当预测市场还在押注选举结果时，有人已经在训练模型预测链上资产的实时波动。香港大学与Pharos Network的合作，是技术突破还是又一次学术试水？

正方：这是预测市场的必要进化

打开网易新闻 查看精彩图片

传统预测市场（预测市场：基于区块链的博彩式信息聚合平台）的致命伤是数据源单一——依赖人工输入或链下事件。Pharos的方案是把香港大学的机器学习模型直接喂给智能合约，让预测从"人猜"变成"算"。

对DeFi（去中心化金融）玩家来说，这意味着什么？清算预警、无常损失对冲、甚至MEV（矿工可提取价值：区块链套利空间）预判，都可能从经验驱动转向数据驱动。学术机构的背书，也让"黑箱模型"多了层可审计的底气。

反方：需求真实，但落地存疑

链上预言机（预言机：区块链与现实世界的数据桥梁）的延迟问题没解决，再准的模型也是马后炮。更现实的是：谁为模型错误买单？学术合作往往是POC（概念验证）漂亮，商业化骨感。Crypto.com能搞UFC白宫活动，靠的是营销预算，不是算法精度。

预测市场的核心悖论也没破——押注的人越多越准，但押注需要简单明确的标的。链上资产波动预测太复杂，普通用户看不懂，机构玩家又不缺数据源。

我的判断

这件事的价值不在"预测更准"，而在把AI训练成本外部化给学术界。Pharos拿到免费研发，港大拿到真实场景数据，各取所需。对行业真正的信号是：Web3基础设施的竞争，已经从TVL（总锁仓价值）军备竞赛，转向"谁能低成本嫁接传统科研体系"。

如果你在做DeFi协议或预言机设计，现在该问的不是"要不要用AI"，而是"你的数据 pipeline 能不能接住学术机构的迭代速度"。