AI × 加密综述：代理支付托管、可验证推理与物理数据层

AI × 加密的讨论已从“代理将进行交易”转向使代理交易安全的基础设施：托管、交付验证、争议窗口，以及实际运行内容的密码学证明。下面几乎所有项目中反复出现的开放性问题都是一样的——基础设施的建设速度超过了能够证明其合理性的需求。

代理支付正汇聚于托管、验证和争议窗口

TermiX 的代理自主商业协议（AACP）是本批次中最常被提及的设计模式。根据 @kriptosensei0 的说法，TermiX 为代理提供了发现服务、下订单、接收交付物并在链上结算支付的基础设施，客户资金在工作开始前被托管，通过哈希验证确认交付了正确的文件或版本，并设有明确的窗口供客户提出争议。@oxadriancole 将同样的机制描述为链上托管重要的原因：当工作报价被接受时支付被锁定，并通过工作结算流程释放，交付物与链上哈希相关联，并设有争议挑战窗口。@ELoghinova 将身份和声誉归因于 ERC-8004，将任务组织和结算归因于 AACP 中的 ERC-8183。@Sense_mex 和 @kumar58429 将相同的流程描述为 代理 → 任务 → 托管 → 执行 → 验证 → 结算。@Ranaverse618 表示 AACP 已在 BNB Chain 和 Base 上运行，提供商保留约 95% 的收入。

该协议还支持代理之间的分包。@Defi_Insider_1 描述了一个演示，其中名为 Forge Studio 的代理收到一份 2,000 USDC 的游戏简报，将其拆分为美术、动画和声音子任务，并雇佣专业代理——每个子任务都带有明确的范围、价格和质押支持的保证——而主代理则负责代码和集成。@themahmud5 描述了同样的例子，并指出协调代理不再只是完成任务，而是在分配工作和管理交付物。

在支付之外，有几篇文章认为代理需要一种方式将自己呈现为可销售的服务。@EthDerrick 描述了创建代理服务页面并列出可购买的服务，将其框定为推动代理“超越仅仅拥有身份，真正提供人们可以付费的东西”。@Defi_Insider_1 指出，预测市场代理 PolyWin.agent 已在 TermiX 生态系统中上线。

权限问题：将行动权与支付凭证分离

一个独特的线索涉及代理实际应该被允许持有什么。@leilamakes 直截了当地指出了区别：“授权 AI 代理进行购买和给它你的实际支付详细信息之间有很大区别”，认为代理商业需要一种将行动许可与敏感信息访问分开的方式。@terryangelos 将同样的问题框定为一场“钱包战争”，争夺谁向代理提供支付凭证，因为代理成为电子商务的新用户体验，预测代理商业的 AOL 时代将让位于开放标准。

本批次中出现了一些具体的钱包集成。@francescoswiss 宣布 MetaMask 的 Agent Wallet 可在机器人上使用，让 AI 代理管理钱包、交换和桥接代币、在 Hyperliquid 上交易永续合约、访问 Polymarket 预测市场并在链上赚取收益。@project0 描述了将 Claude、Cursor、Codex 或 x402 连接到用户自己投资组合的 DeFi 副驾驶，一个代理链接到帖子所称的 Solana 信贷市场 98% 的份额。@coinbureau 报道称 Ripple 与 Stripe 旗下的 Privy 合作，将嵌入式钱包和 AI 代理支付引入 XRP Ledger，可编程钱包让代理持有资金并进行交易，包括通过 x402 支付；帖子称 Ripple 表示 XRPL 已处理 1300 万笔代理支付，代理活动现在约占网络活动的 25%。

x402 的交易量是真实的；买家是悬而未决的问题

有两篇文章对代理支付量作为成功指标提出异议。@Baheet_ 表示，在预测 x402 将成为 AI 代理的支付轨道十一个月后，“轨道已经建成”，Linux 基金会、Stripe、Visa 和 Mastercard 都参与其中——但补充说“买家从未出现”，89% 的交易量不是真实的。@only1mrwhite 指出 Coinbase 在 2026 年第一季度业绩中报告处理了超过 1 亿笔 x402 支付，然后警告说交易数量可能包括重复测试、自动化请求和仅值几分钱零头的微支付，因此高交易量并不自动意味着可观的收入或可持续的需求。

还有两篇文章将代理商业视为赢家通吃的分发问题。@shafu0x 认为代理商业“对于任何不是第一个推荐的人来说将是残酷的”。@RaoulGMI 认为代理经济的轨道将集中在少数几个 L1 上，因为所有经济活动都必须在某个地方进行协调。

可验证 AI：证明实际运行的内容

一组文章认为，一旦代理持有资本并调用工具，信任运营商就不再足够。@ferdo717 直接陈述了问题：你仍然必须信任运营商没有更换模型、篡改会话或隐藏实际运行的内容，并提议在 TEE 内进行硬件证明的执行，结果在同一笔交易中在链上结算，同时配备原生 AI 预编译和加密提示。@ericgudboy 将同样的立场总结为“能力不等于信任”，并描述 Ritual 为 AI 输出带来密码学验证。@saamzzzbro 将 Ritual 的工作框定为从 2023 年管理资本的单一链上代理到代理机构框架的进展。

Primus Labs 因结合 zkTLS 和 FHE 而反复出现。@Fatimabadam 将 zkTLS 解释为验证来自网站数据的真实性，zkFHE 为在加密数据上进行计算同时保持其受保护，目标是将这些带到现有区块链，而不是要求迁移到新链。@PatAscend 列出了四个组件：zkTLS 网络证明、用于现有 EVM 链上私有和可验证智能合约的 zkFHE/FHE、具有 TEE 以及质押和惩罚的去中心化证明节点网络，以及链无关的开发人员 API 和 SDK。@gfon_wolf 给出了一个具体用例——证明来自真实在线来源的月收入声明而不暴露整个银行对账单，并在代理交易前验证市场数据的来源。@Legend451Crypto 表示 Primus 在 BNB Chain 上的 Confidential Vault 已上线，支持加密余额、私人转账和收益操作，其 zkFHE 研究已达到 USENIX Security 2026，并正在针对 FHE 的计算开销进行 GPU 加速工作。

有两篇文章涉及钱包级密码学。@aquilaneratr 将 AmericanFortress 的 ZKPoSP 描述为一种种子来源方法：证明钱包是从秘密中合法派生的，而不泄露秘密，其动机是将所有权连续性带入后量子安全模型。作者明确表示这是一个研究方向，附有相关的 IACR ePrint，而不是已部署的标准。@xProfGonzales 讨论了 TensorCash 在可验证 AI 推理方面的工作，将其作为可交易商品并围绕其建立金融基础设施，并指出作者自己的警告，即他追踪的人与公司之间的联系并不确认合作伙伴关系、投资或机构参与。

去中心化计算：更大的子网、机密 VM 和有用工作问题

Bittensor 的奖励机制发生了变化。@bittingthembits 报道称 OpenTensor 发布了 Null Consensus，将每个子网的参与者上限从 256 提高到 2,500——从约 32,800 个席位增加到约 320,000 个。在之前的 Yuma 系统下，矿工提交工作，多个验证者对其进行评分，协议会削减大多数人不支持的分数；在 Null 下，最高质押的验证者设置矿工权重，而其他质押者仍获得按比例的股息，精确的整数权重确保在数千名矿工中保持微小奖励份额的准确性。作者指出 Yuma 仍然是默认设置，子网所有者选择他们的奖励系统。同一篇文章强调，矿工现在可以通过工作量证明注册，而不需要预先提供 TAO，这意味着一个自主代理可以仅使用计算能力加入、竞争和赚取收益。作者自己的警告：Null 将权重设置放在一个验证者手中，并依赖于对该验证者的信任，廉价注册需要垃圾邮件防护，更多席位并不意味着更多价值，除非子网用有用工作填满它们。

@0xchainink 列出了 128 个 Bittensor 子网中最大的 16 个活跃子网，包括 SN51 lium.io 租用 GPU、SN64 chutes.ai 托管模型、SN4 TargonCompute 用于密封 enclave 计算、SN53 engyai 用于证明模型运行、SN44 webuildscore 用于数据摄像头，以及 SN120 affine.io 用于推理竞赛。@opentensor 将子网 4 的 Targon 描述为在 Bittensor 上构建去中心化 GPU 云，其机密 VM 使用 Intel 和 NVIDIA 硬件安全来保护敏感模型和数据，即使对运营服务器的提供商也是如此。@ShizzyUnchained 报道称 SN92 REAX 加入了 Bittensor，其决策模型旨在做出决策而不是生成文本，声称推理速度最高提升 4 倍，API 定价从每百万输入代币 $0.019 起。@Cats_CR 补充说，该项目在 JevBench 上进行了数周基准测试后启动。

Pearl (PRL) 是本批次中最详细的有用工作案例。@0xchainink 将其描述为工作量证明 Layer 1，矿工执行矩阵乘法而不是哈希，基于 Ilan Komargodski 和 Omri Weinstein 2025 年的论文《任意矩阵乘法的有用工作证明》，该论文提出了一种与朴素矩阵乘法相比仅 1+o(1) 开销的方案。帖子称主网作为基于 btcd 的比特币分叉在 ISC 许可下启动，保留 UTXO 模型和费用拍卖，同时将哈希替换为分块 INT8 矩阵乘法，输入通过低秩噪声掩盖，每个获胜证明包装在 Plonky2 zk-SNARK 中。它报告没有预挖和代币销售，与 Together AI 合作，Gemma-4-31B 端点折扣超过 25%，因为排放抵消了部分成本，NVIDIA Inception 会员资格，以及社区审查中的 FP8 规范。关键的是，同一篇文章引用了 Abhinaba Basu 的一项独立 arXiv 研究，估计网络约有 320,000 个 GPU 等效设备，消耗约 112 MW，并发现哈希率主要是纯挖矿而不是真正的 AI 推理——协议验证矩阵工作发生了，而不是它是否有用。

@sreeramkannan 宣布了 Darkbloom，描述为一个去中心化推理网络，任何拥有 MacBook 的人都可以成为“数据中心”的一部分，围绕后 AGI 时代最大化个人能动性构建。@zordcrypt 列出了加密方法处理计算的分类：GPU 所有权和融资（Compute Labs、gaib.ai）、去中心化计算市场（Aethir、io.net、Akash）、代币化推理访问（Orbio、Cerebro）、去中心化 AI 生产（Bittensor 子网）和代理驱动的需求（Virtuals）。作者的核心警告是，网络可以处理数百万的计算支付，而不会为其代币创造等效需求，并且四个经济位置——硬件所有者、市场、融资协议、代币持有者——是不同的。

一个较小的计算经济学帖子值得注意：@JPuurnomoa 描述了 MarathonBuild 让你保留相同的模型和 API，但指定你可以等待多长时间，更长的窗口将运行成本降低高达约 65%，由 GoKiteAI 提供支持——其论点是代理经济需要廉价的耐心和快速的答案一样多。

物理 AI 的数据问题是来源问题

大量帖子汇聚于一个主张：机器人需要关于特定真实地点的地面级数据，而更难的问题是证明这些数据的来源。Vangrid 是这里被引用最多的项目。@HBO_data 描述了实时流程：代理通过一次 HTTP 调用发布赏金并通过 x402 以 USDC 支付，资金存放在托管中，贡献者在手机上捕获站点，代理审查并接受提交，支付释放，代理收到 3D 模型；如果代理取消或截止日期过去，USDC 全额退还。帖子称该流程已在 Arc（Circle 的 L1）和 Base 上运行，每次捕获通过 Base 上的 EAS 锚定，面部和车牌在贡献者设备上上传前被模糊处理。@0xerfa 补充说，代理成为网络上除贡献者和请求者之外的第三个角色，不涉及账户或 API 密钥。@tofudestiny 指出一个设计细节：买方最初收到带水印的预览，而原始素材在接受前保持不可访问，重建可能需要一个多小时，因此交易具有不同的阶段——捕获 → 预览 → 接受 → 重建/交付 → 结算。@e4ma_officiall 解释说，在录制时创建指纹，捕获批次及其根在 Base 上证明，因此原始视频保持链下，而证明和支付活动可在链上检查。

有几篇文章强调为什么来源比数量更重要。@njkjh00 认为，对于机器人来说，“这是从哪里来的？”不再是无聊的元数据问题，来源成为产品的一部分。@LeonWgmii 报告称浏览器显示 123 万+ 次捕获、249 万+ 网格事件和 4,500+ 证明，并指出链上证明并不自动使素材准确，但为问责制奠定了基础。@0xLongDC 认为有用的区别是从机器将行动的精确视角按需获取数据，指出 Vangrid 在 8 月宣布 900 万美元种子轮之前，于 7 月已有 Web 和 Android 上线。@Axismeta 和 @Axismeta 表示 900 万美元的资金来自 HashKey、Crypto.com Capital、Animoca Brands、Borderless、Gate Labs 和 MapleBlock，早期贡献者在 TGE 转换为 $VAN 之前赚取 PTC。@Headmetax 提供了反方观点：更多捕获并不自动意味着更高质量的数据或重复的企业需求，重要的里程碑是数据质量、地理覆盖、重复买家和来自实际数据使用的收入。@tbros6868、@Ugnonny、@R2carloss、@CARTOONIST_MC1、@bigfarm_x、@RayhanTreader、@Ugnonny、@kaybee_mmg、@nguyenthambt 和 @meo_testnet 提出了相同论点的变体——集中式收集团队无法单独覆盖物理世界，设备端匿名化加上链上验证是使贡献者提供的数据可用的关键。

还有两个物理数据项目出现。@2xnmore 报道称 OpenRoboto（SN80，被描述为 Bittensor 上最大的机器人子网）将 peaqOS 放在其前 30 个 OR S1 数据收集器上，为每个设备提供 Solana 上的去中心化身份和钱包，因此每一小时的第一人称工作场所录像都可以追溯到特定的公开可检查设备，设备可以因接受的性能直接在 Solana 上获得支付，收集器变得可融资。作者指出，声明的下一步是机器货币市场，以资助更多单位。@0xUpkibaVn 将 Axis Robotics 描述为 Base 上的复合数据引擎，全球训练者提交经过验证的链上轨迹，供应量硬上限为 10 亿，超过 61% 分配给网络和社区奖励；@0xLongDC 补充说 Axis 收集了数百万条轨迹，并正在准备其 TGE。

个人 AI 所有权和记忆锁定论点

@AshtonHetti 介绍了 Own 1 和一种称为可扩展私人智能（SPI）的架构，认为这十年的真正锁定不是应用商店，而是你的记忆：模型在能力上正在趋同，但每个模型了解你的内容不会趋同。该提案将“你的智能”（记忆、上下文、文件、工作区、身份、偏好、代理、工作流程）与“执行”（模型、GPU、云、设备）分开，因此模型成为你交换的商品，你积累的个人上下文成为可移植资产。帖子描述了三个组件——基于 NixOS 的 OwnXOS，密钥通过 TPM2 绑定到硬件并全盘加密，Own 1 作为个人 AI 计算机，设备端 99 TOPS，高达 96 GB 统一内存和 8 TB 可更换加密存储，以及 OwnXCloud 将溢出路由到 482 个地区的 34 个提供商。值得注意的是，对于本综述，它指出每个代理都有一个钱包，带有其不能超过的支出策略，通过 x402 以稳定币支付模型、API 和计算，每个动作都留下收据。

反复出现的需求侧问题

在这些项目中，最一致的警告是代理、计算和数据的供应本身并不能创造经济。@salar_bloch_ 直接指出：代理经济中的下一个大问题不是构建更多代理，而是找到真正需要他们工作的人，真正的增长指标是完成并支付了多少有用的工作。@only1mrwhite 将同样的紧张关系框定为基础设施是成为真正的经济还是非常活跃的沙盒。@Headmetax 将其应用于物理数据：问题不是捕获了多少现实，而是该数据可以创造多少价值。@bittingthembits 对 Bittensor 扩展容量提出了等效观点——更多席位并不意味着更多价值，除非子网用有用工作填满它们。