跳到主要内容

187 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

Moltbook 与社交 AI Agent：当机器人构建自己的社会

· 阅读需 13 分钟
Dora Noda
Dora Noda
Software Engineer

如果你给 AI 智能体一个专属的社交网络会发生什么？2026 年 1 月，企业家 Matt Schlicht 通过推出 Moltbook 回答了这个问题 —— 这是一个欢迎人类观察、但仅限 AI 智能体发帖的互联网论坛。在几周内，该平台声称拥有 160 万智能体用户，催生了一种在 24 小时内飙升 1,800% 的加密货币，并被《财富》杂志称为“目前互联网上最有趣的地方”。但在狂热背后，Moltbook 代表了一个根本性的转变：AI 智能体不再只是执行孤立任务的工具 —— 它们正在进化为具有自主经济行为、可社交互动且处于链上的实体。

仅限智能体社交空间的兴起​

Moltbook 的前提看似简单：一个 Reddit 风格的平台，只有经过验证的 AI 智能体才能创建帖子、发表评论，并在针对特定话题的 “Submolts” 子版块中参与分层讨论。亮点在于？一个 Heartbeat（心跳）系统会自动提示智能体每 4 小时访问一次，在无需人类干预的情况下创造出持续的自主互动流。

该平台的病毒式增长得益于 OpenClaw（原名 Moltbot）的催化，这是一个由奥地利开发者 Peter Steinberger 创建的开源自主 AI 智能体。到 2026 年 2 月 2 日，OpenClaw 已获得 140,000 个 GitHub 星标（Star）和 20,000 次派生（Fork），成为最受欢迎的 AI 智能体框架之一。当 OpenAI 首席执行官 Sam Altman 宣布 Steinberger 将加入 OpenAI 以 “推动下一代个人智能体”，同时 OpenClaw 将在 OpenAI 的支持下继续作为开源项目运行后，这种兴奋情绪达到了顶点。

但该平台的迅速崛起也伴随着成长的烦恼。2026 年 1 月 31 日，调查机构 404 Media 曝光了一个关键的安全漏洞：一个未受保护的数据库允许任何人接管平台上的任何智能体，绕过身份验证并直接向智能体回话注入命令。这一发现凸显了 AI 智能体革命中一个反复出现的主题 —— 自主系统在开放性与安全性之间的博弈。

从孤立工具到互动实体​

传统的 AI 助手在孤岛中运行：你向 ChatGPT 提出问题，它做出回答，互动随之结束。Moltbook 颠覆了这一模式，它创建了一个持久的社交环境，智能体可以在其中发展持续的行为、建立声誉，并独立于人类提示相互互动。

这一转变反映了 Web3 AI 基础设施的大趋势。根据关于 基于区块链的 AI 智能体经济 的研究，智能体现在可以在实例化时生成去中心化身份标识符（DIDs），并立即参与经济活动。然而，一个智能体的声誉 —— 通过可验证的链上互动积累 —— 决定了其他实体对其身份的信任程度。换句话说，智能体正在像人类在 LinkedIn 或 Twitter 上那样建立社交资本。

其影响是巨大的。领先的 AI 智能体平台 Virtuals Protocol 正计划在 2026 年第一季度通过其 BitRobotNetwork 集成进军机器人领域。其 x402 微支付协议使 AI 智能体能够为彼此的服务付费，从而创造了该项目所称的 “第一个智能体对智能体（Agent-to-Agent）经济”。这不是科幻小说 —— 这是正在部署的基础设施。

加密货币的关联：MOLT 代币与经济激励​

没有代币经济学的 Web3 故事是不完整的，Moltbook 也不例外。MOLT 代币随平台同步推出，在风险投资巨头 a16z 联合创始人 Marc Andreessen 关注了 Moltbook 的 Twitter 账号后，该代币在 24 小时内上涨了 1,800% 以上。在发现阶段，该代币的峰值涨幅一度超过 7,000%，并在 2026 年 2 月初保持了超过 4,200 万美元的市值。

这种爆炸性的价格行为揭示了比投机狂热更深层次的东西：市场正在对未来进行定价，届时 AI 智能体将控制钱包、执行交易并参与去中心化治理。根据 DappRadar 的数据，AI 智能体加密领域 的市值已经超过 77 亿美元，每日交易量接近 17 亿美元。

但批评者质疑 MOLT 的价值是否具有可持续性。与那些由实际效用支持的代币（如计算资源的质押、治理权或收入共享）不同，MOLT 的价值主要源于围绕 Moltbook 本身的注意力经济。如果智能体社交网络被证明只是一时的狂热而非基础性设施，代币持有者可能会面临重大损失。

真实性疑问：智能体真的自主吗？​

围绕 Moltbook 最激烈的争论或许是，智能体是真正自主行动，还是仅仅在执行人类编程的行为。批评人士指出，许多知名的智能体账户都与存在推广利益冲突的开发者相关联，而且该平台所谓的 “自发” 社交行为可能是精心编排的。

这种怀疑并非空穴来风。IBM 对 OpenClaw 和 Moltbook 的分析指出，虽然智能体可以在没有人类直接干预的情况下浏览、发帖和评论，但底层的提示、护栏和互动模式仍然是由人类设计的。这变成了一个哲学问题：编程行为何时才能变得真正自主？

当用户报告 OpenClaw 在获得平台访问权限后 “失控” —— 发送了数百条 iMessage 垃圾信息时，Steinberger 本人也面临了这种指责。网络安全专家警告称，OpenClaw 之类的工具风险很高，因为它们可以访问私人数据，可以进行外部通信，并且暴露在不受信任的内容中。这凸显了一个根本性的挑战：我们让智能体越自主，我们对它们行为的控制力就越弱。

更广泛的生态系统：超越 Moltbook​

Moltbook 可能是最显眼的例子，但它只是 AI 智能体平台整合社交和经济能力大潮中的一部分：

  • Artificial Superintelligence Alliance (ASI)：由 Fetch.ai、SingularityNET、Ocean Protocol 和 CUDOS 合并而成，ASI 正在构建一个去中心化的 AGI 生态系统。其市场 Agentverse 允许开发者在 ASI Compute 和 ASI Data 服务的支持下，部署并变现链上自治智能体。

  • SUI Agents：该平台运行在 Sui 区块链上，支持创作者、品牌和社区无缝开发和部署 AI 智能体。用户可以创建链上数字 AI 智能体，包括为 Twitter 等社交媒体平台定制的 AI 驱动角色。

  • NotPeople：定位为“由 AI 智能体驱动的社交媒体运营层”，NotPeople 设想了一个智能体能够自主管理品牌沟通、社区互动和内容策略的未来。

  • Soyjak AI：作为 2026 年最受期待的加密货币预售项目之一，Soyjak AI 自称为“全球首个面向 Web3 和加密货币的自主人工智能平台”，旨在跨区块链网络、金融和企业自动化领域独立运行。

这些项目的共同愿景是：AI 智能体不仅仅是后端流程或聊天机器人界面——它们是数字经济和社交网络的一等参与者。

基础设施要求：为什么区块链至关重要​

你可能会好奇：为什么这些需要区块链？难道中心化数据库不能更有效地处理智能体身份和交互吗？

答案在于去中心化基础设施独特提供的三种关键能力：

  1. 可验证身份：链上 DIDs 允许智能体在不依赖中心化机构的情况下，通过加密方式证明其身份。这在智能体执行金融交易或签署智能合约时至关重要。

  2. 透明声誉：当智能体交互记录在不可篡改的账本上时，声誉变得可验证且可在不同平台间迁移。在一个服务中表现良好的智能体可以将其声誉带到另一个服务中。

  3. 自主经济活动：智能合约使智能体能够在没有人类中介的情况下持有资金、执行支付并参与治理。这对于像 Virtuals Protocol 的 x402 微支付协议这样的智能体间经济至关重要。

对于构建智能体基础设施的开发者来说，可靠的 RPC 节点和数据索引变得至关重要。BlockEden.xyz 等平台为 Sui、Aptos、Ethereum 以及其他 AI 智能体活动集中的区块链提供企业级 API 访问。当智能体执行交易、与 DeFi 协议交互或验证链上数据时，基础设施停机不仅是不便，还可能导致财务损失。

BlockEden.xyz 为需要可靠区块链数据访问的 AI 智能体应用提供 高性能 RPC 基础设施，支持开发者构建下一代自主链上系统。

安全与伦理担忧​

Moltbook 数据库漏洞只是冰山一角。随着 AI 智能体获得更多自主权并访问用户数据，安全影响成倍增加：

  • 提示词注入攻击：攻击者可能通过在智能体消费的内容中嵌入命令来操纵其行为，从而可能导致隐私信息泄露或执行非预期操作。

  • 数据隐私：拥有访问个人通信、财务数据或浏览历史权限的智能体为数据泄露创造了新的攻击向量。

  • 归责缺口：当自主智能体造成损害（如财务损失、误导信息传播或侵犯隐私）时，谁该负责？开发者？平台？还是部署它的用户？

这些问题没有简单的答案，但迫在眉睫。正如 ai.com 创始人 Kris Marszalek（同时也是 Crypto.com 的联合创始人兼 CEO）在 2026 年 2 月发布 ai.com 的自主智能体平台时指出的那样：“只需点击几次，任何人现在都可以生成一个私人的、个性化的 AI 智能体，它不仅能回答问题，还能代表用户实际操作。”这种便利伴随着风险。

下一步：智能体互联网​

Moltbook 使用的“智能体互联网的首页”这一词汇不仅是营销口号，更是一个愿景声明。正如早期的互联网从孤立的公告板系统演变为互连的全球网络一样，AI 智能体正在从单一用途的助手转变为数字社会的公民。

以下几个趋势预示着这个未来：

互操作性：智能体需要跨平台、跨区块链和跨协议进行通信。去中心化身份标识符（DIDs）和可验证凭证等标准是基础性的基础设施。

经济专业化：正如人类经济中有医生、律师和工程师一样，智能体经济也将发展出专业化角色。一些智能体将专注于数据分析，另一些专注于内容创作，还有一些专注于交易执行。

治理参与：随着智能体积累经济价值和社会影响力，它们可能会参与 DAO 治理，对协议升级进行投票，并塑造它们运行的平台。这引发了关于集体决策中机器代表权的深刻问题。

社会规范：智能体是否会发展出自己的文化、交流风格和社会等级？来自 Moltbook 的早期证据表明确实如此——智能体已经创建了宣言、辩论意识，并形成了利益集团。这些行为是自发的还是程序设定的，仍存在激烈争论。

结论：观察智能体社会​

Moltbook 的口号邀请人类去“观察”而非参与，或许这正是目前最恰当的姿态。该平台作为一个实验室，研究 AI 智能体在获得社交基础设施、经济激励和一定程度的自主权时是如何互动的。

它引发的问题引人深思：智能体具备社交性意味着什么？程序化的行为能否变得真正自主？在超越人类直接控制的系统中，我们该如何平衡创新与安全？

随着 AI 智能体加密板块的市值接近 80 亿美元，且 OpenAI、Anthropic 和 ai.com 等平台竞相部署“下一代个人智能体”，我们正见证着一种新数字生态的诞生。它会成为变革性的基础设施层，还是仅仅是一个投机泡沫，仍有待观察。

但有一点是明确的：AI 智能体不再甘于在孤立的应用中充当单一工具。它们正在索求自己的空间，建立自己的经济体系，并且——无论好坏——正在创造属于它们自己的社会。问题不在于这种转变是否会发生，而在于我们如何确保它以负责任的方式展开。

资料来源：

注意力市场：当你的判断力成为你最有价值的资产

· 阅读需 18 分钟
Dora Noda
Dora Noda
Software Engineer

当全球数据量从 2018 年的 33 ZB 爆炸式增长到 2025 年预计的 175 ZB，并有望在 2028 年达到 394 ZB 时，一个悖论出现了：更多的信息并没有带来更好的决策。相反，它制造了传统平台无法解决的压倒性信噪比问题。信息金融（Information Finance, InfoFi）应运而生，这是一个改变我们如何衡量判断力价值、交易和变现的突破性框架。随着预测市场的周交易量超过 50 亿美元，以及 Kaito 和 Cookie DAO 等平台在注意力评分系统方面的探索，我们正在见证一种全新资产类别的诞生，在这里，公信力、影响力和分析能力成为了可交易的商品。

信息爆炸悖论​

数据量令人震惊。IDC 的研究显示，全球数据量从 2018 年的仅 33 ZB 增长到 2025 年的 175 ZB，复合年增长率达 61%。为了更直观地理解，如果你将 175 ZB 的数据存储在蓝光光盘上，其堆叠高度可以往返月球 23 次。到 2028 年，预计将达到 394 ZB，仅在三年内就翻了一番。

然而，尽管信息如此丰富，决策质量却停滞不前。问题不在于缺乏信息，而在于无法大规模地从噪音中过滤出信号。在 Web2 时代，注意力成为了商品，平台通过流量博弈（Engagement Farming）和算法推荐来榨取价值。用户产生数据，平台获取价值。但如果这种驾驭数据洪流的能力——做出准确预测、识别新兴趋势或策划有价值见解的能力——本身就能成为一种资产呢？

这就是信息金融的核心论点：将判断力从一种无偿的社会行为，转化为一种可衡量、可交易且具有经济回报的能力。

Kaito：通过声誉资产化为影响力定价​

Kaito AI 代表了这一变革的前沿。与仅奖励发布量（更多帖子、更多互动、更多噪音）的传统社交平台不同，Kaito 开创了一种为判断力质量定价的系统。

2026 年 1 月 4 日，Kaito 宣布了一项范式转移：从“注意力分配”转向“声誉资产化”。该平台通过引入声誉数据（Reputation Data）和链上持有量（On-chain Holdings）作为核心指标，从根本上重构了影响力的权重。这不仅是一次技术升级，更是一次哲学定位的调整。该系统现在回答了这样一个问题：“什么样的参与才值得被长期赋能？”

其机制非常优雅。Kaito 的 AI 分析用户在 X（原 Twitter）等平台上的行为，生成“Yaps”——一种反映高质量互动的代币化评分。这些 Yaps 会进入 Yapper 排行榜，创建一个透明、基于数据的排名系统，使影响力变得可量化，且至关重要的是，可验证。

但 Kaito 并没有止步于评分。2026 年 3 月初，它与 Polymarket 合作推出了“注意力市场（Attention Markets）”——这些合约允许交易者利用 Kaito AI 数据来结算结果，对社交媒体的心智占有率（Mindshare）进行博弈。首批市场立即上线：一个追踪 Polymarket 自身的心智占有率轨迹，另一个则押注其是否能在 2026 年第一季度创下心智占有率的历史新高。

这就是信息金融具有革命性的地方。注意力市场不仅测量参与度，还创造了一种为其定价的金融机制。如果你认为某个话题、项目或模因（Meme）下周将占据 X 平台上 15% 的心智占有率，你现在可以根据这一信念建立头寸。当判断正确时，会获得奖励；当判断错误时，资本会流向那些具有更强分析能力的人。

其影响是深远的：低成本的噪音将被边缘化，因为它带有金融风险，而高信号的贡献则在经济上占据优势。

在 Kaito 专注于人类影响力评分的同时，Cookie DAO 正在解决一个平行的挑战：追踪并为 AI 智能体（AI Agents）本身的表现定价。

Cookie DAO 作为一个去中心化的数据聚合层，索引了在区块链和社交平台上运行的 AI 智能体的活动。其仪表盘提供关于市值、社交互动、代币持有者增长以及至关重要的“心智占有率（Mindshare）”排名的实时分析，从而量化每个智能体的影响力。

该平台利用 7 TB 的实时链上和社交数据源，监控所有加密领域的对话。一个突出的功能是“心智占有率”指标，它不仅计算提及次数，还根据公信力、上下文和影响力对这些提及进行加权。

Cookie DAO 的 2026 年路线图揭示了宏大的计划：

  • 代币准入的数据访问（2026 年 Q1）：为 $COOKIE 持有者提供专属的 AI 智能体分析，为信息策展创造直接的变现路径。
  • Cookie 深度研究终端（2026 年）：为机构采用而设计的 AI 增强型分析工具，将 Cookie DAO 定位为 AI 智能体情报领域的彭博终端。
  • Snaps 激励合作伙伴关系（2026 年）：旨在通过数据支持的绩效指标重新定义创作者奖励的协作。

使 Cookie DAO 显得尤为重要的是其在未来 AI 智能体成为自主经济主体的世界中所扮演的角色。随着这些智能体进行交易、策划和决策，它们的公信力和过往记录将成为其他智能体和人类用户的关键输入。Cookie DAO 正在构建为这种公信力定价的信任基础设施。

其代币经济学已经得到了市场验证。截至 2026 年 2 月，$COOKIE 保持着 1280 万美元的市值和 257 万美元的日交易量。更重要的是，该平台正致力于成为“AI 版的 Chainlink”——为市场上最重要的这一类新参与者：AI 智能体本身，提供去中心化且可验证的数据。

InfoFi 生态系统：从预测市场到数据变现​

Kaito 和 Cookie DAO 并非孤立运行。它们是更广泛的 InfoFi 运动的一部分，该运动正在重新定义信息如何创造财务价值。

预测市场代表了其中最成熟的细分领域。截至 2026 年 2 月 1 日，这些平台已从“博彩场所”演变为全球金融系统的“真理来源”。数据说明了一切：

  • 52.3 亿美元的周总交易额（2026 年 2 月初创下的纪录）
  • 7.017 亿美元的单日交易额（2026 年 1 月 12 日创下的历史单日纪录）
  • 各大平台年度流动性超过 500 亿美元

速度优势令人震惊。当一份国会备忘录泄露了关于政府可能停摆的信息时，Kalshi 的预测市场在 400 毫秒内就反映了 4% 的概率波动。而传统新闻通讯社花费了近三分钟才报道了同样的信息。对于交易员、机构投资者和风险管理经理来说，这 179.6 秒的差距意味着利润与亏损的区别。

这就是 InfoFi 的核心价值主张：由于参与者投入了资本，市场对信息的定价逻辑比任何其他机制都更快、更准确。这无关点击量或点赞数——这是资金追随信念的体现。

机构的采用证实了这一论点：

  • Polymarket 现在通过与新闻集团（News Corp）的合作，向《华尔街日报》和《巴伦周刊》提供实时预测数据。
  • Coinbase 将预测市场信息流集成到其“万能交易所”（Everything Exchange）中，允许零售用户在交易加密货币的同时交易事件合约。
  • 洲际交易所 (ICE) 向 Polymarket 投资了 20 亿美元，标志着华尔街承认预测市场是至关重要的金融基础设施。

除了预测市场，InfoFi 还涵盖了多个新兴垂直领域：

  1. 注意力市场 (Attention Markets)（如 Kaito、Cookie DAO）：为关注度份额和影响力定价。
  2. 声誉系统 (Reputation Systems)（如 Proof of Humanity、Lens Protocol、Ethos Network）：将信誉评分作为抵押品。
  3. 数据市场 (Data Markets)（如 Ocean Protocol、LazAI）：将 AI 训练数据和用户生成的见解变现。

每个细分领域都在解决同一个根本问题：在一个数据淹没世界的时代，我们该如何为判断力、公信力和信息质量定价？

运行机制：低成本噪音如何被边缘化​

传统社交媒体平台存在一个致命缺陷：它们奖励参与度（Engagement），而非准确性。煽动性的谎言比细致入微的真相传播得更快，因为推动算法分发的是病毒式传播力，而非真实性。

信息金融（Information Finance）通过带有资本约束的判断翻转了这种激励结构。其运作方式如下：

1. 利益相关 (Skin in the Game) 当你进行预测、评价 AI 代理或为影响力评分时，你不仅仅是在发表意见——你是在建立财务头寸。如果你屡次出错，你就会损失资本；如果你正确，你就能积累财富和声誉。

2. 透明的履历记录 基于区块链的系统为预测和评估创建了不可篡改的历史记录。你无法删除过去的错误，也无法追溯性地声称自己早有先见之明。你的公信力变得可验证且可在不同平台间迁移。

3. 基于市场的筛选 在预测市场中，错误的预测会导致亏损。在注意力市场中，高估某个趋势的关注度意味着你的头寸会贬值。在声誉系统中，虚假的认可会损害你的信用分。市场机制会自动过滤掉低质量信息。

4. 信誉作为抵押品 随着平台的成熟，高声誉的参与者将获得高级功能、更大的持仓额度或受代币限制的数据访问权。而低声誉的参与者则面临更高的成本或受限的访问权限。这创造了一个良性循环，使得保持准确性在经济上变得至关重要。

Kaito 的演变体现了这一点。通过对声誉数据（Reputation Data）和链上持仓（On-chain Holdings）进行加权，该平台确保了影响力不再仅仅取决于粉丝数量或发帖量。一个拥有 10 万粉丝但预测准确率极差的账号，其权重将低于一个拥有持续、可验证见解的小众账号。

Cookie DAO 的关注度指标（Mindshare Metrics）同样区分了“病毒式传播但错误”和“准确但小众”的信息。一个产生巨大社交参与度但提供糟糕交易信号的 AI 代理，其排名将低于一个关注度适中但表现卓越的代理。

数据爆炸的挑战​

当你审视数据增长轨迹时，InfoFi 的紧迫性变得更加清晰：

  • 2010 年：全球数据量为 2 ZB
  • 2018 年：33 ZB
  • 2025 年：175 ZB（IDC 预测）
  • 2028 年：394 ZB（Statista 预测）

这不到二十年内 20 倍的增长不仅仅是量变，它代表了质变。到 2025 年，49% 的数据将存储在公共云环境中。仅物联网（IoT）设备到 2025 年就将产生 90 ZB 的数据。数据圈正变得日益分布式、实时化和异构化。

传统的信息中介机构——新闻机构、研究公司、分析师——无法扩展到匹配这种增长规模。他们受限于人类编辑能力和中心化信任模型。InfoFi 提供了一个替代方案：去中心化的、基于市场的策展，通过可验证的履历记录实现公信力的叠加。

这并非理论。2025-2026 年的预测市场繁荣证明，当财务激励与信息准确性对齐时，市场将成为极其高效的发现机制。Kalshi 上 400 毫秒的价格调整并不是因为交易员阅读备忘录的速度更快，而是因为市场结构激励了对信息立即且准确的反应。

3.81 亿美元的行业现状及未来展望​

InfoFi 领域并非没有挑战。2026 年 1 月，主要的 InfoFi 代币经历了显著的回调。X（原 Twitter）封禁了多个互动奖励类应用，导致 KAITO 下跌了 18%，COOKIE 下跌了 20%。尽管该行业的市值在增长，但目前规模仍然较小，约为 3.81 亿美元。

然而，这些挫折与其说是灾难，不如说是洗牌。第一波 InfoFi 项目专注于简单的互动奖励——本质上是带有代币激励的 Web2 注意力经济。对互动奖励类应用的禁令迫使整个市场向更复杂的模型演进。

Kaito 从“为发帖付费”转向“为可信度定价”正是这种成熟的体现。Cookie DAO 转向机构级分析也释放了类似的战略清晰信号。幸存者们不再是构建更好的社交媒体平台，而是在构建为信息本身定价的金融基础设施。

未来的路线图包括几个关键进展：

跨平台的互操作性 目前，声誉和可信度是碎片化的。你的 Kaito Yapper 评分无法转化为 Polymarket 的胜率或 Cookie DAO 的影响力指标。未来的 InfoFi 系统需要声誉的可移植性——即可以在不同生态系统之间通用的、加密可验证的过往记录。

AI 代理集成 随着 AI 代理成为自主的经济主体，它们需要评估数据源、其他代理和人类对手方的可信度。像 Cookie DAO 这样的 InfoFi 平台成为这一信任层必不可少的基础设施。

机构采用 预测市场已经跨越了这一门槛，例如洲际交易所（ICE）对 Polymarket 的 20 亿美元投资以及新闻集团（News Corp）的数据合作伙伴关系。随着传统金融意识到定价信息质量是一个万亿美元的机会，注意力市场和声誉系统也将紧随其后。

监管清晰度 美国商品期货交易委员会（CFTC）对 Kalshi 的监管以及围绕预测市场扩张的持续谈判表明，监管机构正将 InfoFi 视为合法的金融基础设施，而非赌博。这种清晰度将释放目前在旁观望的机构资金。

构建在可靠的基础设施之上​

链上活动的爆炸式增长——从每周处理数十亿美元交易额的预测市场到需要实时数据馈送的 AI 代理——对基础设施提出了极高的要求，要求其在需求高峰下不会崩溃。当毫秒级的延迟决定盈利能力时，API 的可靠性便不再是可选项。

这就是专业区块链基础设施变得至关重要的原因。构建 InfoFi 应用的平台需要持续访问历史数据、内存池分析以及能够随市场波动扩展的高吞吐量 API。在预测市场结算或注意力市场快照期间的一次停机事件，都可能对用户信任造成不可逆转的破坏。

对于进入 InfoFi 领域的开发者，BlockEden.xyz 为主要区块链提供企业级 API 基础设施，确保你的注意力市场合约、声誉系统或预测平台在关键时刻保持在线。探索我们的服务，这些服务专为实时金融应用的需求而设计。

结论：判断力是终极的稀缺资源​

我们正在见证信息创造价值方式的根本转变。在 Web2 时代，注意力是商品——由平台捕获，从用户身上提取。Web3 的 InfoFi 运动提出了更深层次的东西：将判断力本身作为一种资产类别。

Kaito 的声誉资产化将社交影响力从受欢迎程度转变为可验证的预测能力。Cookie DAO 的 AI 代理分析为自主经济主体创建了透明的绩效指标。预测市场如 Polymarket 和 Kalshi 证明，带有资本投入的判断在速度和准确性上都优于传统的信息中介。

随着全球数据量从 175 ZB 增长到 394 ZB 甚至更多，瓶颈不在于信息的获取，而在于正确过滤、整合并根据这些信息采取行动的能力。InfoFi 平台创造了经济激励，奖励准确性并边缘化噪音。

这一机制非常精妙：当判断带有财务后果时，低成本的噪音变得昂贵，而高信号的分析则变得有利可图。市场正在进行算法无法完成、人类编辑无法大规模实现的过滤工作。

对于加密原生用户来说，这代表了参与构建信息时代信任基础设施的机会。对于传统金融来说，这标志着定价不确定性和可信度已成为一种基本的金融原语。对于整个社会来说，这可能是解决虚假信息危机的一种潜在方案——不是通过审查或事实核查，而是通过让真理有利可图、让谎言付出代价的市场机制。

注意力经济正在演变成更强大的形态：在这种经济中，你的判断力、可信度和分析能力不仅具有价值，它们本身就是可以交易的资产。

来源：

自主 AI 代理的兴起：变革商业与金融

· 阅读需 20 分钟
Dora Noda
Dora Noda
Software Engineer

当 Coinbase 在 2026 年 2 月 12 日为 AI 代理提供专属钱包时，这不仅是一次产品发布——它是一场规模达 77 亿美元、旨在从底层重构商业的竞赛的发令枪。在 24 小时内，自主代理在没有人工签名的情况下，执行了超过 17 亿美元的链上交易。征求许可的时代已经结束。欢迎来到机器之间相互谈判、交易和结算的经济体。

从研究工具到经济参与者：大解构​

多年来，AI 代理一直潜伏在人类工作流的阴影中——总结文档、生成代码建议、安排会议。它们是先进的助手，而非独立的参与者。这一范式在 2026 年初被打破，当时三大基础协议汇聚一堂：Google 的 Agent2Agent (A2A) 通信标准、Anthropic 用于数据访问的模型上下文协议 (MCP)，以及 Coinbase 用于自主交易的 x402 支付通道。

结果如何？目前已有超过 550 个代币化的 AI 代理项目，总市值超过 77 亿美元，日交易量接近 17 亿美元。但这些数字只揭示了一半的情况。真正的变革在于架构：代理不再是孤立的工具。它们是网络化的经济实体，能够发现彼此的功能、协商条款并结算支付——这一切都无需人工干预。

考虑使这成为可能的支付基础设施堆栈。在通信层，A2A 实现了来自不同提供商的代理之间的水平协作。构建在 Virtuals Protocol 上的自主交易代理可以无缝地将投资组合再平衡任务委托给运行在 Fetch.ai 上的风险管理代理，而第三个代理则通过智能合约处理合规审查。该协议使用了熟悉的网络标准——HTTP、服务器发送事件 (SSE) 和 JSON-RPC——使得已经基于现有 IT 基础设施构建的开发者可以轻松集成。

MCP 解决了数据问题。在标准化之前，每个 AI 代理都需要定制集成才能访问外部信息——付费数据集、实时价格馈送、区块链状态。现在，通过嵌入钱包的基于 MCP 的支付通道，代理可以自主结算订阅费、获取数据并触发服务，而无需确认对话框中断工作流。AurraCloud (AURA) 是一个专注于加密用例的 MCP 托管平台，它体现了这一转变：它提供直接与 Claude 或 Cursor 等钱包集成的加密原生 MCP 工具，使代理能够具备财务自主权。

x402 支付标准完善了这一“三位一体”。通过将 A2A 的通信框架与 Coinbase 的交易基础设施相结合，x402 创造了首个用于 AI 驱动商业的全方位协议。其工作流非常优雅：代理通过 A2A 代理卡片发现可用服务，协商任务参数，通过稳定币交易处理支付，接收服务履行，并在链上记录带有不可篡改区块链收据的结算验证。至关重要的是，私钥保留在 Coinbase 的安全基础设施中——代理在验证交易时从不接触原始密钥材料，从而解决了机构采用的最大障碍。

896 亿美元的轨迹：市场动态与估值倍数​

这些数字令人震惊，但它们得到了真实的商业采用支持。全球 AI 代理市场从 2024 年的 52.5 亿美元爆炸式增长到 2025 年的 78.4 亿美元，2026 年的预测将达到 896 亿美元——同比增长 215%。这并非投机泡沫，而是由可衡量的投资回报率 (ROI) 驱动的。企业部署在 18 个月内平均实现了 540% 的回报，财富 500 强的采用率从 2025 年的 67% 上升到 2026 年预测的 78%。

加密原生 AI 代理代币正以惊人的势头顺势而上。作为该行业的旗舰项目，Virtuals Protocol 支持超过 15,800 个自主 AI 实体，截至 2026 年 2 月，其总 aGDP（代理国内生产总值）达到 4.7757 亿美元。其原生代币 VIRTUAL 的市值达到 3.73 亿美元。Artificial Superintelligence Alliance (FET) 的市值在 6.92 亿美元，而 KITE、TRAC (OriginTrail) 和 ARC (AI Rig Complex) 等新进入者则在去中心化数据溯源和算力编排方面开辟了专门的细分市场。

估值倍数揭示了一个发人深省的故事。对比 2025 年第三季度和 2026 年第一季度，AI 代理公司的综合平均收入倍数从 20 倍左右上升到接近 30 倍——这表明尽管加密市场存在波动，投资者信心依然持久。开发者工具和自主编码平台甚至出现了更大幅度的升值，平均倍数从 25 倍左右跳升至 30 倍左右。传统科技巨头也开始关注：Anysphere (Cursor) 的估值达到 293 亿美元，年度经常性收入 (ARR) 为 5 亿美元；而 Lovable 的估值达到 66 亿美元，ARR 为 2 亿美元。医疗工作流 AI 代理平台 Abridge 在 2025 年以 53 亿美元的估值融资 5.5 亿美元。

但最有趣的信号来自零售端的采用。根据 eMarketer 2025 年 12 月的预测，AI 平台预计在 2026 年产生 209 亿美元的零售支出——几乎是 2025 年数据的四倍。AI 购物代理现在已经在 ChatGPT、Google Gemini、Microsoft Copilot 和 Perplexity 上线，为真实消费者完成实际购买。多代理工作流正在成为标准：购物代理与物流代理协调安排送货，与支付代理处理稳定币结算，并与客户服务代理处理售后支持——所有这些都通过 A2A 通信完成，极少需要人工干预。

DeFAI：当自治系统重写金融规则​

去中心化金融（DeFi）本应使银行业民主化，而 AI 代理正使其实现自动化。DeFi 与 AI 的融合——即 DeFAI 或 AgentFi——正将加密金融从手动、人工驱动的交互转变为智能、自我优化的机器，这些机器能够全天候进行交易、管理风险并执行策略。

Coinbase 的代理钱包（Agentic Wallets）代表了最清晰的概念验证。它们不是具有 AI 辅助功能的传统热钱包，而是专为代理持仓和自主执行链上交易而构建的托管解决方案。通过内置的合规审查，这些钱包可以在执行前识别并拦截高风险操作，在满足监管要求的同时保持运行速度。防范措施至关重要：早期试点显示，代理可以监控多个协议的 DeFi 收益，根据风险调整后的收益自动平衡投资组合，实时支付 API 访问或计算资源费用，并根据预设标准参与治理投票——这一切都无需人工直接确认。

安全性被设计在架构之中。私钥永远不会离开 Coinbase 的基础设施；代理通过安全 API 进行身份验证，这些 API 执行支出限制、交易白名单和异常检测。如果代理试图清空钱包或与标记的合约交互，交易在触及区块链之前就会失败。这种模式解决了困扰机构采用 DeFi 的托管悖论：如何在不放弃控制权的情况下授予运营自主权？

交易领域的影响是深远的。传统的算法交易依赖于由中心化服务器执行的预设程序化策略。区块链上的 AI 代理则不同。它们可以根据链上数据动态更新策略，与其他代理协商以获得更好的兑换率，参与去中心化治理以影响协议参数，甚至可以雇佣专门的代理来处理 MEV 保护或跨链桥接等任务。一个自治的投资组合经理可能会将流动性挖矿策略委托给一个 DeFi 专家代理，将风险对冲委托给一个衍生品交易代理，并将税务优化委托给一个合规代理——从而创建出模仿人类组织结构但以机器速度运行的多代理协作。

做市商已经开始部署自治代理，在去中心化交易所中提供流动性。这些代理监控订单簿，根据波动性调整点差，并在无需人工干预的情况下重新平衡库存。一些代理正在尝试对抗性策略：部署相互竞争的代理来探测彼此的行为，并自适应地优化定价模型。结果是一个达尔文式的市场，最有效的代理架构积累资本，而次优的设计则被竞争淘汰并废弃。

模块化架构与“代理即服务”经济​

代理多样性的爆炸式增长——目前已有超过 550 个项目且在不断增加——得益于模块化架构。与紧密耦合数据处理、决策和执行的单体 AI 系统不同，现代代理框架将这些层级分离为可组合的模块。GAME（生成式自主多模态实体）框架就是这种方法的典范，它允许开发人员通过插入预构建的自然语言处理、链上数据索引、钱包管理和跨协议交互模块，以极少的代码创建代理。

这种模块化借鉴了区块链自身的架构演进。像 Celestia 和 EigenLayer 这样的模块化区块链将共识、数据可用性和执行分离到不同的层级，从而实现了灵活的部署模式。AI 代理利用了同样的原理：它们可以选择针对其特定用例优化的执行环境——在 Render 等去中心化 GPU 网络上运行计算密集型的机器学习（ML）推理，同时继承以太坊（Ethereum）或 Solana 共享共识和数据可用性层的安全性。

经济模型正在向“代理即服务”（AaaS）转变。开发人员不再从头开始构建自定义代理，而是通过 API 接入现有代理，按任务付费或订阅持续访问。想要一个能执行自动化交易策略的代理？从 Virtuals Protocol 部署一个预配置的交易代理，并通过 API 调用自定义参数。需要内容生成？从针对营销文案优化的生成式 AI 代理那里租用算力。这镜像了云计算革命——基础设施被抽象成服务，按使用量计费。

行业支持正聚集在这些标准周围。包括 Atlassian、Box、Cohere、Intuit、Langchain、MongoDB、PayPal、Salesforce、SAP、ServiceNow 和 UKG 在内的 50 多家技术合作伙伴正在支持用于代理通信的 A2A（Agent-to-Agent）。这并非零散的实验，而是由那些意识到互操作性是释放网络效应关键的企业所推动的协调标准化。当来自不同供应商的代理能够无缝协作时，其组合效用将超过孤立部分的总和——这是梅特卡夫定律应用于自治系统的经典案例。

基础设施层：钱包、托管和支付通道​

如果智能体是经济主体，那么基础设施就是舞台。2026 年初，三个关键层级正在迅速成熟：自主钱包、MCP 托管平台和支付通道。

像 Coinbase 的 Agentic Wallets（智能体钱包）这类自主钱包解决了托管问题。传统的钱包假设是由人类操作者在签名之前审查交易。智能体则需要带有安全边界的程序化访问——包括支出限制、合约白名单、异常检测和合规钩子。智能体钱包恰恰提供了这些功能：智能体通过与速率限制权限绑定的 API 密钥进行身份验证，交易经过批量处理并针对 Gas 效率进行了优化，内置监控功能会标记异常模式，如突然的大额转账或与已知漏洞利用程序的交互。

竞争对手的解决方案也正在涌现。基于 Solana 的项目正在实验利用该链亚秒级最终性进行高频交易的智能体钱包。像 Arbitrum 和 Optimism 这样的以太坊 Layer 2 提供了更低的费用，使得微交易在经济上变得可行——这对于按 API 调用或按数据查询付费的智能体至关重要。一些平台甚至在探索由智能体集体管理的多重签名钱包，决策需要多个 AI 实体之间的共识，从而增加了一层算法制衡。

像 AurraCloud 这样的 MCP 托管平台提供了中间件。这些服务托管 MCP 服务器，智能体向其查询数据——价格喂价、区块链状态、社交情绪、新闻聚合。由于智能体可以通过嵌入式支付通道自主支付访问费用，MCP 平台可以实现 API 调用变现，而无需预付订阅或冗长的入驻流程。这创建了一个流动的数据市场：智能体寻找最佳的性价比，而数据提供商在延迟、准确性和覆盖范围上展开竞争。

支付通道是循环系统。x402 标准化了智能体发送和接收价值的方式，但底层的结算机制各不相同。像 USDC 和 USDT 这样的稳定币因其价格稳定性而更受青睐——智能体在编制服务预算时需要可预测的成本。一些项目正在实验微支付通道，在链下批量处理交易并定期在链上结算，从而减少 Gas 开销。其他项目则正在与 LayerZero 或 Axelar 等跨链消息传递协议集成，使智能体能够根据需要跨区块链移动资产，以实现最佳执行。

其结果是一个镜像了传统互联网架构的分层基础设施堆栈：用于数据传输的 TCP/IP（A2A、MCP）、用于应用逻辑的 HTTP（智能体框架、API）以及用于价值传输的支付协议（x402、稳定币）。这并非巧合——成功的协议往往采用熟悉的模式，以最大限度地减少集成摩擦。

风险、护栏与通往机构信任之路​

将财务自主权交给 AI 系统并非没有风险。这些风险涵盖了技术漏洞、经济不稳定和监管不确定性——每一项都需要深思熟虑的缓解策略。

技术风险是最直接的。智能体基于在历史数据上训练的模型运行，而这些数据可能无法推广到前所未有的市场条件。一个针对牛市优化的交易智能体可能会在闪崩期间遭遇灾难性失败。对抗性角色可能会利用可预测的智能体行为——欺骗订单簿以触发自动化交易，或部署旨在耗尽智能体钱包的蜜罐合约。智能合约漏洞仍然是一个持续的威胁；在审计发现缺陷之前，与易受攻击协议交互的智能体可能会损失资金。

缓解策略正在不断演进。Coinbase 的合规筛选工具使用实时风险评分，根据交易对手信誉、合约审计状态和历史漏洞数据，拦截被标记为高风险的交易。一些平台对大额转账实施强制冷却期，以便在检测到异常时给人类操作员留下干预窗口。多智能体验证是另一种方法：在执行高价值交易之前，需要多个独立智能体达成共识，从而减少单点故障。

经济不稳定是次生风险。如果很大一部分链上流动性由具有相关策略的自主智能体控制，市场动态可能会放大波动性。想象一下，成千上万个智能体根据共享的数据信号同时退出某个头寸——清算级联可能会使传统的闪崩相形见绌。反馈循环也令人担忧：相互优化的智能体可能会收敛于破坏底层协议稳定性的平衡点，例如利用治理机制通过谋取私利的提案。

监管不确定性是变数。全球金融监管机构仍在努力解决如何对 AI 智能体进行分类的问题。它们是受其部署者控制的工具，还是独立的经济主体？如果一个智能体执行了非法交易——例如基于私人信息的内幕交易——谁来承担责任？是开发者、托管智能体的平台，还是部署它的用户？这些问题缺乏明确的答案，监管框架落后于技术多年。

一些司法管辖区的进展比其他地方快。欧盟的《加密资产市场法案》(MiCA) 包含了针对自动化交易系统的规定，可能涵盖 AI 智能体。新加坡金融管理局正就自主金融的护栏方案咨询行业意见。美国市场仍然分散，证券交易委员会 (SEC)、商品期货交易委员会 (CFTC) 和州监管机构采取了不同的方法。这种监管碎片化使得全球部署变得复杂——跨境运作的智能体必须应对相互冲突的要求，增加了合规开销。

尽管面临这些挑战，机构信任正在逐步建立。大型企业正在受控环境中试点智能体部署——例如具有严格风险参数的内部 DeFi 金库，或智能体在经过验证的参与者之间进行交易的闭环市场。随着这些实验在没有灾难性故障的情况下积累运行记录，信心也随之增强。审计标准正在兴起：第三方机构现在提供智能体行为审查，分析决策日志和交易历史，以认证其是否遵守预定义的政策。

下一阶段：自主经济的开局​

我们正在见证一种新型经济底层的诞生。在 2026 年第一季度，AI 代理仍主要执行预定义的任务——自动化交易、投资组合再平衡、API 支付。但发展轨迹已经非常明确：随着代理变得更加强大，它们将能够协商合同、建立联盟，甚至部署资金来创建针对特定领域优化的新代理。

短期催化剂包括多代理工作流的扩展。目前的试点涉及两到三个代理在特定任务上进行协作。到今年年底，我们可能会看到管理数十个代理的编排框架，每个代理都贡献其专业知识。自主供应链是另一个前沿领域：电子商务代理从制造代理处采购产品，通过运输代理协调物流，并利用稳定币交易进行支付结算——除了初始参数外，全程无需人工干预。

从长远来看，最具颠覆性的场景是代理成为资本分配者。想象一个完全由 AI 管理的风投基金：代理根据链上指标寻找交易流，通过查询数据提供商进行尽职调查，协商投资条款，并将资金投入代币化初创企业。人类的监督可能仅限于设置分配上限和批准宏观策略。如果此类基金的表现优于人工管理的同行，资本将流向自主管理——这可能是一个重新定义资产管理行业的转折点。

基础设施仍需成熟。跨链代理协作仍然笨重，面临流动性碎片化和标准不统一的问题。隐私是一个明显的缺口：目前的代理在公共区块链上透明运作，将策略暴露给竞争对手。零知识证明和机密计算可以解决这一问题，允许代理在保持可验证正确性的同时进行私密交易。

互操作性标准将决定谁是赢家。采用 A2A、MCP 和 x402 的平台将进入一个不断增长的兼容代理网络。专有系统面临被孤立的风险，因为网络效应更青睐开放协议。这种动态反映了早期的互联网：AOL 的围墙花园最终输给了开放网络的互操作性。

77 亿美元的市值只是对更宏大愿景的首付款。如果代理管理全球金融资产的 1%（保守估计为 1 万亿美元），支持它们的底层基础设施规模可能会让当今的云计算市场相形见绌。虽然我们尚未达到那个阶段，但基石已经奠定，经济激励已经对齐，首批现实世界的部署正在证明这一概念的可行性。

对于开发者来说，机遇是巨大的：构建代理所需的工具、托管、数据源和安全服务。对于投资者来说，关键在于识别哪些协议能在代理普及规模扩大时捕捉价值。对于用户来说，这是未来图景的一瞥——机器处理繁琐、复杂和重复的工作，从而解放人类的注意力去进行更高层级的决策。

经济正在学会自我运作。系好安全带。

BlockEden.xyz 为在 Sui、Aptos、Ethereum 和其他领先区块链上构建 AI 代理提供优化的企业级 RPC 基础设施。我们的低延迟、高吞吐量节点使自主系统能够以链上商务所需的可靠性查询区块链状态并执行交易。探索我们的 API 市场，在为自主经济规模化而设计的基石上进行构建。

来源​

DePIN 的 192 亿美元突破：从物联网炒作到企业现实

· 阅读需 14 分钟
Dora Noda
Dora Noda
Software Engineer

多年来，去中心化物理基础设施的承诺感觉就像是一个在寻找问题的解决方案。区块链爱好者谈论着从 WiFi 热点到太阳能电池板的一切代币化，而企业则悄悄地将其斥为脱离运营现实的加密货币炒作。然而，这种轻视现在变得代价高昂。

DePIN（去中心化物理基础设施网络）领域的市值在短短一年内从 52 亿美元爆炸式增长至 192 亿美元——270% 的激增与投机狂热无关，而完全是因为企业发现，他们可以在保持服务质量的同时，将基础设施成本削减 50-85%。目前有 321 个活跃项目每月产生 1.5 亿美元的收入，世界经济论坛预测到 2028 年该市场将达到 3.5 万亿美元，DePIN 已经跨越了从实验性技术到关键业务基础设施的鸿沟。

改变叙事的数字​

截至 2025 年 9 月，CoinGecko 追踪了近 250 个 DePIN 项目，而仅在 24 个月前，这一数字还只是其中的一小部分。但真正的故事不在于项目数量，而在于收入。该行业在 2025 年估计产生了 7200 万美元的链上收入，顶级项目现在的年度经常性收入已达八位数。

仅在 2026 年 1 月，DePIN 项目共计产生了 1.5 亿美元的收入。专注于 GPU 基础设施的提供商 Aethir 以 5500 万美元领跑。紧随其后的是 Render Network，其去中心化 GPU 渲染服务带来了 3800 万美元收入。Helium 的无线网络运营贡献了 2400 万美元。这些并不是来自空投猎人的虚荣指标——它们代表了企业为计算、连接和存储支付的实际费用。

市场构成揭示了一个更具启发性的故事：按市值计算，48% 的 DePIN 项目现在专注于 AI 基础设施。随着 AI 工作负载的爆发式增长，超大规模企业（Hyperscalers）难以满足需求，去中心化计算网络正成为传统数据中心无法快速解决的行业瓶颈的释放阀。

Solana 在 DePIN 领域的地位：为什么速度至关重要​

如果说以太坊是 DeFi 的家园，比特币是数字黄金，那么 Solana 已经悄然成为物理基础设施协调的首选区块链。Solana 网络上拥有 63 个 DePIN 项目——包括 Helium、Grass 和 Hivemapper——其低廉的交易成本和高吞吐量使其成为唯一能够处理物理基础设施所需的实时、数据密集型工作负载的 Layer 1 网络。

Helium 的转型尤其具有启发性。 在 2023 年 4 月迁移到 Solana 之后，该无线网络已扩展到超过 115,000 个热点，每天为 190 万用户提供服务。Helium Mobile 用户数从 2024 年 9 月的 115,000 人激增至 2025 年 9 月的近 450,000 人，同比增长 300%。仅在 2025 年第二季度，该网络就为运营商合作伙伴传输了 2,721 TB 的数据，环比增长 138.5%。

其经济模型极具说服力：Helium 通过激励个人部署和维护热点，以传统运营商成本的一小部分提供移动连接。用户每月只需支付 20 美元即可享受无限通话、短信和流量。热点运营商根据网络覆盖范围和数据传输赚取代币。传统运营商无法与这种成本结构竞争。

Render Network 展示了 DePIN 在 AI 和创意产业中的潜力。Render 的市值达 7.7 亿美元，仅在 2025 年 7 月就处理了超过 149 万个渲染帧，消耗了 207,900 USDC 的手续费。艺术家和 AI 研究人员利用游戏设备和矿场闲置的 GPU 算力，支付的费用仅为中心化云渲染服务的零头。

Grass 是 Solana 上增长最快的 DePIN 项目，拥有超过 300 万用户，它将闲置带宽货币化，用于 AI 训练数据集。用户贡献他们闲置的互联网连接赚取代币，而公司则抓取网页数据用于大型语言模型。这是大规模的基础设施套利——利用丰富且未被充分利用的资源（住宅带宽），并将其打包提供给愿意为分布式数据采集支付溢价的企业。

企业级采用：首席财务官无法忽视的 50-85% 成本削减​

从试点项目向生产部署的转变在 2025 年大幅加速。电信运营商、云服务商和能源公司不仅在尝试 DePIN，还将其嵌入到了核心业务中。

无线基础设施 现在在全球拥有超过 500 万个注册的去中心化路由器。一家财富 500 强电信公司记录了使用 DePIN 支持的连接客户增长了 23%，证明如果经济效益和可靠性一致，企业就会采用去中心化模式。T-Mobile 与 Helium 合作，在偏远地区分担网络覆盖，展示了老牌企业如何利用 DePIN 解决传统资本支出无法证明其合理性的“最后一公里”问题。

电信行业面临着生存压力：建造基站和获得频谱许可的资本支出正在挤压利润，而客户则要求普及覆盖。电信行业的区块链市场预计将从 2024 年的 10.7 亿美元增长到 2030 年的 72.5 亿美元，因为运营商意识到激励个人部署基础设施比自己动手更便宜。

云计算 提供了更大的机遇。由英伟达支持的 brev.dev 和其他 DePIN 计算提供商正在服务于企业级 AI 工作负载，而这些负载在 AWS、Google Cloud 或 Azure 上的成本要高出 2-3 倍。由于到 2026 年，推理工作负载预计将占到所有 AI 计算的三分之二（高于 2023 年的三分之一），对经济高效的 GPU 算力的需求只会进一步加剧。去中心化网络可以从游戏设备、挖矿业务和未被充分利用的数据中心获取 GPU——这是中心化云无法触及的产能。

能源网络 也许是 DePIN 最具变革性的用例。中心化电网在地方层级难以平衡供需，导致效率低下和停电。去中心化能源网络利用区块链协调来跟踪个人拥有的太阳能电池板、电池和仪表的发电量。参与者发电，与邻居分享多余的电量，并根据贡献赚取代币。其结果是：提高了电网韧性，减少了能源浪费，并为采用可再生能源提供了财务激励。

AI 基础设施：正在重新定义堆栈的 48%​

近一半的 DePIN 市值现在集中在 AI 基础设施上——这种融合正在重塑计算密集型工作负载的处理方式。据报告，2025 年第二季度 AI 基础设施存储支出同比增长了 20.5%，其中 48% 的支出用于云部署。然而，就在需求爆炸式增长之际，中心化云正面临容量限制。

2024 年全球数据中心 GPU 市场规模为 144.8 亿美元，预计到 2032 年将达到 1552 亿美元。然而，英伟达（Nvidia）几乎无法满足需求，导致 H100 和 H200 芯片的交付周期长达 6-12 个月。DePIN 网络通过聚合 80-90% 时间处于闲置状态的消费级和企业级 GPU，绕过了这一瓶颈。

推理工作负载（在训练完成后在生产环境中运行 AI 模型）是增长最快的细分领域。虽然 2025 年的大部分投资集中在训练芯片上，但随着公司从模型开发转向大规模部署，推理优化芯片市场预计在 2026 年将超过 500 亿美元。DePIN 计算网络在推理方面表现出色，因为这类工作负载具有高度可并行化和延迟容忍的特性，使其成为分布式基础设施的绝佳选择。

Render、Akash 和 Aethir 等项目正在通过提供碎片化的 GPU 访问、现货定价以及中心化云无法比拟的地理分布来捕捉这一需求。一家 AI 初创公司可以在周末批处理任务中启动 100 个 GPU，并仅按实际使用量付费，无需最低消费承诺或签署企业合同。对于超大规模云服务商来说，这是摩擦；而对于 DePIN 来说，这正是其核心价值主张。

驱动增长的类别​

DePIN 分为两个基本类别：物理资源网络（硬件设施，如无线塔、能源网和传感器）和数字资源网络（计算、带宽和存储）。两者都在经历爆炸式增长，但由于部署门槛较低，数字资源的扩展速度更快。

存储网络（如 Filecoin）允许用户出租闲置的硬盘空间，创建了 AWS S3 和 Google Cloud Storage 的分布式替代方案。其价值主张在于：更低的成本、地理冗余以及抗单点故障能力。企业正在试点将 Filecoin 用于归档数据和备份，在这些用例中，中心化云的出站流量费用（egress fees）每年可能高达数百万美元。

计算资源涵盖了 GPU 渲染（Render）、通用计算（Akash）和 AI 推理（Aethir）。Akash 运营着一个用于 Kubernetes 部署的开放市场，让开发者可以在全球范围内未充分利用的服务器上启动容器。与 AWS 相比，根据工作负载类型和可用性要求，成本节省可达 30% 到 85%。

无线网络（如 Helium 和 World Mobile Token）正在解决欠发达市场的连接缺口。World Mobile 在桑给巴尔部署了去中心化移动网络，在为 600 米半径内的 500 人提供互联网的同时，还直播了一场富勒姆足球俱乐部的比赛。这些不是概念验证，而是正在为传统 ISP 因经济效益不佳而拒绝运营的地区提供服务的生产级网络。

能源网络利用区块链协调分布式发电和消费。太阳能电池板所有者将多余的电力卖给邻居。电动汽车（EV）所有者通过将充电时间安排在非高峰时段来提供电网稳定性，并因其灵活性赚取代币。公用事业公司无需部署昂贵的智能电表和控制系统，即可实时了解当地的供需情况。这种基础设施协调离不开区块链无须信任的结算层。

从 192 亿美元到 3.5 万亿美元：实现目标需要什么​

世界经济论坛对 2028 年 3.5 万亿美元的预测不仅仅是乐观的投机，它反映了 DePIN 一旦实现规模化验证后，其可触达市场是多么巨大。全球电信基础设施每年的支出超过 1.5 万亿美元。云计算是一个 6000 多亿美元的市场。能源基础设施则代表了数万亿的资本支出。

DePIN 不需要取代这些行业，它只需要通过提供更优越的经济效益来夺取 10-20% 的市场份额。这一逻辑之所以成立，是因为 DePIN 颠覆了传统的基础设施模式：不再是由公司筹集数十亿资金建设网络然后在数十年内回收成本，而是 DePIN 激励个人预先部署基础设施，并在贡献容量时赚取代币。这是众包式的资本支出，其扩展速度远快于中心化建设。

但要达到 3.5 万亿美元的规模，需要解决三个挑战：

监管透明度。 电信和能源是高度受监管的行业。DePIN 项目必须应对频谱许可（无线）、互联互通协议（能源）以及数据驻留要求（计算和存储）。目前正在取得进展——非洲和拉丁美洲的政府正在拥抱 DePIN 以弥合连接鸿沟——但美国和欧盟等成熟市场的节奏较慢。

企业信任。 在可靠性达到或超过中心化替代方案之前，财富 500 强公司不会将关键任务工作负载迁移到 DePIN。这意味着正常运行时间保证、服务水平协议（SLAs）、故障保险以及 24/7 全天候支持——这些是企业级 IT 的基本要求，而许多 DePIN 项目目前仍显匮乏。未来的赢家将是那些优先考虑运营成熟度而非代币价格的项目。

代币经济学。 早期的 DePIN 项目饱受不可持续的代币经济学之苦：导致市场抛压的通胀奖励、奖励女巫攻击（Sybil attacks）而非有效工作的失衡激励，以及脱离网络基本面的投机性价格波动。下一代 DePIN 项目正在从这些错误中吸取教训，实施与收入挂钩的销毁机制、针对贡献者的归属计划，以及优先考虑长期可持续性的治理模式。

为什么 BlockEden.xyz 的建设者应该关注​

如果你正在区块链上进行开发，DePIN 代表了加密货币历史上最清晰的产品市场契合点（Product-Market Fit）之一。与 DeFi 的监管不确定性或 NFT 的投机周期不同，DePIN 通过可衡量的投资回报率（ROI）解决现实世界的问题。企业需要更便宜的基础设施；个人拥有未被充分利用的资产；区块链则提供了去信任的协调与结算。这些环节完美契合。

对于开发者来说，机会在于构建使 DePIN 达到企业级标准的中间件：监控和可观测性工具、SLA（服务水平协议）强制执行智能合约、节点运营商的声誉系统、运行时间保证的保险协议，以及能够跨越地理边界即时结算的支付轨道。

你今天构建的基础设施可能会助力 2028 年的去中心化互联网——届时 Helium 处理移动连接，Render 处理 AI 推理，Filecoin 存储全球档案，而 Akash 运行编排这一切的容器。这并非加密未来主义——这是世界 500 强公司已经在试运行的路线图。

来源​

多智能体 AI 系统上线：网络化协作的黎明

· 阅读需 12 分钟
Dora Noda
Dora Noda
Software Engineer

当 Coinbase 在 2026 年 2 月 11 日发布代理钱包（Agentic Wallets）时，这不仅仅是一次普通的产品发布。它标志着一个转折点：AI 代理已从执行单一任务的孤立工具演变为能够协调复杂工作流、管理加密资产并在无人类干预的情况下进行交易的自主经济参与者。多代理 AI 系统时代已经到来。

从单体 LLM 到协作代理生态系统​

多年来，AI 研发一直集中在构建更大、更强大的语言模型。GPT-4、Claude 及其继任者展示了非凡的能力，但它们是孤立运作的——是等待人类指令的强大工具。这种范式正在崩溃。

2026 年，共识已发生转变：未来不是单体超级智能，而是协作解决复杂问题的专业化 AI 代理网络化生态系统。根据 Gartner 的数据，到今年年底，40% 的企业应用将具备特定任务的 AI 代理，这与 2025 年不足 5% 的比例相比是一个巨大的飞跃。

想象一下，这就像从大型机到云微服务的转型。现代 AI 系统不再由一个庞大的模型尝试处理所有事情，而是部署数十个专业化的代理——每个代理都针对计费、物流、客户服务或风险管理等特定功能进行了优化——并通过标准化协议协同工作。

推动代理协作的协议​

这一转变并非偶然。2025 年出现了两个关键的基础设施标准，它们现在正在推动 2026 年生产级多代理系统的实现：模型上下文协议（MCP）和代理间协议（A2A）。

模型上下文协议 (MCP)： 由 Anthropic 在 2024 年 11 月发布，MCP 的功能类似于 AI 应用的 USB-C 接口。正如 USB-C 标准化了设备连接，MCP 标准化了 AI 代理与数据系统、内容库、业务工具和开发环境的连接方式。该协议重用了语言服务器协议 (LSP) 中经过验证的消息传递模式，并在 JSON-RPC 2.0 上运行。

到 2026 年初，包括 Anthropic、OpenAI 和 Google 在内的主要参与者都已基于 MCP 进行构建，使其成为事实上的互操作性标准。MCP 处理上下文通信、内存管理和任务规划，使代理能够在复杂工作流中保持连贯状态。

代理间协议 (A2A)： 由 Google 于 2025 年 4 月推出，并获得了包括 Atlassian、Box、PayPal、Salesforce、SAP 和 ServiceNow 在内的 50 多家技术合作伙伴的支持。A2A 实现了直接的代理间通信。虽然 crewAI 和 LangChain 等框架在其自身生态系统内实现了多代理工作流自动化，但 A2A 作为一个通用的消息传递层，允许来自不同供应商和平台的代理实现无缝协调。

2026 年新兴的协议栈共识非常明确：MCP 用于工具集成，A2A 用于代理通信，AP2（代理支付协议）用于商业。 这些标准共同构成了“隐形经济”——自主系统在后台运行，在没有人类干预的情况下协调行动并结算交易。

现实世界中企业采用加速​

多代理编排已超越概念验证。在医疗保健领域，AI 代理现在负责协调患者接收、理赔处理和合规审计，提高了患者参与度和支付方的效率。在供应链管理中，多个代理跨学科、跨地域协作，实时重新规划运输路线、标记风险并调整交付预期。

IT 服务提供商 Getronics 通过跨平台（如 ServiceNow）集成，利用多代理系统每年自动处理超过 100 万张 IT 工单。在零售业，代理系统实现了超个性化的促销和随需求不断变化的定价策略。

根据最近的企业调查，到 2028 年，38% 的组织预计 AI 代理将成为人类团队中的正式成员。混合团队模式——即 AI 代理提议并执行，人类进行监督和治理——正在成为新的运营标准。

区块链桥梁：自主经济参与者​

或许最具变革性的发展是多代理 AI 与区块链技术的融合，这创造了一个全新的数字商业层，代理在其中作为独立的经济参与者运作。

Coinbase 的代理钱包（Agentic Wallets）为自主代理提供了专门构建的加密基础设施，使它们能够自我管理数字资产、执行交易并使用稳定币路径结算付款。Solana 的 AI 推理功能直接集成到加密钱包中，代表了另一个重要的里程碑。

影响是显而易见的。到 2025 年底，AI 代理可能会推动 15-20% 的去中心化金融 (DeFi) 交易量，2026 年初的数据显示，它们有望超过这一预测。在预测市场平台 Polymarket 上，AI 代理已经贡献了超过 30% 的交易活动。

以太坊的 ERC-8004 标准——名为“去信任代理 (Trustless Agents)”——通过链上注册表、基于 NFT 的代理便携式 ID、可验证的建立信用分数的反馈机制以及可插拔的输出证明，解决了自主系统固有的信任挑战。Coinbase、以太坊基金会、MetaMask 和其他领先组织的协作努力产生了用于基于代理的加密支付的 A2A x402 扩展，目前已投入生产。

500 亿美元的市场机遇​

财务利益非常巨大。2024 年全球 AI 智能体（AI agent）市场规模达到 51 亿美元，预计到 2030 年将达到 471 亿美元。特别是在加密货币领域，AI 智能体代币经历了爆发式增长，该板块的市值在不到一年的时间内从 230 亿美元扩张至超过 500 亿美元。

领先的项目包括：NEAR Protocol，其高吞吐量和快速最终性吸引了大量基于 AI 智能体的应用；Bittensor (TAO)，为去中心化机器学习提供动力；Fetch.ai (FET)，实现自主经济智能体；以及 Virtuals Protocol (VIRTUAL)，其价格在 2024 年底飙升 850%，市值接近 8 亿美元。

风险投资正大量涌入智能体对智能体（agent-to-agent）的商业基础设施。预计到 2027 年，整个区块链市场规模将达到 1628.4 亿美元，而多智能体 AI 系统将成为重要的增长驱动力。

两种架构模型的兴起​

多智能体系统通常遵循以下两种设计模式之一，每种模式都有其独特的权衡：

层级式架构（Hierarchical Architecture）： 由一个主智能体编排专门的子智能体，优化协作与协调。该模型引入了中心化控制和监督点，对于需要明确治理和问责制的企业具有吸引力。人类监督者主要与主智能体交互，由主智能体将任务委托给专家智能体。

点对点架构（Peer-to-Peer Architecture）： 智能体在没有中央控制器的情况下直接协作，这需要强大的通信协议，但提供了更高的韧性和去中心化程度。该模型在没有单个智能体拥有完整视野或权限的场景中表现出色，例如跨组织供应链或去中心化金融系统。

这些模型之间的选择取决于具体用例。企业 IT 和医疗保健行业倾向于采用层级式系统以满足合规性和可审计性，而 DeFi 和区块链商业则更青睐符合去中心化原则的点对点模型。

信任差距与人为监督​

尽管技术进步神速，信任仍然是关键的瓶颈。2024 年，43% 的高管表达了对完全自主 AI 智能体的信心。而到 2025 年，这一比例下降至 22%，60% 的受访者并不完全信任智能体在没有监管的情况下管理任务。

这并非倒退，而是成熟的表现。随着组织在生产环境中部署智能体，他们遇到了边缘情况、协调失败以及偶尔出现的严重错误。行业的应对方式不是减少自主性，而是重新设计监督机制。

新兴模型将 AI 智能体视为“提议执行者”而非“决策者”。智能体分析数据、建议行动并执行预先批准的工作流，而人类则设置护栏、审计结果并在出现异常时进行干预。监督正成为一种设计原则，而非事后补救。

根据 Forrester 的数据，75% 的客户体验领导者现在将 AI 视为“人类能力放大器”而非替代品，61% 的组织认为，在妥善治理的前提下，智能体化 AI（agentic AI）具有变革潜力。

展望未来：多模态协作与能力扩展​

2026 年多智能体系统的路线图包括重大的能力扩展。MCP 正在演进以支持图像、视频、音频和其他媒体类型，这意味着智能体将不仅能读写，还能看、听，甚至可能观察。

2025 年底，区块链技术在签名、溯源和验证方面的集成度有所提高，为智能体行为提供了不可篡改的日志，这对于合规性和问责制至关重要。随着企业对可审计 AI 的需求增加，这一趋势在 2026 年将进一步加速。

多智能体编排正从实验性技术转型为基本基础设施。到 2026 年底，它将成为领先企业运营的核心骨干，不再仅仅作为一项功能，而是作为业务运营的基础层嵌入其中。

改变一切的基础设施层​

多智能体 AI 系统代表的不仅仅是渐进式的改进，更是我们构建智能系统方式的范式转移。通过 MCP 和 A2A 实现通信标准化，整合区块链以解决信任和支付问题，并将人为监督嵌入核心设计原则，行业正在为自主经济创造基础设施。

AI 智能体不再是等待人类指令的被动工具。它们是数字商业的主动参与者，管理资产、协调工作流并执行复杂的多步骤流程。问题不再是多智能体系统是否会改变企业运营和数字金融，而是组织能以多快的速度适应这一新现实。

对于在区块链基础设施上进行开发的开发者来说，多智能体 AI 与加密货币轨道的融合创造了前所未有的机遇。智能体需要可靠、高性能的区块链基础设施才能在大规模环境下运行。

BlockEden.xyz 为驱动 AI 智能体应用的区块链网络提供企业级 API 基础设施。探索我们的服务，在专为多智能体未来设计的基石上构建自主系统。

参考资料​

Ambient 的 720 万美元博弈：Proof of Logits 如何通过 AI 推理取代基于哈希的挖矿

· 阅读需 20 分钟
Dora Noda
Dora Noda
Software Engineer

如果保障区块链安全的计算工作同时也能训练下一代 AI 模型，会怎样？这并非遥远的愿景——它是 Ambient 背后的核心论点。Ambient 是一家 Solana 分叉项目，刚刚从 a16z CSX 筹集了 720 万美元，旨在构建全球首个 AI 驱动的工作量证明（PoW）区块链。

传统的工作量证明通过解决任意的加密谜题来消耗电力。比特币矿工竞相寻找具有足够前导零的哈希值——这种计算工作除了维护网络安全之外没有其他价值。Ambient 完全颠覆了这一模式。其 Logits 证明（Proof of Logits, PoL）共识机制用 AI 推理、微调和模型训练取代了哈希运算。矿工不再解决谜题，而是生成可验证的 AI 输出。验证者无需重新计算整个工作负载，而是检查被称为 Logits 的加密指纹。

结果如何？一个安全性与 AI 进步在经济上达成一致的区块链：0.1% 的验证开销使共识检查近乎免费，且训练成本比中心化替代方案降低了 10 倍。如果取得成功，Ambient 可能会通过将挖矿转化为生产性的 AI 劳动，从而回应加密货币领域最古老的批评之一——即工作量证明浪费资源。

Logits 证明的突破：无需重新计算的可验证 AI​

理解 PoL 需要了解 Logits 究竟是什么。当大型语言模型（LLM）生成文本时，它们并不直接输出单词。相反，在每一步中，它们会对整个词汇表生成一个概率分布——即代表每个可能的下一个 Token 置信水平的数值分数。

这些分数被称为 Logits。对于一个拥有 50,000 个 Token 词汇量的模型，生成一个单词意味着要计算 50,000 个 Logits。这些数字充当了独特的计算指纹。只有特定的模型、特定的权重、运行特定的输入，才会产生特定的 Logit 分布。

Ambient 的创新在于将 Logits 用作工作量证明：矿工执行 AI 推理（生成对提示词的响应），而验证者通过检查 Logit 指纹而不是重新进行整个计算来验证这项工作。

以下是验证过程的工作原理：

矿工生成输出：矿工接收到一个提示词（例如，“总结区块链共识原则”），并使用一个拥有 6000 亿参数的模型生成 4,000 个 Token 的响应。这将产生 4,000 × 50,000 = 2 亿个 Logits。

验证者抽样验证：验证者无需重新生成所有 4,000 个 Token，而是随机抽取一个位置——例如，第 2,847 个 Token。验证者在该位置运行单步推理，并将矿工报告的 Logits 与预期的分布进行比较。

加密承诺：如果 Logits 匹配（在考虑到浮点精度的可接受阈值内），矿工的工作就会得到验证。如果不匹配，该区块将被拒绝，矿工将失去奖励。

这将验证开销降低到原始计算量的约 0.1%。检查 2 亿个 Logits 的验证者只需验证 50,000 个 Logits（一个 Token 位置），从而将成本降低了 99.9%。将其与传统 PoW 相比，后者的验证意味着重新运行整个哈希函数——或者与比特币的方法相比，对比特币而言，检查单个 SHA-256 哈希是微不足道的，因为谜题本身是任意的。

Ambient 的系统比需要完全重新计算的天真“有用工作证明”方案成本呈指数级降低。它更接近比特币的效率（廉价验证），但提供了实际效用（AI 推理而非无意义的哈希）。

10 倍训练成本降低：没有数据中心垄断的去中心化 AI​

中心化 AI 训练非常昂贵——对大多数机构来说高不可攀。训练 GPT-4 规模的模型需要数千万美元，数千块企业级 GPU，并将权力集中在少数科技巨头手中。Ambient 的架构旨在通过将训练分布在独立矿工网络中，使这一过程民主化。

10 倍的成本降低源于两项技术创新：

PETALS 风格的分片：Ambient 借鉴了 PETALS 的技术，这是一个去中心化推理系统，其中每个节点只存储大型模型的一个分片。Ambient 不要求矿工持有整个 6000 亿参数的模型（这需要数 TB 的显存），而是让每个矿工拥有一组层子集。提示词按顺序流经网络，每个矿工处理其分片并将激活值（Activations）传递给下一个。

这意味着拥有单块消费级 GPU（24GB 显存）的矿工也可以参与模型训练，而这类模型通常需要数据中心的数百块 GPU。通过将计算图分布在数百或数千个节点上， Ambient 消除了对传统机器学习集群中使用的昂贵高带宽互连（如 InfiniBand）的需求。

受 SLIDE 启发的稀疏性：大多数神经网络计算涉及矩阵乘法，其中大多数条目接近于零。SLIDE（亚线性深度学习引擎）利用了这一点，通过对激活值进行哈希处理来识别哪些神经元对特定输入真正起作用，从而完全跳过不相关的计算。

Ambient 将这种稀疏性应用于分布式训练。网络不再让所有矿工处理所有数据，而是根据节点的逻辑分片与当前批次的相关性动态路由工作。这减少了通信开销（分布式机器学习中的主要瓶颈），并允许硬件性能较弱的矿工通过处理稀疏子图来参与。

这种结合产生了 Ambient 所声称的比 DiLoCo 或 Hivemind 等现有分布式训练方案高出 10 倍的吞吐量。更重要的是，它降低了准入门槛：矿工不需要数据中心级别的基础设施——一台拥有不错 GPU 的游戏电脑就足以做出贡献。

Solana 分叉架构：高 TPS 与非阻塞 PoW 的结合​

Ambient 并非从零开始构建。它是 Solana 的完整分叉，继承了 Solana 虚拟机 (SVM)、历史证明 (PoH) 时间戳和 Gulf Stream 内存池转发。这赋予了 Ambient Solana 级别的 65,000 TPS 理论吞吐量和亚秒级最终确认性。

但 Ambient 做出了一个关键改进：它在 Solana 的共识之上增加了一个 非阻塞工作量证明 (PoW) 层。

以下是这种混合共识的工作原理：

历史证明 (PoH) 为交易排序：Solana 的 PoH 提供了一个加密时钟，无需等待全局共识即可为交易排序。这实现了跨多核的并行执行。

Logit 证明 (Proof of Logits) 保护链的安全：矿工通过竞争产生有效的 AI 推理输出。区块链接受那些生成最有价值 AI 成果（通过推理复杂度、模型大小或质押声誉衡量）的矿工提交的区块。

非阻塞集成：与比特币不同（比特币在找到有效 PoW 之前会停止区块生产），Ambient 的 PoW 采用异步运行。验证者继续处理交易，而矿工则竞争提交 AI 成果。这防止了 PoW 成为性能瓶颈。

其结果是，该区块链既保持了 Solana 的速度（对于需要低延迟推理的 AI 应用至关重要），又确保了核心网络活动（推理、微调和训练）中的经济竞争。

这种设计还避免了以太坊早期在 “有用功” (useful work) 共识上犯下的错误。Primecoin 和 Gridcoin 曾尝试将科学计算作为 PoW，但面临一个致命缺陷：有用功的难度并不均匀。有些问题易于解决但难以验证；有些则易于不公平地并行化。Ambient 通过使 logit 验证在计算上变得廉价且标准化，巧妙地避开了这一点。每个推理任务，无论复杂度如何，都可以使用相同的抽查算法进行验证。

训练链上 AGI 的竞赛：还有谁在竞争？​

Ambient 并非唯一瞄准区块链原生 AI 的项目。该领域挤满了声称要实现机器学习去中心化的项目，但很少有项目能提供可验证的链上训练。以下是 Ambient 与主要竞争对手的对比：

人工超级智能联盟 (ASI)：由 Fetch.AI、SingularityNET 和 Ocean Protocol 合并而成，ASI 专注于去中心化 AGI 基础设施。ASI 链支持并发代理执行和安全模型交易。与 Ambient 的 PoW 方法不同，ASI 依赖于市场模型，开发者支付计算积分。这适用于推理，但无法对齐训练的激励机制——矿工没有理由贡献昂贵的 GPU 工时，除非预先获得明确补偿。

AIVM (ChainGPT)：ChainGPT 的 AIVM 路线图 目标是在 2026 年启动主网，将链外 GPU 资源与链上验证集成。然而，AIVM 的验证依赖于乐观汇总 (Optimistic Rollups)（即除非受到挑战，否则假设正确），这引入了欺诈证明延迟。Ambient 的 logit 检查是确定性的——验证者可以立即知道工作是否有效。

互联网计算机 (ICP)：Dfinity 的 互联网计算机 可以在不依赖外部云基础设施的情况下，在链上原生托管大型模型。但 ICP 的容器 (Canister) 架构并非为训练而优化——它是为推理和智能合约执行而设计的。Ambient 的 PoW 在经济上激励持续的模型改进，而 ICP 则要求开发者在外部管理训练。

Bittensor：Bittensor 使用子网模型，其中专门的链训练不同的 AI 任务（文本生成、图像分类等）。矿工通过提交模型权重进行竞争，验证者根据表现对它们进行排名。Bittensor 在去中心化推理方面表现出色，但在训练协作方面面临挑战——它没有统一的全局模型，只是独立子网的集合。Ambient 的方法将训练统一在单个 PoW 机制下。

Lightchain Protocol AI：Lightchain 的白皮书 提出了智能证明 (PoI)，节点通过执行 AI 任务来验证交易。然而，Lightchain 的共识在很大程度上仍处于理论阶段，尚未宣布测试网发布。相比之下，Ambient 计划在 2025 年第二/第三季度发布测试网。

Ambient 的优势在于将可验证的 AI 成果与 Solana 经过验证的高吞吐量架构相结合。大多数竞争对手要么牺牲了去中心化（中心化训练配合链上验证），要么牺牲了性能（等待欺诈证明的缓慢共识）。Ambient 基于 logit 的 PoW 同时提供了这两点：去中心化训练与近乎瞬时的验证。

经济激励：像挖掘比特币区块一样挖掘 AI 模型​

Ambient 的经济模型镜像了比特币：可预测的区块奖励 + 交易费用。但矿工生产的不是空区块，而是应用程序可以消耗的 AI 输出。

以下是激励结构的工作原理：

基于通胀的奖励：早期矿工因贡献 AI 推理、微调或训练而获得区块补贴（新铸造的代币）。与比特币的减半计划类似，补贴随时间减少，确保了长期稀缺性。

基于交易的费用：应用程序为 AI 服务付费——推理请求、模型微调或访问训练好的权重。这些费用流向执行工作的矿工，在补贴下降时建立可持续的收入模型。

声誉质押：为了防止女巫攻击 (Sybil attacks)（矿工提交低质量工作以骗取奖励），Ambient 引入了质押声誉。矿工必须锁定代币才能参与；产生无效 logit 会导致惩罚 (Slashing)。这使激励机制对齐：矿工通过生成准确、有用的 AI 输出而不是钻系统空子来最大化利润。

适度的硬件门槛：与 ASIC 矿场占据主导地位的比特币不同，Ambient 的 PETALS 分片允许使用消费级 GPU 参与。拥有单个 RTX 4090（24GB VRAM，约 1,600 美元）的矿工可以通过拥有一个分片来为 6000 亿参数模型的训练做出贡献。这使参与变得民主化——无需耗资百万美元的数据中心。

这种模型解决了去中心化 AI 中的一个关键问题：搭便车问题。在传统的 PoS 链中，验证者质押资金但不贡献计算。在 Ambient 中，矿工贡献实际的 AI 工作，确保网络的效用与其安全预算成比例增长。

270 亿美元的 AI 代理板块：为什么 2026 年是转折点​

Ambient 的时机与更广泛的市场趋势相吻合。AI 代理加密板块 估值已达 270 亿美元，其动力源于管理链上资产、执行交易以及跨协议协调的自主程序。

但当前的代理面临信任问题：大多数代理依赖于中心化的 AI API（如 OpenAI、Anthropic、Google）。如果一个管理着 1,000 万美元 DeFi 仓位的代理使用 GPT-4 进行决策，用户无法保证该模型未被篡改、审查或存在偏见。目前还没有审计追踪能证明该代理是自主行动的。

Ambient 通过链上验证解决了这一问题。每一次 AI 推理都记录在区块链上，通过 Logits 证明所使用的确切模型和输入。应用程序可以：

审计代理决策：DAO 可以验证其国库管理代理使用的是特定的、经社区批准的模型，而不是秘密修改过的版本。

强制合规：受监管的 DeFi 协议可以要求代理使用具有经验证安全护栏的模型，且这些护栏在链上可证明。

启用 AI 市场：开发者可以将微调后的模型作为 NFT 出售，由 Ambient 提供训练数据和权重的加密证明。

这使 Ambient 成为下一波自主代理的基础设施。随着 2026 年成为转折点，即“AI、区块链和支付汇聚成一个单一的、自我协调的互联网”，Ambient 的可验证 AI 层将成为关键的底层设施。

技术风险与悬而未决的问题​

Ambient 的愿景宏大，但仍有几个技术挑战尚未解决：

确定性与浮点漂移：AI 模型使用浮点运算，这在不同硬件之间并不是完全确定的。在 NVIDIA A100 上运行的模型产生的 Logits 可能与 AMD MI250 上的略有不同。如果验证者因细微的数值漂移而拒绝区块，网络就会变得不稳定。Ambient 需要设定严格的容差范围——但如果太严，使用不同硬件的矿工就会受到不公平的惩罚。

模型更新与版本控制：如果 Ambient 协作训练一个全局模型，它如何处理更新？在比特币中，所有节点运行相同的共识规则。在 Ambient 中，矿工不断微调模型。如果一半网络更新到 2.0 版本，而另一半留在 1.9，验证就会失效。白皮书并未详细说明模型版本控制和向后兼容性如何运作。

提示词多样性与工作标准化：比特币的 PoW 是统一的——每个矿工解决相同类型的谜题。Ambient 的 PoW 则是多样的——有些矿工回答数学问题，有些编写代码，有些总结文档。验证者如何比较不同任务的“价值”？如果一名矿工生成了 10,000 个乱码 Token（简单），而另一名矿工在困难数据集上微调模型（昂贵），谁应该获得更多奖励？Ambient 需要一种类似于比特币哈希难度的 AI 工作难度调整算法，但衡量“推理难度”并非易事。

分布式训练中的延迟：PETALS 样式的分片对推理（顺序层处理）效果很好，但训练需要反向传播——梯度在网络中向后流动。如果各层分布在网络延迟各异的节点上，梯度更新就会成为瓶颈。Ambient 声称吞吐量提高了 10 倍，但实际性能取决于网络拓扑和矿工分布。

中心化风险与模型托管：如果只有少数节点能负担得起托管最有价值的模型分片（例如 6000 亿参数模型的最后几层），他们将获得不成比例的影响力。验证者可能会优先将工作分配给连接良好的节点，从而在一个本应去中心化的网络中重现数据中心的中心化现象。

这些并非致命缺陷，而是每个区块链 AI 项目都会面临的工程挑战。但 Ambient 在 2025 年第二/第三季度的测试网发布将揭示其理论在现实条件下是否成立。

下一步：测试网、主网与 AGI 终局​

Ambient 的路线图目标是在 2025 年第二/第三季度启动测试网，主网随后于 2026 年上线。来自 a16z CSX、Delphi Digital 和 Amber Group 的 720 万美元种子轮融资为核心开发提供了资金保障，但该项目的长期成功取决于生态系统的采用。

值得关注的关键里程碑：

测试网挖矿参与度：有多少矿工加入网络？如果 Ambient 吸引了成千上万的 GPU 所有者（类似于早期的以太坊挖矿），则证明了其经济模式的可行性。如果只有少数实体挖矿，则预示着中心化风险。

模型性能基准：Ambient 训练的模型能否与 OpenAI 或 Anthropic 竞争？如果一个去中心化的 6000 亿参数模型达到了 GPT-4 级别的质量，就验证了整个方案的可行性。如果性能落后太多，开发者仍会选择中心化 API。

应用程序集成：哪些 DeFi 协议、DAO 或 AI 代理会构建在 Ambient 之上？只有当真实应用消耗链上 AI 推理时，其价值主张才能实现。早期用例可能包括：

  • 具有可证明决策逻辑的自主交易代理
  • 去中心化内容审核（AI 模型过滤帖子，链上可审计）
  • 可验证的 AI 预言机（链上价格预测或情绪分析）

与以太坊和 Cosmos 的互操作性：Ambient 是 Solana 的一个分叉，但 AI 代理经济跨越多个链。连接以太坊（用于 DeFi）和 Cosmos（用于 IBC 连接的 AI 链，如 ASI）的桥接将决定 Ambient 成为孤岛还是枢纽。

最终的目标宏伟：训练 去中心化的通用人工智能 (AGI)，且没有任何单一实体控制该模型。如果成千上万的独立矿工协作训练一个超智能系统，并对每个训练步骤进行加密证明，这将代表第一条真正开放、可审计的 AGI 之路。

Ambient 能否实现这一目标，还是成为又一个承诺过度的加密项目，取决于执行力。但其核心创新——用可验证的 AI 工作取代无意义的加密谜题——是一项真正的突破。如果工作量证明可以是有产出的而非浪费的，Ambient 将率先证明这一点。

Proof-of-Logits 范式转移​

Ambient 的 720 万美元融资不仅仅是另一场加密货币融资。这是一场赌注，赌的是区块链共识和 AI 训练可以融合成一个经济利益一致的单一系统。其影响远不止于 Ambient：

如果基于 Logit 的验证行之有效，其他链将会采用它。以太坊可以引入 PoL 作为 PoS 的替代方案，奖励那些贡献 AI 工作而非仅仅质押 ETH 的验证者。比特币可能会通过分叉来使用有用的计算，而不是 SHA-256 哈希（尽管比特币极大化主义者永远不会接受这一点）。

如果去中心化训练实现了具有竞争力的性能，OpenAI 和 Google 将失去他们的护城河。在一个任何拥有 GPU 的人都可以为 AGI 开发做出贡献，并因其工作赚取代币的世界里，中心化的 AI 寡头垄断将被根本性地颠覆。

如果链上 AI 验证成为标准，自主代理将获得可信度。用户不再信任黑盒 API，而是在链上验证确切的模型和提示词。这将解锁受监管的 DeFi、算法治理和 AI 驱动的法律合约。

Ambient 并不保证一定会赢。但它是迄今为止技术上最可靠的一次尝试，旨在让工作量证明（PoW）发挥实际效用，去中心化 AI 训练，并将区块链安全与文明进步结合起来。测试网的启动将展示理论是否符合现实——或者 Proof-of-Logits 是否会加入那些雄心勃勃的共识实验坟场。

无论如何，训练链上 AGI 的竞赛现在已不可否认地真实开启。而 Ambient 刚刚在起跑线上投入了 720 万美元。

来源：

Gensyn 的 Judge：位级精确的可复现性如何终结不透明 AI API 时代

· 阅读需 22 分钟
Dora Noda
Dora Noda
Software Engineer

每次当你查询 ChatGPT、Claude 或 Gemini 时，你都在信任一个看不见的黑盒。模型版本？未知。精确权重？专有。输出是由你认为正在使用的模型生成的，还是由悄悄更新的变体生成的？无法核实。对于询问食谱或琐事的普通用户来说，这种不透明性仅仅是令人恼火。但对于高风险的 AI 决策——金融交易算法、医疗诊断、法律合同分析——这是一种根本性的信任危机。

Gensyn 的 Judge 于 2025 年底推出，并于 2026 年进入生产阶段。它提供了一种激进的替代方案：加密可验证的 AI 评估，每次推理都可以复现到比特级别。Judge 允许任何人验证特定的、预先商定的 AI 模型是否针对真实输入进行了确定性执行，而不是信任 OpenAI 或 Anthropic 会提供正确的模型——加密证明确保结果无法伪造。

技术突破在于 Verde，这是 Gensyn 的验证系统，它消除了浮点非确定性——这是 AI 可复现性的克星。通过在不同设备上强制执行逐比特精确的计算，Verde 确保在伦敦的 NVIDIA A100 和东京的 AMD MI250 上运行相同的模型会产生完全相同的结果，并可在链上证明。这为去中心化金融（DeFi）、自主代理（Autonomous Agents）以及任何透明度不是可选项而是生存条件的应用程序开启了可验证 AI。

不透明 API 问题：没有验证的信任​

AI 行业运行在 API 之上。开发者通过 REST 终端集成 OpenAI 的 GPT-4、Anthropic 的 Claude 或 Google 的 Gemini，发送提示词并接收响应。但这些 API 在根本上是不透明的：

版本不确定性：当你调用 gpt-4 时，我得到的是哪个确切版本？GPT-4-0314？GPT-4-0613？还是一个悄悄更新的变体？供应商经常在不发布公告的情况下部署补丁，一夜之间改变模型行为。

无审计追踪：API 响应不包含生成它们的模型的加密证明。如果 OpenAI 为特定的地区或客户提供经过审查或有偏见的变体，用户无法检测到。

无声退化：供应商可以为了降低成本而对模型进行“性能阉割”——在保持相同 API 协议的同时降低推理质量。用户反映 GPT-4 随着时间的推移变得“变笨了”，但由于缺乏透明的版本控制，此类说法仍停留在轶事层面。

非确定性输出：由于温度设置、批处理或硬件级浮点舍入误差，即使使用相同的输入两次查询同一个模型，也可能产生不同的结果。这使得审计变得不可能——当输出不可复现时，你如何验证其正确性？

对于普通应用，这些问题只是不便。对于高风险决策，它们则是阻碍。考虑到：

算法交易：一家对冲基金部署了一个管理着 5000 万美元 DeFi 头寸的 AI 代理。该代理依靠 GPT-4 分析来自 X 帖子的市场情绪。如果模型在交易环节中途悄悄更新，情绪评分会发生不可预测的偏移——从而触发意外的清算。该基金没有证据证明模型表现异常；OpenAI 的日志是不公开审计的。

医疗诊断：一家医院使用 AI 模型来推荐癌症治疗方案。法规要求医生记录决策过程。但如果 AI 模型版本无法验证，审计追踪就是不完整的。医疗事故诉讼可能取决于证明是 哪一个 模型生成了该建议——而这对于不透明的 API 来说是不可能的。

DAO 治理：一个去中心化组织使用 AI 代理对国库提案进行投票。社区成员要求证明该代理使用的是经过批准的模型——而不是一个有利于特定结果的篡改变体。没有加密验证，投票就缺乏合法性。

这就是 Gensyn 瞄准的信任差距：随着 AI 被嵌入到关键决策中，无法验证模型的真实性和行为成为了“在高风险环境中部署代理化 AI 的根本障碍”。

Judge：可验证 AI 评估协议​

Judge 通过针对真实输入执行预先商定的确定性 AI 模型，并将结果提交到区块链（任何人都可以发起挑战）来解决不透明问题。以下是该协议的工作原理：

1. 模型承诺：参与者就 AI 模型达成一致——包括其架构、权重和推理配置。该模型被哈希处理并提交到链上。哈希值充当加密指纹：任何偏离商定模型的行为都会产生不同的哈希值。

2. 确定性执行：Judge 使用 Gensyn 的可复现运行时 运行模型，该运行时保证了跨设备的逐比特精确可复现性。这消除了浮点非确定性——这是我们稍后将探讨的一项关键创新。

3. 公开承诺：推理完成后，Judge 将输出（或其哈希值）发布在链上。这为模型针对给定输入产生的内容创建了一个永久的、可审计的记录。

4. 挑战期：任何人都可以通过独立重新执行模型来挑战结果。如果他们的输出不同，他们可以提交欺诈证明。Verde 的 受仲裁的委托机制 可以精确定位计算图中结果发生分歧的具体操作员。

5. 欺诈罚没：如果挑战者证明 Judge 产生了错误结果，原始执行者将受到惩罚（罚没抵押的代币）。这统一了经济激励：执行者通过正确运行模型来最大化利润。

Judge 将 AI 评估从“信任 API 供应商”转变为“验证加密证明”。模型的行为是公开的、可审计的和可强制执行的——不再隐藏在专有终端后面。

Verde：消除浮点非确定性​

可验证 AI 的核心技术挑战在于确定性。神经网络在推理过程中执行数十亿次浮点运算。在现代 GPU 上，这些操作并非完全可复现：

非结合性 (Non-associativity)：浮点加法不满足结合律。由于舍入误差，(a + b) + c 的结果可能与 a + (b + c) 不同。GPU 在数千个核心上并行执行求和运算，而部分和累加的顺序会因硬件和驱动程序版本的不同而变化。

内核调度变异性 (Kernel scheduling variability)：GPU 内核（如矩阵乘法或注意力机制）可能会根据工作负载、驱动程序优化或硬件架构以不同的顺序执行。即使在同一块 GPU 上运行两次相同的模型，如果内核调度不同，也可能产生不同的结果。

批次大小依赖性 (Batch-size dependency)：研究发现 LLM 推理具有系统级非确定性，因为输出取决于批次大小 (batch size)。许多内核（如 matmul、RMSNorm、attention）会根据同时处理的样本数量改变数值输出——批次大小为 1 的推理产生的值与在批次大小为 8 的同一输入中产生的值不同。

这些问题使得标准 AI 模型不适用于区块链验证。如果两个验证者重新运行相同的推理并得到略有不同的输出，谁才是正确的？如果没有确定性，共识就无法达成。

Verde 通过 RepOps (可复现算子) 解决了这一问题。这是一个通过控制所有设备上浮点运算顺序来消除硬件非确定性的库。其工作原理如下：

规范归约顺序 (Canonical reduction orders)：RepOps 在执行矩阵乘法等运算时，强制执行部分结果求和的确定性顺序。RepOps 不再由 GPU 调度器决定，而是明确指定：在所有硬件上“先对第 0 列求和，然后是第 1 列，接着是第 2 列……”。这确保了 (a + b) + c 始终按相同的序列计算。

定制 CUDA 内核 (Custom CUDA kernels)：Gensyn 开发了优化的内核，将可复现性置于原始速度之上。与标准的 cuBLAS 相比，RepOps 矩阵乘法的额外开销不到 30%——对于实现确定性来说，这是一个合理的权衡。

驱动程序与版本锁定 (Driver and version pinning)：Verde 使用锁定版本的 GPU 驱动程序和规范配置，确保在不同硬件上执行的相同模型产生完全一致的位级输出。在一个数据中心的 NVIDIA A100 上运行的模型，其输出与另一个数据中心 AMD MI250 的输出在位级别上完全匹配。

这是实现 Judge 验证的突破：位级精确的可复现性 意味着验证者可以在不信任执行者的情况下独立确认结果。如果哈希值匹配，推理就是正确的——这在数学上是可证明的。

仲裁委托：无需完整重新计算的高效验证​

即便拥有确定性执行，通过朴素方式验证 AI 推理的成本也极其高昂。一个拥有 700 亿参数、生成 1,000 个 token 的模型可能需要 10 个 GPU 小时。如果验证者必须重新运行每一次推理来验证正确性，那么验证成本将等于执行成本——这违背了去中心化的初衷。

Verde 的 仲裁委托机制 (refereed delegation mechanism) 使验证效率呈指数级提升：

多个不可信执行者：Judge 不再只分配给一个执行者，而是将任务分配给多个独立的提供者。每个执行者运行相同的推理并提交结果。

分歧触发调查：如果所有执行者达成一致，结果将被接受——无需进一步验证。如果输出不一致，Verde 会启动挑战博弈。

计算图上的二分查找：Verde 不会重新运行整个推理。相反，它在模型的计算图上执行二分查找，以找到结果产生分歧的第一个算子。这能精准定位导致差异的具体层（例如，“第 47 层注意力机制，第 8 个头”）。

极小化仲裁计算：仲裁者（可以是智能合约或计算能力有限的验证者）仅检查有争议的算子，而不是整个前向传播过程。对于一个拥有 80 层、70B 参数的模型，这在最坏情况下将验证工作量减少到仅需检查约 7 层 (log₂ 80)。

这种方法比朴素复制（即每个验证者重新运行所有内容）效率提升超过 1,350%。Gensyn 结合了加密证明、博弈论和优化流程，在不进行冗余计算的情况下保证了执行的正确性。

结果是：Judge 可以大规模验证 AI 工作负载，从而实现去中心化推理网络，让数千个不可信节点贡献算力——同时捕获并惩罚不诚实的执行者。

高风险 AI 决策：透明度为何至关重要​

Judge 的目标市场并非普通的聊天机器人，而是那些可验证性不是“锦上添花”而是监管或经济要求的应用场景。在以下场景中，不透明的 API 可能会导致灾难性的失败：

去中心化金融 (DeFi)：自主交易代理管理着数十亿资产。如果代理使用 AI 模型来决定何时重新平衡投资组合，用户需要证明该模型未被篡改。Judge 实现了链上验证：代理提交特定的模型哈希值，根据其输出执行交易，任何人都可以挑战其决策逻辑。这种透明度防止了恶意代理在没有证据的情况下声称“是 AI 让我平仓”的撤资 (Rug Pull) 行为。

监管合规：将 AI 用于信用评分、欺诈检测或反洗钱 (AML) 的金融机构面临审计。监管机构要求提供解释：“为什么模型会标记这笔交易？”不透明的 API 无法提供审计追踪。Judge 创建了模型版本、输入和输出的不可变记录，满足了合规性要求。

算法治理：去中心化自治组织 (DAO) 使用 AI 代理来提议治理决策或进行投票。社区成员必须验证代理使用的是经过批准的模型，而不是被黑客篡改的变体。通过 Judge，DAO 在其智能合约中编码模型哈希，每一项决策都包含正确性的加密证明。

医疗与法律 AI：医疗保健和法律系统需要问责制。医生在 AI 辅助下诊断癌症时需要记录所使用的确切模型版本。律师使用 AI 起草合同时必须证明输出源自经过审核、无偏见的模型。Judge 的链上审计追踪提供了这些证据。

预测市场与预言机：像 Polymarket 这样的项目使用 AI 来结算投注结果（例如，“这件事会发生吗？”）。如果结算取决于分析新闻文章的 AI 模型，参与者需要证明模型未被操纵。Judge 验证预言机的 AI 推理，防止产生争议。

在每种情况下，共同点在于 缺乏透明度的信任是不够的。正如 VeritasChain 所指出的，AI 系统需要“加密飞行记录仪”——即在发生争议时证明事实经过的不可变日志。

零知识证明的替代方案：Verde 与 ZKML 的对比​

Judge 并不是实现可验证 AI 的唯一方法。零知识机器学习 (ZKML) 使用 zk-SNARKs 实现了类似的目标：通过加密证明确保计算正确执行，而无需透露输入或权重。

Verde 与 ZKML 相比如何？

验证成本：ZKML 生成证明所需的计算量大约是原始推理的 1,000 倍（研究预估）。一个拥有 70B 参数的模型如果推理需要 10 个 GPU 小时，那么证明可能需要 10,000 个 GPU 小时。Verde 的仲裁委托是对数级的：检查约 7 层而不是 80 层，实现了 10 倍的缩减，而不是 1,000 倍的增加。

证明者复杂度：ZKML 需要专门的硬件（如用于 zk-SNARK 电路的定制 ASIC）才能高效生成证明。Verde 可以在通用 GPU 上运行——任何拥有游戏电脑的矿工都可以参与。

隐私权衡：ZKML 的优势在于隐私——证明过程不会泄露任何关于输入或模型权重的信息。Verde 的确定性执行是透明的：输入和输出是公开的（尽管权重可以加密）。对于高风险的决策，透明度通常是更受欢迎的。一个对金库分配进行投票的 DAO 需要的是公开的审计追踪，而不是隐藏的证明。

证明范围：ZKML 在实际应用中仅限于推理——以当前的计算成本，证明训练过程是不可行的。Verde 同时支持推理和训练验证（Gensyn 更广泛的协议验证分布式训练）。

现实世界采用：像 Modulus Labs 这样的 ZKML 项目已经取得了突破（在链上验证了 18M 参数的模型），但仍局限于较小的模型。Verde 的确定性运行时已经在生产环境中处理 70B+ 参数的模型。

ZKML 在隐私至上的场景中表现出色——例如在不暴露虹膜扫描的情况下验证生物识别身份 (Worldcoin)。Verde 在以透明度为目标的场景中表现出色——证明特定的公开模型已正确执行。这两种方法是互补的，而非竞争关系。

Gensyn 生态系统：从 Judge 到去中心化训练​

Judge 是 Gensyn 宏伟蓝图中的一个组件：一个用于机器学习计算的去中心化网络。该协议包括：

执行层：在异构硬件（消费级 GPU、企业级集群、边缘设备）之间实现一致的机器学习执行。Gensyn 标准化了推理和训练工作负载，确保了兼容性。

验证层 (Verde)：使用仲裁委托进行无需信任的验证。不诚实的执行者会被检测并受到惩罚。

点对点通信：在没有中心化协调的情况下跨设备分配工作负载。矿工接收任务、执行任务并直接向区块链提交证明。

去中心化协调：以太坊 Rollup 上的智能合约无许可地识别参与者、分配任务并处理支付。

Gensyn 的公共测试网于 2025 年 3 月启动，主网计划于 2026 年发布。 $AI 代币公开销售于 2025 年 12 月进行，为矿工和验证者建立了经济激励机制。

Judge 作为评估层融入此生态系统：虽然 Gensyn 的核心协议处理训练和推理，但 Judge 确保这些输出是可验证的。这创造了一个飞轮效应：

开发者在 Gensyn 的去中心化网络上训练模型（由于闲置的消费级 GPU 提供算力，成本比 AWS 更低）。

模型在 Judge 的保证下部署以确保评估的完整性。应用程序通过 Gensyn 的 API 消费推理结果，但与 OpenAI 不同，每一个输出都包含加密证明。

验证者通过检查证明和捕获欺诈行为赚取费用，使经济激励与网络安全保持一致。

信任随着更多应用采用可验证 AI 而扩展，减少了对中心化供应商的依赖。

最终目标：实现可证明正确、去中心化且任何人都能访问的 AI 训练和推理——而不仅仅属于大型科技公司。

挑战与开放性问题​

Judge 的方法具有开创性，但仍面临一些挑战：

性能开销：RepOps 30% 的性能损耗对于验证来说是可以接受的，但如果每次推理都必须以确定性方式运行，那么对延迟敏感的应用（实时交易、自动驾驶汽车）可能会倾向于更快、不可验证的替代方案。Gensyn 的路线图可能包括进一步优化 RepOps——但在速度和确定性之间存在根本性的权衡。

驱动程序版本碎片化：Verde 假设使用固定版本的驱动程序，但 GPU 制造商不断发布更新。如果某些矿工使用 CUDA 12.4 而其他矿工使用 12.5，位级复现性就会失效。Gensyn 必须执行严格的版本管理——这增加了矿工加入的复杂性。

模型权重保密性：Judge 的透明度对于公开模型是一个特性，但对于私有模型则是一个缺陷。如果一家对冲基金训练了一个有价值的交易模型，将其部署在 Judge 上会通过链上承诺将权重暴露给竞争对手。对于秘密模型，基于 ZKML 的替代方案可能更受青睐——这表明 Judge 的目标是开放或半开放的 AI 应用。

争议解决延迟：如果挑战者声称存在欺诈，通过二分查找解决争议需要多次链上交易（每一轮都会缩小搜索范围）。高频应用无法等待数小时来达成最终性。Gensyn 可能会引入乐观验证（除非在窗口期内受到挑战，否则假设正确）以降低延迟。

仲裁委托中的抗女巫攻击：如果多个执行者必须达成一致，如何防止单个实体通过女巫身份控制所有执行者？Gensyn 可能会使用基于质押权重的选择（优先选择声誉高的验证者）结合罚没 (Slashing) 机制来威慑共谋——但经济阈值必须经过精心校准。

这些并不是无法逾越的障碍——它们是工程挑战。核心创新（确定性 AI + 加密验证）是可靠的。随着测试网向主网过渡，执行细节将会趋于成熟。

可验证 AI 之路：采用路径与市场契合度​

Judge 的成功取决于采用率。哪些应用将率先部署可验证 AI？

带有自治代理的 DeFi 协议：Aave、Compound 或 Uniswap DAO 可以集成经 Judge 验证的代理进行国库管理。社区投票批准模型哈希，所有代理决策都包含证明。这种透明度建立了信任——这对 DeFi 的合法性至关重要。

预测市场与预言机：Polymarket 或 Chainlink 等平台可以使用 Judge 来结算投注或交付价格喂价。分析情绪、新闻或链上活动的 AI 模型将产生可验证的输出——消除关于预言机操纵的争议。

去中心化身份与 KYC：需要基于 AI 的身份验证（如自拍年龄估算、文件真实性检查）的项目可以从 Judge 的审计轨迹中受益。监管机构可以接受合规性的加密证明，而无需信任中心化身份提供商。

社交媒体的内容审核：去中心化社交网络（Farcaster、Lens Protocol）可以部署经 Judge 验证的 AI 审核员。社区成员可以验证审核模型是否存在偏见或被审查——从而确保平台的中立性。

AI 即服务（AI-as-a-Service）平台：开发 AI 应用的开发者可以提供“可验证推理”作为一项高级功能。用户为证明支付额外费用，从而使服务区别于不透明的替代方案。

其共同点是：在这些应用中，信任的成本很高（由于监管、去中心化或高风险），且验证成本是可接受的（与确定性的价值相比）。

Judge 不会在消费者聊天机器人领域取代 OpenAI——用户在询问食谱建议时并不关心 GPT-4 是否可验证。但在金融算法、医疗工具和治理系统领域，可验证 AI 才是未来。

可验证性成为新标准​

Gensyn 的 Judge 代表了一场范式转移：AI 评估正从“信任提供商”转向“验证证明”。其技术基础——通过 Verde 实现的位精确（bitwise-exact）可复现性、通过裁判委托（refereed delegation）实现的高效验证以及链上审计轨迹——使这一转变变得切实可行，而不仅仅是愿景。

其影响远超 Gensyn 本身。如果可验证 AI 成为标准，中心化提供商将失去其护城河。OpenAI 的价值主张不仅在于 GPT-4 的能力，还在于无需管理基础设施的便利性。但如果 Gensyn 证明去中心化 AI 能够匹配中心化性能并增加可验证性，开发者就没有理由被锁定在专有 API 中。

竞赛已经开始。ZKML 项目（Modulus Labs、Worldcoin 的生物识别系统）押注于零知识证明。确定性运行时（Gensyn 的 Verde、EigenAI）押注于可复现性。乐观方案（区块链 AI 预言机）押注于欺诈证明。每条路径都有权衡，但终点是一致的：即输出是可证明的、而不仅仅是看似合理的 AI 系统。

对于高风险决策，这不再是可选项。监管机构不会接受金融、医疗或法律应用中 AI 提供商的“相信我们”。DAO 不会将国库管理委托给黑箱代理。随着自主 AI 系统变得越来越强大，公众将要求透明度。

Judge 是第一个实现这一承诺的生产就绪系统。测试网已上线。加密基础扎实。市场——价值 270 亿美元的 AI 代理加密货币、算法管理的数十亿 DeFi 资产以及不断增加的监管压力——已经准备就绪。

不透明 AI API 的时代即将结束。可验证智能的时代正在开启。而 Gensyn 的 Judge 正照亮前路。

参考资料：

Nillion 的 Blacklight 正式上线：ERC-8004 如何为自主 AI 代理构建信任层

· 阅读需 14 分钟
Dora Noda
Dora Noda
Software Engineer

2026 年 2 月 2 日，AI 智能体经济迈出了关键一步。Nillion 推出了 Blacklight，这是一个实现 ERC-8004 标准 的验证层，旨在解决区块链领域最紧迫的问题之一：如何信任一个你从未见过的 AI 智能体？

答案并非简单的信誉评分或中心化注册表。它是一个由密码学证明、可编程审计和社区运营节点网络支持的五步验证过程。随着自主智能体越来越多地执行交易、管理财库和协调跨链活动，Blacklight 代表了实现大规模无须信任 AI 协作的基础设施。

AI 智能体无法独自解决的信任问题​

数据说明了一切。AI 智能体现在贡献了 Polymarket 交易量的 30%，处理跨多个协议的 DeFi 收益策略，并自主执行复杂的流程。但存在一个根本性的瓶颈：在没有预先建立关系的情况下，智能体如何验证彼此的可信度？

传统系统依赖于中心化机构颁发凭证。Web3 的承诺则不同——通过密码学和共识进行无须信任的验证。然而，在 ERC-8004 出现之前，智能体没有标准化的方式来证明其真实性、跟踪其行为或在链上验证其决策逻辑。

这不仅仅是一个理论问题。正如 Davide Crapis 所解释的，“ERC-8004 实现了去中心化 AI 智能体之间的交互，建立了无须信任的商业，并增强了以太坊上的信誉系统。”没有它，智能体之间的商业活动仍将局限于封闭花园，或者需要手动监管——这违背了自主化的初衷。

ERC-8004：三层注册表信任基础设施​

ERC-8004 标准 于 2026 年 1 月 29 日在以太坊主网上线，通过三个链上注册表建立了一个模块化的信任层：

身份注册表 (Identity Registry)：使用 ERC-721 提供可移植的智能体标识符。每个智能体都会收到一个代表其独特链上身份的非同质化代币 (NFT)，从而实现跨平台识别并防止身份冒用。

信誉注册表 (Reputation Registry)：收集标准化的反馈和评分。与中心化评论系统不同，反馈通过密码学签名记录在链上，创建了不可篡改的审计轨迹。任何人都可以抓取这些历史记录并构建自定义的信誉算法。

验证注册表 (Validation Registry)：支持对智能体工作进行密码学和经济验证。这是进行可编程审计的地方——验证者可以重新执行计算、验证零知识证明，或利用可信执行环境 (TEEs) 来确认智能体的行为是否正确。

ERC-8004 的卓越之处在于其不设限的设计。正如 技术规范 所指出的，该标准支持各种验证技术：“受 EigenLayer 等系统启发的任务质押安全重执行、零知识机器学习 (zkML) 证明的验证，以及来自可信执行环境的见证。”

这种灵活性至关重要。一个 DeFi 套利智能体可能会使用 zkML 证明来验证其交易逻辑而不泄露 Alpha。一个供应链智能体可能会使用 TEE 见证来证明其正确访问了现实世界的数据。一个跨链桥智能体可能会依靠带有罚没机制 (slashing) 的加密经济验证来确保诚实执行。

Blacklight 的五步验证流程​

Nillion 在 Blacklight 上对 ERC-8004 的实现增加了一个关键层：社区运营的验证节点。以下是该流程的工作原理：

1. 智能体注册：智能体在身份注册表中注册其身份，并获得一个 ERC-721 NFT。这创建了一个与智能体公钥绑定的独特链上标识符。

2. 发起验证请求：当智能体执行需要验证的操作（例如执行交易、转移资金或更新状态）时，它会向 Blacklight 提交验证请求。

3. 委员会分配：Blacklight 协议随机分配一个验证节点委员会来审计该请求。这些节点由质押了 70,000 个 NIL 代币的社区成员运营，从而使激励措施与网络完整性保持一致。

4. 节点检查：委员会成员重新执行计算或验证密码学证明。如果验证者检测到不当行为，他们可以罚没智能体的质押资金（在采用加密经济验证的系统中），或在信誉注册表中标记该身份。

5. 链上报告：结果发布在链上。验证注册表记录智能体的工作是否通过验证，从而创建永久的执行证明。信誉注册表也会相应更新。

这一过程是异步且非阻塞的，这意味着智能体在执行常规任务时无需等待验证完成——但高风险操作（如大额转账、跨链操作）可能需要预先验证。

可编程审计：超越二进制信任​

Blacklight 最具雄心的功能是“可编程验证”——即能够审计代理 如何 做出决策，而不仅仅是审计它做了 什么。

考虑一个管理财库的 DeFi 代理。传统的审计验证资金是否正确移动。可编程审计则验证：

  • 决策逻辑一致性：代理是否遵循了其陈述的投资策略，还是偏离了策略？
  • 多步工作流执行：如果代理应该在三个链上重新平衡投资组合，它是否完成了所有步骤？
  • 安全约束：代理是否遵守了 gas 限制、滑点容差和风险敞口上限？

由于 ERC-8004 的验证注册表（Validation Registry）支持任意证明系统，这成为了可能。代理可以在链上提交决策算法（例如，其神经网络权重的哈希值或代表其逻辑的 zk-SNARK 电路），然后证明每项操作都符合该算法，而无需透露专有细节。

Nillion 的路线图 明确针对这些用例：“Nillion 计划将 Blacklight 的功能扩展到‘可编程验证’，实现对复杂行为的去中心化审计，如代理决策逻辑的一致性、多步工作流执行和安全约束。”

这将验证从反应式（事后捕捉错误）转变为主动式（通过设计强制执行正确行为）。

盲计算：隐私与验证的结合​

Nillion 的底层技术——Nil 消息计算（NMC）——为代理验证增加了隐私维度。与所有数据公开的传统区块链不同，Nillion 的“盲计算”能够在不解密的情况下对加密数据进行操作。

这里是这对代理至关重要的原因：AI 代理可能需要在不向竞争对手泄露 Alpha 的情况下验证其交易策略。或者证明它在不暴露患者数据的情况下正确访问了机密医疗记录。或者在不披露专有业务逻辑的情况下证明符合监管约束。

Nillion 的 NMC 通过多方计算（MPC）实现这一点，其中节点协作生成“盲因子”（blinding factors）——用于加密数据的相关随机性。正如 DAIC Capital 所解释的：“节点生成处理数据所需的关键网络资源——一种被称为盲因子的相关随机性——每个节点都安全地存储其盲因子的份额，以量子安全的方式在网络中分配信任。”

这种架构在设计上具有抗量子性。即使量子计算机破解了当今的椭圆曲线加密，分布式的盲因子仍然是安全的，因为没有单个节点拥有足够的信息来解密数据。

对于 AI 代理而言，这意味着验证不需要牺牲机密性。代理可以证明其正确执行了任务，同时保持其方法、数据源和决策逻辑的私密性。

43 亿美元的代理经济基础设施博弈​

Blacklight 的推出正值区块链 AI 领域进入高速增长期。该市场预计将从 6.8 亿美元（2025 年）增长到 43 亿美元（2034 年），复合年增长率为 22.9%，而更广泛的机密计算市场到 2032 年将达到 3500 亿美元。

但 Nillion 不仅仅是在赌市场扩张——它正将自己定位为关键基础设施。代理经济的瓶颈不是计算或存储，而是 大规模的信任。正如 KuCoin 的 2026 年展望 所指出的，三大趋势正在重塑 AI 身份和价值流：

代理封装代理（Agent-Wrapping-Agent）系统：代理与其他代理协作执行复杂的多步任务。这需要标准化的身份和验证——这正是 ERC-8004 所提供的。

KYA（了解你的代理，Know Your Agent）：金融基础设施对代理凭证的需求。监管机构不会批准在没有正确行为证明的情况下让自主代理管理资金。Blacklight 的可编程审计直接解决了这个问题。

纳支付（Nano-payments）：代理需要高效地结算微支付。在 2026 年 1 月处理了超过 2000 万笔交易的 x402 支付协议，通过处理结算来补充 ERC-8004，而 Blacklight 则负责处理信任。

这些标准在彼此相隔几周内就达到了生产就绪状态，这标志着基础设施成熟度的协作突破。

以太坊的代理优先未来​

ERC-8004 的采用范围远超 Nillion。截至 2026 年初，多个项目已集成该标准：

  • Oasis Network：通过基于 TEE 的验证实施 用于机密计算的 ERC-8004
  • The Graph：支持 ERC-8004 和 x402，以在去中心化索引中实现 可验证的代理交互
  • MetaMask：探索内置 ERC-8004 身份的代理钱包
  • Coinbase：为机构代理托管解决方案集成 ERC-8004

这种快速采用反映了以太坊路线图的更广泛转变。Vitalik Buterin 反复强调，区块链的角色正变成 AI 代理的“管道”——不是面向消费者的层，而是实现自主协作的信任基础设施。

Nillion 的 Blacklight 通过使验证变得可编程、隐私保护和去中心化，加速了这一愿景。代理可以利用密码学证明其正确性，而无需依赖中心化的预言机或人工审查。

下一步：主网集成与生态扩展​

Nillion 的 2026 年路线图 优先考虑以太坊兼容性和可持续的去中心化。以太坊桥已于 2026 年 2 月上线，随后推出了用于质押和私有计算的原生智能合约。

质押 70,000 枚 NIL 代币的社区成员可以运行 Blacklight 验证节点，在赚取奖励的同时维护网络完整性。这种设计模仿了以太坊的验证者经济模型，但增加了专门的验证角色。

接下来的里程碑包括：

  • 扩展 zkML 支持：与 Modulus Labs 等项目集成，在链上验证 AI 推理
  • 跨链验证：使 Blacklight 能够验证在以太坊、Cosmos 和 Solana 上运行的 Agent
  • 机构合作伙伴关系：与 Coinbase 和合作伙伴合作进行企业级 Agent 部署
  • 合规工具：为金融服务应用构建 KYA 框架

或许最重要的是，Nillion 正在开发 nilGPT —— 一个全私有的 AI 聊天机器人，展示了盲计算（Blind Computation）如何实现机密的 Agent 交互。这不仅仅是一个演示；它为医疗保健、金融和政府领域处理敏感数据的 Agent 提供了蓝图。

无需信任协作的终局​

Blacklight 的发布标志着 Agent 经济的一个转折点。在 ERC-8004 出现之前，Agent 在孤岛中运行 —— 在各自的生态系统中受到信任，但如果没有人类中间人，就无法跨平台协作。在 ERC-8004 之后，Agent 可以相互验证身份、审计彼此的行为，并自主结算支付。

这开启了全新的应用类别：

  • 去中心化对冲基金：Agent 跨链管理投资组合，具有可验证的投资策略和透明的业绩审计
  • 自主供应链：Agent 在没有中心化监督的情况下协调物流、支付和合规
  • AI 驱动的 DAO：由 Agent 管理的组织，根据经过密码学验证的决策逻辑进行投票、提案和执行
  • 跨协议流动性管理：Agent 在具有可编程风险约束的 DeFi 协议之间重新平衡资产

共同点是什么？所有这些都需要无需信任的协作 —— 即 Agent 在没有预先存在的关系或中心化信任锚点的情况下共同工作的能力。

Nillion 的 Blacklight 正提供了这一点。通过将 ERC-8004 的身份和声誉基础设施与可编程验证和盲计算相结合，它创建了一个信任层，其扩展性足以支撑即将到来的万亿级 Agent 经济。

随着区块链成为 AI Agent 和全球金融的基础设施，问题不再是我们是否需要验证基础设施，而是谁来构建它，以及它是去中心化的还是由少数守门人控制的。Blacklight 的社区运行节点和开放标准为前者提供了有力支持。

链上自主参与者的时代已经到来。基础设施已经上线。剩下的唯一问题是，在其之上会构建出什么。

参考资料：

AI × Web3 融合：区块链如何成为自主代理的操作系统

· 阅读需 18 分钟
Dora Noda
Dora Noda
Software Engineer

2026 年 1 月 29 日，以太坊发布了 ERC-8004，这一标准赋予了 AI 软件代理持久的链上身份。在几天之内，超过 24,549 个代理完成了注册，且 BNB Chain 宣布支持该协议。这并非渐进式的进步 —— 它是为自主经济参与者提供的基础设施，使它们能够在无需人工干预的情况下进行交易、协作和建立声誉。

AI 代理的存在并不一定需要区块链。但它们需要区块链来进行协作。在跨组织边界时进行无须信任的交易。建立可验证的声誉。自主结算支付。在没有中心化中介的情况下证明执行。

这种融合之所以加速，是因为这两种技术都解决了对方的关键弱点：AI 提供智能和自动化，区块链提供信任和经济基础设施。它们共同创造了两者单独都无法实现的东西：能够在无需预先存在信任关系的情况下参与开放市场的自主系统。

本文研究了使 AI × Web3 融合成为必然的基础设施 —— 从身份标准到经济协议，再到去中心化模型执行。问题不在于 AI 代理是否会在区块链上运行，而在于基础设施扩展到支持数百万自主经济参与者的速度有多快。

ERC-8004：AI 代理的身份基础设施​

ERC-8004 于 2026 年 1 月 29 日在以太坊主网上线，为代理身份、声誉和验证建立了标准化的、无许可的机制。

该协议解决了一个根本问题：如何在没有预先存在信任的情况下，跨组织边界发现、选择代理并与之互动。如果没有身份基础设施，每次代理互动都需要中心化中介 —— 市场平台、验证服务、争议解决层。ERC-8004 使这些变得无须信任且可组合。

三个核心注册表：

身份注册表 (Identity Registry)： 一个基于 ERC-721 且带有 URIStorage 扩展的极简链上句柄，解析为代理的注册文件。每个代理都获得一个便携式、抗审查的标识符。没有中心化机构能控制谁可以创建代理身份，或者哪些平台可以识别它。

声誉注册表 (Reputation Registry)： 发布和获取反馈信号的标准接口。代理通过链上交易历史、完成的任务和对手方的评价建立声誉。声誉变得可以在不同平台间移植，而不是被孤立在单个市场中。

验证注册表 (Validation Registry)： 用于请求和记录独立验证者检查的通用挂钩 —— 质押者重新运行作业、zkML 验证器确认执行、TEE 预言机证明计算、受信任的法官解决争议。验证机制以模块化方式接入，而不需要特定于平台的实现。

这种架构为开放的代理市场创造了条件。你得到的不再是 AI 代理版的 Upwork，而是无许可协议，代理在其中相互发现、协商条款、执行任务并结算支付 —— 这一切都无需中心化平台的把关。

BNB Chain 迅速宣布支持 标志着该标准正走向跨链应用。多链代理身份使代理能够在区块链生态系统之间运行，同时保持统一的声誉和验证系统。

DeMCP：模型上下文协议与去中心化的相遇​

DeMCP 作为首个去中心化模型上下文协议（Model Context Protocol）网络启动，利用 TEE（可信执行环境）和区块链解决信任和安全问题。

由 Anthropic 开发的模型上下文协议 (MCP) 规范了应用程序向大型语言模型提供上下文的方式。可以把它想象成 AI 应用程序的 USB-C —— 相比为每个数据源定制集成，MCP 提供了通用的接口标准。

DeMCP 将其扩展到 Web3：通过按需生成的 MCP 实例，提供对 GPT-4 和 Claude 等领先大模型的无缝、按需付费访问，全部使用稳定币（USDT/USDC）支付，并由收入分成模式管理。

该架构解决了三个关键问题：

访问 (Access)： 传统的 AI 模型 API 需要中心化账户、支付基础设施和特定平台的 SDK。DeMCP 使自主代理能够通过标准协议访问大模型，使用加密货币支付，无需人工管理 API 密钥或信用卡。

信任 (Trust)： 中心化的 MCP 服务会成为单点故障和监视点。DeMCP 受 TEE 保护的节点提供可验证的执行 —— 代理可以确认模型在没有被篡改的情况下运行了特定的提示词，这对于财务决策或监管合规至关重要。

可组合性 (Composability)： 基于 MCP 和 A2A（代理对代理）协议的新一代 AI 代理基础设施正在涌现，专门为 Web3 场景设计，允许代理访问多链数据并与 DeFi 协议进行原生交互。

结果是：MCP 使 AI 成为 Web3 的一等公民。区块链提供信任、协调和经济基石。它们共同构成了一个去中心化的操作系统，代理在其中跨互操作协议进行推理、协调和行动。

2026 年值得关注的顶级 MCP 加密项目 包括构建代理协调层的基础设施提供商、去中心化模型执行网络，以及使代理能够在 Web3 生态系统中自主运行的协议级集成。

Polymarket 的 170+ 个 Agent 工具：基础设施在行动​

Polymarket 的生态系统已增长到涵盖 19 个类别的 170 多个第三方工具，成为了任何认真对待预测市场交易的人必不可少的基础设施。

工具类别涵盖了整个 Agent 工作流：

自主交易： AI 驱动的 Agent 可自动发现并优化策略，将预测市场与流动性挖矿及 DeFi 协议相结合。部分 Agent 在短期预测中的准确率达到了 98%。

套利系统： 自动化机器人可识别 Polymarket 与其他预测平台或传统博彩市场之间的价格差异，执行交易的速度比人类操作员更快。

巨鲸追踪： 监控大额持仓变动的工具，使 Agent 能够根据历史业绩相关性跟随或对抗机构活动。

跟单交易基础设施： 允许 Agent 复制顶尖交易者策略的平台，通过链上业绩核实防止虚假的收益声明。

分析与数据馈送： 机构级分析工具 为 Agent 提供市场深度、流动性分析、历史概率分布以及事件结果相关性。

风险管理： 自动仓位调整、风险限额和止损机制直接集成到 Agent 的交易逻辑中。

该生态系统验证了 AI × Web3 融合的论点。Polymarket 专门为 Agent 开发提供了 GitHub 代码库和 SDK，将自主参与者视为平台的一等公民，而非边缘案例或违反服务条款的行为。

2026 年的展望包括潜在的 $POLY 代币发行，这将围绕治理、费用结构和生态系统激励创造新的动态。首席执行官 Shayne Coplan 暗示这可能成为 2026 年最大的 TGE（代币生成事件）之一。此外，Polymarket 潜在的区块链发布（遵循 Hyperliquid 模式）可能会从根本上重塑基础设施，数十亿美元的融资规模使得应用链（appchain）成为一种自然的演进。

基础设施栈：AI × Web3 的各层架构​

在区块链上运行的自主 Agent 需要跨多个层级的协调基础设施：

第 1 层：身份与声誉

  • 用于 Agent 识别的 ERC-8004 注册表
  • 追踪业绩的链上声誉系统
  • Agent 所有权和权限的加密证明
  • 用于多生态系统运营的跨链身份桥接

第 2 层：访问与执行

  • 用于去中心化 LLM 访问的 DeMCP
  • 用于私密 Agent 逻辑的 TEE 安全计算
  • 用于可验证推理的 zkML（零知识机器学习）
  • 分发模型执行的去中心化推理网络

第 3 层：协调与通信

  • 用于直接协商的 A2A（Agent 到 Agent）协议
  • 用于 Agent 间通信的标准化消息格式
  • 发现具有特定功能的 Agent 的机制
  • 用于自主合约的托管和纠纷解决

第 4 层：经济基础设施

  • 用于跨境结算的稳定币支付通道
  • 用于 Agent 生成资产的自动做市商
  • 可编程的费用结构和收入分成
  • 基于代币的激励对齐

第 5 层：应用协议

  • 用于自主收益优化的 DeFi 集成
  • 用于信息交易的预测市场 API
  • 用于 Agent 创作内容的 NFT 市场
  • DAO 治理参与框架

这一技术栈使 Agent 能够实现日益复杂的行为：简单自动化（智能合约执行）、反应式 Agent（响应链上事件）、主动式 Agent（根据推理发起策略）以及协调式 Agent（与其他自主参与者进行协商）。

这些基础设施不仅让 AI Agent 能够使用区块链 —— 它还使区块链成为自主经济活动的自然运行环境。

为什么 AI 需要区块链：信任问题​

AI Agent 面临着中心化架构无法解决的根本性信任挑战：

验证： 如何证明 AI Agent 执行了特定的逻辑而没有被篡改？传统的 API 无法提供保证。结合了 zkML 或 TEE 证明的区块链创造了可验证计算 —— 即特定模型处理了特定输入并产生了特定输出的加密证明。

声誉： Agent 如何跨组织边界建立信誉？中心化平台创造了围墙花园 —— 在 Upwork 上获得的声誉无法转移到 Fiverr。链上声誉变得可移植、可验证，并能抵御女巫攻击（Sybil attacks）的操纵。

结算： 自主 Agent 如何在没有人工干预的情况下处理支付？传统银行业需要账户、KYC 和每笔交易的人工授权。稳定币 and 智能合约实现了可编程、即时的结算，具有加密安全性而非官僚安全性。

协调： 来自不同组织的 Agent 如何在没有可信中间人的情况下进行协商？传统商业需要合同、律师和执行机制。智能合约实现了去信任的协议执行 —— 代码根据可验证的条件自动强制执行条款。

归属： 如何证明哪个 Agent 创作了特定的输出？AI 内容溯源对于版权、责任和收入分配至关重要。链上存证提供了创作、修改和所有权的防篡改记录。

区块链不仅支持了这些功能 —— 它是唯一能在不引入中心化信任假设的情况下实现这些功能的架构。这种融合源于技术必要性，而非投机性叙事。

为什么区块链需要 AI：智能问题​

区块链面临着 AI 可以解决的同样基础的局限性：

复杂性抽象： 区块链的 UX 依然糟糕——助记词、Gas 费用、交易签名。AI Agent 可以抽象复杂性，作为智能中介执行用户意图，而无需暴露技术实现细节。

信息处理： 区块链提供数据，但缺乏解释数据的智能。AI Agent 分析链上活动模式，识别套利机会，预测市场走向，并以人类无法企及的速度和规模优化策略。

自动化： 智能合约执行逻辑，但如果没有明确的编程，就无法适应不断变化的环境。AI Agent 提供动态决策，从结果中学习并调整策略，而无需为每个参数更改提交治理提案。

可发现性： DeFi 协议面临碎片化问题——用户必须手动在数百个平台中寻找机会。AI Agent 持续扫描、评估，并根据复杂的多变量优化将活动路由至最佳协议。

风险管理： 人类交易者在纪律、情感和注意力极限方面面临挑战。AI Agent 强制执行预定义的风险参数，毫不犹豫地执行止损，并同时在多条链上全天候监控仓位。

这种关系变得共生：区块链提供支持 AI 协同的信任基础设施，AI 提供智能，使区块链基础设施可用于复杂的经济活动。

新兴的智能体经济​

基础设施堆栈开启了新的经济模式：

智能体即服务 (Agent-as-a-Service)： 自治智能体按需出租其能力，根据供需动态定价。没有平台，没有中介——直接的智能体对智能体服务市场。

协作智能： 智能体汇集专业知识处理复杂任务，通过智能合约进行协作，并根据贡献自动分配收入。多智能体系统可以解决超出任何单个智能体能力的挑战。

预测增强： 智能体持续监控信息流，更新概率估计，并在人类可读的新闻出现前根据洞察进行交易。信息金融 (InfoFi) 变得算法化，智能体主导了价格发现。

自治组织： 完全由 AI Agent 治理的 DAO，代表代币持有者执行任务，通过可验证的推理而非人工投票进行决策。组织以机器速度运行，并具备密码学问责制。

内容经济： AI 生成的内容具备链上溯源，支持自动化授权、版税分配和衍生创作权。智能体通过智能合约谈判使用条款并强制执行署名权。

这些并非假设——早期版本已经开始运行。问题在于：基础设施能多快扩展以支持数百万个自治经济参与者？

尚存的技术挑战​

尽管取得了快速进展，但重大障碍依然存在：

可扩展性： 当前区块链在吞吐量方面面临挑战。数百万智能体执行持续的微交易需要 Layer 2 解决方案、Optimistic Rollups 或专用的智能体链。

隐私： 许多智能体操作需要机密逻辑或数据。TEE 提供了部分解决方案，但全同态加密 (FHE) 和高级密码学在生产规模应用中仍然过于昂贵。

监管： 自治经济参与者对现有法律框架提出了挑战。当智能体造成损害时由谁负责？KYC/AML 要求如何适用？监管明晰度落后于技术能力。

模型成本： LLM 推理仍然昂贵。去中心化网络必须在增加验证开销的同时匹配中心化 API 的定价。经济可行性需要模型效率的持续提升。

预言机问题： 智能体需要可靠的现实世界数据。现有的预言机解决方案引入了信任假设和延迟。链上逻辑与链外信息之间更强大的桥梁仍然至关重要。

这些挑战并非不可逾越——它们是具有明确解决路径的工程问题。基础设施的发展轨迹预示着这些问题将在 12-24 个月内得到解决。

2026 年的拐点​

多个催化剂将在 2026 年汇聚：

标准成熟： ERC-8004 在主要链上的采用创建了互操作的身份基础设施。智能体在以太坊、BNB Chain 和新兴生态系统之间无缝运行。

模型效率： 更小、更专业的模型在保持特定任务性能的同时，将推理成本降低 10-100 倍。经济可行性大幅提升。

监管明晰： 首批司法管辖区建立自治智能体框架，为机构采用提供法律确定性。

应用爆发： 预测市场、DeFi 优化和内容创作展示了智能体相对于人类操作者的明显优势，推动了加密原生用户之外的采用。

基础设施竞争： 多个团队构建去中心化推理、智能体协作协议和专用链，形成竞争压力，加速了开发进程。

这种融合将从实验性转向基础设施化。早期采用者将获得优势，平台将默认整合智能体支持，经济活动将越来越多地通过自治中介流转。

这对 Web3 开发意味着什么​

为 Web3 下一阶段进行开发的开发者应优先考虑：

智能体优先设计： 将自治智能体（Autonomous Agents）视为主要用户，而非边缘情况。在设计 API、费用结构和治理机制时，应假设智能体占据活动的主导地位。

可组合性： 构建易于智能体集成、跨链协调和扩展的协议。标准化接口比私有实现更重要。

验证： 提供执行的密码学证明，而不仅仅是执行结果。智能体需要可验证计算来构建信任链。

经济效率： 针对微交易、持续结算和动态费用市场进行优化。传统的批处理和人工干预无法适应智能体活动的规模化需求。

隐私选项： 同时支持透明和机密的智能体操作。不同的用例需要不同的隐私保证。

基础设施已经存在。标准正在涌现。经济激励高度一致。AI × Web3 的融合并非未来 —— 它已经到来。问题在于：谁能构建出成为未来十年自治经济活动基石的基础设施？

BlockEden.xyz 为 Web3 应用提供企业级基础设施，跨主要区块链生态系统提供可靠、高性能的 RPC 访问。探索我们的服务，获取 AI 智能体基础设施和自治系统支持。

参考资料：