服务数十亿智能体：人工智能为何需要加密金融风控体系

作者：Jordi Visser 翻译：善欧巴，金色财经

上周，我完成了与马克・莫斯的首次专访。多年来我听过大量他的访谈节目，终于有机会和他面对面深度交流，我倍感珍惜。

和不同从业者探讨人工智能与加密行业总能让我收获良多，但这次对话格外有价值，因为我们直击两大技术的交叉领域。绝大多数投资者、技术从业者与行业评论者仍将二者割裂看待：人工智能被视作生产力与智能革命，加密货币则被单独归为货币、金融市场与数字资产赛道。

这种割裂视角，让人看不到一场更宏大的变革正在发生。

人工智能正在催生海量自主经济主体；而加密技术，将为这些主体搭建完整金融底层，支撑它们完成交易、确权、身份核验，并在可强制执行的规则内开展经营。智能体的能力越强，两大技术的绑定程度就越深，二者将再也无法分割。

每当我和深耕这一融合赛道多年的业内人士交流，总会萌生全新思考、收获新思路，也更清晰地看清世界未来的走向。两个一同探索未来的人对话，本身就极具独特价值。谈论过往，如同翻阅早已测绘完毕的地图：事实既定、尘埃落定，故事早已写就。

而认真探讨未来，更像是开拓一片全新大陆。我们不断寻找事物间的关联、验证各类假设，试图描摹一个尚未完全成型的世界。

本次与马克的对话，直接催生了这篇文章。每一款全新 AI 大模型发布，都让我愈发坚定一个判断：我们正站在一场前所未有的全球变革的门槛前。

一类全新数字主体，即将全面涌入经济体系。

一、传统估值框架：我们找错了统计标的

近现代经济发展历程中，投资者始终以人类为核心衡量市场需求：消费者增多带动商品采购、企业扩招员工、工厂扩大产能。人口、收入、GDP 同步推升需求，经济增长与资源消耗基本呈线性关系。

人工智能彻底重塑需求曲线 —— 经济生产单元正从人类转向软件智能体。但大量投资者仍在用传统企业软件的逻辑评估 AI 基础设施赛道。他们看到微软、亚马逊、谷歌千亿级加码数据中心，OpenAI、Anthropic、xAI 等前沿实验室消耗海量算力；在这套视角下，AI 算力需求仅集中于少数几家大客户。

这套分析框架，忽略了当下正在发生的结构性转型。头部大模型企业正在进化为部署、调度数十亿自主软件智能体的平台，真正的需求源头，是平台孕育出的数字劳动力。数字劳动力的流通媒介是代币，且完成单位任务所需代币成本持续快速下行，行业竞争也日趋白热化。

同时，这套逻辑完全忽视了这批数字劳动力配套所需的全新金融体系。

数十亿数字智能体，无法依托一套为人类设计的金融系统规模化运转：传统银行有固定营业时间、交易需人工审核、结算存在延迟、数据仓库相互割裂，所有交易流程都默认交易双方是自然人。智能体需要全天候持有、兑换价值，核验交易对手，自动约束支出上限，自主执行合约、完成清算。

而加密技术，正是适配这套全新数字世界的金融风控底层。

单一企业客户，背后服务数十亿主体

每一轮云厂商财报发布、远期订单数据更新后，投资者都会抛出同一个问题：究竟是谁在消耗海量算力资源？

站在传统企业服务视角，答案看似清晰：OpenAI 租用微软 Azure、Anthropic 依托亚马逊 AWS、谷歌自建算力集群、Meta 自主训练模型。若把这些企业视作终端客户，AI 算力支出高度集中，行业景气度极易受少数企业预算影响。

但一旦将智能体视作需求单元，整套商业逻辑将彻底改写。OpenAI、Anthropic、谷歌更像是数字劳动力的操作系统，而非算力终端使用者。搭建在这些平台之上的企业应用、软件流程、大众服务，都会持续产生增量推理需求。云厂商搭建的算力底座，最终服务的是未来规模或将达数十亿的软件工作者。

金融领域也存在相同的统计误区。银行、支付网络表面对接的是大型 AI 平台、企业账户或数字钱包，但一个账户背后，可能潜藏数百万个智能体，持续代表个人、企业、车辆、机器人乃至其他智能体做出经济决策。

只统计企业对公账户，会完全忽略账户底层海量的经济活动。

这种统计错觉我们其实并不陌生。

麦当劳在供应商眼中只是单一采购客户，但其经典标语 “服务数十亿食客”，却道破了企业主体之下真实的交易规模：一家企业，每年承载数十亿笔个人消费交易。

AI 经济正在以更大体量复刻这套逻辑。OpenAI 看似只是 Azure 单一客户，Anthropic 只是 AWS 单一客户，谷歌仅消耗自有云资源；但每个平台背后，都有持续扩张的软件智能体集群：开展调研、编写代码、数据分析、客户服务、内容生成、执行金融流程、跨智能体协同作业。

每一个智能体都会持续产生推理需求，单一项任务可能调用数十套模型，涵盖逻辑推理、信息检索、全网搜索、代码生成、记忆存储、任务规划。对云服务商而言，一个平台客户，本质对应数十亿不间断运行的数字劳动者。

金融体系也将迎来同等规模的交易爆发。

一款个人智能体，能在用户睡醒前，完成数百商家比价、协商订阅合约、调整储蓄配比、采购算力、购买数据服务、付费调用专业智能体，达成数十笔微交易；企业智能体可自主采购库存、租赁算力、管理营运资金、对冲外汇风险、为完成任务的其他智能体结算酬劳。

人类下达一条指令，底层可能衍生成百上千笔经济交易。

云厂商正在为尚未大规模落地的数十亿数字劳动者搭建算力基建；加密网络，则为这些智能体跨主体商业往来，搭建交易、清算、身份确权、资产归属底层设施。

二、智能需要独立金融执行权

第一代 AI 系统核心能力是信息输出：回答问题、文档摘要、生成图像、编写代码，辅助人类决策。

而智能体实现了从 “输出信息” 到 “自主行动” 的跨越。

一旦智能体具备行动能力，就必须拥有独立金融执行权限：自主采购资源、支付服务商、获取收益、管控预算、核验合约履约条件。仅能给出交易建议、无法自主执行的智能体，终究只是高级助手；能够安全管控经济资产的智能体，才算真正的市场参与主体。

传统金融体系围绕可识别自然人搭建，人为设置多层人工操作门槛作为安全机制：签署纸质文件、输入密码、等待银行营业、手动转账审批、人工对账、中心化机构处理纠纷。人类交易频次有限，这些繁琐流程带来的延迟尚可接受。

可软件智能体 7×24 小时不间断运行、以机器速度完成交易，传统流程会成为无法逾越的瓶颈。

数十亿智能体产生的交易规模，远超人类现有认知。智能体可能花费零点几分钱购买数据、推理服务、存储空间、网络带宽、身份核验、API 接口、知识产权或其他专业智能体服务。单一条业务流程会产生数千笔小额交易，一家企业体系内单日交易可达百万级。

适配智能体的金融系统，必须可编程、全天候运行、全球互通、全程可审计，且能低成本处理海量极小金额交易。

这也能解释，传闻中 Stripe 收购 PayPal 的战略意义，早已超出收购对价本身。Stripe 搭建了互联网商业面向商户的整套支付基建，PayPal 则手握海量 C 端用户、Venmo、Braintree 支付渠道、自有稳定币 PYUSD。二者资产整合后，将打造一套覆盖智能商业全链路的金融平台：一边承接商户收款，一边服务授权智能体自主消费的普通用户。

这笔收购最终能否落地并不重要，其释放的行业信号更值得关注：支付行业已经开始布局一个由软件而非人类发起支付的未来。Stripe 已推出专属交易凭证体系，智能体可凭授权完成采购，无需获取用户完整支付信息；PayPal 也在持续投入智能商业配套基础设施与风控保障工具。

未来支付网络绝不只是资金流转通道，还需完成多重功能：核验智能体授权资质、限制采购品类、管控支出额度、保护底层支付凭证、识别欺诈风险、留存交易审批记录。

银行卡、银行账户仍会作为资金来源，但上层管控层必须实现可编程化。稳定币、代币化存款、可编程钱包、加密身份、智能合约，共同构成商业模式从人类手动结算转向机器不间断执行的底层架构。

Stripe 收购 PayPal 的传闻，正是金融业嗅到变革将至的信号。AI 智能体正在成为独立经济主体，谁掌控智能体的钱包、操作权限、身份体系、清算渠道与商户接入入口，谁就能握住智能时代最重要的金融枢纽。

这套底层架构，与加密体系高度契合。

三、加密技术：智能体交易的核心风控屏障

谈及加密行业，投资者往往只关注投机代币与价格波动，但它长期核心价值，是为自主软件主体打造原生数字产权规则与金融约束体系。

智能体需要的不只是支付通道，更需要一套风控规则：界定自身持有资产、可消费额度、可对接交易对手、资金释放的前置履约条件。

可编程钱包可为智能体分配专项预算，而非开放企业或个人全部资产账户；权限可限定单笔交易额、商户类型、适用地区、资产品类、使用时段、累计消费上限；大额交易可增设二次验证或人工审批流程。

智能合约可托管资金，仅在可核验条件达成后完成放款：智能体完成任务、货物确认签收、数字服务交付、达成预设绩效标准，即可自动为其他智能体结算酬劳。

稳定币为智能体提供标准化数字流通媒介，价值锚定传统经济标的，便于核算；代币化存款、国债、货币基金、证券、知识产权、实体资产，让智能体无需切换系统，即可自由调配现金、抵押品、投资标的与生产资源。

公有链与授权式联盟链可生成完整审计链路，清晰记录每笔交易的授权智能体、执行规则、资产流向、操作是否在权限范围内。

这些并非锦上添花的附加功能，而是必不可少的金融安全系统，避免自主交易彻底陷入无序混乱。

四、传统人工监管，无法适配超大交易规模

人类金融监管以事后核查为主：合规部门抽查交易、会计对账、审计抽样、监管机构数天乃至数月后审阅报表。

这套模式完全无法适配数十亿智能体不间断交易的经济体系。

人类不可能逐笔人工审核智能体之间的微交易，只能提前预设政策、操作权限、风险阈值、身份准入标准，在交易执行瞬间自动落地管控。监管规则必须内嵌于交易流程本身。

加密技术实现金融规则可编程化。

企业可限定采购智能体仅能向合规供应商、在固定预算内支出；用户可授权出行智能体自主购买机票，但预订酒店需人工审批；投资智能体可在获批资产范围内调仓，禁止借贷、使用杠杆或对接未授权协议。

账本完整留存所有在权限框架内执行的操作记录。

由此形成适配自主系统的金融层级：人类设定目标与风险红线，智能体在约束内自主优化执行，加密底层核验身份、落地权限、完成资产确权、留存操作凭证。

缺少这套风控体系，让智能体直接管控资金，等同于把企业全部银行账户无限制开放给员工，仅靠内部制度自我约束，巨大安全风险会彻底抵消效率提升的价值。

依托可编程金融约束，资金权限可以拆分、量化、随时撤销，分层授权。

五、稳定币：智能体的原生流通货币

软件智能体天然具备全球属性，可跨国采购服务、租用去中心化算力、订阅数据资讯、跨境支付其他智能体，不受地域限制。

传统银行体系按币种、代理行、支付服务商、营业时间、地域划分，割裂全球交易。一笔资金流转需经过多层中介，每一环都会产生延迟、手续费与对账成本。

稳定币则为智能体提供通用数字化清算工具，跨兼容网络全天候流转。它在智能经济中的核心价值，在于可编程、7×24 可用、深度嵌入软件业务流程。

智能体不会在意合作银行品牌、支付页面设计，只关注执行速度、稳定性、成本、流动性与清算确定性。它会自动选择最优支付通道，如同软件自动调度网络带宽。

随着智能体能力提升，它们会持续优化资金存放渠道、选用稳定币种类、低成本公链、风险收益比最优的代币化金融产品。人类疏于打理而长期静止的资金，在智能体调度下将持续流转，不断比对各类资产收益。

这也是智能经济会加速稳定币、代币化资产普及的核心原因：这类金融工具从设计之初，就适配软件自主持有、评估、转账、兑换。

六、身份体系，重要性比肩资金

智能体安全交易，金融体系不能仅核验账户余额，还需确认操作主体的合法授权。

智能体可能代表个人、企业、政府机构、自动驾驶车辆或其他软件系统，每一层代理关系都需要可核验的授权链路。交易对手方必须确认智能体真实有效、拥有交易权限、凭证未被撤销。

加密身份体系无需人工确认，即可完整落地授权关系：智能体可出示凭证，证明自身归属合规机构、持有对应资质、符合地区监管要求、在既定预算权限内操作。

信用体系也将实现跨平台互通。持续稳定履约的智能体，可积累可核验交易履历；其他主体可依托历史记录评估对手风险、要求缴纳抵押品，或拒绝合作。

因此，智能经济需要身份、资金、信用、操作权限、清算体系协同支撑，加密网络正逐步将所有要素整合至统一底层架构。

七、智能体重塑市场需求结构

传统软件提升员工单人效率，智能体则直接承接完整工作，企业无需同步扩招员工，就能变相扩充劳动力规模。

一名员工可管理数十个细分智能体，分别负责代码开发、行业调研、法务审核、日程管理、客户服务、财务分析、内容创作。单条业务流程中，智能体还会调用更多专业模型，一次用户交互背后，嵌套多层推理运算。

人类一条简单指令，会衍生数十上百次计算任务。一条提示词不再是单一操作，而是调度推理模型、搜索引擎、记忆库、检索工具、翻译、图像生成、细分智能体的协同调度层。软件开始消费软件，算力需求不再随用户数量线性增长，而是成倍扩张。

金融交易规模也会同步爆发。

一个智能体完成业务任务，可能向多家服务商分别采购数据、推理算力、存储空间、核验服务；每家服务商又会调用自有智能体，外包更多数字化服务。单一经营目标，会衍生出一张机器与机器互相支付的交易网络。

这正是人类劳动力与数字劳动力最本质的区别：人类企业依靠扩招员工实现规模扩张；智能体系依靠无限叠加智能主体、决策行为、交易实现增长。

杰文斯悖论同样适用于交易场景

经济史中的杰文斯悖论可以解释这一现象：煤炭燃烧效率提升，非但没有减少煤炭消耗，反而推动消耗量大涨；带宽成本降低，互联网使用规模爆发；存储价格下行，数字数据总量激增。

人工智能将这套规律复刻到算力领域：推理成本每下降一档，全新应用场景就具备落地可行性。单次推理成本 1 美元时无法落地的任务，成本降至 1 美分后具备商业价值；成本再降低一个数量级，智能能力就能嵌入以往无法承载算力的产品、流程与服务。

相同逻辑同样适用于金融交易。

人类会因手续费、操作繁琐放弃小额交易；但智能体只要预期收益高于边际成本，就会发起交易。清算成本持续降低后，智能体可拆分采购数据、算力、流量、能源、软件、知识产权的最小单元，逐笔付费。

交易成本下降，不会仅降低现有交易的手续费，而是催生海量新增交易。机器商业最终的交易总量，将远超当下人类消费支付体系 —— 软件能把经济活动拆分为人类无法处理的极小频次、极小金额交易。

算力与清算成本越低，智能体对二者的消耗规模就越大。

八、算力与加密：互补的双层底层基建

市场讨论 AI 投资时，常将算力基建与数字资产基建割裂：前者被视作实体生产力技术，后者仅被定义为投机金融市场。

但智能经济清晰证明，二者是同一套系统相辅相成的两层底座。

算力赋予智能体思考能力，网络赋予智能体通信能力，加密技术赋予智能体资产所有权、身份、流通货币与可强制执行的经济边界。

缺少算力，智能体无法逻辑推演；缺少网络，智能体无法协同合作；缺少安全金融底层，智能体无法成为可信市场参与者。

数据中心、半导体、存储、通信、发电设施、区块链、稳定币、代币化资产、加密身份、可编程钱包，共同构成正在成型的机器经济全组件。

AI 算力工厂产出智能能力，加密支付通道让智能能力实现价值交换。

九、投资者错把企业当作统计核心，忽略海量智能体

华尔街多数机构仍以头部大模型企业、云厂商、企业软件服务商为标尺衡量 AI 需求。这套思路，如同互联网早期只统计浏览器开发公司，无视亿万网民。

真正具备长期价值的增量载体，是海量软件智能体。企业落地客服智能体、开发者搭建代码智能体、医疗机构部署诊断系统、金融机构自动化行业调研、普通用户使用个人助手，都会持续产生推理算力需求。

每一套落地的智能体系，都会衍生潜在金融活动：智能体自主采购资源、付费合作、获取营收、调配抵押品、跨渠道配置资金。

长远来看，每位智能手机用户都会对接多款个人智能体，企业每条业务流程协同上百个细分智能体，自动驾驶车辆独立持有金融钱包，人形机器人自主采购能源、配件、软件与配套服务。

算力基建需求随数字劳动力规模同步扩张，交易规模随数字劳动力的经济活动同步增长。

十、数十亿智能体，需要数十亿套风控规则

争论 OpenAI、Anthropic、谷歌、微软能否单独支撑当下巨额基建投入，错失了最核心的变革主线。这些企业正在成为数字劳动者的分发平台，而数字劳动力的边际运营成本持续走低。

企业用工模式从招聘人类转向部署智能体，算力需求会同步覆盖所有可通过智能创造价值的场景；推理成本每降低一分，可落地的智能体数量、任务复杂度、云端计算总量都会同步扩张。

金融领域也将迎来同等扩张：新增每一个智能体，都会带来新增支付、智能合约、资产划转、抵押需求、机器间交易。交易规模会快速突破人类人工审批、监管、对账的承载上限，甚至远超人类理解范畴。

这正是加密金融基建不可或缺的核心原因。稳定币、代币化资产、可编程钱包、加密身份、智能合约、可审计账本，提供一套完整风控体系，让资金权限可以安全下放给软件主体。

正如麦当劳凭借 “服务数十亿食客” 家喻户晓，云厂商正在默默搭建支撑数十亿数字劳动者的底层算力；加密网络，则将承载这些数字主体产生的万亿级交易。

人工智能赋予智能体思考能力，加密技术赋予智能体拥有可强制约束边界的经济执行权。

想要服务数十亿数字智能体，必须搭建适配机器运行速度的金融风控体系；而这套体系催生的交易体量，将是人类过往经济从未触及的规模。