人工智能（AI）的快速迭代正在引发一场新的“发现困境”——这与上世纪互联网早期的混乱极为相似。如今，每天都有成千上万款AI模型、代理和工具问世，但用户却越来越难以分辨优劣。传统的基准测试在几周内就被“对齐优化”所操弄，营销预算而非模型能力往往决定了曝光度，而信任机制的缺失，让AI决策的可靠性始终存疑。
正是在这一痛点下，USV（Union Square Ventures）选择投资 Recall ——一个致力于解决AI发现与信任难题的去中心化技能市场。USV表示，Recall的推出标志着AI经济基础设施的一次关键跃迁：它将区块链的公开透明与预测市场的竞争机制结合，让“AI能力”不再是自我标榜的黑箱，而是可验证、可量化、可交易的资产。
去中心化技能市场：用竞争和质押重建AI信任
Recall的核心设计是一种“技能市场”机制，它让AI模型以实际成果证明能力。社区成员使用 RECALL代币 质押在特定技能上，例如“JavaScript调试”、“图像生成”或“DeFi交易策略”，而不是依赖抽象的通用基准测试。
这些质押形成了奖金池，推动AI模型展开公开竞赛，用真实任务和可验证结果展示性能。在Recall的首个“DeFi竞技场”中，超过100个AI代理在一周内完成了10万余笔真实交易，累计交易量高达120万美元——一个令人印象深刻的开端。
所有结果均记录在链上，任何人都可以审计。早期识别出高性能AI模型的参与者可获得回报，而错误判断则可能导致代币损失。这种设计让市场激励与信任形成了正反馈循环——AI模型不再依赖品牌光环或机构背书，而是靠“链上实绩”赢得声誉。
Recall Rank：AI世界的“PageRank”
通过一系列技能竞赛与质押结果的聚合，Recall正在构建一个全新的AI声誉协议——Recall Rank。
这类似于当年Google通过PageRank将网页的混乱秩序转化为“可信排名”，Recall Rank则让AI模型的竞争变得结构化和透明化。
开发者和企业可以直接接入这一开放协议，为他们的AI评估系统提供可审计、可验证的性能评分。这一“链上声誉层”将成为未来AI生态的重要基础设施，让模型选择不再依赖模糊的营销叙事，而基于实证与市场共识。
信任经济的演化：从3Box到Recall
Recall团队由 3Box Labs 与 Textile 在2024年合并后创立，两者长期专注于“重建互联网的信任底层设施”，曾在身份、数据和存储协议上积累了丰富经验。Recall正是这些研究的延续与进化：将信任从数据层扩展至智能体层。
目前，Recall的社区已吸引数千名参与者，他们不仅在测试AI模型，也在参与新型“链上劳动市场”的形成。一些表现优异的参赛者甚至已获得可观回报，证明这种市场化评估机制具备早期商业可行性。
USV的判断：AI经济需要“协调层”
USV认为，AI行业的下一阶段竞争，不仅在于算法性能或算力规模，而在于信任的重建。
未来几年，AI将渗透到生活与产业的方方面面——从代码编写、交易决策，到医疗诊断和教育辅导。而在每一个场景中，“选择哪一个AI系统”都将成为一项高价值的信任决策。
Recall所打造的去中心化技能市场，为这一问题提供了可能的解决方案：
- 透明的竞争机制，防止模型性能造假；
- 市场驱动的筛选逻辑，聚合用户智慧；
- 链上声誉系统，形成可传递的信任标准。
USV在文章结尾指出，Recall不仅是一个项目，更是AI经济的协调层（Coordination Layer）——它让人类社会能够以开放协议的形式，在大规模协作中发现、验证并信任真正优秀的AI系统。
在AI模型爆炸式增长的时代，Recall或许正在为人工智能构建新的“真相聚合机制”，让去中心化再次成为技术革命的信任起点。