作者：Yokiiiya Stablehunter
今天和一位朋友聊天，他抛出了一个很有意思的问题：“如果 Crypto × Fintech 在未来 10 年真的创造了增益，那 biggest winners 会是谁？换句话说，这个领域的 ‘Mag7’ 会是哪几家公司？”
Revolut、Robinhood、Coinbase、Stripe……这些显然都是第一批会被提到的名字。过去十年，它们已经证明自己有能力把传统金融的某个部分重新做一遍。
但聊着聊着，我突然意识到：我之前的思考框架其实有个误区。我总是在问—“传统金融里还有哪些环节没有被重做？”这个逻辑本质上依旧是在旧地图上找空白。
但真正应该问的是：
有哪些公司不是在数字化旧金融，而是在创造一个全新的金融市场？
在这个框架下，有一个名字几乎是默认的——Polymarket。不是因为它涨得快，也不是因为它最近被媒体频繁引用，而是因为它做的事情完全不一样：它没有改造银行，也没有改造支付，它改造的是“事件”本身。它把事件变成资产，把概率变成价格。
而恰巧，预测市场在过去一年又重新爆火。所以我们自然追问起另一个更重要的问题：为什么预测市场会在 2024–2025 突然成为“最值得研究的赛道之一”？而在这轮复兴里，Polymarket、Kalshi、Opinion 又各自代表着什么路径？
二、为什么预测市场会在 2024–2025 再次升温？
如果只用“美国大选”“名人事件”来解释这波热度，其实站不住脚。过去几年也有无数热点，但预测市场没有起得这么高。这次不一样。它背后有几条更深层的结构性变化。
1）AI 让“概率”重新变得重要
过去，大模型给出的答案是判断句；现在，越来越多场景开始输出 概率。预测 CP、预测降息、预测公司事件、预测政策走向，概率出现之后，会自然产生一个需求：概率需要价格，价格需要市场。所以，预测市场第一次成为 AI 工作流的一部分。而不是一个“投机型工具”。这一点的影响力，会远超我们当下看到的讨论
2）它被媒体当成了“实时情绪指标”
过去一年，有一个变化很明显：越来越多主流媒体开始引用 Polymarket。为什么？因为它比民调快，也比专家判断更透明。媒体引用 → 用户增长 → 市场深度提升这是一个简单但有效的飞轮。过去预测市场不够大，是因为没有进入主流叙事；现在它进入了。
3）事件密度高，但市场上缺少“对应的工具”
2024–2025 的世界，信息密度比过去十年任何时候都高：选举、地缘、宏观政策、科技监管、企业事件（尤其是 AI）问题在于：这些事件影响很大，但没有对应的金融工具可以交易。
你可以买黄金、买美股、买国债，但不能买：“美联储 12 月降息的概率变化”。“某位 CEO 是否会在本季度离职”，“某项监管是否会落地”，预测市场刚好补上了这个缺口。本质上，它创造了一种新的资产类型：事件资产。
4）监管态度发生了小但重要的变化
CFTC 曾经处罚过 Polymarket，但与此同时，Kalshi 却拿到了 CFTC 的牌照。这释放的是一个非常现实的信号：一部分预测市场可以被允许一部分可以走合规路线、灰区开始被切分，对机构投资人而言，“不确定性被降低”就是增长信号。
5）用户结构变了
过去：以娱乐型用户为主，流动性分散，产品更像“信息类应用”。这波明显不同：机构账户变多，做指标预测的专业玩家进入，用它做 hedge 的基金开始增加，AI 公司把它当成 reference,当用户结构从“吃瓜”升级到“交易”，市场的质量就会发生质变。
小结
预测市场不是突然变火的。它是：AI 的需求、媒体的引用、宏观环境的推动、用户结构的变化、加上监管边界逐渐明确，共同形成的一次结构性抬升。这一波不是短期事件驱动。它更像是预测市场第一次获得“时代的使用场景”。
三、三条完全不同的路径：Polymarket、Kalshi、Opinion
同样是做预测市场，这三家公司走的路线完全不一样。它们解决的不是同一个问题，面对的也不是同一类用户。把它们放在一起看，反而能看到这个赛道未来可能的分层结构。
1）Polymarket：把事件本身做成资产
Polymarket 的路线非常直接：把事件做成资产，把概率做成价格。它不是传统意义的“预测工具”，更像是一块实时事件价格屏。社会关注度越高、事件密度越大、媒体引用越频繁，它的市场反应就越快。用户理解门槛低、情绪推动强，是它增长最快的原因。优势是速度；挑战是监管。一句话概括：事件资产化的入口
2）Kalshi：可监管的事件衍生品交易所
Kalshi 是最金融化的一条路线。它做的是可以被监管定义、可以被模型捕捉的事件合约：CPI、失业率、收益率、FOMC 等。它吸引的是另一类用户：宏观交易员、对冲基金、量化团队。这决定了它的交易结构比 Polymarket 更稳定、更可放大。
你在 Kalshi 上看到的政治市场不代表它与 Polymarket 是同一类产品——政治只是其中一种可监管的事件类别，并不承担增长逻辑。一句话概括：事件衍生品交易所，预测市场的金融基础设施。
3）Opinion Labs：AI 时代的模型共识层
Opinion 走的是第三条路线，不面向大众交易，也不服务机构交易员。它试图为 AI 模型建立一个“概率共识层”：让不同模型输出的概率可以被聚合、被引用，并最终被市场定价。它的目标用户不是人，而是模型。不是“让用户下注”，而是“让模型有一个可读、可交易的概率接口”。
这条路的时间尺度更长，也更前置。相较前两家，Opinion 的发展阶段明显最早期。
它已经有交易界面（opinion.trade），但会对美国、中国等地区做访问限制，因此在不同网络环境下的访问体验不一致。公开信息不多，主要对外触点仍然是 Twitter。底层仍在快速迭代中，品牌和官网不是优先级。
这不是“不成熟的网站体验”，而是早期基础设施项目的典型状态：先把底层机制跑通，再逐步走向外部的稳定化。
一句话概括：Opinion 已有产品，但整体仍处在非常早期阶段，更像是未来 AI 生态的一块底层积木，而不是当下用户规模竞争的一员。
Polymarket、Kalshi 和 Opinion 看似都在做预测市场，但它们的方向、产品结构、合规路径和未来定位完全不同：Polymarket 捕捉的是“注意力与情绪”。Kalshi 捕捉的是“风险与定价模型”。Opinion 捕捉的是“AI 对未来的理解方式”。
它们对应预测市场的三层结构：大众层、金融层、模型层。也正因为这三条路径同时出现，这一轮预测市场才不像过去那样——不是一个产品突然火了，而是一个市场正在成形。
四、我对这个赛道的一个观察：AI 在制造噪音，Web3 在区分噪音
我并不想给预测市场下一个“未来会怎样”的结论，因为我对这个赛道并没有深入研究。但过去一年在不同项目、不同产品形态里，我反复看到一件事：AI 和 Web3 的结合比我们想象得更快，而且方向非常明确。
AI 的能力在于“生成”——生成文本、生成判断、生成预测。但当它生成的内容越来越多时，一个新的问题也越来越明显：AI 在制造噪音。判断、解释、概率、推断，每一项都在指数级增长。信息量变多 → 噪音变大 → 成本变高。
而 Web3 的作用，恰好在噪音之后：Web3 在区分噪音。它提供的不是“内容”，而是：不可篡改，可结算，可验证，可对齐激励，可形成价格
这两者的结合，在金融市场上会逐渐变得自然：
AI 负责生成对未来的看法；Web3 负责把这些看法放进市场里，让它们接受价格、时间和激励的检验。
预测市场只是一个非常直观的例子。它把“AI 生成的概率”变成“金融可以使用的价格”。从这个角度看，它更像一个接口，而不是一个应用。我不确定这个赛道最终会长什么样，但我能看到的是：AI 正在让未来变得更模糊，Web3 正在让未来变得更可验证。而在金融市场里，这两者天然会相互需要。
