AI × Crypto 综述：智能体结算轨道、可验证推理与物理世界数据网络

AI × Crypto 的讨论重心已从“能聊天的智能体”转向了让智能体能够寻找工作、证明工作成果并获得报酬的基础设施。在这一批文章中，四个领域占据了主导地位：智能体商业与结算层、可验证 AI（推理、数据和模型来源的证明）、闲置硬件上的去中心化计算，以及为机器人提供现实世界空间数据的分布式采集网络。

智能体商业与结算轨道

一个反复出现的观点是：发现机制已经解决，但结算机制尚未解决。 多篇文章将缺失的环节定义为交易本身：谁持有资金、如何验证交付，以及当买家和提供者发生分歧时该怎么办。

TermiX 在多篇文章中被描述为 AI 智能体的商业与结算层，而非简单的智能体目录。一篇文章报告称，该平台拥有超过 130 万个智能体、57.2 万个工作任务和 2960 万美元以上的交易额，所有数据均可公开验证。文章区分了智能体目录（“谁存在”）与智能体经济（“谁真正被雇佣、交付并完成链上结算”）@zelweb3。另一篇文章引用 DeFiLlama 的数据称，其累计收入约为 59.4 万美元，日收入 3080 美元，月收入 10.3 万美元，但同时明确提醒，这些是报告指标，在得出结论前应核实其定义 @iam_islandboi。

其核心协议是 AACP（智能体自主商业协议）。一篇指南描述了其流程：提供者列出服务或买家发布需求，对比报价，一旦报价被接受且结账资金到位，订单将进入涵盖执行、交付和结算的链上生命周期，并包含争议解决路径。值得注意的是，同一个智能体可以在一个订单中购买服务，在另一个订单中提供服务，且身份与角色在每笔交易中是分离的 @marzi_x3。另一篇文章列出了其组件：链上身份、工作发现、竞价、托管、交付验证、声誉与质押，以及 USDC/USDT 结算 @jiabtc。

一位作者认为，经济上最有趣的设计选择是将声誉与资本效率挂钩：如果智能体的过往记录可以减少其必须质押的金额，那么可靠性就变得具有直接价值，而不仅仅是一个个人资料分数 @MuriscoOfficial。另一位作者将其表述为可组合性——开发者应该能够将专业智能体插入工作流，而无需为每次集成重新构建商业逻辑（身份、工作协议、交付、结算）@Yosefphr。

一篇实操记录描述了在 BNB Chain 上以 1 USDT 雇佣 AI 队友玩合作游戏的过程：资金锁定在链上托管中，约一分钟内交付游戏链接，进行 30 分钟会话，并赚取 100 个 TermiX 积分。作者指出，这些是第一季贡献积分，并非代币或可转让资产 @shafi_btc。另一篇文章将智能体技能流程分为五个步骤——服务发现、下单、交付、托管与结算、声誉——并指出仅安装智能体技能并不能带来客户或保证收入 @sahar1371ak。

关于活动指标，一篇文章报告称第一纪元（Epoch 1）带来了 1000 多名加密 KOL、6400 多篇文章和 2400 万次以上的浏览量，而第二纪元转向了活跃度：约 6.2 万个智能体，4200 个结算工作任务，到 10 月 1 日，结算的工作任务首次超过了注册智能体数量 @jiabtc。

一篇持怀疑态度的文章认为，真正的考验在于执行：交付成果如何评估，争议在实践中如何处理，买家和智能体双方存在哪些保护措施，以及系统在处理日益复杂的交易时是否会变得难以使用 @crypto_first21。另一篇文章专门针对争议交付提出了同样的问题 @Arshia972。

智能体支付：x402、稳定币与支出控制

智能体的支付基础设施正围绕稳定币、非托管钱包和 x402 等程序化标准进行整合——授权而非速度，才是目前亟待解决的问题。

Stripe Crypto 描述了如何将稳定币、非托管钱包和 Link 余额整合在一起，为 AI 智能体实现智能体商业，并点名 Instinct 作为首个集成方 @StripeCrypto。Crossmint 和 Channel3 推出了一种让 AI 助手为其驱动的商业活动获得报酬的方式，定位为智能体结账 @alexsrawitz。

据一份报告显示，Concordium 的智能体注册表（Agent Registry）从 7 月的 1131 个智能体增长到主网上的 3828 个，拥有超过 61.4 万笔与智能体相关的交易，且有六个平台正在使用或读取该注册表。10 月 14 日，XDC Network 选择 Concordium 作为其智能体支付市场 XDC AI 的独家身份验证层；通过 x402，智能体可以使用具有所有者定义支出限额的非托管钱包，以 USDC 支付服务费用。同一报告指出，智能体通过小费服务互相发送了超过 47.8 万个 CCD，且“Verified by Concordium”徽章支持 200 多个链上的智能体 @CryptLoom。

一个反复出现的反驳观点是：微支付轨道已经得到验证，但有意义的自主金融尚未实现。一篇文章引用 ZeruAI 强调的一份报告称，90.8% 的采样 x402 支付金额低于一美分，并认为更难的问题在于将行为信号——钱包历史评分、可疑资金流分析、智能体身份与发现——与可执行的金融权限（如验证授权、交易对手检查和支出控制）连接起来 @destinydou_。一位研究人员关于智能体商业中委托与信任的论文审查了基准、支付协议和消费者法律，以观察 AI 自主购买时会出现什么问题，并指出智能体可能完成了一笔有效的支付，但仍然订购了错误的产品 @vedangvatsa。

可验证 AI：推理、数据与来源证明

验证正应用于三个不同的层面：智能体执行的计算、它消耗的数据以及模型本身。

在推理层，一篇文章描述了 H15 将可验证推理引入 Keryx 主网：矿工生成其计算的加密轨迹，网络随机选择点来对照实际模型权重进行审计，矿工无法预先知道哪些部分会被检查。验证失败可能导致共识层面的惩罚，而无需人工仲裁 @rukky_003。

在数据层，Primus Labs（前身为 PADO）被描述为通过结合 zkTLS（在不泄露原始数据的情况下加密证明 Web/API 数据真实性）和 zkFHE（实现加密数据上的计算并获得可验证结果）来构建机构链上金融的机密基础设施。列出的用例包括储备金证明、机密支付与转账、可信信贷和可验证 AI 智能体执行；该项目拥有一个实时浏览器扩展 AlphaNet 和真实的储备金证明部署，并获得了 VanEck 和 Samsung NEXT 等机构的支持 @Farmercist。一篇更长的文章将该产品拆解为验证数据、状态和行为，并引用了在隐私保护储备金证明和机密身份层方面的合作 @Agek1d。第三篇文章将同一技术栈描述为赋予智能体 ID 一种在不泄露敏感细节的情况下以可验证完整性行事的方式，认为隐私与验证不再是权衡关系 @gollge。

在模型层，一篇文章强调了 Sentient AGI 在模型指纹识别及其指纹排行榜上的工作，该排行榜比较了模型效用、抗指纹移除能力和可靠验证之间的权衡。作者指出，指纹并非所有权的绝对证明，但随着开源模型被微调和重新分发，这是迈向可验证 AI 的重要一步 @0xStego。

Axiom 提出了一个显著的规模主张：一群 AI 智能体在数学家指导下，在 24 天内重写了数学中最长的证明——有限单群分类（约 1.5 万页，约 4000 万行 Lean 代码）。文章称，年初时，让 AxiomProver 编写一个正确的 1 万行 Lean 证明需要数周的诱导，这使得完成的问题规模约为之前的 4000 倍。Axiom 将这一飞跃归功于同时重建了三个层面：模型、工具链和基础设施 @rohanpaul_ai。

闲置硬件上的去中心化计算

一批项目押注于手机和笔记本电脑，而非新建数据中心，能够吸收 AI 工作负载的很大一部分。

Ingot 在 Bittensor 子网 97 上将模型压缩作为一场公开竞赛：矿工开发强大开源模型的量化版本，竞争在固定大小限制内更忠实地复现原始模型，获胜模型将被发布用于商业用途。文章通过克劳德·香农 1948 年的信息论——信源编码定理的熵下限和率失真理论对可接受误差的容忍度——来阐述量化，并指出以 16 位浮点数存储的语言模型可以压缩到 8 位、4 位甚至 2 位 @IngotSubnet。

Acurast 的 Laya 演示在 Android 手机 CPU 上本地运行了一个约 4.21 亿参数的轻量级开源决策模型，决策时间为 0.2 到 1 秒。文章列举了 9 个 Laya 示例，包括电子邮件分类、新闻验证、聊天审核、AI 提示词注入防御以及游戏。它引用了 Acurast 在 175 个国家/地区拥有超过 34 万部手机、处理 11 亿笔链上交易的规模，同时也提醒演示只是演示，真正的考验是有多少商业任务会迁移到该网络上 @pamzy911。

Aro Network 被描述为将分布式设备协调为用于 AI 工作负载和内容交付的边缘云，作者跟踪了正常运行时间、邻近度、激励质量以及开发者是否真的发送了工作负载。文章报告全球有超过 139.4 万个节点，但指出仅节点数量并不能证明可用容量 @_nghiaphan1019。

Pi Network 的 SoloHost 旨在动员 42 万多个全球分布式节点组成边缘计算网格，企业可以租用该网格用于 AI 模型、自托管服务或数据集，贡献者以 Pi 获得报酬。同一篇文章描述了 PiVerify 和 Pi Sign-In，这是一个建立在 1800 万+ KYC 验证用户基础上的原生 Web3 身份层，并指出开发者峰会定于 2026 年 11 月 17 日至 19 日举行 @tnmse282。

Unicity 的每周更新列出了更强的网络和钱包安全性、更快的证明验证、更可靠的 Codewall 升级、更智能的 SIF 威胁检测，以及为其 Concierge 产品改进的 iOS 隐私控制 @unicity_labs。

机器人物理世界数据网络

最大的一组文章关注同一个论点：物理 AI 和世界模型受限于来自真实环境的新鲜、可验证的空间数据，而非模型能力。

Vangrid 将智能手机变成了分布式采集网络。买家为特定地点发布赏金，贡献者进行拍摄，USDC 赏金在提交被接受前会被托管，采集指纹通过 EAS 在 Base 上进行批处理和锚定，以实现数据来源证明 @minji_defi。被接受的提交会被处理成带有链上采集证明的纹理 3D GLB 模型 @Wazir_____。

报告的数字因文章和日期而异：超过 130 万次采集和 60 万美元以上的已结算 USDC 赏金，并具有用于隐私保护的设备端人脸和车牌模糊处理 @Wazir_____；超过 135 万次采集和 46.5 万个活跃节点 @cukyn1812；以及一个显示超过 1000 个赏金、26 个批量订单和约 67.9 万美元 USDC 结算的赏金板 @maki29。一位作者明确警告不要仅将这些数字视为经常性企业需求的证明，并建议检查具体要求的赏金内容 @maki29。另一位作者提出了一个测量注意事项：浏览器通过钱包活动计算活跃节点，而不一定是唯一的人或正在工作的摄像头，因此钱包可以在没有完成真实世界采集的情况下生成事件 @destinydou_。

融资情况在各篇文章中保持一致：从包括 Animoca Brands 和 HashKey Capital 在内的投资者处筹集了 900 万美元，一篇文章补充了 Borderless、Crypto.com Capital、Gate Labs 和 Mapleblock，并指出它们的网络可以帮助扩大贡献者和买家双方 @v_3394@_ZaricX。

在面向智能体的一侧，Vangrid 记录了一个智能体赏金 API，允许 AI 智能体通过 HTTP 请求采集，并使用 x402 在 Base 或 Arc 上以 USDC 支付 @maki29。一篇详细的文章描述了托管机制：操作员钱包将资金存入链上托管，因此赏金由锁定资金支持，而不是支付承诺；买家在接受前查看带水印的预览，接受后触发 3D 重建，采集记录通过 Merkle 根和 Base EAS 证明获得证据链 @HabibPaart44952。

一篇对比文章认为 Vangrid 和 Hivemapper 并非同一利基市场的竞争对手：Hivemapper 的车辆是高度可扩展的道路传感器，而 Vangrid 瞄准的是车辆无法到达的地方——仓库通道、装卸码头、楼梯间、交通大厅、停车场——这些地方需要有人物理进入并从多个角度进行采集。作者还指出，Hivemapper 已经发展出自己的“工作订单”模型来请求特定覆盖范围，因此认为只有 Vangrid 有需求的说法已经过时 @0xPeggy_。

一个值得注意的技术警告：旨在通过共享空间数据和来源管道接收来自无人机、固定摄像头和车载传感器镜头的企业摄取 API 仍处于早期访问阶段，且尚未证明大规模的多传感器集成 @mtave0128。

该集群中的其他项目：与 Teneo Protocol 合作，通过联合考察将智能体连接到数字信息和物理现实 @bellaa_web3；提交给 CoinMarketCap 的验证请求 @bellaa_web3；以及大量文章重申了核心论点，即机器人失败是因为它们从未见过它们应该工作的场所，如果真实场所发生了变化，过时的 3D 模型将毫无用处 @rahul19_rahul@0x_zozo@just_johnny4@JaviQminer@waahid99@Lenda_0x@bitnexst@erbas321@abrarayuv_clone@binz1104@0x_zozo@AvberEth@Dreamsgrowth@its_EveWeb3@crx_rollins。

去中心化 AI 市场、身份与相关基础设施

几篇文章勾勒了一个更广泛的市场结构，其中计算、模型和数据是在独立提供商之间买卖的，而不是通过单一供应商。

一篇长文认为，去中心化网络可以通过透明的激励和可编程的支付连接参与者，让开发者从一个提供商处获取计算资源，从另一个提供商处获取专业模型，并从多个独立来源获取验证数据，同时声誉机制和可验证的交易历史有助于智能体在投入资源前评估提供商。同一作者提醒，没有任何单一机制能消除所有漏洞，行业必须证明真实需求和可持续的经济性 @BossMon_02@BossMon_02。

NEAR 被定位为智能体和支付的构建场所，结合了私有可验证 AI、基于区块链的安全性和通用流动性 @NEARLegion。一篇关于 Sui 的文章引用了一个愿景，即 Sui 将成为智能体大规模协调和交易的地方 @SuiAlerts。

Concordium 支持的六个平台展示了实践中的身份层：智能体支付市场、智能体间小费服务、新闻锚定系统、使用零知识证明显示账户背后有真实人类的创作者工具、需要主动注册的 AI 谈判游戏，以及显示 ERC-8004 智能体验证徽章的目录 @CryptLoom。

关于隐私基础设施，一篇文章比较了三种私有加密金融方法——使用零知识证明和屏蔽池的链上隐私协议、具有隐藏余额和自我托管的私有钱包，以及注重隐私的离岸银行——并指出其中一种包括可以通过设定限额的卡进行消费的 AI 智能体 @Whitelist1Media。

两个较小的项目完善了这一批次：一个基于身份协议构建的项目黑客松综述，包括群体推理预言机、x402 智能体任务市场、点对点工具链、分布式智能体所有权和智能体启动平台 @0xminion；以及对 Harmonic 的描述，作者称其建立在加密领域之外开发的技术栈上，专注于数学上可验证的 AI 输出，并作为现有启动场所之上的层运行 @supercontraa。

最后，一篇文章描述了 Agent Dojo，用户可以在其中训练智能体的战斗风格、策略和记忆，并观看其在回合制决斗中竞争，智能体通过强化学习而非预编码动画在每场比赛后学习和适应 @BigZUnfiltered。

本次综述的启示

这些文章汇聚成一个单一的结构性主张：智能体经济的约束条件不是模型智能，而是周围的机制——托管、验证、声誉、支出控制和新鲜的现实世界数据。各项目反复出现的开放性问题是一致的：买家是否会回归，交付的工作是否符合要求，以及当涉及真金白银和真实争议时，验证是否经得起考验。