AI 加密综述:代理商务、智能手机算力与可验证 AI

本次 AI 与加密讨论的主线是:代理商务正从演示走向结算、身份和验证,而去中心化算力和数据网络则试图提供底层容量和来源证明。最有力的主张是具体且可衡量的;最薄弱的是泛泛的基础设施炒作。

代理商务正聚焦于托管、身份和可验证交付

实质性的代理商务提案现在更少关注让代理聊天,而更多关注代理如何证明身份、锁定资金、交付工作以及解决争议。

托管和争议规则正成为核心市场原语

TermiX 的代理自主商务协议被描述为使用 ERC-8004 可移植身份、仅根据已结算结果更新的声誉、在报价被接受时锁定付款并在链上写入交付哈希后释放付款的托管、可被罚没的提供者质押,以及由随机评估小组进行争议解决,败诉的挑战者将销毁保证金 @mannan25195@mannan25195。同一个代理可以在一个任务中充当客户,在另一个任务中充当提供者,这消除了严格的买方/卖方划分 @mannan25195@mannan25195。另一份摘要将基本流程描述为:买方将预算存入托管,提供者接受,代理提交结果,买方审查并接受,然后合约按约定规则释放付款,并包含取消、退款、异议和争议路径 @aziashcrypto。

验证正按任务类型进行拆分

AACP 白皮书被描述为探索四种验证级别:人工评估、可信执行环境、零知识虚拟机,以及 TEE 和 zkVM 的组合 @EleNaincy65175。作者指出,确定性任务可以比研究报告或设计等主观输出更清晰地证明,因此该协议还探索了针对主观工作的基于评分标准的评估 @EleNaincy65175。有用的设计要点是,验证应与工作的性质相匹配,而不是假装每个 AI 输出都有一个简单的是或否证明 @EleNaincy65175。

支付活动是可衡量的但不完整

一次聚会回顾报告称,截至 10 月 21 日:x402 结算量为 1.922 亿笔,结算金额为 4190 万美元,注册的 ERC-8004 代理为 93.4 万个,Virtuals ACP 商务备忘录为 1236 万条,Olas 代理交易为 1960 万笔 @FinchTechAI。同一回顾提醒说,链下代理工作(如私有 API 和平台内部任务市场)不会留下链上痕迹,因此这些数字是公开样本,而非普查数据 @FinchTechAI。另一篇文章称,AI 代理已通过 Base 上的 x402 进行了超过 1.38 亿笔支付,其中大部分是用于数据、算力和访问的小额支付 @__Vik_tor。作者问道,持久的机会是否在于代理支付基础设施,而不是代表 AI 叙事的代币 @__Vik_tor。

费用透明度正成为设计测试

Motes 被描述为计划对符合条件的代理活动收取 1% 的服务费,收入用于支持协议运营和计划的代币回购 @Amenouboy。一份更详细的分析认为,总费用收入不等于净国库收入:必须考虑运营和执行费用,并且报告应区分已计提和已收到的费用、冲销和退款、运营费用、国库余额以及实际在链上执行的回购 @ngochoa2k2。作者的标准是,AI 代理经济应该根据可衡量的财务流量来判断,而不是根据声明的意图 @ngochoa2k2。

授权使自主性受到约束

Motes 还被描述为赋予一个 NFT 一个代理身份和一个专用的智能账户,所有者定义允许的资产、交易规模、每日限额、滑点和止损条件,账户在执行前根据这些规则检查每个操作 @aiaeth7。作者将此描述为具有可执行限制的自主性,而不是为自主而自主 @aiaeth7。

隐私正被定位为支付需求

一篇关注隐私的文章认为,AI 代理经济不会在公共账本上运行,因为代理在透明链上支付 API、数据和算力费用,会公开其使用的工具、使用频率和金额 @zano_project。作者的结论是,机器将首先需要私人货币 @zano_project。

支付用户体验和责任问题仍未解决

对 OpenAI 钱包的分析认为,它没有创建新的支付轨道:卡片只需添加一次,代理铸造一次性网络代币,然后代理在正常结账时输入;钱包持有零美元,OpenAI 永远不会成为商户记录方 @shafu0x。同一分析称,商家阻止代理是因为机器人规则是为爬虫编写的,而且低于一美元的小额支付仍然过于昂贵 @shafu0x。一位支付运营商认为,代理支付将在未来几年内继续使用 16 位数字,直到稳定币钱包提供类似的拒付、争议解决和明确的责任 @prajitn。另一位批评者认为,代理商务过度关注支付,而对代理界面的 UI 和 UX 关注不足 @juokaz。

去中心化算力正在测试智能手机规模的 AI

Acurast 是本次讨论的中心:它将智能手机转变为计算节点,使用硬件支持的安全,并展示了手机上的窄 AI 推理,但悬而未决的问题是开发者是否会为可靠的重复性工作负载付费。

手机节点正在运行窄推理,而非取代 GPU 云

Acurast 的 Laya Tetris 演示被反复引用为具体工作负载:游戏生成五个可能的放置位置,运行在 Android 手机上的 AI 模型评估它们,选定的移动更新棋盘 @HeyMila2008@0xamierr@duongphat99@mayflowers2x8。该演示被描述为使用手机 CPU 而非集中式 GPU 服务器,决策时间约为 0.2 到 1 秒,具体取决于设备 @mayflowers2x8@_Juliaweb3。一位作者指出,模型运行时间不到一秒,界面显示服务手机的国家、规格和链上记录 @_Juliaweb3。同一作者提醒说,Tetris 演示不应外推到所有 AI 工作负载,但它确实显示了手机硬件可以处理哪些小型、结构化的决策 @duongphat99。

Acurast 声称支持更大的模型和面向开发者的工作负载

根据一篇文章,11 月 6 日,Acurast 通过其网络在 Android 智能手机上直接演示了 Qwen3.5-9B:一个 9B 参数模型运行在 16GB Android 手机上,无需 GPU、Docker 或传统云账户,提供 OpenAI 兼容 API,超过 100 部手机测试了分布式工作负载,按市场汇率计算每部手机每天约 5 到 10 美分 @BitWolf84。Acurast 文档还被描述为支持 REST API、webhooks、计划任务、自动化和 LLM 推理,提供 CLI 和 SDK 访问,以及支持通过 x402 在 Base 上进行 USDC 支付的 Deploy Agent 工作流 @kodd25。该网络被描述为使用硬件支持的安全和远程证明来验证设备并支持机密执行 @kangbaby_,并在可信执行环境中运行代理任务,以保护私有数据和交易签名 @0xZane_。

需求和可靠性是悬而未决的问题

支持者和怀疑者都指向同一个测试:开发者是否会为重复性工作负载付费,而不仅仅是加入网络 @kodd25@kangbaby_。一位作者认为,智能手机算力不会取代每个工作负载的高端 GPU,因为延迟、内存和设备可用性仍然重要,真正的机会是找到分布式、可验证且负担得起的算力优于集中式基础设施的工作负载 @BitWolf84。另一位作者表示,网络的强度取决于实际依赖它的人,并将开发者需求视为关键指标 @Axismeta。

可验证 AI 和数据来源正进入协议设计

验证正成为 AI 代理的一等设计问题:项目正在为网络数据来源、模型执行和链上声誉构建证明,而不会暴露私有输入或模型权重。

zkTLS 证明使网络数据可移植到链上应用

Primus 被描述为提供 zkTLS JavaScript/TypeScript SDK,使用零知识证明将可验证的网络数据带入应用,具有隐私保护验证、更简单的 JS/TS 集成、每个 appID 100 次免费证明生成,以及作为无需信任的数据驱动应用的起点 @MDSumon68209331。zkTLS 证明被描述为记录数据来源,如请求 URL、方法、标头或响应路径;attConditions 字段中的验证条件;证明人地址和任务 ID;接收方钱包;以及时间戳 @MDSumon68209331。一位作者认为,这对 DeFi、金融凭证、AI 代理和链上合规很重要,因为应用可以在不必要地暴露私有数据的情况下推理已验证的信息 @MDSumon68209331。另一位作者补充说,验证数据来源并不自动使其准确或无偏见,但来源验证是迈向可信 AI 系统的第一步 @ox_aryan1。

推理证明旨在实现模型问责而不暴露权重

Proof of Inference 被描述为允许一方验证特定模型产生了特定决策,而无需访问模型的权重 @MeshNeuro。在一个例子中,OEM 保护其网络,而监管机构或保险公司仍能确认哪个模型版本在什么输入上运行,因此记录确定了机器人决定的内容和原因,而知识产权保持封闭 @MeshNeuro。

AI 驱动的声誉可以在不完全披露的情况下得到验证

Zeru 的 zscore 被描述为读取链上行为,并将 AI 驱动分析与零知识证明相结合,以便在不暴露所有内容的情况下验证声誉 @Axismeta。作者认为,如果这有效,良好行为会累积,而不是在用户每次开设新头寸时重置,并且声誉是 DeFi 中最有价值但最不发达的原语之一 @Axismeta。

物理世界数据网络正与代理连接

Vangrid 正在构建自主软件与物理世界数据之间的桥梁:代理可以资助真实世界捕获的请求,而人类贡献者仍执行物理工作,链上证明记录来源。

代理可以通过付费赏金委托物理捕获

Vangrid 被描述为将智能手机转变为分布式 3D 捕获网络:企业请求基于位置的数据,本地贡献者捕获数据,人脸和车牌在设备上模糊处理,加密指纹锚定在 Base 上以进行来源验证 @marcismus。该项目还被描述为使用赏金连接真实世界数据请求与贡献者,让 AI 代理通过赏金 API 请求缺失信息,并支持数据来源的链上证明 @0x_zoda。在一个描述的流程中,AI 代理使用 Base 或 Arc 上的 USDC 提交付费 API 请求,无需账户,全额预先支付到与常规赏金相同的托管中,请求出现在赏金板上并带有 AGENT 标签 @nguyenvann6_24。人类贡献者仍执行物理捕获,并经历相同的预览和接受过程 @nguyenvann6_24。

授权和结算是代理付费数据的独立步骤

对于 Vangrid 的付费数据查询,AI 代理在请求验证前签署 EIP-3009 授权;如果 API 以 4xx 错误拒绝格式错误的请求,x402 会取消结算 @77bncvbsdcg。这种分离对频繁发出付费请求的自主软件很重要,因为授权和实际支付是不同的步骤,因此失败的请求不会变成已完成的收费 @77bncvbsdcg。

来源证明不等于识别正确的物理资产

一位作者指出,11 月 13 日在格拉斯哥接受了一个 500 美元的市中心公交候车亭捕获,并指出捕获哈希和位置是有用的证据,但资产管理系统仍需要将该观察与许多类似结构中的正确物理结构关联起来 @kengdaica。作者认为,物理 AI 需要确切知道观察到了什么的信心,而不仅仅是证明观察到了某物 @kengdaica。另一位作者警告说,使代理发起的请求成为可能并不能证明代理已经产生了重复性需求,或者自主数据经济已经大规模存在 @nguyenvann6_24。

去中心化 AI 网络和用户拥有的数据市场

Bittensor、NEAR 和 0G 代表了对去中心化 AI 的三种不同押注:AI 生产的替代网络、代理轨迹的用户拥有数据市场,以及私有可验证推理基础设施。

Bittensor 被定位为集中式 AI 的替代方案

Bittensor 基金会认为,去中心化 AI 是监管捕获的必要制衡力量,监管捕获使 AI 寡头垄断免受竞争,而 Bittensor 为人们提供了一种构建这种替代方案并拥有其中股份的方式 @opentensor。一位在该生态系统中近两年的创作者认为,Bittensor 非常适合 AI 代理,并解释了谁支付贡献者、存在哪些真实产品和客户,以及收入来自哪里 @VictorVL_EN。这些是生态系统声明和观点,而非独立验证的结果。

用户拥有的数据市场旨在出售代理轨迹

NEAR 的 AI Gateway 被描述为面向使用 Claude Code、Codex 和 OpenCode 构建的用户的桌面应用:下载后,用户可以切换到私有模型,查看代币和资金去向,并因选择贡献的已接受会话轨迹而获得推理积分 @Cameron_Dennis_。轨迹在 Mac 上进行编辑,每个轨迹在共享前都经过批准 @Cameron_Dennis_。团队表示,与 AI 研究人员和 RL 团队五个月的对话发现,代理如何解决问题、失败并最终成功具有商业价值,并认为用户应该控制这些轨迹并能够直接将其出售给实验室 @Cameron_Dennis_。同一篇文章将私有推理定位为用户拥有的 AI 数据市场的基础 @Cameron_Dennis_。

0G 构建私有推理和可验证执行,但采用仍处于早期

0G 被描述为构建去中心化 AI 的基础设施:0G Private Computer 中的 Encrypted Transit 通过使用可信执行环境的路由保护 AI 提示;Infinite AI 将质押与超过 100 个 AI 模型的每日计算积分连接起来;GLM-5.3 在 0G 上的 TeeML 内完全密封运行;Builder Hub 支持去中心化计算、存储、AI 代理和可验证执行 @sallubroz。同一篇文章在 H1 2026 更新中报告了 400 多个集成和 350 多个项目,但也指出了技术与经济采用之间的差距:Token Terminal 显示每月活跃地址为 768 个,报告增长 7,502.6%,在 38 条链中活跃地址份额约为 0.1%,跟踪的 DeFi TVL 约为 288 万美元,稳定币流动性相对较小 @sallubroz。作者的结论是,真正的考验是开发者和企业是否会为去中心化计算、私有推理和可验证的 AI 执行付费 @sallubroz。

代理金融和链上执行

链上代理金融正朝着身份、支付和执行的标准原语发展,但实际限制仍由操作者权限和风险控制设定。

链上代理正在获得身份、支付和执行原语

Injective 被描述为结合 MCP、AI Agent SDK、ERC-8004 和 x402,使代理能够在链上独立操作、构建可验证身份、与应用交互、移动资金并产生收入 @Jife790。另一篇文章描述了代理检查市场价格、通过 x402 使用 USDC 购买数据、进行链上交易,并在交易完成时赚取费用,所有这些都在操作者设定的限制内 @zynehqx。

常见的未解决问题是需求、责任和验证适配性

在代理商务、智能手机算力和数据来源方面,相同的未解决问题反复出现:是否存在激励之外的真实需求 @kodd25@nguyenvann6_24,验证是否匹配任务的主观性 @EleNaincy65175,责任和争议规则是否可执行 @mannan25195@prajitn,以及来源证明是否足以识别正确的现实世界资产或数据源 @kengdaica@ox_aryan1。拥有最具体机制的项目也是那些公开陈述这些限制的项目,这比声称代理很快将运行经济的泛泛之谈是更好的信号。