AI × Crypto 综述：智能体支付、可验证执行与去中心化数据

AI × Crypto 领域最实质性的讨论已从“智能体可以使用工具”转向了让智能体能够进行交易、证明其行为以及购买现实世界数据的底层架构。反复出现的主题包括 HTTP 原生支付通道（如 x402）、用于智能体商业的链上身份与托管，以及将执行完整性与事实正确性分离的验证堆栈。

智能体支付正趋向于 HTTP 原生、按请求结算

智能体支付基础设施正转向可编程的、按请求结算的模式，而非依赖开发者门户和 API 密钥。CULT OS 正在通过在 x402 之外增加 MPP 来扩展智能体支付选项，其既定目标是连接智能体经济中的服务发现、访问和支付 @0xlyon01。Vangrid 将 x402 与 Base 和 Arc 结算相结合，使 AI 智能体能够触发单个 HTTP 请求、托管 USDC，并在无需人工干预的情况下订购现实世界的 3D 空间重建 @XTrendTrackerX。

PayAI 运营着一个多网络 x402 促进器，用于验证和结算智能体支付，包括 Solana 批量结算工具，贡献者已将修复程序推送到 x402 本身，涵盖了批量安全性、恢复、会计和性能 @Graham_008。Coinbase 将 Agentic Finance（被描述为智能体版 Coinbase 加上 x402）列为其 2026 年扩展计划中上线的产品之一 @RVanGrack。

加密货币卡也被定位为智能体的消费基础设施。一份综述描述了 Wirex 提供非托管智能体卡、虚拟账户和小额支付；Oobit 提供带有消费限额、商户控制和用户审批的 AI 智能体卡；RedotPay 结合了 MCP 和 MPP 用于智能体主导的发现、结账和支付；OKX 提供带有报价、托管、结算和争议处理的智能体钱包；MetaMask 提供带有消费限额、兑换、永续合约和 x402 的自托管智能体钱包 @Whitelist1Media。

一项月度发布统计显示，共有 25 个 AI 智能体项目发布，其中 10 个涉及让智能体进行支付、证明身份或保持在限额内；x402 在支付中出现了两次，x401 出现在身份验证中。同一发布者提醒说，发布并不等于采用，下一个考验是是否有人真的使用这些通道进行真实资金交易 @only1mrwhite。

智能体商业更需要身份、托管和声誉，而非仅仅是一个支付按钮

更难的问题不在于智能体是否能支付，而在于智能体是谁、谁在交付工作时持有资金，以及谁来判断交付是否可接受。TermiX 的智能体自主商业协议（Agent Autonomous Commerce Protocol）被描述为基于 ERC-8004 实现链上身份、声誉和验证，并基于 ERC-8183 构建工作托管框架，客户为任务提供资金，提供者提交交付物，评估者决定接受或拒绝 @Dan1umma。其市场被描述为支持任务发布、竞标、USDC 或 USDT 托管、交付、审查和结算，并具备争议处理功能 @0xHebee。

TermiX 声称的工作流程从身份到工作、托管、交付、验证再到声誉，交付物经过哈希处理并记录在链上，争议结果由评估者小组审查 @yvesxelise。评估者和仲裁员的角色旨在创建一个检查工作和处理分歧的流程，而不是将每一项完成的任务都视为自动成功 @CteaAminah。AACP 还被描述为包含质押和罚没机制，以便声誉可以从已结算的工作中建立，而不是基于自我声明 @Dosky_ME。

一位发布者报告称，TermiX 收取 1% 到 3% 的协议费用，留给提供者智能体约 95% 的预算，支付给评估者智能体 3% 到 4%，并已处理超过 2900 万美元的链上交易量；同一帖子称，有争议的提交内容会发送给一个使用 TEE 硬件和 zkVM 证明的随机三评估者小组 @jabosiswanto94。这些是项目宣传声明，应以此视角阅读。

一个有用的细微差别是，智能体获得报酬并不一定意味着它控制着工资。在 TermiX 上，一个 .agent 身份在链上铸造，但由所有者的钱包持有，Skills 文档将签名密钥标识为所有者的密钥，因此智能体可以在不一定控制其所赚取资金的情况下执行付费工作。悬而未决的问题是，一个盈利的智能体最终能否在明确的消费限额下支付自己的计算、数据和协作费用 @Naa_Crypt0。

声誉是另一个反复出现的需求。一种观点认为，获得一次客户与赢得足够的信任让他们回头是不同的，因此智能体商业需要可靠的交付和回头客，而不仅仅是任务完成 @Counselor_Ayo。另一种观点将这种转变描述为智能体成为具有链上身份、声誉和托管结算支持的服务提供者 @Noora_Web3。Motes 采取了不同的路径，将每个 NFT 连接到其自己的 AI 智能体和 Robinhood Chain 上的专用智能账户，并具有所有者定义的权限 @shafi_btc。更广泛的身份层还包括用于验证智能体身份和代表人类行事授权的 x401、“了解你的智能体”（Know Your Agent）检查、避免完全私钥访问的智能体权限，以及用于在不具备可链接性的情况下访问受限 API 的 zkAPI @only1mrwhite。

可验证的 AI 声明需要分为执行完整性、输入来源和语义质量

AI × Crypto 中的验证声明经常被混淆。可信执行环境（TEE）在受保护的硬件中隔离计算，并可能提供关于该环境的证明，而零知识虚拟机（zkVM）可以生成加密证明，证明定义的计算遵循了特定的执行关系。它们的安全假设不同：TEE 依赖于硬件、实现和证明，而 zkVM 依赖于被证明的程序、证明系统和验证过程。两者都不能自动证明 AI 生成的答案在事实上是正确的。验证声明应归类为输入来源、执行完整性、输出约束或语义质量，且应将提议的架构与已确认上线的特性区分开来 @alex_crypto98。

Paranoid 提供了一个以隐私为导向的示例：它列出了包括 Claude Opus 5、Claude Sonnet 5、GPT-5.5、GPT-5 mini 和 Gemini 3.1 Pro 在内的前沿模型，称它们可以在无需账户的情况下使用，并且每条消息都用新的零知识证明而不是身份来支付，这样包括模型制造者和平台本身在内的任何人都无法知道是谁发出的请求 @paranoiddotred。

Primus 是该领域讨论最频繁的 zkTLS 项目。其堆栈被描述为使用 zkTLS 来验证数据是否来自合法的 Web 或 API 源，且在真实的 TLS 会话中不泄露原始数据，并使用 zkFHE 在加密数据上进行计算同时保持其受保护；它被定位为现有区块链的可插拔层，而非一条新链 @skylarx999。同样的方法被描述为让协议能够验证 AI 智能体决策背后的关键 API 请求和响应，而不仅仅是最终输出 @0xebii。Primus 的数据验证与计算架构结合了用于链下数据认证的 zkTLS、用于业务逻辑的 zkVM 以及用于部分验证和计算的 TEE @SAPrincessShoes。

在一个应用案例中，Primus 和 Cournot 被描述为使用 zkTLS，以便判断预测市场结果或信用条件的 AI 系统仅依赖于来源经过加密确认的数据。Cournot 被描述为围绕“推理证明”（Proof of Reasoning）构建的 AI 原生解析预言机，已完成数千次解析，并支持包括 42 和 Myriad 在内的平台；该合作伙伴关系还扩展了 Primus 在 Unitas 和 Brevis 上的实时储备证明工作，以及 Perena USD* 的储备验证 @0xRexnftcrypto。

值得在这些声明的同时保留一个关键的反面观点。Primus 已从 VanEck、Samsung Next 和 Alchemy 等投资者处筹集了 650 万美元，但融资验证的是投资者的兴趣，而非产品与市场的契合度。其架构包括一个证明网络和基于 TEE 的组件，因此安全模型不仅仅依赖于证明本身：证明者选择、抗共谋性、硬件保证、故障处理和生产去中心化都很重要。即使是机密余额也可能留下可观察的元数据，如交易时间、公共钱包交互、Gas 使用和地址关系。真正的考验是持续的生产使用和付费客户，而不是 XP 活动或空投投机 @AliBldz。

验证也正在进入物理 AI 领域。Verona 被描述为使机器人训练数据从记录的那一刻起就是可验证的，背景是 Axis Robotics 已发展到超过 27 万人贡献机器人训练数据 @0xZephh。Trace 在 Sui Foundation 3000 万美元投资的支持下，被描述为记录了 2.5 亿多条用于数据来源和使用权的收据，由 Walrus 处理存储，Sui 提供基础设施 @TheWeb3Jessica_。NEAR AI Red 是一个为安全团队提供私有、可验证 AI 的项目，提供对即将推出的模型的早期访问、专门支持以及对路线图的输入 @NEARProtocol。

去中心化计算正围绕推理和数据传输进行整合

去中心化计算活动正集中在推理端点和数据传输上，而不是原始的 GPU 叙事。一项调查统计了 35 家已转型或扩展到 AI 推理和 AI 计算的加密公司，包括交易所、DePIN、再质押和隐私网络、RPC 提供商以及比特币矿工。示例包括 AkashML 托管推理、Aethir Mesh 的 LLM API、io.net 托管 40 多个模型、Theta EdgeCloud LLM 推理、Livepeer 的 AI 子网、Render 的分散式计算子网、Nosana 的 GPU 市场、Fluence 推理、Spheron 的托管 LLM 推理 API、Aleph 的 LibertAI 机密推理以及 ASI:Cloud 推理端点。在隐私方面，NEAR AI Cloud 被描述为提供 62 个模型，其中 16 个可在 TEE 中验证，此外还有 Phala 的机密推理 API、Nillion 的 nilAI 私有推理、TON 的以 TON 支付的 Cocoon 机密推理、SecretAI 和 Oasis ROFL。据称有七家矿工签署了约 1260 亿美元的 AI/HPC 合同 @PinkBrains_io。

Bittensor 子网 105 上的 Beam 正在构建一个数据移动层，而不是新的存储。它在系统团队已经使用的系统（如 S3、R2 和 HTTP）之间移动数据；编排器和工作者在交付性能上竞争；带宽证明（Proof-of-Bandwidth）验证吞吐量、延迟和可靠性；基础定价被描述为每 TB 约 5 美元，而主要云厂商的出口费用约为每 TB 90 美元。目标是在云和智能体之间重复移动数据集、模型权重和结果，并提供链上收据和智能体工作流 @LisaFlorentina8@0x_Kalista。

Weaver Labs 被描述为与 Theta Network 合作，将去中心化 GPU 计算引入其 Cell-Stack 体系中，Cell-Stack 帮助运营商管理网络资源、更好地利用现有基础设施并在需要时部署服务 @TianahEtokh。Injective 宣布将于 2026 年 12 月 1 日至 10 日举办黑客松，专注于 AI 驱动的金融应用、代币化现实世界资产和隐私应用，并欢迎自主交易智能体、AI 支付、永续市场、去中心化 AI 基础设施和期权。Injective 还引入了一个跟踪 NVIDIA GPU 租赁价格的链上永续市场以及测试网上的期权原语 @khan23707。

物理世界数据正成为智能体可支付的服务

另一个集群将现实世界的空间数据视为 AI 智能体可以委托和支付的服务。Vangrid 将智能手机变成了分布式捕获设备：买家或 AI 智能体请求特定位置，贡献者记录多视角扫描，人脸和车牌在上传前在设备上进行模糊处理，素材通过质量检查，被接受的提交内容被重建为 3D 资产，如网格、点云或高斯溅射（Gaussian splats）。捕获内容获得内容指纹、时间戳和粗略位置，验证记录锚定在 Base 上。赏金使用 Base 或 Arc 上的 USDC 托管，贡献者在接受后获得报酬，扣除 10% 的平台费和重建成本；50 美元的赏金在扣除 3 美元的重建成本后，贡献者可获得约 40 美元 @Nobir001。

智能体可以通过 HTTP 发布赏金，接收 402 支付请求，并通过 x402 在 Base 或 Arc 上支付 USDC，无需账户或 API 密钥 @atiqur2904。同样的模式被描述为让智能体请求物理世界的缺失视图、资助赏金并让人类捕获该位置，接受后支付报酬 @Vanquan_titans@Ox_milo。Vangrid 仅为成功重建为可用 3D 几何图形的捕获支付费用，多个独立的捕获可以加强 ground_truth_score，而链上来源使记录可以独立检查 @DrPengu6。

报告的指标因日期和发布者而异。一篇文章引用了所有状态下的 1,052 个赏金、28 个批量订单和约 699,661 美元的 USDC 结算 @maki29。另一篇文章引用了 1,304,193 次捕获和 620,030 美元的已接受赏金，在 973 个发布的赏金中接受了 942 个，同时提醒说历史列表不等于可用工作，结算量不能确定每个交付结果的质量，并且这些赏金中似乎只有一个是由 AI 智能体发布的 @atiqur2904。后来的帖子引用了 679,445 美元的 USDC 结算和超过第 1,087 号赏金的赏金板 @calbuldelis69。早期的帖子引用了较低的总数，包括 502,752 次捕获、415 个地铁赏金和 239,990 美元的 USDC 结算 @CoderJunkie。空间 API 被描述为仍处于早期访问阶段 @maki29。

丹佛一家五金店过道的 400 美元公开赏金说明了需求侧，但尚未确认有可用的数据集：数字记录描述了那里应该有什么，而空间地面实况旨在展示那里实际上有什么 @MasterX093。悬而未决的问题是，真正的买家是否创造了足够的经常性需求来保持网络的增长，以及由此产生的数据是否足够准确、详细和有用，以用于真正的物理 AI 决策 @Ox_milo。