作者：Jack Gorman 来源：variant 翻译：善欧巴，
一年多以前，一款名为 Truth Terminal 的人工智能智能体发行了 meme 币，一夜之间成为百万富翁，在加密领域掀起热潮。那一刻，人们仿佛觉得，自主智能体代用户管理数十亿美元资产的时代已近在眼前，人工智能领域也即将见证加密货币所能创造的价值。这种科幻般的愿景，似乎触手可及。
但一年过去，我们仍未抵达那个阶段。加密货币与人工智能的结合已死成了主流论调，人们的注意力也转向了其他领域。尽管数亿美元投入到二者的交汇领域，许多人仍在质疑：这些投入真的有意义吗？
对大多数人工智能领域的从业者而言，答案是否定的，这里没有值得关注的东西。
去中心化人工智能 vs 开放人工智能
过去一年里，我与众多团队会面，评估了数百个项目，并在众人目光移开时持续密切关注。在炒作周期的泡沫残骸之下，我看到了切实的进展，也找到了证据：加密货币与人工智能的结合并未消亡，而是在走向成熟。以下这些领域已脱离炒作，显现出初步的可行性：
去中心化训练基础设施已开始实现规模化应用；
面向人工智能智能体的可编程货币，正解决人工智能领域的支付与资金筹集问题；
加密货币助力获取难以触及的前沿训练数据，实现数据集的整合与协同；
原生人工智能的加密货币工作流，正将智能嵌入现有的基础组件中。
去中心化训练迎来发展契机
一年半以前，我曾严重怀疑：将全球分散的图形处理器（GPU）整合起来，能否为人工智能训练提供有用的支持？如今看来，我完全错了 —— 这正是目前最让我兴奋的领域。
加密货币与人工智能始终通过计算紧密相连。在加密货币与人工智能炒作周期初期，大量 GPU 交易平台涌现，它们借助加密货币的激励机制，搭建起供给端体系。但这些供给无法满足人工智能企业的需求：对于大多数工作负载，服务商需要高可用性、性能保障和服务等级协议（SLA），而消费级硬件根本无法提供这些；此外，运行最先进的开源模型需要昂贵的 A100 或 H100 芯片，以及数据中心级别的基础设施。因此，许多企业选择超大规模云服务商或新型云平台 —— 它们虽成本略高，但能提供更可靠的服务与人工智能支持。
但我认为，加密货币在计算领域的真正机遇，远不止搭建交易平台。其核心价值在于，借助加密货币的基础设施，将不可靠、多样化的硬件与供给转化为具备经济可行性的资源。通过合理的系统设计，混乱的供给（临时实例、混合供应商、可抢占式计算资源）可被整合，用于训练最先进的模型。此前，由于训练需要大量资源，计算过程必须集中化，这导致大型研究实验室形成垄断，限制了参与创新的主体范围。而去中心化训练不仅能释放新的供给，还能构建开放的系统，让更多人参与其中 —— 这是中心化服务商没有动力去实现的。
如今，这一领域已初见成效。近期，Pluralis 启动了首个无许可训练集群，在全球 198 个城市部署了超过 1000 个节点。尽管一个 80 亿参数的模型听起来不算惊艳，但这种跨互联网协调多样化硬件的去中心化训练，在一年前还被人工智能研究界认为是不可能实现的。
一系列极具前景的去中心化训练研究，更坚定了我的乐观态度。Pluralis 与 Prime Intellect 今年均有论文入选 NeurIPS 和 ICML—— 这两大人工智能领域最权威的会议。其中，Prime Intellect 通过全球分布式无许可强化学习（RL），成功训练出 320 亿参数的模型（INTELLECT-2）；Nous Research 则展示了跨互联网的分布式训练方法（DisTrO）。这些进展意义重大：它们打破了质疑，为训练提供了新的供给渠道，也为中心化实验室提供了真正的替代方案。曾经无法满足人工智能需求的不可靠、碎片化硬件，如今已能做出切实贡献。
去中心化训练短期内或许无法产出前沿模型，但它为中心化实验室提供了替代选择，让任何人都能参与到真正开放的人工智能开发中。正如比特币从爱好者车库挖矿发展到工业级数据中心挖矿，去中心化训练也正沿着实验性探索→可行性落地的路径前进。
目前虽处于早期阶段，但发展趋势已不可逆转。
面向人工智能的可编程货币
主流人工智能企业正逐步采用稳定币。例如，Anthropic 与 Tempo、Stripe 及 Paradigm 旗下区块链合作，成为其设计合作伙伴；Cloudflare 则推出了自有稳定币，用于为网站反机器人与反智能体攻击服务变现，搭建起新的支付层。
背后的原因不难理解：随着人工智能智能体与更多 API（应用程序接口）、数据集和服务交互，支付协调将变得极为复杂。管理 API 密钥、处理小额交易、应对银行监管、实现实时结算 —— 这些都会增加操作摩擦。而稳定币提供了更简洁的解决方案：降低成本（尤其小额交易）、实现即时结算、减少基础设施开销。
稳定币在降低金融支付摩擦方面的作用已十分明确：目前其月交易量已超过 3 万亿美元，流通市值突破 3000 亿美元。随着人工智能智能体逐渐成为经济参与者，对即时、可编程支付的需求不断增加，二者的结合已成必然。
Coinbase 推出的 x402 标准，印证了智能体稳定币支付的发展方向。该标准将稳定币支付直接嵌入 HTTP 协议，实现了人工智能 API 调用的无缝小额支付。仅三个月内，该协议的交易量已突破 100 万笔，参与方达数千个 —— 这一早期数据证明，面向原生人工智能支付的加密基础设施已初步落地。
尽管目前智能体驱动的交易总量仍较小，但加密货币已成为提升智能体变现效率与协同能力的重要工具，大型科技公司也在加速整合。例如，谷歌已将 x402 纳入其自主开发的智能体支付协议（AP2）与智能体间交互（A2A）框架，让人工智能智能体可通过稳定币实现相互支付。
除了作为更高效、透明的结算层，加密货币还为人工智能资源创造了全新市场。原生加密货币的融资机制，为人工智能项目提供了传统金融难以复制的启动方式，也让潜在需求得以显现。据悉，OpenAI 在早期也曾考虑发行代币来筹集运营资金。随着人工智能基础设施的资本密集度不断提升，代币化与去中心化金融组件已成为支撑这些新兴资产类别的理想选择 ——DeFi 组件可将人工智能资源转化为可交易、可组合的资产。
USD.AI 就是典型案例。作为全球首个以计算资源为抵押的稳定币协议，其锁仓价值已突破 5.8 亿美元。借助该协议，人工智能企业可通过 GPU 硬件抵押获取贷款，审批速度远超传统 lenders。可通过 DeFi Llama 仪表盘查看详情。
类似的基础组件正逐步扩展到代币化计算资源与数据集领域，支持借贷、质押或收益生成。DeFi 在为新型资产与人工智能资源筹集资金方面具备天然优势，而未来，人工智能智能体本身也将成为其重要应用场景。
人工智能嵌入加密货币交易工作流
目前这一领域仍处于早期阶段 —— 几乎没有（若存在也极少）加密货币 + 人工智能企业能达到当前人工智能企业的营收规模。但加密货币的规模化能力已得到验证，例如 Axiom 达成 1 亿美元年化营收的速度，远超历史上几乎所有初创公司。即便如此，加密货币的用户体验仍十分糟糕，工作流也高度依赖人工操作 —— 这为人工智能嵌入现有营收体系、实现垂直化应用提供了巨大机遇。
如今，这一趋势已在多个场景显现：
Meridian 等公司将人工智能直接嵌入交易终端，提升界面智能度；
Dawn 聚焦人工智能策略与代码生成，帮助交易者搭建自动化策略；
Context 等平台借助人工智能智能体，规模化自主创建并结算预测市场 —— 这种交易市场若依赖人工协调，根本无法实现。
更前沿的应用是：人工智能智能体已开始自主管理实际资金。例如，Giza 处理的交易规模已突破 10 亿美元，其人工智能智能体管理的资产达 2500 万美元；近期，研究实验室 Nof1 推出 Alpha Arena 平台，为 6 个不同的人工智能模型各分配 1 万美元，让它们在 Hyperliquid 平台自主进行永续合约交易。短短几天内，多个大型语言模型（LLM）的收益已显著增长 —— 这表明，LLM 或许能在无需人工干预的情况下执行交易策略。
人工智能可推动机构级交易策略的普及，而作为金融创新前沿的加密货币，恰好为其提供了试验场。随着人工智能不断成熟，加密货币的透明性、可验证性与资金来源优势，将使其成为自主智能体与财富管理的天然载体。
加密货币助力获取前沿数据
已有多个项目借助加密基础设施，获取传统数据服务商难以触及的数据集，并实现实际营收。
对客户而言，他们并不关心加密货币或去中心化本身，只在意能否获取前沿数据用于模型训练。在机器人技术、语音识别、专业领域知识等场景中，许多数据类型的生成难度大、成本高，而加密货币在协调资源、获取这类稀缺数据供给方面具备显著优势。代币与稳定币能为分布式供给端提供收益激励，进而生成更多数据。
数据标注公司 Sapien 就是典型案例。该公司已协调全球 110 多个国家的 190 万名贡献者，完成了 1.878 亿个数据点的标注。这一规模使其成功与顶级人工智能实验室建立合作。
加密货币与人工智能的机遇真实存在，但需时间沉淀
褪去炒作的外衣，加密货币在人工智能领域的应用逻辑其实很简单：协调分布式资源、为新产品搭建供给体系、助力资金筹集、实现全球即时支付、让贡献与收益挂钩。
目前，链上尚未出现价值十亿美元的通用人工智能（AGI），但经过一年对该领域成熟过程的观察，我比以往更坚信：加密货币与人工智能的交汇，是整个加密领域最具潜力的方向之一。或许还需要几年时间才能完全落地，但二者的结合绝非空谈。
