跳到主要内容

40 篇博文 含有标签「去中心化计算」

去中心化计算和云

查看所有标签

x402 协议迈向企业级：Google、AWS 和 Anthropic 如何构建 AI 代理支付的未来

· 阅读需 15 分钟
Dora Noda
Dora Noda
Software Engineer

当 HTTP 在 20 世纪 90 年代初被设计时，它包含了一个似乎超前于时代的状态码：402 “Payment Required”（需要付费）。三十多年来，这个代码一直处于休眠状态——它是互联网尚未准备好实现微支付愿景的占位符。在 2025 年，这一愿景终于迎来了它的时刻。

x402 协议由 Coinbase 和 Cloudflare 于 2025 年 9 月联合发布，将这一被遗忘的 HTTP 状态码转变为自主 AI 代理支付的基础。到 2026 年 2 月，该协议处理的年化支付额已达 6 亿美元，并吸引了 Google Cloud、AWS、Anthropic、Visa 和 Circle 等企业的支持——这标志着机器对机器（M2M）支付已从实验走向基础设施。

这不仅仅是另一个支付协议。它是新兴经济的管道，在其中 AI 代理能够自主协商、支付和交易——无需人类钱包、银行账户或授权流程。

6 亿美元的拐点​

自发布以来，x402 已处理超过 1 亿笔交易，其中 Solana 脱颖而出，成为代理支付最活跃的区块链——在某些时期实现了 700% 的周增长率。该协议最初在 Base（Coinbase 的 Layer 2）上发布，但 Solana 的亚秒级确认速度和低廉费用使其成为高频代理间交易的首选结算层。

这些数据展示了企业级应用的快速普及：

  • 自 2025 年夏季以来，仅在 Solana 上就有 3,500 万+ 笔交易
  • 前六个月内的累计成交额超过 1,000 万美元
  • 当前交易量中的一半以上通过 Coinbase 作为主要服务商进行路由
  • 截至 2025 年 10 月下旬，x402 生态系统中共有 44 种代币，总市值超过 8.32 亿美元

与需要数年才能达到显著规模的传统支付基础设施不同，x402 在几个月内就达到了生产级规模。原因何在？它解决了一个对于大规模部署 AI 代理的企业来说关乎生存的问题。

为什么企业需要 x402​

在 x402 出现之前，企业面临着一个根本性的错配：AI 代理已经变得足够智能，可以做出自主决策，但它们没有标准化的方式来为所消耗的资源支付费用。

考虑一个现代企业 AI 代理的工作流：

  1. 它需要查询外部 API 以获取实时数据
  2. 它需要云服务商提供的计算资源进行推理
  3. 它必须通过付费服务访问第三方模型
  4. 它需要将结果存储在去信任化的存储网络中

传统上，这些步骤中的每一步都需要：

  • 预先建立的账户和 API 密钥
  • 订阅合同或预付额度
  • 对支出限制的人工监管
  • 与每个供应商计费系统的复杂集成

对于单个代理来说，这是可以管理的。但对于一个在不同团队和用例中运行数百或数千个代理的企业来说，这变得不可行。代理需要像人类在互联网上那样运作——发现服务、按需支付、然后继续下一步——而无需人类批准每一笔交易。

这正是 x402 的 HTTP 原生设计发挥变革作用的地方。

HTTP 402 的复兴：作为 Web 原语的支付​

x402 的天才之处在于让支付感觉像是 Web 现有工作方式的自然延伸。当客户端（人类或 AI 代理）向服务器请求资源时，交换遵循一个简单的模式：

  1. 客户端请求资源 → 服务器响应 HTTP 402 和支付详情
  2. 客户端支付 → 生成支付证明（区块链交易哈希）
  3. 客户端带证明重试请求 → 服务器验证并交付资源

这种三步握手无需账户、无需会话，也无需自定义身份验证。支付证明在链上是可加密验证的，使其具有去信任化和即时性。

从开发者的角度来看，集成 x402 非常简单：

// 服务端：请求支付
if (!paymentReceived) {
  return res.status(402).json({
    paymentRequired: true,
    amount: "0.01",
    currency: "USDC",
    recipient: "0x..."
  });
}

// 客户端：支付并重试
const proof = await wallet.pay(paymentDetails);
const response = await fetch(url, {
  headers: { "X-Payment-Proof": proof }
});

这种简洁性使得 Coinbase 能够通过其服务商服务提供每月 1,000 笔交易的免费额度，降低了开发者尝试代理支付的门槛。

企业联盟：谁在构建什么​

由 Coinbase 和 Cloudflare 联合创立的 x402 基金会已经汇集了一批令人印象深刻的企业合作伙伴——每家公司都在为自主支付基础设施贡献力量。

Google Cloud：AP2 集成​

Google 于 2025 年 1 月宣布了 Agent Payment Protocol 2.0 (AP2)，成为首个拥有 AI 代理支付结构化实施框架的超大规模云服务商。AP2 支持：

  • 通过 Google Cloud Marketplace 自主采购合作伙伴构建的解决方案
  • 基于实时用量的动态软件许可扩展
  • 无需人工审批流程的 B2B 交易自动化

对于 Google 来说，x402 解决了代理商业的冷启动问题：如何让客户的 AI 代理购买你的服务，而不需要客户手动为每个代理设置账单？

AWS：以机器为中心的工作流​

AWS 集成了 x402，以支持其服务目录中的 机器对机器（M2M）工作流。这包括：

  • 智能体（Agent）按需支付计算费用（EC2、Lambda）
  • 自动化数据流水线支付（S3、Redshift 访问费）
  • 带有程序化结算的跨账户资源共享

核心创新：智能体可以 启动和销毁资源，支付过程在后台完成，从而消除了对预分配预算或人工审批链的需求。

Anthropic：规模化的模型访问​

Anthropic 的集成解决了 AI 实验室面临的一个特定挑战：如何在不强迫每个开发者管理 API 密钥和订阅层级的情况下，实现推理变现。通过 x402，智能体可以：

  • 通过注册表发现 Anthropic 的模型
  • 使用 USDC 微支付按推理调用次数付费
  • 接收带有执行加密证明的模型输出

这为 可组合的 AI 服务 敞开了大门，智能体可以将请求路由到针对特定任务的最佳模型，仅为所使用的服务付费，而无需承担管理多个供应商关系的开销。

Visa 和 Circle：结算基础设施​

当科技公司专注于应用层时，Visa 和 Circle 正在构建结算轨道。

  • Visa 的受信智能体协议（TAP） 帮助商户区分合法的 AI 智能体和恶意机器人，解决了困扰自动化支付的欺诈和退款争议问题。
  • Circle 的 USDC 集成 提供了稳定币基础设施，在 Base 和 Solana 上，结算时间 不到 2 秒。

通过合作，它们正在创建一个支付网络，使自治智能体能够以与人类发起的信用卡支付相同的安全保障进行交易。

智能体钱包：从人类控制到机器控制的转变​

传统的加密钱包是为人类设计的：助记词、硬件安全模块、多重签名设置。但 AI 智能体没有手指来输入密码，也没有物理设备来确保安全。

智能体钱包（Agentic Wallets） 由 Coinbase 在 2025 年底推出，被誉为“首个专门为 AI 智能体设计的钱包基础设施”。这些钱包运行在 可信执行环境（TEEs） 内部——这是云服务器内的安全飞地，确保即使是云供应商也无法访问智能体的私钥。

该架构提供：

  • 非托管安全性：智能体控制自己的资金
  • 可编程护栏：交易限制、操作白名单、异常检测
  • 实时警报：高价值交易的多方审批
  • 审计日志：合规所需的完全透明度

这种设计彻底改变了传统模式。不再是人类授予智能体代表其行事的权限，而是 智能体在预设边界内自主运行——它们更像是持有公司信用卡的员工，而不是讨要零花钱的孩子。

其影响是深远的。当智能体可以在没有人工干预的情况下赚取、消费和交易时，它们就成为了独立的 经济主体。它们可以参与市场、协商价格，甚至投资于能够提升自身性能的资源。

机器经济：3,500 万次交易且仍在增长​

任何支付协议的真正测试在于人们（或在本例中是机器）是否真的在使用它。早期数据表明 x402 正在通过这项测试：

  • Solana 上 x402 交易量 700% 的周增长率 表明智能体更倾向于低费用、高速度的区块链
  • 所有链上 超过 1 亿次的总交易量 显示其使用已超出试点项目阶段
  • 6 亿美元的年化交易额 表明企业正将实际预算转移到智能体支付上

各行各业正在涌现出多种用例：

云计算​

智能体根据工作负载动态分配计算资源，按秒向 AWS/Google/Azure 付费，而不是维持闲置容量。

数据服务​

研究智能体按需支付优质数据集、API 调用和实时数据流费用，无需受订阅锁定。

DeFi 集成​

交易智能体支付预言机数据费用、在去中心化交易所（DEX）执行兑换并管理流动性头寸——所有这些均可实现即时结算。

内容与媒体​

AI 生成内容的创作者支付库存图片、音乐许可和托管费用——微支付实现了细粒度的权利管理。

统一的主题是：以机器的速度进行 按需资源分配，结算在几秒钟内完成，而不是以月度账单周期计。

协议治理挑战​

凭借 6 亿美元的交易额和企业支持，x402 面临一个关键时刻：如何在满足全球企业合规性和安全性要求的同时，保持其开放标准地位。

x402 基金会采用了多利益相关者治理模型，其中：

  • 协议标准 在开源仓库（Coinbase 的 GitHub）中开发
  • 促进者服务（支付处理器）在功能、费用和服务水平协议（SLA）上进行竞争
  • 链支持 保持区块链无关（支持 Base、Solana，以太坊及其他链正在开发中）

这镜像了 HTTP 本身的演进：协议是开放的，但实现（Web 服务器、浏览器）是竞争的。关键在于确保 没有任何一家公司可以把关 对支付层的访问。

然而，监管问题依然若隐若现：

  • 当智能体进行欺诈性购买时，谁承担责任？
  • 自治交易的 退款如何运作？
  • 哪些 反洗钱（AML）规则 适用于智能体对智能体的支付？

Visa 的受信智能体协议试图通过创建一个 智能体身份验证 和 欺诈检测 框架来解决其中的一些疑虑。但与任何新兴技术一样，监管仍滞后于部署。

对区块链基础设施意味着什么​

对于区块链提供商而言，x402 代表了一个定义类别的机遇。该协议具有区块链无关性，但并非所有链都同样适合智能体支付。

胜出的链将具备：

  1. 亚秒级最终确认：智能体不会等待 15 秒来完成以太坊确认
  2. 低费用：低于 0.01 美元的微型支付需要以美分零头计算的费用
  3. 高吞吐量：数月内处理 3500 万笔交易，并向数十亿笔迈进
  4. USDC/USDT 流动性：稳定币是智能体商业的记账单位

这就是为什么 Solana 在早期采用中占据主导地位。其 400ms 的区块时间和 0.00025 美元的交易费用使其成为高频智能体间支付的理想选择。Base（Coinbase 的 L2）受益于 Coinbase 原生集成 和机构信任，而以太坊的 L2（Arbitrum、Optimism）正在竞相降低费用并提高最终确认速度。

对于基础设施提供商来说，问题不在于 “x402 会成功吗？”，而在于 “我们能多快完成集成？”

BlockEden.xyz 为 Solana、Base 和以太坊提供生产级 API 基础设施，这些是 x402 智能体支付的领先区块链。探索我们的服务，在赋能自主经济的网络上进行构建。

通往万亿级智能体交易之路​

如果当前的增长轨迹得以保持，x402 可能会在 2026 年处理超过 10 亿笔交易。以下是其意义所在：

网络效应显现​

更多智能体使用 x402 → 更多服务接受 x402 → 更多开发者构建智能体优先的产品 → 更多企业部署智能体。

跨协议可组合性​

随着 x402 成为标准，智能体可以在此前孤立的平台之间无缝交互——例如 Google 智能体向 Anthropic 模型付费，以处理存储在 AWS 上的数据。

新商业模式涌现​

正如 App Store 创造了新的软件类别，x402 催生了 智能体即服务（agent-as-a-service） 业务，开发者构建专门的智能体供他人付费使用。

降低企业管理开销​

手动采购、发票对账和预算审批减缓了 AI 部署速度。智能体支付消除了这些摩擦。

终极愿景：一个 机器像人类一样自由交易 的互联网，支付在后台发生——无感、即时且去中心化信任。

面临的挑战​

尽管势头强劲，x402 仍面临现实障碍：

监管不确定性​

各国政府仍在研究如何监管 AI，更不用说自主 AI 支付了。哪怕是一个引人注目的欺诈案件，都可能引发限制性监管。

传统支付的竞争​

Mastercard 和 Fiserv 正在利用传统支付轨道为 AI 商业构建自己的 “智能体套件（Agent Suite）”。他们的优势在于：现有的商户关系和合规基础设施。

区块链可扩展性​

在 6 亿美元的年化交易额下，x402 仅触及皮毛。如果智能体支付达到全球电子商务（2025 年为 5.9 万亿美元）的 1%，区块链将需要处理 每秒 10 万笔以上交易，且费用几近于零。

安全风险​

基于 TEE 的钱包并非坚不可摧。Intel SGX 或 AMD SEV 的漏洞可能会泄露数百万智能体的私钥。

用户体验​

尽管技术复杂，但智能体支付体验仍需要开发者管理钱包、为智能体注资并监控支出。简化这一准入流程对于大规模采用至关重要。

更宏大的图景：作为经济原语的智能体​

x402 不仅仅是一个支付协议——它是一场更大变革的信号。我们正在从一个 人类使用工具 的世界，转向一个 工具自主行动 的世界。

这一转变在历史上可以找到类比：

  • 公司（Corporation） 出现在 1800 年代，作为一个可以拥有财产和签署合同的法人实体——将经济代理权扩展到个人之外。
  • 算法（Algorithm） 出现在 2000 年代，作为一个可以执行交易和管理资产组合的决策实体——将市场参与扩展到人类之外。
  • AI 智能体（AI agent） 正在 2020 年代兴起，作为一个可以赚取、支出和交易的自主主体——将经济参与扩展到法人实体之外。

x402 为这一转变提供了金融轨道。如果 Google、AWS、Anthropic 和 Visa 的早期尝试有任何预示，那么机器经济已不再是遥远的未来——它正在生产环境中被一笔接一笔地构建。

核心要点​

  • x402 重启了 HTTP 402 “Payment Required”（需要付费），以便在 Web 上实现即时、自主的稳定币支付
  • 在不到 6 个月的时间里，处理了超过 1 亿笔交易，年化交易额达 6 亿美元，显示出企业级的采用规模
  • Google、AWS、Anthropic、Visa 和 Circle 正在为机器对机器（M2M）工作流集成 x402
  • Solana 引领采用，得益于亚秒级最终确认和极低费用，智能体支付每周增长 700%
  • TEE 中的智能体钱包 为 AI 智能体提供了对资金的非托管控制，并具有可编程的安全护栏
  • 用例涵盖云计算、数据服务、DeFi 和内容许可——任何机器需要按需访问资源的场景
  • 监管和可扩展性挑战依然存在，但该协议的开放标准和多链方法使其具备长期增长潜力

自主智能体支付的时代并非即将到来，而是已经开启。x402 正在编写未来几十年机器交易的协议。

EigenAI 的端到端推理：解决区块链与 AI 的确定性悖论

· 阅读需 11 分钟
Dora Noda
Dora Noda
Software Engineer

当 AI 代理管理你的加密货币投资组合或执行智能合约交易时，你能否确信其决策是可重复且可验证的？直到最近，答案一直是响亮的“不”。

区块链的确定性架构与 AI 的概率性本质之间的根本矛盾催生了一个价值 6.8 亿美元的问题——随着自主代理越来越多地控制高价值金融业务，预计到 2034 年，这一数字将激增至 43 亿美元。EigenAI 的端到端推理解决方案于 2026 年初推出，旨在解决行业专家所谓的 Web3 中“最危险的系统挑战”。

确定性悖论：为什么 AI 与区块链难以融合​

区块链技术的核心依赖于绝对的确定性。以太坊虚拟机（EVM）保证每笔交易无论何时何地执行，都会产生相同的结果，从而在分布式网络中实现无需信任的验证。处理相同输入的智能合约将始终产生相同的输出——这种不可篡改性支撑了 2.5 万亿美元的区块链资产。

AI 系统，特别是大语言模型（LLM），则遵循相反的原则。LLM 的输出本质上是随机的，由于采样过程和概率性的 Token 选择，即使输入完全相同，不同运行的结果也会有所不同。即使将 Temperature（温度参数）设置为 0，浮点运算中微小的数值波动也会导致不同的输出。当 AI 代理做出不可逆的链上决策时，这种非确定性将变得灾难性——提交给区块链的错误无法撤回，这一特性已经导致了因智能合约漏洞而产生的数十亿美元损失。

赌注巨大。到 2026 年，预计 AI 代理将在企业系统中持续运行，管理真实资产并执行自主支付，预计覆盖 5000 万商户，规模达到 2900 万美元。但是，当这些代理的决策过程是一个黑箱，且对同一个问题给出不同答案时，我们该如何信任它们？

GPU 可重复性危机​

技术挑战比大多数人意识到的要深。作为 AI 推理支柱的现代 GPU，由于并行操作以不同顺序完成，本质上是非确定性的。2025 年发布的研究显示，Batch Size（批大小）的可变性结合浮点运算，造成了可重复性的噩梦。

FP32 精度提供了近乎完美的确定性，但 FP16 仅提供中等程度的稳定性，而 BF16（生产系统中最常用的格式）表现出明显的波动。根本原因是 Token 选择过程中竞争 Logits 之间的微小差距，使输出容易受到微小数值波动的影响。对于需要字节级精确可重复性以达成共识的区块链集成来说，这是不可接受的。

零知识机器学习（zkML）试图通过加密证明来解决验证问题，但面临着自身的障碍。传统的 ZK 证明器依赖于完美的确定性算术约束——没有确定性，证明验证的就是一个无法重现的轨迹。虽然 zkML 正在取得进展（2026 年的实现已针对 GPU 进行了“优化”，而不仅仅是在 GPU 上“运行”），但对于大规模模型或实时应用来说，计算开销仍然不切实际。

EigenAI 的三层解决方案​

EigenAI 的方法构建在以太坊的 EigenLayer 再质押（Restaking）生态系统之上，通过三个集成组件解决确定性问题：

1. 确定性推理引擎​

EigenAI 在生产级 GPU 上实现了位级精确的确定性推理——在 10,000 次测试运行中实现了 100% 的可重复性，且性能开销低于 2%。该系统使用 LayerCast 和批处理不变内核（batch-invariant kernels）来消除非确定性的主要来源，同时保持内存效率。这并非理论研究，而是生产级基础设施，承诺使用未经篡改的模型处理未经篡改的提示词（Prompt），并产生未经篡改的响应。

与传统的 AI API 不同（在那些 API 中，你无法深入了解模型版本、提示词处理或结果操纵），EigenAI 提供了完整的可审计性。每个推理结果都可以追溯到特定的模型权重和输入，使开发者能够验证 AI 代理使用的是其声称的精确模型，而没有隐藏的修改或审查。

2. 乐观再执行协议​

第二层将区块链扩容中的乐观回滚（Optimistic Rollups）模型扩展到 AI 推理。结果默认被接受，但可以通过再执行发起挑战，不诚实的节点运营商将通过 EigenLayer 的加密经济安全性受到经济处罚。

这至关重要，因为为每一次推理生成完整的零知识证明在计算上是极其昂贵的。相反，EigenAI 采用了一种乐观的方法：假设诚实，但允许任何人验证和挑战。由于推理是确定性的，争议可以简化为简单的字节等效性检查，而不需要达成全网共识或生成完整证明。如果挑战者能够重现相同的输入但得到不同的输出，则证明原始运营商不诚实，并将其罚没。

3. EigenLayer AVS 安全模型​

EigenVerify 作为验证层，利用了 EigenLayer 的主动验证服务（AVS）框架和再质押验证者池，为罚没（slashing）提供保证金。这扩展了 EigenLayer 价值 110 亿美元的再质押 ETH，用于保障 AI 推理的安全，创造了使攻击成本极高的经济激励。

这种信任模型非常巧妙：验证者质押资金，在受到挑战时运行推理，并因诚实验证而赚取费用。如果他们见证了错误的结果，其质押资金将被罚没。加密经济安全性随被验证操作的价值而扩展——高价值的 DeFi 交易可能需要更大的质押量，而低风险操作则使用较轻量的验证。

2026 年路线图：从理论到生产​

EigenCloud 的 2026 年第一季度路线图显示了其进军生产环境的雄心。该平台正在将多链验证扩展到 Base 和 Solana 等以太坊 L2，因为他们意识到 AI 代理（AI Agents）将在各个生态系统中运行。EigenAI 正向正式发布（GA）迈进，通过罚没机制提供具有加密经济安全保障的验证 API。

现实世界的应用已经开始显现。ElizaOS 利用 EigenCloud 的基础设施构建了加密可验证的代理，证明了开发者无需数月的自定义基础设施工作即可集成可验证的 AI。这一点至关重要，因为“代理内联网（agentic intranet）”阶段——即 AI 代理在企业系统中持久运行而非作为孤立工具运行——预计将在 2026 年全面展开。

从中心化 AI 推理向去中心化、可验证计算的转变正在获得动力。DecentralGPT 等平台将 2026 年定位为“AI 推理之年”，可验证计算正从研究原型转变为生产必需品。区块链 AI 领域预计 22.9% 的复合年增长率（CAGR）反映了这种从理论可能性到基础设施要求的转变。

更广泛的去中心化推理格局​

EigenAI 并非孤立运行。整个行业正在出现一种双层架构，将大型语言模型（LLM）拆分为更小的部分，分布在点对点网络中的异构设备上。PolyLink 和 Wavefy Network 等项目正在构建去中心化推理平台，将执行从中心化集群转移到分布式网格。

然而，大多数去中心化推理解决方案仍面临验证难题。将计算分布到各个节点是一回事，通过加密证明结果正确则是另一回事。这正是 EigenAI 的确定性方法提供结构性优势的地方——由于保证了可复现性，验证变得可行。

集成挑战不仅限于技术验证，还涉及经济激励。如何公平地补偿分布式推理提供商？如何防止单个运营商伪装成多个验证者的女巫攻击（Sybil attacks）？EigenLayer 现有的加密经济框架（已保障 110 亿美元的再质押资产）提供了答案。

基础设施问题：区块链 RPC 处于什么位置？​

对于进行自主链上决策的 AI 代理来说，确定性只是方程式的一半。另一半是对区块链状态的可靠访问。

考虑一个管理 DeFi 投资组合的 AI 代理：它需要确定性推理来做出可复现的决策，但也需要可靠、低延迟地访问当前的区块链状态、交易历史和智能合约数据。对单节点 RPC 的依赖会产生系统性风险——如果节点宕机、返回陈旧数据或受到速率限制，无论推理引擎多么具有确定性，AI 代理的决策都会变得不可靠。

在这种背景下，分布式 RPC 基础设施变得至关重要。具有自动故障转移功能的多提供商 API 访问可确保 AI 代理即使在单个节点出现问题时也能保持连续运行。对于管理真实资产的生产级 AI 系统来说，这不是可选项，而是基础。

BlockEden.xyz 提供专为生产级 AI 代理和自主系统设计的企业级多链 RPC 基础设施。探索我们的 API 市场，在可靠的基础上构建支持大规模确定性决策的系统。

这对开发者意味着什么​

对于 Web3 构建者来说，其意义是重大的。到目前为止，将 AI 代理与智能合约集成一直是一项高风险命题：不透明的模型执行、不可复现的结果以及缺乏验证机制。EigenAI 的基础设施改变了这一局面。

开发者现在可以构建具备以下特性的 AI 代理：

  • 执行具有加密保证的可验证推理
  • 在保持自主运行的同时遵循链上规则
  • 以可复现的逻辑做出高价值财务决策
  • 接受决策过程的公开审计
  • 通过一致的验证集成到多条区块链

2026 年出现的“混合架构”方法尤其具有前景：使用乐观执行（optimistic execution）以保证速度，仅在受到挑战时生成零知识证明，并依靠经济罚没来震慑不诚实行为。这种三层方法——确定性推理、乐观验证、加密经济安全——正在成为值得信赖的 AI 与区块链集成的标准架构。

前行之路：从黑盒到玻璃盒​

自主、非确定性的 AI 与不可篡改的高价值金融网络的融合，被有理有据地称为“极其危险”。传统软件中的错误可以修补；而 AI 控制的智能合约中的错误则是永久性的，并可能导致不可逆转的资产损失。

EigenAI 的确定性推理解决方案代表了一个根本性的转变：从信任不透明的 AI 服务到验证透明的 AI 计算。重现每一次推理、质疑可疑结果并对不诚实的运营商进行经济处罚的能力，将 AI 从黑盒转变为玻璃盒。

随着区块链-AI 领域从 2025 年的 6.8 亿美元增长到 2034 年预计的 43 亿美元，支持可信自主代理的基础设施将变得与代理本身一样关键。曾经看似无法逾越的确定性悖论正在向优雅的工程方案低头：位精确（bit-exact）的可重现性、乐观验证（optimistic verification）和加密经济激励的协同工作。

我们第一次能够真正回答开篇的那个问题：是的，你可以信任一个管理你加密投资组合的 AI 代理——不是因为 AI 是无懈可击的，而是因为它的决策是可重现、可验证且有经济保障的。这不仅是一项技术成就，更是下一代自主区块链应用的基础。

端到端推理解决方案不仅仅是在解决当今的确定性问题——它还在为未来的代理经济（agentic economy）铺设轨道。

机器经济时代来临：当机器人成为自主经济主体

· 阅读需 18 分钟
Dora Noda
Dora Noda
Software Engineer

如果你的送货无人机可以协商自己的充电费用会怎样？或者仓库机器人可以自主竞标存储合同？这不是科幻小说——这是机器经济，它在 2026 年已经投入运行。

虽然加密行业多年来一直痴迷于 AI 聊天机器人和算法交易，但一场更安静的革命正在展开：机器人和自主机器正在成为独立的经济参与者，拥有区块链钱包、链上身份，并能够在没有人类干预的情况下赚取、消费和结算支付。

三个平台正在引领这一转型：OpenMind 的去中心化机器人操作系统（现已获得来自 Pantera、Sequoia 和 Coinbase 的 2000 万美元融资）、Konnex 的 25 万亿美元体力劳动经济市场，以及 peaq 的 Layer-1 区块链（在 22 个行业中托管了超过 60 个 DePIN 应用）。它们共同为机器作为一流经济公民进行工作、赚取和交易构建基础设施。

从工具到经济代理人​

2026 年发生的根本转变是机器从被动资产转变为经济中的主动参与者。从历史上看，机器人是资本支出——你购买它们、操作它们，并承担所有维护费用。但区块链基础设施正在彻底改变这一范式。

OpenMind 的 FABRIC 网络 引入了一个革命性的概念：为每个设备提供加密身份。每个机器人都有位置证明（它在哪里）、工作负载证明（它在做什么）和托管证明（它在与谁合作）。这些不仅仅是技术规格——它们是机器在经济交易中值得信赖的基础。

Circle 在 2026 年初与 OpenMind 的合作使之具体化：机器人现在可以直接在区块链网络上使用 USDC 稳定币执行金融交易。送货无人机可以在自动化站点支付电池充电费用，接收已完成送货的付款，并结算账户——所有这些都无需人类对每笔交易进行批准。

Circle 与 OpenMind 之间的合作伙伴关系 代表了机器支付从理论走向实际操作的时刻。当自主系统能够持有价值、协商条款并转移资产时，它们就成为了经济参与者，而不仅仅是工具。

25 万亿美元的机遇​

体力劳动代表了全球最大的经济部门之一，但它仍然顽固地处于模拟和中心化状态。Konnex 最近筹集的 1500 万美元资金 正是针对这种低效。

全球体力劳动市场每年的价值为 25 万亿美元，但价值被锁定在封闭系统中。为 A 公司工作的送货机器人无法无缝接受 B 公司的任务。工业机器人在非高峰时段闲置，因为没有租赁其能力的场所。如果没有大量的 API 集成工作，仓库自动化系统无法与外部物流供应商协调。

Konnex 的创新是 物理工作证明 (PoPW)，这是一种共识机制，允许自主机器人（从送货无人机到工业机械臂）在链上验证现实世界的任务。这实现了一个无需许可的市场，机器人可以在没有平台中介的情况下签订合同、执行并变现劳动力。

考虑一下其中的影响：目前全球有超过 460 万台机器人在运行，机器人市场预计到 2030 年将超过 1100 亿美元。如果这些机器中哪怕只有一小部分能够参与去中心化的劳动力市场，可触达市场也是巨大的。

Konnex 整合了机器人、AI 和区块链，将体力劳动转变为去中心化的资产类别——本质上是为自主系统构建 GDP。机器人作为独立代理人行事，协商任务、执行工作并以稳定币结算，同时建立可验证的链上声誉。

为机器量身定制的区块链​

虽然以太坊（Ethereum）等通用区块链理论上可以支持机器交易，但它们并非针对物理基础设施网络的特定需求而设计。这就是 peaq 网络发挥作用的地方。

peaq 是一个 Layer-1 区块链，专门为去中心化物理基础设施网络 (DePIN) 和现实世界资产 (RWA) 设计。截至 2026 年 2 月，peaq 生态系统在 22 个行业中托管了 60 多个 DePIN，通过专为现实世界扩展而设计的高性能基础设施，在链上保障了数百万台设备和机器的安全。

已部署的应用展示了当区块链基础设施为机器量身定制时的可能性：

  • Silencio：一个拥有超过 120 万用户的噪声污染监测网络，奖励参与者收集声学数据以训练 AI 模型
  • DeNet：已保护 1500 万个文件，拥有超过 600 万存储用户和观察者节点，代表了 9 PB 的现实世界资产存储
  • MapMetrics：来自 167 个以上的国家的 20 多万名驾驶员正在使用其平台，每天报告超过 12 万条交通更新
  • Teneo：来自 190 个国家的 600 多万人运行社区节点以众包社交媒体数据

这些不是试点项目或概念验证——它们是生产系统，每天有数百万用户和设备在链上进行价值交易。

peaq 在迪拜的“机器经济自由区” 在 VARA（虚拟资产监管局）的支持下，已成为 2025 年现实世界资产代币化的主要枢纽。与万事达卡（Mastercard）和博世（Bosch）的重大集成验证了该平台的企业级安全性，而计划于 2026 年推出的“全民基本所有权”（Universal Basic Ownership）——即从机器到用户的代币化财富再分配——代表了机器产生的经济利益直接流向利益相关者的激进实验。

技术基石：链上身份与自主钱包​

使机器经济（machine economy）成为可能的不仅仅是区块链支付 —— 更是 2025-2026 年间同时成熟的几项技术创新的融合。

ERC-8004 身份标准：BNB Chain 对 ERC-8004 的支持 标志着自主代理的一个分水岭时刻。这一链上身份标准赋予了 AI 代理和机器人跨平台的可验证、可移植身份。代理在不同系统间移动时可以保持持久身份，使其他代理、服务和用户能够验证其合法性并追踪历史表现。

在 ERC-8004 出现之前，每个平台都需要单独的身份验证。在平台 A 工作的机器人无法将其信誉带到平台 B。现在，通过标准化的链上身份，机器可以建立随其在整个生态系统中移动的可移植信誉。

自主钱包：从 “机器人拥有 API 密钥” 到 “机器人拥有钱包” 的转变从根本上改变了机器的自主性。通过访问 DeFi、智能合约和机器可读的 API，钱包为机器解锁了真正的自主权，使其能够与充电站、服务提供商和同行协商条款。

机器正在从工具演变为独立的经济参与者。它们可以持有自己的加密钱包，在基于区块链的智能合约中自主执行交易，并通过可验证的历史表现证明建立链上信誉。

物理工作证明系统：OpenMind 的三层证明系统 —— 位置证明（proof-of-location）、工作负载证明（proof-of-workload）和托管证明（proof-of-custody） —— 解决了将数字交易与物理现实连接起来的根本挑战。这些加密证明是资本市场和工程师共同关注的核心：即工作确实是由特定机器在特定位置完成的可验证证据。

市场验证与增长轨迹​

机器经济不仅在技术上令人着迷，它还在吸引大量资本并展示出真实的收入。

风险投资：该领域在 2026 年初见证了显著的融资势头：

  • OpenMind：从 Pantera Capital、Sequoia China（红杉中国）和 Coinbase Ventures 获得 2000 万美元投资
  • Konnex：由 Cogitent Ventures、Leland Ventures、Liquid Capital 等领投的 1500 万美元
  • DePIN 总市值：截至 2025 年 9 月为 192 亿美元，较一年前的 52 亿美元大幅增长

收入增长：与许多仍由投机驱动的加密领域不同，DePIN 网络正在展示实际的业务牵引力。DePIN 收入从 2023 年到 2024 年增长了 32.3 倍，多个项目实现了数百万美元的年度经常性收入。

市场预测：世界经济论坛预测 DePIN 市场将从目前的 200 亿美元爆发式增长到 2028 年的 3.5 万亿美元 —— 增幅达 6000%。虽然此类预测应谨慎对待，但其方向性规模反映了物理基础设施与区块链协作相结合时巨大的潜在市场。

企业验证：除了加密原生资金外，传统企业也开始关注。Mastercard（万事达卡）和 Bosch（博世）与 peaq 的集成表明，成熟的企业将机器对机器的区块链支付视为值得构建的基础设施，而不仅仅是投机性实验。

算法货币政策的挑战​

随着机器成为自主的经济行为体，一个引人入胜的问题出现了：当主要的经济参与者是算法代理而非人类时，货币政策会是什么样子？

从 2024 年底到 2025 年这一时期标志着自主经济代理（AEA）部署和能力的关键加速。这些由 AI 驱动的系统现在只需极少的人工干预即可执行复杂任务 —— 管理投资组合、优化供应链以及协商服务合同。

当代理每秒可以执行数千次微交易时，传统的 “消费者情绪” 或 “通胀预期” 等概念就会变得棘手。代理不会产生心理上的通胀感；它们只是根据价格信号重新计算最佳策略。

这给机器经济平台的代币经济学带来了独特的挑战：

周转率 vs 稳定性：机器的交易速度远快于人类，可能产生极端的代币周转率，从而导致价值不稳定。稳定币集成（如 Circle 的 USDC 与 OpenMind 的合作）通过提供具有可预测价值的结算资产解决了这一问题。

信誉作为抵押品：在传统金融中，信誉是基于人类声誉和关系延伸的。在机器经济中，链上信誉成为可验证的抵押品。具有可靠交付历史的机器人可以获得比未经证实的机器人更好的条款 —— 但这需要先进的信誉协议，这些协议必须是防篡改的且跨平台可移植。

可编程经济规则：与响应激励的人类参与者不同，机器可以被设定明确的经济规则。这实现了新型的协作机制，但如果代理针对非预期结果进行优化，也会带来风险。

现实世界应用初具规模​

除了基础设施层之外，具体的使用案例正在展示机器经济在实践中能够实现什么：

自主物流：送货无人机通过完成交付赚取代币，支付充电和维护服务费用，并根据准时表现建立声誉评分。无需人工调度员 —— 任务根据代理在实时市场中的竞标进行分配。

去中心化制造：工业机器人在闲置时间将其产能租给多个客户，通过智能合约处理验证、支付和争议解决。德国的冲压机可以接受日本买家的订单，而制造商双方甚至无需互识。

协作感应网络：环境监测设备（空气质量、交通、噪音）通过贡献数据赚取奖励。Silencio 的 120 万用户收集声学数据，代表了建立在区块链激励机制上的最大协作感应网络之一。

共享出行基础设施：电动汽车充电站根据需求动态定价能源，接受来自任何兼容车辆的加密货币付款，并在无需中心化管理平台的情况下优化收入。

农业自动化：农场机器人跨多个物业协调种植、浇水和收割，土地所有者为实际执行的工作付费，而非承担机器人所有权成本。这将农业从资本密集型转变为基于服务的模式。

尚且缺失的基础设施​

尽管取得了显著进展，但机器经济仍面临必须解决的真实基础设施差距，以实现主流采用：

数据交换标准：虽然 ERC-8004 提供了身份，但机器人交换能力信息尚无通用标准。送货无人机需要以任何请求者都能理解的机器可读格式，传达有效载荷能力、航程和可用性。

责任框架：当自主机器人造成损害或未能送达时，谁负责？是机器人所有者、软件开发人员、区块链协议还是去中心化网络？算法责任的法律框架仍不完善。

物理决策共识：通过去中心化共识协调机器人的决策仍具挑战。如果五个机器人必须在仓库任务中协作，它们如何在没有中心化协调的情况下就策略达成一致？专为金融交易设计的拜占庭容错算法可能无法很好地转化为物理协作。

能源与交易成本：只有在交易成本微不足道时，微交易在经济上才可行。虽然 Layer-2 解决方案显著降低了区块链费用，但执行低价值任务的小型机器人的能源成本仍可能超过这些任务的收益。

隐私与竞争情报：当机器人执行专有工作时，透明的区块链会带来问题。如何在不泄露有关工厂运营或送货路线的竞争信息的情况下，在链上证明工作完成？零知识证明和机密计算是部分解决方案，但增加了复杂性和成本。

这对区块链基础设施意味着什么​

机器经济的兴起对区块链基础设施提供商和开发人员具有重大影响：

专门的 Layer-1：通用区块链在应对物理基础设施网络的特定需求时显得力不从心 —— 高交易吞吐量、低延迟以及与物联网 (IoT) 设备的集成。这解释了 peaq 的成功；针对特定用例，特制的基础设施优于改装的通用链。

预言机需求：将链上交易与现实世界事件连接起来需要强大的预言机基础设施。Chainlink 向物理数据源（位置、环境条件、设备状态）的扩展，成为机器经济的关键基础设施。

身份与声誉：链上身份不再仅仅属于人类。能够证明机器能力、跟踪性能历史并启用可移植声誉的协议将成为必不可少的中间件。

微支付优化：当机器不断进行交易时，为人类规模交易设计的费用结构将崩溃。Layer-2 解决方案、状态通道和支付批处理变得必不可少，而不再是可有可无的优化。

现实世界资产集成：机器经济从根本上说是连接数字代币和实物资产。将机器人本身代币化、为自主运营提供保险以及验证物理托管的基础设施将面临巨大需求。

对于在该领域构建应用程序的开发人员来说，可靠的区块链基础设施至关重要。BlockEden.xyz 提供企业级 RPC 访问，支持包括新兴 DePIN 协议在内的多条链，无需管理节点基础设施即可实现无缝集成。

前行的道路​

2026 年的机器经济不再是推测性的未来主义——它已成为拥有数百万台设备、数十亿美元交易量和清晰收入模式的运营基础设施。但我们仍处于非常早期的阶段。

未来 12-24 个月，三个趋势可能会加速发展：

互操作性标准：正如 HTTP 和 TCP/IP 促成了互联网一样，机器经济将需要标准化的协议，用于机器人对机器人通信、能力协商和跨平台声誉。ERC-8004 的成功表明业界已经意识到了这一需求。

监管明确性：各国政府开始认真对待机器经济。迪拜的机器经济自贸区代表了监管实验，而美国和欧盟正在考虑针对算法责任和自主商业代理的框架。监管的明确性将释放机构资本。

AI 与机器人集成：大语言模型与物理机器人的融合为自然语言任务委派创造了机会。想象一下，用通俗的英语描述一项工作，由 AI 代理将其分解为子任务，然后自动协调机器人车队执行——所有这些都在链上结算。

这个价值万亿美元的问题在于，机器经济是会遵循以往加密叙事的路径——最初的热情紧接着是幻灭期；还是这一次基础设施、应用和市场需求能够协同一致，创造持续增长。

早期指标表明是后者。与许多仍是在寻找应用场景的金融工具的加密领域不同，机器经济通过可衡量的解决方案解决了明确的问题（昂贵的闲置资本、孤岛化的机器人运营、不透明的维护成本）。当 Konnex 声称目标市场为 25 万亿美元时，这并非加密投机——这是可能从去中心化协作中受益的体力劳动市场的实际规模。

机器已经到来。它们拥有钱包、身份，并能够自主交易。基础设施已经投入运行。现在唯一的问题是，传统经济适应这一新范式的速度有多快——或者说，它被这一范式颠覆的速度有多快。

来源​

Tether 的 MiningOS：打破比特币挖矿的专有技术堡垒

· 阅读需 15 分钟
Dora Noda
Dora Noda
Software Engineer

多年来，比特币挖矿一直受到专有软件的束缚，这些软件将运营商锁在供应商生态系统中，掩盖了关键的运营数据，并制造了人为的准入门槛。2026 年 2 月 2 日，Tether 通过发布 MiningOS 彻底颠覆了这一模式——这是一款采用 Apache 2.0 许可证的完全开源操作系统，可以从家庭矿机扩展到吉瓦级矿场，且无需任何第三方依赖。

这不仅仅是另一个开源项目。它是对主导该行业的中心化架构的直接反击。目前该行业 每年产生 172 亿美元的收入，全球加密货币挖矿市场预计将从 2025 年的 27.7 亿美元增长到 2035 年的 91.8 亿美元。MiningOS 代表了第一个工业级替代方案，将挖矿基础设施视为公共产品而非专有知识产权。

黑盒问题：为什么专有挖矿软件阻碍了去中心化​

传统的比特币挖矿设置像“围墙花园”一样运作。矿工购买预装了供应商专用管理软件的 ASIC 硬件，这些软件通过中心化云服务路由运营数据，强制执行固件限制，并将监控工具与专有平台捆绑。结果是：矿工从未真正拥有自己的基础设施。

Tether 的公告 明确针对这种“黑盒”架构，其中硬件和管理层保持不透明并由制造商控制。对于在家庭运行少量 ASIC 的小型运营商来说，这意味着在基础监控方面必须依赖外部平台。对于管理分布在多个地区、拥有数十万台机器的工业矿场来说，这意味着灾难性的供应商锁定。

时机至关重要。2025 年，五家主要的挖矿公司——Iris Energy、Riot Blockchain、Marathon Digital、Core Scientific 和 Cipher Mining——的总市值在 45.8 亿至 125.8 亿美元之间。这些巨头受益于规模经济，但他们同样容易受到困扰小型运营商的同类专有软件限制。MiningOS 通过向所有人提供相同的自托管、独立于供应商的基础设施，平衡了技术竞争环境。

点对点架构：Holepunch 基础​

MiningOS 构建在 Holepunch 点对点协议之上，这是 Tether 和 Bitfinex 在 2022 年发布的用于构建抗审查应用程序的加密通信栈。与通过中心化服务器路由数据的传统挖矿管理平台不同，MiningOS 通过自托管架构运行，挖矿设备通过集成的点对点网络直接通信。

这不是理论上的去中心化，而是运营层面的主权。运营商可以在本地管理挖矿活动，而无需通过外部云服务路由数据。该系统使用分布式打洞（DHT）和加密密钥对在设备之间建立直接连接，创建独立于第三方基础设施运行的挖矿群组。

这对韧性的影响是深远的。中心化挖矿平台代表了单点故障：如果供应商的服务器宕机，运营就会停止；如果供应商更改定价模型，运营商就要支付更多费用；如果监管压力针对供应商，矿工将面临合规性的不确定性。MiningOS 在设计上消除了这些依赖。正如 Tether 首席执行官 Paolo Ardoino 所说，该系统“可以从单台机器扩展到分布在多个地理区域的工业级站点，而不会将运营商锁定在第三方平台中。”

模块化与硬件中立：无限制的扩展​

MiningOS 被设计为一个模块化、硬件中立的系统，用于协调现代比特币挖矿基础中复杂的 ASIC 矿机、配电系统、冷却基础设施和物理设施。根据 The Block 的报道，该操作系统“可以在轻量级硬件上运行以进行小规模运营，也可以扩展到监控和管理跨全站点部署的数十万台挖矿设备。”

这种模块化是架构层面的，而非表面上的。该系统将设备集成与运营管理分离，允许矿工在不重新配置整个软件栈的情况下更换硬件供应商。无论运营商运行的是比特大陆（Bitmain）蚂蚁矿机、神马矿机（Whatsminers）还是新兴的 ASIC 型号，MiningOS 都提供统一的管理层。

Mining SDK（与 MiningOS 一同宣布，预计在未来几个月内 与开源社区合作完成）将这种模块化扩展到了开发者。开发者无需从头开始构建设备集成，而是可以使用预构建的 worker、API 和 UI 组件来创建自定义挖矿应用程序。这将 MiningOS 从一个单一的操作系统转变为一个挖矿基础设施创新的平台。

对于工业运营商来说，这意味着在异构硬件环境中的快速部署。对于小型矿工来说，这意味着可以不计成本地使用同等级别的企业级工具。Apache 2.0 许可证 保证了修改和自定义版本可以保持自由分发，防止专有分支的再次出现。

挑战巨头：Tether 在稳定币之外的战略布局​

MiningOS 标志着 Tether 在比特币基础设施领域最激进的举措，但这并非孤立的实验。该公司报告 2025 年净利润超过 100 亿美元，这主要受其庞大稳定币储备的利息收入驱动。凭借这一资本基础，Tether 正在矿业、支付和基础设施领域进行全面布局——从一家稳定币发行商转型为一家全栈比特币服务公司。

竞争格局已经开始做出反应。Jack Dorsey 的 Block 已经支持了去中心化挖矿工具和开源 ASIC 设计工作，形成了一个旨在抵制专有挖矿生态系统的新兴企业联盟。MiningOS 通过提供生产级的软件而非实验原型，加速了这一趋势。

专有供应商面临着战略困境：他们可以尝试在软件功能上与一家年利润达 100 亿美元公司所支持的开源项目竞争，或者将业务模式转向服务和支持。可能的结果是出现分化：专有平台退守高端企业级市场，而开源替代方案则占领大众市场。

这与 21 世纪初企业级 Linux 击败专有 Unix 系统的路径如出一辙。红帽（Red Hat）的胜出并非依靠保持 Linux 封闭，而是通过为开源基础设施提供企业级支持和认证。快速适应的挖矿供应商或许能够生存；而那些执着于专有锁定的供应商将面临利润空间被压缩的困境。

从车库矿工到吉瓦级矿场：民主化论题​

“挖矿民主化”的言论往往掩盖了权力的集中。毕竟，比特币挖矿是资本密集型的：拥有廉价电力获取渠道和批量硬件采购能力的工业矿场主导了算力。开源软件如何改变这一等式？

答案在于运营效率和知识转移。使用专有软件的小型矿工面临着陡峭的学习曲线和供应商强加的低效率。他们无法了解大型运营商如何进行规模化的电力管理优化、自动化设备监控或硬件故障排除。MiningOS 通过使工业级运营技术变得可检查且可复制，改变了这一现状。

以电力管理为例。工业级矿工会协商可变电价，并自动化 ASIC 降频以在电价高峰期实现利润最大化。专有软件将这些优化隐藏在供应商的仪表板之后。开源代码则将其公开。德克萨斯州的一个车库矿工可以研究巴拉圭的一家吉瓦级矿场是如何构建其电力自动化的，并在本地实现相同的逻辑。

这是知识的民主化，而非资本的民主化。小型运营商不会突然具备与 Marathon Digital 125.8 亿美元市值相抗衡的实力，但他们将拥有同等水平的软件先进性。随着时间的推移，这将缩小大、小型矿工之间的运营差距，使挖矿盈利能力更多地取决于电力成本和硬件采购，而非与软件供应商的关系。

环境方面的影响同样重大。Tether 明确支持优先考虑可再生能源和运营效率的挖矿项目。开源软件实现了透明的能源核算——矿工可以验证每单位算力（terahash）的功耗，并跨不同硬件配置比较效率指标。这种透明度促使行业向低排放运营转型，同时让“洗绿”行为更难持续。

基础设施之战：91.8 亿美元市场中的开源与专有之争​

全球加密货币挖矿市场预计到 2035 年将增长至 91.8 亿美元（复合年增长率为 12.73%），这为软件平台创造了一个价值数十亿美元的战场。仅比特币挖矿硬件市场就 预计从 2025 年的 6.4562 亿美元增长到 2035 年的 22.5 亿美元——其中软件和管理平台代表了重要的相邻收入流。

MiningOS 并不直接通过许可费盈利，但它战略性地将 Tether 置于获取相邻市场价值的地位：矿池集成、能源套利服务、ASIC 销售合作伙伴关系以及基础设施融资。通过提供免费的开源操作系统软件，Tether 可以建立网络效应，使其其他挖矿相关服务变得不可或缺。

相比之下，专有供应商的整个商业模式依赖于软件许可和 SaaS 订阅。如果 MiningOS 获得大规模采用，这些供应商将面临来自两个方向的收入侵蚀：矿工转向开源替代方案，以及开发者在 Mining SDK 上构建竞争工具。网络效应将反向作用——随着更多矿工为开源代码库做出贡献，专有替代方案的功能丰富度将相对下降。

北美市场拥有全球 44.1% 的挖矿市场份额，尤其容易受到开源模式的影响。美国矿工在一个日益审查供应商依赖和数据主权的监管环境下运营。相比基于云的专有平台，自托管、点对点的挖矿管理更符合这些监管偏好。

下一步：挖矿 SDK 与社区发展​

Tether 宣布推出挖矿 SDK，标志着 MiningOS 仅仅是一个基础。该 SDK 将允许开发者构建挖矿应用程序，而无需从头开始重新创建设备集成或操作原语。这就是开源模式真正产生复利效应的地方：每一位基于该 SDK 进行构建的开发者都在为一个日益增长的可互操作挖矿工具生态系统做出贡献。

潜在的应用场景包括：

  • 能量市场套利工具：根据实时电价自动调节 ASIC 算力。
  • 预测性维护系统：利用机器学习在硬件故障发生前进行检测。
  • 跨矿池优化引擎：根据收益指标动态切换挖矿目标。
  • 社区驱动的固件替代方案：从 ASIC 中释放额外性能。

SDK 的完成是“与开源社区协作”的结果，这表明 Tether 将 MiningOS 定位为一个平台而非单一产品。这正是 Linux 在企业级基础设施中占据主导地位的策略：提供强大的内核，支持社区创新，并让成千上万的开发者在任何一家公司都无法预测的方向上扩展生态系统。

对于矿工来说，这意味着 MiningOS 的功能集将比受内部开发周期限制的专有替代方案演进得更快。对于比特币网络来说，这意味着挖矿基础设施变得更具弹性、更透明且更易于访问——强化了被专有软件悄然削弱的去中心化精神。

开源的觉醒​

Tether 的 MiningOS 是比特币挖矿行业的一个清醒时刻。十多年来，该行业一直将专有软件视为一种必要的妥协——以接受供应商锁定和中心化管理来换取便利。MiningOS 证明了这种妥协从来都不是必须的。

点对点（P2P）架构消除了第三方依赖。模块化设计实现了硬件的灵活性。Apache 2.0 许可证防止了重新中心化。而挖矿 SDK 将静态软件转化为了持续创新的平台。这些并不是渐进式的改进——它们是对专有模式的结构性替代。

现有供应商的反应将决定 MiningOS 是成为行业标准还是一个分众项目。但发展轨迹是清晰的：在一个预计到 2035 年将达到近 100 亿美元的市场中，开源基础设施比任何专有替代方案都更能与比特币的去中心化原则保持一致。

对于矿工而言——无论是车库里的五台 ASIC 还是横跨各大洲的五万台机器——问题不再是开源挖矿软件是否可行。而是你是否还能承担继续依赖“黑盒”的代价。

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​

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：

InfoFi 市场格局：从预测市场到数据基础设施的演变

· 阅读需 12 分钟
Dora Noda
Dora Noda
Software Engineer

预测市场在 2026 年 2 月初的周交易量突破了 63.2 亿美元，其中 Kalshi 占据 51% 的市场份额，Polymarket 占据 47%。但信息金融 (InfoFi) 的范畴远不止二元博弈。数据代币化市场、数据 DAO 以及信息即资产的基础设施 共同构建了一个新兴生态系统，使信息变得可编程、可交易且可验证。

InfoFi 的核心论点：信息有价值，市场发现价格，区块链赋能基础设施。本文绘制了这一领域的版图——从 Polymarket 的预测引擎到 Ocean Protocol 的数据代币化，从数据 DAO 到 AI 约束的真相市场。

预测市场的基础地位​

预测市场锚定了 InfoFi 生态系统，为不确定的未来事件提供价格信号。

Kalshi-Polymarket 的双雄争霸​

Kalshi 和 Polymarket 之间的市场份额几乎是 51/49，但两者的构成有着本质的不同。

Kalshi： 2025 年结算金额超过 431 亿美元，重心高度偏向体育博彩。获得 CFTC 许可，以美元计价，并与美国零售经纪商集成。Robinhood 的 “预测市场中心” 通过 Kalshi 的基础设施输送了数十亿的合约交易量。

Polymarket： 2025 年处理了 334 亿美元交易额，专注于“高信号”事件——地缘政治、宏观经济、科学突破。它是加密原生的，支持全球参与，并可与 DeFi 组合。于 2025 年底完成了对 QCEX 1.12 亿美元的收购，旨在通过 CFTC 许可重新进入美国市场。

竞争推动了创新：Kalshi 赢得了零售用户和机构合规市场，而 Polymarket 则在加密原生可组合性和国际准入方面处于领先地位。

超越博弈：信息预言机​

预测市场已从投机工具进化为 AI 系统的信息预言机。市场概率充当了约束 AI 幻觉的“外部锚点”——许多 AI 系统现在会降低那些无法在预测市场中进行押注的主张的权重。

这形成了反馈循环：AI 代理在预测市场上交易，市场价格为 AI 输出提供参考，而 AI 生成的预测又影响人类的交易决策。结果是：信息市场成为了算法真相发现的基础设施。

数据代币化：Ocean Protocol 的模型​

在预测市场对未来事件定价的同时，Ocean Protocol 将现有数据集代币化，为 AI 训练数据、研究数据集和专利信息创建了市场。

数据代币 (Datatoken) 架构​

Ocean 的模型：每个数据代币 (datatoken) 都代表了原始知识产权所有者的子许可，使用户能够访问和消费相关数据集。数据代币符合 ERC20 标准，使其可交易、可与 DeFi 组合，并可通过智能合约进行编程。

三层堆栈：

数据 NFT： 代表底层数据集的所有权。创建者铸造 NFT 以确立来源和控制权。

数据代币 (Datatokens)： 访问控制代币。持有数据代币可获得临时使用权，而无需转让所有权。实现了数据访问与数据所有权的分离。

Ocean 市场 (Ocean Marketplace)： 数据代币的去中心化交易所。数据提供者将资产变现，消费者购买访问权，投机者交易代币。

这种架构解决了关键问题：数据提供者在不失去控制权的情况下变现，消费者在无需支付全部购买成本的情况下获得访问权，市场则为信息价值发现公平定价。

交易之外的使用场景​

AI 训练市场： 模型开发人员购买数据集访问权限进行训练。数据代币（Datatoken）经济学使激励机制保持一致——有价值的数据获得更高的价格，创作者从模型训练活动中赚取持续收入。

研究数据共享： 学术和科学数据集被代币化以进行受控分发。研究人员验证溯源，跟踪使用情况，并通过自动版税分配补偿数据生成者。

企业数据协作： 公司通过代币化访问权限而非完全转移来共享专有数据集。在实现协作分析和模型开发的同时保持机密性。

个人数据变现： 个人将健康记录、行为数据或消费者偏好代币化。直接出售访问权限，而不是让平台在不提供补偿的情况下榨取价值。

Ocean 为数据 DAO 作为数据合作社实现了以太坊可组合性，创建了数据成为可编程金融资产的基础设施。

数据 DAO：集体信息所有权​

数据 DAO 作为管理数据资产的去中心化自治组织运行，实现集体所有权、治理和变现。

数据工会模型​

成员集体贡献数据，DAO 治理访问策略和定价，收入通过智能合约自动分配，治理权随数据贡献量扩展。

新兴示例：

医疗保健数据工会： 患者汇集健康记录，通过加密证明维护个人隐私。研究人员购买聚合访问权限，收入流向贡献者。数据由患者控制，而非中心化医疗系统。

神经科学研究 DAO： 学术机构和研究人员贡献大脑成像数据集、遗传信息和临床结果。集体数据集比个人贡献更有价值，在补偿数据提供者的同时加速研究。

生态/GIS 项目： 社区汇集的环境传感器、卫星图像和地理数据。DAO 为气候建模、城市规划和保护管理数据访问，同时确保当地社区从其所在地区生成的数据中受益。

数据 DAO 解决了协调问题：个人缺乏议价能力，平台榨取垄断租金，数据保持孤立。集体所有权实现了公平补偿和民主治理。

信息即数字资产​

该概念将数据资产视为数字资产，利用最初为加密货币设计的区块链基础设施来管理信息所有权、转移和估值。

这种架构选择创造了强大的可组合性：数据资产与 DeFi 协议集成，参与自动化做市商，作为贷款抵押品，并实现可编程的收入分成。

基础设施层​

身份层： 数据所有权和贡献的加密证明。防止抄袭，建立溯源，实现归属。

访问控制： 管理谁可以在什么条件下访问数据的智能合约。可编程许可取代人工合同谈判。

定价机制： 为数据集发现公允价值的自动化做市商。供需动态而非任意的机构定价。

收入分配： 智能合约自动在贡献者、策展人和平台运营商之间分配收益。消除了支付中介和延迟。

可组合性： 数据资产与更广泛的 Web3 生态系统集成。将数据集用作抵押品，创建衍生品，或捆绑成复合产品。

到 2025 年中期，链上 RWA 市场（包括数据）达到 230 亿美元，证明了机构对投机性加密货币之外的代币化资产的胃口。

AI 约束 InfoFi：验证闭环​

AI 系统越来越依赖 InfoFi 基础设施进行真实性验证。

预测市场约束 AI 幻觉：交易者冒着真实金钱的风险，市场概率充当外部锚点，AI 系统会降低对无法下注的主张的权重。

这创建了质量过滤器：可验证的主张在预测市场中交易，不可验证的主张获得较低的 AI 置信度，市场价格提供持续的概率更新，AI 输出变得更加植根于经济现实。

反馈回路双向运行：AI 代理生成的预测提高了市场效率，市场价格为 AI 训练数据质量提供了信息，高价值预测推动了数据收集工作，信息市场针对信号而非噪声进行优化。

2026 年 InfoFi 生态系统版图​

该版图包含多个互连层级：

第一层：真相发现

  • 预测市场（Kalshi、Polymarket）
  • 预测平台
  • 声誉系统
  • 验证协议

第二层：数据货币化

  • Ocean Protocol 数据代币 (datatokens)
  • 数据集市场
  • API 访问代币
  • 信息许可平台

第三层：集体所有权

  • 数据 DAO
  • 研究协作
  • 数据联盟
  • 社区信息池

第四层：AI 集成

  • 模型训练市场
  • 推理验证
  • 输出证明
  • 幻觉约束

第五层：金融基础设施

  • 信息衍生品
  • 数据抵押品
  • 自动做市商 (AMM)
  • 收益分配协议

每个层级都建立在其他层级之上：预测市场建立价格信号，数据市场将信息货币化，DAO 实现集体行动，AI 创造需求，金融基础设施提供流动性。

2026 年揭示了什么​

InfoFi 从实验性阶段转型为基础设施阶段。

机构验证： 各大平台集成预测市场。华尔街开始消费 InfoFi 信号。针对“信息即资产”处理的监管框架正在浮现。

基础设施成熟： 数据代币化标准趋于稳固。DAO 治理模式在大规模应用中得到验证。AI 与区块链的集成变得无缝化。

市场增长： 每周 63.2 亿美元的预测市场交易额，230 亿美元的链上数据资产，各行业采用速度加快。

用例扩展： 从投机扩展到研究、企业协作、AI 开发和公共产品协调。

问题不在于信息是否会成为一种资产类别，而在于基础设施扩展的速度以及哪种模式将占据主导地位。预测市场首先抢占了用户心智，但数据 DAO 和代币化协议最终可能会推动更大的价值流动。

2026 年的 InfoFi 格局：基础已夯实，用例已验证，机构开始采用，基础设施趋于成熟。下一阶段：集成到主流信息系统中，取代传统数据市场，成为信息交换的默认基础设施。

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 以获取 InfoFi 基础设施和数据市场支持。

来源：