基于这一观点，随着越来越多的人进入 Crypto，越来越多的人开始去解析这些数据，你会发现：大量的链上数据既然是一个公开的事实，那怎么样能够基于这些数据去做更为实时、透明的处理，然后把这些信息以普惠的方式呈现出来，帮助更多人更轻松的对 Crypto 建立更清晰的认知？
另一方面，正是因为 Crypto 离钱很近，所以站在 AI 视角来看，用户意图更直接，帮助用户实现最终目标过程中的分叉更少。
比如你去搜索引擎问问题，你的思维是很发散的，你可能会问天气、问美食等，这个问题到你意图之间的闭环，它有很多不同的路径。但是在 Crypto，用户的问题很简单也很朴素，总结来说就是：我如何挣钱？我如何挣更多钱？或者我如何少亏钱？在用户起始意图与实现终点之间，Crypto 的闭环路径更清晰，而 AI 能够基于已有的数据做信息平权，帮助用户更好的进行资产管理，或者直白的说帮助发现更多财富机会。我觉得这是 Crypto AI 的特别之处，相比较 Web2 AI ，Crypto AI 解决的问题更聚焦，且在链上数据的基础上，只要能够更好的聚合信息，并更好的适配个性化需求，Crypto AI 更具备落地能力。
在分享完 Crypto AI 的独特性之后，第二个问题是：为什么大家觉得 Crypto AI 落地不到位？
仔细观察你会发现，Web2 AI 的大叙事在于如何在通用的能力上做突破，比如 OpenAI， 它啥都能做，又能帮你做财务分析，又能帮你看 F1 赛车的进程，它旨在不断提升通用的能力来进一步推动落地，这个愿景很高，同时难度也很大，所以真正核心人才某种程度而言都在往这个方向靠拢。
但 Web3 的很多 Agent 都致力于切实的解决一些问题，包括 UI/UX、用户个性化、信息过度分散等，就像刚才说的那样，Crypto AI 旨在解决的问题更聚焦，但在解决问题的过程中，Crypto AI 有两个阶段。
首先，Crypto AI 可以很快的就被证实或者证伪，因为 Agent 跟 AI 结合最直接的点就是面向 Consumer，用户很容易感受到产品做得好或不好。Crypto 以前其实很难去证伪，比如做一条链，做了三年五年叙事跟着周期换，大家需要花很长时间去真正看清项目，但 Crypto AI 的节奏很快，第一波 AI 基本上全部都是 Meme， 从技术栈上来说确实比较 Low，而且它真实的价值其实是不明朗的，比如 GOAT，诞生之初大家觉得好玩，但没有人真正关心 GOAT 到底在说什么。总而言之，在这样一个很容易被证伪的周期里，直面用户的 Crypto AI 确实会遭受更强的冲击。
但是问题伴随着机遇，既然大家意识到了 Crypto AI 不仅仅是 Meme，那如何在这基础之上做到更好？换句话说，Crypto AI 如何更确切的解决用户遇到的问题？比如说在一些高频刚需场景中，通过 AI 帮助用户了解为什么涨、为什么跌、该关注什么、该怎么做等，我觉得有很多真实的问题等待被解决，这也是我们想通过 TrueNorth 解决的问题。