为什么说Allora是AI界的德尔菲？

Allora网络本质是在AI模型中选择各主题领域的AI专家，在区块链生态中，组织实施德尔菲法。

┈┈➤先来认识一下——德尔菲是什么？

╰┈✦古老的希腊传说

德尔菲，来源于古希腊的德尔菲神谕（Oracle of Delphi），位于古希腊德尔菲城的阿波罗神庙，传说是阿波罗神的女祭司Pythia进行神谕预言之处。

古代希腊人，包括国家首领与普通人需要重大决策此会来此咨询。

德尔菲法因此得名。

╰┈✦德尔菲法的理论与实践

德尔菲法，正是来源于德尔菲神谕，是一种主要用于分析、判断和预测的结构化方法。

通俗的说，德尔菲法就是由若干名在某个领域具有权威的专家组成小组，共同协作完成目标任务。所以德尔菲法，也称专家调查法，由由美国兰德公司在1946年创建并实行。

在具体实践中，专家之间通常是匿名的。首先，通过问卷、调查的形式，由专家分别做出或分析、或判断、或预测。

简单一些的操作是，根据专家的意见进行汇总，得出最终结论。

复杂一些的操作是，每轮专家完成调查以后，可以看到其他专家的意见，在此基础上对自己的意见进行调整，经过多轮协调，最终达成一致结果。

其实德尔菲这个命名，也有一定反对的声音，因为它来源于古希腊传说，显得不够科学，而德尔菲法其实是一个科学化的流程。

但是，德尔菲这个命字仍然还是流传下来了，甚至学术界也更多的称其德尔菲法，而非专家调查法。因为专家调查未能展示专家之间的匿名性。

╰┈✦德尔菲法的关键特征

◆预测性：主要用于对未来的洞察与预测。

◆权威性：由具有权威性的专家参与。

◆匿名性：权威专家之间互相匿名，权威性不会干扰其他人的判断。

◆聚合性：由专家集体智慧聚合而来，而非关注个别权威的意见。

◆结构性：按照一定结构化的方法来组织和执行。

┈┈➤为什么说Allora是AI 界的德尔菲？

在AI产品层级上，Allora并不参与模型层的训练工作。Allora与AI Agent的层级相似，主要参与AI的应用层，利用AI模型执行消费者的任务。但，Allora充分的发挥了德尔菲法的职能与优势，使其与普通的AI Agent存在极大的不同。

╰┈✦AI推理与预测决策

Allora是一个运用AI推理，进而进行预测与决策的产品体系，这符合德尔菲法的预测性。

例如，Allora可为消费者提供DeFi策略增强。具体通过对币价、DeFi产品的流动性进行预测，在此基础上推理收益的变化、风险因素等，进一步为消费者实现更智能的资产配置和收益最大化。

╰┈✦通过AI模型的过滤实现权威性

Allora生态在执行任一主题时，算法会对参与的AI模型进行有效性筛选，这符合德尔菲法的权威性。

第一，根据AI模型的历史推理与预测结果，与主题进行匹配。例如，某一主题涉及BTC价格预测，Allora会统计各个AI模型对BTC价格预测的历史，过滤掉不擅长BTC价格预测的模型。

第二，对本次任务执行的异常数据进行过滤。例如，某一主题涉及联邦基金利率，某模型预测2025年10月美联储加息，Allora将该预测数据过滤掉。

第三，对AI模型进行上下文相关筛选。例如，在牛市上涨环境中，预测价格时，Allora会优先选择趋势跟踪模型。在熊市下跌环境中，预测价格时，Allora会优先选择均值回归模型。目标是尽量选择更符合上下文环境的AI模型。

╰┈✦AI模型细节的匿名性

在Allora生态中，具体工作的Worker节点的ID和地址是公开的。但是，实际完成推理、预测任务的AI模型，其细节是匿名的。

例如：

AI模型的所属主体的开发者或机构是匿名的。

AI模型的模型构架、算法与具体源代码是匿名的。

AI模型的训练数据与实现细节是匿名的。 因此，Allora在工作中，所有的AI模型之间是互相独立、互不干扰的。这是德尔菲法的匿名性的要求。

╰┈✦AI推理结果的聚合

在AI模型筛选的基础上，Allora会对筛选后的模型预测结果，根据任务特征，选择不同的算法进行聚合，例如中位数、加权平均等。这符合德尔菲法的聚合性。

╰┈✦聚合算法的智能

第一，Allora在对AI模型筛选的同时，会根据模型的历史预测、模型算法等，为不同的AI模型设定不同的权重，根据权重聚合预测结果。并且模型的权重是动态调整，而非一成不变的。例如，某AI模型的最近时期的ETH价格预测准确率提高时，可以考虑调整该模型的权重。

第二，Allora聚合时，会同进考虑模型的优势互补性。例如，在预测BTC走势时，会技术分析、链上数据、社交媒体情绪、宏观与政策分析、量化策略几种模型中分别选择若干AI模型。因此，Allora可以提供更综合性的AI推理与预测结果。

这符合德尔菲法的结构性。

┈┈➤写在最后

当我们把AI模型看作具有生命的智能体，Allora根据具体的主题的推理任务在众多AI模型中，筛选具有优势的AI模型，相当于寻找某一领域的权威专家。并且，这些AI"专家"模型之间是匿名的。在此基础上，Allora使用动态权重、优势互补，对这些AI"专家"模型的预测结果进行聚合，实现了结构化的聚合。Allora将德尔分析与预测方法发挥到极致。

不仅如此，Allora聚合使用了AI算法。虽然Allora聚合本身并非AI模型，但是应用了AI算法。因此Allora聚合是具有学习性和进化性的，这是Allora智能化的关键。Allora不仅符合德尔菲法的结构性，甚至在动态上超越了德尔菲法。德尔菲法结构化的调整依赖于人工，Allora的智能化，可以更准确、更实时的对聚合算法进行优化，从而为Web3用户提供准确性、综合性、时效性更强的预测与策略。