AI × 加密综述：代理商务托管、可验证计算以及物理世界数据之争

本轮AI × 加密讨论的主线是，难题已从模型能力转向结算、验证和数据供应。代理市场正在趋同于相同的交易生命周期，零知识证明和TEE证明被推崇为验证AI工作成果的方式，一批项目正试图将智能手机转变为面向物理AI的付费传感器网络。

代理商务正在标准化托管、交付证明和争议窗口

多个项目现在描述了AI代理相同的四步交易生命周期：资金锁定在托管中，提交交付物，挑战窗口，然后结算。TermiX的AACP协议被描述为围绕这四个状态构建交易——托管 → 交付 → 挑战 → 结算——并提供支持TypeScript、Python和Go的SDK，使应用程序能够发现代理服务、下订单、接收交付物并在链上结算 @Jdjoy321。另一篇文章将AACP描述为定义需求、商定报价、链上托管、提交的交付物以及评估或争议解决流程 @Jaxon0x。

这种结构的论点是，仅凭能力并不能使代理经济运转。正如一篇文章所说，自主代理“无法仅凭能力建立可持续的经济”——它们还需要围绕所执行工作和所收付款项的问责制 @Jaxon0x。一篇相关文章提出了多代理版本的问题：当一个代理收集数据，第二个代理分析数据，第三个代理撰写报告时，如果没有记录每个代理收到和交付内容的链，错误的输出就没有明确的地方来分配失败责任 @Yosefphr。

挑战机制是大多数帖子关注的焦点。一篇关于GoPlus Security代理列表的描述具体阐述了流程：雇佣具有明确范围和价格的安全服务，订单被接受时锁定托管资金，提交带有记录交付哈希的工作，如果结果不符合要求，允许客户凭证据提出挑战，然后结算并将结果反馈到代理的链上声誉中 @Pengu0033。同一作者的告诫是，争议机制并不能保证正确的结果——证据质量和评估过程仍然很重要 @Yosefphr。

验证是技术主张更为具体的地方。一篇文章称其阅读了TermiX的文档，发现了基于TEE和zkVM的交付验证：在可信执行环境中执行的代理会产生加密证明，表明代码未经篡改地运行，提供商可以在zkVM内生成零知识证明，以确认输出正确性，而无需暴露模型权重或私有数据集。链上托管合约在释放稳定币之前检查这些证明，如果验证失败则拒绝交付 @JunoCrypto3。

市场设计也在向两个方向推进。“开放请求”流程允许客户发布需求——描述工作并让提供商响应——而不是手动搜索提供商，作者认为这对代理间商务很重要，因为自主代理不会像人类那样浏览市场 @Rumii_404。分包是另一个方向：在两篇文章描述的演示中，一个名为Forge Studio的代理接受了一份2,000 USDC的游戏开发简报，将其拆分为美术、动画和音效子任务，雇佣其他代理来完成这些任务，并自己保留核心编码和系统集成，每个子任务都有其自己的范围、价格和质押支持的保证 @VaveylaCrypto@ngochoa2k2。

这些帖子中反复出现的反驳观点是，供应不是瓶颈。一篇文章提出了一个直白的问题——“每个人都想构建AI代理，但谁真正在雇佣它们”——并认为下一个突破将来自给代理有意义的工作，而不是列出更多代理 @salar_bloch_。另一篇文章认为，第一手使用报告，包括错误报告和失败的报价，比精心制作的特性帖子更有用的市场遥测数据 @MasterX093。

争议解决正被定位为独立于支付的层。一篇文章详细介绍了GenLayer的“互联网法院”提案：代理在交易前商定条款并选择争议提供商，资金留在托管中，选定的AI验证者审查原始协议和提交的工作，必须多数同意，并且在决定最终确定和合约释放资金之前有一个上诉窗口。该帖子将Arthur Hayes的观点归因于此：代理可以选择在哪里解决争议，就像金融合约可以指定司法管辖区一样。同一作者补充了一个实际反对意见：如果质疑50美元账单的成本超过50美元，小额支付仍然需要一种负担得起的争议不良服务的方式 @HassanNawaz_1。

在协议层面，一场与Hedera相关的研讨会演讲描述了引入一个框架，用于使用新兴协议（包括UCP、AP2、A2A、LCP、ANS和x402）构建代理商务体验，并演示了涉及交付代理的场景 @narb_s。一篇关于TOKEN2049新加坡五场边会的回顾明确阐述了总结立场：AI × 加密正在快速推进，但结算层仍然是悬而未决的问题 @AEON_Community。

代理支付：x402、稳定币和助手商务的分化

x402被解释为让软件无需账户或信用卡即可按请求向网站付费的机制，一个视频系列将开放性问题框定为用户是否会允许AI代理代表他们花钱 @juanjoarl。

代理购物的商业利害关系通过两家零售商之间的对比来说明：Shopify发布了一种方式，让个人助手无需人类访问商店网站即可购买其所有产品，而Amazon则对个人助手关闭，要求人类访问其网站——作者的结论是Shopify赢得了代理商务 @liadyosef。

钱包和结算基础设施正在向多条链上的代理扩展。Privy被描述为将可编程钱包基础设施引入XRP Ledger，以支持支付和代理商务 @allthemoney。SperaxUSD被描述为成为OpenAI Select合作伙伴，一篇合作伙伴帖子详细介绍了包括x402结算、哈希链操作账本和支出保护，以及涵盖EVM和Solana上ERC-8004的单一代理声誉评分在内的技术栈，以便代理在支付前检查其交易对象 @trythreews。

代理支付的风险方面有了具体例子。一篇文章叙述了Elon Musk向他的粉丝发布了一张Grok代理的Lego订单截图，暴露了订单号、价格、送货和账单地址、他卡的后四位以及机器人使用的电子邮件；然后另一位用户发布了截图，暗示订单已通过Lego的客户服务聊天机器人被操纵，包括数量更改为400和更改送货地址。该帖子指出Lego拒绝置评，且这些均未得到证实。它还引用了Visa在2025年末关于代理商务欺诈的警告，即虚假商家网站诱骗AI代理购买并收集支付数据，并报告2025年下半年恶意机器人发起的交易增长了25%，美国则增长了40% @docrussjackson。

可验证和私有AI：ZK证明、TEE和后量子对冲

一批帖子认为，AI的到来使加密验证变得紧迫而非可选。一篇文章声称Vitalik Buterin表示AI可能提前数年破解当今的加密数学，并提出了zkSync的Airbender、Atlas和Prividium作为答案：基于哈希的证明，没有椭圆曲线也没有格，因此AI没有可破解的东西。作者表示，Memento Chain从一开始就基于该基于哈希的Airbender证明层构建 @Memento_Bc。

KBW的小组讨论回顾提出了更广泛的论点，即零知识证明不仅对隐私重要，而且对让人们控制数据和资产同时允许可编程合规也很重要，演讲者描述了Miden正在构建的内容 @azeemk。

企业验证也正在产品化。Sui被描述为与Google Cloud合作构建可验证代理仲裁器（VAA），将可验证的AI操作和严格的企业控制引入生产环境 @Kael_robiu。

零知识证明正被应用于身份和合规，而不仅仅是计算。一篇文章描述了AmericanFortress的同所有者钱包验证，它允许桥接验证接收地址是否属于原始存款人，而无需透露存款人身份，引用了约6.65秒的证明生成和约475毫秒的验证，而以前的方法每个证明需要30多分钟，使用零知识证明并强调后量子方法 @0xshorif。另一篇概述将同一项目的SafeSend功能列为无需依赖硬币混合器即可实现匿名交易 @0xAdilX。

在XRP Ledger上，一篇文章认为交易所不应需要银行对账单来进行合规检查，并描述了一种模型，其中银行签发签名凭证，钱包回答关于资金是否合法的“是/否”证明，交易所检查数学而不查看交易。该帖子引用Credentials和Permissioned Domains已在主网上线，DNAOnChain将ZK证明锚定在XRPL测试网上，以便证明无法被悄悄更改 @RippleXity。

一个金库协议公告描述了使用零知识证明的隐私优先金库，以便协议无需查看用户数据即可验证所需内容，外加由zkML驱动的活体检查，主网定于2026年11月11日 @vaultZKprotocol。

去中心化计算和模型市场

Bittensor的Engy子网被描述为Liquid Inference（Architect Financial Technologies的新实时AI推理交易所）的启动提供商，提供商在价格上竞争以服务700多个模型的请求 @MSBIntel。

AI工作负载的存储和调度是合作伙伴关系公告的焦点：Linka Labs和Nebulai将Nebulai描述为去中心化、可编程的计算层，将闲置的GPU和CPU转变为无需许可的网络，而Linka Labs正在为AI网络构建存储调度协议，使模型权重、数据集和代理状态可发现和可调度 @LinkaLabs。

差异化正在基于硬件假设而非原始规模进行论证。一篇文章声称大多数DePIN计算运行在改装的消费级GPU上，而PowerNode从第一个规格开始就为推理而构建——“不同的起点问题，不同的网络” @Pai3Ai。Acurast提出了类似的宣传，描述将智能手机转变为更私密、可验证AI的去中心化计算网络 @Acurast。

Bittensor的经济学在一篇文章中得到了明确的主观处理，该文章认为，由于Bittensor的挖矿竞赛经济学，没有人能在代币生产成本上击败TAO，并将其与比特币如何免费挖出最大的超级计算机应用于AI进行比较 @markjeffrey。另一篇文章宣布了Bittensor相关的Perturb视频竞赛，该竞赛旨在在AI模型进入现实世界之前发现其弱点，总奖金为7 TAO，以SN26 alpha支付，并向Bittensor前350名声音开放 @Stitch3_ai。

一篇较长的文章认为，AI基础设施正变得集中在少数控制计算、专有数据和先进模型的公司手中，而去中心化网络可以通过透明的激励和可编程支付来协调独立贡献者。同一篇文章指出，难点在于验证性能、保持可靠性以及在成本上与集中式云保持竞争力，并且AI代理购买计算、数据或其他代理的服务可能是加密最强大的用例之一 @BossMon_02。一篇配套文章就数据所有权提出了同样的论点，指出贡献者通常对其信息如何被收集和货币化的控制有限，区块链记录可以帮助建立来源并跟踪数据的使用方式 @BossMon_02。

去中心化数据：可验证的训练数据和物理世界捕获

DATA基金会（前身为Story）正在迁移到Sui，Sui基金会投资了3000万美元并成为其最大的机构利益相关者，据两篇社区帖子称。同一帖子称，DATA和Trace正在迁移到Sui，拥有超过2.5亿条可验证AI训练数据的记录收据，Walrus协议将成为DATA基金会应用的默认存储层，DATA仍然是协议代币，SY Lee加入Sui基金会担任战略顾问 @0xbunny_@0xbunny_。

一个关于为什么现实世界镜头不断吸引构建者的相关数据点：《自然》杂志发布了Natura-1，一个500亿参数的机器人手模型，基于超过100万小时人们使用双手的第一人称视频训练，据《福布斯》报道。同一帖子指出了作者的告诫，即尚未公布成功率和基准，从人类视频到可靠的机器人行为仍未解决 @SmaeiliVahid。

Vangrid是本次综述中讨论最多的项目，其宣传在帖子中保持一致：将智能手机转变为分布式捕获网络，以便按需扫描现实世界位置，重建为3D模型，并链接到Base上的可验证来源，贡献者以USDC获得报酬 @tolu_id@Rabiussunny11@JaviQminer@EthanZguyen@SahelWeb3@remonnyy@RosecryptoXx。所述动机是，机器人和自主系统需要关于特定物理地点的准确、最新信息，这些信息无法从网站抓取或完全在模拟中生成 @tolu_id@mahdiHas@remonnyy。

几篇帖子详细描述了工作流程：请求者（包括AI代理）为特定地点提供赏金，贡献者访问并使用智能手机扫描，捕获内容被审查并重建为可下载为GLB文件的纹理模型，捕获记录通过Base上的链上来源进行验证 @Rabiussunny11@ZunnuMetaX@0xPritom。支付被描述为通过API在Base和Arc上使用x402进行 @EthanZguyen@0xPritom，一篇文章称首个代理发起的赏金已在Arc上支付 @0xPritom。验证被描述为捕获在记录时进行指纹识别并批量进行公开验证，因此买家不必完全依赖集中式数据库 @ArewA_96，基于Merkle的批处理通过以太坊证明服务锚定在链上，因此来源可公开检查，而无需为每次捕获单独交易 @aduwaye77@0xPritom。

报告的网络指标因快照而异，应视为自我报告。一篇文章引用了12/10的更新，显示1,250,000次捕获、450,000+用户、4,700+次证明和$600,000+ USDC支付，高于21/9的100万次捕获 @Girlgym67；另一篇引用了1,267,503次捕获、4,916次证明、619,409 USDC结算、2,570,536个网格事件和452,755个活跃节点 @ftm97_；第三篇引用了Base上502,752+次验证捕获，完成415个赏金，结算$239,990+ USDC @CoderJunkie。一篇文章称赏金市场于1/10在Arc上线，Jeremy Allaire引用转发了它，将该项目描述为“DePIN，用于构建3D物理世界AI模型，使用USDC和Arc从AI众包到人类” @Girlgym67。

资金和团队背景据报道为900万美元种子轮，参与者包括HashKey、Borderless、Crypto.com Capital、Animoca Brands、Gate Labs和Mapleblock Capital，总部位于阿姆斯特丹，是NVIDIA Inception的一部分，团队经验来自微软量子计算和HoloLens团队以及其他分布式系统工作 @cryptob28811588@ftm97_@cryptob28811588。

几篇帖子提出了技术限制，而不是认可该模型。一篇认为，完成的捕获不会自动产生机器可读的表示，因为相机移动、光照、视觉重叠、重建质量和数据年龄都会影响实用性，链上来源使贡献记录可审计，但不能独立确定重建与物理现实匹配 @tofudestiny。另一篇做出了成功捕获、接受的预览和满足特定机器人应用精度要求的模型之间的区别，指出为视觉检查构建的模型和为导航构建的模型可能需要同一环境的不同属性 @nguyenvann6_24。第三篇关注数据新鲜度，认为时间戳确定了捕获发生的时间，但不能确定环境将保持不变多久，需求驱动的网络以新鲜度换取响应时间——延迟的重建可能适合提前数周计划的部署，但对面临新堵塞通道的机器人毫无用处 @mayflowers2x8。第四篇指出，刷新空间数据需要将新捕获与正确位置关联，区分真实物理变化与相机位置或光照引起的差异，并给下游用户一种判断置信度的方法 @nguyenvann6_24。

在行业层面框架上，一篇文章报道Grayscale的AI加密板块9月份回报率为+54%，而更广泛的加密市场为+24%，而AI仍然是Grayscale名单上最小的板块，约为150亿美元，并总结了Grayscale强调的四个符合AI基础设施叙事的代币：NEAR用于代理商务轨道，Venice用于隐私聚焦的AI，World用于人性证明，Bittensor用于开放的专业AI子网网络。同一作者自己的告诫值得记住：“叙事比收入移动得更快。知道你买的是哪一个。” @2xnmore