Fetch.AI 項目的目的是創建一個由人工智能驅動的智能賬本，其中的經濟活動是由自由經濟代理（AEA）來執行。在 Fetch.AI 項目方設想的經濟網絡中，數字經濟體內的各個部分（比如數據、硬件、服務、人和基礎設施）都可以通過 Fetch.AI 來進行人工智能的數據分析以及處理並有效地預測和推薦來完成工作，用戶可以在其中進行數據的交互分享並得到更有價值的內容回饋。

1 基本信息、評分、指標趨勢

1.1 基本信息

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難

1.2 綜合評分：2.7 分

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難

1.3 指標趨勢：下降

  • TokenGazer 對於 Fetch.AI 項目的技術評價不容樂觀，Fetch.AI 在技術實施以及項目最終落地上都存在較大阻礙。 【利空】

  • Fetch.AI 項目目前並未發佈 MVP，Github 上開源代碼提交頻率較低，代碼內容並未涉及其白皮書中提到的技術。【利空】

  • 從 Github、官網等已有信息來看，項目仍未取得較大進展，對於第四季度上線主網的預期不容樂觀。【利空】
  • Fetch.AI 團隊人員充沛，大部分開發人員都擁有人工智能以及機器學習等相關研究經歷以及學歷背景，核心人員履歷出衆且與項目的開展擁有高度相關性。【利好】
  • 整個團隊缺乏區塊鏈項目經驗，大部分成員雖然在人工智能的技術範疇內都是專業人士，但人工智能與區塊鏈的結合是一個截然不同的領域，且難度頗高，因此項目的開展對團隊是一個不小的挑戰。【利空】
  • Fetch.AI 項目即將在 Binance Launchpad 上進行公開募集，幣安交易所的知名度爲項目帶來了不少熱度，近期受關注程度較高。【利好】
  • 2019 年 6 月左右私募輪以及團隊所持 Token 開始解鎖，屆時將可能有一定的砸盤風險，投資者需密切關注時間節點。【利空】
  • 根據 TokenGazer 的研究數據顯示，首發幣安交易所的項目在上線當天都有較大的漲幅。【利好】

綜上，TokenGazer 經過分析研究認爲目前 Fetch.AI 項目擁有諸多不確定性，存在較高風險。TokenGazer 數據模型顯示 Fetch.AI 整體的指標趨勢爲下降，建議投資者時刻關注項目進展，謹慎投資。

2 Fetch.AI 基本情況

2.1 簡介

Fetch.AI 項目的目的是創建一個由人工智能驅動的智能賬本，其中的經濟活動是由自由經濟代理（AEA）來執行。在 Fetch.AI 項目方設想的經濟網絡中，數字經濟體內的各個部分（比如數據、硬件、服務、人和基礎設施）都可以通過 Fetch.AI 來進行人工智能的數據分析以及處理並有效地預測和推薦來完成工作，用戶可以在其中進行數據的交互分享並得到更有價值的內容回饋。

2.2 技術分析

2.2.1 技術框架

根據 Fetch.AI 白皮書中所描述，Fetch.AI 的技術框架由三部分組成：

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 1 Fetch.AI 技術框架 來源：Fetch.AI 技術白皮書

1）自治經濟代理（Autonomous Economic Agents）— AEAs

自治經濟代理是一個軟件實體，與其配對的設備有汽車、傳感器、攝像頭、移動設備、個人電腦等。通過整合這些設備中的客戶端，AEAs 接入 OEF 通過 Fetch.AI 生態系統內的數據資源共享來進行人工智能的數據處理運算，提供方案給用戶以解決複雜問題。例如：手機運營商可以從中獲取大量數據來預測天氣變化以及交通情況來提醒用戶，用戶可以通過車內的 AEAs 來提供加油站的位置並實時提供最優路線。項目方設想的數字經濟世界中 AEAs 可以運用於酒店、交通、能源、供應鏈等幾乎所有生活中的應用場景，並且可以通過人工智能驅使做到完全無需人工干預。

2) 開放經濟框架（Open Economic Framework）— OEF

AEAs 可以通過 API 來連接 OEF 系統，OEF 爲 AEAs 提供了一個可自適應的支持環境，基於 AEAs 提供的數據以及信息，OEF 將會通過機器學習以及人工智能的技術，使 AEAs 之間進行實時協調，以便進行通信和交互。提供數據以及傳輸數據的節點將獲得相應的 Token 獎勵。簡單來說，所有的 AEAs 都將在 OEF 中託管並運行，它將成爲一個不斷髮展的生態系統，允許 AEAs 互相搜索、互動、分享。隨着信息數據的逐漸增多，整個系統也將變得更加可靠、有效。

3) Fetch 智能賬本

Fetch.AI 的智能賬本結合了區塊鏈和 DAG 技術，Fetch 系統將收集交易信息並且利用“分片”技術來記錄賬本來實現擴容。與傳統的分片技術不同，系統可能會將一條交易信息同時分配給幾個不同的分支去記錄，而這將自發引起鏈的硬分叉。同時，多條平行鏈的出現將可能造成整個網絡中交易信息量的增大，且可能發生“雙花問題”。技術白皮書中稱 Fetch.AI 將使用機器學習的方式去決定用戶潛在會進行雙花交易的概率來解決安全問題，但並沒有給出明確的解決方案。

2.2.2 Useful Proof of Work （uPoW）

Fetch.AI 白皮書中指出相較於普通 PoW，有效工作證明（uPoW）能帶來更多的優勢。目前大部分的區塊鏈生態共識都需要節點下載所有區塊數據並且按照區塊順序添加至主鏈。Fetch.AI 項目方認爲這種方式耗時又耗能，基於 DAG 系統，一筆交易僅需要得到另外兩個節點的確認就能達到最終性。在 uPoW 的共識算法中，將使用一部分計算資源在訓練 AI 上，而不是全部用來計算無用的問題。

2.2.3 技術疑點

以上內容爲 TokenGazer 研究團隊根據 Fetch.AI 技術白皮書整理的項目特點概括，其中項目方提及的一些想法以及方案並未給出合理解答，因此對許多技術內容在此並未做詳盡贅述。

在針對 Fetch.AI 的技術進行全方面分析後，TokenGazer 認爲其技術構想以及最終落地實現上存在諸多疑點以及不確定性，技術白皮書以及官方現有資料中都未有明確解答，以下將逐一闡述疑點：

1) Fetch.AI 項目方的設想是將現實世界中大部分設備的客戶端都整合成 AEAs （例如汽車中的操作系統、傳感器、移動設備等）並且在其 OEF 內分享數據信息來進行 AI 數據處理，但每個設備品牌都擁有不同的操作系統以及客戶端應用，整合所有設備成爲相同數據輸出規格難度頗高，且設備運營商並沒有動力爲項目方提供數據。因此目前項目方通過與大部分公司形成合作關係來整合 AEAs 的想法實現起來難度極高。

2) Fetch.AI 想要利用鏈的分叉來完成擴容，但這樣如何保證兩條新鏈的未來交易不會衝突，一條鏈的交易需要在其他鏈上重放，那根本達不到擴容的效果。

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 2 來源：Fetch.AI 技術白皮書

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 3 來源：Fetch.AI 技術白皮書

3) 若利用鏈的分叉來完成擴容，那麼將有可能造成雙花問題，如何解決？白皮書中提到系統將會使用 AI 來檢察用戶潛在會使用雙花交易的概率來保證安全性，但具體如何實施？安全性如何保證呢 ? 若發生雙花問題後該如何應對？對於鏈上安全性的問題官方並未給出合理的解答。

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 4 來源：Fetch.AI 技術白皮書

4) 項目方原本預期在 2018 年第 2 季度發佈的 Security White Pape 以及 OEF/uPoW Yellow Paper 目前仍未公開。

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 5 來源：Fetch.AI 技術白皮書

5) 對於 OEF 中的數據信息交互，如何制定不同類別的數據信息價值？爲 AI 提供了多少幫助如何量化？即是否有標準來決定這條數據信息值多少錢？Token 的具體獎勵機制在白皮書中並未提及，而數據信息價值的制定標準也是較難量化。

6) Fetch.AI 項目的推廣主要以 AI+區塊鏈技術作爲項目特色，但整篇白皮書中關於如何使用 AI 技術的內容篇幅很少，也並沒有數據建模等相關內容。

7) 白皮書中提到 Fetch 移動錢包 APP 將提供 Network Participation Application （NPA）的服務，旨在將用戶的個人信息安全地加密在個人設備中，並且將會爲用戶日後解決問題。既然個人信息加密，怎麼提供給系統做 AI 的數據處理？因此白皮書中關於數據的隱私性以及公開數據做 AI 建模處理存在矛盾性。

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 6 來源：Fetch.AI 技術白皮書

8) Fetch.AI 項目方提出了獨創的 uPoW 共識，旨在節省無用的工作量，但整篇白皮書中關於 uPoW 的篇幅極少，項目方對於 uPoW 具體的工作原理以及實施都未做太多的闡述。

9) 白皮書中提到 Fetch.AI 的核心目的是爲 AEAs 提供一個可以進行信息交互的環境，那麼項目只是一個爲 AEAs 提供交易場所的項目嗎？AI 技術到底是否爲項目的核心？

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 7 來源：Fetch.AI 技術白皮書

10） AEAs 中包含諸多用戶信息，例如 GPS 地理位置信息，系統提供人工智能服務則需要節點之間實時互聯數據來形成有價值的反饋，但項目在全世界有多少個節點？將來在生態方面如何擴展以及佈局？

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 8 來源：Fetch.AI 技術白皮書

2.2.4 TokenGazer 觀點

綜上分析，Fetch.AI 在技術白皮書中對於鏈的設計上存在諸多漏洞，有安全性的隱患，項目方提及的技術設想也沒有給出合理的解決方案。白皮書對 AI 技術的應用以及實施都鮮有提及，同時資料中對於數據隱私性方面的問題存在矛盾之處，項目的側重點以及初衷都讓人費解。而對於項目的生態發展以及技術實施細節，白皮書中均未有清晰的解釋。

另一方面，白皮書中對於 AEAs 以及 OEF 的描述只是基於一種理想的數字經濟世界，目前在現實世界中基本很難實現。

因此，基於目前 Fetch.AI 項目方已披露的公開信息，TokenGazer 對於項目技術的評價不容樂觀，Fetch.AI 在技術實施以及項目最終落地上都存在較大阻礙。

2.3 Github

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 9 Fetch.AI Github 來源：Github

Fetch.AI 項目 Github 代碼已開源，總共擁有 5 個代碼庫。代碼庫中的 Watch、Star、Fork 以及 Commits 極少，且並沒有項目的重要技術體現，更新頻率較低。

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 10 Fetch.AI 未公開代碼活躍度情況 來源：Binance Research （部分）[1]

在 Binance Research 關於 Fetch.AI 的研究報告中，提供了 Fetch.AI 團隊未曾公開代碼的一些信息，可以看到這部分代碼較爲活躍，提交頻率與 Commits 較多，但代碼具體內容以及質量暫且未知。

2.4 路線圖

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 11 Fetch.AI 路線圖 來源：Fetch.AI 官網

Fetch.AI 項目官網上展示了 2019 年的路線圖，預計 2019 年第 4 季度將上線 Fetch.AI 主網。項目從 2017 年初開展至今已歷時 2 年之久，但從 Github、官網等已有信息來看，仍未取得較大進展，對於第 4 季度上線主網的預期不容樂觀。

2.5 團隊

2.5.1 核心領導者

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 12 Fetch.AI 高層領導團隊 來源：Fetch.AI 官網

  • Humayun Sheikh （聯合創始人兼 CEO）：曾是 DeepMind 的早期投資者，該公司推出的 AlphaGo 機器人曾擊敗了排名世界第一的世界圍棋冠軍柯潔，其工作原理主要是“深度學習”，DeepMind 在 2014 年被 Google 收購。Humayun 曾擔任 5 年英國商品貿易公司 Mettalis Group 的董事長，且創立了 uVue 以及 itzMe 公司，這兩家公司旨在利用機器學習 & 人工智能來改善生活。Humayun 具備不錯的領導能力且創業經驗豐富。
  • Toby Simpson （聯合創始人兼 CTO）：曾擔任 DeepMind 的軟件工程師，並且擁有多家公司 CTO 經歷，研發的工作履歷長達約 30 年且擁有豐富的軟件開發背景。
  • Thomas Hain （聯合創始人兼 CSO）：曾是劍橋大學的 PHD，目前擔任 Fetch.AI 項目的首席科學家，Thomas 還是謝菲爾德大學的教授兼語言和聽力研究主管，專注於研究機器學習以及人工智能。

2.5.2 團隊小結

Fetch.AI 團隊來自英國，共分爲高層領導部門、開發部門、研究部門以及市場運營綜合部門，總計 35 人。團隊人員充沛，大部分開發人員都擁有人工智能以及機器學習等相關研究經歷以及學歷背景，核心人員履歷出衆且與項目的開展擁有高度相關性。

然而縱觀整個團隊，團隊缺乏區塊鏈項目經驗，大部分成員雖然在人工智能的技術範疇內都是專業人士，但人工智能與區塊鏈的結合是一個截然不同的領域，且技術難點頗多。另一方面，項目技術設想將每一個連網客戶端（車載系統、移動設備等）都能接入 API 來成爲 AEAs 提供服務，但此龐大的構想需要極強的團隊商務拓展能力且需整合集成諸多品牌設備的客戶端程序，困難程度極高。因此 Fetch.AI 項目的開展對團隊是一個不小的挑戰。

2.6 社區熱度

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難表 1 Fetch.AI 社區媒體關注者人數

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 13 Fetch.AI Twitter 關注者人數累計概率

Fetch.AI 在 Twitter 上有約 4,000 關注者，累計概率約爲 0.7686，意味着其 Twitter 粉絲數超越 76.86% 的一級市場項目。

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 14 Fetch.AI Telegram 關注者人數累計概率

Fetch.AI 在 Telegram 上有約 20,000 關注者，累計概率約爲 0.8806，意味着其 Telegram 粉絲數超越 88.06% 的一級市場項目。

項目即將在 Binance Launchpad 上進行公開募集，幣安交易所的知名度爲項目帶來了不少熱度，近期受關注程度較高。

3 Fetch.AI 募集情況

3.1 Token 基本情況

  • Token 名稱： FET
  • Token 總量：1,152,997,575 FET
  • Token 分配情況如下：

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 15 Fetch.AI Token 分配情況 來源：Fetch.AI Token Overview 白皮書

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難表 2 Fetch.AI Token 分配情況

3.2 種子輪以及私募輪融資情況

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難表 3 Fetch.AI 私募情況 來源：Binance Research[3]

根據以上信息可知，Fetch.AI 的種子輪以及私募輪（SAFT1、SAFT2、SAFT3）銷售 Token 佔比約爲 11.6%。此部分 Token 將於 TGE 後鎖倉 3 個月，隨後在三個月內（約 2019 年 6 月-9 月期間）逐步釋放，投資者在此階段將有可能面臨一定的拋壓風險。

團隊+顧問+項目基金會 Token 佔總量的 50%，佔比較高，雖然 Token 將於 3 年內按季度線性釋放，但項目方高度控盤，對於市場投資者來說可能存在一定的風險。

綜上，2019 年 6 月左右私募輪以及團隊 Token 開始解鎖，屆時將可能有一定的砸盤風險，投資者需謹慎密切關注時間節點以及項目進展。

3.3 幣安 Launchpad 公募

Binance Launchpad 是幣安的獨家 Token 發佈平臺，將於 2019 年 2 月 25 日開始 Fetch.AI （FET）的公開募集，以下則是詳細信息：

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難表 4 Fetch.AI 公募信息 來源：Binance Launchpad[4]

4 幣安首發項目分析

TokenGazer 團隊整理了 2017 年 12 月至 2019 年 1 月在幣安首發的一些區塊鏈項目，從圖中可以看出，相比於 TGE 的價格，每個項目在上線當天都有較大的漲幅，最高的 QKC 上漲了 15 倍，最低的 BRD 也上漲了 2 倍。因此，投資者在 Launchpad 參與 Fetch.AI 的衆售，最終獲利的概率比較大。

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難表 5 首發幣安項目上線當天表現 [5]

Fetch.AI 項目評估：幣安首發熱度高，項目技術疑點多落地困難圖 16 首發幣安項目兩週內 ROI 情況

TokenGazer 團隊也研究了這些項目在上線幣安之後的價格表現，以 TGE 價格爲基準，研究上線後兩週的價格變化趨勢。從圖中可以看出，這些項目的價格並沒有呈現出確定的上漲或下跌趨勢，但在這兩週內，都沒有跌破 TGE 價格。同時需要注意的是，QKC 和 WAN 上線當天的漲幅都超過 10 倍，後續都是下跌趨勢。因此，如果 Fetch.AI 上線當天價格上漲太多，那麼投資者需要警覺。

參考資料

[1]https://info.binance.com/cn/research/FET-2019-01-31.html
[2]Fetch.AI 和 Fetch.AI_CN Telegram 羣總人數
[3]https://info.binance.com/cn/research/FET-2019-01-31.html
[4]https://launchpad.binance.com/cn/project/44
[5]其中 Gifto, Bread, BitTorrent 爲 Binance Launchpad 項目