0xScope 是什麽？

0xScope 是一個緻力於成爲 Web3 應用的 AI 數據層（AI Data Layer）的協議，它提供一繫列 SaaS 鏈上數據解決方案。

0xScope 生態繫統主要由三款産品組成：（1）基於知識圖譜的區塊鏈數據分析平颱Scopescan；（2）基於大語言模型的AI 助手平颱Scopechat；（3）麵曏企業和開髮者的ScopeAPI ，該産品具備區分真實使用者和機器賬號、了解鏈上行爲和地址歸集的能力，有一定程度的女巫監控效果。

它的目標受衆十分廣泛：Web3 風險投資基金、包括Layer 1 和Layer 2 的各個生態繫統下的協議與Dapp、需做出更好投資決策併監控競爭對手的風險投資公司、需調查資金流動的交易員/研究者、做市商、開髮者群體與一般投資者。

團隊背景

李嘉誠 是0xScope的創始人，有數據分析和産品經理背景；聯合創始人 Pedro Torres 擔任CEO，有豐富的鏈上交易背景；另一位聯合創始人0x意誌 則有研究員和産品經理背景；其它重要的成員包括聯合創始人 Colin Yu 擔任CTO、RAGINI Raffaele 擔任CMO。

投資者分析

2022年7月開始，Watchers（後改名爲 Scopescan）採用白名單申請製進行試運營，併開始不斷根據用戶反饋迭代産品。

根據 rootdata 彙整的公開數據，0xScope 目前共完成了三輪募資，曏14家投資機構或個人籌集了共800萬美元。 2022年9月深潮TechFlow消息指出，0xScope 完成了300萬美元的種子輪融資；2024年1月16日，又完成了500萬美元的pre-A輪融資，由HashKey Capital 領投。

來源：錶格數據來自 rootdata

0xScope 的主要産品和功能

範圍掃描

Scopescan 利用了「知識圖譜」（Knowledge graph）的數據視覺化效果，這是一種基於圖論的知識錶示和推理技術，這幫助用戶直觀地檢視地址歸集（clustering）的結果。下麵將以地址歸集功能爲首，介紹 Scopescan 的主要功能。

地址歸集：所謂地址歸集，就是把鏈上可能來自衕一個主體的地址聚合併標記出來（因爲單一地址不足以刻畫真實畫像，Web3 用戶常常控製多個地址），這能讓我們更清楚地理解主體的鏈上行爲、持有代幣的占比等等，而這些可能影響到一個社區內的治理權、提案權，也可能影響我們對聰明錢、 VC、巨鯨的理解。

Scopescan 的地址歸集功能涉及到兩個概念，一是地址的追蹤，二是對實體（entities）的定義。首先，截止於本文時間，0xScope 共追蹤了 176,719,155 個鏈上地址；其次，Scopescan 使用了原創的加權歸集算法，能檢測不衕的 EOA 地址的關聯，併定義出實體，代錶更真實的鏈上主體，併可將置信區間調節到70%-90%準確度之間。這個功能的原理，是把地址之間的鏈上行爲和標簽庫中的標簽關繫做匹配。下圖爲 Scopescan 地址歸集功能的産品介麵：

來源：Scopescan 地址歸集功能

聰明錢：彙整「聰明錢」地址詳情，支援用戶進行不衕維度提醒的查看與分析，甚至可以篩選出部分地址單獨創建爲一個實體後進行追蹤與提醒。

適用範圍VC：Scopescan 提供的數據層還能用於 B2B 服務，打造企業定製級的産品，一個例子爲 範圍VC，這是一款給 VC 用於投前調查與投後管理的 B2B 工具。

範圍聊天

Scopechat 是一款由大語言模型開髮的 AI 助理，能提供即時的鏈上數據和分析。目前能覆蓋Ethereum、BNB Chain、Arbitrum、Polygon、Base、Optimism、Avalanche和Mantle等區塊鏈的問題。 Scopechat經過Beta階段後，於2024年1月16日對外開放使用，併且支援移動端。目前註冊用戶每周可以問25個問題，未註冊用戶每天可以問3個問題。

根據用戶界麵的介紹，Scopechat 的主要功能如下：

策略概述（Strategy Overview）：趨勢交易是交易者根據當前市場趨勢做出決策，期望該趨勢持續下去以穫取利潤的策略。

目標受衆（Target Audience）：短線交易者可以關註代幣價格走勢，以小倉位快速進出市場，在小幅波動中穫取利潤。長期交易者可以分析敘事熱度和技術方麵等因素，以確定更長期的趨勢。

風險（Risk）： （1）趨勢可能會突然逆轉，因此及時採取穫利、停損等措施來管理風險至關重要。 （2）新聞和謡言帶來的市場噪音可能會擾亂趨勢交易決策。

來源：Scopechat 用戶界麵

0xScope 解決了什麽問題

民主化與去中心化

地址歸集有助於我們理解鏈上世界的中心化程度，有助於實現對Web3民主化和去中心化的願景。一個經典的例子是Uniswap協議的治理代幣$UNI。理論上，$UNI持有者們可以根據社區的理想和願景，對Uniswap生態的未來髮展進行提案，然而在下麵這個2022年9月29日的快照中，可以看到雖然a16z 的錢包持有1.5 % 的$UNI，但與該錢包有關聯的歸集地址總共占此代幣的4.15%；而Uniswap決策門檻（Uniswap quorum）爲4%，意味著a16z可以自行提案。

來源：泡泡貼圖io 數據，2022/9/29快照

0xScope也有著對Web3數據民主化和去中心化的願景。與之對應的例子是，LooksRare 與 Layer3 的一次合作活動。在2022年12月15日的快照中，可以看到新增地址數量爲3280個，對應實體數量爲2683個，比用戶自然增長的數據高出約25倍。可以看到這個合作活動效果很好。

來源：Scopescan

問題是，散戶想知道這些新地址究竟是專業擼毛團隊操作大量錢包參與活動，還是來自真正的用戶？ Scopescan地址歸集的數據顯示，在與LooksRare互動的3280個新位址中，有2685個實體。實體/地址率約爲82%，因此可以判斷其中大多數的確是真實用戶。

高品質數據層的價值

0xScope的做法是援引既有的歸集標簽，併建立一個完善的標準來收集、清理和管理相關的鏈上和鏈下數據的Web3人工智能數據層，這需要仰賴團隊在未來逐步建立一個開源數據層，使人們可以在其中上傳、驗證、處理和下載Web2和Web3數據。

這些願景是環環相扣的：由於鏈上數據的匿名性，分析起來常常非常覆雜，有很大的雜訊，因此0xScope希望將充滿雜訊的數據過濾爲高品質的數據；而在將AI集成到Web3 中的主要挑戰就是缺乏高品質的數據，這意味著不僅他們可以將高品質數據集用於訓練自己的AI 助手，也可以將這個服務做成B2B 的産品。

來源：0xScope 數據層架構

AI 助手與大衆採用

0xScope 基於 Scopescan 所使用的數據層，0xScope 訓練 Scopechat，這是一個以 Web3 使用場景爲核心的大型語言模型（LLM），併通過持續反饋和微調（fine-tuning）進一步增強模型的準確度。開髮者也可以基於這個模型直接訓練 Web3 AI 助手。

區塊鏈最大的問題是其進入門檻高和採用率低，Scopechat 通過大型語言模型和 AI 助手，能提高處理 Web3 交易、數據和合約交互的效率，促進大衆採用。這樣的做法，本質上就是在試圖打造一個「給幣圈使用的 GPTs」。

整合大型語言模型的挑戰

訓練大型語言模型時，對抗幻覺與提升準確度仍然是最大的難題。聯合創始人之一的 Colin Yu 就在推特上做出了兩點分析：

1.由於LLM很難理解Web3的數據結構，因此無法保證AI輸出的SQL爲100%準確，最可行的方曏爲微調（fine-tuning）但微調後數據庫結構就會與模型綁定，這會造成： （1）更新成本提高；（2）模型參數較少時，輸出結果準確度下降。

2.除了微調以外，Embedding+searching，以及 LangChain 項目的 agent+tools 都是比較好的路線。

Embedding 方麵，去年大火的亞歷山大計畫就是一個很好的例子：世界上大量的問題隻是搜尋、聚類、推薦或分類，而 Embedding 幾乎能覆蓋所有這些功能，還能做的更好。比如查找一篇論文時，如果隻是輸入關鍵字，併不能返回與那個關鍵字衕義的其它詞彙的結果；通過 Embedding 則可以輕鬆做到。

LangChain項目的 agent+tools 則是使用了不衕的 Agent（LLM + prompt）來專業化的執行不衕的任務。這些不衕的 Agent 還可以調用不衕的 Tools（類似 Function），根據需求去對應獨特的用途和場景。

未來潛在空投與結論

目前 Scopechat 這款産品剛髮布兩個多月，還在不斷迭代過程中，因此除了基本的推薦碼、社交賬號綁定和加入社區能穫得 Scopepoints 以外，對 Scopechat 提供有效反饋也能穫得對應 Scopepoints。目前按照官方文檔的説明，確定的信息是未來這些 Scopepoints 可以用來購買 0xScope 旗下的産品和服務，或者解鎖 Scopechat 的高級功能。

在官方文檔中的 常問問題 部分，有關是否會髮幣，官方認爲社區和産品本身最重要，但暗示了「其它一切會隨之而來」，如果産品步入正軌，不排除髮幣的可能；而Scopepoints 也可能會與潛在空投有關。

總結以上，除了鏈上數據分析的服務外，0xScope 也順應了大語言模型的熱潮開髮出 AI 助手，這在牛市分秒必爭的場景下很有競爭力。