InfoFi 市场设计原语：将信息转化为资本的技术架构

当你在 X (Twitter) 上发表意见时，犯错是不需要付出代价的。但当你在预测市场上押注 10,000 美元时，犯错的代价就是 10,000 美元。这种单一的差异——犯错成本——是一个新兴的、规模达 3.81 亿美元领域的底层原语，它正在悄然重塑人类对真相定价的方式。

信息金融 (InfoFi) 是 Vitalik Buterin 提出的术语，指代“一门从你想知道的事实出发，然后刻意设计一个市场，以最优化地从市场参与者那里引出该信息的学科”。与传统金融对资产定价不同，InfoFi 对“预期”进行定价——将认识论上的不确定性转化为可交易的信号。该领域目前涵盖了年处理额达 400 亿美元的预测市场、向内容创作者分发 1.16 亿美元的注意力市场，以及拥有 3,300 万验证用户的可信度网络。

但在营销叙事的背后，每个 InfoFi 系统都运行在五个技术原语之上，这些原语决定了信息是被准确定价，还是被淹没在噪音中。理解这些原语是构建稳健信息市场与昂贵的垃圾邮件机器之间的本质区别。

原语 1：需承担成本的信号提交

InfoFi 的核心洞察非常简单：意见是廉价的，承诺是昂贵的。每一个设计良好的 InfoFi 系统都会强制参与者在提交信息时承担实际成本，从而产生将信号与噪音分离的摩擦力。

在预测市场中，这表现为对信念投入的资本。Polymarket 在 2025 年处理了 9,500 万笔交易，年交易量达到 215 亿美元。该平台从自动做市商 (AMM) 迁移到了中央限价订单簿 (CLOB) ——这是机构交易所使用的同种机制——通过 Polygon 上的智能合约进行链下订单匹配和链上结算。每笔交易都是一项需承担成本的承诺：当参与者出错时会损失金钱，这产生了持续的激励压力，迫使参与者进行准确的概率评估。

Ethos Network 于 2025 年 1 月在 Base 上推出，将这一原语应用于社交声誉。当你背书另一个用户的可靠性时，你需要质押 ETH。如果你背书的人表现不佳，你的 ETH 就会面临风险。结果是：声誉背书承载了真实的信息，正是因为它们的背书成本很高。

Intuition Protocol 采取了最明确的方法，于 2025 年 10 月上线主网，并获得了来自 Superscrypt、Shima、F-Prime (富达旗下风投机构)、ConsenSys 和 Polygon 的 850 万美元支持。其架构将信息视为一种资产类别：

• 原子 (Atoms)：任何离散声明（一个身份、概念或一段信息）的规范标识符。
• 三元组 (Triples)：主语-谓语-宾语陈述——例如，“协议 X 存在漏洞 Y”或“Alice 是值得信赖的”。

两者都可以通过联合曲线 (bonding curves) 进行质押。创建低质量的“原子”会让你消耗代币；策展高质量的“原子”则能赚取费用。

共同点在于：犯错成本创造了噪音过滤器。随意、低置信度的声明会被承诺产生的摩擦力所抑制。

原语 2：恰当评分规则与激励相容性

仅有成本承担是不够的——收益的结构必须确保诚实报告是最优策略。这是恰当评分规则 (Proper Scoring Rules) 的数学领域：在这种机制下，参与者通过报告其真实信念来最大化其预期回报。

由经济学家 Robin Hanson 发明的对数市场评分规则 (LMSR) 是早期预测市场的基础机制。其成本函数 C(q) = b × ln(Σ exp(qᵢ/b)) 解决了启动问题，确保自动做市商即使在任何交易者到来之前也始终具有流动性。参数 b 控制了流动性深度与做市商最大潜在损失之间的权衡。历史交易嵌入在当前价格中，为抵御噪音交易者提供了自然的缓冲。

LMSR 的局限性在于资本效率低下：无论价格处于何处，它都提供相同的流动性深度，在极端概率值附近（如 95% 置信度的市场）会浪费资本。Paradigm 在 2024 年 11 月发表的论文中引入了一种专门针对预测市场的 AMM (pm-AMM)，它将结果价格视为遵循布朗运动 (Brownian motion)——这是 Black-Scholes 期权定价模型背后的同套数学框架——并随时间动态调整流动性深度，以维持流动性提供者恒定的亏损与重平衡率 (LVR)。

同样的数学特性——激励相容性——也出现在非金融系统中。Ethos Network 的担保机制是激励相容的：如果你质押 ETH 来背书一个随后卷款跑路的人，你的 ETH 就会面临风险。最优策略是只背书你真正认为值得信赖的人。Intuition 的代币分层注册表功能类似：当质押者策展的信息被判定为高质量时，他们会获利；当信息为低质量时，他们会损失代币。

原语 3：基于图的信任传播

静态的声誉评分很容易被操纵。如果评分是根据原始计数（关注者、评论、交易）计算的，资金充足的攻击者只需购买这些输入即可。基于图的信任传播是解决方案：信任不是绝对分配的，而是通过社交图谱进行传播，使语境和关系成为评分计算的核心。

EigenTrust 最初设计用于识别点对点网络中的恶意节点，是用于此目的的领先算法。OpenRank（由 Karma3 Labs 开发，并获得 Galaxy 和 IDEO CoLab 支持）将 EigenTrust 应用于 Farcaster 和 Lens Protocol 的社交图谱数据。EigenTrust 不再将新账户的“关注”与高度信任账户的“关注”视为等同，而是根据行为者的声誉对交互进行加权。该算法收敛于一个稳定的信任分配，在这种分配中，你的声誉取决于谁信任你，以及他们自己被信任的程度。

其结果是一个 个性化 的信任图谱 —— 你相对于特定社区的声誉反映了该社区内特定的社交联系。OpenRank 利用这一点为 Farcaster 的“为你推荐”提要、频道排名和 Frame 个性化提供动力。深耕 DeFi 社区的用户在不同语境下获得的声誉评分，与深耕 NFT 艺术社区的用户截然不同。

Kaito 的 YAP 评分系统将同样的逻辑应用于注意力市场。来自高 YAP（高声誉）账户的互动价值指数级高于来自低 YAP 账户的互动。这就是 应用于社交资本的 PageRank：来自高权威节点的链接比来自低权威节点的链接传递更多的权威。Kaito 对每月约 200,000 名活跃创作者进行处理，通过加权社交图谱遍历来计算心智占有率 (mindshare) —— 即特定项目捕获的加密推特 (Twitter) 总注意力的百分比。

Ethos 通过其邀请制系统进一步推进了图谱传播。你的账户价值不仅取决于谁为你担保，还取决于谁邀请了谁的整个链条。一个由人脉广泛的 Ethos 成员邀请的新账户会继承该成员的部分公信力 —— 这是对“被信任的人所信任”原则的结构化强制执行。

原语 4：多层抗女巫攻击

女巫攻击 (Sybil attacks) —— 即向系统注入大量虚假身份以操纵评分、获取奖励或扭曲市场 —— 是每个 InfoFi 原语面临的生存威胁。如果虚假身份的创建成本低廉，那么带有成本负担的信号就可以通过协调机器人来操纵，声誉图谱可以人为膨胀，预测市场的结算也可以被操纵。

InfoFi 领域已经汇聚成一个 多层防御栈：

第 0 层 — 生物识别验证：World (原 Worldcoin) 使用虹膜扫描设备 Orb 在 Worldchain 上发行 World ID。零知识证明 (ZKPs) 使用户能够在不透露扫描了哪个虹膜的情况下证明其人类身份，从而防止跨应用追踪。随着 2025 年在美国部署 7,500 台 Orb，该层旨在实现 2 亿次人格证明验证。

第 1 层 — 邀请和社交图谱约束：Ethos (仅限邀请)、Farcaster (电话验证) 和 Lens Protocol (钱包准入的个人资料创建) 对身份创建施加了结构性摩擦。虚假身份需要真实的社交关系才能启动。

第 2 层 — 权益加权信任：基于 EigenTrust 的系统根据质押 (stake) 或已建立的声誉对信任进行加权。协同攻击需要从现有成员那里积累真正的信任 —— 这伪造起来成本极高。

第 3 层 — 行为分析：Kaito 的算法在 2025 年受到批评（指责其奖励 KOL 的内容刷量而非真实分析）后进行了更新。更新引入了 AI 过滤器，用于检测付费粉丝、类机器人的发布模式以及提及排名但未提供见解的内容。回复不再计入排行榜排名；仅讨论奖励而不增加信息的帖子被排除在心智占有率计算之外。

第 4 层 — ZK 凭证聚合：Human Passport (原 Gitcoin Passport，2025 年被 Holonym 基金会收购) 使用零知识证明将来自多个来源（社交验证、链上历史、生物识别）的凭证聚合成一个单一的抗女巫评分。它拥有 200 万用户和 3400 万个已发行凭证，使应用程序能够要求最低抗女巫评分，而无需了解用户持有哪些具体的验证。

Galxe 大规模结合了这些层级：来自 7,000 多个品牌的 3,300 万用户持有通过 ZK 证明验证的凭证，Galxe Score 将以太坊、Solana、TON、Sui 和其他链上的链上活动聚合成多维度的声誉指标。

原语 5：通过联合曲线实现连续定价

二元评分（“受信任”或“不受信任”，“已验证”或“未验证”）对于信息市场来说是不够的，因为它们无法代表信心、声誉或注意力的 程度。InfoFi 系统使用 联合曲线 (bonding curves) —— 根据需求量确定价格的连续数学函数 —— 来创建在光谱上对信息进行定价的市场。

LMSR 的成本函数是预测市场份额的联合曲线：随着某个特定结果的更多份额被购买，其价格会连续上涨。这使得市场价格成为集体信心的实时指标。

Ethos 的声誉市场层为个人公信力创建了联合曲线：与特定用户个人资料关联的“信任票”和“不信任票”根据需求连续定价。当社区认为一个用户的可信度正在提高时，信任票的价格就会上涨。这使得声誉评估从静态勋章转变为具有连续价格发现功能的实时市场。

Cookie.fun 引入了 市占率比 (Price-to-Mindshare, P/M ratio) 作为 AI 代理的连续估值指标：市值除以心智占有率百分比，类似于股票市场中的市盈率 (P/E ratio)。低 P/M 意味着相对于市值，注意力被低估；高 P/M 则相反。这是 InfoFi 版的基础估值 —— 将注意力指标转化为连续的投资信号。

Intuition 的金库架构使用联合曲线来确定质押如何影响每个 Atom 和 Triple 的公信力和相关性评分。质押到包含准确、被广泛引用信息的金库中是有利可图的；随着他人的退出，质押到低质量信息的金库中会产生损失。连续定价机制使策展人的激励与信息的长期质量保持一致。

为真相定价的架构

这五种原语并非独立的系统——它们构成了一个统一的架构。具有成本负担的信号只有在被结构化为适当的评分规则（以使真实报告成为最优选）、通过图传播（graph propagation）进行聚合（以使上下文影响价值）、通过抗女巫攻击（Sybil resistance）进行防御（以使虚假信号成本昂贵）并通过连续定价表达（以捕获置信程度）时才具有价值。

预测市场 400 亿美元的年交易量、分发给注意力市场参与者的 1.16 亿美元，以及 Web3 中 3,300 万个凭证化身份，都代表了这些机制奏效的早期证据。Polymarket 的月活跃交易者在 2024 年至 2025 年间从 4.5 万增长到 1,900 万——这 421 倍的增长并非由投机驱动，而是因为用户发现预测市场提供的事件概率评估比传统媒体更准确。

下一波 InfoFi 应用可能来自将这些市场用作数据源的 AI 代理（AI agents）。Kalshi 已经报告称，算法机器人是其受 CFTC 监管平台上的主要参与者，AI 系统将预测市场中的概率变化视为相关传统市场交易的执行触发器。当 AI 代理大规模消费和生产信息时，底层定价机制的质量决定了构建其上的 AI 系统的质量。

Vitalik 所称的“信息金融”（info finance）正在成为信息经济的基础设施：这一层决定了什么是真实的、谁是值得信赖的以及什么值得关注——并拥有传统信息系统从未有过的、由资本强制执行的激励机制。

BlockEden.xyz 为 Sui、Aptos、Ethereum 以及 20 多个区块链网络的构建者提供基础设施。构建信息市场、声誉系统和链上分析的开发者可以在 BlockEden.xyz 获取生产级节点服务和数据 API。