跳到主要内容

271 篇博文 含有标签「区块链」

通用区块链技术和创新

查看所有标签

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​

隐私三难困境：ZK、FHE 和 TEE 争夺区块链的未来

· 阅读需 21 分钟
Dora Noda
Dora Noda
Software Engineer

以太坊的 Vitalik Buterin 曾将隐私称为区块链中“最大的未解决问题”。三年后，这一说法似乎已经过时——并非因为隐私问题已得到解决，而是因为我们现在明白这不只是一个问题。它是三个问题。

零知识证明 (ZK) 擅长在不泄露数据的情况下证明计算。全同态加密 (FHE) 允许对加密数据进行计算。可信执行环境 (TEE) 提供硬件保护的私密计算。每种技术都承诺提供隐私，但它们通过截然不同的架构实现，并伴随着不兼容的权衡。

DeFi 在需要隐私的同时也需要可审计性。支付需要在没有监控的情况下符合监管要求。AI 要求在不暴露训练数据的情况下进行可验证的计算。没有哪一种单一的隐私技术能够解决所有这三种用例——到 2026 年，业界已经不再对此抱有幻想。

这就是隐私三难困境：性能、去中心化和可审计性无法同时达到最大化。了解哪种技术在哪些领域胜出，将决定未来十年的区块链基础设施。

了解三种方法​

零知识证明：在不揭晓的情况下进行证明​

ZK 证明了如何验证。零知识证明是一种在不泄露底层数据的情况下证明某事属实的方法。

目前主导的有两种主要的实现方式：

  • ZK-SNARKs (简洁非交互式知识论证) —— 具有快速验证能力的紧凑证明，但需要可信设置仪式
  • ZK-STARKs (可扩展透明知识论证) —— 无需可信设置，具有抗量子性，但产生的证明较大

目前 75% 的专注于隐私的区块链项目使用 ZK-SNARKs，而 ZK-STARKs 的采用率近期增长了 55%。关键的技术区别在于：SNARKs 生成简洁且非交互式的证明，而 STARKs 生成可扩展且透明的证明。

2026 年的现实应用：

  • Aztec —— 专注于隐私的以太坊 Layer 2
  • ZKsync —— 带有 Prividium 隐私引擎的通用型 ZK rollup
  • Starknet —— 基于 STARK 且集成隐私路线图的 L2
  • Umbra —— 以太坊和 Solana 上的隐身地址系统

全同态加密：在秘密上进行计算​

FHE 强调如何加密。全同态加密允许在不解密的情况下对加密数据进行计算。

终极目标：在数据保持端到端加密的同时，对敏感数据（财务模型、医疗记录、AI 训练集）进行复杂计算。没有解密步骤意味着攻击者没有接触数据的窗口。

限制： FHE 的计算速度比明文计算慢几个数量级，这使得 2026 年的大多数实时加密货币用例在经济上不可行。

FHE 提供了强大的加密功能，但对于大多数 Web3 应用来说仍然过于缓慢且计算负担过重。COTI 的混淆电路 (Garbled Circuits) 技术比 FHE 快 3000 倍，轻量 250 倍，代表了弥合性能差距的一种方法。

2026 年的进展：

  • Zama —— 率先将实用的 FHE 应用于区块链，发布了 zk + FHE 混合模型的蓝图，包括提议的 FHE rollups
  • Fhenix —— 以太坊上由 FHE 驱动的智能合约
  • COTI —— 作为高性能隐私 FHE 替代方案的混淆电路

可信执行环境：基于硬件的隐私​

TEE 基于硬件。可信执行环境是 CPU 内部的安全“盒子”，代码在安全飞地 (secure enclave) 内私密执行。

可以将其想象为处理器内部的一个保险库，敏感计算在紧锁的门后进行。操作系统、其他应用程序甚至硬件所有者都无法窥视内部。

性能优势： TEE 提供接近原生的速度，使其成为唯一能够处理实时金融应用且没有显著开销的隐私技术。

中心化问题： TEE 依赖于受信任的硬件制造商（Intel SGX、AMD SEV、ARM TrustZone）。这造成了潜在的单点故障和易受供应链攻击的脆弱性。

2026 年的现实应用：

  • Phala Network —— 多重证明 ZK 和 TEE 混合基础设施
  • MagicBlock —— Solana 上用于低延迟、高吞吐量隐私的基于 TEE 的临时 Rollup (Ephemeral Rollups)
  • Arcium —— 结合了 MPC、FHE 和 ZKP 以及 TEE 集成的去中心化隐私计算网络

性能图谱：速度与安全性的博弈​

ZK：验证飞快，证明昂贵​

零知识证明提供了最佳的验证性能。一旦证明生成，验证者可以在几毫秒内确认其正确性——这对于成千上万个节点必须对状态达成一致的区块链共识至关重要。

但证明生成仍然具有高昂的计算成本。生成复杂交易的 ZK-SNARK 可能需要几秒到几分钟，具体取决于电路的复杂性。

2026 年的效率提升：

Starknet 的 S-two 证明器于 2025 年 11 月成功集成到主网，其效率比前代提高了 100 倍。 以太坊联合创始人 Vitalik Buterin 公开反转了其坚持 10 年的立场，由于 ZK 证明效率的进步，他现在称 ZK-SNARKs 为实现安全、去中心化自我验证的“灵丹妙药”。

FHE：长期博弈​

FHE 允许直接对加密数据进行计算，代表了长期的隐私前沿。随着 2025 年加密智能合约执行演示的推进，其进展正在加速。

但对于大多数应用来说，计算开销仍然过高。FHE 加密数据上的简单加法操作可能比明文慢 1,000 倍。乘法？慢 10,000 倍。

FHE 在 2026 年的闪光点：

  • 加密 AI 模型推理 —— 在不暴露模型或数据的情况下，对加密输入运行预测
  • 隐私保护拍卖 —— 出价在整个拍卖过程中保持加密状态
  • 机密 DeFi 原语 —— 在不泄露单个订单的情况下进行订单簿匹配

这些用例为了绝对的机密性而容忍延迟，使得 FHE 的性能权衡变得可以接受。

TEE：以信任换取速度​

MagicBlock 在 Solana 上使用基于 TEE 的临时 Rollup（Ephemeral Rollups）来实现低延迟、高吞吐量的隐私，提供接近原生的性能，而无需复杂的 ZK 证明。

TEE 的性能优势是无与伦比的。应用程序以原生速度的 90-95% 运行——这足以应对高频交易、实时游戏和即时支付结算。

缺点是：这种速度源于对硬件制造商的信任。如果 Intel、AMD 或 ARM 的安全飞地（Secure Enclaves）被攻破，整个安全模型就会崩溃。

去中心化之问：你信任谁？​

ZK：设计上的去信任化（大部分情况下）​

零知识证明在密码学上是去信任的。任何人都可以验证证明的正确性，而无需信任证明者。

除了 ZK-SNARKs 的可信设置仪式。 大多数基于 SNARK 的系统需要一个初始参数生成过程，其中秘密随机性必须被安全销毁。如果保留了该仪式中的“有毒废物（toxic waste）”，整个系统就会遭到破坏。

ZK-STARKs 不依赖可信设置，使其具备抗量子性且不易受潜在威胁的影响。这就是为什么 StarkNet 和其他基于 STARK 的系统越来越受到追求极致去中心化的青睐。

FHE：去信任计算，中心化基础设施​

FHE 的数学原理是去信任的。加密方案不需要信任任何第三方。

但在 2026 年大规模部署 FHE 仍然是中心化的。大多数 FHE 应用需要专门的硬件加速器和大量的计算资源。这使得 FHE 计算集中在由少数供应商控制的数据中心。

Zama 正在开创面向区块链的实用 FHE，并发布了 ZK+FHE 混合模型的蓝图，包括提议的 FHE Rollup，其中 FHE 加密状态通过 ZK-SNARKs 进行验证。这些混合方法试图在 FHE 的隐私保证与 ZK 的验证效率之间取得平衡。

TEE：可信硬件，去中心化网络​

TEE 代表了最中心化的隐私技术。TEE 依赖于可信硬件，从而产生了中心化风险。

信任假设：你必须相信 Intel、AMD 或 ARM 正确设计了它们的安全飞地，并且不存在后门。对于某些应用（企业级 DeFi、受监管的支付），这是可以接受的。但对于抗审查的货币或无许可计算，这是一个致命伤。

缓解策略：

使用 TEE 作为执行环境来构造 ZK 证明并参与 MPC 和 FHE 协议，可以在几乎零成本的情况下提高安全性。 秘密仅在活动计算期间保留在 TEE 中，随后会被丢弃。

通过 ZK+FHE 分层架构可以提高系统安全性，这样即使 FHE 被攻破，除了抗胁迫性（anti-coercion）之外的所有隐私属性仍可保留。

合规监管：隐私与政策的融合​

2026 年的合规版图​

隐私目前受到明确法规而非不确定政策的约束，欧盟的反洗钱 (AML) 规则禁止金融机构和加密货币提供商处理“增强型匿名”资产。其目标是：在强制执行 KYC 和交易追踪合规的同时，消除完全匿名的支付。

这种监管透明度重塑了隐私基础设施的优先级。

ZK：用于合规的选择性披露​

零知识证明实现了最灵活的合规架构：在不泄露所有细节的情况下证明你符合要求。

示例：

  • 信用评分 —— 证明你的信用评分超过 700 分，而无需透露你的确切分数或财务历史
  • 年龄验证 —— 证明你已年满 18 岁，而无需透露你的出生日期
  • 制裁筛选 —— 证明你不在制裁名单上，而无需暴露你的完整身份

与 AI 的结合创造了诸如安全信用评分和可验证身份系统等变革性用例，而欧盟 MiCA 和美国 GENIUS 法案等监管框架也明确支持采用 ZKP。

Entry 筹集了 100 万美元，旨在将 AI 合规与零知识隐私融合，用于受监管的机构级 DeFi。这代表了一种新兴模式：ZK 用于可验证的合规，而非匿名规避。

Umbra 在以太坊 (Ethereum) 和 Solana 上提供隐身地址系统，在隐藏交易的同时允许为了合规进行可审计的隐私保护，其 SDK 使得钱包和 dApp 的集成变得简单。

FHE：加密处理，可审计结果​

FHE 提供了一种不同的合规模型：在不暴露敏感数据的情况下对其进行计算，但在需要时披露结果。

用例：加密交易监控。金融机构可以对加密的交易数据运行 AML 检查。如果检测到可疑活动，加密结果仅对授权的合规官员解密。

这在日常运营中保护了用户隐私，同时在需要时保持了监管审查能力。

TEE：硬件强化的政策​

TEE 的中心化特性成为了合规方面的优势。监管政策可以被硬编码到安全飞地 (Secure Enclaves) 中，创建防篡改的合规执行环境。

示例：基于 TEE 的支付处理器可以在硬件层面强制执行制裁筛选，这使得向受制裁实体处理支付在加密层面变得不可能——即使应用程序运营商想要这样做。

对于受监管的机构，这种硬件强化的合规性降低了法律责任和运营复杂性。

用例赢家：DeFi、支付与 AI​

DeFi：ZK 占据主导，TEE 负责性能​

为什么 ZK 在 DeFi 中胜出：

  • 透明的可审计性 —— 储备证明、偿付能力验证和协议完整性可以公开证明
  • 选择性披露 —— 用户在不透露余额或交易历史的情况下证明合规
  • 可组合性 —— ZK 证明可以在不同协议之间链式调用，实现保护隐私的 DeFi 可组合性

通过将 PeerDAS 的数据处理能力与 ZK-EVM 的密码学精确性相结合，以太坊已通过真实的、功能性的代码解决了以太坊区块链不可能三角 (Blockchain Trilemma)。以太坊 2026 年的路线图将机构级隐私标准列为优先级。

TEE 的利基市场： 延迟比去信任化更重要的高频 DeFi 策略。套利机器人、MEV 保护和实时清算引擎受益于 TEE 近乎原生的处理速度。

FHE 的未来： 加密订单簿和隐私拍卖，在这些场景中，绝对的机密性足以抵消计算开销。

支付：TEE 负责速度，ZK 负责合规​

支付基础设施的需求：

  • 亚秒级最终确定性
  • 合规性
  • 低交易成本
  • 高吞吐量

隐私正越来越多地作为“隐形基础设施”嵌入，而不是作为独立功能进行营销，针对机构薪资和支付的加密稳定币凸显了这一转变。隐私作为金融基础设施的基础层，实现了产品与市场的契合 (Product-Market Fit)，将用户保护与机构要求相统一，而非仅仅作为投机性的隐私币。

TEE 在消费者支付中胜出： 速度优势是不可妥协的。即时结账和商户实时结算需要 TEE 的性能。

ZK 在 B2B 支付中胜出： 企业支付优先考虑可审计性和合规性，而非毫秒级延迟。ZK 的选择性披露实现了带有可审计追踪的隐私保护，以满足监管报告需求。

AI：训练用 FHE，推理用 TEE，验证用 ZK​

2026 年的 AI 隐私堆栈：

  • FHE 用于模型训练 —— 在不暴露敏感数据的情况下对加密数据集进行 AI 模型训练
  • TEE 用于模型推理 —— 在安全飞地（Secure Enclaves）中运行预测，以保护模型 IP 和用户输入
  • ZK 用于验证 —— 在不泄露模型参数或训练数据的情况下证明模型输出的正确性

Arcium 是一个结合了 MPC、FHE 和 ZKP 的去中心化隐私计算网络，可为 AI 和金融实现全加密协作计算。

与 AI 的结合创造了诸如安全信用评分和可验证身份系统等变革性用例。隐私技术的结合使得 AI 系统在保持可审计和可信的同时，能够维护机密性。

混合方法：为什么 2026 年是关于组合的一年​

到 2026 年 1 月，大多数混合系统仍处于原型阶段。采用是由实用主义而非意识形态驱动的，工程师们会选择满足可接受的性能、安全性和信任考量的组合。

2026 年成功的混合架构：

ZK + TEE：具备可验证性的速度​

使用 TEE 作为执行环境来构建 ZK 证明并参与 MPC 和 FHE 协议，可以以几乎为零的成本提高安全性。

工作流程：

  1. 在 TEE 内部执行私密计算（速度快）
  2. 生成正确执行的 ZK 证明（可验证）
  3. 计算后丢弃秘密（瞬时性）

结果：TEE 的性能结合 ZK 的无须信任验证。

ZK + FHE：验证与加密的结合​

Zama 已经发布了 zk+FHE 混合模型的蓝图，包括提议的 FHE Rollups，其中 FHE 加密状态通过 zk-SNARKs 进行验证。

工作流程：

  1. 对 FHE 加密数据进行计算
  2. 生成证明 FHE 计算执行正确的 ZK 证明
  3. 在链上验证证明，而不泄露输入或输出

结果：FHE 的机密性结合 ZK 的高效验证。

FHE + TEE：硬件加速加密​

在 TEE 环境中运行 FHE 计算可以加速性能，同时增加硬件级的安全隔离。

工作流程：

  1. TEE 提供安全执行环境
  2. FHE 计算在具有硬件加速的 TEE 内部运行
  3. 结果保持端到端加密

结果：在不损害加密保证的情况下提高 FHE 性能。

十年路线图：下一步是什么？​

2026-2028：生产就绪​

多种隐私解决方案正从测试网走向生产阶段，包括 Aztec、Nightfall、Railgun、COTI 等。

关键里程碑：

2028-2031：主流采用​

隐私作为默认选项，而非可选项：

  • 所有交易均内置 ZK 隐私的钱包
  • 默认具有机密余额的稳定币
  • 以隐私保护智能合约为标准的 DeFi 协议

监管框架成熟：

  • 隐私保护合规性的全球标准
  • 可审计隐私在法律上被金融服务接受
  • 隐私保护的 AML/KYC 解决方案取代基于监控的方法

2031-2036：后量子过渡​

ZK-STARKs 不依赖于可信设置，使其具备抗量子性，且不易受到潜在威胁的影响。

随着量子计算的发展，隐私基础设施必须适应：

  • 基于 STARK 的系统成为标准 —— 抗量子性变得不可谈判
  • 后量子 FHE 方案趋于成熟 —— FHE 本身已具备量子安全性，但需要提高效率
  • TEE 硬件演进 —— 下一代处理器中出现抗量子的安全飞地

选择正确的隐私技术​

在隐私三难困境中没有万能的赢家。正确的选择取决于你应用程序的优先级：

如果你需要以下内容，请选择 ZK：

  • 公开可验证性
  • 无须信任的执行
  • 用于合规的选择性披露
  • 长期抗量子性 (STARKs)

如果你需要以下内容，请选择 FHE：

  • 无需解密的加密计算
  • 绝对的机密性
  • 当下的抗量子性
  • 对计算开销的容忍度

如果你需要以下内容，请选择 TEE：

  • 接近原生的性能
  • 实时应用程序
  • 硬件中可接受的信任假设
  • 较低的实现复杂度

如果你需要以下内容，请选择混合方法：

  • TEE 的速度结合 ZK 的验证
  • FHE 的加密结合 ZK 的效率
  • TEE 环境中对 FHE 的硬件加速

隐形的基础设施​

隐私之所以实现产品市场匹配（Product-market fit），并不是作为一种投机性的隐私币，而是作为一种将用户保护与机构需求相结合的金融基础设施基础层。

到 2026 年，隐私之战不再是关于哪种技术将占据主导地位，而是关于哪种组合能最有效地解决每个用例。DeFi 倾向于使用 ZK 来实现可审计性。支付领域利用 TEE 来提升速度。AI 则结合了 FHE、TEE 和 ZK，用于计算流水线的不同阶段。

隐私三难困境（Privacy trilemma）不会被彻底解决，而是会被管理——工程师为每个应用选择合适的权衡方案，监管机构界定保护用户权利的合规边界，用户则选择符合其威胁模型的系统。

Vitalik 说得没错，隐私是区块链最大的未解难题。但答案并非单一的技术，而是在于知道何时使用每一种技术。

来源​

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：

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：

中国 RWA 监管框架：深度解读 42 号文件

· 阅读需 10 分钟
Dora Noda
Dora Noda
Software Engineer

2026 年 2 月 6 日，中国公布了自 2021 年全面禁令以来最重要的加密货币政策转变之一。但这并非转向 —— 而是一个重新调整。由八部委联合发布的 42 号文件，为现实世界资产 (RWA) 代币化创造了一条狭窄的合规路径，同时巩固了对人民币挂钩稳定币的禁令。信息很明确：允许区块链基础设施，禁止加密投机，且国家仍保持绝对控制。

这对在中国的区块链生态中导航的企业意味着什么？让我们分解监管框架、审批机制以及境内外业务之间的战略鸿沟。

八部委框架：谁在主导？​

42 号文件代表了前所未有的监管协调。这一 联合监管框架 汇集了：

  • 中国人民银行 (PBOC) —— 负责货币政策和数字人民币 (e-CNY) 的中央银行
  • 国家发展和改革委员会 —— 战略经济规划权威
  • 工业和信息化部 —— 技术标准和实施
  • 公安部 —— 对未经授权活动的刑事执法
  • 国家市场监督管理总局 —— 消费者保护和反欺诈措施
  • 国家金融监督管理总局 —— 金融机构合规
  • 中国证券监督管理委员会 (CSRC) —— 资产支持证券代币监管
  • 国家外汇管理局 —— 跨境资本流动监控

这一由 国务院批准 的部际联盟表明，RWA 监管是一项国家战略优先事项 —— 而非外围的金融科技实验。

中国法律下的 RWA 究竟是什么？​

中国首次提供了 官方法律定义：

“现实世界资产代币化是指利用密码技术和分布式账本或类似技术，将资产的所有权和收益权转化为具有代币特征的代币或其他权利或债务凭证，并进行发行和交易的活动。”

这一定义范围广泛，涵盖了：

  • 代币化证券和债券
  • 供应链金融工具
  • 跨境支付结算
  • 资产支持的数字证书

至关重要的是，该文件将 RWA 与加密货币区分开来。比特币、以太坊和投机性代币仍然被禁止。在获批的基础设施上运行的受合法资产支持的 RWA 代币？现在有了合规路径。

合规路径：三种审批机制​

42 号文件建立了三个级别的合规要求，具体取决于资产存放地点和控制权归属。

1. 境内 RWA：仅限国家控制的基础设施​

国内 RWA 的发行要求在“合规金融基础设施”上运行 —— 这一术语指的是国家认可的区块链平台，例如：

  • BSN (区块链服务网络) —— 禁止独立加密货币但支持许可链应用的国家区块链基础设施
  • 数字人民币集成 —— 在区块链服务需要支付功能的地方，数字人民币 (e-CNY) 成为默认的结算层

金融机构可以参与合规的 RWA 业务，但只能通过这些渠道。私有区块链部署和外国平台被明确排除在外。

2. 境内资产的境外发行：证监会备案制度​

最复杂的情况涉及 在境外对中国资产进行代币化。在以下情况下适用证监会 (CSRC) 备案制度：

  • 底层资产位于中国境内
  • 代币在香港、新加坡或其他司法管辖区发行
  • 境内实体控制底层资产

在启动此类业务之前，境内实体必须向证监会备案。这种监管钩子确保了无论代币在何处发行，中国当局都能维持对国内资产池的监管。

在实践中，这意味着：

  • 发行前披露 —— 提交代币结构、托管安排和资产核验机制
  • 持续合规 —— 定期报告资产支撑、持有者分布和跨境流动情况
  • 执法管辖权 —— 即使代币在境外交易，中国法律仍适用于底层资产

3. 人民币挂钩稳定币：无一例外地禁止​

该框架明确禁止在境内外未经授权发行人民币挂钩稳定币。主要限制包括：

潜台词是：中国不会将货币主权让给私人稳定币发行商。数字人民币是国家对 USDT 和 USDC 等美元计价稳定币的回应。

香港与内地：战略分歧​

中国的双轨策略利用香港作为监管沙盒，同时在内地维持严格的资本管制。

香港的宽容框架​

香港已将自己定位为加密货币友好管辖区，拥有：

  • 稳定币许可 —— 2025 年 5 月 21 日通过的《稳定币法案》为港元稳定币创建了受监管的途径
  • 代币化债券 —— 政府支持的债务发行试点项目
  • Project Ensemble —— 香港金融管理局（HKMA）发起的批发层面稳定币结算计划

控制机制：资产所在地胜过发行所在地​

但问题的关键在于：中国的核心原则规定，无论代币是在香港还是新加坡发行，只要其底层资产位于中国境内，就适用中国的监管规定。

2026 年 1 月，中国证监会（CSRC）指示内地券商暂停在香港的 RWA 代币化活动，这标志着对跨境数字金融的集中控制。结论是：香港的监管沙盒在北京的授权下运作，而非作为一个独立的管辖区。

对区块链构建者的启示​

这对基础设施提供商意味着什么​

42 号文件为合规的基础设施参与者创造了机会：

  • BSN 生态系统参与者 —— 在国家认可的网络上构建的开发者获得了合法性
  • 托管与资产核查服务 —— 资产抵押代币的第三方证明变得至关重要
  • 数字人民币集成 —— 利用数字人民币作为区块链商业支付通道

战略权衡：境内与境外​

对于考虑 RWA 代币化的企业：

境内优势：

  • 直接进入中国国内市场
  • 与国家区块链基础设施集成
  • 通过批准渠道获得监管明确性

境内约束：

  • 国家对基础设施和结算的控制
  • 无独立的代币发行权
  • 支付功能受限于数字人民币

境外优势：

  • 接触全球流动性和投资者
  • 区块链平台的选择多样化（Ethereum、Solana 等）
  • 代币设计和治理具有灵活性

境外约束：

  • 中国资产需向证监会履行备案要求
  • 监管不可预测性（参考香港券商暂停案例）
  • 若不合规将面临执法风险

更宏观的蓝图：中国 545 亿美元的区块链豪赌​

42 号文件并非凭空出现。它是中国国家区块链路线图的一部分，这是一项耗资 545 亿美元的基础设施计划，将持续到 2029 年。

战略非常清晰：

  1. 2024-2026（试点阶段） —— 在关键行业建立标准化协议、身份系统和区域试点
  2. 2027-2029（全面部署） —— 在区块链基础设施上实现国家公共和私人数据系统的集成

其目标并非拥抱去中心化金融，而是将区块链作为国家管理金融基础设施的工具。例如央行数字货币、供应链追溯和跨境支付结算——所有这些都在监管监督之下。

接下来会发生什么？​

42 号文件明确了 RWA 不再是灰色地带 —— 但合规负担沉重。截至 2026 年 2 月：

对于企业而言，决策矩阵十分严酷：要么在中国国家控制的生态系统内运营并接受有限的代币化，要么在境外发行但需向证监会全面披露并面临监管不确定性。

中国已经划定了界限 —— 不是为了禁止区块链，而是为了确保其服务于国家优先级。对于构建者来说，这意味着要在合规可行但主权不容谈判的框架中航行。

来源​

中国 Web3 政策转向：从全面禁止到受控的 RWA 路径

· 阅读需 15 分钟
Dora Noda
Dora Noda
Software Engineer

2026 年 2 月 6 日，中国八部委联合发布了 42 号文件，从根本上重构了该国对区块链和数字资产的处理方式。该文件并未解除中国的加密货币禁令，而是将其细化为更具战略性的方案：禁止投机性加密货币，为国家批准的现实世界资产（RWA）代币化提供受控路径。

这代表了自 2021 年全面禁令以来中国最重要的区块链政策演变。之前的监管界限是二元的——加密货币是坏的，区块链是好的——而 42 号文件引入了细微差别：为批准的 RWA 项目提供合规的金融基础设施，对其他一切严厉禁止。

这一政策转变并非为了拥抱 Web3，而是为了控制它。中国认识到区块链在金融基础设施方面的效用，同时对代币化的内容、参与者以及价值流向保持绝对的监管权威。

42 号文件：八部委框架​

题为《关于进一步防范和处置虚拟货币相关风险的通知》的 42 号文件代表了中国金融监管机构的联合授权：

  1. 中国人民银行 (PBOC)
  2. 国家发展和改革委员会
  3. 工业和信息化部
  4. 公安部
  5. 国家市场监督管理总局
  6. 国家金融监督管理总局
  7. 中国证券监督管理委员会 (CSRC)
  8. 国家外汇管理局

这种协同运作释放了严肃的信号。当八个部委在区块链政策上达成一致时，实施就变成了执法，而非仅仅是指导。

该文件正式废止了 924 号公告（2021 年的全面禁令），并代之以分类监管：虚拟货币仍被禁止，RWA 代币化通过合规基础设施获得法律认可，稳定币则面临基于资产抵押的严格控制。

42 号文件是第一个明确定义并监管现实世界资产（RWA）代币化的中国部委规章。这并非偶然的措辞，而是深思熟虑的政策架构，旨在为国家控制的数字资产基础设施创建法律框架。

“风险防范 + 渠道引导”模式​

中国新的区块链战略在双轨上运行：

风险防范： 继续严厉禁止投机性加密货币活动、服务内地用户的境外加密货币交易所、ICO 和代币发行、未经政府批准的锚定人民币的稳定币，以及未经授权的跨境加密货币流动。

渠道引导： 为区块链技术服务于国家目标创建合规路径，具体包括：通过证监会备案系统发行资产支持证券代币、批准金融机构参与 RWA 代币化、利用区块链服务网络 (BSN) 构建标准化基础设施，以及用数字人民币 (e-CNY) 取代私人稳定币的功能。

该政策明确规定了“同业务、同风险、同规则”——无论代币化发生在香港、新加坡还是离岸，涉及中国底层资产的均需获得内地监管机构的批准。

这种双轨方式使得区块链实验能够在受控参数内进行。RWA 项目如果向证监会备案、使用经批准的基础设施、仅限合格机构参与并对源自内地的资产保持内地监管合规，则可以继续推进。

该框架与西方的“监管但不禁止”模式有着本质区别。中国的目标不是无许可的创新，而是设计服务于特定国家目标的许可制基础设施。

42 号文件实际上允许的内容​

合规的 RWA 路径涉及以下具体要求：

资产类别： 金融资产（债券、股权、基金份额）、权属清晰的大宗商品、经过确权的知识产权，以及通过批准渠道进行的房地产代币化。投机性资产、加密货币衍生品和隐私币仍被禁止。

基础设施要求： 使用 BSN 或其他国家批准的区块链网络，与现有金融监管系统集成，在机构层面符合 KYC/AML 合规要求，以及政府可见的交易监控。

备案流程： 资产支持证券代币需在中国证监会 (CSRC) 注册，在境外代币化中国内地资产需获得批准，进行年度报告和合规审计，并对代币经济学及分配进行监管审查。

参与者限制： 仅限于持牌金融机构和合格机构投资者（禁止散户参与），禁止境外平台在未经批准的情况下服务内地用户。

该框架在保持国家绝对控制的同时，为批准的项目提供了法律确定性。RWA 不再在监管灰色地带运行——它要么在狭窄的参数范围内合规，要么就是非法的。

香港的战略地位​

香港成为中国区块链雄心的受控实验区。

证券及期货事务监察委员会（SFC）将代币化证券视为传统证券，应用现有的监管框架，而不是创建单独的加密规则。这种“同业务、同风险、同规则”的方法为机构处理 RWA 代币化提供了清晰指引。

香港在 RWA 发展方面的优势包括：成熟的金融基础设施和法律框架、在保持与内地互联互通的同时获取国际资本、数字资产（加密货币 ETF、持牌交易所）的监管经验，以及靠近寻求合规代币化的中国内地企业。

然而，42 号文件将内地的管辖权延伸到了香港的业务中。中国经纪机构已收到指引，要求停止在香港的某些 RWA 代币化活动。由中国公司拥有或控制的海外实体不得向内地用户发行代币。内地资产的代币化无论发行地点在哪里，都需要经过中国证监会（CSRC）的批准。

这为总部位于香港的项目带来了复杂性。特区提供了监管透明度和国际准入，但内地的监督限制了战略自主权。香港充当了中国资本与全球区块链基础设施之间受控的桥梁 —— 这对国家批准的项目很有用，但对独立创新则具有限制性。

稳定币禁令​

42 号文件对稳定币划定了严厉的界限。

除非由政府批准的实体发行，否则明确禁止锚定人民币的稳定币。其逻辑是：私人稳定币会与数字人民币（e-CNY）竞争，并可能导致规避外汇管制的资本外逃。

对于中国内地用户而言，外国稳定币（USDT、USDC）仍然是非法的。离岸 RWA 服务在未经批准的情况下，不能向内地参与者提供稳定币支付。为内地用户提供稳定币交易便利的平台将面临法律后果。

数字人民币代表了中国的稳定币替代方案。自 2026 年 1 月 1 日起，数字人民币从 M0 状态转为 M1 状态，其应用范围从零售支付扩展到机构结算。上海的国际数字人民币业务中心正在构建跨境支付基础设施、数字资产平台和基于区块链的服务 —— 所有这些都在中央银行的可见性和控制之下。

中国的信号很明确：数字货币创新必须在国家权威下进行，而不是在私人加密网络中。

BSN：国家支持的基础设施​

区块链服务网络 (BSN) 于 2020 年推出，为全球部署区块链应用提供标准化、低成本的基础设施。

BSN 提供公有链和许可链的集成、保持符合中国标准的国际节点、开发者工具和标准化协议，且成本结构显著低于商业替代方案。

该网络充当了中国区块链基础设施的出口。采用 BSN 的国家可以获得负担得起的区块链能力，同时整合中国的技术标准和治理模式。

对于国内 RWA 项目，BSN 提供了 42 号文件要求的合规基础设施层。基于 BSN 构建的项目会自动符合国家的技术和监管要求。

这种方法反映了中国更广泛的技术战略：以极具竞争力的价格提供优质基础设施，嵌入标准和监督机制，并创造对国家控制平台的依赖。

国际影响​

42 号文件的域外效力正在重塑全球 RWA 市场。

对于国际平台： 无论平台位于何处，将中国资产代币化的项目都需要内地批准。为中国内地用户提供服务（即使是通过 VPN 规避）也会触发监管违规。与中国实体的合作需要进行合规核查。

对于香港 RWA 项目： 必须同时应对证监会（SFC）的要求和内地 42 号文件的合规要求。对于涉及内地资本或资产的项目，战略自主权有限。对受益所有权和用户地理位置的审查力度加大。

对于全球代币化市场： 中国的“同业务、同风险、同规则”原则将其监管触角延伸至全球。代币化标准出现分化（西方无许可模式 vs 中国许可模式）。为经过批准的用例提供合规跨境基础设施带来了机遇。

该框架创建了一个分化的 RWA 生态系统：西方市场强调无许可创新和零售准入，而受中国影响的市场则优先考虑机构参与和国家监管。

试图连接这两个世界的项目面临复杂的合规挑战。中国资本可以通过批准的渠道进入全球 RWA 市场，但未经国家许可，中国资产无法自由代币化。

加密地下市场依然存在​

尽管监管手段日益精进，加密货币在中国仍通过离岸交易所和 VPN 保持活跃，包括场外交易（OTC）网络、点对点（P2P）平台以及专注于隐私的加密货币。

中国人民银行在 2025 年 11 月 28 日重申了其限制性立场，发出了持续执法的信号。预防金融犯罪是这些法律障碍的合理依据。执法重点在于可见的平台和大规模运营，而非个人用户。

监管的猫鼠游戏仍在继续。老练的用户在接受风险的同时规避限制。政府在防止系统性风险暴露的同时，对小规模活动保持容忍。

42 号文件并没有消除中国的加密地下市场 —— 它明确了法律边界，并为合规的 RWA 基础设施提供了合法区块链业务的替代途径。

这对区块链开发意味着什么​

中国的政策转向创造了战略清晰度：

对于机构金融： 经批准的 RWA 代币化存在明确路径。合规成本虽高，但框架是明确的。国家支持的基础设施（BSN、数字人民币 e-CNY）提供了运营 foundation。

对于加密投机： 投机性加密货币交易、代币发行和 ICO、隐私币和匿名交易以及零售加密参与仍被绝对禁止。

对于技术开发： 区块链研发在国家支持下继续进行。BSN 提供标准化基础设施。重点领域：供应链验证、政府服务数字化、跨境贸易结算（通过数字人民币 e-CNY）、知识产权保护。

战略核心是：在消除金融投机的同时提取区块链的实用价值。在维持资本管制的同时实现机构效率提升。在保护国内金融稳定的同时，将中国的数字基础设施定位为全球出口。

更宏观的战略背景​

42 号文件符合中国全面的金融科技战略：

数字人民币的主导地位： 数字人民币 e-CNY 扩展到国内和跨境支付，机构结算基础设施取代稳定币，并与“一带一路”倡议的贸易流集成。

金融基础设施控制： 将 BSN 作为区块链基础设施标准，国家监管所有重要的数字资产活动，防止出现私有的加密计价影子经济。

技术标准出口： BSN 国际节点传播中国区块链标准，采用中国基础设施的国家虽然获得了效率，但必须接受其治理模式，为数字基础设施的影响力进行长期定位。

维护资本管制： 禁止加密货币可防止规避外汇管制，合规的 RWA 路径不会威胁资本账户管理，数字基础设施能够实现增强型监控。

这种方法展示了精细的监管思维：在必要处禁止（投机性加密货币），在有用处引导（合规 RWA），为战略优势提供基础设施（BSN、数字人民币 e-CNY）。

接下来的发展​

42 号文件建立了框架，但执行决定结果。

关键的不确定性包括中国证监会（CSRC）备案过程的效率和瓶颈、国际对中国 RWA 代币化标准的认可、香港维持独特监管身份的能力，以及私营部门在狭窄合规路径内的创新。

早期信号表明执法是务实的：获批项目进展迅速，模糊案例面临延迟和审查，显而易见的违规行为会引发迅速行动。

接下来的几个月将揭示中国的“风险防范 + 渠道引导”模型是否能在不启用加密爱好者所追求的金融去中心化的情况下，捕获区块链的效益。

对于全球市场，中国的方法代表了与西方无许可创新相对立的模型：中心化控制、国家批准的路径、基础设施主导地位以及战略性技术部署。

这种分叉正变得永久化 —— 未来的区块链将不只是一个，而是服务于不同治理理念的并行系统。

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，获取合规的 RWA 和机构级区块链基础设施。

参考资料：

Consensys 2026 年 IPO：华尔街押注以太坊基础设施

· 阅读需 14 分钟
Dora Noda
Dora Noda
Software Engineer

Consensys 已聘请摩根大通 (JPMorgan) 和高盛 (Goldman Sachs) 筹备 2026 年中期的 IPO，这标志着深耕于以太坊核心基础设施的公司首次公开上市。美国证券交易委员会 (SEC) 撤回了针对 Consensys 关于 MetaMask 质押服务的诉讼，为这家估值 70 亿美元的公司进入公开市场扫清了最后的监管障碍。

这不仅仅是又一家加密货币公司上市——它是华尔街对以太坊基础设施层的直接敞口。MetaMask 每月服务超过 3,000 万用户，占据了 Web3 钱包 80-90% 的市场份额。Infura 每月为主要协议处理数十亿次 API 请求。其商业模式是：基础设施即服务 (IaaS)，而非投机性的代币经济学。

此次 IPO 的时机利用了监管的明确性、机构对区块链敞口的胃口以及成熟的营收能力。但盈利挑战依然存在：一家以用户至上工具起家的公司，如何在不疏远使其成功的去中心化精神的前提下，转型为符合华尔街预期的利润率？

Consensys 帝国：整合在同一屋檐下的资产​

Consensys 由以太坊联合创始人 Joseph Lubin 于 2014 年创立，运营着单一所有权下最全面的以太坊基础设施栈。

MetaMask： 占据 Web3 用户 80-90% 市场份额的自托管钱包。超过 3,000 万月活跃用户访问 DeFi、NFT 和去中心化应用。2025 年，MetaMask 增加了原生比特币支持，巩固了其多链钱包的定位。

Infura： 每月处理数十亿次 API 请求的节点基础设施。包括 Uniswap、OpenSea 和 Aave 在内的主要协议都依赖于 Infura 可靠的以太坊和 IPFS 访问。根据每 200,000 次请求每月 40-50 美元的费用计算，估计年收入为 6,400 万美元。

Linea： 2023 年推出的 Layer 2 网络，在保持以太坊安全性的同时提供更快、更便宜的交易。其战略定位是 Consensys 自己的扩展解决方案，旨在捕捉 L2 普及带来的价值。

Consensys Academy： 提供由讲师指导的 Web3 技术课程的教育平台。通过课程费用和企业培训计划获得持续性收入。

这种结合打造了一家垂直整合的以太坊基础设施公司：面向用户的钱包、开发者 API 访问、扩展基础设施以及教育。每个组件都相互加强——MetaMask 用户驱动了 Infura 的 API 调用，Linea 为 MetaMask 用户提供更便宜的交易，学院 (Academy) 培养了在这些栈上构建的开发者。

营收现实：2.5 亿美元以上的年化收入​

Consensys 在 2021 年预订了“九位数”的营收，据估计 2022 年的年化收入超过 2.5 亿美元。

MetaMask Swaps：印钞机​

MetaMask 的主要盈利方式：对钱包内代币交换收取 0.875% 的服务费。该交换聚合器通过 Uniswap、1inch 和 Curve 等 DEX 路由交易，并从每笔交易中收取费用。

2021 年交换费收入增长了 2,300%，从 1 月的 180 万美元增长到 12 月的 4,400 万美元。到 2022 年 3 月，MetaMask 每月产生约 2,100 万美元的收入，相当于年收入 2.52 亿美元。

该模式之所以奏效，是因为 MetaMask 控制了分发渠道。用户信任钱包界面，兑换在应用内完成而无需离开生态系统，且费用在增加便利性的同时与直接使用 DEX 相比仍具竞争力。网络效应不断叠加——更多用户吸引了更多的流动性聚合合作伙伴，从而改善了交易执行并增强了用户留存。

Infura：高利润基础设施​

Infura 采用 SaaS 定价模式：按 API 请求层级付费。该模式具有盈利的可扩展性——每增加一次请求的边际成本趋于零，而定价保持不变。

节点基础设施的月收入估计为 530 万美元（年收入 6,400 万美元）。主要客户包括企业客户、协议团队和开发工作室，他们需要可靠的以太坊访问而无需维护自己的节点。

护城河：切换成本。一旦协议集成了 Infura 的 API 端点，迁移就需要工程资源并带来部署风险。Infura 的运行时间记录和基础设施可靠性创造了超越 API 兼容性的用户粘性。

盈利能力问题​

Consensys 在 2025 年进行了重组，在 IPO 之前削减了成本并精简了业务。据报道，该公司目标融资“数亿美元” 以支持增长和合规。

收入确实存在 —— 但盈利能力仍未得到确认。软件公司在优化利润率之前，通常会投入大量资金用于扩大用户获取和产品开发。IPO 招股说明书将揭示 Consensys 是产生了正向现金流，还是在构建基础设施的同时继续亏损运营。

华尔街更青睐盈利的公司。如果 Consensys 展现出正的 EBITDA 以及可信的利润率扩张前景，机构的兴趣将大幅增加。

监管胜利：SEC 和解​

SEC 撤销了针对 Consensys 关于 MetaMask 质押服务的诉讼，解决了公开上市的主要障碍。

原始争议​

SEC 对 Consensys 采取了多项执法行动：

以太坊证券归类： SEC 调查了 ETH 是否构成未注册证券。Consensys 为以太坊的基础设施进行了辩护，认为这种归类将摧毁整个生态系统。SEC 随后放弃了对 ETH 的调查。

MetaMask 作为未注册经纪人： SEC 指控 MetaMask 的兑换 (Swap) 功能构成了需要注册的证券经纪业务。该机构声称 Consensys 作为未注册经纪人，从 3600 万笔交易（包括 500 万笔涉及加密资产证券的交易）中收取了超过 2.5 亿美元的费用。

质押服务合规性： SEC 质疑 MetaMask 与流动性质押提供商的集成，认为这促进了未注册的证券发行。

Consensys 进行了激烈的反击，提起诉讼以捍卫其业务模式和以太坊的去中心化性质。

解决方案​

SEC 撤回了对 Consensys 的投诉，这是监管方面的重大胜利，为公开上市扫清了道路。和解的时机 —— 与 IPO 准备工作同步 —— 表明这是一种实现市场准入的战略性解决方案。

更广泛的背景：特朗普 (Trump) 的亲加密货币立场鼓励了传统机构参与区块链项目。整个行业的监管透明度有所提高，使得公开上市变得可行。

MASK 代币：未来的货币化层​

Consensys 首席执行官确认 MetaMask 代币即将推出，为基础设施模型增加了代币经济学。

MASK 代币的潜在用途：

治理： 代币持有者对协议升级、费用结构和国库分配进行投票。去中心化治理在安抚加密原生社区的同时，通过代币分配维持公司的控制权。

奖励计划： 激励用户活动 —— 包括交易量、钱包持有时长和生态系统参与度。类似于航空里程或信用卡积分，但具有流动的二级市场。

费用折扣： 为 MASK 持有者降低兑换费用，创造买入并持有的动机。这与币安 (Binance) 的 BNB 模型类似，即持有代币可以降低交易成本。

质押/收入共享： 将 MetaMask 的部分费用分配给代币质押者，将用户转变为与平台长期成功保持一致的利益相关者。

战略时机：在 IPO 前推出 MASK 以确立市场估值和用户参与度，然后在招股说明书中加入代币经济学，展示额外的收入潜力。华尔街看重增长叙事 —— 增加代币层提供了超越传统 SaaS 指标的增值空间。

IPO 剧本：追随 Coinbase 的步伐​

Consensys 加入了 2026 年加密货币 IPO 热潮：Kraken 目标估值为 200 亿美元，Ledger 计划以 40 亿美元上市，BitGo 准备以 25.9 亿美元首次亮相。

Coinbase 的先例确立了可行的路径：展示营收能力、实现监管合规、提供机构级基础设施，并保持强劲的单位经济效益叙事。

Consensys 相对于竞争对手的优势：

基础设施重心： 不依赖于加密货币价格投机或交易量。无论市场状况如何，Infura 的收入依然稳健。在熊市期间，钱包的使用仍在继续。

网络效应： MetaMask 占据 80-90% 的市场份额，形成了复合竞争护城河。开发者会优先为 MetaMask 构建应用，从而增强了用户粘性。

垂直整合： 控制从用户界面到节点基础设施再到扩展解决方案的整个堆栈。比单层竞争对手捕捉到更多的单笔交易价值。

监管透明度： SEC 的和解消除了主要的法律不确定性。清白的监管形象提高了机构的舒适度。

华尔街评估的风险：

盈利时间表： Consensys 能否展示正向现金流或可信的盈利路径？不盈利的公司面临估值压力。

竞争： 钱包战争加剧 —— Rabby、Rainbow、Zerion 等正在争夺用户。MetaMask 能否保持统治地位？

以太坊依赖： 业务成功直接与以太坊的采用挂钩。如果其他 L1 区块链获得市场份额，Consensys 的基础设施相关性可能会下降。

监管风险： 加密货币监管仍在不断演变。未来的执法行动可能会影响业务模式。

70 亿美元估值：公允还是乐观？​

Consensys 在 2022 年 3 月以 70 亿美元的估值筹集了 4.5 亿美元。私募市场的定价并不等同于公开市场的认可。

看涨理由：

  • Infura 拥有超过 2.5 亿美元的年收入且利润率极高
  • 超过 3000 万用户构建了网络效应护城河
  • 垂直整合捕获了整个技术栈的价值
  • MASK 代币增加了潜在的上行空间
  • 以太坊机构化采用正在加速
  • 在有利的市场条件下进行 IPO

看跌理由：

  • 盈利能力未经证实，可能存在持续亏损
  • 钱包领域竞争加剧，市场份额面临威胁
  • 尽管与 SEC 达成和解，但监管仍具不确定性
  • 仅限于以太坊的风险限制了多元化
  • 代币发行可能会稀释股权价值
  • 可比公司（如 Coinbase）的交易价格低于峰值

估值最终可能落在 50 亿至 100 亿美元之间，具体取决于：已证实的盈利能力、MASK 代币的接受度、上市时的市场环境以及投资者对加密货币风险敞口的胃口。

IPO 对加密行业的意义​

Consensys 的上市代表了行业的成熟：基础设施公司达到了公开市场所需的规模，监管框架使合规成为可能，华尔街对提供加密货币风险敞口感到放心，商业模式在投机之外得到了验证。

此次上市将成为首个以太坊基础设施 IPO，为生态系统估值提供基准。成功将验证基础设施层的商业模式；失败则表明市场在为 Web3 公司估值之前，需要更多的盈利证明。

更广泛的趋势是：加密行业正从投机交易向基础设施建设转型。通过服务产生收入而非仅靠代币增值的公司正吸引着传统资本。公开市场将迫使企业遵守纪律——季度报告、盈利目标和股东问责。

对于以太坊而言：Consensys 的 IPO 为早期生态系统建设者提供了流动性事件，验证了基础设施层的变现能力，吸引机构资本进入配套基础设施，并展示了除代币投机之外的可持续商业模式。

2026 年时间表​

2026 年年中的上市时间表假设：2026 年第一季度提交 S-1 注册声明，第二季度完成 SEC 审查和修订，第三季度进行路演和定价，第四季度正式挂牌交易。

影响时间表的变量：市场状况（加密货币及大盘股）、MASK 代币的推出与反响、竞争对手的 IPO 结果（Kraken、Ledger、BitGo）、监管进展、以及以太坊的价格和采用指标。

Consensys 必须向市场讲述的故事：具有可预测收入的基础设施即服务（IaaS）模式、拥有网络效应护城河的庞大用户群、捕获生态系统价值的垂直整合、监管合规与机构信任，以及伴随利润率扩张的盈利之路。

华尔街看重增长和利润率。Consensys 通过用户获取和收入规模展示增长，而利润率的故事则取决于运营纪律和基础设施杠杆。招股说明书将揭示其基本面是否支撑 70 亿美元的估值，或者私募市场的乐观情绪是否超出了可持续的经济效益。

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，获取机构级区块链基础设施。

来源：

DeFi 与 TradFi 的融合：为什么年底 2500 亿美元的 TVL 并非炒作

· 阅读需 23 分钟
Dora Noda
Dora Noda
Software Engineer

当 Aave 的 Horizon 市场在上线六个月内机构存款突破 5.8 亿美元时，这并没有成为加密货币领域的头条新闻。然而，这一低调的里程碑预示着比又一次模因币（meme coin）暴涨更为重要的信号：去中心化金融（DeFi）与传统金融（TradFi）长期以来承诺的融合终于发生了。这种融合并非源于意识形态的胜利，而是通过监管透明度、可持续的收入模型以及机构资本对区块链结算作为更优基础设施的认可。

数据说明了一切。通过许可型 DeFi 池进行的机构借贷规模目前已超过 93 亿美元，同比增长 60%。代币化现金的流通量接近 3000 亿美元。DeFi 的总锁仓量（TVL）在 2026 年初约为 1300-1400 亿美元，预计到年底将达到 2500 亿美元。但这些增长并非源于流动性挖矿炒作周期带来的投机性收益。这是机构资本正在流入经过筛选、风险细分，且从第一天起就内置了监管合规性的协议。

监管的里程碑时刻​

多年来，DeFi 的倡导者们宣扬着无需许可资金的教义，而机构则因为监管的不确定性而袖手旁观。这种僵局在 2025-2026 年随着一系列快速出台的监管框架而结束，这些框架彻底改变了行业格局。

在美国，《GENIUS 法案》确立了稳定币发行、储备、审计和监督的联邦制度。众议院通过了《CLARITY 法案》，这是一项市场结构法案，划分了证券交易委员会（SEC）和商品期货交易委员会（CFTC）之间的管辖权，并定义了代币何时可以从证券转变为商品。最关键的是，2026 年 1 月 12 日通过的《数字资产市场透明度法案》正式确定了“数字商品”的称号，将美国对非证券代币的管辖权从 SEC 移交给了 CFTC。

联邦监管机构必须在 2026 年 7 月 18 日之前发布《GENIUS 法案》的实施条例，这为合规基础设施建设创造了截止期限驱动的紧迫感。这不再是模糊的指导意见，而是机构合规团队可以操作的规范性规则。

欧洲的步伐甚至更快。2023 年 6 月生效的《加密资产市场监管法案》（MiCA）在 2025 年 12 月完成了二级和三级措施的制定。这建立了一个稳健的透明度、合规性和市场诚信框架，使欧洲成为全球加密监管的领导者。在美国提供透明度的地方，欧洲提供了深度——涵盖了从稳定币储备到 DeFi 协议披露的所有内容的综合规则。

结果如何？机构不再面临“完全忽视 DeFi”或“承担监管风险”的二元选择。他们现在可以将资本投入到具有清晰法律框架的合规、许可型协议中。这种监管透明度是整个融合论点赖以生存的基石。

从投机到可持续：收入模型的革命​

DeFi 在 2020-2021 年的爆发是由不可持续的代币经济学推动的：由通胀性排放资助的疯狂年化收益率（APY）、一夜之间烟消云散的流动性挖矿计划，以及那些比起实际收入更看重 TVL 增长的协议。不可避免的崩溃给人们留下了惨痛的教训——博人眼球的收益率无法构建持久的金融基础设施。

2026 年的 DeFi 格局看起来截然不同。增长越来越多地来自于经过筛选的信贷市场。Protocols 如 Morpho、Maple Finance 和 Euler 等通过提供受控、风险细分的借贷环境实现了扩张，旨在吸引寻求可预测敞口的机构。这些并非追求三位数年化收益率的散户导向平台，而是提供 4-8% 收益率的机构级基础设施，由真实收入而非代币通胀支撑。

这种转变在手续费生成方面最为明显。像 Kamino 或 SparkLend 这样开放的、面向散户的平台在手续费生成中的作用正在减弱，而受监管、经过筛选的流动性渠道则稳步获得关注。市场越来越青睐那些将支出与规律化发行相结合的设计，从而将可持续模型与旧有的结构区分开来，在旧结构中，代币主要代表治理叙事。

SQD Network 最近的转型体现了这种演变。该项目从代币排放转向客户收入，解决了区块链基础设施的核心可持续性问题：协议能否产生真实的现金流，还是永远依赖于稀释代币持有者？答案越来越多地是“是的，可以”——但前提是它们服务于愿意为可靠服务付费的机构交易对手，而非追求空投的散户投机者。

这种成熟并不意味着 DeFi 变得乏味，而是意味着 DeFi 变得可信。当机构分配资本时，他们需要可预测的风险调整后回报、透明的手续费结构以及可以识别的交易对手。符合 KYC/AML 要求的许可型资金池恰恰提供了这些，同时保留了使 DeFi 具备价值的区块链结算优势。

许可型 DeFi 基础设施的布局​

对于那些将加密货币视为传统金融（TradFi）看门人的抗审查替代方案的纯粹主义者来说，“许可型 DeFi”（Permissioned DeFi）一词听起来像是一个悖论。但机构并不关心意识形态的纯粹性——他们关心的是合规性、对手方风险和监管对齐。许可型协议在保留 DeFi 核心价值主张（24/7 全天候结算、原子化交易、可编程抵押品和透明的链上记录）的同时，解决了这些问题。

Aave 的 Horizon 是这一模式付诸实践的最清晰案例。该项目于 2025 年 8 月启动，是一个面向机构现实世界资产（RWA）的许可型市场，允许用户以代币化国债和担保贷款凭证（CLO）作为抵押，借入 USDC、RLUSD 或 GHO 等稳定币。在六个月内，Horizon 的净存款增长至约 5.8 亿美元。2026 年的目标是通过与 Circle、Ripple 和 Franklin Templeton 的合作，将存款规模扩大到 10 亿美元以上。

Horizon 与 Aave 之前的许可型产品 Aave Arc 有何不同？Arc 在推出时也抱有类似的机构雄心，但其总锁定价值（TVL）仅为微不足道的 5 万美元——这一失败带来了重要的教训。仅有许可型架构是不够的。机构需要的是许可型架构，加上深度流动性、可识别的抵押品（如美国国债）以及与其已使用的稳定币的集成。

Horizon 提供了这三点。它不是一个独立的围墙花园——而是一个进入 Aave 更广泛流动性生态系统的合规门控入口。机构可以抵押国债借款以支持运营、套利稳定币利率或利用杠杆头寸，同时保持完全的监管合规性。原子化结算和透明度依然存在；“任何人都可以参与”的元素被替换为“任何通过 KYC 的人都可以参与”。

其他协议也在遵循类似的路径。Morpho 的策划金库（Curated Vaults）允许机构资金流入特定的风险层级，由金库管理者担任信贷承销商。Euler 的风险隔离借贷市场允许机构针对白名单抵押品进行借贷，而无需暴露在长尾资产风险中。Maple Finance 提供机构级信贷池，借款人是经过验证且具有链上声誉的实体。

共同点是什么？这些协议不要求机构在 DeFi 效率和 TradFi 合规性之间做出选择。它们同时提供两者，并包装成机构风险委员会能够实际批准的产品。

2500 亿美元 TVL 的增长轨迹：数据推导，而非盲目乐观​

鉴于该行业的波动性，预测 DeFi TVL 是众所周知的困难。但 2500 亿美元的年底预测并非凭空而来——它是对当前趋势和已确认的机构部署进行的直接推演。

2026 年初的 DeFi TVL 约为 1300 亿至 1400 亿美元。要在 2026 年 12 月达到 2500 亿美元，该行业需要在 10 个月内增长约 80-90%，即每月约 6-7% 的复合增长。作为背景参考，DeFi TVL 在 2023-2024 年期间增长了 100% 以上，而当时的监管明确性和机构参与度远低于现在。

几个有利因素支持这一轨迹：

代币化资产的增长：代币化资产的规模在 2026 年可能突破 500 亿美元，随着更多金融机构尝试链上结算，增长速度正在加快。仅代币化国债就已接近 80 亿美元，且这一类别的增长速度超过了任何其他 DeFi 垂直领域。随着这些资产作为抵押品流入借贷协议，它们将直接增加 TVL。

稳定币集成：稳定币正进入一个新阶段。最初作为交易便利工具，现在已运行在支付、汇款和链上金融的核心。随着已有 2700 亿美元在流通且监管透明度不断提高，稳定币供应量到年底可能轻松达到 3500 亿至 4000 亿美元。其中大部分供应将流入寻求收益的 DeFi 借贷协议，直接推高 TVL。

机构资本分配：大型银行、资产管理公司和受监管企业正在通过 KYC、验证身份和许可型资金池测试链上金融。他们正在进行代币化回购（Repo）、代币化抵押品、链上外汇（FX）和数字银团贷款的试点。随着这些试点转向生产环境，数十亿机构资本将转移到链上。即使是保守估计，未来 10 个月也将有数百亿美元的机构资金流入。

真实收益率收窄：随着传统金融利率趋于稳定且加密货币波动性降低，DeFi 借贷收益率（4-8%）与传统金融利率（3-5%）之间的利差在经风险调整后变得更具吸引力。寻求增量收益且不愿承担加密原生风险敞口的机构，现在可以在许可型资金池中抵押国债借出稳定币——这种产品在 18 个月前还未形成规模。

监管截止日期效应：2026 年 7 月 18 日是《GENIUS 法案》实施的最后期限，这意味着机构在敲定稳定币策略方面有一个硬性的截止日期。这产生了紧迫感。原本可能需要 24 个月的项目现在被压缩到 6 个月的时间线内。这加速了资本部署和 TVL 的增长。

2500 亿美元的目标并非“最佳情形”。如果当前的增长率持续下去，且已宣布的机构部署如期兑现，这就是必然结果。如果监管明确性驱动的采用速度快于预期，上行空间可能会将 TVL 推向 3000 亿美元或更高。

真正推动机构采用的因素是什么​

机构之所以涌入 DeFi，并非因为他们突然开始信仰去中心化意识形态。他们之所以加入，是因为其基础设施解决了传统金融（TradFi）系统无法解决的现实问题。

结算速度：传统的跨境支付需要 3-5 天。DeFi 则在几秒钟内完成结算。当摩根大通（JPMorgan）在 Solana 上为 Galaxy Digital 安排商业票据发行时，结算在 400 毫秒内完成，而不是 3 个工作日。这不仅是边际改善，更是根本性的运营优势。

24/7 市场：传统金融在营业时间内运作，周末和节假日存在结算延迟。DeFi 则是持续运作的。对于资金管理人员而言，这意味着他们可以针对利率变化即时调动资金，在银行营业时间外获取流动性，并无需等待银行处理即可实现收益复利。

原子化交易：智能合约支持原子化交换——要么整个交易全部执行，要么完全不执行。这消除了多步交易中的对手方风险。当机构用代币化国债交易稳定币时，不存在结算风险、托管期或 T+2 等待。交易是原子化的。

透明的抵押品：在传统金融中，了解抵押品头寸需要复杂的法律结构和不透明的报告。在 DeFi 中，抵押品在链上且可实时验证。风险管理人员可以持续监控风险敞口，而不是通过季度报告。这种透明度降低了系统性风险，并实现了更精准的风险管理。

可编程合规：智能合约可以在协议层强制执行合规规则。想要确保借款人的贷款价值比（LTV）永远不超过 75%？将其编写进智能合约。需要将借贷限制在白名单实体内？在链上实现它。这种可编程性降低了合规成本和运营风险。

减少中间机构：传统的借贷涉及多个中间机构——银行、结算所、托管机构——每个环节都会收取费用并增加延迟。DeFi 压缩了这一层级。协议之所以能提供具有竞争力的利率，正是因为它们消除了中间机构的租金榨取。

这些优势并非停留在理论层面，而是可以量化的运营改进，能够降低成本、提高速度并增强透明度。机构采用 DeFi 不是因为其潮流，而是因为它是更好的基础设施。

机构级 DeFi 堆栈：哪些可行，哪些不可行​

并非所有受限访问（Permissioned）的 DeFi 产品都能取得成功。Aave Horizon（5.8 亿美元）与 Aave Arc（5 万美元）之间的反差表明，仅靠基础设施是不够的——产品市场契合度（Product-Market Fit）至关重要。

可行方案：

  • 基于代币化国债的稳定币借贷：这是机构级的杀手级应用。它提供收益、流动性和监管舒适度。提供此类产品的协议（如 Aave Horizon、Ondo Finance、Backed Finance）正在吸引大量资金。

  • 精选信贷金库：Morpho 拥有专业承销商的受限金库提供了机构所需的风险细分。机构无需向通用池注资，而是可以将资金分配给具有受控风险参数的特定信贷策略。

  • RWA 集成：集成代币化现实世界资产作为抵押品的协议增长最快。这在传统金融资产组合与链上收益之间架起了桥梁，允许机构在其已持有的资产上赚取收益。

  • 原生稳定币结算：以稳定币（而非波动巨大的加密资产）作为主要计账单位构建的产品正在获得机构青睐。机构理解稳定币，但对 BTC/ETH 的波动持谨慎态度。

不可行方案：

  • 缺乏流动性的受限资金池：如果资金池深度不足，仅在现有的 DeFi 协议中加入 KYC 并不能吸引机构。机构需要足够的深度来部署大量资金。小规模的受限资金池往往无人问津。

  • 带有治理代币的复杂代币经济学：机构追求的是收益，而非治理参与。要求持有波动性治理代币以提高收益或分享费用的协议很难吸引机构资金。

  • 带有机构品牌包装的零售端体验：一些协议在不改变底层产品的情况下，直接给零售产品贴上“机构级”标签。机构能看穿这一点。他们需要的是机构级的托管集成、合规报告和法律文件，而不只是更华丽的 UI。

  • 孤立的受限链：构建完全独立的机构区块链的协议失去了 DeFi 的核心优势——可组合性和流动性。机构希望接入 DeFi 的流动性，而不是进入一个复制了传统金融碎片化现状的围墙花园。

启示是：当 DeFi 基础设施确实能比传统金融替代方案更好地解决问题时，机构就会采用它。为了代币化而代币化是行不通的。没有运营改进的合规表象也行不通。真正有效的是——在符合监管要求的包装下，实现更快的结算、更高的透明度和更低的成本等真正的创新。

全球流动性转型：为什么这次有所不同​

DeFi 经历了多次炒作周期，每一次都承诺要彻底改变金融。2020 年的 DeFi 夏天见证了 TVL 爆发至 1000 亿美元，随后跌至 300 亿美元。2021 年的繁荣将 TVL 推高至 1800 亿美元，之后再次崩盘。为什么 2026 年会有所不同？

答案在于进入系统的资本类型。之前的周期是由散户投机和追求收益的加密原生资本驱动的。当市场情绪转变时，资本一夜之间蒸发，因为那是无约束的投机，而非结构性配置。

目前的周期从根本上有所不同。机构资本不再追求 1000% 的 APY——它寻求的是由国债支持的稳定币 4-8% 的收益率。这种资本在波动期间不会恐慌性抛售，因为它不是杠杆投机。这是国库管理，寻求以基点而非倍数衡量的增量收益改进。

代币化国债目前已超过 80 亿美元，且每月都在增长。这些不是投机资产——它们是链上的政府债券。当 Vanguard 或 BlackRock 将国债代币化，且机构客户在 Aave Horizon 中将其借出以借入稳定币时，这些资本是具有粘性的。它不会在出现麻烦迹象时立即逃向模因币（meme coins）。

同样，2700 亿美元的稳定币供应量代表了对美元计价结算通道的基础需求。无论是 Circle 的 USDC、Tether 的 USDT，还是根据 《GENIUS 法案》推出的机构稳定币，这些资产都发挥着支付和结算功能。它们是基础设施，而非投机。

这种从投机性资本向结构性资本的转变，使得 2500 亿美元 TVL 的预测变得可信。2026 年进入 DeFi 的资本并非为了快速获利——而是为了运营改进而进行的重新配置。

挑战与阻力​

尽管融合势头强劲，但重大挑战依然存在。

监管碎片化：虽然美国和欧洲已经提供了明确性，但监管框架在不同司法管辖区之间存在显著差异。全球运营的机构面临复杂的合规要求，欧洲的 MiCA、美国的《GENIUS 法案》以及亚洲更具限制性的制度之间各有不同。这种碎片化减缓了采用速度并增加了成本。

托管与保险：机构资本需要机构级的托管。虽然 Fireblocks、Anchorage 和 Coinbase Custody 等解决方案已经存在，但针对 DeFi 仓位的保险覆盖范围仍然有限。机构需要知道其资产已针对智能合约漏洞、预言机操纵和托管失败进行了投保。保险市场正在成熟，但仍处于起步阶段。

智能合约风险：每一个新协议都代表着智能合约风险。虽然审计减少了漏洞，但并不能消除漏洞。机构对于在新型合约（即使是经过审计的合约）中部署大额仓位仍保持审慎。这种谨慎是合理的——DeFi 已经经历了数十亿美元与漏洞相关的损失。

流动性碎片化：随着更多许可池（permissioned pools）的推出，流动性在不同平台间变得碎片化。在 Aave Horizon 中进行借贷的机构在不移动资本的情况下，无法轻松利用 Morpho 或 Maple Finance 中的流动性。这种碎片化降低了资本效率，并限制了单个机构向许可式 DeFi 部署的资金量。

预言机依赖：DeFi 协议依赖预言机获取价格推送、抵押品估值和清算触发。预言机操纵或故障可能导致灾难性损失。机构需要具有多个数据源和抗操纵能力的强大预言机基础设施。虽然 Chainlink 等已显著改进，但预言机风险仍是一个担忧。

新兴市场的监管不确定性：虽然美国和欧洲提供了明确性，但发展中国家的大部分地区仍存在不确定性。在拉美、非洲和亚洲部分地区运营的机构面临监管风险，这可能会限制它们向 DeFi 部署资金的积极程度。

这些并非不可逾越的障碍，但它们是真实的摩擦点，将减缓采用速度并限制 2026 年流入 DeFi 的资本量。2500 亿美元的 TVL 目标考虑了这些阻力——它并非一个不受约束的乐观预测。

对开发者和协议的意义​

DeFi 与 TradFi 的融合为开发者和协议创造了特定的机遇。

为机构而建，而非仅针对散户：优先考虑机构产品市场契合度的协议将捕获不成比例的资本。这意味着：

  • 集成 KYC/AML 的合规优先架构
  • 与机构级解决方案的托管集成
  • 机构风险委员会能够批准的法律文档
  • 针对机构需求量身定制的风险报告和分析

关注可持续的收入模型：代币排放和流动性挖掘已经过时。协议需要从真实的经济活动中产生真实的费用。这意味着要为机构重视的服务（托管、结算、风险管理）收费，而不仅仅是通过膨胀代币来吸引 TVL。

优先考虑安全性和透明度：机构只会将资本部署到具有稳健安全性的协议中。这意味着多次审计、漏洞赏金、保险覆盖以及透明的链上运营。安全不是一次性事件，而是一项持续的投资。

与 TradFi 基础设施集成：在 TradFi 和 DeFi 之间实现无缝衔接的协议将胜出。这意味着法币入金通道、银行账户集成、符合 TradFi 标准的合规报告，以及机构交易对手认可的法律结构。

针对特定的机构用例：与其构建通用协议，不如针对狭窄的机构用例。如针对企业稳定币的国库管理、针对做市商的隔夜借贷、针对对冲基金的抵押品优化。在特定用例上的深度胜过在许多平庸产品上的广度。

BlockEden.xyz 为构建机构产品的 DeFi 协议提供企业级基础设施，为针对 TradFi 融合机遇的开发者提供可靠的 API 访问和节点基础设施。探索我们的服务，在专为扩展而设计的基石上进行构建。

迈向 2500 亿美元之路：现实的时间线​

以下是 DeFi TVL 在 2026 年底达到 2500 亿美元所需经历的过程：

2026 年第一季度（1 月 - 3 月）：代币化国债和稳定币供应量持续增长。Aave Horizon 突破 10 亿美元。Morpho 和 Maple Finance 推出新的机构信贷金库。TVL 达到 1600 亿 - 1700 亿美元。

2026 年第二季度（4 月 - 6 月）：GENIUS 法案实施细则于 7 月敲定，引发稳定币加速发行。新的机构稳定币在合规框架下推出。大型资产管理公司开始将资金部署到许可制 DeFi 池中。TVL 达到 1900 亿 - 2000 亿美元。

2026 年第三季度（7 月 - 9 月）：随着合规框架的成熟，机构资金流入加速。银行推出链上借贷产品。代币化回购市场达到规模。TVL 达到 2200 亿 - 2300 亿美元。

2026 年第四季度（10 月 - 12 月）：年终资本配置和财务管理推动最后冲刺。在前几个季度持观望态度的机构在财年结束前部署资金。TVL 达到 2500 亿美元以上。

这一时间线假设没有重大的安全攻击事件、没有监管政策逆转，且宏观经济保持稳定。该目标可以实现，但并非百分之百有保证。

来源​