TechFlow Logo
登入/ 註冊
ETH Gas
Gwei
恐懼
gas
從信任摩擦到計算速度:AI 代理如何讓加密貨幣真正爆發?

從信任摩擦到計算速度:AI 代理如何讓加密貨幣真正爆發?

2026.04.01
分享至

TechFlow Selected深潮精選

techFlow

從信任摩擦到計算速度:AI 代理如何讓加密貨幣真正爆發?

加密貨幣奇點已至,當 AI 成為我們的信任代理。

2026.04.01 - 09:46:58
AI
加密貨幣奇點已至,當 AI 成為我們的信任代理。

撰文:sysls

編譯:AididiaoJP,Foresight News

引言

押注加密貨幣,實質上等同於押注人類將持續追求自身發展的加速,這似乎是一個不難作出的押注。

之所以當下正是關鍵時機,恰恰是因為具備實際意義的人工智能已然誕生,它終於為我們提供了能夠徹底改變與加密貨幣交互方式的工具。

本文旨在闡述加密貨幣為何將逐步成為一個具有戰略重要性的資產類別。

受限於盡職調查

人類自誕生之初便一直在尋求加速。我們以效率的高低來衡量成功,並持續在各項活動中減少摩擦。過去需要數週才能完成的遠程資金電匯,如今僅需數秒即可實現。

當下,多數人類活動的流程瓶頸已不再是技術,而是驗證環節本身。求職、開設銀行賬戶、籌集資金之所以耗費數週,並非因為缺乏快速完成這些流程的技術,而是因為需要由人來承擔驗證的成本。

以招聘流程為例,僱主需要確認應聘者並非「不合格人員」。這並非因為應聘者此前從未被聘用,而是即便其曾有任職經歷,獨立驗證依然具有價值——因為若最終錄用者表現不佳,其前任僱主不會為此承擔任何責任。此外,有一種觀點認為,最優秀的員工往往始終處於在崗狀態。再者,不同的工作環境與職責範圍也意味著,過往的表現未必能預示未來的表現。

因此,僱主通過多輪面試及佈置的筆試題來支付盡職調查的成本。這一過程耗費時間與人力,具有雜亂、非結構化、非確定性的特點;同時這也解釋了為何招聘過程既取決於技能,也在相當程度上取決於運氣(例如,面試官在與你會面前是否心情愉悅?抑或剛剛與伴侶發生了激烈爭執?)。

不難推斷,此類流程中的所有成本,本質上都屬於驗證成本。

而正式聘用這一行為本身則快捷且相對簡便——僅需一封電子郵件與一個數字簽名。這意味著,理論上,如果存在一個神奇的評分系統,能夠輸出應聘者在所有您關注的維度上的絕對分數,並且您對該分數擁有高度信任,那麼招聘所需的時間便可縮減至:通過算法篩選並排序您所關注分數的時間,再加上發送聘用合同並等待對方簽署的時間。

構建信任鏈條

您之所以能借助一個神奇的評分系統實現近乎即時的招聘,是因為您將驗證的責任委託給了該系統,並且已經學會信任它。

在實踐中,這種情況屢見不鮮。

同行業內的潛在僱主會借鑑前任僱主的盡職調查結果——如果您曾就讀於頂尖學府並完成過具有挑戰性的任務,您的簡歷被棄置的可能性便會降低。

在可能的情況下,人類總會將驗證成本轉嫁給更高層級的實體,並相信該實體已為自身利益完成了必要的驗證工作。例如,對於絕大多數人而言,在開設銀行賬戶之前,我們不會對銀行展開冗長、詳盡且昂貴的盡職調查,而是相信政府的銀行業監管機構已履行其職責。

如果我們對政府及其依法行政的能力有充分信任,那麼我們便可接受其判斷,相信該銀行具備償付能力,足以安全地處理我們的金融事務。

此類「信任鏈條」無處不在,無時無刻不在發揮作用,涉及或大或小的各類事務。一家初創企業本身缺乏品牌信譽,因此難以獲得天然信任,但一家規模龐大、聲譽卓著且業績斐然的風險投資機構,僅通過對其投資,便可為其注入品牌信譽。公眾雖然不熟悉該初創企業,但若他們信任該風險投資機構,便會因其將驗證責任委託給了該機構的盡職調查流程,而選擇信任這家初創企業。

加密貨幣面臨的問題

加密貨幣在傳統上並未提供任何可供我們轉嫁驗證成本的「更高層級實體」。由於缺乏更高層級的實體來仲裁誠實性錯誤——例如,誤將 5000 萬美元的 USDC 兌換成價值 5000 美元的其他代幣,甚至將資金髮送至錯誤地址——這意味著驗證成本完全由用戶自行承擔。

這確實是一項艱鉅的挑戰,因為智能合約本身並非為供人類在瞬息之間進行解析而設計。這基本上是加密貨幣市場長期侷限於相對小眾範圍的核心原因。在零售用戶大規模採用加密貨幣產品的情形中,絕大多數是通過大型中心化機構(如幣安、Coinbase)實現的,這些機構將智能合約的複雜性進行了抽象化封裝。

這些零售用戶可能並不理解 Aave 等智能合約的運作原理,但他們已學會信任幣安,因此幣安能夠通過將智能合約的複雜性對用戶進行抽象化處理,並將其封裝於簡潔的界面之中,從而構建商業模式。

這意味著,對於技術知識相對薄弱的用戶而言,涉足加密貨幣領域實際上僅有兩種選擇:要麼等待如幣安這類中心化實體提供收取一定費用的抽象化版本,要麼直接與協議進行交互,並承擔由此可能引發的巨大風險。

儘管加密貨幣市場已相對成熟,但其操作仍具有極高的摩擦成本,且審批交易在根本上仍令人擔憂——這主要是因為用戶深知,一旦操作失誤,將無法獲得任何補救。因此用戶會謹慎驗證,但在鏈上逐筆閱讀並解析每一筆交易並非易事,更遑論深入理解所交互的智能合約。

對於那些深諳軟件及其無限可組合性的人而言,加密貨幣的魅力始終在於一個由模塊化組件構成的生態系統,這些組件能夠以去信任的方式相互交互,並由算法規則加以保障。在通往這一理想化圖景的道路上,所面臨的阻礙在於,惡意行為者以及設計欠佳的邊緣情況,迫使人類不得不付出成本與精力去逐一驗證每個模塊化組件。

當下時機的不同之處

具備實際意義的人工智能的興起,首次使我們能夠將驗證責任委託給一個更高層級的實體。這從根本上改變了我們與智能合約的交互方式。我們將不再需要親自驗證智能合約的設計與行為,甚至不一定需要理解自身交易的細節。

取而代之的是,我們學會信任一個單一的實體——我們的智能代理。這一方向已展現出巨大潛力,因為智能代理已在理解與推理代碼方面表現出相當高的專業能力。它們能夠不知疲倦地解析和檢查交易,並在數秒之內理解每份智能合約所遵循的算法規則。

這意味著,我們首次能夠通過智能代理,實現加密貨幣的潛力。若需在一次原子交易中同時與九個智能合約交互,以便最高效地獲取所需結果,只需讓智能代理驗證該交易能否達成預期目標,並確保其中不存在任何不當行為即可。一切由此完成。

隨著智能代理的持續迭代,其在此方面的能力將日益精進。

算法驗證的意義

如果我們能夠解決驗證智能合約及其衍生交易的需求問題,便將邁向一個理想化的圖景:我們能夠開展各類交互活動,同時保持無需許可、去信任化的特性,並由算法規則予以保障。當驗證智能合約的成本趨近於零時,我們便能免費獲得智能合約所帶來的全部驗證與保障。

這一變化的主要影響在於,所有處於該範式之內的流程將轉而以計算速度運行。對於一個致力於追求更快發展、減少流程摩擦、提升效率的文明而言,很難想象我們會偏離這一範式。

因此,越來越多的商品與服務將配備智能合約接口,以精確界定用戶將獲得的內容以及為獲取該內容所需付出的交換條件,這具有邏輯上的必然性。同時,這也是一種能夠自我強化的範式——每一項成功的產品都將創建一個可組合的模塊,該模塊未來可用於構建其他產品。例如,假設某一去中心化交易所建立了針對交易能力的聲譽系統。尋求通過去信任僱傭協議招聘交易員的人員,或許會依據該去中心化交易所的聲譽合約進行篩選。而某借貸協議亦可能將此作為信用評分的維度之一。

這樣一種範式不僅將實現極高的效率——所有流程與交易均以計算速度運行——而且具備無限擴展性,其能力將隨著參與度與時間的推移而不斷增強,釋放出更多可能性。這是一種正向循環、不斷累積的範式。

結語

因此,如果您相信人類將繼續沿著阻力最小的方向前行,持續尋求能夠實現更快發展、更高效率、更大作為的解決方案,那麼當下無疑便是加密貨幣的時代。

歡迎加入深潮 TechFlow 官方社群

Telegram 訂閱群:https://t.me/TechFlowDaily

Twitter 官方帳號:https://x.com/TechFlowPost

Twitter 英文帳號:https://x.com/BlockFlow_News

添加收藏
分享社交媒體

相關文章

2026.07.27

AI 牛市最大的敵人,不是泡沫,而是債市?美銀 Hartnett 最新警告

Hartnett 認為黃金和比特幣正在 2026 年悄然築底,而代表「主街」的銀行股指數將在 2020 年代下半段跑贏代表「華爾街」的券商和私募股權指數。

AI 牛市最大的敵人,不是泡沫,而是債市?美銀 Hartnett 最新警告
2026.07.27

野村研報解讀:長鑫首日開盤暴漲 471%,AI 存儲短缺延續至 2030 年,目標價 116 元

長鑫作為全球第四大 DRAM 廠商,正處於產能擴張和國產替代的爆發拐點。

野村研報解讀:長鑫首日開盤暴漲 471%,AI 存儲短缺延續至 2030 年,目標價 116 元
2026.07.27

谷歌史上最賺錢季報:百億利潤背後,AI 軍備競賽已燒成負現金流

當閉源大模型還在華盛頓求政府禁止開源時,真正的護城河早已不在模型層。

谷歌史上最賺錢季報:百億利潤背後,AI 軍備競賽已燒成負現金流
2026.07.24

播客筆記|黃仁勳最新訪談:芯片行業還要再擴 5 到 10 倍,中國模型利好所有人

中國的 AI 研究人員比全世界其他地方加起來還多。中國在這個領域會變得非凡,這是註定的事。

播客筆記|黃仁勳最新訪談:芯片行業還要再擴 5 到 10 倍,中國模型利好所有人
2026.07.24

AI 替你寫完了代碼,卻沒人願意再認真看一眼

大廠紛紛自建工具應對,但成熟的解決方案仍停留在實驗階段。

AI 替你寫完了代碼,卻沒人願意再認真看一眼
2026.07.24

賣工具還是賣結果?AI 公司正在走向兩種完全不同的未來

能自動化的交給 AI,做不到的換人類兜底。

賣工具還是賣結果?AI 公司正在走向兩種完全不同的未來
2026.07.24

散戶紅利消退,預測市場迎來 AI 軍備競賽

7 月美聯儲議息夜,一場定價權的「量化暗戰」。

散戶紅利消退,預測市場迎來 AI 軍備競賽
2026.07.23

AI 正從幫你幹活的「工具」,走向「勞務市場」為你創收

每一次重大技術革命都會催生新一代企業家。

AI 正從幫你幹活的「工具」,走向「勞務市場」為你創收
2026.07.23

高盛研報解讀:動量平倉衝擊全球股市,AI 開支繁榮暗藏隱患

在 AI 技術落地帶來的效率提升真正體現在企業利潤之前,如果資本開支邊際回報率先下行,科技股估值將承受雙重壓力。

高盛研報解讀:動量平倉衝擊全球股市,AI 開支繁榮暗藏隱患
2026.07.23

AI 冒充人類寫作正在汙染互聯網,Substack 決定把判斷權交給讀者

一掃就知道文章是人寫還是機器寫的。

AI 冒充人類寫作正在汙染互聯網,Substack 決定把判斷權交給讀者
TechFlow Logo

專注 Web3 行業深度報導,洞察潮水流動的方向

我要投稿email
尋求報導msg

風險提示:本網站所有內容不構成投資建議,且無任何帶單、引導交易服務;根據央行等十部委發布《關於進一步防範和處置虛擬貨幣交易炒作風險的通知》請讀者提高風險意識。聯繫我們 / [email protected] 瓊ICP備2022009338號