一、项目简介：

2017年，由人工智能、区块链和软件工程专家组成的团队创立了Fetch.ai， 致力于建立一个由自治代理组成的去中心化人工智能和机器学习的区块链平台，支持任何人共享或交易数据。用户可利用人工智能 (AI) 和机器学习 (ML) 进行通信、协作和相互学习。作为一个自治的机器对机器生态系统，任何独立方网络都可以成为 Fetch.ai 的网络代理，将代理之间产生的任何协议记录在 Fetch.ai 区块链上。同时构建一个开放访问、代币化、去中心化的机器学习网络，以实现围绕去中心化数字经济构建的智能基础设施。

Fetch 是一个区块链+AI 底层基础设施的AI平台，整体分为三层设计，底层主要为共识网络、智能合约以及机器学习库，上层 AEA 通过各项技能模块实现各类功能和应用，中间层为OEF，它 为 AEA 提供了交互的空间，例如两个 AEA 之间可以通过 OEF 来交易机器学习需要用到的数据。

FET合作伙伴非常多，合作的领域主要包含物联网和 AI。其中包括 Bosch、Festo、Telekom Innovation Laboratories、Datarella、Yoti 等全球领先的传统企业，IOTA、Conflux 等明星区块链项目，以及 GE 医疗、辉瑞、波兰波兹南超级计算与网络中心等医疗企业和机构。此外，Fetch 加入的组织有：欧洲区块链联盟（成员包含 Ripple、NEM、Cardano）、MOBI 联盟（成员包含宝马、福特、通用等车企和埃森哲、IBM 等互联网企业）、华威大学商学院等。

二、融资:

1、2023年3月完成 DWF领投的4000万美元融资；

2、2021年3月完成 GDA领投的500万美元融资；

3、2018年6月完成 Outlier等领投的1500万美元融资；

三、团队：

CEO、CTO 都与 Deepmind 这家企业有关，Deepmind 是 Google 旗下 AI 企业，招牌产品 Alphago 曾打败韩国围棋冠军李世石，还在星际争霸2 上还打败了职业选手。顾问团队则大多为名校教授，整体学术背景深厚。

Humayun Sheikh：CEO 兼联合创始人，Deepmind 早期投资人，14 年创办了 itzMe，16 年创办了 uVue，由机器学习和人工智能驱动的区块链网络，专注于无人机领域。2017 年 8 月创建 Fetch.ai，2020 年 6 月创建使用 Fetch 搭建的 DEX Mettalex。

Toby Simpson：CTO 兼联合创始人，2013 年至 2018 年在 Ososim 公司担任 CTO，该公司设计和研发 AI 仿真引擎，2011 年至 2013 年在 DeepMind 担任软件设计负责人，研究生物 AI，2000 年至 2011 年在 Nice Tech 公司担任 CEO 和 CTO，研究可编程引擎。

Thomas Hain：首席科学家兼联合创始人，剑桥大学博士，现任谢菲尔德大学教授，是人工智能和机器学习领域的专家。

Jonathan Ward：研究主管，伦敦大学机器学习博士毕业，2015 年至 2017 年在 DNA Electronics 担任资深算法工程师，研究 Python 的首席架构师，2007 年到 2015 年在 EMBL 担任研究员，专攻 Matlab 算法。

四、产品功能

1、产品原理：

AI 的智能化是通过机器学习实现的，就像人类学习知识一样，需要大量的外部数据配合神经网络算法，给 AI 灌输知识。Fetch 是一个区块链+AI 底层基础设施，整体分为三层设计。

底层：区块链网络与 AI 核心

共识机制：采用 PoS-uD（Proof-of-Stake with un-permissioned Delegation，无需许可的权益证明）共识机制，使用了 DAG 技术进行分片。

协同合约：即可以与矿工协同的智能合约，运行在 Etch 虚拟机上，采用自研的 Etch 语言。除常规智能合约功能外，还允许合约创建者邀请矿工进行协同工作，矿工可以在链下提供计算能力来帮助合约解决复杂问题。

机器学习：机器学习库可以根据应用程序的需要，在链上或链下对 AI 进行神经网络训练。

三者在实际运行中的作用如下：

智能合约可以调用机器学习库对 AI 应用执行神经网络训练，需要在库中找到最佳的机器学习模型，该过程可以通过协同合约交给矿工在链下执行，矿工参与计算找出最佳模型上传给链上的协同合约，以实现最高效的机器学习，矿工获得网络奖励。

上层：AEA（应用软件及协议）

AEA（Autonomous Economic Agent，自治经济代理人）是指代表用户完成任务的智能代理软件，其行为预先设定，可以通过各种技能模块来实现功能，AEA 不在链上运行，通过中间层 OEF 来与区块链和智能合约进行交互。AEA 可以是纯软件，也可以与手机、电脑、汽车等现实硬件绑定。官方提供了 AEA 框架，是一个基于 Python 的开发套件，框架具备可组合性，开发者可以用以构建 AEA。

中间层：OEF（匹配调度AI模型用于应用软件等）

OEF（Open Economic Framework，开放经济框架）是 AEA 之间进行相互搜索、查找、交流、贸易的空间，其定义的虚拟环境为 AEA 提供 API（有免费的有付费的，用 FET 代币支付）。例如代号为 001 的 AEA 拥有某些数据（数据提供者），于是在网络中声明自己有数据，代号 002 的 AEA 恰好需要这些数据进行机器学习，则在网络中搜索到并购买了 001 的数据，实现贸易行为，并用于机器学习。

底层：区块链网络与 AI 核心（AI模型训练）

共识机制：采用 PoS-uD（Proof-of-Stake with un-permissioned Delegation，无需许可的权益证明）共识机制，使用了 DAG 技术进行分片。

协同合约：即可以与矿工协同的智能合约，运行在 Etch 虚拟机上，采用自研的 Etch 语言。除常规智能合约功能外，还允许合约创建者邀请矿工进行协同工作，矿工可以在链下提供计算能力来帮助合约解决复杂问题。

机器学习：机器学习库可以根据应用程序的需要，在链上或链下对 AI 进行神经网络训练。

2、产品功能：

治理：治理是FET代币最重要的作用之一。作为一种治理代币，它赋予其持有者对 Fetch.ai 生态系统如何发展和变化的发言权。代币持有者可提出更改建议或对网络参数、资源分配甚至代码库更新的拟议更改进行投票。这种治理模式确保了平台根据社区的需求和愿望进行更改。

质押和网络安全：FET 代币可用于质押，即这些代币会暂暂时被锁定在网络中。质押是代币持有者帮助维护网络安全并赚取 FET 代币回报的一种方式。质押功能是许多区块链网络的重要组成部分，因为它有助于网络达成共识并保持网络安全。在 Fetch.ai 中，质押还支持访问其他功能，例如参与集体学习过程等。

交易和服务费用：在Fetch.ai平台上，FET用于支付使用不同的服务和交易所需的费用。例如，用户在创建和使用自治代理、使用网络获取信息或运行智能合约时需要付费。这些费用以 FET 代币支付，提供给网络上能实现这些操作的人员。

激励机制：FET代币是生态系统中不同参与者行动的动力，即FET 代币作为奖励被提供给那些向平台贡献有用数据或流动性。同样，开发人员可通过开发有助于网络发展和使网络变得更有用的应用程序或服务，以赚取 FET 代币。

访问集体学习：FET 代币还可用于进入 Fetch.ai 的集体学习模块，其中自治代理共享数据和模型。互相学习能帮助代理改进工作并做出更好的决策。人们可通过质押 FET 代币来参与此学习过程。

平台之间的交互：FET 代币还可用于与其他区块链平台进行通信。由于 Fetch.ai 具有互操作性，FET 可在不同的区块链网络之间传输，并用于跨链服务和应用程序。

代币经济和稀缺性：与许多其他加密货币一样，FET 的单位数量将有限。这促使人们更愿意持有并使用代币。随着网络的发展以及更多的服务和应用程序建立在其上，FET 代币将变得更加流行，这可能会影响其价值。

五、代币经济：

1、基本数据

代币分析

名称：FET

价格：当前价格：2.49              上线价格（参照coinmakt）：0.24

市值：当前市值： 2,093,455,484   完全稀释总市值：2,873,516,448

当前市值排名：57

2、代币经济

代币功能：治理代币功能、质押功能、交易和服务费用、奖励机制代币。

代币分配：FET 作为 Fetch 的原生代币，可以像 ETH 一样充当网络燃料费用，另外还用于节点质押，以维护网络运行。FET 代币总量为 1,152,997,575，分配如下：

团队：20%；顾问：10%；代币销售：17.6%；基金会：20%；挖矿奖励：15%

未来版本：17.4%

六、近期叙事：

1、Fetch.ai 与德国工程巨头博世（Bosch）联合推出 1 亿美元基金会，旨在研究、开发和利用 Web3 技术，用于跨越移动、工业和消费领域的实际用例。

2、推出规模达 1 亿美元基础设施投资项目“Fetch Compute”，该项目将部署 Nvidia H200、H100 和 A100 GPU，以创建一个可供开发人员和用户利用计算能力的平台，旨在增强参与者创建高级应用程序的能力，以深化人工智能经济的基础。

七、投资建议：

1、综合分析

优势：FET在目前所有区块链AI技术的应用中，三层技术架构从理论层面相对具有一定的技术差异化（并未实际成为代理商使用操作其具体产品功能）。团队有一定的行业背景资源，也有充足的融资投资金额保障（2023年融资4000万美金），同时投资商中有像DWF这类较大的做市和投资商，而且近期随着AI浪潮的到来，成立了1亿基金鼓励生态发展（叙事故事性好，在做事）。

风险：成熟的应用生态较少（目前能查到成型生态有3个，其它在开发中，当然不排除漏掉的应用）已经成立近七年、主网上线超过四年的 Fetch 并没有推出杀手级的区块链应用，链下合作遍地开花，链上AI数据模型都是小模型的集合（小应用），相比链上发展还具有较大差距，从一个区块链项目的角度来看，Fetch还处于讲故事的阶段。投资预期主要在于蹭热点和庄家拉盘，短期内很难看到其实用价值的爆发。

机会：1亿美元生态基金用于扶持工业和消费领域的实际用例。同时和AGIX 、OCERN共同成立巨无霸AI项目联盟，三家代币和项目合并（市值有可能进入前20）。

2、投资建议

AI行业是大数据模型和大数据源的比拼，小型模型和少数据源的公司不具备竞争能力，从叙事角度来看，区块链独立节点的属性又可以把中小型模型和数据达到共享和聚合的属性（抛弃实用价值和具体执行的困难度来看），其开放机制能对AI行业有比较好的促进。 三家代币的融合将可能把FET推举成区块链行业top1的高度，其投资价值将趋向更加稳定回报率较低的方向。

一、项目简介：

2017年，由人工智能、区块链和软件工程专家组成的团队创立了Fetch.ai， 致力于建立一个由自治代理组成的去中心化人工智能和机器学习的区块链平台，支持任何人共享或交易数据。用户可利用人工智能 (AI) 和机器学习 (ML) 进行通信、协作和相互学习。作为一个自治的机器对机器生态系统，任何独立方网络都可以成为 Fetch.ai 的网络代理，将代理之间产生的任何协议记录在 Fetch.ai 区块链上。同时构建一个开放访问、代币化、去中心化的机器学习网络，以实现围绕去中心化数字经济构建的智能基础设施。

Fetch 是一个区块链+AI 底层基础设施的AI平台，整体分为三层设计，底层主要为共识网络、智能合约以及机器学习库，上层 AEA 通过各项技能模块实现各类功能和应用，中间层为OEF，它 为 AEA 提供了交互的空间，例如两个 AEA 之间可以通过 OEF 来交易机器学习需要用到的数据。

FET合作伙伴非常多，合作的领域主要包含物联网和 AI。其中包括 Bosch、Festo、Telekom Innovation Laboratories、Datarella、Yoti 等全球领先的传统企业，IOTA、Conflux 等明星区块链项目，以及 GE 医疗、辉瑞、波兰波兹南超级计算与网络中心等医疗企业和机构。此外，Fetch 加入的组织有：欧洲区块链联盟（成员包含 Ripple、NEM、Cardano）、MOBI 联盟（成员包含宝马、福特、通用等车企和埃森哲、IBM 等互联网企业）、华威大学商学院等。

二、融资:

1、2023年3月完成 DWF领投的4000万美元融资；

2、2021年3月完成 GDA领投的500万美元融资；

3、2018年6月完成 Outlier等领投的1500万美元融资；

三、团队：

CEO、CTO 都与 Deepmind 这家企业有关，Deepmind 是 Google 旗下 AI 企业，招牌产品 Alphago 曾打败韩国围棋冠军李世石，还在星际争霸2 上还打败了职业选手。顾问团队则大多为名校教授，整体学术背景深厚。

Humayun Sheikh：CEO 兼联合创始人，Deepmind 早期投资人，14 年创办了 itzMe，16 年创办了 uVue，由机器学习和人工智能驱动的区块链网络，专注于无人机领域。2017 年 8 月创建 Fetch.ai，2020 年 6 月创建使用 Fetch 搭建的 DEX Mettalex。

Toby Simpson：CTO 兼联合创始人，2013 年至 2018 年在 Ososim 公司担任 CTO，该公司设计和研发 AI 仿真引擎，2011 年至 2013 年在 DeepMind 担任软件设计负责人，研究生物 AI，2000 年至 2011 年在 Nice Tech 公司担任 CEO 和 CTO，研究可编程引擎。

Thomas Hain：首席科学家兼联合创始人，剑桥大学博士，现任谢菲尔德大学教授，是人工智能和机器学习领域的专家。

Jonathan Ward：研究主管，伦敦大学机器学习博士毕业，2015 年至 2017 年在 DNA Electronics 担任资深算法工程师，研究 Python 的首席架构师，2007 年到 2015 年在 EMBL 担任研究员，专攻 Matlab 算法。

四、产品功能

1、产品原理：

AI 的智能化是通过机器学习实现的，就像人类学习知识一样，需要大量的外部数据配合神经网络算法，给 AI 灌输知识。Fetch 是一个区块链+AI 底层基础设施，整体分为三层设计。

底层：区块链网络与 AI 核心

共识机制：采用 PoS-uD（Proof-of-Stake with un-permissioned Delegation，无需许可的权益证明）共识机制，使用了 DAG 技术进行分片。

协同合约：即可以与矿工协同的智能合约，运行在 Etch 虚拟机上，采用自研的 Etch 语言。除常规智能合约功能外，还允许合约创建者邀请矿工进行协同工作，矿工可以在链下提供计算能力来帮助合约解决复杂问题。

机器学习：机器学习库可以根据应用程序的需要，在链上或链下对 AI 进行神经网络训练。

三者在实际运行中的作用如下：

智能合约可以调用机器学习库对 AI 应用执行神经网络训练，需要在库中找到最佳的机器学习模型，该过程可以通过协同合约交给矿工在链下执行，矿工参与计算找出最佳模型上传给链上的协同合约，以实现最高效的机器学习，矿工获得网络奖励。

上层：AEA（应用软件及协议）

AEA（Autonomous Economic Agent，自治经济代理人）是指代表用户完成任务的智能代理软件，其行为预先设定，可以通过各种技能模块来实现功能，AEA 不在链上运行，通过中间层 OEF 来与区块链和智能合约进行交互。AEA 可以是纯软件，也可以与手机、电脑、汽车等现实硬件绑定。官方提供了 AEA 框架，是一个基于 Python 的开发套件，框架具备可组合性，开发者可以用以构建 AEA。

中间层：OEF（匹配调度AI模型用于应用软件等）

OEF（Open Economic Framework，开放经济框架）是 AEA 之间进行相互搜索、查找、交流、贸易的空间，其定义的虚拟环境为 AEA 提供 API（有免费的有付费的，用 FET 代币支付）。例如代号为 001 的 AEA 拥有某些数据（数据提供者），于是在网络中声明自己有数据，代号 002 的 AEA 恰好需要这些数据进行机器学习，则在网络中搜索到并购买了 001 的数据，实现贸易行为，并用于机器学习。

底层：区块链网络与 AI 核心（AI模型训练）

共识机制：采用 PoS-uD（Proof-of-Stake with un-permissioned Delegation，无需许可的权益证明）共识机制，使用了 DAG 技术进行分片。

协同合约：即可以与矿工协同的智能合约，运行在 Etch 虚拟机上，采用自研的 Etch 语言。除常规智能合约功能外，还允许合约创建者邀请矿工进行协同工作，矿工可以在链下提供计算能力来帮助合约解决复杂问题。

机器学习：机器学习库可以根据应用程序的需要，在链上或链下对 AI 进行神经网络训练。

2、产品功能：

治理：治理是FET代币最重要的作用之一。作为一种治理代币，它赋予其持有者对 Fetch.ai 生态系统如何发展和变化的发言权。代币持有者可提出更改建议或对网络参数、资源分配甚至代码库更新的拟议更改进行投票。这种治理模式确保了平台根据社区的需求和愿望进行更改。

质押和网络安全：FET 代币可用于质押，即这些代币会暂暂时被锁定在网络中。质押是代币持有者帮助维护网络安全并赚取 FET 代币回报的一种方式。质押功能是许多区块链网络的重要组成部分，因为它有助于网络达成共识并保持网络安全。在 Fetch.ai 中，质押还支持访问其他功能，例如参与集体学习过程等。

交易和服务费用：在Fetch.ai平台上，FET用于支付使用不同的服务和交易所需的费用。例如，用户在创建和使用自治代理、使用网络获取信息或运行智能合约时需要付费。这些费用以 FET 代币支付，提供给网络上能实现这些操作的人员。

激励机制：FET代币是生态系统中不同参与者行动的动力，即FET 代币作为奖励被提供给那些向平台贡献有用数据或流动性。同样，开发人员可通过开发有助于网络发展和使网络变得更有用的应用程序或服务，以赚取 FET 代币。

访问集体学习：FET 代币还可用于进入 Fetch.ai 的集体学习模块，其中自治代理共享数据和模型。互相学习能帮助代理改进工作并做出更好的决策。人们可通过质押 FET 代币来参与此学习过程。

平台之间的交互：FET 代币还可用于与其他区块链平台进行通信。由于 Fetch.ai 具有互操作性，FET 可在不同的区块链网络之间传输，并用于跨链服务和应用程序。

代币经济和稀缺性：与许多其他加密货币一样，FET 的单位数量将有限。这促使人们更愿意持有并使用代币。随着网络的发展以及更多的服务和应用程序建立在其上，FET 代币将变得更加流行，这可能会影响其价值。

五、代币经济：

1、基本数据

代币分析

名称：FET

价格：当前价格：2.49              上线价格（参照coinmakt）：0.24

市值：当前市值： 2,093,455,484   完全稀释总市值：2,873,516,448

当前市值排名：57

2、代币经济

代币功能：治理代币功能、质押功能、交易和服务费用、奖励机制代币。

代币分配：FET 作为 Fetch 的原生代币，可以像 ETH 一样充当网络燃料费用，另外还用于节点质押，以维护网络运行。FET 代币总量为 1,152,997,575，分配如下：

团队：20%；顾问：10%；代币销售：17.6%；基金会：20%；挖矿奖励：15%

未来版本：17.4%

六、近期叙事：

1、Fetch.ai 与德国工程巨头博世（Bosch）联合推出 1 亿美元基金会，旨在研究、开发和利用 Web3 技术，用于跨越移动、工业和消费领域的实际用例。

2、推出规模达 1 亿美元基础设施投资项目“Fetch Compute”，该项目将部署 Nvidia H200、H100 和 A100 GPU，以创建一个可供开发人员和用户利用计算能力的平台，旨在增强参与者创建高级应用程序的能力，以深化人工智能经济的基础。

七、投资建议：

1、综合分析

优势：FET在目前所有区块链AI技术的应用中，三层技术架构从理论层面相对具有一定的技术差异化（并未实际成为代理商使用操作其具体产品功能）。团队有一定的行业背景资源，也有充足的融资投资金额保障（2023年融资4000万美金），同时投资商中有像DWF这类较大的做市和投资商，而且近期随着AI浪潮的到来，成立了1亿基金鼓励生态发展（叙事故事性好，在做事）。

风险：成熟的应用生态较少（目前能查到成型生态有3个，其它在开发中，当然不排除漏掉的应用）已经成立近七年、主网上线超过四年的 Fetch 并没有推出杀手级的区块链应用，链下合作遍地开花，链上AI数据模型都是小模型的集合（小应用），相比链上发展还具有较大差距，从一个区块链项目的角度来看，Fetch还处于讲故事的阶段。投资预期主要在于蹭热点和庄家拉盘，短期内很难看到其实用价值的爆发。

机会：1亿美元生态基金用于扶持工业和消费领域的实际用例。同时和AGIX 、OCERN共同成立巨无霸AI项目联盟，三家代币和项目合并（市值有可能进入前20）。

2、投资建议

AI行业是大数据模型和大数据源的比拼，小型模型和少数据源的公司不具备竞争能力，从叙事角度来看，区块链独立节点的属性又可以把中小型模型和数据达到共享和聚合的属性（抛弃实用价值和具体执行的困难度来看），其开放机制能对AI行业有比较好的促进。 三家代币的融合将可能把FET推举成区块链行业top1的高度，其投资价值将趋向更加稳定回报率较低的方向。