TokenGazer丨Fetch.AI：幣安首發熱度高，專案技術疑點多落地困難
2019年2月22日，TokenGazer釋出了區塊鏈專案Fetch.AI評級報告。
1 基本資訊、評分、指標趨勢
1.1 基本資訊
1.2 綜合評分：2.7分
1.3 指標趨勢：下降
-
TokenGazer對於Fetch.AI專案的技術評價不容樂觀，Fetch.AI在技術實施以及專案最終落地上都存在較大阻礙。 【利空】
-
Fetch.AI專案目前並未釋出MVP，Github上開原始碼提交頻率較低，程式碼內容並未涉及其白皮書中提到的技術。 【利空】
-
從 Github、官網等已有資訊來看，專案仍未取得較大進展，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慧以及機器學習等相關研究經歷以及學歷背景，核心人員履歷出眾且與專案的開展擁有高度相關性。 【利好】
-
整個團隊缺乏區塊鏈專案經驗，大部分成員雖然在人工智慧的技術範疇內都是專業人士，但人工智慧與區塊鏈的結合是一個截然不同的領域，且難度頗高，因此專案的開展對團隊是一個不小的挑戰。 【利空】
-
Fetch.AI專案即將在Binance Launchpad上進行公開募集，幣安交易所的知名度為專案帶來了不少熱度，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的研究資料顯示，首發幣安交易所的專案在上線當天都有較大的漲幅。 【利好】
綜上，TokenGazer經過分析研究認為目前Fetch.AI專案擁有諸多不確定性，存在較高風險。TokenGazer資料模型顯示Fetch.AI整體的指標趨勢為下降，建議投資者時刻關注專案進展，謹慎投資。
2 Fetch.AI基本情況
2.1 簡介
Fetch.AI專案的目的是建立一個由人工智慧驅動的智慧賬本，其中的經濟活動是由自由經濟代理（AEA）來執行。在Fetch.AI專案方設想的經濟網路中，數字經濟體內的各個部分（比如資料、硬體、服務、人和基礎設施）都可以通過Fetch.AI來進行人工智慧的資料分析以及處理並有效地預測和推薦來完成工作，使用者可以在其中進行資料的互動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：
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體實體，與其配對的裝置有汽車、感測器、攝像頭、移動裝置、個人電腦等。通過整合這些裝置中的客戶端，AEAs接入OEF通過Fetch.AI生態系統內的資料資源共享來進行人工智慧的資料處理運算，提供方案給使用者以解決複雜問題。例如：手機運營商可以從中獲取大量資料來預測天氣變化以及交通情況來提醒使用者，使用者可以通過車內的AEAs來提供加油站的位置並實時提供最優路線。專案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慧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來連線OEF系統，OEF為AEAs提供了一個可自適應的支援環境，基於AEAs提供的資料以及資訊，OEF將會通過機器學習以及人工智慧的技術，使AEAs之間進行實時協調，以便進行通訊和互動。提供資料以及傳輸資料的節點將獲得相應的Token獎勵。簡單來說，所有的AEAs都將在OEF中託管並執行，它將成為一個不斷髮展的生態系統，允許AEAs互相搜尋、互動、分享。隨著資訊資料的逐漸增多，整個系統也將變得更加可靠、有效。
3) Fetch智慧賬本
Fetch.AI的智慧賬本結合了區塊鏈和DAG技術，Fetch系統將收集交易資訊並且利用“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資訊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路中交易資訊量的增大，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使用者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資料並且按照區塊順序新增至主鏈。Fetch.AI專案方認為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的共識演算法中，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
以上內容為TokenGazer研究團隊根據Fetch.AI技術白皮書整理的專案特點概括，其中專案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認為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專案方的設想是將現實世界中大部分裝置的客戶端都整合成AEAs（例如汽車中的作業系統、感測器、移動裝置等）並且在其OEF內分享資料資訊來進行AI資料處理，但每個裝置品牌都擁有不同的作業系統以及客戶端應用，整合所有裝置成為相同資料輸出規格難度頗高，且裝置運營商並沒有動力為專案方提供資料。因此目前專案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。
圖2 來源：Fetch.AI技術白皮書
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來檢察使用者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。
圖4 來源：Fetch.AI技術白皮書
4) 專案方原本預期在2018年第2季度釋出的Security White Pape以及OEF/uPoW Yellow Paper目前仍未公開。
圖5 來源：Fetch.AI技術白皮書
5) 對於OEF中的資料資訊互動，如何制定不同類別的資料資訊價值？為AI提供了多少幫助如何量化？即是否有標準來決定這條資料資訊值多少錢？Token的具體獎勵機制在白皮書中並未提及，而資料資訊價值的制定標準也是較難量化。
6) Fetch.AI專案的推廣主要以AI+區塊鏈技術作為專案特色，但整篇白皮書中關於如何使用AI技術的內容篇幅很少，也並沒有資料建模等相關內容。
7) 白皮書中提到Fetch移動錢包APP將提供Network Participation Application（NPA）的服務，旨在將使用者的個人資訊保安地加密在個人裝置中，並且將會為使用者日後解決問題。既然個人資訊加密，怎麼提供給系統做AI的資料處理？因此白皮書中關於資料的隱私性以及公開資料做AI建模處理存在矛盾性。
圖6 來源：Fetch.AI技術白皮書
8) Fetch.AI專案方提出了獨創的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，專案方對於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的核心目的是為AEAs提供一個可以進行資訊互動的環境，那麼專案只是一個為AEAs提供交易場所的專案嗎？AI技術到底是否為專案的核心？
圖7 來源：Fetch.AI技術白皮書
10）AEAs中包含諸多使用者資訊，例如GPS地理位置資訊，系統提供人工智慧服務則需要節點之間實時互聯資料來形成有價值的反饋，但專案在全世界有多少個節點？將來在生態方面如何擴充套件以及佈局？
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，專案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，同時資料中對於資料隱私性方面的問題存在矛盾之處，專案的側重點以及初衷都讓人費解。而對於專案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專案方已披露的公開資訊，TokenGazer對於專案技術的評價不容樂觀，Fetch.AI在技術實施以及專案最終落地上都存在較大阻礙。
2.3 Github
圖9 Fetch.AI Github 來源：Github
Fetch.AI專案Github程式碼已開源，總共擁有5個程式碼庫。程式碼庫中的Watch、Star、Fork以及Commits極少，且並沒有專案的重要技術體現，更新頻率較低。
圖10 Fetch.AI 未公開程式碼活躍度情況 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團隊未曾公開程式碼的一些資訊，可以看到這部分程式碼較為活躍，提交頻率與Commits較多，但程式碼具體內容以及質量暫且未知。
2.4 路線圖
圖11 Fetch.AI 路線圖 來源：Fetch.AI官網
Fetch.AI專案官網上展示了2019年的路線圖，預計2019年第4季度將上線Fetch.AI主網。專案從2017年初開展至今已歷時2年之久，但從Github、官網等已有資訊來看，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
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&人工智慧來改善生活。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的軟體工程師，並且擁有多家公司CTO經歷，研發的工作履歷長達約30年且擁有豐富的軟體開發背景。
-
Thomas Hain（聯合創始人兼CSO）：曾是劍橋大學的PHD，目前擔任Fetch.AI專案的首席科學家，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慧。
2.5.2 團隊小結
Fetch.AI團隊來自英國，共分為高層領導部門、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慧以及機器學習等相關研究經歷以及學歷背景，核心人員履歷出眾且與專案的開展擁有高度相關性。
然而縱觀整個團隊，團隊缺乏區塊鏈專案經驗，大部分成員雖然在人工智慧的技術範疇內都是專業人士，但人工智慧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，專案技術設想將每一個連網客戶端（車載系統、移動裝置等）都能接入API來成為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整合諸多品牌裝置的客戶端程式，困難程度極高。因此Fetch.AI專案的開展對團隊是一個不小的挑戰。
2.6 社群熱度
表1 Fetch.AI 社群媒體關注者人數
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，累計概率約為0.7686，意味著其Twitter粉絲數超越76.86%的一級市場專案。
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，累計概率約為0.8806，意味著其Telegram粉絲數超越88.06%的一級市場專案。
專案即將在Binance Launchpad上進行公開募集，幣安交易所的知名度為專案帶來了不少熱度，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：
圖15 Fetch.AI Token分配情況 來源：Fetch.AI Token Overview白皮書
表2 Fetch.AI Token分配情況
3.2 種子輪以及私募輪融資情況
表3 Fetch.AI私募情況 來源：Binance Research[3]
根據以上資訊可知，Fetch.AI的種子輪以及私募輪（SAFT1、SAFT2、SAFT3）銷售Token佔比約為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+專案基金會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，但專案方高度控盤，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專案進展。
3.3 幣安Launchpad公募
Binance Launchpad是幣安的獨家Token釋出平臺，將於2019年2月25日開始Fetch.AI（FET）的公開募集，以下則是詳細資訊：
表4 Fetch.AI公募資訊 來源：Binance Launchpad[4]
4 幣安首發專案分析
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專案，從圖中可以看出，相比於TGE的價格，每個專案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的眾售，最終獲利的概率比較大。
表5 首發幣安專案上線當天表現[5]
圖16 首發幣安專案兩週內ROI情況
TokenGazer團隊也研究了這些專案在上線幣安之後的價格表現，以TGE價格為基準，研究上線後兩週的價格變化趨勢。從圖中可以看出，這些專案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#section4
[2] Fetch.AI和Fetch.AI_CN Telegram群總人數
[3] https://info.binance.com/cn/research/FET-2019-01-31.html#section1
[4] https://launchpad.binance.com/cn/project/44
[5] 其中Gifto, Bread, BitTorrent為Binance Launchpad專案
版權資訊與免責宣告
除⾮本⽂另有說明，否則所有內容均為原創，由TokenGazer研究和製作。未經TokenGazer明確同意，不得以任何形式複製或在任何其他出版物中提及此內容的任何部分。
TokenGazer的徽標，圖形，圖示，商標，服務標記和標題是TokenGazer Inc.的服務標記，商標（⽆論是否註冊）和/或商業外觀。本⽂提及、展示、引⽤或以其他⽅式指出的所有其他商標、公司名稱、徽標、服務標記和/或商業外觀（“第三⽅商標”）是其各⾃所有者的專有財產。未經TokenGazer或此類第三⽅標誌的所有者事先明確書⾯許可，不得以任何⽅式複製，下載，顯示，⽤作元標記，誤⽤或以其他⽅式利⽤標記或第三⽅標記。
本⽂僅供參考，⽂中所包含的所有資訊都不應該作為投資決策的依據。
本⽂不構成投資建議或輔助判斷特定投資⽬標、財務狀況及其他投資者需求。如投資者對投資數字資產有興趣，應當諮詢⾃⼰的投資顧問，投資者不應憑藉本⽂以作為法律，稅務或投資⽅⾯的建議。
本研究中提到的資產價格和內在價值並⾮⼀成不變。資產的過往表現也不能作為⽀撐本⽂所述的任何資產的未來業績依據。某些投資的價值、價格或收⼊可能會因為匯率波動⽽產⽣不利影響。
本⽂中涉及的某些陳述可能是TokenGazer對於未來預期的假設以及其他的前瞻性觀點，⽽已知和未知的⻛險與不確定因素，可能導致實際結果、表現或事件與陳述中的觀點和假設存在實質性差異。
除了因為上下⽂推導⽽提出的前瞻性陳述之外，還有“可能，將來，應該，可能，可以，期望，計劃，打算，預期，相信，估計，預測，潛在，預測或繼續”的字樣和類似的表達⽅式確定前瞻性陳述。TokenGazer沒有義務更新此處包含的任何前瞻性陳述，購買者不應對此類陳述施加過度的理由，這些陳述僅代表截⽌⽇期前的觀點。雖然TokenGazer已採取合理的謹慎措施以確保⽂中包含的資訊準確⽆誤，但TokenGazer對其準確性，可靠性或完整性不作任何明示或暗示的陳述或保證（包括對第三⽅的責任）。您不應根據這些推斷和假設做出任何投資決策。
投資風險提示
價格波動：在過去的時間⾥數字貨幣資產存在單⽇和⻓期的價格波動情況。
市場接受：數字資產可能永遠不會被市場⼴泛採⽤，在這種情況下，單個或多個數字資產可能會失去其⼤部分價值。
政府法規：數字資產的監管框架仍不明確，主管部⻔對現有應⽤的監管和限制可能會對數字資產的價值產⽣重⼤影響。
關於TokenGazer
TokenGazer致力於為區塊鏈行業提供長期有效，不斷完善的價值研究方法和工具集，以及針對區塊鏈和Token專案的技術和商業洞察。為國內外使用者提供行業領先的定性、定量分析工具、研究模版、資料倉庫、資料視覺化服務等，幫助使用者更好的分析和衡量區塊鏈專案的真實價值。
TokenGazer已獲得世界第一大加密數字代幣交易所幣安的天使投資人JRR Crypto的千萬級別融資。
歡迎登入TokenGazer官網： www.tokengazer.com 檢視一級市場深度研究、二級市場評級報告以及量化研究、專案估值偏離資料。