撰文: @0xBenniee

有一日我突发奇想，想用同一份提示词同时询问 Surf.AI 与 ChatGPT，判断当前加密市场处在什么风险阶段，并据此给出具体的交易建议。我想要知道一下，这两种 AI 在 crypto 研究里，到底区别在哪里。

( 提示词 )

我在同时并额外加了一个约束：不要只给结论，必须提供可核验的数据支撑与推理链条。

结果很有意思，它们给出了几乎相反的答案：

GPT 的判断明显更偏保守，整体逻辑更接近“风险提示”而行动建议”，更像是在反复强调不构成投资意见；

而 Surf 的输出则明显更具实操性，不仅给出了方向判断，还试图基于已有数据结构，推演出更偏向实战层面的策略思路。

（Surf 回复）

在加密这种高波动、强情绪的市场里，用户真正在意的是输出的内容是否能在真实交易情景下站得住脚，数据时间新不新。

基于这一出发点，本文将围绕 Surf 这一产品展开更性的分析：

本文不打算停留在“模型功能对比”这种表层，而是想把 Surf 放回真实使用场景里，看看它到底每天在被谁使用、被拿来解决什么问题、以及在加密这种高噪声波动的环境里，它究竟能不能成为一个真正可靠的日常工具。

AI 已成为“日常工具”：从办公 Copilot 到交易助手

过去一两年，AI 真正跑出来的并不是“全自动赚钱机器”，而是更日常的使用场景，把信息更快收集起来、处理完碎片信息，再更快变成可用的判断，辅助人类进行决策判断。

大多数人每天用 AI 做的事情很简单，比如查资料、抓重点、理清观点差异、搭一个分析框架，把一堆碎片信息压缩成几条能直接用的结论。久而久之，AI 更像一个随手就能调用的数据整理助手。

从用户日常使用强度来看，AI 已经悄然进入“全民日常工具”的区间。公开口径数据显示，ChatGPT 在 2025 年的周活用户规模约 7 亿，2025 年 7 月的使用强度已达到每周约 180 亿条消息（约 25–26 亿条 / 天）；第三方流量统计也显示，2025 年 8 月网站访问量约 58.46 亿次 / 月，App 端月活约 3.88 亿。换句话说，AI 不是“有人偶尔试试”的新玩具，而是很多人每天都会打开、反复使用的基础工具，就像搜索引擎和即时通讯一样，已经成为了人们生活的一部分。

也正因为 AI 已经进入日常工作流，Web3 才会出现真正值得讨论的命题：有没有可能出现一个专门为加密用户打造、并且真的被用起来的 AI？在加密这种信息噪声极高、更新极快、口径极不统一的环境里，AI 的价值不在于讲得多流畅，而在于能不能把信息收集与处理这件事做对：数据从哪里来、指标口径是什么、关键结论有没有证据链。只有满足上述要求，才更容易被专业用户采纳并加入他们的日常工作流中。

在过去的 AI 产品浪潮中，很多人质疑 Web3 的 没有用户、没有 DAU（每日活跃用户）。Surf 这类产品的意义，恰恰在于用真实使用去回应这个问题，如果用户每天真的在用它做研究、查项目，它就不再只是叙事，而更接近一款工具。

也因此，评价 Surf 的标准应该更现实，它的信息来源与口径能否说清楚、结论能否被验证，能做到这两点，它才可能成为 crypto 用户会反复使用的工具。

Crypto 是“幻觉高发区”：通用大模型为什么讲得像，但不一定对

在 Crypto 里，AI 最容易出问题的地方，往往不是逻辑不通，而是“逻辑太通了”。因为加密信息本身就分散、更新快，很多关键数据还是通过链上行踪来发掘的。

通用大模型如果只是用语言把它们拼起来，很容易出现一种“听起来很像对的”错觉，看完之后觉得合理，但你很难立刻确认：它引用的是哪条信息？时间是否最新？是否能真实使用在交易决策中。

（Surf 数据来源）

从数据来源来看，Surf 更像一套面向加密场景的实时研究系统，而不是单纯靠语言生成来拼凑出的答案。它把链上数据、社交情绪、行情与衍生品、新闻研究、技术指标和项目元数据这六类输入同时拉齐，再把结果结构化输出，这会让答案更贴近实时市场，也更不容易被过期信息带偏。

对我来说，这套机制最关键的价值是它让回答更接近“可验证的数据结论”。当模型的输出被实时数据、明确口径与可追溯来源约束住时，幻觉空间会明显变小。你至少能快速确认它说的对象是谁、时间窗口是什么、以及结论是否能用链上 / 行情 / 原始信息复核，这样它才有机会进入真实的研究与交易流程。

为了把这种差异讲得更直观，我下面用一个我自己实际问过的问题做例子，看看 Surf 在“强时效 + 高噪声”的场景里，Surf 的输出为什么更容易落到可执行的下一步。

Case：BSC 今日热门 Meme

Meme 热点信息主要发生在 Twitter 等实时信息流里，很多内容甚至来不及沉淀进任何结构化数据库。通用大模型在这种题上最容易出现两种失真：要么用过期信息给出一份看似合理的清单；要么把“热度叙事”写成“事实结论”，但你很难确认它到底依据了什么。

从这组对比里能看出差异：Surf 更愿意先把“可核验字段”给出来。比如 CA、链上识别信息、以及更贴近当下的涨幅与热度线索。使我可以把回答立刻转化为下一步动作，比如去链上核验对象是否准确、去 DEX 页面对照价格与成交变化，再决定是否进入观察清单或继续深挖。通用模型如 GPT 在同样提示词下更像给背景解释，很难直接支撑后续的核验流程。

更重要的是，对 Meme 这种强时效资产来说，核心变量往往不是叙事讲得多好，而是当下讨论的社区热度是否有真实提高。这里我更倾向把 Mindshare 当作第一层信号，而不是结论本身。只有当热度能同时在多个维度被确认时（例如多 KOL/ 多社区的传播节点一致、涨幅与成交同步放大、链上资金与交易活跃度跟上），它才更接近“可交易的共识”，否则更像一次短暂的叙事噪声。

这也是为什么在这类强时效题上，我更愿意把 Surf 当作研究入口，而把通用模型当作背景解释工具。

Surf 是什么：面向 Crypto 的实时研究入口

如果用一句话来定义 Surf:它不是“更会聊天的 LLM”，而是把链上、行情、衍生品与舆情信息组织成研究工作流的加密研究入口，力为所有加密原住民提供更稳定的 AI 技术支持与研究基础设施。

（融资信息）

团队与融资背景方面，Surf 的联合创始人兼 CEO 为 Ryan Li (@ryanli)，由 Cyber（@BuildOnCyber）团队孵化，团队核心在美国加州湾区。

2025 年 12 月 Surf 宣布完成 1500 万美元融资，由 Pantera Capital 领投，Coinbase Ventures 与 DCG 参投，融资用途包括推进 Surf 2.0 并扩展企业级产品能力。

结合近期 Manus 的并购事件，让我更直观地感受到，各个大厂都在争前恐后的配置 AI 以防落后时代。

他们抢的已经不只是模型参数，而是更具体的能力形态，例如 Agent 工作流、实时数据管线、以及能持续把 AI 嵌进用户日常的产品分发。谁能把 AI 做成真正高频的工具，谁就更可能占据下一代流量 / 财富入口。

在这一轮 AI 竞赛里，资本争夺的也不再只是简单的模型 / 算力能力，而是能否把能力做成高频工具与稳定工作流。Pantera 与 Coinbase Ventures 对 Surf 的下注，更多是在押注团队一种更稀缺的能力，把链上、行情、衍生品和舆情这些碎片信号，组织成一个可复用的研究工作流。

每日被使用的次数和忠实的付费用户才是产品的长期护城河。据团队信息，Surf 目前访问量已达百万级别。对工具型产品来说，这意味着它正在慢慢成为人们的日常使用工具，如果后续能持续跑通订阅转化与使用闭环，这个体量确实有可能在下一轮周期里继续放大。

Surf 的正确打开方式

Surf 有两种分析模式，适用于不同的投研场景。

第一个是 Ask（快速问答）：我把它当成‘对齐对象 + 快速定框架’的入口。看到一个标的、一个新闻或 meme 热点时，我先问清楚最关键的信息：项目背景、在哪条链、核心风险是什么。AI 不负责给最终结论，而是把研究起步变轻。先把对象、关键词和风险点对齐，再决定要不要继续深挖。

另一个则是 Research（深度研究）：使用此功能 Surf 能够输出一份包含专业投研结构的报告，通常会把链上、行情、衍生品与舆情等信号放进同一张研究报告上，并给出摘要、关键变量、风险点与待验证清单。可以根据投研内容自己做出独立操作判断。

如果你偏好打新 / 早期项目研究，Surf 也提供了一个“百科看板”的模块，并把近期热度更高的项目集中在同一个入口里，配套更接近机构投研写法的参考材料与推特 Mindshare，帮助你更快建立项目画像与风险点，再决定是否列入观察清单或进一步深挖。

Surf 1.5 New Feature

在新推出的 1.5 版本中，新上线了 Crypto Pulse 的功能，并新增了图片识别功能。

Surf 通过自身深度研究算法把市面上分散的最新项目投研内容做成了一站式聚合与提炼，把关键信息压缩成可快速浏览的要点，让用户在最短的时间抓住到最近行业在讨论什么，以及关键的更新节点。

同时，页面右侧提供实时的信息流：同步捕捉上币动态、融资与产品进展等事件更新，减少你在不同平台来回切换的成本，以及及时获取最新信息。整体体验下来该面板就是一个一站式资讯看板，适合用来做日常的行业扫描与机会雷达。

产品定价

产品定价方面，Surf 目前是典型的订阅制：提供 Free / Plus / Pro / Max 多档方案，差别主要体现在 Research 额度、功能完整度以及高峰期优先级等权益。对于重度使用 / 撸空投用户，也可以选择订阅年度会员来获取对应的 NFT，或许会跟未来 TGE 空投权益相绑定。

结语

AI Trading 正在从“信息生成工具”，走向“决策辅助系统”，未来或许将演变为真正参与决策的一方。

对原生加密用户来说，LLM 真正的分水岭在于它能否提供可核验的数据与清晰的验证路径，把使用成本压到够低、并有可供回测的数据方案。Surf 的价值也恰恰在这里，它更像一个面向 Crypto 的实时研究入口，让你在高噪声的市场里更快对齐对象、更快完成核验、更快形成可执行的判断。

未来，AI 也许会更深地参与决策，但在那之前，最务实的用法依然是把它当作“研究助手”，让它替你收集、整理、对照与提示风险。至于最后要不要下注、下注多少，决定权始终掌握在我们每一个人手中。

参考文献

1. OpenAI. (2025, September 15). How people are using ChatGPT. https://openai.com/index/how-people-are-using-chatgpt/
2. Surf AI. (2025, December 7). Surf raises $15M to scale the first AI model purpose-built for digital assets.