Harness 套利期，從 SaaS 邊緣搶救 DeFi

作者：佐爺Web3

重新發明 DeFi，AI 敘事的復興

回望 500 年，資本主義體系下的勞資矛盾，向來以資本的不斷勝利為標誌。

生產側，勞動力的參與程度，逐漸龜縮至操作機器層面，消費側，用戶價值在於為平臺生產使用數據。

兩者合力，用以支撐企業在資本市場的估值。

但人的組織模式，長期無法被徹底量化，白領 KPI/OKR 依然是科層制，年薪百萬和計件工資都是泰勒制的變種。

沒有明確公式，資本便無法為其估值，進而影響資本效率，算法穩定幣是不是 DeFi 聖盃暫未可知，組織的可計算確實是金融槓桿的量杯。

大模型決定用 Token 量暴力破解，安全 SaaS 的崩盤只是表象，設計產品也在路上，對小眾專業能力進行替代，將其規模化才是命門，創新駛入無人區。

這帶給我們無盡啟示，尤其是在 DeFi 的 DAO 模式逐漸崩盤，代幣經濟學逐漸破產的當下。

一句話，為什麼 AI 的組織模式和 Token 模式比 DeFi 更高效？

這一切是怎麼開始的？

Token 廉價化，Agent 實用化。

為了 300% 的利潤，資本家可以出賣自己的絞索；

為了保住當前工作，打工人可以為 Agent 寫 Skill。

在資本層面，Skill 加持下的 Agent 具備和利潤同等神聖地位。

Agent 代表“人的能力”煉化成 Skill，不僅如此，人的組織變成以 Agent 為核心的互動儀式鏈。

所謂 Prompt、Context 到現如今 Harness 工程，都是在把人的組織模式變成無人區，至少要減少人。

你的下一個同事，不是機器人，還可以是“能力”本能。

這並不是一種幻想，數據層面的 Scaling Law 逐漸失效，不過數據的採集和生產都不在重要，在 AGI 成功之前，需要新的估值標的。

圖片說明：內容不再值錢

綜合信息：@ARKInvest

從 Claude 選定編程領域實現 AGI 第一步開始，AI 超越聊天框的娛樂模式，切入現實領域的存量市場，如編程、安全，和剛發佈的設計。

這種破壞式創新，最後會創造新的經濟增量，還是把經濟拉入 Token 上崗，人下崗的永久低就業模式，我們正在見證這個過程。

但目前的 Token 的廉價化，將以往被少數大企業壟斷的能力被下放至小微企業，進而塑造超級個體，並不是一種幻想。

以中國為例， Token 調用量從 2024 年 1000 億/日 –> 2025 年底 100 萬億/日 –>現在 140 萬億/日，內容和數據的生產即將進入零成本時代。

需要注意的是，算力緊缺是一種相對狀態，大企業不再壟斷“能力”，但依然想通過壟斷“算力”來維持自己的既有優勢，但無法阻擋 Token 總體廉價化的必然趨勢。

基座大模型的範式評比多種多樣，但是“AI 怎麼幫助人”的進化歷程，長期以來，並未被人給予太多關注。

在我看來，Harness 是一種空間形態，讓 Agent 首次在邊界以內聚焦任務，深度優先策略，區別於問答類的廣度優先。

圖片說明：Agent 進化史

圖片來源：@zuoyeweb3

從 Tab 鍵首次被用於補全代碼時，人類已經成為 AI 的輸入層只是時間問題。

試錯成本指數級降低，對人的協作模式，可以展開更多有趣的嘗試：

• 軟件：SaaS，人的能力來源不再是人，而是 Agent 湧現
• 硬件：算力卡+HBM，數據中心首次直接服務 AI 的需求
• 空間：Harness，不是人協作的物理空間，而是 Agent 交互的數字空間
• 交互：豆包手機陣亡，谷歌在安卓系統底層支持 GUI Agent

AI 說什麼的能力不具備太強商業價值，文字的生成成本，對人來說都很低，但是“做什麼”，會讓 Token 消耗量趕超圖像、視頻生成，類似 AWS 賣的不是服務器，而是使用時間。

AI 賣的不是 Token，而是“工作能力”，這是 SaaS 行業恐懼的根源，很可惜，DeFi 已經成為 SaaS，而非大模型。

DeFi 協議的 SaaS 化

DeFi 並不落伍，但過度早熟。

AI 正在重新發明軟件工程，被取代的並非只有 SaaS，但 SaaS 無疑最為典型。

即使是彭博終端，其最重要的商業價值，並非是技術的先進性，而是信息的權威性，這種權威沉澱於數十年的行業聯繫、人脈鏈接等非標數據。

Agent 給了一種選擇，可以在數據中推測未來，即使冒險的下一步，也有可能超越同行，賺取小額利潤。

圖片說明：SaaS 崩潰中

圖片來源：@zuoyeweb3

你可以理解為，Agent 巧妙利用了資本的逐利性，當然可以等完整的彭博終端信息，也可以用拼湊的、不準確的數據，去博一把收益。

這並非是新鮮事，IBKR 創始人托馬斯·彼得菲是首次在金融領域“發明”，或者說組裝物理交易終端，而這一切起源於一臺閒置的 P101。

如果某種利用數據的方式，可以賺取更多的利潤，那麼你就可以得到更多數據，飛輪就此啟動。

SaaS 壟斷過去，AI 銷售未來。

很不幸，我們要從此切入 DeFi，還記得 Dune/DeFiLlama 的 API 付費牆嗎，抱著金數據要飯吃，或者是 Arkham Exchange 的最終關停。

加密行業的數據，從來都不值錢。

但加密行業，又是直接開放式金融系統，其產生的數據可以被反覆學習，即使在 AI 之前，分叉項目的速度，已經降低至以月為計，PumpFun 的仿盤 Meme，極限可壓縮至秒級。

這裡存在一個反常識的推論，DeFi 是金融系統的先行測試服，我們今天嘗試的 AI+DeFi，會成為之後金融進化的模板。

• 比如，08 年金融危機之前，無擔保交易的 LIBOR “引發”金融海嘯，隨後換成美債交易產生的 SOFR 指標，但是超額抵押機制保證了 DeFi 的清算最終性。
• 比如，大模型產商不想按消耗量賣 Token，一定要為之分級營銷、能力定製、專業改造，代幣經濟學已經把“使用價值”玩成麻花。

Crypto Token 執著於使用價值，AI Token 執著於經濟價值。

從這個角度看，DeFi 的黑客攻擊，只是一種常規性壓力測試，開放系統無法自行修補 Bug 的外部熵。

類似第二十二條軍規的黑色幽默，沒有外部信號系統的刺激，加密默認當前環境是安全的，一旦發生安全危機，則坍縮至中心化處理系統。

比如 Drift 事件中，人們指責的對象竟然變成了凍結遲緩的 Circle。

圖片說明：代碼不能解決安全問題

圖片來源：@zuoyeweb3

可以說，在 AI 能力躍遷前，DeFi 已經完成了 SaaS 化，只能按照交易次數進行收費，沒有辦法把“金融”直接搬遷到鏈上。

RWA 上鍊缺乏流動性，DeFi 對此並沒有好的解決辦法。

但是 Agent 能力的進化，讓重寫 DeFi 的規則，似乎有種尚不明朗的曙光。

1. 代幣經濟學：分渠道鋪設使用量，按“資本效率”進行投放；
2. 規則設定：Mythos 提供安全最終性，AI 防壁大戰零日危機；
3. 人的組織：太好了，DeFi 早就是幾個人管理幾百億了。

工程敘事的復興

安全從何而來，圖靈機的確定性，危險從何而來，無限的可能性。

YC Garry Tan 說的“Fat Skill，Thin Harness”深得我心，本質上是把基礎規則定好，一種“基於秩序的自由”。

圖靈機可以無限組合，馮·諾依曼架構存算始終有時間差，大模型也不能產生真隨機數。

數據不值錢的未來，只有人的行為，才能讓金錢流動產生價值。

但人的行為，還需要時間，才能被 AI 徹底學習，進而內化為工程化、代碼化的表達方式。

以有窮追無窮，終究不可得，LLM 不可能徹底消除幻覺，必須逼近到“此非 AI 可及，亦非人力所及”的地步，才能讓市場機制為其定價，我們才有可能真正相信智能合約。

現在的智能合約難言成功，The DAO 分叉，Curve 編程語言 Bug， 甚至 Drift 多籤，都證明“人對代碼有最終控制權”。

道德審問沒有經濟價值，DeFi 領域的協作模式，之所以從 DAO 坍縮到基金會和“團隊”，歸根到底是有合約升級、業務合作的現實需求。

但人類就是沒辦法寫出永遠安全且可動態升級的代碼，請記住，是永遠不可能。

如果永不升級，那 Curve 用自身經歷告訴我們，技術依賴棧也會出問題。

現在決定過去，過去決定未來。

從西蒙斯大獎章基金到 Numerai 跑 AI 策略，AI 在金融領域並不罕見，另一個反常識的案例，交易信號反而有助於 AI 進化。

圖片說明：AI 和 DeFi 10 年

圖片來源：@zuoyeweb3

AI 模型依然是計算機範式，吞吐信號的狀態機，如果沒有外部信號，其內部缺乏模擬外部世界的能力，楊樂昆和李飛飛押注世界模型，意義在於此道。

但從 DeFi 的視角看，讓 AI 自主交易，前提在於人的意圖被 Agent 通過行為進行學習，這也是人對 AI 的重要性，即使 Agent 代替人力，但也是對人的行為進行模仿總結。

甚至，人不能有意隨機，微小刻意便有統計規律，甚至人的生理特性才有隨機性，比如，“我就是生理性喜歡 Ethena 的做市策略，而厭惡 XX 的套利策略”，反而帶有模糊的偏好。

非常確定，讓區塊鏈/DeFi 成為 AI 的基礎設施，已經在過去十年間，遭遇可悲的失敗，deAI/deAgent/deOpenclaw，都會遭遇類似的境遇。

直接用最新大模型，改造 DeFi 的種種結構，比如 Mythos 測試後的合約默認具備安全性，任何改動都會被實時偵測，從而提高危險等級。

而在人的組織上，AI 的選擇是“不要人”，只要人的“能力”，DeFi 是對此最適合的行業，甚至沒有之一，規則設計後，DeFi 只在安全前提下提升資本效率，參考自動駕駛的 L1/2/3/4 分級，必然會經過信息授權–>有限資金使用權–>全面資金使用權的進程。

如果 Agent 持續學習工程化的交易員能力、Curator 管理能力，那麼必然會在交易和收益領域超越人類，但可惜，積攢的 DeFi 數據還沒有被 AI 系統化學習和訓練，目前的幣圈 AI 還處於圈錢階段。

但我非常確信，對資金的實際使用，是 AI 改造 DeFi 的下一階段主浪，不可避免。

那麼，在安全（合約）和組織（人類）被重新升級後，代幣經濟學會變成什麼形態？

• PoW 時代的 Token 是算力消耗憑證，和現階段 AI Token 基本一致；
• PoS 時代的 Token 是預期收益折價憑證，AI Token 正在向這個方向進化（提供取代人的能力是這種經濟價值的 AI 表達）；
• AI 時代的 Crypto Token 已經超越我們的工程範疇，只能依靠理論進行不負責任的預測。

參考 Sky 用代幣分配量控制各渠道 APY，Claude 用 Token 消耗量為模型能力定價，未來的 Crypto Token 大概率會是一種“資本回報率”的憑證。

這裡注意下區分，PoS 時代的 Token，比如 $ETH 等，其預期收益是一種經濟學假設，一種基於先驗的經驗推理，但是 AI 的工程化設計，DeFi 的各項參數會無限接近於真實情況，其回報率和風險率高度可信，且實時被驗證。

甚至，用戶可以按 DeFi 協議使用的大模型和 Agent，以及 Harness 優化指標的得分，來確定 Token 的現價，看好則買入，看衰則賣出。

結語

千萬種說不盡的苦惱和⼈類不可預測的前途。

DeFi 的未來，分為經濟層面和技術，代幣經濟學暫時還沒太好的解決辦法，但是安全看到一絲曙光，Claude Mythos 可以威脅世界，反過來想，那就可以管好錢。

AlphaGo 徹底解決圍棋問題，Claude 徹底解決編程問題，這樣的場景，未來只會更多，DeFi 的合約、人類的組織，甚至是經濟的計價單位，都存在被優化的理論空間。

至少，人不用擔心徹底被取代，數據不值錢的時代，行為自有其意義，至少在目前，Agent 對人的接管，依然是“微任務”、“微支付”等細節，不斷重複的細節，我們要讓這種重複、複製的行為產生價值，AI 讓數據、內容的價值無限下降，趨近於零成本，而 AI Token 和 Crypto Token 的單位經濟價值（成本）都在不斷下降，這是大勢所趨。

甚至可以說，這是第一次，金錢真正向個人敞開大門，無論是用於 AI 工作的，還是 Crypto 用於消費的。