轉、預售都玩過，之后就是動物園和 AI。
“看 AI 標的跟之前看動物園那些幣完全不一樣，還是要去玩自己能看得懂的東西，如果只是跟著別人去瞎沖的話，那在這個市場只能去成為別人的流動性了。”
Timo 在鏈上交易 AI 標的的策略概括來說就是以玩二段為主，即尋找潛在收益在十倍以上、上限比較高的 Alpha，同時做好倉位管理，單幣投入不超過 15% 。這個策略到目前為止勝率在 90% 以上。
在鏈上尋找 Alpha 之外，Timo 的大倉位 Beta 都放在交易所里，標的包括 BTC、ETH、SOL、DOGE、PEPE 和 AAVE。
買什么：哪些 AI 標的值得關注？
總體而言，Web3的 AI 其實是在跟隨Web2的 AI，從技術的應用，到敘事，再到人才的水平，所以Web3 AI 的趨勢基本可以參照Web2 AI 的發展。
具體地，按照產業鏈來看，Web3 AI 的每一個環節都存在需要被解決的問題，有問題就有新的機會。
1. 協議層
當 Agent 本身的智能程度達到一定狀態的時候，Agent 和 Agent 之間應該能夠智能地、跨生態/平臺地去交互，而這種交互需要底層的協議。目前這個環節其實沒有人在做。
2. 模型層
目前很多模型都是通用的大模型，什么都懂一點，但其實又不都太懂，所以如果想讓模型在一個領域做的更好更專業，就需要拿專有的數據對模型進行訓練。之前市場上出現過一些專門 for solana 的模型，之后大概率會出現更多的專有模型，這里面機會很多。另外，模型的推理成本也是一個可以被改進的環節。
3. 數據層
跟人需要找到高質量的學習材料一樣，模型也需要高質量的數據。但大部分的數據都是無效的，需要對它們進行篩選、清洗、打標簽。Web2一家專門做數據清洗的公司 Scale AI，估值已經 10 億 美金。
4. 工具層
把模型比做人類的大腦，它去完成一些任務是需要工具的。目前很多想做 agent 的項目，在工具這一塊兒會面臨兩個問題：第一，自己有沒有能力介入；第二，工具愿意不愿意讓你介入。所以 Timo 認為，如果能夠做一個開放平臺，大家都可以通過這個平臺來調用各種各樣的工具，會是非常有潛力的。
5. 應用層
在 Timo 的定義中，應用層其實就是各種各樣的 AI Agent。在Web3里面，我們需要關注的是：能夠吸引Web3用戶注意力，讓他們高頻使用的應用，這也是為什么很多項目在講 AI DeFi 的故事的原因。但現在做的比較基礎，停留在對 token 進行基本面和技術相關的分析，還不能自動地去執行想要的交易策略，所以這里也有很多機會，只是需要高質量的鏈上數據對模型進行訓練。
怎么買：玩二段應該如何操作？
二段的玩法概括起來就是兩個步驟：先分析基本面，再分析盤面。基本面分析是判斷一個標的能不能買，而盤面分析則是判斷在哪個位置買。
基本面分析可以從四個方面出發：
第一個，敘事，本質上是產品的定位
敘事決定了一個項目的上限，一個好的敘事可以吸引市場上足夠多的資金來 FOMO。Timo 建議大家可以重點關注三類敘事： 1）用戶可能會用的比較多的 2）能夠切流動性的 3）基建類的
第二個，控籌，就是有沒有強莊
為什么要玩兒控籌程度高的項目（強莊盤），在之前跟麥總的對話中他有詳細解釋過，總結起來就是強莊盤有相對更長的生命周期和更大的想象空間，是莊和散戶共贏的游戲。判斷是否是強莊盤也很簡單，去 GMGN 看持倉錢包，如果前排的錢包基本上都是小魚，早期買入，然后盈利非常多的，基本上全都是莊盤。
第三個，產品和技術
隨著市場的逐漸成熟，純故事已經很難被 buyin，還需要關注產品和技術。這兩方面的分析，Timo 建議如果自己看不懂，可以和小伙伴組成 team，有的人看代碼，有的人負責“感受”鏈上，一個人把全部的分析做好是一件及其艱難的事情。
第四個，團隊的背景。
Timo 認為，如果 Open AI 的 DEV 可以打 100 分的話，現在Web3里 AI DEV 的平均水準可能只有 30 分。但這個行業也在逐漸吸引更**的人才進來，所以要盡量去找“正規軍”，同時對履歷和科研成果等等做好充分的核實。
其實跟 DEV 團隊直接對話，獲得一手信息會對判斷項目的基本面有非常大的幫助，很多 DEV 是愿意進行這種溝通的。
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。
