跳到主要内容

303 篇博文 含有标签「AI」

人工智能和机器学习应用

查看所有标签

工业级 DeAI 时代降临：为什么 AI 代币在 2026 年第一季度悄然跑赢加密市场 16%

· 阅读需 14 分钟
Dora Noda
Dora Noda
Software Engineer

在加密货币历史上，最响亮的叙事首次有了数据支撑。2026 年第一季度，在投机性消费代币贬值 30% 的同时，AI 加密板块——Bittensor、Virtuals Protocol、ASI Alliance、Render、io.net——仅下跌了 14%。这 16 个点的差距并非只是情绪转变，而是一次定价事件。投资者不再为去中心化 AI 的“概念”买单，而是开始投资那些真正产生资金流动的协议。

欢迎来到“工业级 DeAI”时代——这是 AI 加密领域的生产阶段，决定生存的是收入，而非路线图。

从口号到结算​

2024 年的 AI 代币周期是一个关于讲故事的问题。买入 TAO 是因为 GPU 稀缺；买入 FET 是因为智能体将吞噬企业软件；买入当周 Crypto Twitter 上的任何热门项目。估值取决于一个项目描述未来的说服力。

18 个月后，财务报表终于赶上了 PPT。Bittensor 在 2026 年第一季度以 4300 万美元的协议收入和 21.57% 的季度价格涨幅收官——这是一个你可以进行除法、乘法计算，并与贴现率进行比较的数字。Virtuals Protocol 的“智能体 GDP”（aGDP）——即其网络上自主智能体执行工作的美元价值——在 Base 链上突破了 4.79 亿美元，其背后是分布在超过 1.8 万个已部署智能体中的 177 万个已完成任务。人工超级智能联盟（ASI Alliance，由 FET、原 Fetch.ai + SingularityNET + Ocean Protocol 组成）正在为企业客户运行生产级智能体工作负载，其中包括与马士基（Maersk）的一项部署，联盟声称该部署已将航运效率低下的问题减少了 37% 以上。

这些不再是处于收入前阶段的“登月计划”。它们是自 2020 年 DeFi 转折点以来，首批拥有经审计现金流、且规模足以让机构配置者进行承销的加密协议。

2026 年第一季度表现差距解码​

与大盘相比，这 16 个点的超额收益可以归结为一个清晰的轴线：具有效用的 AI 代币击败了仅有叙事的 AI 代币，而两者都击败了模因币（memecoins）。

五个项目承担了大部分重任：

  • Render (RENDER) —— 随着其新的 Dispersed 子网在承接原有 3D 渲染业务的同时开始处理 AI 工作负载，其市值突破了 20 亿美元。“已经拥有付费客户的 GPU 算力”这一故事终于产生了复利效应。
  • Bittensor (TAO) —— 估值达到约 200 亿美元，Covenant-72B 开源模型训练运行为在前沿规模下进行去中心化模型训练提供了公开、可验证的演示。
  • NEAR —— 围绕私密推理和机密智能体执行重新定位，为超大规模云服务商（hyperscalers）无法提供的链上原生机密性找到了机构买家。
  • ASI Alliance (FET) —— 度过了合并后的整合期，凭借聚焦的企业业务线重新崛起，并与 Virtuals 一同进入灰度（Grayscale）2026 年第一季度“待考虑资产”列表。
  • Virtuals Protocol (VIRTUAL) —— 突破了 4.79 亿美元 aGDP 里程碑，并发布了智能体商业协议（Agent Commerce Protocol），这是首个具有可衡量粘性的稳定智能体对智能体支付标准。

落者所缺乏的是同样的东西：触手可及的收入和有名有姓的客户。

Bittensor 的机构分水岭​

这种格局转变最清晰的信号并非来自加密基金，而是来自 NVIDIA（英伟达）。2026 年第一季度，这家芯片巨头向 Bittensor 投入了约 4.2 亿美元，其中约 77% 的资金被质押到子网中——这是一种长期承诺，而非交易头寸。Polychain Capital 追投了 2 亿美元，使该季度的机构总流入额达到约 6.2 亿美元。

有两点使其与之前的加密风投周期不同。首先，NVIDIA 没有理由追逐叙事——如果 AI 算力需求爆发，其核心业务已经稳操胜券。配置 Bittensor 是为了对冲未来，即在未来的模型训练、推理和微调中，有一部分非平凡的份额发生在超大规模云服务商寡头之外的网络上，这些网络虽然不受 NVIDIA 控制，但其 GPU 运行的是 NVIDIA 芯片。其次，黄仁勋（Jensen Huang）对去中心化 AI 训练的公开认可——这曾是一个边缘观点——为所有传统配置者撰写投资备忘录提供了必要的支持。

飞轮效应现在清晰可见：协议收入资助子网激励 → 子网激励吸引真实的模型和真实的工作负载 → 真实的工作负载吸引企业客户 → 企业客户产生更多协议收入。在 2026 年第一季度之前，这只是一个设想；现在，它已变成了一张图表。

Virtuals Protocol 与智能体 GDP 镜像​

如果说 Bittensor 是供应侧——GPU、权重和推理——那么 Virtuals Protocol 就是需求侧：一个自主智能体可以在没有人类参与的情况下进行交易、相互雇佣并启动整个工作流的市场。其 4.79 亿美元的 aGDP 数字值得深入分析，因为它是 AI 加密领域中最接近 GMV（商品交易总额）的指标。

Virtuals 的四个协作单元解释了这些交易额是如何产生的：

  1. Butler —— 面向用户的层级，人类在此指挥智能体执行任务（研究、内容、交易工作流）。
  2. 智能体商业协议 (ACP) —— 让智能体能够自主发现、雇佣并相互支付的结算标准。这是真正的经济原语。
  3. Unicorn —— 代币化智能体的资本形成场所，结构上类似于早期的 Web3 启动平台，但专门针对产生收入的数字劳动力而非投机。
  4. Virtuals Robotics + Eastworld Labs —— 2026 年向人形机器人的扩张，将智能体经济从屏幕延伸到物理工作空间。

值得关注的举措是 ACP。加密行业自 2023 年以来一直在承诺“智能体对智能体支付”，但大多数演示都是闭环的。Virtuals 交付了一个智能体可以在真实环境中相互支付的网络，单季度结算额达 4.79 亿美元。这一 aGDP 数字代表的是持久的企业规模还是代币循环活动，将是 2026 年最受关注的辩论——但数量级已经发生了改变。

ASI 联盟的低调企业级转型​

ASI 联盟（由 Fetch.ai、SingularityNET 和 Ocean Protocol 在 2024 年 6 月以约 75 亿美元的总估值合并而成）在 2025 年的大部分时间里都在进行枯燥的整合工作：将三个工程组织、三个治理结构和三个代币持有者群体融合成一个连贯的协议。到 2026 年，这些工作开始显现成效。

该联盟的优势在于企业级集成。在 Bittensor 争夺 AI 训练心智份额、Virtuals 争夺消费者代理关注度时，ASI 最有可能嵌入到物流 SaaS 合同或医药供应链工作流中。马士基（Maersk） 的部署——利用自主代理优化集装箱运输的路线和库存，据报道效率提升超过 37%——这种标杆客户以往只有 IBM 和埃森哲（Accenture）才能赢得。ASI 不是在向散户出售代币，而是在向运营主管销售代理。

这种特性也决定了 ASI 在 2026 年的轨迹对企业销售周期的敏感度高于对加密推特（Crypto-Twitter）情绪的敏感度。其风险状况有所不同——更慢、更零散，但粘性更强——而这恰恰是机构分配者一直追求的。

DePIN：智能体下方的计算层​

如果没有底层的工业级 DePIN 层，工业级 DeAI 就无法存在。这两个领域在收入拐点上步调一致。

  • io.net 于 2026 年 3 月 25 日推出了 Agent Cloud——这是一个专门为自主代理设计的计算层，使其无需人工干预即可获取、调度并支付 GPU 资源。从结构上看，它是第一个主要客户是另一个协议的代理而非人类机器学习工程师的 DePIN 产品。
  • Aethir 报告称，到 2025 年第三季度，其年化经常性收入达到 1.47 亿美元，季度环比增长从 14.5% 加速至 22%，并拥有 100 多家生态合作伙伴。
  • Render 市值突破 20 亿美元，并发布了其分散式 AI 子网，以承接其渲染业务之外的 AI 工作负载溢出。

整个 DePIN 领域在一年内市值从约 52 亿美元增长到超过 190 亿美元，行业预测其到 2028 年将达到 3.5 万亿美元。无论 2028 年的数字是否在一个数量级内实现，方向性的信号很明确：去中心化 AI 的“卖铲子”业务本身现在已成为价值数十亿美元的企业。

DeFi 的类比与差异​

人们倾向于将工业级 DeAI 的发展映射到 DeFi 在 2020-2023 年的成熟路径：炒作阶段 → 流动性挖矿投机 → 产生收入的借贷和 DEX 基础设施。这种类比基本成立。这两个领域都经历了“为了敞口买入代币”阶段，然后是“根据损益表评估协议”阶段。一旦链上收入可以被清晰衡量，分配者的行为都会发生变化。

但差异同样重要。DeFi 的客户主要是其他 DeFi 用户——这是一个闭环，限制了总可寻址市场（TAM），并使收入随加密市场活动周期性波动。工业级 DeAI 的客户正越来越多地来自加密领域外：AI 实验室、物流公司、计算买家、企业 SaaS 合同。这极大地拓宽了潜在收入池，但也使 AI 加密领域面临不同的宏观因素：企业 IT 预算、AI 资本支出周期，以及首席信息官（CIO）的采购偏好——只要能满足服务等级协议（SLA），他们并不关心其代理是在 Base 还是 AWS 上结算。

Gartner 的基准预测是，到 2028 年，33% 的企业软件应用将包含代理式 AI（2024 年这一比例不到 1%），到 2035 年，代理式 AI 可能会贡献约 30% 的企业应用软件收入，超过 4500 亿美元。即使去中心化协议仅占据该市场极个位数的份额，其绝对收入数字也将比 DeFi 的 TAM 大一个数量级。Gartner 同时也警告称，超过 40% 的代理式 AI 项目将在 2027 年底前被取消，理由是成本超支、ROI 不明和风险控制薄弱——这提醒我们，这个市场的下限将比上限更为残酷。

接下来的关注点​

三个因素将决定哪些项目能在 2027 年持续复利增长，而哪些会随着叙事褪去：

  1. 加密市场低迷期的收入持久性。 当价格上涨时，TAO 每季度产出 4300 万美元反映了需求；而在 50% 的跌幅中维持同样的数据，才能告诉你客户是否真实存在。
  2. 链外企业合同。 马士基级别的标杆参考将越来越多地决定哪些协议有资格进入机构配置名单。下一波分配者资金将追随合作伙伴的品牌 Logo，而非白皮书。
  3. 基础设施负载形态。 代理流量与钱包流量不同。它是突发性的、多步骤的，并且对索引状态具有高度的读密集性。为人类驱动的 DeFi 构建的 RPC 和索引堆栈需要针对代理驱动的工作负载进行重新调整。

最后一点正是“卖铲子”业务的落脚点。代理原生应用需要针对索引合约状态的持续低延迟读取、可预测的存档节点可用性，以及不假设有人类参与重试失败调用的 SLA 等级。跨 Base、Solana、NEAR 和 Bittensor 生态系统提供这些服务的基础设施供应商，将悄然获取工业级 DeAI 收入的显着份额，而这些可能永远不会体现在代币价格走势图中。

2026 年第一季度的头条新闻是 AI 加密板块表现优异。而更深层的故事是，AI 加密不再仅仅是一个“故事”。

BlockEden.xyz 为驱动工业级 DeAI 的区块链（包括 Base、Solana、Aptos 和 Sui）提供企业级 RPC 和索引基础设施，具备代理原生工作负载所需的 SLA 等级和存档节点可用性。探索我们的 API 市场，在支撑下一代自主代理协议的相同基础设施层上进行构建。

资料来源​

1.22 美元的黑客攻击：Ledger CTO 表示 AI 已破坏加密安全经济学

· 阅读需 15 分钟
Dora Noda
Dora Noda
Software Engineer

生成一个有效的智能合约漏洞利用程序的 API 额度成本现在仅需约 1.22 美元。这个数字由 Anthropic 的红队在 2025 年底披露，并得到了一个学术漏洞生成器的证实（该生成器在每次攻击中最高可窃取 859 万美元）。这就是 Ledger 首席技术官 Charles Guillemet 在 2026 年 4 月 5 日发出警告的背景：人工智能并没有攻破密码学，它正在打破加密货币安全的经济模型，而该行业传统的防御体系从未针对这种局面进行过定价。

如果说 2024 年是 AI 重写了开发者交付代码方式的一年，那么 2026 年就是它重写了攻击者交付漏洞利用程序方式的一年。这种不对称性翻转得如此之快，以至于即使是那些花费十年时间构建硬件钱包的公司，现在也在质疑整个信任模型是否需要重写。

Guillemet 究竟说了什么​

Guillemet 作为 Ledger 的首席技术官和资深的硬件安全研究员，在 4 月初的公开演讲中提出了一个令人不安的论点。加密货币的攻击成本曲线正在崩塌，因为大语言模型已经足够胜任攻击者工作中难度最大的部分：阅读陌生的 Solidity 代码、推理状态机、生成合理的攻击交易，并针对链上分叉进行迭代，直到找到可行方案。

他的切入点刻意选在了经济层面。今天的密码学并不比 2024 年更脆弱。哈希函数依然在哈希，椭圆曲线依然在弯曲。改变的是成功攻击背后的劳动力投入——资深审计师的敏锐观察、长达数月的耐心逆向工程——现在已被压缩到了单张 Anthropic 或 OpenAI 发票中的一个预算条目内。“我们将产生大量在设计上就不安全的代码，”Guillemet 警告说，他指出了开发者发布 AI 生成的 Solidity 代码的速度超过了审查者阅读速度的二阶效应。

Ledger 统计的去年损失约为 14 亿美元，这仅是可直接归因于黑客攻击和漏洞利用的部分，而如果算上更广泛的诈骗和欺诈总额，这一数字还会高得多，具体取决于你采用谁的统计口径。Chainalysis 将 2025 年的总被盗资金定为 34 亿美元。CoinDesk 的 2026 年 1 月回顾则估计，更广泛的诈骗和冒充行为涉及的金额高达 170 亿美元。无论你相信哪个数据，趋势线都在向错误的方向发展，而 Guillemet 的观点是，这一轨迹现在已经是由 AI 塑造的了。

改变对话局面的 Anthropic 数据​

2025 年 12 月，Anthropic 自己的红队发布了 SCONE-bench 的结果——这是一个针对 2020 年至 2025 年间实际被攻击过的 405 个智能合约的基准测试。标题数据非常直观：在所有 405 个问题中，现代前沿模型为其中的 207 个生成了即插即用的漏洞利用程序，命中率达 51.11%，模拟被盗价值总计 5.501 亿美元。

更令人不安的是，当同样的智能体被指向 2,849 个没有任何已知漏洞的新部署合约时，Claude Sonnet 4.5 和 GPT-5 发现了两个真实的零日漏洞，并生成了价值 3,694 美元的有效攻击程序——而 API 成本仅约为 3,476 美元。从纸面上看，这个比例勉强达到盈亏平衡，但它打破了“零日漏洞发现需要人类团队”的假设。

独立的学术研究也从另一个角度印证了这一点。于 2025 年在 arXiv 上发表并持续更新至 2026 年初的“A1”系统，将任何大语言模型（LLM）与六种特定领域的工具（字节码反汇编器、分叉执行器、余额追踪器、Gas 分析器、预言机欺骗器和状态突变器）打包在一起，并将其指向目标合约。A1 在 VERITE 漏洞利用数据集上的成功率达到了 62.96%，以巨大优势击败了之前的模糊测试基准（ItyFuzz，37.03%）。单次尝试的成本在 0.01 美元到 3.59 美元之间。其模拟出的最大单笔获利达到了 859 万美元。

这些不是理论数字，而是攻击的投入成本。一旦投入成本降到一份快餐的价格，问题就不再是“攻击者是否负担得起”，而是“防御者能否承受任何一丝疏漏”。

1000:1 的吞吐量错配​

这是审计机构仍在努力表达的现状。审计师按项目收费。他们一次只审查一个代码库，通常耗时数周，而且他们的 AI 工具（如果有使用的话）也是嵌套在以人类为主导的工作流中，并以此开具账单。相比之下，攻击者可以租用同样的模型，并行地指向数千个合约，并且只有在成功时才产生成本。

2026 年初《区块链前沿》（Frontiers in Blockchain）的一篇论文用一句话描述了这种不对称性：攻击者在大约 6,000 美元的可提取价值下就能盈利，而防御者的盈亏平衡点则接近 60,000 美元。这 10 倍的差距并非因为防御在技术上更难，而是因为防御必须做到万无一失，而进攻只需要成功一次。

将这一点与规模上的错配相结合——假设攻击者可以扫描的合约与审计机构可以审查的合约比例为 1000:1——你就会几乎像机械推导一样得出 Guillemet 的结论。没有任何审计预算能够填补这一鸿沟。从经济学角度来看，这根本行不通。

2026 年的重大安全事件告诉了我们什么​

2026 年实际发生的黑客攻击在表面上并不完全像是“AI 漏洞利用”故事。今年迄今为止最大的两起损失清醒地提醒我们，大语言模型（LLM）辅助的攻击工具是建立在更古老、更乏味的技术之上的。

2026 年 4 月 1 日，Solana 上的 Drift Protocol 损失了 2.85 亿美元——超过其 TVL 的一半。TRM Labs 和 Elliptic 均将此归咎于朝鲜的 Lazarus Group。其攻击机制是社会工程学，而非 Solidity 漏洞。攻击者花了几个月时间与 Drift 团队建立关系，然后利用 Solana 的“持久性 Nonce”（durable nonce）功能，诱使安全委员会成员预先签署了他们并不理解其后果的交易。一旦管理权限发生转移，攻击者便将一种毫无价值的代币（CVT）列入抵押品白名单，并利用它提取了真实的 USDC、SOL 和 ETH。

18 天后，Kelp DAO 通过其由 LayerZero 支持的跨链桥遭受了 2.92 亿美元的打击——这是 2026 年迄今为止最大的 DeFi 漏洞利用事件。攻击者让 LayerZero 的跨链消息层相信，一条有效的指令已从另一个网络传达，随后 Kelp 的跨链桥尽职地向攻击者控制的地址释放了 116,500 枚 rsETH。根据大多数归因分析，这又是 Lazarus 所为。

这与 AI 有什么关系？有两点。首先，使长线社会工程学成为可能的“侦察”工作——包括个人资料映射、语气匹配、在目标的日程表中选择正确时机——正是大语言模型所擅长的。CertiK 的 2026 年预测已将网络钓鱼、深度伪造（Deepfakes）和供应链攻击列为当年的主要攻击媒介，并指出仅从 2025 年 12 月到 2026 年 1 月，网络钓鱼损失就激增了 207%。其次，AI 降低了“并行”操作的门槛：在 2024 年，一个 Lazarus 级别的团队一次只能运行几个活动；而有了 AI 工具，一个规模更小的团队就能同时运行几十个。

2026 年 4 月，热门钱包应用 Zerion 披露攻击者利用 AI 驱动的社会工程学从其热钱包中盗取了约 10 万美元，这让我们看到了这种攻击可以细化到何种程度。以 2026 年的标准衡量，这个数字并不大。但这种技术——AI 生成冒充脚本、AI 生成虚假支持页面、AI 生成钓鱼邮件——正是 Guillemet 所警告的。

为什么“加强审计”不是答案​

行业本能的反应是资助更多的审计。但这种反应忽略了问题的本质。

审计规模随审计师的工时线性增长。而现在的攻击规模随 API 额度增长。即使每一家一线审计公司明天都将员工人数增加一倍，攻击者的攻击面仍会以 10 倍的速度增长，因为任何拥有 API 密钥并对 Solidity 有基本了解的人，现在都可以在整个已部署的合约生态中运行持续的攻击性扫描。

更糟糕的是，审计只是对某一时刻的代码进行审查。而 AI 生成的代码正在持续交付。Guillemet 的“架构设计不安全”警告表明，漏洞引入率正在上升，而非下降。区块链安全社区引用的一项 2026 年研究发现，大语言模型辅助生成的 Solidity 代码与细微的重入漏洞和访问控制错误之间存在相关性。人类审查员在阅读机器格式化的代码时容易感到疲劳，从而漏掉这些错误的概率比漏掉人类编写代码中相同错误的概率更高。

坦诚地说，审计仍然是必要的，但已不再充分。Guillemet 推崇的——以及 Anthropic 自己的红队所呼应的——实际答案是结构性的。

能够在这场危机中幸存的防御栈​

有三类防御措施能够在 AI 加速的攻击面前保持扩展性，而这三类措施对于那些为了追求交付速度而进行优化的行业部分来说，都并不轻松。

形式化验证。 像 Certora、Halmos 以及 Move (Sui, Aptos) 和 Cairo (Starknet) 中日益集成的验证栈，将正确性视为数学问题而非审查问题。如果一个属性被证明是正确的，那么再多的 AI 模糊测试 (Fuzzing) 也无法破坏它。权衡之处在于工程成本：编写有意义的不变量 (Invariants) 既困难、缓慢又极其严苛。但这是极少数其防御成本不会随攻击者算力增加而扩展的防御措施之一。

硬件信任根。 Ledger 自己的产品线是一个明显的例子，但更广泛的类别还包括安全飞地 (Secure Enclaves)、MPC 托管以及新兴的零知识证明原语。其原理是相同的：将最重要的操作——签署交易——强行通过一个大语言模型驱动的网络钓鱼活动无法触及的底层介质。Guillemet “假设系统可以且将会失败”的理念，实质上是在论证将签名权从通用计算机中转移出去的必要性。

AI 对抗 AI 的防御。 Anthropic 在 2025 年 12 月发布的白皮书中提出，能够生成漏洞利用程序的智能体也应该被部署用来生成补丁。在实践中，这意味着利用 AI 对内存池 (Mempools)、已部署合约和管理员密钥行为进行持续监控——像传统银行业的欺诈检测系统一样标记异常。虽然经济模型并不完美（防御者的成本仍然高于攻击者），但它们至少让双方处于相同的算力曲线之上。

这三种防御措施的共同点是：停止在安全的“快速”环节依赖人工参与，而将人类的判断保留给缓慢、昂贵且具结构性的环节。

对当前开发者而言这意味着什么​

对于在 2026 年交付产品的团队来说，Guillemet 的警告转化为了几个具体的转变：

  • 默认将 AI 生成的代码视为不可信。 在代码触达主网（Mainnet）之前，无论其看起来多么整洁，都必须通过形式化验证（Formal Verification）或基于属性的测试（Property-based Testing）。
  • 将管理员密钥移至硬件设备中。 对于资金库级别的合约，使用带有热签名者的多签（Multi-sig）已不再是可接受的安全姿态；Drift 事件证明了即使是“受信任”的团队成员也可能受到社会工程攻击，从而预签名破坏性交易。
  • 假设你的网络钓鱼攻击面比代码攻击面更大。 Zerion 的资金被窃取（10 万美元）以及更广泛的 207% 网络钓鱼增长表明，攻击者投入成本最低且收益最高的目标仍然是人，而非 Solidity 代码。
  • 为持续、自动化的监控预留预算。 面对 24/7 全天候运行 SCONE-bench 级别工具的攻击者，每周一次的审计频率已无法形成有效防御。

这些都不是新想法。改变的是紧迫性曲线。在 LLM 出现之前的时代，如果一个组织在其他方面表现强劲，即使在其中一个领域存在疏忽也能生存下来。但在 2026 年，这种松懈带来的成本不对称性实在太高了。

坦率的解读​

人们很容易将 Guillemet 的警告解读为 Ledger 的自卖自夸 —— 硬件钱包供应商自然会支持硬件方案。但这种解读将是一个错误。Anthropic 的红队、A1 和 SCONE-bench 背后的学术团体、CertiK 的 2026 年预测，以及监测每月黑客攻击总量的链上分析公司，都独立得出了同样的结论。行业共识正趋向于一点：实施一次有效攻击的成本已经下降了一到两个数量级，防御栈必须相应地做出调整。

真正新颖的是，这是自 2020 年初 DeFi 之夏审计需求浪潮以来，加密安全领域发生的第一次重大非对称转变。那一波浪潮产生了一代审计公司、漏洞赏金平台和形式化验证初创公司。而 2026 年的浪潮将产生另一些东西：持续的 AI 监控基础设施、默认的硬件根签名，以及对任何安全模型仍依赖于“我们会在审计中发现问题”的合约更加严苛的质疑。

Guillemet 提到的 1.22 美元这个数字 —— 即使该确切数字来自 Anthropic 而非 Ledger —— 也是那种会终结一个时代的统计数据。它终结的是攻击者劳动力是瓶颈的时代。它开启的是另一个时代，在这个时代，瓶颈变成了防御者尚未实现自动化的任何环节。

BlockEden.xyz 经营涵盖 Sui、Aptos、Ethereum、Solana 以及 20 多个其他网络的区块链 RPC 和索引基础设施，并在请求路径中内置了 AI 辅助的异常监控。如果你正在针对后 LLM 威胁格局重构安全姿态，请 探索我们的基础设施服务 或 联系我们 探讨为你协议提供的持续监控方案。

资料来源​

Supra 刚刚押注 300,000 行代码，赌你更愿意在本地运行 AI 智能体

· 阅读需 14 分钟
Dora Noda
Dora Noda
Software Engineer

两年来，关于 AI 代理的辩论听起来像是一场宗教信仰：选择一个超大规模云服务商，选择一个框架，交出你的数据，并祈祷你的提示词永远不会出现在证词中。2026 年 4 月 20 日，Supra 带着不同的答案走进了这场对话——开源代码，在自己的设备上运行，并让 Layer-1 区块链充当警察，而不是靠一份服务条款页面。

SupraOS Alpha 已向 100 个受邀席位发布，并预告约一周后公开发布。其主张非常直白：一套自托管、受区块链约束的 AI 代理管理系统，具备端到端加密和约 30 万行代码库，并将全面开源。如果这听起来像是为自主代理打造的 Ollama，并附带了一个“上诉法院”层，那么你的理解是正确的。

有趣的问题不在于 Alpha 版本是否有效。有趣的问题在于，在一个每月通过代理钱包流动 5000 万美元的市场中，是一家 Layer-1 公链——而不是 OpenAI、Google 或 Coinbase——发布了第一个可靠的“个人代理操作系统”，这意味着什么。

一句话核心主张​

SupraOS 允许用户在自己的硬件上启动 AI 代理，对所有内容进行端到端加密，并利用 Supra 的 Moonshot 共识 L1 来在密码学上强制执行代理的操作权限。与其依靠承诺你的数据不会被滥用的隐私政策，不如将规则写进字节码。与其依靠你必须信任的托管仪表板，不如拥有属于你自己的仪表板。与其支付 SaaS 账单，不如在代理回传请求证明时支付 Gas 费用。

Alpha 版本上限为 100 个席位。代码库约为 30 万行。它正在免费开源。Supra 的 CEO 兼自封的首席架构师 Joshua D. Tobkin 将其定位与其说是一种代币效用博弈，不如说是一种类别占位：2026 年个人 AI 的默认形态应该是一个带有链上收据的本地应用程序，而不是指向他人 GPU 的浏览器标签页。

为什么“自托管”突然不再显得小众​

两年前，“自托管 AI 代理”还是一个只能在黑客聚会上听到的词。现在市场已经发生了变化。

一份面向首席信息安全官 (CISO) 和受监管行业的 2026 年采购指南现在将自托管代理平台列为默认考虑因素，而非边缘选择——其理由是，当代理从未离开大楼时，数据驻留、审计日志和确定性规则执行更容易证明。开源个人代理栈已经激增：AIOS (agiresearch 开发的 AI 代理操作系统) 已成为参考设计，而源源不断的“用 7 个自托管代理替代每月 100 美元订阅费”的文章表明，成本叙事终于被打破。

改变的是工作负载。仅仅用于聊天的代理可以部署在任何地方。但持有 API 密钥、签署交易、清算余额、下单或与银行沟通的代理则不行——除非能够说明谁拥有记忆以及谁可以传唤这些数据。云托管代理面临本地代理所没有的监管天花板。

SupraOS 敏锐地察觉到了这一转变，并增加了一个其他公司尚未推出的新特性：区块链强制执行的代理规则。不是“我们保证代理只会执行 X”，也不是“如果它执行 Y，托管平台将撤销它”，而是你可以在链上审计的密码学强制执行。

剥离营销包装后的架构​

要理解这为何重要，请看 Supra 作为基础层带来了什么。

Supra 的主网于 2024 年 11 月 26 日启动。该链围绕 Moonshot 系列拜占庭容错 (BFT) 共识协议构建，在分布于全球的 300 个节点测试中，曾跑出 500,000 TPS 的成绩，最终确定性低至 500 毫秒。现实世界的吞吐量超过 10,000 TPS——速度快到代理发出权限检查或状态证明请求时，无需等待数秒的确认。

该链在设计上支持多虚拟机 (MultiVM) ——以 Move 为核心，并层叠了对 EVM、Solana 和 CosmWasm 的支持。这对 SupraOS 尤为重要，因为想要跨链操作的代理不需要单独的桥接运行时；主链已经支持四种虚拟机。

在过去的两年里，Supra 一直在这一基础上悄悄堆叠与 AI 相关的原语：

  • 门限 AI 预言机 (Threshold AI Oracles) —— 多代理委员会负责审议复杂问题，并将经过密码学验证的答案交付给智能合约。可以将其视为 AI 输出的共识层，这样调用大语言模型 (LLM) 的合约就不必信任单一的推理结果。
  • 原生价格和数据预言机 —— 内置于链中而非外挂，这大幅降低了代理决策与链上行动之间的延迟。
  • SupraSTM 并行执行 —— 为代理通常生成的 EVM 工作负载提供更快的路径。

SupraOS 运行在所有这些基础之上。代理在本地运行；策略、证明和高信任调用则发送到链上。用户保留对记忆、API 密钥和交易权限的控制，这是托管型竞争对手在结构上无法企及的。

托管代理栈看到了不同的市场​

要理解这次押注，请看看 SupraOS 的竞争对手。

Coinbase 代理钱包和 AgentKit 迄今为止处理的交易量遥遥领先。仅 x402 生态系统就处理了超过 1.65 亿笔交易，交易额约 5000 万美元，有超过 480,000 个代理在该协议上进行交易。AgentKit 与模型无关 —— 它支持 OpenAI、Anthropic Claude 和 Llama —— 而 Agentic.Market 正致力于成为代理经济的默认结账层。其卖点是便利性：代理自带钱包、支付通道和内置护栏。权衡之处在于，代理的钱包在设计上位于 Coinbase 的基础设施内部。

谷歌的通用商业协议 (UCP) 结合 Workspace Studio 和更名后的 Gemini 企业级代理平台，正瞄准商家侧。UCP 加上 A2A v1.0（已在 150 家机构投入生产）是谷歌让 Gemini 代表你购物的方案。MultiversX 成为第一个集成 UCP 的区块链。权衡是一样的：用便利性换取代理在别人的策略飞地中运行。

OpenAI 的 Agents SDK 加上与 Stripe 合作的 ACP 商业协议，构成了托管模式的顶级梯队。Anthropic 在 2025 年 12 月将 MCP 捐赠给了 Linux 基金会的 Agentic AI 基金会，这是托管阵营在自托管方面做出的最接近的妥协。

ElizaOS 和 Virtuals Protocol 是开源/Web3 代理栈的核心。ElizaOS 是“大多数 DeFAI 背后”的 TypeScript 框架，其生态合作伙伴的累计市值超过 200 亿美元。截至 2026 年 2 月，Virtuals 报告了超过 15,800 个 AI 项目中的 4.77 亿美元代理 GDP。这两者在精神上是开放的，但在实践中大多是托管的 —— 你可以自己运行框架，但社交和经济重心都在平台上。

SupraOS 是第一个同时结合了以下四个特性的技术栈：开源、自托管、区块链强制执行和端到端加密。它不承诺最便宜或最简单的代理，它承诺的是最具主权（Sovereign）的代理。

SUPRA 代币的地位​

每一个 L1 在面对 AI 领域时都必须回答一个问题：链如何捕获价值？SUPRA 拥有常见的双重使命 —— Gas 费和质押 —— 但 SupraOS 的路线图增加了一些更有趣的内容。

如果 Alpha 版能转化付费专业消费者，并且其约 30 万行开源代码能吸引第三方代理开发者，那么每一次具有链侧效应的重大代理操作都将成为付费事件。权限授予、签名证明、跨虚拟机（VM）调用、预言机读取、阈值 AI 研判 —— 它们都在承载规则的链上结算。这种经济模型更接近于“单次代理操作产生的 Gas”，而不是“代币排放式挖矿”，后者是困扰大多数 AI L1 叙事的失败模式。

风险则相反。如果自托管代理始终处于小众地位 —— 被手机中内置的类 Apple Pay 式代理体验或 Coinbase 的便利优先钱包所超越 —— 那么该链捕获的只是已经运行 Ollama 和 LM Studio 的人群，而没有更多。那是一个真实、付费的市场细分，但它不是一个 4500 亿美元的代理经济。

坦率地说，SupraOS 是一次品类押注，而非战术性的产品发布。代理市场要么分化为“托管式便利”和“主权式自托管”，在这种情况下，Supra 拥有市场上最强的主权产品；要么便利侧席卷全球，而 SupraOS 成为一个设计精良的小众产品。

笼罩在全局之上的量子问题​

促成这篇文章的 TODO 框架将 Life OS 描述为后量子加密与可验证的链上数据所有权的结合。Supra 的公开资料尚未命名具体的格（Lattice）方案 —— 我们还没有看到正式的 CRYSTALS-Kyber 或 Dilithium 公告 —— 但其战略逻辑与行业其他部分的发展方向一致。

Circle 的 Arc L1 已经公开了抗量子启动计划。比特币研究人员正积极讨论抗量子迁移路径。代理栈的暴露程度尤为独特：代理会积累多年的记忆、凭证和签名授权，这意味着“现在收集，以后解密”的攻击者拥有比单次交易更大、更有用的资源堆。在量子威胁成熟之前，今天就将基于格的加密技术融入代理操作系统，这种举动在 2026 年看起来是偏执，但在 2030 年看起来则是显而易见的。

如果 SupraOS 携带可靠的后量子原语交付是真实的而非愿景，那么与 ElizaOS（开源但不具备量子增强）、Virtuals（代币化但基础设施中心化）以及 ICP 的 OpenChat（去中心化但没有量子叙事）相比，这将是一个重要的差异化因素。值得关注公开发布文档中的具体细节。

基础设施层应该关注什么​

对于开发者和基础设施提供商来说，SupraOS 引入的流量形态与之前的代理栈不同。

托管代理平台产生可预测的工作负载 —— 通过一组已知端点进行的定期批量调用。而自托管代理操作系统则分散了这种负载：每个用户的机器都变成了一个节点，偶尔需要读取状态、获取证明、写入权限或结算支付。这种模式更接近 P2P 客户端而非 SaaS 后端。

这对 RPC 提供商、索引器和数据层都有影响。Supra 链本身处理状态，但代理将需要：

  • 来自 Supra 及其互操作的四个 VM 的可靠、低延迟读取，因为跨链代理流是首要用例。
  • 用于权限授予、预言机读取和阈值 AI 研判的索引事件流 —— 这是审计工具想要订阅的链上工件。
  • 稳定的跨链桥和签名基础设施，因为一个在 Move、EVM、Solana 和 CosmWasm 之间运行的代理需要统一的管理界面。

这正是独立基础设施发挥价值的地方。BlockEden.xyz 已经在 Sui、Aptos、Ethereum、Solana 和其他主要链上运行企业级 RPC 和索引服务，而这种以代理为先的流量模式正是我们的 API 市场 所针对的工作负载 —— 具备高频、低延迟、多链读取能力，并能提供代理审计日志最终所需的观测性。

我接下来关注的内容​

三件事将告诉我们 SupraOS 会成为一个品类还是仅仅是一个奇闻。

公开发布。 100 个席位的 Alpha 测试是一个受控实验。5 月中旬的公开发布才是真正的产品发布。值得关注的是：前 30 天内有多少开发者实际克隆了代码库；非 Move 原生开发者的文档体验如何；以及其后量子（post-quantum）主张是否能经受住公众的审视。

第三方代理市场。 自托管操作系统的生死取决于人们为其构建的代理。如果到 2026 年第三季度，SupraOS 上运行着一个健康的社区代理生态系统——交易机器人、个人助手、DeFi 监控器、研究代理——那么这次押注就成功了。如果出现的只有 Supra 自己的演示代理，那么这段开源代码将只是一个精美的艺术品，而非平台。

托管与主权之间的价格差距。 Coinbase 的 x402 加上代理钱包（Agentic Wallets）在结构上很便宜，因为规模效应摊薄了所有成本。SupraOS 用户则需要为链上调用支付全额费用。如果主权溢价保持在 2 倍以内，专业消费者将会接受它。如果超过 5 倍，便利性堆栈将默认胜出。

有趣的事实是，我们现在有了一个真正的考验。两年前，“自托管区块链强制执行的 AI 代理”还只是 PPT 上的一个术语。截至 2026 年 4 月 20 日，它已成为一个拥有 30 万行代码、可下载的 Alpha 版本以及路线图的项目。无论谁赢得这一品类——是托管的便利性还是主权自托管——都将成为未来十年消费级软件中最具核心影响力的决策之一。

Supra 刚刚确保了主权阵营在选票上占有一席之地。

来源​

Gensyn RL Swarm：可验证去中心化 AI 训练的首次实测

· 阅读需 14 分钟
Dora Noda
Dora Noda
Software Engineer

在过去十年的大部分时间里，“训练前沿模型”一直是“拥有超大规模 GPU 集群”的代名词。Gensyn 刚刚发布了一个公共测试网，押注下一代 AI 将在完全不同的地方进行训练——即在通过以太坊 Rollup 进行协作的互联网连接节点群上，而 ETHGlobal 正拨出 50,000 美元的奖金，奖励那些能在其上构建智能体（Agents）的开发者。

问题不再是去中心化机器学习训练在技术上是否可行。RL Swarm 已经上线，任何人都可以克隆该代码库，而该架构自 2025 年 11 月以来一直在悄然推进。问题在于经济模型、验证机制和开发者的吸引力是否足以将训练工作负载从 AWS 和 Azure 数据中心中剥离出来，以及 2025 年 12 月结束的 $AI 代币销售是否真的对这一未来进行了正确定价。

为什么 “RL Swarm” 是去中心化训练的首次生产级测试​

你听过的大多数“去中心化 AI”项目——如 Bittensor、io.net、Akash、Render——解决的都是相邻领域的问题。Bittensor 在子网之间协调竞争性的模型基准测试。io.net 和 Akash 是具有加密原生计费功能的 GPU 租赁市场。Render 分散了推理渲染工作。到目前为止，还没有一个系统能让不可信节点协作“训练”模型。

这正是 Gensyn 的 RL Swarm 所做的。它是 Gensyn 测试网第 0 阶段的基础：一个强化学习智能体在公共互联网上而非单个数据中心内进行协作的去中心化环境。每个参与节点都运行一个本地语言模型。这些节点进行多阶段强化学习（RL）推理博弈——与同行协作回答、评价和修订解决方案——每项贡献都会记录在 Gensyn 测试网的链上身份中。

这种架构转变在言语上微不足道，但在实践中却意义重大。Bittensor 激励矿工竞争最佳输出；Gensyn 则激励节点在训练共享产物上进行“协作”。这就是竞争性市场与真正的分布式训练运行之间的区别，也是为什么 RL Swarm 是首次对生产级去中心化机器学习训练网络的可靠尝试，而不仅仅是一个更精致的算力租赁层。

2025 年 11 月的发布增加了 CodeZero，这是一个基于相同点对点框架构建的协作编程环境。将这两次发布结合来看，它们勾勒出了一份路线图：RL Swarm 证明了协调原语对于推理有效，CodeZero 则将其扩展到结构化的工具使用。到 2026 年 5 月 6 日黑客松结束时，这两个环境都已上线，无需排队即可加入。

四层架构：执行、验证、通信、协调​

在面向用户的测试网之下，Gensyn 是一个基于 OP Stack (Bedrock) 构建的定制化以太坊 Layer-2 Rollup。该协议将去中心化训练问题分解为四个层级，每个层级都解决了一个导致“仅仅通过互联网租赁 GPU”在历史上失败的具体原因。

执行 (Execution)。 大型模型无法容纳在单个消费级节点上，因此 Gensyn 将模型分解为分布在不同设备上的参数块，从而减轻单个节点的内存压力。更难的问题是确定性：不同硬件（如 Nvidia A100 与 H100）上的浮点运算可能会产生细微差异，这对于需要检测作弊的验证协议来说是致命的。Gensyn 的 RepOps 库固定了浮点运算的顺序，使得相同的输入在异构硬件上能产生位级一致的输出。可重现执行环境 (REE) 将 RepOps 封装在自定义的基于 MLIR 的编译器中，该编译器将模型编译为这些可重现的内核。

验证 (Verification)。 这是阻碍此前所有去中心化训练尝试的层级。如果一个节点声称它运行了一个训练步骤并提交了梯度，你如何在不亲自重新运行整个计算的情况下知道它是否诚实地完成了工作？Gensyn 的答案是 Verde 验证协议——一个轻量级的争议解决系统，它通过对训练轨迹进行二分查找来隔离证明者和验证者不一致的“单个步骤”，然后仅重新计算该操作。结合概率性学习证明（proof-of-learning），网络在无需支付完全重新执行成本的情况下获得了加密保证。这在概念上类似于 Truebit 的交互式验证模型，只是从通用计算移植到了机器学习特定的内核。

通信 (Communication)。 在带宽受限的公共互联网上协调训练需要抛弃传统教材。标准的数据中心原语——同步 all-reduce——假设拥有强大的 InfiniBand 通道。Gensyn 替换了三种自定义原语：NoLoCo 用低通信 Gossip 协议取代了 all-reduce，CheckFree 提供容错恢复而无需昂贵的定期检查点，SkipPipe 引入了一种梯度共享算法，最大限度地减少了集群中的消息跳数。每一项都是论文级的贡献；它们共同将“一堆连接家庭宽带的笔记本电脑”变成了一个功能齐全的训练集群。

协调 (Coordination)。 以太坊 L2 本身就是经济引擎。它识别参与者、结算代币化奖励，并在无许可的 Rollup 上执行支付。这也是 $AI 代币存在的地方，训练运行的每一项贡献最终都在这里结算。

理解这一技术栈最清晰的方式是将其视为对云 GPU 模型的刻意反转。AWS 和 Azure 将工程精力花在原始吞吐量上，并基于合同建立信任。Gensyn 则将工程精力花在可重现性和争议解决上，并且不对线路另一端的运营商做任何信任假设。

Gensyn 与 Bittensor、io.net 和 Render 的区别​

一旦架构确定，竞争格局也就清晰了。有三个项目经常与 Gensyn 被同时提及，但它们解决的是不同的问题。

  • Bittensor (TAO，市值约 26.4 亿美元) 是一个竞争性基准测试网络。子网（Subnet）定义任务，矿工输出结果，验证者进行排名，TAO 代币流向得分最高的人。它非常擅长激励模型质量，但它并不协调跨节点的单一共享训练运行。Gensyn 的集群式（swarm-based）训练在结构上是协作的；而 Bittensor 的子网模式在结构上是对抗性的。
  • io.net 和 Akash 是 GPU 算力市场。它们允许拥有闲置硬件的运营商将时间出售给愿意付费的人。至关重要的是，这两个协议都不验证买家的工作负载是否被正确执行——那是买家的问题，通常通过运行自己的训练栈并信任收据来解决。Gensyn 的 Verde + REE 组合正是这些市场所缺失的层。
  • Render Network 分散推理渲染工作，主要针对图形领域。其经济模式更接近 io.net 而非 Gensyn：租用算力，获取输出，信任运营商。Render 的 Dispersed 子网是一个相邻产品，而非竞争对手。

Gensyn 以第 368 位的排名推出了其代币，市值约为 7160 万美元——仅为 Bittensor 的一小部分。这个差距就是核心论点：如果可验证的协作训练是一个真实的类别，而不仅仅是算力租赁的复杂版本，那么这个价差就是一个切入点。如果不是，这个价差就是市场对一个“科研项目”的正确定价。

$AI 代币销售：100 万至 10 亿美元估值范围内的 3% 英式拍卖​

2025 年 12 月 15 日，随着 Gensyn 在 Sonar 上开启 $AI 代币销售，经济模型变得真实起来。结构异常透明：针对 3 亿枚代币（占 100 亿枚总供应量的 3%）进行英式拍卖，设定了 100 万美元的 FDV（完全稀释估值）下限和 10 亿美元的 FDV 上限。竞拍者在每枚代币 0.0001 美元至 0.1 美元之间选择最高出价，最低竞标额为 100 美元。出价以以太坊主网上的 USDC 或 USDT 结算；代币在 Gensyn Network L2 上领取。

完整的分配方案揭示了 Gensyn 想要成为什么样的项目：

分配项目百分比
社区金库40.4%
投资者29.6%
团队25.0%
社区销售3.0%
其他2.0%

40% 的社区金库加上 3% 的公开销售，使其治理姿态更接近 Optimism 风格，而非典型的 DePIN 启动。团队和投资者份额（合计 54.6%，a16z 领投了最近一轮私募，估值上限与公开销售上限相同，均为 10 亿美元）虽然较高，但并不极端。

此次销售最有趣的设计选择是测试网激励：2% 的额外奖励池作为代币乘数发放给经过验证的测试网参与者，根据其参与程度以及竞标金额进行缩放。这是一个温和但真实的信号，表明 Gensyn 相比于最大化公开销售价格，更在意向实际贡献者进行分发。美国买家接受 12 个月的锁定期；非美国买家可以选择类似的锁定期以换取 10% 的额外奖金乘数。

这场拍卖所定价的是一场赌注——赌去中心化训练的单位经济效益比类似的 AWS 或 Azure H100 集群（按需费率约为 3 美元/小时）便宜 60-80%，且闲置的消费级和专业级 GPU 足够丰富，能够吸收可观的训练需求。这一赌注是否正确，将由 2026 年网络上出现的实际工作负载来回答，而非拍卖价格。

ETHGlobal Open Agents：生产信号​

将这一项目从“有趣的基础设施项目”转变为“开发者真正开始在上面构建的东西”的新闻是 ETHGlobal Open Agents，运行时间为 2026 年 4 月 24 日至 5 月 6 日。Gensyn 是赞助商，提供了超过 50,000 美元的奖金，其中包括 5,000 美元的“最佳代理交换层 (AXL) 应用”奖项。每位获胜者都将进入 Gensyn 基金会资助计划的快速通道。

这很重要，原因有二。

首先，黑客松是那些尚未意识到自己需要新基础设施的开发者发现它的方式。同样的策略催生了早期的 Optimism、Base 和 Sui 生态系统。5 万美元的奖金池虽然不是足以撬动市场的金额，但它是一个足够强大的诱饵，能让几百名 ETHGlobal 级别的开发者首次接触到 RL Swarm 和 AXL API。黑客松结束后，肯定会有一部分开发者继续构建。

其次，奖项类别揭示了 Gensyn 心目中的杀手级应用。Agent eXchange Layer（代理交换层）是核心框架——自主代理相互发现、交换算力、按需相互训练和微调。如果 Gensyn 押注未来是单体基础模型训练，那么奖项就会强调这一点。相反，他们强调代理基础设施，这与更广泛的 2026 年叙事相吻合：能够相互支付劳动报酬的代理需要一个底座，将最昂贵的工作——模型训练和微调——外包给一个可验证的网络。

诚实的警示​

值得明确指出的是，截至 2026 年 5 月，RL Swarm 还 不是 什么。

目前在运行的测试网上还没有官方运行的集群 (swarms)。参与者可以加入社区拥有的集群，这正是无许可网络中常见的引导 (bootstrap) 问题：协议是开放的，但实际的高价值协同训练任务尚未大规模开展。在严肃的实验室或开源集体在网络上进行真正的模型训练之前，测试网仍然是一个概念验证 (PoC)，而非生产系统。

验证成本也仍然是一个悬而未决的问题。Verde 的二分查找争议解决机制比重新运行整个训练任务要便宜得多，但它并非免费，而且其在前沿规模（数千亿参数，数周训练时间）下的开销尚未得到证实。硬件确定性——RepOps 在 A100 和 H100 之间产生位对位一致 (bitwise-identical) 的输出——虽然优雅，但增加了竞争对手中心化技术栈所没有的编译器开销。

此外，成本节约论（比 AWS H100 抢占式实例便宜 60-80%）的前提是，闲置的消费级和专业级 GPU 的长尾流量足够密集，可以替代超大规模云服务商的容量。对于 7B 到 70B 参数的微调任务来说，这是合理的。但对于真正的前沿规模预训练，这目前还不现实，而 Gensyn 也很坦诚，没有对此做出过度承诺。

这对基础设施构建者意味着什么​

对于思考未来 12 个月该把精力花在哪里的开发者来说，最有效的切入点是：Gensyn 开启了一个以前不存在的新型 API 范畴——以编程方式、可验证地访问训练网络。到目前为止，“让模型执行特定任务”的选择只有：(a) 调用 OpenAI 或 Anthropic 等托管 API，或者 (b) 租用 GPU 并自行运行训练。Gensyn 提出了第三种选择——将训练任务提交给可验证的集群并获得加密保证——这清晰地映射到了 ETHGlobal 正在激励的智能体 (Agent) 经济中。

如果这第三种选择可行，它将成为一种原语。需要为利基任务微调小型专家模型的智能体将不想租用和运营 GPU。它们会希望发布一个训练意图，以稳定币或 $AI 进行支付，并获取生成的权重。Gensyn 的赌注在于，随着这种模式的扩散，使之成为可能的协议层——L2 Rollup、验证系统、集群协调原语——将积累巨大的价值。

BlockEden.xyz 为 Web3 开发者在 25 条以上的链上所依赖的索引、RPC 和分析基础设施提供支持。随着像 Gensyn 这样可验证的 AI 训练网络走向成熟，其底层的核心数据和协调层将变得愈发重要。探索我们的 API 市场，在专为 Web3 智能体化、AI 原生时代设计的基础设施上进行构建。

来源​

比特币算力六年来首次在第一季度下降：人工智能转型如何重写采矿业

· 阅读需 14 分钟
Dora Noda
Dora Noda
Software Engineer

自 2020 年以来，比特币算力首次在第一季度结束时低于开盘水平。全球最强大的计算机网络在 2026 年第一季度缩减了约 4%，打破了连续五年两位数增长的纪录。原因并非监管打击或硬件危机，而是一个更为根本的转变：曾经竞相部署 ASIC 的人们现在正竞相部署 GPU，并正在通过出售他们曾经囤积的比特币来支付这一转型的费用。

这不仅仅是周期性的波动。这是比特币挖矿不再是一个单一目的行业的时刻。根据 CoinShares 2026 年第一季度挖矿报告，上市矿企的加权平均现金生产成本已攀升至每枚 BTC 近 90,000 美元，而现货价格则在 67,000 美元左右徘徊。在利润如此深陷亏损的情况下，“HODL” 成为一种奢侈，而 AI 托管则成为了退路。上市矿企同行组已经宣布了超过 700 亿美元的 AI 和 HPC 合同，分析师现在预测，一些运营商 2026 年收入的 70% 将来自非挖矿工作负载。

OKX 的 Agent Payments Protocol 让 x402 vs AP2 vs TAP 之争演变为三方角逐

· 阅读需 13 分钟
Dora Noda
Dora Noda
Software Engineer

2026 年 4 月 29 日，OKX 推出了代理支付标准战争历史上规模最庞大的首发联盟——并悄然重新定义了这场战争的本质。

当 Coinbase 的 x402、Google 的 AP2、Visa 的 TAP 以及 PayPal 的 Agent Ready 在过去 90 天里为争夺“AI 代理移动资金那一刻”的所有权而激战时，OKX 的代理支付协议（APP）带着一个更宏大的论点步入战场：支付是简单的部分。真正的瓶颈在于报价、谈判、托管、计量、结算和纠纷处理。在发布首日，AWS、阿里云、以太坊基金会、Solana、Sui、Aptos、Base、Optimism、Paxos、Uniswap、MoonPay、Sahara AI、Nansen 和 QuickNode 都签署协议表示认可。

这种联盟的广度本身就是新闻。此前推出的每一个“代理商业标准”都只带着一家公司的标志。而 APP 是以一个中立联盟的规范说明书形式发布的。

Vercel + Lovable 安全漏洞：AI 工具如何成为 Web3 新的供应链风险

· 阅读需 15 分钟
Dora Noda
Dora Noda
Software Engineer

2026 年 4 月的一个星期内，两起看似无关的 SaaS 事件相互交织，这种方式应该重置每个 Web3 团队的威胁模型。Vercel——成千上万个钱包 UI 和 dApp 前端的部署平台——透露一名攻击者通过一个名为 Context.ai 的受损 AI 生产力工具渗透到了其环境中。几天后，vibe-coding 平台 Lovable 被发现因一个未修复的授权漏洞，泄露了 2025 年 11 月之前的数千个项目的源代码、数据库凭据和 AI 聊天记录。这两个故事没有共同的基础设施。它们共享一个更糟糕的特质：相同的爆炸模式，即 AI 工具悄然成为开发人员工具链中的特权身份——而 Web3 在从未对其定价的情况下继承了这种风险。

智能合约审计、多签治理、硬件钱包签名——当攻击者入侵交付用户交易批准 UI 的构建流水线时，这些防御手段都无法起到阻挡作用。2026 年 4 月让这一鸿沟变得清晰可见。行业是将其视为警钟，还是将其视为又一次被消化的损失，取决于下一个季度的表现。

Grass Protocol：850万节点如何破解AI的500亿美元数据危机

· 阅读需 11 分钟
Dora Noda
Dora Noda
Software Engineer

人工智能有一个不为人知的秘密：它消耗互联网数据的速度，已经超过了互联网自身的增长速度。Epoch AI的研究人员以80%的置信度警告称，高质量人类生成的训练数据将在2026至2028年间耗尽。与此同时，全球前1000大网站中，已有超过35%主动屏蔽了OpenAI的网络爬虫，而25%的高质量数据来源已从驱动前沿模型的主要训练数据集中被限制访问。全球最大的AI公司——合计在算力上投入数千亿美元——正在争先恐后地以五年前看来荒诞不经的价格，向出版商、新闻机构和社交平台购买内容授权。

Grass Protocol坚信自己找到了一条更好的出路。作为构建在Solana上的主权数据汇总网络，Grass已汇聚起由850万月活节点组成的全球网络，以PB级规模采集公共网络数据，并将其转化为经过验证的结构化AI训练数据集。该网络来自AI公司购买真实数据（而非合成替代品）的季度营收已突破1280万美元，并获得了Polychain Capital、Tribe Capital和Hack VC等投资方约10亿美元的估值背书。

Fred 和 Balaji 现已加入 Slack ： Coinbase 的人格化代理与职场认知双胞胎的诞生

· 阅读需 14 分钟
Dora Noda
Dora Noda
Software Engineer

2026 年 4 月 18 日，Brian Armstrong 宣布 Coinbase 最具影响力的两位校友重返公司——不是作为顾问、董事会成员或咨询顾问，而是作为软件。基于联合创始人 Fred Ehrsam 建模的“Fred”智能体，现在作为战略高管存在于 Coinbase 的 Slack 工作区中。前 CTO Balaji Srinivasan 的认知副本“Balaji”智能体，则出现在员工讨论组中，提出令人不安的问题并挑战假设。三周后，即 5 月 5 日，Coinbase 裁员 14%——约 700 人——并将幸存者重新组织成“AI 原生小组（AI-native pods）”，向“球员兼教练”而非纯粹的经理汇报。这两件事并非孤立。它们共同勾勒出一个未来：公司最有价值的离职员工的认知劳动被保留、规模化，并作为基础设施进行部署。

这不仅仅是关于一家交易所的人力资源实验。它让我们得以窥见人格代理模式（persona-agent pattern）——即特定个人的经过微调、全天候在线的认知孪生——将如何重塑公司的记忆、决策和运作方式。

“Fred”和“Balaji”究竟在做什么​

这两个智能体拥有截然不同的使命，反映了它们所基于训练的个人性格。

Fred 智能体 担任战略高管。当员工希望对文件进行高级别审核、确认项目是否符合公司优先事项、或者对发布计划进行高管式的批评时，就会联系它。它的工作是应用 Ehrsam 独特的、纪律严明的底层产品战略——这种直觉曾帮助 Coinbase 上市，现在也驱动着 Paradigm 的投资逻辑。

Balaji 智能体 扮演着不同的角色。它是内部的挑衅者，旨在揭示长期影响，并提出委婉的企业文化所压制的那些问题。如果说 Fred 是精炼，那么 Balaji 就是颠覆。该智能体基于 Srinivasan 多年的著作、播客访谈和“网络国家（Network State）”论点进行训练，体现了他在担任 Coinbase CTO 和 a16z Crypto 合伙人期间所表现出的那种反传统但系统化的风格。

关键在于，这些不是带有自定义提示词的通用 LLM 助手。根据 Coinbase 的计划，这些智能体被构建为经过微调的副本——人格存在于模型权重中，而不仅仅是系统消息中。该公司还表示，其意图是让创建新智能体变得异常简单。正如 Armstrong 在 4 月 18 日的公告中所说：“我怀疑在不久的将来，我们的智能体数量会超过人类员工。”

人格代理与通用 LLM 的区别​

要理解这为何重要，有助于将看似相似但解决完全不同问题的三类 AI 工具划清界限。

通用 LLM 助手 如默认的 ChatGPT 或原生 Claude 集成是广度工具。它们对万物略知一二，但对特定领域并不精通。它们提供合格但平庸的答案，因为它们针对数百万个用例进行了优化，以确保不出错。

生产力智能体 —— Slackbot 的新 Agentforce 360 功能、Microsoft Copilot 的企业版——是上下文工具。它们了解你的会议、你的 CRM、你的文档，并代表你执行工作。Slack 在 2026 年 1 月推出的作为“上下文感知 AI 智能体”的 Slackbot 就是一个很好的例子：它总结对话、起草回复并更新 Salesforce 记录。但对于你的战略是否正确，它没有任何意见。

人格代理 是决策工具。它们通过对特定个人的作品集（电子邮件、备忘录、播客转录稿、内部文件、公开著作）进行微调，来体现该个人的决策启发式（decision heuristics）。Fred 智能体不是“一个协助战略的 AI”，它是“一个像 Fred Ehrsam 那样思考战略的 AI”。

这种区别不仅仅是营销手段。一个极具效率的人数十年来的决策代表了一种压缩的知识形式，这是任何通用基础模型都无法复制的。当你询问 Balaji 智能体某个产品功能是否符合主权互联网的长期愿景时，你不是在要求 GPT-5 进行角色扮演。你是在向一个专注研究该问题二十年的人的微调提炼版本提问。

许可问题——以及它背后隐藏的挑战​

Ehrsam 和 Srinivasan 都公开支持该项目，这避开了最显而易见的法律雷区。这里没有 Scarlett Johansson 式的争议，也没有演员工会的诉讼。认知副本的存在是因为本人表示了同意。

但征得同意只解决了问题中较容易的部分。还有三个更棘手的问题有待解决。

关于非授权公众人物？ Character.AI、Estha 等数十个消费级平台已经托管了用户生成的机器人，模仿 Elon Musk、Vitalik Buterin 以及爱因斯坦和苏格拉底等历史人物。大多数是在未经许可的情况下制作的。华盛顿州在 2026 年 4 月扩展了其人格权法，以涵盖 AI 生成的深度伪造。纽约也颁布了类似的保护措施，包括针对已故人士。欧盟 AI 法案（EU AI Act）关于合成内容的透明度要求将于 2026 年 8 月 2 日生效。未经授权的人格代理的法律制度正在迅速完善，但针对去中心化的粉丝制作机器人的执法将是一场长期而丑陋的斗争。

关于 Fred 或 Balaji 之外的员工？ 越来越多的科技工作者要求在合同中加入条款，规定其声音、文字和决策日志在 AI 训练中的使用。2026 年的一项行业调查发现，约 42% 的科技工作者在签署录用通知前希望获得明确的“数字形象（digital likeness）”保护。随着公司开始对内部 Slack 消息、代码审查和设计备忘录进行智能体微调，谁拥有员工的认知产出——以及公司在员工离职后是否可以继续部署该产出——的问题正从理论走向实际操作。

关于原本人士不断变化的观点？ 人格代理是一个快照。2028 年真实的 Balaji Srinivasan 将根据新数据更新他的想法；而 Coinbase Slack 中的 Balaji 智能体则不会，除非有人对其进行重新训练。随着时间的推移，智能体与本人会发生分歧——而嵌入日常决策中的智能体，最终可能比它所模拟的本人拥有更多的实际影响力。

为什么加密行业率先抵达这里​

并非偶然，大型公司中第一个高调部署人格化代理的是 Coinbase，而不是高盛或微软。

加密行业具有极强的创始人驱动特性。少数思想家——Vitalik Buterin、Hayden Adams、倒台前的 Su Zhu、Anatoly Yakovenko 以及构建早期协议的人们——的直觉塑造了数以十亿美元计的决策。当这些人离开、分心或拒绝表态时，他们协助建立的机构就会失去一种运作指南针。将这种指南针捕获为软件，在加密行业比在决策更为分散的行业中具有更明显的价值。

加密文化也将身份和所有权的激进实验常态化。正是这个行业给了我们匿名创始人、DAO 和代币化的社交资本，因此它很自然地接受了这样一个观点：一个人的认知风格可能是一种可交易、可部署的资产。Srinivasan 本人多年来一直认为，加密货币和互联网开启了新形式的“退出（exit）”——隐晦地也包括退出作为影响力限制因素的物理实体存在。

最后，加密公司在结构上已经非常精简且 AI 优先。Coinbase 2026 年 5 月的重组——扁平化的组织架构，每位领导者管理 15 个以上的汇报者，由单个自然人指挥一簇代理人的 AI 原生小组——是一个本就信任代码胜过中层管理的劳动力的自然终点。人格化代理契合这种文化，而无法融入拥有 20 万人的银行。

竞争格局：Delphi、Imbue 和人格化技术栈​

Coinbase 并没有发明人格化代理；它将其企业化产品化了。底层技术栈已经形成了数年。

Delphi.ai 自 2023 年以来一直在构建消费级的“数字大脑（Digital Minds）”——经过微调的专家语音和文本副本，嵌入在网站、Slack、WhatsApp 和语音通话中。创始人 Dara Ladjevardian 将 2026 年称为数字大脑采用的转折点，该公司的平台在结构上与 Coinbase 内部运行的系统非常相似。

Imbue 和其他语音代理厂商 一直致力于实时人格化对话，微调后的模型不仅写起来像本人，说话也像本人，拥有正确的语速和语调。

Character.AI 主导了消费端，数百万用户与粉丝制作的名人和历史人物机器人聊天。

Replika 处于另一个细分市场——专注于单一、持久的陪伴型代理，倾向于建立关系而非模仿特定的人。

Coinbase 部署的新颖之处在于背景：不是消费娱乐，也不是个人生产力，而是高级战略层面的企业决策支持。一旦这种模式得到验证，每家财富 500 强公司都有一个显而易见的举措——找回你已退休的创始人、离职的 CTO 或最有影响力的前产品负责人的认知孪生。

劳动力市场的影响​

如果人格化代理奏效，它们将创造一种新的资产类别。

拥有强大认知品牌的公众人物——投资者、创始人、科学家、作家——将授权他们的思维模式。Matthew McConaughey 已经在 2026 年提交了八项联邦商标申请，以保护他的名字、形象、声音和口头禅不被 AI 使用。下一步则是反向操作：刻意将这些元素作为一种服务进行授权。想象一下一种 SaaS 订阅，任何公司都可以每年花费 5 万美元启动一个“Naval Ravikant 代理”，该代理基于 Naval 的著作进行了微调，并由他本人亲自验证。这种经济学是成立的，因为认知劳动一旦被捕获，就可以无限扩展。

对于普通的知识工作者来说，影响更为模糊。将 Fred Ehrsam 转化为基础设施的微调技术，同样可以将高级工程师转化为基础设施。2026 年 5 月被 Coinbase 裁掉的 14% 的员工，很可能贡献了成千上万份备忘录、设计文档和 Slack 消息，而这些现在都成了训练数据。这些员工是否对自己作品训练出的代理人的认知输出保留任何权利，是未来五年核心的劳动力问题之一。

最具先见之明的反应是现在就开始将你自己的决策日志视为复利资产。你写的每一份备忘录，录制的每一个播客，参与的每一次设计评审，都是潜在的微调数据——要么是为你控制和授权的代理人准备的，要么是为别人未经允许训练的代理人准备的。这两种结果的不对称性，决定了你是拥有自己的认知输出，还是从捕获它的公司那里租回它。

这对 Web3 建设者意味着什么​

Web3 创始人正处于这一趋势的一个特殊交汇点。他们的工作通常非常公开——大多数人都在公开场合写博客、录播客、发推文并交付代码。这使他们成为被自己或他人捕获为人格化代理的理想候选人。如果他们行动迅速，这也使他们处于货币化这种捕获的有利位置。

值得考虑的三个具体动作：

  1. 刻意存档你的决策历史。 如果你正在运行一个协议或 Web3 公司，请将你的设计备忘录、治理提案和内部 Slack 视为你判断力的长篇记录。备份它。标记它。使其可查询。2030 年以软件形式存在的你，其质量将取决于你现在积累的语料库。

  2. 关注授权基础设施。 让公众人物训练、验证和授权他们自己数字大脑的工具——Delphi 以及与其竞争的下一代平台——正在成为认知劳动的 iTunes。在别人训练你的微调模型之前，拥有自己的模型至关重要。

  3. 为你的协议规划机构记忆。 尤其是 DAO，很容易失去创始人的语境——最初团队对特定治理决策的初衷，或者为什么特定经济参数被设定成那样。在 DAO 的 Discord 中部署一个训练有素的创始团队人格化代理，是自然的解决方案。

更宏大的格局​

Coinbase 推出的 Fred 和 Balaji AI 代理方案只是一个单一的案例。但它预示着一个更大的趋势：一个即将到来的认知副本劳动力市场，这是一种全新的企业软件类别。在这里，AI 代理不仅仅是执行任务，而是体现了特定知名人士的判断力。

在这个世界里，最有价值的企业校友是那些思维模式被最完美捕捉的人。最有价值的员工是那些拥有自己微调（fine-tunes）模型的人。而最有价值的公司，则是那些懂得如何组建由人类和人格化代理组成的团队，并让双方优势互补、产生复利效应的公司。

加密行业——充满了极具影响力的创始人，对“自我所有权”作为一种产品有着极高的接受度，并且已经在以足够精简的架构运行以吸收运营冲击——将是这一实验最早开展且竞争最激烈的地方。Coinbase 在 4 月 18 日打响了第一枪。竞赛已经开始。

BlockEden.xyz 为在 Sui、Aptos、Ethereum、Solana 以及 27+ 条链上构建的 Web3 开发者提供可靠的 RPC 和索引基础设施。随着认知基础设施变得与计算基础设施同等重要，你所构建的基础仍需达到企业级标准。访问我们的 API 市场，在专为长久稳定而设计的轨道上进行开发。

参考资料​