根据@karpathy，需将人类知识、传感器与执行器从“人类优先、人类可读”转向“LLM优先、LLM可读”，例如每本教材的PDF/EPUB都可映射为完美的机器可读表示，服务于AI智能体。来源：x.com/karpathy/status/1961128638725923119 对交易者而言，这一方向意味着对去中心化、可扩展的机器可读语料存储需求上升，与Filecoin的内容寻址存储与检索模型及Arweave的永久存储特性相契合。来源：x.com/karpathy/status/1961128638725923119；docs.filecoin.io；docs.arweave.org LLM优先流程还需要索引与语义查询层，对应The Graph的子图索引架构以使结构化数据可被应用高效查询。来源：x.com/karpathy/status/1961128638725923119；thegraph.com/docs LLM与智能体工作负载的训练与服务依赖分布式GPU算力，对应Render Network的去中心化GPU市场。来源：x.com/karpathy/status/1961128638725923119；docs.rendernetwork.com 智能体与传感器/执行器的交互需要链上智能体框架与小额支付能力，对应Fetch.ai提供的自治智能体工具链。来源：x.com/karpathy/status/1961128638725923119；docs.fetch.ai