TokenGazer丨Fetch.AI：币安首发热度高，项目技术疑点多落地困难

2019年2月22日，TokenGazer发布了区块链项目Fetch.AI评级报告。

1 基本信息、评分、指标趋势

1.1 基本信息

1.2 综合评分：2.7分

1.3 指标趋势：下降

• TokenGazer对于Fetch.AI项目的技术评价不容乐观，Fetch.AI在技术实施以及项目最终落地上都存在较大阻碍。 【利空】
  

• Fetch.AI项目目前并未发布MVP，Github上开源代码提交频率较低，代码内容并未涉及其白皮书中提到的技术。 【利空】

• 从 Github、官网等已有信息来看，项目仍未取得较大进展，对于第四季度上线主网的预期不容乐观。 【利空】

• Fetch.AI团队人员充沛，大部分开发人员都拥有人工智能以及机器学习等相关研究经历以及学历背景，核心人员履历出众且与项目的开展拥有高度相关性。 【利好】

• 整个团队缺乏区块链项目经验，大部分成员虽然在人工智能的技术范畴内都是专业人士，但人工智能与区块链的结合是一个截然不同的领域，且难度颇高，因此项目的开展对团队是一个不小的挑战。 【利空】

• Fetch.AI项目即将在Binance Launchpad上进行公开募集，币安交易所的知名度为项目带来了不少热度，近期受关注程度较高。 【利好】

• 2019年6月左右私募轮以及团队所持Token开始解锁，届时将可能有一定的砸盘风险，投资者需密切关注时间节点。 【利空】

• 根据TokenGazer的研究数据显示，首发币安交易所的项目在上线当天都有较大的涨幅。 【利好】

综上，TokenGazer经过分析研究认为目前Fetch.AI项目拥有诸多不确定性，存在较高风险。TokenGazer数据模型显示Fetch.AI整体的指标趋势为下降，建议投资者时刻关注项目进展，谨慎投资。

2 Fetch.AI基本情况

2.1 简介

Fetch.AI项目的目的是创建一个由人工智能驱动的智能账本，其中的经济活动是由自由经济代理（AEA）来执行。在Fetch.AI项目方设想的经济网络中，数字经济体内的各个部分（比如数据、硬件、服务、人和基础设施）都可以通过Fetch.AI来进行人工智能的数据分析以及处理并有效地预测和推荐来完成工作，用户可以在其中进行数据的交互分享并得到更有价值的内容回馈。

2.2 技术分析

2.2.1 技术框架

根据Fetch.AI白皮书中所描述，Fetch.AI的技术框架由三部分组成：

图1 Fetch.AI技术框架 来源：Fetch.AI技术白皮书

1）自治经济代理（Autonomous Economic Agents）— AEAs

自治经济代理是一个软件实体，与其配对的设备有汽车、传感器、摄像头、移动设备、个人电脑等。通过整合这些设备中的客户端，AEAs接入OEF通过Fetch.AI生态系统内的数据资源共享来进行人工智能的数据处理运算，提供方案给用户以解决复杂问题。例如：手机运营商可以从中获取大量数据来预测天气变化以及交通情况来提醒用户，用户可以通过车内的AEAs来提供加油站的位置并实时提供最优路线。项目方设想的数字经济世界中AEAs可以运用于酒店、交通、能源、供应链等几乎所有生活中的应用场景，并且可以通过人工智能驱使做到完全无需人工干预。

2) 开放经济框架（Open Economic Framework）— OEF

AEAs可以通过API来连接OEF系统，OEF为AEAs提供了一个可自适应的支持环境，基于AEAs提供的数据以及信息，OEF将会通过机器学习以及人工智能的技术，使AEAs之间进行实时协调，以便进行通信和交互。提供数据以及传输数据的节点将获得相应的Token奖励。简单来说，所有的AEAs都将在OEF中托管并运行，它将成为一个不断发展的生态系统，允许AEAs互相搜索、互动、分享。随着信息数据的逐渐增多，整个系统也将变得更加可靠、有效。

3) Fetch智能账本

Fetch.AI的智能账本结合了区块链和DAG技术，Fetch系统将收集交易信息并且利用“分片”技术来记录账本来实现扩容。与传统的分片技术不同，系统可能会将一条交易信息同时分配给几个不同的分支去记录，而这将自发引起链的硬分叉。同时，多条平行链的出现将可能造成整个网络中交易信息量的增大，且可能发生“双花问题”。技术白皮书中称Fetch.AI将使用机器学习的方式去决定用户潜在会进行双花交易的概率来解决安全问题，但并没有给出明确的解决方案。

2.2.2 Useful Proof of Work（uPoW）

Fetch.AI白皮书中指出相较于普通PoW，有效工作证明（uPoW）能带来更多的优势。目前大部分的区块链生态共识都需要节点下载所有区块数据并且按照区块顺序添加至主链。Fetch.AI项目方认为这种方式耗时又耗能，基于DAG系统，一笔交易仅需要得到另外两个节点的确认就能达到最终性。在uPoW的共识算法中，将使用一部分计算资源在训练AI上，而不是全部用来计算无用的问题。

2.2.3 技术疑点

以上内容为TokenGazer研究团队根据Fetch.AI技术白皮书整理的项目特点概括，其中项目方提及的一些想法以及方案并未给出合理解答，因此对许多技术内容在此并未做详尽赘述。

在针对Fetch.AI的技术进行全方面分析后，TokenGazer认为其技术构想以及最终落地实现上存在诸多疑点以及不确定性，技术白皮书以及官方现有资料中都未有明确解答，以下将逐一阐述疑点：

1) Fetch.AI项目方的设想是将现实世界中大部分设备的客户端都整合成AEAs（例如汽车中的操作系统、传感器、移动设备等）并且在其OEF内分享数据信息来进行AI数据处理，但每个设备品牌都拥有不同的操作系统以及客户端应用，整合所有设备成为相同数据输出规格难度颇高，且设备运营商并没有动力为项目方提供数据。因此目前项目方通过与大部分公司形成合作关系来整合AEAs的想法实现起来难度极高。

2) Fetch.AI想要利用链的分叉来完成扩容，但这样如何保证两条新链的未来交易不会冲突，一条链的交易需要在其他链上重放，那根本达不到扩容的效果。

图2 来源：Fetch.AI技术白皮书

图3 来源：Fetch.AI技术白皮书

3) 若利用链的分叉来完成扩容，那么将有可能造成双花问题，如何解决？白皮书中提到系统将会使用AI来检察用户潜在会使用双花交易的概率来保证安全性，但具体如何实施？安全性如何保证呢?若发生双花问题后该如何应对？对于链上安全性的问题官方并未给出合理的解答。

图4 来源：Fetch.AI技术白皮书

4) 项目方原本预期在2018年第2季度发布的Security White Pape以及OEF/uPoW Yellow Paper目前仍未公开。

图5 来源：Fetch.AI技术白皮书

5) 对于OEF中的数据信息交互，如何制定不同类别的数据信息价值？为AI提供了多少帮助如何量化？即是否有标准来决定这条数据信息值多少钱？Token的具体奖励机制在白皮书中并未提及，而数据信息价值的制定标准也是较难量化。

6) Fetch.AI项目的推广主要以AI+区块链技术作为项目特色，但整篇白皮书中关于如何使用AI技术的内容篇幅很少，也并没有数据建模等相关内容。

7) 白皮书中提到Fetch移动钱包APP将提供Network Participation Application（NPA）的服务，旨在将用户的个人信息安全地加密在个人设备中，并且将会为用户日后解决问题。既然个人信息加密，怎么提供给系统做AI的数据处理？因此白皮书中关于数据的隐私性以及公开数据做AI建模处理存在矛盾性。

图6 来源：Fetch.AI技术白皮书

8) Fetch.AI项目方提出了独创的uPoW共识，旨在节省无用的工作量，但整篇白皮书中关于uPoW的篇幅极少，项目方对于uPoW具体的工作原理以及实施都未做太多的阐述。

9) 白皮书中提到Fetch.AI的核心目的是为AEAs提供一个可以进行信息交互的环境，那么项目只是一个为AEAs提供交易场所的项目吗？AI技术到底是否为项目的核心？

图7 来源：Fetch.AI技术白皮书

10）AEAs中包含诸多用户信息，例如GPS地理位置信息，系统提供人工智能服务则需要节点之间实时互联数据来形成有价值的反馈，但项目在全世界有多少个节点？将来在生态方面如何扩展以及布局？

图8 来源：Fetch.AI技术白皮书

2.2.4 TokenGazer观点

综上分析，Fetch.AI在技术白皮书中对于链的设计上存在诸多漏洞，有安全性的隐患，项目方提及的技术设想也没有给出合理的解决方案。白皮书对AI技术的应用以及实施都鲜有提及，同时资料中对于数据隐私性方面的问题存在矛盾之处，项目的侧重点以及初衷都让人费解。而对于项目的生态发展以及技术实施细节，白皮书中均未有清晰的解释。

另一方面，白皮书中对于AEAs以及OEF的描述只是基于一种理想的数字经济世界，目前在现实世界中基本很难实现。

因此，基于目前Fetch.AI项目方已披露的公开信息，TokenGazer对于项目技术的评价不容乐观，Fetch.AI在技术实施以及项目最终落地上都存在较大阻碍。

2.3 Github

图9 Fetch.AI Github 来源：Github

Fetch.AI项目Github代码已开源，总共拥有5个代码库。代码库中的Watch、Star、Fork以及Commits极少，且并没有项目的重要技术体现，更新频率较低。

图10 Fetch.AI 未公开代码活跃度情况 来源：Binance Research （部分）[1]

在Binance Research关于Fetch.AI的研究报告中，提供了Fetch.AI团队未曾公开代码的一些信息，可以看到这部分代码较为活跃，提交频率与Commits较多，但代码具体内容以及质量暂且未知。

2.4 路线图

图11 Fetch.AI 路线图 来源：Fetch.AI官网

Fetch.AI项目官网上展示了2019年的路线图，预计2019年第4季度将上线Fetch.AI主网。项目从2017年初开展至今已历时2年之久，但从Github、官网等已有信息来看，仍未取得较大进展，对于第4季度上线主网的预期不容乐观。

2.5 团队

2.5.1 核心领导者

图12 Fetch.AI 高层领导团队 来源：Fetch.AI官网

• Humayun Sheikh（联合创始人兼CEO）：曾是DeepMind的早期投资者，该公司推出的AlphaGo机器人曾击败了排名世界第一的世界围棋冠军柯洁，其工作原理主要是“深度学习”，DeepMind在2014年被Google收购。Humayun曾担任5年英国商品贸易公司Mettalis Group的董事长，且创立了uVue以及itzMe公司，这两家公司旨在利用机器学习&人工智能来改善生活。Humayun具备不错的领导能力且创业经验丰富。

• Toby Simpson（联合创始人兼CTO）：曾担任DeepMind的软件工程师，并且拥有多家公司CTO经历，研发的工作履历长达约30年且拥有丰富的软件开发背景。

• Thomas Hain（联合创始人兼CSO）：曾是剑桥大学的PHD，目前担任Fetch.AI项目的首席科学家，Thomas还是谢菲尔德大学的教授兼语言和听力研究主管，专注于研究机器学习以及人工智能。

2.5.2 团队小结

Fetch.AI团队来自英国，共分为高层领导部门、开发部门、研究部门以及市场运营综合部门，总计35人。团队人员充沛，大部分开发人员都拥有人工智能以及机器学习等相关研究经历以及学历背景，核心人员履历出众且与项目的开展拥有高度相关性。

然而纵观整个团队，团队缺乏区块链项目经验，大部分成员虽然在人工智能的技术范畴内都是专业人士，但人工智能与区块链的结合是一个截然不同的领域，且技术难点颇多。另一方面，项目技术设想将每一个连网客户端（车载系统、移动设备等）都能接入API来成为AEAs提供服务，但此庞大的构想需要极强的团队商务拓展能力且需整合集成诸多品牌设备的客户端程序，困难程度极高。因此Fetch.AI项目的开展对团队是一个不小的挑战。

2.6 社区热度

表1 Fetch.AI 社区媒体关注者人数

图13 Fetch.AI Twitter关注者人数累计概率

Fetch.AI在Twitter上有约4,000关注者，累计概率约为0.7686，意味着其Twitter粉丝数超越76.86%的一级市场项目。

图14 Fetch.AI Telegram关注者人数累计概率

Fetch.AI在Telegram上有约20,000关注者，累计概率约为0.8806，意味着其Telegram粉丝数超越88.06%的一级市场项目。

项目即将在Binance Launchpad上进行公开募集，币安交易所的知名度为项目带来了不少热度，近期受关注程度较高。

3 Fetch.AI募集情况

3.1 Token基本情况

• Token名称： FET

• Token总量： 1,152,997,575 FET

• Token分配情况如下：

图15 Fetch.AI Token分配情况 来源：Fetch.AI Token Overview白皮书

表2 Fetch.AI Token分配情况

3.2 种子轮以及私募轮融资情况

表3 Fetch.AI私募情况 来源：Binance Research[3]

根据以上信息可知，Fetch.AI的种子轮以及私募轮（SAFT1、SAFT2、SAFT3）销售Token占比约为11.6%。此部分Token将于TGE后锁仓3个月，随后在三个月内（约2019年6月-9月期间）逐步释放，投资者在此阶段将有可能面临一定的抛压风险。

团队+顾问+项目基金会Token占总量的50%，占比较高，虽然Token将于3年内按季度线性释放，但项目方高度控盘，对于市场投资者来说可能存在一定的风险。

综上，2019年6月左右私募轮以及团队Token开始解锁，届时将可能有一定的砸盘风险，投资者需谨慎密切关注时间节点以及项目进展。

3.3 币安Launchpad公募

Binance Launchpad是币安的独家Token发布平台，将于2019年2月25日开始Fetch.AI（FET）的公开募集，以下则是详细信息：

表4 Fetch.AI公募信息 来源：Binance Launchpad[4]

4 币安首发项目分析

TokenGazer团队整理了2017年12月至2019年1月在币安首发的一些区块链项目，从图中可以看出，相比于TGE的价格，每个项目在上线当天都有较大的涨幅，最高的QKC上涨了15倍，最低的BRD也上涨了2倍。因此，投资者在Launchpad参与Fetch.AI的众售，最终获利的概率比较大。

表5 首发币安项目上线当天表现[5]

图16 首发币安项目两周内ROI情况

TokenGazer团队也研究了这些项目在上线币安之后的价格表现，以TGE价格为基准，研究上线后两周的价格变化趋势。从图中可以看出，这些项目的价格并没有呈现出确定的上涨或下跌趋势，但在这两周内，都没有跌破TGE价格。同时需要注意的是，QKC和WAN上线当天的涨幅都超过10倍，后续都是下跌趋势。因此，如果Fetch.AI上线当天价格上涨太多，那么投资者需要警觉。

参考资料

[1] https://info.binance.com/cn/research/FET-2019-01-31.html#section4

[2] Fetch.AI和Fetch.AI_CN Telegram群总人数

[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为Binance Launchpad项目

版权信息与免责声明

除⾮本⽂另有说明，否则所有内容均为原创，由TokenGazer研究和制作。未经TokenGazer明确同意，不得以任何形式复制或在任何其他出版物中提及此内容的任何部分。

TokenGazer的徽标，图形，图标，商标，服务标记和标题是TokenGazer Inc.的服务标记，商标（⽆论是否注册）和/或商业外观。本⽂提及、展示、引⽤或以其他⽅式指出的所有其他商标、公司名称、徽标、服务标记和/或商业外观（“第三⽅商标”）是其各⾃所有者的专有财产。未经TokenGazer或此类第三⽅标志的所有者事先明确书⾯许可，不得以任何⽅式复制，下载，显示，⽤作元标记，误⽤或以其他⽅式利⽤标记或第三⽅标记。

本⽂仅供参考，⽂中所包含的所有信息都不应该作为投资决策的依据。

本⽂不构成投资建议或辅助判断特定投资⽬标、财务状况及其他投资者需求。如投资者对投资数字资产有兴趣，应当咨询⾃⼰的投资顾问，投资者不应凭借本⽂以作为法律，税务或投资⽅⾯的建议。

本研究中提到的资产价格和内在价值并⾮⼀成不变。资产的过往表现也不能作为⽀撑本⽂所述的任何资产的未来业绩依据。某些投资的价值、价格或收⼊可能会因为汇率波动⽽产⽣不利影响。

本⽂中涉及的某些陈述可能是TokenGazer对于未来预期的假设以及其他的前瞻性观点，⽽已知和未知的⻛险与不确定因素，可能导致实际结果、表现或事件与陈述中的观点和假设存在实质性差异。

除了因为上下⽂推导⽽提出的前瞻性陈述之外，还有“可能，将来，应该，可能，可以，期望，计划，打算，预期，相信，估计，预测，潜在，预测或继续”的字样和类似的表达⽅式确定前瞻性陈述。TokenGazer没有义务更新此处包含的任何前瞻性陈述，购买者不应对此类陈述施加过度的理由，这些陈述仅代表截⽌⽇期前的观点。虽然TokenGazer已采取合理的谨慎措施以确保⽂中包含的信息准确⽆误，但TokenGazer对其准确性，可靠性或完整性不作任何明示或暗示的陈述或保证（包括对第三⽅的责任）。您不应根据这些推断和假设做出任何投资决策。

投资风险提示

价格波动：在过去的时间⾥数字货币资产存在单⽇和⻓期的价格波动情况。

市场接受：数字资产可能永远不会被市场⼴泛采⽤，在这种情况下，单个或多个数字资产可能会失去其⼤部分价值。

政府法规：数字资产的监管框架仍不明确，主管部⻔对现有应⽤的监管和限制可能会对数字资产的价值产⽣重⼤影响。

关于TokenGazer

TokenGazer致力于为区块链行业提供长期有效，不断完善的价值研究方法和工具集，以及针对区块链和Token项目的技术和商业洞察。为国内外用户提供行业领先的定性、定量分析工具、研究模版、数据仓库、数据可视化服务等，帮助用户更好的分析和衡量区块链项目的真实价值。

TokenGazer已获得世界第一大加密数字代币交易所币安的天使投资人JRR Crypto的千万级别融资。

欢迎登录TokenGazer官网： www.tokengazer.com 查看一级市场深度研究、二级市场评级报告以及量化研究、项目估值偏离数据。