AI x Crypto Roundup: The Rise of Agentic Commerce and Verifiable Compute
AI x Crypto Roundup: The Rise of Agentic Commerce and Verifiable Compute
AI 與加密貨幣的交集正從關注模型訓練轉向部署功能性的「代理經濟」（agent economy）。這一轉變的特徵是採用機器對機器（machine-to-machine）支付標準、AI 推論的去中心化，以及向可驗證的 AI 身分與執行邁進，以取代對「黑箱」模型的盲目信任。
Agentic Commerce and x402 Payments
自主 AI 代理正日益具備獨立執行金融交易的能力，使網路從「人類優先」轉向「代理優先」的體驗。這一趨勢的核心驅動力是 x402 支付標準，它重啟了 HTTP 402 "Payment Required" 狀態碼，以實現使用穩定幣進行即時、請求層級的微支付，從而消除了對傳統 API 金鑰或訂閱制的需要。
代理支付的關鍵發展包括：
- Network Adoption: Solana 已據報處理了 1500 萬次 AI 代理支付，有消息稱其處理了約一半的 x402 流量 [Rifat Ahmed]。在 Base 上，x402 正被用於允許代理透過 Apify 支付超過 20,000 種網路自動化與數據工具 [Base Insights, mahnax4.base.eth]。
- Infrastructure Providers: PayAI Network、Primer Systems 與 T54 等專案正在為這些機器對機器支付構建促成者與信任層 [PayAI Network, MESSIER | M87, ChartNerd]。
- Agent-to-Agent Economy: 「代理商務」（agentic commerce）的出現，正見證代理正在經營商店、管理投資組合並聘請其他代理。例如，RibbitaStore 實驗展示了一個循環：代理接受支付、觸發工作流，並透過 x402 支付基礎設施費用 [Генрих Буркатовский]。
Decentralized AI Compute and Inference
產業焦點正從訓練模型轉向 inference（推論）——即模型生成輸出結果的階段——這部分約佔全球 AI 計算支出的一部份，約為三分之二。去中心化推論網路旨在為中心化雲端供應商提供更便宜、私密且可驗證的替代方案。
- Performance and Scale: c0mputeAI 最近展示了在五個不同國家的五個消費級 GPU 上運行 229B-parameter 模型的能力，證明了大型模型可以分佈在日常硬體上 [TECA]。
- Marketplaces and Subnets: Bittensor ($TAO) 持續演進為一個智能情報市場。最近的亮點包括在 SN17 上啟動代理挖礦以進行 3D 資產生成，以及在 SN33 上為代理開發專用的編碼數據 [Openτensor Foundation]。
- Hardware Utilization: Nosana 與 AlpenGlow 等專案正致力於讓分佈式 GPU 在現實世界的開發者工作負載與 Solana 上的可驗證推論變得可靠 [Nosana, Tech Terminal]。
Verifiable AI and Trust Infrastructure
隨著 AI 代理管理更多資金與敏感數據，產業正向「可驗證 AI」邁進，以確保在不犧牲隱私的前提下實現問責制。 \n- Identity and Accountability: Concordium Agent Registry 允許 AI 代理證明其背後是由經過驗證的個人或企業支持，而無需揭露個人身分，從而實現可驗證的打賞與內容創作 [Travladd, CRYPTO BARBIE]。
- Cryptographic Verification: ARCTERMINAL 正透過結合加密收據、加密記憶體與零知識訓練來確保 AI 互動是安全且由用戶控制的，從而專注於可驗證 AI [Akash.eth, JUNIOR CRYPTO]。
- Adjudication Layers: 為了處理代理經濟中的糾紛，GenLayer 正在開發使用 Intelligent Contracts 與 Optimistic Democracy 的「裁決層」（adjudication layer），以確保代理對代理的糾紛中敗訴方能真正遵守判決 [DEFI Fundamentals, Death Viper]。
Decentralized Data and Model Marketplaces
AI 的「豐富化層」（enrichment layer）——即代理使用的結構化數據，是去中心化網路的關鍵開放機會。
- Interaction Data: DataHedge 瞄準的是人類與 AI 的互動數據（提示詞與工作流），而非通用的網路數據，將自己定位為代理評估的基礎設施層 [Alan Master]。 \n- Training Data Marketplaces: Brainblast AI 報告稱，其訓練數據市場已提交了超過 1,350 個經過驗證的陷阱實例，用以揭露 73 個熱門 SDK 的問題 [Brainblast AI]。
- Data-First L1s: Flare Network 正將自己定位為數據基礎設施，直接向智能合約提供可驗證的外部數據，以支持 DeFi 與 AI 實用性 [Keval Gala]。