分類: 星球日報

原创 | Odaily 星球日报（@OdailyChina）

作者｜Azuma（@azuma_eth）

一起意外的数据泄露事件，让世界提前知道了 Anthropic 接下来将要发布的核弹级产品。

《财富》上周四报道表示，Claude 背后的 AI 开发公司 Anthropic 正在训练了一款名为 Mythos 的新模型（内部代号疑似为 Capybara），而该公司在内部将其描述为“迄今为止所开发的最强大的 AI 模型”。审查过相关材料的网络安全研究人员透露，该模型是在一篇遗留在未受保护、可公开搜索的数据缓存中的博客文章草稿（现已不可访问）中发现的，而 Anthropic 则在《财富》询问之后证实了该模型的存在。

Anthropic 方面将 Capybara 描述为一个新的模型层级，相较于 Claude 当前最强大的模型层级 Opus 4.6，Capybara 在软件编码、学术推理和网络安全等测试中得分大幅提高。

早在去年 12 月，Anthropic 便曾做过一场利用 AI 去自主攻击加密货币智能合约的测试，结果证明了可盈利、可复用的 AI 自主攻击在技术上已然可行 —— 详见《成功模拟盗窃460万美元，AI已经学会自主攻击智能合约了》。

如今，随着更强大且有着网络安全特化能力的新模型问世，加密货币的安全攻防形势将会出现哪些变化？为了更透彻地解答这些问题，Odaily 星球日报特意邀请到了业界安全专家、慢雾创始人余弦（X：@evilcos）来为大家解惑。

AI 的安全威胁，比你想象中来得更快

在对话的一开始，余弦便直接表示，业内的许多人还在把 AI 的安全威胁视作“未来时”，但现实进度可能会比行业想象得更快一些 —— AI 对加密安全的影响，不是即将到来，而是早已开始发生。在他看来，AI 对于加密货币安全的影响路径主要有两大类。

第一类是攻击者主动利用 AI 作恶。这既包括过去两年间已在加密行业内泛滥的社交工程攻击，即通过深度伪造视频、伪造音频在社交媒体上发起远程诈骗；也包括更偏“技术流”的直接攻击方案，即基于公开漏洞样本、真实攻击案例以及利用细节，借助 AI 去训练漏洞发现、漏洞利用的方法论 —— 这不仅限于智能合约领域，任何能够基于历史经验进行训练与实操的安全环节，都可能成为 AI 的用武之地。

第二类风险当下相对容易被忽视，但却更值得行业警惕 —— 项目方自己在用 AI 开发，却把新的安全问题一起带进了系统。随着 AI 编程能力的不断升级，从改进生产力的角度来看，越来越多的项目方开始依赖于 Vibe-Coding 进行代码编写。效率的提升确实肉眼可见，可副作用也同样明显，AI 难免会出现“幻觉”，它可能因为依赖污染、错误安装包、错误代码库引用等问题，把隐患直接写进生产环境。

这并非危言耸听。今年 2 月，借贷协议 Moonwell 便因预言机喂价公式错误而被盗 178 万美元，而导致公式错误的直接原因便是该项目依赖 Claude Opus 4.6 编写了存在漏洞的代码，cbETH 的价格被错误设置为 1.12 美元，而当时的实际价格应为约 2200 美元。

在 AI 全方位重塑世界的当下，它不仅仅是黑客手里的武器，同样也可能成为项目方自己“埋雷”的工具。

哪些项目最容易成为 AI 时代的猎物？

如果说 AI 已经进入攻防双方，那么接下来的问题就很现实，谁更容易中枪？

余弦的判断很直接，资金量大的项目，永远是最优先的目标。加密行业的特殊性在于，协议之上会直接承载真金白银，且由于去中心化的理念，合约资金状况对外界往往也是透明的。对于攻击者而言，投入和产出比始终是第一原则，因此只要协议上的 TVL 足够大，它天然就会进入重点打击名单，必然会被攻击者持续性研究、扫描与突破。

除去大资金项目外，另一类高危目标，是刚上线不久、漏洞又比较明显的新项目。 此类项目的资金规模虽然有限，却经常成为“抢跑式攻击”的牺牲品。因为在 AI 的加持下，批量扫描、自动识别、自动利用的链路已经越来越成熟，一些新项目在刚上线不久、资金规模还没完全做大之前，就可能因为明显甚至低级的漏洞，被多支攻击队伍同时盯上。此时比的不是谁更聪明，而是谁更快。谁先下手，谁就可能先拿到收益。

余弦特别提到，还有一类项目同样值得警惕 —— 即那些运行时间很久、已经让市场产生“应该没问题了”错觉的老牌协议。最典型的例子便是去年老牌协议 Balancer 的“翻车”（可参阅：《老牌DeFi沦陷：Balancer V2合约漏洞，超1.1亿美元资产被盗》），很多老牌项目已无事运营多年，也做过了多轮审计，团队和用户都容易形成一种“系统已经足够安全”的惯性认知。但现实却是，越是这种“默认安全”的协议，越可能成为某些攻击团伙长期研究、战略性突破的对象，一旦项目方响应变慢、治理流程冗长，甚至恰逢团队休假、注意力下降，被利用后的损失反而可能更加惨重。

项目方及用户，分别该如何布防？

在对话中，余弦反复强调的一点是，项目方应该更主动地拥抱 AI。原因很简单，外部的攻击者都在用 AI 武装自己，而你如果还停留在“只靠传统人工审计、系统跑了很久应该没事”的思路里，本质上就是在打一场信息差极大的战争。

从生产力发展的角度来看，“用 AI 去写代码”是必然趋势，但问题在于，你不能只想着享受 AI 带来的效率提升，却不愿建立与之匹配的安全流程 —— 越是在研发流程中深度引入 AI，越要在上线前建立更严格的交叉审查与人工把关机制，比如使用多个 AI 模型进行交叉检验，或是让真正有安全经验、懂工程可靠性的角色参与最终审核。

说白了，就是“别躺平，要勤快一点”。尤其是那些 TVL 已经很高、协议里沉淀着大量用户资金的项目，更应该主动把当前最强的模型能力、安全团队能力结合起来，围绕现有系统重新做一轮安全策略升级。哪怕不是完全依赖 AI，也至少应该理解你的对手正在用什么工具，你自己又该如何应对。这件事在用户认知方面也会是加分项。一个愿意公开拥抱 AI 安全升级、并持续进行风险复检的项目，至少会让市场知道，它没有把历史成绩当作可以偷懒的资本。

相较于还有能力构建体系、投入预算、升级流程的项目方，普通用户在 AI 安全攻防升级面前，处境其实更被动。余弦就此直言道：“对于绝大多数散户来说，这件事（保护自己）确实很难。”

真正有能力在风险发生时快速反应并止损的，往往不是普通意义上的散户，而是那些本身就具备较强信息获取与链上操作能力的人。他们可能已经构建了自己的监控与预警机制，甚至会借助 AI 来自动接收攻击提示。一旦某个池子、某个协议出现异常，就能第一时间撤资、转移仓位，从而完成一定程度的止损，更激进一点的，甚至还能在安全事件爆发时，顺着市场情绪操作获利。

但这类人本质上已经不是普通用户，而是加密语境里的“科学家”。对于更多缺乏监控能力、反应速度和专业判断的用户来说，一旦真正的攻击发生，他们往往就是最末端的买单者。

现实确实很残酷，AI 时代不会自动带来更公平的安全环境，反而可能进一步放大专业用户与普通用户之间的信息差、工具差和反应速度差。站在普通用户的角度，能做的事情可能只有尽量降低自己暴露在高风险协议中的时间与仓位，减少对复杂交互的盲目信任，并对“看起来已经很安全”的叙事保持基本怀疑。

更强大的模型来了，会带来更大的威胁吗？

这是本次采访中最有意思的一个问题。直觉上看，一个在编码、推理、网络安全方面都更强的模型，如果真的落地，似乎只会让潜在攻击者变得更加危险。但余弦的回答却是，这反而是一件好事。

在余弦看来，行业现在最大的误区，是把这类威胁理解为“未来可能发生”。但现实是，很多更强的能力其实当下就已经存在，只是外界看不见（比如 Mythos 这次也是意外才被公众知晓），或者那些真正有能力的团队比市场想象中更低调。

换言之，Mythos 等更强大模型的出现未必意味着风险从零到一地诞生，而是让行业更清楚地意识到，原来很多原本只停留在想象中的攻击能力，现实里早就已经有人在研究、验证，甚至使用。余弦在采访中提到，从漏洞发现到漏洞利用，这本来就是两个不同阶段，而围绕这两件事，顶级模型公司和一些更垂直、更低调的团队（比如会有团队针对智能合约安全对 AI 进行满血版的私有化训练），很可能都已经积累了相当多的成果。

在余弦的逻辑里，更强模型不是单纯的坏消息，而是一场更彻底的筛选机制。如果某个项目连 AI 带来的挑战都无法承受，那么它本身可能就不应该在未来继续成长，因为 AI 会越来越公平地暴露那些原本被侥幸、惯性和信息不对称掩盖的问题。真正能留下来的项目，不是“暂时没被打到”的项目，而是“即使在 AI 时代也经得起打”的项目。

这意味着，AI 对加密行业的影响更像是一次加速出清。漏洞会被更快发现，风险会被更早暴露，攻击也会变得更高频。那些安全能力薄弱、流程粗糙、响应迟缓的项目，未来只会被淘汰得更快。

从长期来看，这未必是坏事。因为 AI 在放大攻击面的同时，也在抬高整个行业的生存标准。它会倒逼项目方升级研发流程、安全体系和响应机制，也会推动行业彻底走出“野蛮生长”的时代。

原文作者：深潮 TechFlow

摩根士丹利在最新 S-1 修正文件中披露，其比特币现货 ETF「MSBT」管理费定为 0.14%，低于市场上所有现有竞争对手。若获 SEC 批准，MSBT 将成为首只由美国大型银行直接发行的比特币现货 ETF。该行旗下财富管理部门管理约 8 万亿美元客户资产，拥有约 1.6 万名财务顾问，Strategy CEO Phong Le 测算，仅 2%的配置比例即可带来约 1600 亿美元资金流入——相当于贝莱德 IBIT 规模的三倍。

摩根士丹利正式向比特币 ETF 市场投下一枚价格炸弹。

据 The Block 报道，摩根士丹利上周五向美国证券交易委员会（SEC）提交了 S-1 修正文件，披露其拟发行的比特币现货 ETF——摩根士丹利比特币信托（Morgan Stanley Bitcoin Trust，代码 MSBT）——年化管理费（Delegated Sponsor Fee）为 0.14%。这一费率低于目前市场上所有同类产品，比 Grayscale 比特币迷你信托（Bitcoin Mini Trust）的 0.15%低 1 个基点，比贝莱德 iShares 比特币信托（IBIT）的 0.25%低 11 个基点。

若获批，MSBT 将成为首只由美国主要银行直接发行并挂牌的比特币现货 ETF，也是自 2024 年 1 月首批十余只同类产品集中上市以来的首个新参与者（Grayscale 迷你信托除外）。纽约证券交易所（NYSE）本周早些时候已发出上市通知，Bloomberg ETF 分析师 James Seyffart 预计 MSBT 最快将于 4 月初上市。

全市场最低费率，一个基点攻击性定价

在比特币现货 ETF 市场，所有产品均直接持有比特币并跟踪其现货价格，费率是为数不多的核心差异化指标之一。摩根士丹利将费率定在 0.14%，不是象征性地参与竞争，而是直接瞄准了最低价格带。

目前主要竞品费率如下：Grayscale 比特币迷你信托 0.15%，Bitwise BITB 为 0.20%，ARK/21Shares ARKB 为 0.21%，贝莱德 IBIT 和富达 FBTC 均为 0.25%，Grayscale 旗舰产品 GBTC 为 1.5%。

费率差异在大额配置和长期持有中效果显著。以 10 万美元投资计算，MSBT 较 IBIT 每年节省约 110 美元管理费；对机构级别的仓位而言，这一差距经年累月形成可观的复利优势。

历史数据已证明费率对资金流向的驱动力。据 The Block 数据，Grayscale 旗舰产品 GBTC 收费 1.5%，自 2024 年 1 月转为 ETF 以来，资产规模已从约 290 亿美元缩水至约 130 亿美元。

Bloomberg ETF 分析师 James Seyffart 在 X 平台回应费率披露时表示，摩根士丹利此举「毫不含糊」（not messing around）。

8 万亿美元财富管理网络

在产品结构高度同质化的比特币现货 ETF 市场，费率只是摩根士丹利牌桌上的筹码之一，其真正的差异化武器在于分销网络。

摩根士丹利旗下财富管理部门管理约 8 万亿美元客户资产，拥有约 1.6 万名财务顾问。该行数字资产策略负责人 Amy Oldenburg 此前透露，目前约 80%的加密 ETF 交易活动来自自主投资者（self-directed investors），而非顾问管理的账户。一款费率全市场最低的自有产品，有望消除顾问推荐比特币配置时的「成本顾虑」，从而打通顾问渠道这一尚未充分激活的增量空间。

Bloomberg ETF 分析师 Eric Balchunas 将摩根士丹利称为「富裕婴儿潮一代资金的终极守门人」。

Strategy（原 MicroStrategy）CEO Phong Le 则从规模角度做了更激进的测算。他在 X 平台发文指出，摩根士丹利财富管理部门管理约 8 万亿美元资产，目前建议客户将 0-4%的投资组合配置于加密资产。按 2%的配置比例计算，潜在资金规模约为 1600 亿美元，相当于贝莱德 IBIT 当前约 550 亿美元管理规模的近三倍。他将 MSBT 称为「Monster Bitcoin」。

不过，Backpack 的 Joe Takayama 提醒称，实际配置比例可能远低于 2%甚至接近零。顾问渠道的大规模激活仍需时间验证。

不止比特币：摩根士丹利的加密全线布局

MSBT 并非孤立产品，而是摩根士丹利系统性进入加密资产领域的一环。

该行于 2026 年 1 月同时提交了比特币和 Solana 现货 ETF 申请，随后又提交了质押以太坊 ETF 申请。2 月 18 日，摩根士丹利申请了国家信托银行牌照，以便直接为客户提供数字资产托管、交易和质押服务。该行目前正式建议客户将 2%-4%的投资组合配置于加密资产，覆盖个人退休账户（IRA）和 401（k）计划。

在产品架构上，MSBT 选择 Coinbase 担任托管人和主经纪商，BNY Mellon 负责现金托管和基金行政管理。初始种子投资约 100 万美元，对应 10,000 份创设篮子。Solana ETF 的费率尚未披露，相关文件也未作修订，进展明显慢于 MSBT。

若 SEC 最终放行，摩根士丹利将成为首家直接发行比特币现货 ETF 的美国大型银行。高盛、摩根大通、美国银行等机构旗下均管理着数万亿美元的财富管理资产，目前尚无一家提交自有比特币 ETF 申请，但分析师普遍预期摩根士丹利的举动将加速同业的内部评估进程。

原文标题：Game Theory on Polymarket: The 5 Formulas tested on 72 million trades，作者：Movez（@0xMovez）

编译｜Odaily 星球日报（@OdailyChina）；译者｜Asher（@Asher_ 0210）

在拉斯维加斯大道，老虎机的平均回报率约为 93%，也就是每投入 1 美元，平均只能拿回 0.93 美元；而在 Polymarket 上，交易者却自愿接受低至 0.43 美元的回报，用 1 美元去押注那些赔率甚至比赌场还差的冷门结果。

这并非比喻，而是基于真实数据。研究员 Jonathan Becker 对 Kalshi 上所有已结算市场进行了分析，覆盖 7210 万笔交易、总计 182.6 亿美元的交易量。他所发现的这些规律，同样适用于 Polymarket——相同的机制、相同的偏差，也意味着相同的机会。数据给出的结论很直接，即约 87% 的预测市场钱包最终是亏损的，但那剩下的 13% 并不是靠运气取胜，而是掌握了一套大多数交易者甚至未曾了解的数学方法。

本文将拆解 5 个将赢家与输家区分开的博弈论公式，每一个都配有对应的数学原理、真实案例，以及可直接运行的 Python 代码，一些已经在实战中运用这些方法的交易者包括：

• RN（Polymarket 地址：https://polymarket.com/profile/%40rn1）： 一款 Polymarket 算法交易机器人，基于文中模型在体育市场实现了超过 600 万美元的总利润。

• distinct-baguette（Polymarket 地址：https://polymarket.com/profile/%40distinct-baguette）：通过做市 UP/DOWN 市场，将 560 美元滚仓到 81.2 万美元。

一、期望值：最核心的公式

在 Polymarket 上，每一笔交易本质上都是一次期望值判断。多数交易者依赖直觉，而那 13% 的赢家，则用数学做决策。期望值（EV）衡量的不是单次结果，而是重复多次后的平均回报，用来判断一笔交易是否值得参与。

以一个实际市场为例，“比特币是否会在 2026 年 6 月前达到 15 万美元？”当前 YES 报价为 12¢，对应市场隐含概率 12%。若基于链上数据、减半周期和 ETF 资金流等因素，判断真实概率约为 20%，那么这笔交易即具备正期望值。按此计算，以 12¢ 买入的每一份合约，长期平均可获得 8¢收益；买入 100 份，对应 12 美元成本，期望收益为 8 美元，回报率约为 +66.7%。

但数据表明，大多数预测市场交易者并不会进行这样的计算。在覆盖 7200 万笔交易的样本中，taker（市价买入者）平均每笔亏损约 1.12%，而 maker（挂单者）平均每笔盈利约 1.12%。两者之间的差距不在于信息，而在于耐心——maker 等待正期望值的机会，taker 则更容易冲动交易。

二、错误定价：低价合约陷阱

“冷门偏好”是预测市场中最昂贵的错误之一，交易者往往系统性高估低概率事件，为看似便宜的合约付出过高价格。一个定价为 5¢ 的合约，理论上应有 5% 的胜率，但在 Kalshi 上实际胜率只有 4.18%，对应 -16.36% 的定价偏差；在更极端的情况下，1¢ 合约本应有 1% 的胜率，但对于 taker 而言，实际胜率仅为 0.43%，偏差高达 -57%。

从整体分布来看，市场在中间区间（30¢–70¢）的定价相对准确，但在两端出现明显偏差：低于 20¢ 的合约，实际胜率普遍低于定价隐含概率；高于 80¢ 的合约，则往往胜率高于其价格所反映的概率。

也就是说，市场的低效性主要集中在两端，而这些区间恰恰是情绪化交易最集中的地方。具体来说，有两个公式：

公式一：错误定价（Mispricing, δ）

错误定价用于衡量合约的实际胜率与其隐含概率之间的偏离程度。以 5¢ 合约为例，在所有已结算市场中，假设共有 10 万笔以 5¢ 成交的交易，其中 4180 笔最终结果为 YES，则实际胜率为 4.18%，而价格对应的隐含概率为 5.00%。两者之间的差值为 -0.82 个百分点，相对偏差约为 -16.36%。这意味着，每买入一份 5¢ 合约，实际都在为其支付约 16.36% 的溢价。

公式二：单笔超额收益（Gross Excess Return, rᵢ）

若错误定价反映的是整体偏差，那么单笔超额收益则揭示了每一笔交易的实际回报结构，也正是在这里，行为偏差变得清晰可见。当买入一份 5¢ 合约时，会出现两种结果：若合约命中，收益可达 +1900%（约 20 倍回报）；若未命中，则直接亏损 100%，投入的 5¢ 全部归零。

这正是“冷门偏好”为何具有吸引力的原因，一旦命中，回报极高，容易被记住、被放大、被传播。但从整体来看，其实际命中率低于价格所隐含的概率，而“全部亏损”与“极高收益”之间的非对称结构，在大量交易中会形成负期望值，本质上等同于购买被高估的彩票。

从整体分布来看，这种偏差具有明显的价格梯度，即价格越低的合约，回报越差。例如，作为 taker，在 1¢ 合约上每投入 1 美元，平均只能收回约 0.43 美元；而在 90¢ 合约上，每投入 1 美元，平均可获得约 1.02 美元。价格越便宜，实际交易条件反而越不利。

进一步拆分角色可以发现，这种结构几乎是镜像关系，taker 在低价区间的亏损（最低可达 -57%），正对应着 maker 在同一区间的收益；整体市场的定价偏差，则位于两者之间。换句话说，taker 每亏掉的一分钱，几乎都被 maker 所获得。

从博弈论角度来看，低概率合约通常被系统性高估，高概率合约则往往被低估。真正的策略，并不是追逐冷门，而是卖出冷门、买入高确定性。

三、凯利公式：该下注多少

当发现一笔具备正期望值的交易时，真正的问题才刚刚开始，交易员该下多少？仓位过大，一次亏损就可能抹掉数周收益；仓位过小，即便有优势，增长速度也慢到几乎没有意义。在“全押”和“完全不下”之间，存在一个数学上最优的下注比例，这就是凯利公式。

凯利公式由 John Kelly Jr. 于 1956 年提出，最初用于优化通信信号噪声问题，后来被证明是赌博、交易乃至预测市场中最有效的仓位管理方法之一。职业扑克玩家、体育博彩高手，以及华尔街量化基金，几乎都在使用某种形式的凯利策略。

在预测市场中，由于合约是二元结构（结果为 $1 或 $0），且价格本身就代表概率，凯利公式的应用也更为直接。关键在于理解赔率（b）：若以 30¢ 买入 YES 合约，实际是用 0.30 美元去博取 0.70 美元收益，对应赔率为 0.70 / 0.30 ≈ 2.33；价格为 50¢ 时赔率为 1；10¢ 时为 9；80¢ 时则仅为 0.25。赔率越高，在存在优势的前提下，凯利建议的下注比例也越大。

但一个关键原则是不要使用完整凯利。虽然从数学上看，完整凯利可以最大化长期资金增长率，但在实际执行中，其波动极大，回撤动辄超过 50%。在长周期内或许收益最高，但中途剧烈波动往往让大多数人难以坚持。因此，更常见的做法是采用分数凯利（如 1/2 或 1/4 Kelly）。例如，在稳定胜率条件下，完整凯利虽然最终资金曲线最高，但波动剧烈；1/4 凯利增长更平滑，回撤可控；1/2 凯利则介于两者之间。

本质上，凯利公式提供的是一套纪律，先判断是否存在优势（即主观概率高于市场隐含概率），在此基础上，再决定投入多少资金。只有当“是否下注”和“下注多少”同时被数学约束时，交易才真正从博弈走向策略。

四、贝叶斯更新：像专家一样改变想法

预测市场之所以波动，本质上是因为新信息不断进入。关键并不在于最初判断是否正确，而在于当证据发生变化时，如何调整认知。多数交易者要么忽视新信息，要么过度反应，而贝叶斯更新提供了一种“调整多少才合理”的数学方法。

其核心逻辑可以简单理解为新的判断 = 证据对原假设的支持程度 × 原有判断 ÷ 该证据本身出现的总体概率。实际应用中，通常会通过全概率公式展开，得到更便于计算的形式。

以一个典型市场为例，“美联储是否会在 6 月会议降息？”当前市场价格为 35¢，对应 35% 概率，作为初始判断。随后非农数据公布，新增就业仅 12 万（预期 20 万），失业率上升、薪资增速放缓。在这种情况下，若美联储确实会降息，那么出现疲弱就业数据的概率较高，可估为 70%；若不会降息，这类数据出现的概率较低，但仍有可能，可估为 25%。

代入贝叶斯更新后，新的概率约为 60.1%，即从 35% 一次性上修至 60.1%，提升约 25 个百分点。这意味着，一条关键信息就足以显著改变市场判断。

在实际操作中，并不需要每次都完整计算公式。更常用的方法是“似然比”。同一条信息（例如 LR = 3），在不同初始判断下影响并不相同：从 10% 出发，可能提升至约 25%；从 50% 出发，可提升至 75%；而从 90% 出发，则仅提升至约 96%。不确定性越高，信息的影响越大。

真正长期跑赢预测市场的交易者，并不一定是“判断最准确”的人，而是能够在新证据出现时，最快、最合理地调整判断的人。贝叶斯方法，本质上提供的就是这种“调整速度”的刻度。

五、纳什均衡：预测市场中的“扑克公式”

在扑克中，诈唬从来不是拍脑袋的行为，而是一种可以被精确计算的策略。理论上存在一个最优诈唬频率，一旦偏离，熟练的对手就能加以利用。同样的逻辑也适用于预测市场。在 Polymarket 上，“诈唬”对应的是逆势交易——在市场定价出现偏差时，选择站在多数人对立面；而“弃牌”，则类似于作为被动 taker，持续为市场情绪支付溢价。

在 Polymarket 中，maker 与 taker 构成了类似的对抗关系。逆势交易（对抗市场共识）类似于“诈唬”，顺势交易（跟随主流判断）类似于“价值下注”。从均衡角度来看，市场应当让边际参与者在“做 maker”与“做 taker”之间保持无差异，这一状态对应的就是预测市场中的纳什均衡。

但这个均衡并不是固定的，而是会随参与者结构变化而动态调整。数据显示，不同市场类别对应着不同的最优策略：在信息更理性、定价更有效的领域（如金融类市场），逆势空间较小；而在情绪更强、非理性更集中的领域（如娱乐、体育），市场更容易出现定价偏差，从而为逆势交易提供机会。

更重要的是，这一均衡在时间维度上也发生了显著变化。早期（2021–2023 年），taker 反而是盈利群体，最优策略偏向主动成交；而在 2024 年第四季度交易量爆发后，专业做市商大量进入，市场结构发生改变，均衡策略转向以 maker 为主（约 65%–70%）。这正是博弈论的典型结果，当参与者结构发生变化时，最优策略也会随之演化。原本在“新手环境”中有效的策略，在“专业对手”面前可能迅速失效，市场的“打法”也因此不断迭代。

小结

87% 的预测市场钱包最终是亏损的，这并不是因为市场被操纵，而是这些交易者从未真正进行过计算。他们用比老虎机更差的价格买入冷门合约，凭感觉决定仓位，忽视新的信息变化，并在每一次市价交易中为“乐观情绪”付费。

而那 13% 能持续盈利的参与者，并不是运气更好，而是把这 5 个公式当作一整套方法来使用，从判断到执行形成完整流程，并且每一步都建立在 7210 万笔真实交易数据之上。

这种窗口不会一直存在。随着专业做市商进入，市场价差正在被迅速压缩，2022 年 taker 还有约 +2.0% 的优势，如今已经转为 -1.12%。

问题只在于，是跟着一起市场进化，还是继续用 0.43 美元的回报去买 1 美元的彩票。

原文作者：angelilu，Foresight News

「您所在的地区暂不支持服务」。

不知道是第几次看到这行字了。这次我已经做好了所有准备——翻出护照，对着摄像头拍了正面，拍了反面，切换到自拍模式，拍了手持证件照，又跟着页面的提示点头、摇头、眨眼，整个过程大概十分钟，我做得比上次更仔细。然后页面跳转，显示「提交成功，等待审核」。

我等了三天。第四天刷新，状态还是「审核中」。提款功能被冻结，理由是「等待身份核实完成」。我想参与的那个项目认购窗口还有四十八小时就关闭了。

或者，根本没有等待——页面在动手之前就已经识别到的 IP 地址，直接弹出那行字：「您所在的地区暂不支持服务。」什么理由都没有，没有申诉渠道，也没有告诉我还可以怎么做。我不是不想配合，是配合的资格都没有。

这或许是你我都常常碰到的情况，是加密行业里最常见的一堵墙，KYC，Know Your Customer，了解你的客户。KYC 是「合规」这个词最有重量的那一部分：你得证明你是你，才能进来。

过去五年，部分主流交易所逐步将 KYC 外包给 Sumsub、Jumio 等商业身份核验系统，合规成本被「产品化」，并成为持续支出。对于头部平台而言，这部分开销已达到百万至千万美元级别。

多位加密支付行业从业者向 Foresight News 表示，当前行业在 KYC 环节仍高度依赖 Sumsub、Jumio 等第三方服务商，这些方案在全球数据覆盖与合规能力上具有明显优势。

不过，随着交易规模扩大与风控需求提升，部分头部机构已开始探索「自建风控 + 第三方 KYC」的混合模式，以在成本、通过率与风险控制之间取得更优平衡。

然而，无论这堵墙造得多高，地下市场已经给出了自己的定价。而这堵墙的另一边，存在一条完整的地下产业链，专门以低成本击穿这套体系。穿透它的价格是 20 USDT——覆盖交易所要求的全套验证流程：护照或驾照上传、人脸识别、居住地证明，一次打包交付。

50 万人，一个没人统计的市场

本着上有政策，下有对策的原则，我开始在网上搜索「Web3 KYC」，跳出来的不是教程，更多是警示。

CertiK 在 2023 年的一份报告扫描了 20 余个地下 KYC 市场，发现当时的参与成员总数超过 50 万人，专门买卖各类平台的已验证账号，集中在东南亚，群组规模从 4,000 到 30 万人不等。

网络安全公司 ZeroFox 曾统计过，一年时间里，在公开论坛和 Telegram 上发现超过 100 万条 KYC 账号销售帖，涉及 Coinbase Pro、Kraken 等主流合规交易所，售价从 150 至 500 美元不等。

CoinDesk 曾做过的一个调查更直接，直接花钱买了几个账号回来验证。每个账号随附的是真实用户的姓名、家庭住址、出生日期——美国居民的账号甚至包含社会安全号码。然后他们在公开数据库里搜索，找到了四位与账号信息完全匹配的真实人物，向他们发出了书面告知。这些人的反应确是毫不知情，未意识到自己的名字正挂在某个陌生人的交易所账户下，而那个账户的密码，他们从来没有设置过。

技术层面也在同步恶化。根据 Sumsub 发布的 2025 年身份欺诈报告，深度伪造攻击在过去三年增长超过 2000%，现在约占所有身份欺诈尝试的 1/15。

攻击路径形成了三层结构：

• 最低层是用高分辨率屏幕配合偏振镜消除反光，让「播放视频」的画面在光学特征上接近真实拍摄；
• 第二层是 HOOK 注入攻击，直接劫持手机摄像头的系统调用接口，把提前录制好的 4K 视频「喂」进应用的采集窗口——应用「看见」的是摄像头实时输出，实际流入的是一段提前准备好的视频；
• 第三层是一键式 AI 换脸工具，上传照片即可生成，攻击门槛被拉至零。突破一套真人活体认证系统的平均成本：10 美元，投入产出比高达 1400%。

威胁猎人发布的《2025 年全球 KYC 攻击风险研究报告》显示从行业分布看，虚拟货币交易所与钱包支付平台是全部 KYC 攻击的核心靶区，合计占比超过 78%。攻击物料里卖得最多的是「地址证明」类文件，原因简单：它需要频繁更新，而 AI 可以批量生成。

这些数字描绘的画面很清晰：欺诈、身份盗用、有组织的犯罪产业链。把这些数字叠在一起：50 万名参与者，100 万条公开流通的销售帖，Coinbase、Binance US、Kraken 等头部合规交易所的账号均在其中。这不是某个平台的特例，而是整个加密合规体系共同面对的系统性漏洞——只要 KYC 存在，绕过它的市场就存在，而且规模相当。

每一份报告的措辞都很确定，使用的词是「威胁行为者」「地下市场」「非法操作」。但它们有一个共同的视角盲点。全是从外部看的，是监管机构和安全公司的视角，像是在描述一场发生在玻璃后面的火灾。

但没有一篇报告解释，那些每天在 Telegram 上挂着「在线」状态的人，他们究竟是谁，他们怎么看自己在做的事，以及这门生意到底在服务谁。

我决定去找圈子里的人聊聊。

一个地下 KYC 小商贩：两年 600 笔交易

Telegram 上搜索 KYC，几秒钟就能弹出一批账号。

3 月初我随机挑选了一个看上去信得过的 KYC 中间商，不巧，我碰到了一个冷酷 guy，他的回复不超过 5 个字，对我提的各种问题大多以「是的」来直接回复，得到的最多信息就是报价，例如「CoinList 的 KYC 40 U」、「Coinbase 的 KYC 20 U」。

久久没有回音之后，对方发来一条稍长的消息：「所以我们可以一起工作吗？」句子像是从别的语言硬翻过来的，读着像在谈合作，其实大概只是在催单。对话很难进行下去。

于是我转而在链上查他给我的 TRON 链收款地址，这个地址从 2024 年 1 月开始运作，至今累计流入超过 59,243 USDT，共 600 笔收入交易，横跨 26 个月。但净留存是零。

每一笔收入，都在一段时间内被迅速清空，转向同一个上游地址。顺着这条链追下去，他最后转入了 OKX 在 TRON 链上的热钱包。这位帮人绕过 KYC 的中间商，把赚来的每一分钱，都存进了交易所。

一个体量不大的匿名卖家，两年流水接近 6 万美元，600 笔，没有休假，没有淡季，只有打新节奏带来的潮汐式涨落。这还只是其中一个地址，一个卖家，一条链。

这条链在我这没有连起来，线索到这里也就断了。匿名的人不会开口，我需要找一个更愿意说话的人。

一个 KYC 「生意人」：五年，数十个平台

终于在 X 上找到了一位专门做 KYC 服务的「生意人」，经朋友介绍，加上了联系方式，并且他愿意接受采访。

他叫猫鲤，经营着品类丰富的「区块链服务平台」。

谈起 Web3 KYC 服务的方式，猫鲤说「我是根据自己粉丝的需求，去找各种渠道，并且投入时间研究，慢慢将这个业务做起来的」。

猫鲤至今已经做了五年。如今他和一个助理两人运营，大部分商品自动发货。他的产品目录覆盖数十个平台，并且以人民币标价，价格越高，代表这个平台的近期参与人数越多热度越高，或者身份核验的门槛越难绕过。

「设置好后基本是自动化的，更别说现在还有 AI 可以辅助了，」他说，「基本上不会需要太多人来运营。」行情好的时候例外——打新项目扎堆，每天能工作到 12 小时。行情惨淡的时候，他就将时间投入的 X 的运营上。

「人民的小卖部，服务区块链行业的所有粉丝。」他这样描述自己的生意。

他的客户遍布中文区：中国大陆、香港、台湾、马来西亚、韩国、美国。大陆用户的需求最直接——大量打新平台屏蔽中国 IP，护照或身份证传上去，系统自动拒绝，没有申诉渠道，也没有解释。

「他们买账号是为了参与活动，」猫鲤说，每次交付，他都会附上一条固定的风险提示：「由于这是使用他人信息注册的账号，请不要在平台内放置大额资金，小额参与，随进随出。」他提示的「风险」，是账号随时可能被原主找回；使用他人身份信息注册金融账号本身，在大多数司法管辖区也构成身份欺诈。

浮出水面的产业链

一单是怎么完成的？猫鲤描述了完整流程：售前咨询，付费，他联系「符合条件的老外」，老外按照事先培训好的流程操作，完成 KYC，账户转交给买家，买家核查后修改安全设置，结单。

他印象最深的客户是一个韩国人，一个专业孵化团队的负责人，每次下单量都很大。「他总会和项目方一起合作，购买很大量的账号，」猫鲤说，「他跟我聊过，通过我挣了很多的钱。不过我倒是没挣太多，他是挣的资源的钱，KYC 这块我是挣的辛苦钱。」

也就是说，这条产业链也有多个层级，作为需求端的韩国孵化团队，靠账号批量参与项目认购，有利可图。因此才会有猫鲤这样的中间商，再底层的就是提供信息认证的「老外」，按要求完成 KYC，或许就拿走几美元。

「老外」的来源遍及全球——那些在东南亚、东非、拉丁美洲以「网络兼职」名义接单的人，按要求完成点头、摇头、眨眼的动作，拿走等值几美元到几十美元的报酬。

具体分给「老外」的钱有多少，猫鲤没有直说，但一份在俄语论坛上流传的招募帖是这样写的：「只需要你的脸。通过 WhatsApp 完成视频验证。每次 1,500 到 2,000 卢布（约合 17 至 23 美元），一天可以做多次。」

之前 Worldcoin 在柬埔寨和肯尼亚部署球形虹膜扫描设备时，曾短暂让这个现象浮出水面——低于 30 美元的 World ID 黑市随即出现，2024 年泰国当局下令删除已收集的 120 万份虹膜数据，印度尼西亚叫停了 Worldcoin 的全部活动。但 Worldcoin 不过是冰山一角，而且还是有品牌、有记者可以追问的那一面。

定价还有另一套逻辑。「越发达的地区，KYC 的费用越贵，」猫鲤说，「你给的费用都没法买个早饭，人家根本不会配合你去操作。」美国的单子最难，有时候需要客户带着「老外」去纽约线下办证。

他服务的每笔交易都附带售后条款：他只保障「首次登录」成功。「因为我们没法控制每家交易所或者平台的风控规则，他们随时都有可能更改，」买家拿到账号，第一件事是换绑邮箱、设置二次验证、踢出未知设备。窗口期可能只有几个小时。

他也坦言有做不了的情况，「必须每次登录都需要扫脸的账户，就没法制作，老外不可能一直飞到中国来给你扫脸登录。」他补充了一句：「按这个逻辑，就是非常非常严格风控的平台，那通常是不缺用户、不缺数据的平台，也不会有福利特别高的活动，所以很少有人会购买。」

Web3 KYC，一扇装了门框的空门

猫鲤对自己在做的事有清晰的定位。

当被问及加密行业的 KYC，有没有在发挥它应该有的作用时，他说，「KYC 是大家都心知肚明的门槛，平台、用户，都知道自己在干什么。对于真心想参与行业的人来说这不是阻碍，更像是一种筛选方式罢了。」

在他的描述里，这是一笔三方共赢的交易：用户获得了进入平台的机会，交易所获得了新增用户和数据，他从中收取服务费。「三赢的」他说。

这套逻辑有一个细节，藏在他自己的售后提示里：「由于这是使用他人信息注册的账号，请不要在平台内放置大额资金，小额参与，随进随出。」他的「老外」是知情的、有报酬的参与者。但「他人」这个词意味着账号背后坐着一个真实的人，一个随时可以主张权利的人。

但 CoinDesk 的调查显示，在更大的市场里，还有些账号随附的是本人毫不知情的真实居民的姓名、住址和社会安全号码。这些人，不在「三赢」之内。

猫鲤是这个市场里愿意接受采访的一个人。在他的身后，预计有 50 万名参与者，约 100 万条销售帖，和一个还在运转的影子系统。

注：文中涉及的 Telegram 对话记录、链上数据均为作者调查所得。

前言：从动荡到重建

过去数月，Vaulta 生态经历了一段真正意义上的动荡期。Vaulta 基金会创始人 Yves La Rose 宣布辞职并解散了基金会，在漫长的交接中，代币 $A 的价格伴随不确定性持续走低，这导致了一系列愈演愈烈的内部争端。在治理层面，BP（Block Producer）作为最高治理权力承受着收益降低——逼近关机价，部分 BP 放弃参与治理或积极性严重不足；在社区层面，持币用户存在着信息透明度低，不仅对于前基金会交接进展一无所知，对于后续网络的发展规划更是无从参与，只能眼睁睁看着币价下跌；而组织架构的变化也导致围绕整个网络发展的讨论逐渐背离叙事和技术发展，最终聚焦在了 Vaulta Treasury（下文简称 Treasury）的资金使用上，网络发展演变成为一场分钱大战！可以说，基金会的解散恰恰揭开了 DPoS 治理失效的遮羞布，当你发现一只蟑螂的时候，说明附近已经有数百只了。

本文从 Vaulta Labs 与 Treasury 的立场出发，将深入探讨 Vaulta 网络在 DPoS 模式采用上的经验和反思，并给出解决思路。此外，此文还将吹响 DPoS 机制改革的号角，也是对社区的承诺和 Vaulta 重建治理秩序的起点。

DPoS 的承诺：一场关于民主与效率的实验

想象一个没有银行、没有政府、没有任何中央机构的世界——数千万人共同维护一套账本，没有人可以篡改，没有人可以单独说了算。这不是乌托邦，这是区块链试图解决的核心命题：在没有信任中介的情况下，一群陌生人如何达成共识？

围绕这个命题，区块链世界在短短数年间先后给出了几个截然不同的答案。比特币用工作量证明（PoW）率先破题——让算力说话，谁贡献的计算资源最多，谁就有权记账。安全、去中心化，但代价同样清晰：速度慢、能耗极高、普通人几乎无从参与。以太坊随后引入权益证明（PoS），用持币者的质押代替算力竞争，效率有所提升，但普通持币者对网络走向依然缺乏实质影响力。

2013 年，Dan Larimer 首次提出了 DPoS （委托权益证明）机制，走出了第三条路。它的逻辑直指问题核心：与其让所有人竞争算力或质押资本，不如让持币者直接投票，选出一批被社区认可的代表来维护网络。效率来自代表的精简，民主来自持币者的选票。DPoS 首先在 BitShares 上落地运行，随后被 Steem、EOS（现在的 Vaulta）、TRON 等多个知名项目相继采用，成为公链竞争中一套经过真实检验的共识机制。

2018 年，EOS 主网正式激活，成为当时新公链里最受关注的项目之一。21 个 BP（区块生产者）的竞选，被许多人称为”区块链历史上第一次大规模链上治理实验”——节点团队发布白皮书、承诺生态建设、拉拢社区支持，持币者真实地在用手里的票决定网络的走向。那一刻，DPoS 的承诺看上去是可以兑现的——民主与效率，可以并存。

然而，好的机制需要好的治理来配合。DPoS 给了我们一套框架，但框架之内如何运转，始终是一道尚未完整解答的题。

DPoS 治理的结构性困境

链上治理的突破

EOS 主网激活后的头两年，是 DPoS 治理最接近理想状态的时期。BP 竞选如火如荼，节点团队来自全球各地，社区讨论热烈，生态项目密集涌现。链上交易量一度跻身全球公链前列，持币者对网络的未来充满期待。

这一时期，EOS 的 DPoS 治理也展现出了它真正的突破性价值——链上治理第一次有了真实的执行力。

在此之前，大多数区块链的治理停留在链下讨论层面——社区可以争论，但无法直接执行。EOS 改变了这一点：持币者可以通过投票随时更换表现不佳的 BP；BP 可以冻结被盗账户、执行仲裁决议、推动协议升级。早期 EOS 曾通过 BP 多签冻结多个被盗账户，这在传统公链上几乎是不可能完成的操作。区块链第一次拥有了类似政府执行力的治理机制——规则不只是写在白皮书里，而是真的可以被执行。

然而，这样的高效执行力好景不长，投票发展到另一面是权力的高度集中———票仓的形成。

三角困境与票仓

EOS 早期曾尝试通过链上宪法（EOS Constitution）和仲裁机构 ECAF 来约束权力，但两者都因缺乏强制执行机制而先后失效。这不只是制度设计的遗憾，它暴露了 DPoS 更深层的结构性困境——效率、去中心化、公平治理，三者难以同时最大化。

当下 Vaulta 网络的前 21 个节点，一些在早期声名鹊起的节点参与治理的积极性逐渐降低，但他们又拥有决策权，这本身就非常矛盾。想要高效率，节点数量必须少，但节点越少，权力越容易集中；想要民主，投票权按持币量分配，但持币越多票权越大，票仓拥有最大话语权；现如今节点几乎完全依赖票仓的投票，鲜有自己的持仓，这就导致节点实际成为票仓的代言人，而非普通持币人的意见转达。

要理解这个问题，需要先理解 DPoS 的代理投票机制。在 Vaulta 的 DPoS 体系下，持币者参与治理有两种方式：一是直接为自己认可的 BP 投票；二是通过 Proxy（代理投票）机制，将票权委托给第三方代理，由代理统一行使。代理投票的设计初衷是降低普通持币者的参与门槛——毕竟不是每个人都有时间和精力持续追踪 BP 的表现。

然而在实践中，这套机制催生了”票仓”——专门聚合大量代理票权、以此向 BP 收取分润的第三方机构或个人。票仓并非普通持币人，而是治理寻租者：他们不关心链的技术发展，不关心生态的长期健康，只关心稳定的票权收益。BP 想保住前 21 的席位，必须向票仓缴纳出块奖励作为回报。节点的首要服务对象由此从持币社区异化为票仓，普通持币者在治理中彻底失声。

链上投票，链下决策

更深层的问题在于，EOS 的治理从一开始就存在一个根本性的断裂——链上有投票机制，但真正的决策在链下流动。

重大决策在 Telegram 群、私下会议、非正式渠道里形成共识，然后以链上投票的形式完成程序。普通持币者看到的只是结果，看不到过程——谁施加了影响、利益如何交换、决策依据是什么，难以追溯。链上记录的是投票，链下发生的才是治理。两者之间的断裂，让所谓的”去中心化治理”与其真实愿景之间，始终存在一道无法忽视的鸿沟。

这道鸿沟，在繁荣期被高涨的代币价格和热络的生态所填平。但它从未真正消失。而当繁荣退去，展现在大家眼前的就是一地鸡毛。

EOS 上的 DPoS 实践表明，链上治理机制可以在现实中运行，但在以代币权重为基础的投票体系下，容易出现权力集中与利益联盟等问题。这一经验与其他因素共同影响了后续公链的设计取向，使得 Solana、Aptos、Sui 等新一代项目，更倾向于采用 PoS 结合 Byzantine Fault Tolerance 的共识结构，以强化共识层的安全性与确定性，并相应弱化对链上投票治理机制的依赖。

这些反思对整个行业都有价值，但对 EOS 而言，问题从未停留在理论层面——它是在自己的主网上，用真实的社区、真实的资产、真实的治理博弈，一步步走到了今天这个十字路口。

EOS 更名为 Vaulta 后，历史遗留的治理难题并不会因为一次品牌焕新而自动消解。要理解我们今天为何提出这套方案，必须先正视 Vaulta 当下真实的处境。

权力失衡从来不是新问题。历史已经证明，解决之道不在于推倒精英治理，而在于为它建立真实有效的制衡机制。这是我们提出以下方案的出发点。

民主至上：重塑 Vaulta DPoS 网络治理新秩序

我们观察到，在基金会交接的动荡时期*，一批真正还在关心 Vaulta 生态发展的社区成员，自发组建了社区治理组织 ECF（EOS Community Foundation），其成员大多伴随网络从 EOS 时期一路走来，代表着持币人的立场。现如今他们试图凝聚社区的声音，在这段没有中心协调者的真空期里，为生态的未来寻找一条出路。在经过审慎的思考以及对 ECF 组织充分的观察后，Vaulta Labs 与 Treasury 决定将其纳入网络治理，成为优化 DPoS 治理的一部分——接受监督，还权于社区。

关于 Treasury

首先需要说明 Treasury 的定位。Treasury 是独立于 BP、Vaulta Labs 和前 Vaulta Foundation 之外的公共资产储备，其核心职责是在保障资产安全的前提下，持续为生态创造长期价值。在基金会时期，Treasury 的主要作用是支持网络战略发展，保障网络即使在恶劣情况下也能正常运转，同时通过主动投资运作产生收益，并将盈利资金用于持续回购 $A。

当下，Treasury 的立场是：在审慎管理资产的同时，主动将其转化为推动生态治理与可持续发展的实际动力，而不是让钱躺着。

第一步：链上质押，让资产持续造血

Treasury 首先将解决网络发展资金的问题，将注意力从分钱大战的泥潭中迅速剥离。财库目前持有的资产，主要来源于 2024 年 EOS 新代币经济方案中专项设立的 RAM 生态系统基金以及通过做市回购的额外代币。目前总规模超 3.5 亿 $A，一部分按白皮书中的计划用于配置 $V（RAM）市场，另一部分作为做市、托管、营销和交易所上市资金，剩余部分由 Treasury 持有管理。

当前，Treasury 计划将其中 2.2 亿 $A 锁仓并部署进 REX。锁仓意味着卖币将成为明牌，因此，这部分锁仓也可视为整个生态对$A 的信心。

REX（Resource Exchange）是 Vaulta 主网上的链上质押系统——持币者将 $A 存入 REX，可获得持续的链上质押收益，同时质押期间最短锁仓 21 天，收益来源于网络预先分配的质押奖励池。

将 2.2 亿 $A 存入 REX，是在不动用现有现金流储备的前提下，让网络获得发展资金的第一步。

第二步：引入民主监管机制，还权于社区

Treasury 不参与网络治理。我们通过引入社区治理组织 ECF，对现有 BP 进行监督，重建 DPoS 治理机制的有效性。

ECF 初创的 7 人临时委员会来自中英韩三个社区，完全独立于网络的其他管理组织，仅代表社区发声。成员每 6 个月轮换一次，连任不超过 12 个月，以防止权力固化。正式委员会选举将在 Treasury 票仓激活半年后启动，持有至少 10,000 个 $A 的社区成员均可参与，利益相关组织的负责人不可参与 ECF 委员会竞选。具体细则将由 ECF 在接下来的两周逐步披露。

ECF 代表广大持币用户，通过代理投票（Proxy）机制对 BP 进行评估与票权分配—— Treasury 存入 REX 后产生的链上投票权，将委托授权给 ECF，使其成为 Vaulta 网络中票权规模最大的单一投票代理之一。ECF 将通过其独立宣传渠道，输出公开透明的 BP 打分标准，按节点排名给予不同权重的票数，得分越高，获得的票数越多，票权与真实贡献直接挂钩。此举，将从根本上解决票仓裹挟节点的困境：一方面节点免于和票仓分润的成本压力，收益得到提升；另一方面，节点也需要积极参与网络治理以获得更高投票。同时社区通过对 BP 的评估可以在网络发展中获得更多的话语权。将中心化权力纳入去中心化管理，但同时又做到权力下放，实则是对 DPoS 治理机制更基于现实的探索。

第三步：网络激励，收益回流生态

按当前收益率测算，Treasury 存入 REX 的资金预计每年将产生约 2,000 万 $A 的链上收益。这笔收益将全部用于激励积极参与治理的 BP 以及其他对网络有贡献的生态项目，旨在成为推动生态持续发展的正向激励。

在该资金的分配上，同样引入了监督机制：ECF 有权审核网络内的每一笔链上资金申请，并对财库的支出决议拥有一票否决权。

三者之间形成清晰的权力边界：Treasury 管理资产不参与治理，ECF 代表社区行使监督与否决权，BP 负责网络维护与治理，任何决议须获得 15/21 的多数支持——任何一方都无法单独凌驾于其他方之上。

当然，这套机制能否真正发挥效果，最终取决于社区的持续参与和 BP 们的支持。对此，社区已就治理重建提出了清晰的三阶段路线：第一阶段击破 BP 买票换票的利益链条，净化治理环境同时缓解 BP 收益困境；第二阶段激活 BP 贡献激励机制，让真实贡献获得对应回报；第三阶段逐步降低节点对 ECF 票仓的依赖，推动票权回归去中心化。我们鼓励 BP 们与 ECF 逐步建立紧密的沟通，让网络尽快回归健康的状态。

结语：机制即信任

信任一个人，需要判断他的品格。信任一套机制，只需要验证它的规则。

这套方案的每一个环节——Treasury 的链上质押、ECF 的票权授权、BP 的打分标准、激励的分配规则、否决权的触发条件——都是可以被链上验证、被社区监督、被公开追责的。它不依赖任何人的道德自觉，也不依赖任何组织的单方承诺。

这是 Vaulta 摧枯拉朽的历史性壮举，是重建市场信任的基础，也是我们对每一个还留在这里的人应尽的责任。

本报告由 Tiger Research 撰写，加密货币公司普遍面临“错失恐惧症”（FOMO）。从交易所到安全公司，它们都在竞相推出人工智能驱动的服务。我们将探讨它们为何选择此时采取行动。

要点总结

• 交易所、安全、支付和研究等领域的加密货币公司正在同步推出人工智能服务。
• 与以往周期不同，像 Coinbase 和 Binance 这样已被证明能够盈利的公司正在引领潮流。人工智能已经从一种理论转变为一种实际操作的必需品。
• 不同行业的采用动机各不相同：交易所旨在防止用户流失；安全公司旨在填补审计盲点；支付基础设施则瞄准新兴的代理经济。
• 拥有某项功能和真正使用它，是两码事。人工智能领域的“FOMO”和竞争压力，正在加速其应用，而这远超实际需求。
• 真实需求和竞争焦虑都在发挥作用。区分创造价值的采用和仅仅贴标签的采用是关键问题。

1. 加密货币公司正在提供人工智能服务

人工智能（AI）是当今全球市场最受关注的领域。ChatGPT 和 Claude 等通用工具已融入日常生活，而 OpenClaw 等平台则降低了构建智能体的门槛。

加密货币行业虽然错过了这波浪潮，但现在正在各个垂直领域整合人工智能。

这些公司提供哪些人工智能服务？它们为什么要进入这个市场？

2. 加密货币公司如何采用 AI 技术

2.1 研究

加密货币研究存在结构性问题：链上数据、社交情绪和关键指标分散在各个平台上，验证困难。通用人工智能经常对加密货币查询返回不准确的答案。

Surf 等项目通过提供加密货币专用的 AI 研究工具来解决这个问题，这些工具可以整合分散的数据源。在所有加密货币 AI 应用场景中，研究对普通用户的入门门槛最低，无需任何编程或交易方面的专业知识。

2.2 交易

交易所正在引领人工智能在交易领域的应用。

方法各不相同。有些方法直接向用户公开专有交易数据；另一些方法则允许用户向人工智能代理发出自然语言命令，由人工智能代理一步完成从分析到执行的整个过程。

交易所提供 API 已有多年历史。如今的不同之处在于新增了一层：像 MCP 和 AI Skills 这样的接口使非开发人员能够通过 AI 代理访问交易所的功能。曾经仅限于开发人员使用的工具，现在可以通过自然语言访问。

这与更广泛的社区转变趋势相符。非开发者用户越来越多地通过人工智能代理构建自动化交易策略，而无需编写任何代码。他们只需描述策略，代理就会构建并运行算法。

对交易所而言，这既是机遇也是挑战。随着人工智能用户数量的增长，用户对单一交易所的忠诚度会降低，因为交易者可以在任何地方执行交易。交易所采用人工智能的原因很简单：快速吸引用户并保持用户在平台上的活跃度。

交易涉及真正的资产管理，比研究需要更高的判断力和责任感。但随着准入门槛的降低，这一领域也向普通用户开放。

2.3 安全/审计

传统的智能合约审计依赖于人工逐行代码审查，这种方法速度慢、成本高，而且不同审计人员之间的审查标准也不统一。现在，人工智能已被集成到工作流程中：人工智能首先扫描代码，然后由人工审计人员进行有针对性的深度审查。这在不取代审计人员的情况下，提高了速度和覆盖范围。

CertiK 就是一个典型的例子。该公司此前曾因审计项目后来被恶意利用而受到批评。然而，这些事件发生在审计范围之外。审计是在特定时间点检查代码，并不包括持续监控。

CertiK 利用人工智能弥补了这一不足。它增加了实时审计后监控功能，并通过公开的仪表盘发布监控结果。由于扩展后的监控范围是由人工智能驱动而非人工操作，因此 CertiK 及其审计的项目均从中受益。

在安全领域，人工智能的应用并非颠覆现有服务，而是拓展人类工作的范围：提高审计时的精准度，并弥补审计后的盲点。对于区块链安全公司而言，人工智能并非新的业务领域，而是解决现有安全漏洞的工具。

2.4 支付基础设施

人工智能代理（AI Agent）需要支付渠道才能参与经济活动：例如支付 API 费用、购买数据以及从其他代理处购买服务。对代理而言，最自然的支付方式是链上钱包搭配稳定币。

两种模式正在兴起。第一种是通用协议，它将支付嵌入到 HTTP 请求中，使代理在访问付费 API 时即可自动进行链上结算。第二种是针对特定代理的支付插件，代理只能在人工预设的权限和限额内执行支付。

支付基础设施是与稳定币联系最紧密的领域。然而，由于支付主体是人工智能代理而非人类，因此目前尚未出现完全可运行的模型。

USDC 发行方 Circle 也备受关注。该公司发布了一份提案，旨在将其 Gateway 支付基础设施与 x402 协议连接起来，并邀请开发者和研究人员进行审查和贡献。

这并非一个成熟的市场，但市场已经开始消化这一发展趋势。Circle 股价上涨的关键驱动因素之一是其人工智能代理支付模式。支付基础设施的实现速度将慢于上述其他领域，但它已成为当前市场中最突出的宏观主题之一。

3. 为什么加密货币公司现在要进军人工智能领域

ChatGPT 于 2022 年 11 月推出时，人工智能和加密货币都尚未成熟。人工智能模型虽然令人印象深刻，但无法可靠地执行任务。加密货币行业正因 FTX 崩盘和全面的信任危机而遭受重创。

自那时以来，人工智能取得了飞速发展。过去一年，所有主流模型的功能和实用性都显著提升。相比之下，加密货币在同一时期仅仅“利用”了人工智能：充斥着贴着人工智能标签的“Meme 币”、功能不完善的人工智能代理以及营销驱动的宣传。去中心化人工智能基础设施项目仍在不断涌现，但如果与同等水平的原生人工智能服务进行客观比较，它们的质量显然相形见绌。

如今，差距正在进一步扩大。在人工智能行业，MCP（使智能体能够直接调用外部工具）和 OpenClaw （支持无代码智能体构建）等基础设施已经使智能体时代成为现实。而加密货币公司才刚刚开始行动。

这次的不同之处在于行动者是谁。不再是那些打着人工智能旗号的新兴创业公司，而是拥有成熟盈利模式的企业：Coinbase、Binance 和 Bitget。这些公司推出人工智能服务并非出于营销目的，驱动它们的并非眼前的收益，而是害怕落后的心理：FOMO（害怕错过）。

Coinbase 首席执行官布莱恩·阿姆斯特朗的行动充分体现了这种紧迫感。他向公司全体工程师下达了一项指令，要求他们在短短一周内上线人工智能编码工具，并解雇了不遵守规定的员工。

但保持清醒的头脑也至关重要。以交易自动化为例，代理人可以查看价格并提出策略，但有多少用户会真正信任代理人，将资金交给他们进行实时交易？而且，x402 协议在现实世界中真的得到了应用吗？

归根结底，加密货币领域采用人工智能并非追逐潮流。随着人工智能时代的到来，各公司都在积极行动，以避免失去市场地位。拥有某项功能和真正运用该功能仍然是两个不同的问题。但谁在行动至关重要。

把人工智能行业想象成一个正在注满水的游泳池。以前跳进去的人只是假装会游泳。现在跳进去的人都是前国家队冲浪选手。没人知道水位会涨到多高，也不知道这个游泳池会不会变成海洋。但加密货币不会被淹没在洪流之中。

中我们明确提出，比特币自 2 月 6 日低点启动的上涨行情，在性质上属于大级别 C 浪调整内部的 C-2 浪超跌反弹，随后将有 C-3 浪调整行情。

•  C-3 浪成立条件：若比特币价格跌破 2 月 6 日低点（约 60,000 美元），则 C-3 调整浪成立。

•  BTC 当前盘面解读：如（图三）所示，在 4 小时分析周期中，比特币于上周已经有效跌破自 2 月 24 日低点形成的短期上升趋势线，已跌至自 2 月 6 日低点反弹以来形成的上升通道下轨附近，正在围绕此位置进行窄幅震荡。一旦该位置失守，后市或将重新向下测试 60,000 美元关口。

•  BTC 小时级别走势结构深度剖析：如（图三）所示，在 4 小时分析周期中，比特币自 3 月 17 日约 76,000 美元的高点展开回调，演化成 13-14、14-15、15-16、16-17、17-18 共 5 段式调整结构，其中 14-15、15-16、16-17 共 3 段构成下跌中枢（中枢 B），随后离开段（17-18 段）已跌至上升通道下轨附近。目前，只有价差交易模型在此位置触发底部预警信号（白点）。因此，币价在此位置呈现弱势震荡格局，用来修复 4 小时级别技术指标超卖状态。

比特币 _4 小时 K 线图：

图三

2、本周核心观点：维持震荡调整格局，观察在通道下轨（自 2 月 6 日低点）附近多空争夺。

3、核心压力位：

    • 第一压力区：69,500～72,000 美元区域 （前期震荡区间） 

    • 第二压力区：74,500～76,000 美元区域 （2025 年 11 月低点附近） 

4、核心支撑位：

    • 第一支撑位：65,000～66,000 美元区域 (前期重要支撑区域) 

    • 第二支撑位：60,000～62,500 美元区域 (2 月 6 日低点附近)

    • 第三支撑位：57,400 美元附近         

5、本周操作策略(排除突发消息影响)：(03.30～04.05)

①、中线策略：

比特币 _ 日 K 线图：(仓位监测模型)

图四

仓位监测模型：如（图四）所示，目前币价位于多空飘带（黄色）下方，空头趋势延续。我们依据策略规则，继续持有于 89,000 美元（1 月 28 日）建立的 60%空单仓位。若币价反弹有效突破多空飘带并站稳其上方，将中线仓位全部清零。

②、短线策略：利用 30%仓位，设置止损点，依据支撑及压力位，寻找做“价差”机会。(以 30 分钟/60 分钟作为操作周期)。

③、基于对市场中期空头趋势的预判，目前应坚持“顺势做空”的操作原则。为动态应对市场复杂演变并结合自建交易模型发出的信号，我们将拟定 A/B 两套短线操作预案：

 • 方案 A：反弹遇阻，逢高沽空。

    • 开仓：当币价反弹至 69,500～72,000 美元区域触发遇阻信号并结合模型顶部信号，可建立 30%空头仓位。

    • 风控：空单初始止损位均设于 74,500 美元上方。

    • 平仓：当币价跌至重要支撑位附近并结合模型信号，可逐步清仓获利了结。

• 方案 B：顺势破位空单。

    • 开仓：当币价有效跌破 65,000～66,000 美元区域，并结合模型顶部信号，可顺势建立 30%空头仓位。

    • 风控：空单初始止损设于 67,500 美元上方。

    • 平仓：当下跌至支撑位并结合模型信号，可逐步清仓获利了结。

四、比特币：操作复盘

1、短线操作回顾：（见表二）

我们严格遵循操作预案，依据自主构建的价差交易模型与动能量化模型发出的交易信号，在上周完成一次短线（空单）操作，交易盈利 6.17%。

①、比特币短线交易明细汇总：(杠杆*1 倍)

表二

②、短线交易复盘：（见图五）

 • 开仓：当币价反弹至 72,000 美元附近遇阻，价差交易模型同步触发顶部预警信号（白点），并与动能量化模型形成沽空共振。基于此信号叠加，我们于 70,777 美元建立了 15%空头仓位。

  • 平仓：当币价跌至 65,000 美元附近企稳,同时价差交易模型触发强烈底部预警信号（红点+白点），因此我们于 66,408 美元附近全部清仓。

 • 小结：本次交易成功盈利约 6.17%。

比特币 _60 分钟 K 线图：(动能量化模型+价差交易模型)

图五（短线交易图示）

2、 中线操作回顾：

中线策略：继续持有于 89,000 美元附近（1 月 28 日）建仓的 60%空单，截止上周盘后（收盘价约 66,962 美元）盈利约 24.76%。

五、特别提示：​​

 1. 开仓时：立即设置初始止损位。

 2. 盈利达 1%时：将止损位移至开仓成本价（盈亏平衡点），确保本金安全。

 3. 盈利达 2%时​​：将止损位移至盈利 1%的位置。

 4. 持续跟踪：此后币价每再盈利 1%，止损位就同步移动 1%，动态保护并锁定

金融市场瞬息万变，所有行情分析及交易策略均需动态调整。本文所涉及的全部观点、分析模型与操作策略，均源自个人技术分析，仅为个人交易日志之用，不构成任何投资建议或操作依据。市场有风险，投资需谨慎，请勿据此决策。

引言：从 1887 到 AI 时代

1887 年，美国铁路公司迎来一个“好消息”：国会通过《州际商业法》，试图结束各州分段监管的混乱——轨距不一、费率体系割裂，跨州运输摩擦几乎等同于在不同国家间运作。企业界一片欢呼，但他们很快意识到，这不仅是秩序，更是权力结构的重排：不必再与 50 个州博弈，却要面对一个单一、集中的联邦监管者。

一个半世纪后，硅谷的 AI 企业正站在同样的十字路口。

过去几年，各州碎片化规则让创业者承受高额成本，也给了中国等竞争对手追赶的机会。白宫 3 月 20 日发布《国家人工智能政策框架》，承诺建立全国统一标准——乍看像减负，但本质上，这并非监管撤退，而是监管权的收归。换句话说，华盛顿并非把手从方向盘上移开，而是着手把方向盘收回来：从 50 只参差不齐的手，换成一只更大、更稳、更难躲开的手。

1887 年，美国漫画家 W.A. Rogers 以讽刺画的方式，表现国会通过《州际商业法》、设立“州际商业委员会”（ICC）监管铁路业的场景。

一、50 个实验室：当联邦主义遇见规模经济

“各州是民主的实验室”——这句话在美国管用了一百多年。最低工资、医保扩张、环保标准，各州先试行，错了局部止损，对了全国复制。联邦主义像一套分布式创新系统，在传统产业里运转良好。

但 AI 不是最低工资，也不是烟囱排放。它并不适合“分布式试错”。

AI 的核心特性是规模递增回报（increasing returns to scale）：数据越多、市场越大、迭代越广，模型就越智能、成本越低、壁垒越高。在这种结构下，合规不再只是成本，而会演化为竞争壁垒——小公司承受的是不确定性，大公司承受的是费用。

要求一家十人初创去应对 50 套互相冲突的州法，无异于让它在 50 个棋盘上同时下棋：每走一步，都可能触发另一州的合规风险。而行业巨头则可以将审计与法律成本摊入预算，甚至把合规流程产品化，反过来构成进入门槛。

于是，一个反直觉的结果出现了：监管碎片化在 AI 时代不会带来百花齐放，反而会把市场让给最能承受复杂性的玩家——他们往往不是最有创意的，而是最有资源的。

白宫框架试图切断的，正是这条逻辑链。但它的方式，可能比问题本身更值得警惕。

二、反直觉的真相：这不是“少监管”，而是把哨子收回华盛顿

本次框架的核心不是某条技术标准，而是一把法律扳手：联邦优先权（Federal Preemption）。

通俗地说，就是联邦法高于州法。国会要废除那些”对 AI 开发施加不当负担”的州级规则，建立一套全国性的最低负担标准。它看起来像松绑：合规手册从 50 份变成 1 份，创业者终于不用在州界上反复踩雷。但如果你把镜头拉远一点，会发现它更像一次权力回收：过去是 50 个州分段吹哨、各自判罚；现在改成一个入口、一个哨音、一个总裁判。

更微妙之处在于：今天的”轻触”可以成为未来的”重拳通道”。

这里的张力在于：统一入口既能让市场更顺畅，也能让控制更集中。今天它被包装成“轻触式框架”，明天它也可能成为任何一届政府“想收就收”的制度通道——因为开关已经装好了，只差谁来拨动。

历史上这种剧本并不陌生。19 世纪末铁路业在州际碎片化监管下陷入混乱：费率歧视、长短途差别定价、跨州转运低效。国会以“统一市场、消除混乱”为由通过 1887 年《州际商业法》，设立州际商业委员会（ICC），把监管权收归联邦。铁路公司一开始欢迎：终于不用跟各州缠斗了。随后才发现，自己面对的是一个更强、更持久、更不容易绕开的监管对手。

AI 产业正站在类似的路口。你可以把它当作一次减负，也可以把它看作一次”统一入口的建立”。而入口一旦建立，谁来守门、如何守门、守多严，就不再由你决定了。

三、六把钥匙：谁受益，谁受限?

白宫把这套思路浓缩成六个方向。它们不像一部厚重的法典，更像一组把门的钥匙——每一把都决定哪些人进得更顺，哪些人会被卡一下。

联邦统一与州法预占

合规手册从 50 份减到 1 份，对跨州产品是立竿见影的利好。但与此同时，你的命运更深地绑定在国会和联邦政治周期上：全国统一意味着全国同步摇摆。你不再有”换个州试试”的选项。

儿童保护

要求平台增加年龄验证机制，这是少数能跨党派达成共识的领域。但它也把成本明确压在面向消费者的产品上——尤其是做 C 端应用、教育、社交的团队，合规预算会立刻变厚。年龄验证不是技术难题，而是责任难题：一旦出错，谁来承担？

能源成本保护

数据中心不得把电费转嫁给居民，听起来像”民生友好”，落到产业上则是对基础设施层企业的硬约束。电力、选址、峰谷负荷、与地方公用事业的合同结构，都更像监管议题而不是工程议题。这条规则的潜台词是：你可以建数据中心，但别让居民的电费单变厚。

知识产权

白宫倾向于认为”用版权内容训练 AI 不违法”，但也承认存在相反观点，并把关键裁决留给法院。翻译一下：灰色地带继续存在，风险并未消失，只是被推迟到诉讼与判例里解决——而判例的时间尺度通常以”年”计。对创业者而言，这意味着你可以继续用数据训练模型，但也要准备好随时面对诉讼。你能做的往往只是风险管理，而不是风险消除。

言论自由

禁止 AI 用于审查合法政治表达，为内容审核划出红线。对平台而言，这既是约束也是保护：你更难”主动过滤”，也更容易在政治压力下以规则为盾。但”合法政治表达”的边界在哪里？谁来定义？这又是一个留给法院的问题。

劳动力与教育

扩大 AI 技能培训，试图把社会压力变成再培训项目。它不直接解决分配冲突，但至少承认冲突存在，并试图用政策把冲击波变短一点。但培训能跟上替代的速度吗？历史经验并不乐观。

这套框架最“聪明”的地方，是它刻意不新设一个联邦 AI 监管机构：而是依赖现有法律、法院与市场自律来运作——轻盈、快速、政治阻力小。

但也因此缺少“专门兜底层”：一旦机制失灵，没有一个专门机构来统一解释、快速纠偏、持续迭代，错误的代价可能以诉讼、行业寒蝉或突发的政策反转形式出现。

四、三种全球路径：欧盟、中国、美国各自的选择

把美国这份框架放进全球对比，会更清晰：AI 治理正分化出三种制度路径。

欧盟：安全优先

《人工智能法案》按风险分级，高风险系统要严格认证。结果是公众信任较高，但创新速度与创业弹性往往被压缩，尤其对资源不足的团队更不友好。欧盟选择的是”先建护栏，再让车跑”。

中国：国家主导

资源集中、推进迅速，能在基础设施、数据组织、产业动员上形成合力；但透明度、多样性、以及某些边界的可争论空间会更小。中国选择的是”国家指挥，产业跟进”。

美国：规模优先

这份框架押注”统一市场 + 法院判例 + 市场自律”的组合能继续吸引算力、资本与人才。正如白宫 AI 与加密事务特别顾问 David Sacks 所言，50 套不协调的州监管正在侵蚀美国在 AI 竞赛中的领先地位——而领先优势在规模经济面前尤其脆弱：你只要慢一点，就可能永远追不上。

三种路径没有绝对的对错，只有不同的风险结构：

• 欧盟若失败，可能失去一部分产业，但社会稳定性更高；
• 中国若失败，可能形成算力与生态的”孤岛效应”，但内部动员能力更强；
• 美国若失败，代价更”全国同步”——因为它主动把规则统一化了。一旦方向错了，纠偏的成本会更高。

更关键的是，这三种路径正在相互塑造。欧盟的严格标准会倒逼美国企业在出口时提高合规水平；中国的国家投入会加速技术迭代；美国的市场规模会继续吸引全球人才。最终的竞争不是”谁的规则更好”，而是”谁的规则能让产业跑得更快、更稳、更持久”。

五、对创业者的真实含义：窗口，还是新的围栏？

对目前处于人工智能行业的创业者而言，短期信号大概率偏利好：合规成本下降、跨州部署更可预期、融资叙事更顺滑——”我们不再需要为 50 个州准备 50 套合规方案”，本身就能让商业计划书更像一家公司，而不像一场法律考试。

但这份利好后面仍有三道未答题：

• 国会时间表靠谱吗？

政治议程永远拥挤。AI 很热，但立法很慢。联邦优先权的落地需要足够的共识与时间窗口，而窗口并不总在。更麻烦的是，立法过程本身可能引入新的变量：修正案、附加条款、利益集团的游说——最终通过的版本可能与白宫框架相去甚远。

• 联邦标准能否长期保持”轻触”？

今天的承诺不是宪法防火墙。集中化的另一面是可逆性更强：换一届政府、换一组委员会，轻触可能变成重压。而一旦联邦优先权确立，你已经没有”换个州试试”的选项了。

• 知识产权的灰色地带何时收口？

法院裁决可能需要数年。在此期间，”训练数据的合法性”仍是悬在产品和融资头上的变量。你可以继续用数据训练模型，但也要准备好随时面对诉讼。投资人会问：如果判例不利，你的护城河还在吗？

创业者得到的是一扇更宽大的门，但门后面仍有几根看不见的横梁。你可以更快地跑，但也要准备好随时刹车

六、最后一个问题：实验室关门，工厂开工

“50 个实验室”的时代正在收尾。那时候，每个州都是一扇窄门：创业者可以在州与州之间寻找缝隙、试错、积累经验，但效率低、市场碎片化。

现在，华盛顿要建一座“国家级 AI 工厂”——效率更高、规则更清晰、全国统一口径。这是一扇宽门：你可以更快进入，更容易跨州部署，减少摩擦、扩大市场，让产品真正可以一键跨州。

门虽敞开，但钥匙和开关全在华盛顿手里。你可以走进去，但能否顺利通行，全看他们何时转动锁芯。

真正值得追问的不是“联邦监管好不好”，而是：当美国选择“市场比监管更聪明”时，谁来定义市场失灵的那一刻？

在那一刻之前，窗口敞开；

在那一刻之后，新的实验室——也许只剩工厂里这一间。

而那一间实验室的钥匙，不在你手里，也不在 50 个州手里——它在华盛顿。

This is not just regulation. This is consolidation.