對話 AIUSD 聯創：從萬億資金多年實盤策略，到 AGI 市場經濟，第一個為 AI 設計的「錢」

撰文：深潮 TechFlow

是騾子是馬，拉出來遛遛就知道了。

過去十多年，加密行業已經完成從「白皮書紙上談兵」到「用鏈上實績說話」的轉變，市場更青睞能夠在具體實踐中斬獲更亮眼表現的項目。

2025 年 11 月 19 日，一個從誕生第一天起就圍繞實盤設計的 Agentic AI 貨幣平臺宣佈完成近千萬美元規模的 Pre-Seed 輪融資，支持者包括 Anthropic 等明星項目的早期機構投資方、紅杉美國 Scout 基金、a16z Scout 基金以及 Tesla FSD AI 領導層等在內的多家硅谷頂級投資機構。

它就是 AIUSD：致力於實現不管是人還是 AI ，都能通過自然語言「對錢說話」，系統能夠理解意圖並拆解任務，自動在所有主流公鏈、中心化交易所與主流穩定幣之間進行統一資產管理、路由與交易結算，實現區塊鏈的真正「普惠」，推動全球金融真正走向「智能化」。

時值融資官宣之際，深潮 TechFlow 與 AIUSD 團隊兩位聯合創始人 Yao Meng 與 Bill Sun 展開了一場深度對話。

談及 AI 在金融乃至更細分的加密行業的表現，近期世界 6 大頂級 AI 模型的交易競賽也成為本次交流的話題之一，對於本場比賽，兩位嘉賓敏銳指出了這場比賽中「AI 並不擁有完整執行環境」的根本性問題，並對 AIUSD 加入競賽躍躍欲試，Yao 指出：

AIUSD 的 Agent 不是隻給出觀點，它直接連著真實流動性、資金費、跨 venue 執行路徑和清算系統。如果這種競賽未來允許真實執行，我們非常願意參加。

對 AIUSD 實操的自信源於多方面，Bill 興奮表示當下是 AIUSD 成功推向市場的「罕見窗口期」：

一方面，AI 正在從「會聊天」邁向「能執行」，且 Crypto 基礎設施真正走向成熟；

另一方面，AIUSD 底層的資金費引擎、微結構執行引擎、跨場景路由系統在內部實盤已經連續跑了兩年多，年化成交體量在 1 萬億美元規模，核心策略平均年化收益在 20% 以上，Sharpe 在 22 左右，且沒有出現過單月回撤，同時我們也搭建好了風險管理、合規框架、風控自動化等部分，保證這是一套真正能承載資金的系統。

面對當下 AIUSD 的蓄勢待發，Yao 分享了其更清晰的規劃：

AIUSD 已經成功走過從 0 到 1 的階段：0 是證明這件事技術上可行，1 是把它做成一個任何人都能上手的賬戶層，你說話，系統自己去路由和結算。目前 AIUSD 處在從 1 到 10 的拐點階段，未來我們將致力於把同一套基建，穩定地交付給更廣泛的 C 端與開發者生態。

本期內容，讓我們跟隨兩位華爾街 / 加密 OG 的分享，一起走進 Post - AGI 金融的具體形態，以及在「AI 驅動的金融智能」核心願景下，AIUSD 的核心競爭優勢以及具體演進路徑。

AIUSD：一種讓人和 AI 都能輕鬆理解並使用的「錢」

深潮 TechFlow：感謝二位的時間，歡迎二位首先做一個自我介紹。

Yao：

大家好，我是 Yao，很高興能與大家交流。

2011 年，我進入加密貨幣世界，那時我還在大學，最開始是參與挖礦，後來也逐步參與到各類區塊鏈項目和早期交易所的建設之中。十多年來，從 Mt.Gox 的索賠、FTX 爆雷再到最近的 10.11 爆倉,我完整經歷了行業變動與發展：比如 2021 年 5.19 大規模爆倉，我們一夜被平掉了 5000 萬美元的倉位，大量投資人被清償；比如上個月的 10.11 爆倉，我們公司應該是世界上較大機構裡第一個大規模拋售的；再比如去年年底的大選，我重倉了狗幣，當時整個市場上狗幣持倉的 20% 都是我們公司的自費套利策略的持倉，有一段時間年化高達 200%，這在 delta-nutual 策略裡可以說是驚世駭俗的收益。

這些年我始終在做交易相關的事情，從套利、高頻系統，到機構託管與量化策略，如今我推出 AIUSD，是希望把我們這些年積累的系統能力重新封裝，打造一個 AI 和人都能自然使用的穩定幣基礎設施。

Bill Sun：

大家好，我是 Bill（Qingyun） Sun，很高興能與大家交流。

我本科和博士都在斯坦福讀的數學專業，2014 年開始讀博的時候，深度學習剛起勢，我就有一個比較執拗的念頭：一定要搞清楚這些模型背後的數學結構是什麼樣的，然後看看它們在金融這種真實、複雜的環境裡到底能不能站得住腳。我的研究從一開始就同時盯著兩件事：一邊是深度學習的底層規律，一邊是金融裡的實際應用場景。

2016 年我在 Google Brain 做 NLP，那還是 Transformer 這個名字出現之前的階段。我們在注意力框架下做閱讀理解和問答實驗，一邊改模型結構，一邊試不同任務。那時候我們在做的這些工作，後來被外界總結和命名為 Transformer，可以說我算是參與了這條路線最早期的一批探索者。

也是在這個階段，我第一次系統地看到幾個現象：一是不同任務之間，其實可以共享一套統一的注意力結構，泛化能力比想象中強；二是隨著模型和數據規模的提升，性能會呈現出近似對數式的提升規律，這些後來被大家叫做 Scaling Law 的東西，當時都是通過大量實驗一點點被摸索出來的。

回到 Stanford 之後，我繼續跟兩位導師做深度學習的數學結構研究。一位是 David Donoho，美國兩院院士、高斯獎得主，是高維統計和壓縮感知領域的代表人物；另一位是 Stephen Boyd，美國工程院院士，優化界的標誌性學者，同時也是 BlackRock AI Lab 的創始人和負責人。兩位導師都不僅做理論，也深度參與量化金融工業界：David Donoho 之前在文藝復興做研究，Stephen Boyd 在 BlackRock 搭建並帶領 AI Lab。跟他們一起工作，讓我比較早就接觸到：什麼樣的問題在現實市場裡是真的重要，哪些模型特性在論文之外還能活得下來。

讀博期間，我也在 Citadel 和 Point72 Cubist 做過 Quant Research，把深度學習和強化學習的想法放到股票和期貨交易裡去跑。畢業後，我去了華爾街，在 Millennium WorldQuant 做基金經理，交易全球股票，管理一個規模不小的美股統計套利組合。

Crypto 我接觸得也比較早，大概從 2015 年開始。當時在 Stanford 上 Dan Boneh 的密碼學課，也在 Stanford Bitcoin Lab 跟 Balaji 和 Lily Liu 做項目，我們研究過 Lightning 微支付、以太坊智能合約早期的一些設計，還有 Zcash 和 Monero 的隱私機制。我自己也做過 Bitcoin 手續費優化、和鏈上借貸生成穩定幣的一些早期嘗試。

我個人對於crypto在AI裡面的應用最相信的是agentic economy，我去年開始也作為Cofounder, Chief Scientist參與了PIN AI的建設，從更偏consumer數據自主和AI個性化語音+推薦的角度去嘗試建立agentic economy，把人類的意圖轉化為AI的行動。

這十年下來，我越來越強烈地感覺到：AI、Crypto 和傳統金融之間的邊界正在快速消失。傳統金融帶來的是成熟的效率和風控體系，Crypto 重塑底層基礎設施，而 AI 則在把這一切變成真正「智能」的系統。這三塊疊在一起，本質上是在重寫全球金融的底層邏輯。

AIUSD 就是在這樣的背景和長期思考裡誕生的，我想做一種「貨幣」，既讓人用起來是自然的，也是智能體可以原生理解和調用的，它能夠在多鏈、多市場的環境裡自動完成路由、結算和風控。簡單說，就是藉著這樣一種新的貨幣形態，把全球金融從「自動化」真正推到「智能化」的階段。

深潮 TechFlow：二位都是 Crypto 非常早期的參與者，可否請二位分享一下，為什麼想要創辦 AIUSD 這樣一個 AI x Crypto 項目？它想要解決什麼問題？

Yao:

我入圈 14 年，最大的感受是：區塊鏈雖然創造了巨大的財富效應，卻沒能真正實現「普惠」。

這個行業的使用門檻太高了。我不缺錢，我想讓人人都用上數字貨幣，如果這是我的遺產，我會很開心。所以十幾年過去，鏈上真正活躍的，多是擼空投的羊毛黨和賭徒，而不是能讓技術惠及大眾的應用層用戶。我始終考慮的問題是，如何讓普通人，比如你 50 歲的父母，使用上加密貨幣，他們使用微信和淘寶是沒有障礙的。

我想我們應該從錢包入手，重塑整個加密的交易體驗。但抱歉的說，我入圈 14 年了，市場上還沒有一款多鏈的、一鍵式交易的錢包，這是令人痛心的，原因其實也很簡單，加密圈基本只有交易所是賺錢的業務，所以所有的資源都傾向了交易所。而錢包，作為最大的入口，反倒沒有好的產品。

舉個例子：我想在 BSC 上買一個代幣，但資金在 Solana 上。我要先換 SOL 來付 Gas，再換 BNB 付另一條鏈的 Gas，還要跨鏈轉賬、橋接資產、計算滑點等，整個過程要切錢包、等確認、處理 Fee，這對普通用戶來說幾乎是「不可用」的。假設你的用戶不是斯坦福的博士碩士，而是出租車司機，他為什麼要搞這麼複雜？這使得產品很難真正走進人的生活。

AI 的出現帶來了轉機。AI 天生擅長理解意圖、做決策、自動化複雜流程。AIUSD 正是利用 AI 把這些繁瑣操作全部抽象掉，讓跨鏈、路由、結算、收益分配都能自動完成。

換句話說，AIUSD 的核心是一個統一的錢包層，讓 AI 或人類用戶都能零 Gas、零跨鏈障礙地完成資金操作。

而我們相信，AI 會是下一代的主要交互方式：未來的錢不會是「人手動點」的，而是 AI 直接理解你要幹嘛，然後自動去找最優路徑、結算、收益、甚至做風控。所以 AIUSD 想解決的問題，其實是「讓錢變得 AI - Native」。你不需要理解十條鏈、二十個代幣標準，你只要跟一個 AI 說「幫我轉一千給朋友」、「幫我買點 BTC 放到穩健收益裡」等指令，AI 就能自動完成路由、交易、結算。

我們常說，AIUSD 想成為「One AI to rule them all」：一個統一的基建，讓所有人和所有智能體都能自然地使用資金。

不是每個人都需要成為區塊鏈專家，用戶只需要一句話，就能讓系統幫他們搞定一切。這是我們從第一天就相信的方向：把複雜的金融系統，抽象成一句自然語言就能調用的指令。

這個項目其實是延續我們一直在做的事：讓資本運作變得可編程、可驗證、可複用。以前是 HFT 機器人，現在是 AI agent。底層邏輯沒變，只是更智能、更抽象。

Bill Sun：

我是在 2015 年進入的 Crypto，這十年剛好經歷了行業從理念期到基礎設施成型的全過程。一路下來，我有兩個非常直觀的判斷。

首先我認為穩定幣和 RWA 會是現實世界流動性真正進入鏈上的關鍵入口。無論市場怎麼波動，這兩類資產的需求是最穩定、也是最接近真實經濟活動的。

其次我認為要讓鏈上的錢真的好用，必須把鏈上的操作複雜度徹底抽象掉。對於普通用戶和機構來說，管理地址、選鏈、改 RPC，這些都不應該成為使用門檻。

我一直認為，穩定幣最終會成為區塊鏈世界裡的 First-Class Citizen。今天穩定幣還是 ERC-20 等資產之下的「子民」，而 ETH、SOL、BNB 這樣的 Gas token 才算是一等公民。但未來應該反過來：用戶拿著 USDC 或 USDT，不需要知道它在哪條鏈上，就像你在 Chase、Interactive Brokers 或 Robinhood 之間轉美元，從來不會在意底層系統怎麼跑。

現在的多鏈結構有點像多個宗教國家，各自獨立而封閉，跨鏈橋既複雜又高風險。我們做 AIUSD 的一個重要目標，就是把這種割裂感抽象掉，讓「用錢」在鏈上也能像現實世界一樣自然。

從 AI 的角度看，我一直覺得行業缺一種真正 Machine - Native 的貨幣。它需要能做微支付，能被 API 或 Function Call 精準執行，最好還能讓模型直接生成確定性的 DSL，把資金流動用代碼級別的方式統一表達。也正因為這樣，我們把兩件事合併在了一起：

• 在 Crypto 層，把多鏈、多池、多資產統一到「錢」的體驗裡；

• 在 AI 層，讓錢成為機器可以直接理解、直接調用的對象。

最終我希望 AIUSD 不只是一個 M0 形態的穩定幣，而是一個帶有 M2 特徵的智能資產系統：不使用時像 Money Market 一樣計息，需要使用時又能做槓桿、對沖或者現貨兌換，把 Interactive Brokers 和貨幣基金這些傳統工具的核心能力封裝進穩定幣的後臺。這樣一來，它既對人友好，也對智能體友好，可以自然地成為下一代金融系統的底層資產。

當下是 AIUSD 走向 C 端的罕見窗口期

深潮 TechFlow：AIUSD 有三個核心關鍵詞：Crypto、AI 和穩定幣。二位身處華爾街一線，目前以華爾街為代表的傳統機構是如何看待這三個賽道潛力？

Yao：

老實講，華爾街現在對這三個方向的態度非常分層。

Crypto 的底層基礎設施，比如託管、結算、穩定幣清算網絡，已經不被視為「叛逆的玩意」，而是新一代金融管道。越來越多的基金已經在研究「如何讓自己的資金效率更接近鏈上的速度」。

AI 是另一個層面，華爾街的量化和風控已經高度 AI 化了，尤其在策略生成、數據清洗和情緒識別方面，但大家發現 AI 可以做分析，卻沒法直接執行資金動作，這是一個巨大缺口。

穩定幣，則是連接兩者的橋。它是 AI 執行交易的能源，也是 Crypto 世界的結算單位。過去五年，USDT、USDC 證明了「鏈上美元」的存在價值；接下來五年，市場需要的是「更智能的錢」，它能懂策略、懂收益、懂風險、能被編排。

所以從華爾街 OG 的視角看，這三個賽道不是獨立的，是一條演化鏈：AI 是需求端，Crypto 是基礎設施，穩定幣是中間層。AIUSD 想做的，就是讓這三層合為一體。

Bill Sun：

我在 WorldQuant、Citadel、Point72 Cubist 和 Millennium 的經歷讓我對傳統 buyside 那種「合規優先」的文化非常熟悉。過去兩年，從比特幣和以太坊的 ETF，到穩定幣立法（包括所謂的 Genius Act）不斷推進，其實釋放了一個非常明確的信號：傳統機構可以進場了。

而一旦機構能真正進場，帶動的往往是幾何級別的新流動性，這是 Crypto 市場結構裡很容易被忽略、但影響特別深遠的一件事。

在這個背景下，穩定幣和合規託管體系（比如 Coinbase Custody；離岸側則是 CEFFU）正在把所謂的「鏈上美元」變成一個可信、可監管的結算層。我判斷未來會出現一批機構級別的穩定幣，可能來自大型互聯網公司、支付集團、甚至離岸交易所。穩定幣會從今天兩三家主導的格局，逐漸過渡到多主體競合階段。這個變化會讓鏈上美元更像一個開放結算網絡，而不只是幾家公司的產品。

AI 在交易領域的應用，現在華爾街整體還停留在「輔助人類交易和研究效率」的階段。我在 2023 年創業前做過一個小實驗：我一個人帶著一套 AI 分析系統，只專注 AI、Fintech 和 Crypto 相關的股票，跑了一年，收益大概是 880%。當然這是高波動策略，但它驗證了一件事：AI 做 Deep Research，人類做 PM 判斷，這個組合的效率遠比我當初想象得高。

也正因為這個實驗，我開始認真考慮：這套能力能不能做成一個產品，讓普通散戶也能用到機構級別的研究和決策工具。

監管端的變化也在推動另一件事情，就是 Tokenized Stock 的放開。美股交易正在從「部分延長交易時段」往真正的 7 × 24 靠攏，而非美國投資者的股票交易會逐步從券商系統流向鏈上。代幣化股票會變成一個合規的連接器，把傳統金融市場和鏈上世界接在一起。

深潮 TechFlow：團隊深耕 LLM Trading Agent 賽道多年，在正式推出 AIUSD 之前也經歷了漫長的研發。您認為當下是推出 AIUSD 的最佳時機嗎？為更好的將 AIUSD 推向市場，團隊做了哪些準備工作？

Yao：

我覺得現在是非常好的窗口期，同時我們為這一步的到來其實準備了很多年。

AIUSD 背後的策略引擎、交易系統、風險管理框架，都源自我們過去做高頻交易和套利的底層堆棧。過去兩年我們在內部跑 AIUSD 的 prototype，在不對外的情況下，年化成交量已超過 1 萬億美元。同時我們也在和 Binance 生態的 CEFFU 深度合作，把機構託管和 MirrorX 收益通道打通；此外我們搭建了完整的風險、合規與風控機制，從資金流監控到多籤與限額管理，全都走機構標準。

這就是為什麼我們有信心。現在，是 AIUSD 真正能走向 C 端、走向智能體經濟的時刻。

Bill Sun：

是的，現在確實是一個罕見的窗口期。

一方面，AI 正在從「會聊天」邁向「能執行」：越來越多的 Agent 需要自主調度賬戶、下單、支付、清算，但行業裡還沒有一個統一、可擴展、又足夠安全的賬戶和結算基礎設施，AIUSD 剛好能填上這個空白。

另一方面，Crypto 基礎設施真正走向成熟：穩定幣清算已經走向標準化，跨鏈路由逐漸變得可靠，機構託管體系完善，流動性市場也越來越深。在這樣的環境下，我們可以同時做到安全、效率和合規，而不是隻能三選一。

我們把十年來量化交易和風險管理的那套技術堆棧，重新翻譯成了一個零門檻的賬戶層。正如 Yao 提到的，我們底層的資金費引擎、微結構執行引擎、跨場景路由系統，在內部實盤已經連續跑了兩年多，年化成交體量在 1 萬億美元規模，同時我們也搭建好了風險管理、合規框架、風控自動化等部分，保證這是一套真正能承載資金的系統，而不是 demo。

一句話概括就是，我們不是簡單地把一個模型「掛到交易所」上，而是把「交易所級別的執行和清算能力」封裝成一個人和 AI 都能直接使用的賬戶層。

圍繞實盤設計：AI 驅動的「意圖 → 策略 → 執行」閉環

深潮 TechFlow：做為首款面向 C 端用戶的核心產品，AIUSD 與其他 AI 交易平臺產品相比，有哪些差異化優勢？您認為 AIUSD 最吸引 C 端用戶的特徵是什麼？

Yao：

最大的不同在於：AIUSD 不是一個策略平臺，而是一個賬戶層。

很多所謂 AI 交易平臺，其實只是讓用戶選模型、選策略、掛單，但底層還是中心化撮合，資金是隔離的，AI 也只是建議者。

AIUSD 是反過來的，我們做的是「賬戶抽象 + 智能結算」層。用戶只要持有一份 AIUSD，不管是現貨、合約、質押、跨鏈支付，所有流動性與收益路由都自動完成。

AIUSD 不是要做一個「更聰明的交易平臺」，而是要讓所有平臺都能通過它更聰明地結算和流動。

Bill Sun：

是的，這裡其實可以用幾個具體的例子來說明我們到底在做什麼。

首先在 AIUSD，自然語言即指令：用戶不用再去點按鈕、切鏈、算 Gas，舉個例子，用戶只要說「用 1000 AIUSD 買點 ETH，剩下的放穩健收益」，系統就能自動把這句話拆解成一系列交易、路由和結算動作，並在後臺完成執行。對於用戶來說，它就是一句話，而對系統來說，這是一套完整的微結構級任務。

其次在 AIUSD，收益和安全同時保證：AIUSD 本體是 1:1 錨定 USDT 的，而收益是在 sAIUSD 層承載的，來源是 delta-neutral 的資金費策略。我們這一套策略在內部實盤已經跑了兩年半，沒有出現過月度級別的回撤。這個結構讓穩定性和收益性不再互斥。

另外一個非常重要的點在於，AIUSD 擁有真正統一的錢包體驗：用戶不需要關心在哪條鏈上、不需要切錢包、不需要碰橋，也不需要學跨鏈語法，跨鏈、現貨、永續、支付都在一個統一賬戶語義裡完成，這其實是我們一直強調的 Machine - Native 底層結構：錢是統一的，執行是統一的，體驗自然就是統一的。

在這種模式下，我們的用戶並不是被動地「選策略」，他們擁有的更像是一種會思考、會執行、會管理的「錢」，在此背後，是一整支隨身攜帶的 AI 金融團隊：一個負責深度研究的 Analyst，一個負責下單與微結構執行的 Execution Trader，以及一個負責頭寸管理和配置的 Wealth Manager。

我們把這種體驗稱為 Vibe Trader 或 Vibe Coding，簡單來說，就是用戶用語義和感覺表達自己的意圖，由 AI 實現「意圖 → 策略 → 執行」的完整閉環，讓整套流程變成一種極自然的金融交互方式。

深潮 TechFlow：「AI 可以使用的穩定幣」是 AIUSD 產品的重要概念，為什麼實現 AI 驅動的穩定幣交易十分重要？這將為鏈上金融釋放哪些創新？

Yao：

因為下一代金融活動的執行者，不一定是人。

AI Agent 會持有資產、做交易、結算收益、再投資。但今天的穩定幣系統是為人設計的，不是為智能體設計的。AIUSD 想做的，就是把穩定幣升級成「AI-native Money」。

Bill Sun：

我們認為這會帶來幾個新的可能性：

首先，AI 可以主動管理資金流。比如它能根據市場波動自動從 AIUSD 切換到 sAIUSD，再切迴流動性賬戶。

其次，智能體之間可以形成自主金融網絡。比如一個 AI 可以僱另一個 AI 做數據分析、支付報酬，整個閉環在鏈上發生。

第三，它會讓金融從「人下單」進入「意圖執行」階段。用戶只需要表達目標，AI 通過 AIUSD 完成路徑搜索、執行和結算。

長期看，AIUSD 不只是穩定幣，而是整個 AI 金融生態的「結算中樞」。

深潮 TechFlow：最近，世界 6 大頂級 AI 模型的交易競賽引發廣泛討論，您如何看待這場交易實戰？如果AIUSD 也參與其中，是否會表現更好？

Yao：

我看這場比賽的關注點稍微不一樣。我覺得模型做得好不好是其次，關鍵在於大家把 AI 的能力限制在「生成判斷」，而沒有給它們一個真正完整的執行環境。AIUSD 的系統則恰好相反：從第一天起就是圍繞實盤設計的。

AIUSD 的 Agent 不是隻給出觀點，它直接連著真實流動性、資金費、跨 venue 執行路徑和清算系統。我們內部這套執行與路由引擎已經在實盤跑了兩年多，成交體量年化在萬億級別，所有收益來自結構性資金效率差，而不是靠賭方向。

所以如果這種競賽未來允許真實執行，我非常願意參加，因為這才是真正能展示「AI 金融系統」而不是「 AI 模型」的地方。

Bill Sun：

我認為這場比賽確實展示了一個事實：模型已經能讀懂市場信號，也能形成自己的交易邏輯，這是過去幾年 AI 在金融領域最明顯的進步。

不過我當時的第一反應是，這種類型的比賽和真實交易還隔著一道根本性的鴻溝。在這場比賽裡的 AI 都是「能想不能做」：它們不能跨鏈調資金、不能下真實單、不能和清算系統對接，所以只能停在 Paper Trading 的層面。

而真實市場裡，難點從來不是預測行情，而是在執行、風控、資金路徑、清算這些交易基礎設施上面。如果未來比賽升級為「AI + 實盤執行」的比拼，我覺得意義會完全不同。那才是考驗一個系統能不能在真實市場裡存活，而不是看幾十個模型誰輸出的概率更好看。

深潮 TechFlow：截止至目前，AIUSD 取得了哪些關鍵數據成就？

Yao：

我們把執行與結算這條鏈路真實跑了兩年多：底層策略棧長期年化成交體量已達到萬億美元量級，這不是累計撮合量的美化，而是可複用、可回測、可審計的實盤執行規模，核心的資金費與微結構策略組合，歷史 Sharpe 大概在 22 左右，過去 2.5 年沒有出現月度回撤，另外在穩定性方面，AIUSD 本體維持 1:1 USDT 備付，sAIUSD 的收益發生在質押層，兩個賬本分離，兌付與計息互不干擾，同時託管側與 CEFFU 深度打通。

產品側的手感也越來越順：自然語言的意圖拆解已經能覆蓋跨鏈轉賬、微支付、現貨/永續的組合指令，用戶在一個賬戶裡調度抵押，不必在不同 venue 來回搬磚。對我來說，真正的成就不是某個漂亮數字，而是這套系統在最難的市場時刻也沒掉過鏈子。

Bill Sun：

我們現在做的這套東西，其實最早是從 Alpha.dev 演變出來的。那是一個做加密貨幣新聞、情緒和交易信號的 AI 平臺，現在大概有三百五十萬用戶，總交互量也已經超過六千萬次了。這個數據說明了一個很簡單但很真實的需求：大家確實希望 AI 去幫他們讀信息流、過濾噪音、提出觀點，甚至直接幫他們找交易機會。

我們的量化引擎是另外一條線，是底層的執行系統，全年能做到一萬億人民幣等值的成交規模，我們的核心策略是完全 Delta-Neutral、完全對沖的資金費套利，也就是說我們不賭方向，完全靠市場結構性的資金效率差賺錢。過去三年，這套策略平均年化收益在 20% 以上，Sharpe 在 22 左右，而且沒有出現過單月回撤。無論市場如何劇烈變化，我們的收益曲線都很平穩。

和很多「調倉型」的做法不一樣，我們做的是動態的資金費優化，會在市值前二十的幣種之間追蹤、切換、調度資金。它不是一個表面上看起來穩的策略，而是真實經受住高波動環境檢驗的。

還有一個值得分享的地方在於我們的 AI 分析與執行框架，它可以從「提出投研假設」到「自動搜索數據驗證」，再到「生成策略並執行」，最後甚至能自動回測，整個過程是閉環的。剛才有提到，我曾把這套架構搬到了股票市場，用一種「AI 做深度分析，我做 PM 最終判斷」的方式去跑，過去一年我的個人賬戶收益大概是 880% 左右，也算是把這套方法在另一個資產類別裡驗證了一遍。

從 1 到 10 的拐點：成為 AI 經濟體的通用結算層

深潮 TechFlow：以「AI 驅動的金融智能未來」為核心願景，從 0 到 1 再到 100，您認為目前 AIUSD 處於實現該願景的哪一階段？未來將面臨哪些階段性挑戰？

Yao：

我認為我們已經成功走過從 0 到 1 的階段：0 是證明這件事技術上可行，1 是把它做成一個任何人都能上手的賬戶層，你說話，系統自己去路由和結算。

而現在，我認為我們處在從 1 到 10 的拐點階段，未來我們將致力於把同一套基建，穩定地交付給更廣泛的 C 端與開發者生態。

Bill Sun：

關於未來的挑戰，我將其分為三個類別：

第一類是規模化的不確定性，包括資金費擁擠度與容量上限，越做大越要剋制，我們寧可犧牲一點收益，也要把回撤釘在地板上。

第二類是多司法轄區的合規拼圖，穩定幣、支付、經紀、收益，每個模塊的邊界要畫得很清楚，這需要時間與耐心。

第三類是 Agent 生態的可用性，意圖表達、權限顆粒度、可回滾與審計日誌，都要讓開發者拿來就能用，我看重把這些看不見的技術細節打磨到無感。

舉個例子，我們可以將我們所做的事情類比 Stripe：我們在為數字金融世界修橋鋪路，把割裂的 rails 收斂成優雅的 API，AIUSD 要成為 AI 經濟體的通用結算層。

深潮 TechFlow：穩定幣和 RWA 是本輪週期的絕對主角，圍繞穩定幣和 RWA，AIUSD 未來是否有更多的拓展計劃？您認為穩定幣和 RWA 的持續發展將會為全球金融市場帶來哪些改變？

Yao：

先說方向上的規劃。

AIUSD 的定位始終是「通用的穩定幣基礎設施」，不是「某一籃子資產的被動映射」。因此在穩定幣側，我們會堅持兩層結構：AIUSD 本體保持 1:1 USDT 備付，兌付路徑簡單清晰；收益側放在可選的 sAIUSD，通過 delta-neutral 的資金費策略來承載「α」，不把本金暴露在外部信用與久期錯配裡。這條線我們會繼續做深，包括更細顆粒的風險限額與動態降檔機制。

關於 RWA 我們會謹慎推進。我不反對把真實世界的現金流帶上鍊，但我們要非常誠實的面對三個問題：流動性分層、估值/定價的可驗證性，以及法律上對「受益權 / 所有權」的邊界。只要這三件事能在某些類別上被解決，例如最短久期的賬款或高流動性的國債機會，我們會以可撤回、低相關性的方式小步試點，絕不讓 RWA 去汙染 AIUSD 主體的兌付確定性。

宏觀上看，穩定幣和 RWA 的持續發展會把金融市場的「清算速度」與「所有權證明」拉到一個新的基線。全球資金的可編程性增強之後，定價會更快、錯配會更貴，好的風險被更精確地定價，壞的風險更難躲在表外。我相信這會逼著金融業回到「拿得出手的資產與合規能力」本身。

Bill Sun：

穩定幣其實對應的是 M0 層，也就是全球現金層，它解決的是最基礎的問題：美元能不能真正實現全球可達、能不能在鏈上隨時結算，不依賴本地銀行系統。

RWA 則是在這個基礎上再往上一層，是資產層，讓優質美元資產、國債、票據、甚至私募信貸，都能變成 7×24、可切片、可全球交易的資產。

如果沒有 RWA，穩定幣的落地大概率只會發生在高通脹、資本相對開放的經濟體，但一旦 RWA 打開，機構級資產就能真正面向 Global retail，這個意義是完全不同的。

AIUSD 的定位不是再造一個新的鏈上穩定幣，而是把不同穩定幣之間的交互做成一個平臺層，讓用戶用相同的體驗買任何鏈上的 RWA，不管是在以太坊、Solana、Base、Sui 或是 Tron。底層的 VM 和 Gas 差異，都由系統自動抽象掉。

從宏觀來看，這會重新定義整個金融體系基線：清算速度提升到實時，所有權證明變成默認配置；好的風險能被更精準定價，壞風險更難藏在表外；整個體系會往「高質量資產 + 高透明度 + 高流動性」的方向集中。

如果把這件事總結成一句話：穩定幣是美元的全球投射，RWA 是美元之外優質資產的全球投射。而 AIUSD 想做的是兩層之間的智能連接引擎，讓錢與資產之間的流動變得簡單、智能、自動化。

我們的終局願景是一件很自然的事情：一個基於穩定幣的錢 + 一個基於 RWA 的全球交易所。你只需要對錢說話，AIUSD 就能幫你買到全世界任意 Tokenized 的資產，這些資產本身也能被編程，可以被人用語義交互，也可以被 AI 自主調用、調倉和結算。

深潮 TechFlow：構建 AI 驅動的金融智能未來，AIUSD 之外是否還有更多產品矩陣規劃？

Yao：

有，但我們不打算用堆疊產品線的方式去「擴表」，我們更像在搭一條穩定幣的高速公路，然後把關鍵的服務站一個個補齊。

短期看，我們會做更強的「賬戶抽象 + 抵押信用」能力，讓同一份抵押在多 venue 同時發揮效率，但把清算路徑和極端狀態寫死在合約裡。

中期會考慮把收益曲線產品化，比如在 sAIUSD 之上提供不同久期與波動容忍度的檔位，讓用戶與 AI agent 以「目標回撤/目標波動」來選檔，而不是被動接受一個均值化的收益線。

長期我希望我們做的不是 N 個 App，而是一條穩定、透明、可追責的金融操作系統。

Bill Sun：

是的，我們不會去橫向堆更多產品線，所有能力都會往 AIUSD 這個核心收口。最開始是穩定幣的 Hub，接著往下走就是一個智能化的 brokerage：無論用戶持有什麼穩定幣，都能在同一套體驗裡被使用、被交易、被分配到不同資產上。

我們也會把 Alpha.dev 的 AI 新聞、事件識別和投研能力整合進來，讓系統不只是讀信息，而是理解你的偏好、你的風險習慣，然後主動推薦你可能感興趣、可以直接交易的機會。

另一條線是連接 TradFi 和 CEX。很多人的錢還在 Interactive Brokers、Robinhood、各類中心化交易所裡，如果你要做真實交易，繞不開這些體系。所以我們會在 AIUSD 內直接集成它們的 API，把身份、密鑰、權限、下單都統一到一個賬戶層裡，讓用戶不需要拆分資產、也不需要切換系統。

開發者這邊，我們會把「意圖層 + 權限/額度/白名單/撤回/審計」做成標準化的 SDK，同時也提供 B2B 的路由和結算白標。簡單說，就是讓整個金融交互從多入口、多賬戶、多邏輯變成一套統一的操作系統。

後 AGI 時代：人是敘事生產者，AI 是執行機器

深潮 TechFlow：隨著 AIUSD 對於「AI 驅動的金融智能未來」願景的不斷實現，可否請您分享一下，您眼中的 Post - AGI 時代交易是什麼樣的？

Yao：

在我眼裡，Post - AGI 的交易不會是更花哨的界面，而是更安靜的基礎設施。價格發現會更快，且預測本身不再是主要收益源，真正的超額回報來自把資本、算力、數據和清算路徑以最小摩擦編排在一起。交易從「人盯盤」走向「意圖治理」：你聲明目標、約束和可信邊界，系統在可驗證的軌道里執行、覆盤、糾偏。 人類角色會變得更像治理者和敘事的生產者，我們設定規則與邊界，給系統定義什麼叫可接受的風險和值得追求的收益，然後把大部分的執行交給機器。資金會更快，但也更有章法，每一次資金移動，都帶著可審計的理由與可追責的簽名。這是我理想中的交易世界：效率被極致放大，但剋制與可解釋性也被寫進了協議。

Bill Sun：

我自己對 AGI 的定義其實很務實，簡單來說就是，它能系統性取代白領崗位，讓各個專業能力在同一個模型裡逐漸合流，而不是科幻裡那種「突然出現的奇點」。按現在的進展速度，我覺得所謂的 Post - AGI 階段可能在三四年內就能看到。

到了那個階段，一個特別關鍵的事情是：AI 需要一套它能真正理解、能直接使用的「錢」。這就是我們給 AIUSD 設定的方向——讓它成為 M2M，也就是 Machine-to-Machine 支付的底層貨幣。這樣 AI 能把「錢」納入自己的世界模型裡：為算力、數據、服務付費，也能投資、再投資，把金融當成行動的一部分。

同時，我認為接下來會出現兩類非常重要的智能體形態：一個是 AI Scientist，它通過 AIUSD 去買算力、買數據、買 RL 環境、買能源，形成一個真正的 Self - improving loop，可以自己迭代自己；另一個是多智能體之間的自由市場。我們不會進入一個「單一超級模型的計劃經濟」，而是無數獨立 AGI 之間用 AIUSD 做交易、博弈、協作，通過價格發現完成資源配置。

在這樣的世界裡，AIUSD 對人的意義和對 AI 的意義是不同但互補的。對人來說，它是一套 Financial OS，讓你通過意圖治理來管理財富，不需要懂所有細節，只需要表達目標，系統會幫你把策略、執行、結算都跑完。對 AI 來說，它是一種 Agentic Money，讓智能體真正擁有金融行動力，可以像參與者而不是旁觀者一樣在經濟系統裡運作。