AI × Crypto 综述：代理支付轨道、可验证推理与去中心化物理世界数据

TL;DR — 这些帖子的主线是加密基础设施正趋于让 AI 代理在经济上可被追责：x402 支付正被包裹在托管、验证和争议解决层中；推理和数据来源正变得可核查；去中心化计算和真实世界数据网络被定位为代理式与物理 AI 的供给侧。

代理支付正在获得结算和争议解决层

反复出现的论点是：向代理付款是容易的部分——困难在于判断工作是否真正完成。TermiX 的 AACP 协议被描述为连接身份、工作发现、投标、交付验证、声誉和支付结算，其中客户端发布工作、提供者执行工作、评估者检查交付、仲裁者处理争议；客户端预先定义验证策略，提供者可在投标前检查该策略 @lisaweb3。同样的流程在其他地方被描述为四个状态——托管、交付、挑战、结算——其中提交的可交付物的哈希值记录在链上，审查窗口允许在资金移动和声誉更新之前评估有争议的工作 @fepz_@bgv1806。一篇帖子简单地区分了这一点：x402 解决代理如何支付，而更困难的问题是代理实际收到了什么 @0xStego。

来自同一生态系统的相关细节：分包允许代理将简报拆分为更小的任务并聘请艺术、动画或声音方面的专家 @Utpal733128；服务列表预计将定义范围、价格、时间线以及什么算作已完成的工作 @MuriscoOfficial；TermiX SDK 被描述为允许应用程序发现代理服务、下订单并在链上结算，AACP 增加了托管和争议保护 @Ranaverse618。其他帖子将整个技术栈总结为链上身份、声誉和基于托管的结算 @EthDerrick@slim_timothy24，其中一篇提出了一个开放的治理问题：当代理的工作被拒绝时，谁是最终决定者——客户还是独立评估者 @damonemcrp。

TermiX 公共市场的报告市场数据为超过 435,000 个索引代理、超过 394,000 个累计工作、2070 万美元的处理交易量以及约 41.5 万美元的协议收入——但同一帖子也警告说，被索引的代理不一定是活跃的提供者，记录的工作并不能证明成功完成 @KinmansaOZ。

x402 采用、身份和发现

代理支付轨道正从概念走向实际部署。Stripe 的 Link 团队截至 9 月与大约 70 个 AI 助手或代理应用合作，当时它运行了代理式商业支出数据，据报道该数字已上升到平台上约 200 个代理 @alexrkonrad@alexrkonrad。Circle 的 Jeremy Allaire 描述“了解你的代理”即将上线，x401 代理身份证明与 x402 代理支付一起，作为迈向更安全的代理经济活动的步骤 @jerallaire。他在 a16z crypto 播客中讨论了当软件能够赚钱、花钱和雇佣时，代理经济需要什么——包括当 AI 雇佣 AI 时会发生什么，以及区块链能否对抗 AI 的中心化倾向 @a16zcrypto。

可发现性被视为一个单独的问题：一个团队报告构建了 x402 服务发现层，将公开列出的 AI 代理和 x402 服务聚合到单个可搜索目录中，下一步是服务聚合、性能分析、自主购买和工作流协调 @TollyLabs。在身份方面，一篇帖子描述了 x402 处理 XDC Network AI 上的支付，而 Concordium 提供可验证的所有者关联，将代理连接到已验证的个人或企业，而不会公开泄露所有者的个人身份 @cryptohustler04。

代理式商业正在重演开放银行和屏幕抓取之争

最具实质性的观点之一认为，代理式商业并不新鲜——它是 2000 年代至 2010 年代开放银行和屏幕抓取之争的加速重演。银行花了十年时间阻止 Mint、Yodlee 和早期 Plaid 使用客户凭据登录，理由包括责任、“流氓代理”和对软件被允许做什么的零可见性，最终迫使所有人使用受控的、通常付费的 API；Ryanair、Delta 和 American 等航空公司屏蔽了票价抓取器和 OTA，并提起诉讼以保持对库存和客户关系的控制；Ticketmaster 对票务机器人的斗争是另一个清晰的平行案例 @SeijinJung。预测的终局是标准化的代理身份、许可协议、对数据或库存有价值的付费访问，以及大量“改用我们的代理”——赢家像明智的网站曾经向 Googlebot 营销一样向代理营销 @SeijinJung。

可验证 AI：关于模型、数据和执行的证明

一系列帖子专注于使 AI 输出和输入可核查，而不仅仅是声称。Primus 被描述为使用 zkTLS 为软件提供关于决策背后数据的证据——数字来自哪里、是否确实由声称的来源返回、在代理收到之前是否被更改——其 SDK 支持生成证明并在本地或通过链上合约验证 @ngochoa2k2。一篇更长的文章将 Primus 描述为结合 zkTLS 和 zkFHE 以实现选择性披露：在链上证明链下资产、信用评分或银行余额，而不泄露底层身份或数字，并验证公共链上的 AI 代理执行工作流，同时保持战略意图私有 @aduwaye77。报告的里程碑包括 100 万+用户、在 Pharos 上处理的 1.68 亿+ zkTLS 交易、22,000+ AlphaNet 证明以及约 6700 万美元的已验证储备，此外还有一轮 650 万美元的融资，涉及 Dispersion Capital、Symbolic Capital 和 VanEck，后来得到 YZi Labs 的孵化支持——帖子本身指出这些是报告的活动指标，不是独立审计的采用度量 @Captainmetax。

在 Bittensor 子网 26 上，Perturb 被描述为运行开放竞赛，矿工因找到使 AI 模型自信地犯错的输入而获得报酬。验证者确定预测确实改变，验证更改在像素和感知相似性限制内保持不可察觉，并将文件与其提交的哈希匹配；副本不赚取任何东西，更紧密的扰动排名更高，响应速度不占权重。组织获得鲁棒性评分、漏洞热图、用于重新训练的已验证攻击数据以及链上证书。图像模型扫描被描述为已上线，文本、LLM 和多模态攻击在路线图上 @bryantheden。

TensorCash 被其自己的帖子描述为一条工作量证明链，其中的工作是 AI 推理：矿工可以出售该推理，并用同样的工作获得下一个区块的机会，每个答案都附有使用模型的证明 @Tensorcash。

一份专注于隐私的综述指出，随着 AI 代理开始支付和使用付费服务，保护敏感财务信息变得更加重要，并调查了 ZK 证明、MPC 和 FHE 方法以及包括 Zcash、Arcium、Zama、Umbra、Aztec 和 Aztec Labs 重新推出的 zk.money 在内的项目 @KryptoHumphrey。一份包含七个隐私应用的配套列表包括 zkAPI，由以太坊基金会和 Open Anonymous 于 10 月 1 日推出，用户存入 ETH 或 USDC，并使用零知识证明生成临时 AI API 密钥，将支付身份与 AI 查询分离——同时指出 AI 提供商仍然可以读取提示，IP 地址和查询时间仍然暴露 @TheDeFiAngel。

一篇帖子突出了 ERC-8004 可验证 AI 代理声誉草案规范中的隐私权衡：反馈值和标签存储在链上，端点、文件 URI 和哈希在事件中发出，链下反馈文件是可选的——“可验证并不意味着私密” @MetisL2。

面向 AI 工作负载的去中心化计算供应

Acurast 被描述为在未使用的智能手机中而不是更大的数据中心中寻找计算能力。其 Laya 演示在 Android 手机的 CPU 上运行决策模型，用于电子邮件分类、聊天审核和筛选提示注入尝试等任务，帖子报告每次决策约 0.2–1 秒。信任通过谷歌密钥证明和苹果应用证明的硬件支持证明来处理，检查被撤销的证明，并将受影响的设备从部署和奖励中移除。代币模型包括网络费用、计算供应激励、质押和治理，部署计算成本被描述为 gas 费用和 USDC 访问途径；Staked Compute 允许提供者锁定代币以换取计算承诺，并允许没有硬件的 ACU 持有者委托给提供者。帖子指出 5% 的年通胀率，其中 70% 分配给 Staked Compute Pool，并警告质押奖励不应与支付计算客户的收入混淆 @Vanquan_titans。

BitTorrent 的 2026 年 10 月白皮书概述了四个组件：用于大型数据集和 AI 模型分布式内容交付的 BitTorrent、用于通过 onboarding、作业调度、推理执行和结果验证将分布式 GPU 容量连接到 AI 工作负载的 BTTInferGrid、作为 Layer 2 扩展和结算网络的 BitTorrent Chain，以及作为涵盖资源购买、服务支付、gas、节点激励、质押和治理的共享 utility 代币的 BTT @Multi_mike01。

Bittensor 的网络被描述为有 128 个活跃子网，Null Consensus 升级允许一个由质押选出的验证者确定奖励权重，并将支持的子网容量从 256 个参与者扩展到 2,500 个，此外还有可选的工作量证明注册，以便矿工可以使用计算资源竞争入场，而不是预先支付 TAO。同一帖子指出了权衡：移除多验证者共识使奖励分配更依赖于单个验证者的判断 @zordcrypt。一篇每周亮点帖子列出了在技术栈中一周内上线的八个子网——一个开放推理引擎据报道在同一 GPU 上快达 4 倍，带有 MIT 许可的开放权重路由器，一个 Ministral-3-8B 模型缩小 40% 并保留完整 32K 上下文，单个 NVIDIA DGX Station 上 10,500 tok/s，一天服务 500 亿个代币，第二天上升到近 1020 亿，100,000+ 个提供者作为矿工进入主网，Shell 高速公路加油站的计算机视觉，在 Solana 上具有链上身份的机器人训练数据设备，以及一个多模型桌面应用——同时承认大多数基准是团队报告的，大多数子网是早期且不均衡的 @bittingthembits。另一篇帖子报告说，运行时 v480 中的 eTAO 更改允许子网所有者调整矿工、验证者和所有者之间的排放分配，在协议限制内，并引用报告的外部客户收入为年化 5000 万美元，比上个月增长超过 40% @HogwartsCrypto。

一个反对观点认为 Bittensor 已经证明作为激励层是失败的，声称它落后于外部世界，子网倾向于模仿其他地方已被激励的东西，而不是领先 @EmersonDickie。

QuipNetwork 被描述为将不同的计算资源——CPU、GPU 和量子处理器——纳入一个网络，以便任务可以匹配到合适的硬件，而不是强制所有东西通过单个架构，采用取决于透明定价、可靠验证和可衡量的性能 @uthman_000。DAO Labs 将计算供应链分解为四个层——芯片制造商、提供数据中心、电力、冷却和硬件的基础设施所有者、连接 GPU 容量与开发者的计算市场，以及从 AI 实验室到独立开发者的租用者——并认为 DePIN 的机会取决于可靠的容量、有竞争力的定价和持续的需求，而不是仅仅去中心化 @Blessedpeacee@TheDAOLabs。

面向机器人和世界模型的去中心化物理世界数据

最大的一组帖子涉及 Vangrid，它将智能手机转变为分布式捕获网络，用于物理 AI、机器人和世界模型使用的真实世界空间数据 @0xNTTheshy@just_johnny4@pariisart_eth@mahdiHas@0x_why85@0x_why85@kaybee_mmg@0xdoha@Ugnonny。贡献者按需捕获特定位置，镜头被重建为 3D 空间模型，链上来源用于确定捕获来自哪里 @just_johnny4@mahdiHas。报告的数字包括 125 万+捕获、45 万+用户、4,700+ 证明和 60 万美元+ 的 USDC 结算 @VPhm23380671，以及由包括 HashKey Capital、Animoca Brands 和 Borderless Capital 在内的投资者支持的 900 万美元种子轮 @tausif_khan099@0x_zoda。

面向代理的工作流是与 AI×crypto 最相关的部分：AI 代理可以通过 API 工作流委托真实世界捕获，而无需经过标准赏金板流程，通过 HTTP 请求创建和资助赏金，指定标题、捕获简报、USDC 奖励金额和截止日期。支付在 Base 或 Arc 上通过 x402 进行，调用者需要一个持有支持网络上 USDC 的钱包，但不需要账户或 API 密钥。一旦提交被接受，托管在链上释放，重建开始；如果没有提交被接受，赏金可以在开放时取消或允许过期，USDC 退还给资金钱包 @shell_is_heree。企业文档描述了真实世界地点的重建 3D 模型，包括可追溯到原始捕获的纹理 GLB 网格，具有 us-east-1、eu-west-1 和 apac-1 区域选项，目前按试点授予访问权限 @Rizvi_On_X。

一篇帖子指出文档据称诚实地承认的不对称性：支出上限约束签名，但不约束两个最重要的调用——接受提交释放托管，取消赏金结束它，两者都是不可逆的，都在上限之外。对操作者的指导是，当代理无人值守时，将这两个调用置于人类批准之后。正如作者所说，捕获层是去中心化的，但判断层不是 @Nyerishi。

关于验证机制，捕获被分组到 Merkle 树中，并通过 Base 上的以太坊证明服务锚定，因此任何人都可以验证记录属于一个已提交的批次，而不必将每次捕获都放在链上 @a12321xyz。Vangrid 浏览器公开捕获叶子、Merkle 证明和相关交易，以便用户可以检查记录而不是信任仪表板——同时指出来源并不能证明每个场景都是准确的或每个贡献者都是诚实的，数据质量仍需要单独检查 @BitWolf84。几篇帖子对模型的局限性提出了同样的观点：不同的设备、光照条件和重建质量影响可靠性，链上验证并不能自动保证现实世界的准确性 @Shahzaib0x@0xdoha。

自主代理的争议解决和治理

GenLayer 被描述为构建代理经济的“合成司法管辖区”，理由是一旦代理代表不同所有者交易，它们就继承了相互冲突的利益——而更多的智能不会解决这个问题，可能只会让双方更好地论证自己的案例，因此它们需要共享规则和一种双方都无法控制的解决争议的方式 @kstellana。一篇相关帖子讨论了使用智能合约和 AI 驱动的验证者来裁决需要真正判断的决策，以及“互联网法院”概念，用于解决争议而不依赖单一权威，同时询问人们是否会信任 AI 解决涉及他们资金的争议 @degen_geek。

代理生态系统和链上代理活动

一个项目更新描述了 Arena 代理在不到一周内突破 500 万次决策，所有 Arena 事件都馈入一个 HIVE，让代理讨论它们并形成新策略或团队；ERC-6551 支持激活代理钱包和创建代理配置文件；Agent Canvas 让代理每天自主绘制 256x256 画布；一个由 200 个代理组成的群体使用两种不同的 LLM 进行交易；以及一个工作流，用户要求他们的代理找到一个成功的 Arena 代理并雇佣它执行任务，工作代理在完成后获得报酬 @serc1n。

另一篇帖子引用了一项发表在《信息系统研究》上的研究，关于在主要社交平台上推出的 LLM 驱动的社交代理，该代理代表影响者回复评论。收到 AI 回复的用户更有可能在影响者未来的帖子上发表评论，当回复与对话相关、与影响者的语气一致并在正确时间交付时，效果更强。更多回复并没有自动创造更多参与：当 AI 回复相对稀缺、影响者之前很少回复以及忠实粉丝中，影响更大，而在高度商业化的影响者和技术类别中较弱。作者得出的结论是，有效的社区管理是一个判断问题，而不是数量问题 @xelebofficial。