海量用户时代：AI离不开加密金融约束机制

作者：Jordi Visser，华尔街资深分析师；编译：Shaw，金色财经

上周，我完成了与马克・莫斯的首次专访。多年来我听过许多他的访谈节目，因此十分珍惜这次能坐下来和他深度交流的机会。

我向来乐于和新朋友探讨人工智能（AI）与加密行业，但这次对话格外有深度，因为整场交流紧紧围绕二者的交叉领域展开。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：人们谈论 AI 时，聚焦智能与生产力革命；谈及加密，则只把它视作货币、金融市场与数字资产的平行赛道。

这种割裂视角，会让人忽略一场规模更大的变革。

人工智能正在催生大批自主经济主体；而加密技术，将为这些主体搭建整套金融基础设施，支撑它们完成交易、确立资产所有权、核验身份，并在可强制执行的规则框架内开展业务。AI 智能体（AI Agent）的能力越强，这两项技术的绑定关系就越密不可分。

每当我和深耕二者融合赛道多年的业内人士交流，离开时总会收获全新的问题、思路，也能更清晰地看清世界未来的走向。两个共同探索未来的人对谈，本身就极具价值。讨论过往，只是梳理一份早已定型的版图 —— 事实既定、结局落地，故事的脉络早已写好。

而认真探讨未来，更像是踏足一片全新大陆：我们寻找事物间的关联、验证各类假设，尝试描绘一个尚未完全成型的新世界。

我和马克的这场对话，直接催生了本文。每一款全新 AI 大模型发布，都让我愈发笃定一个观点：我们正站在一场人类前所未见变革的门槛上。

一类全新数字主体，即将正式参与经济活动。

一、传统经济衡量框架已经失效

纵观现代经济发展史，投资者始终站在人类视角评估需求：更多消费者采购商品、更多企业扩招员工、更多工厂扩大产能。人口、收入、国内生产总值同步抬升，需求随之扩张，经济增长与资源消耗大体呈线性关系。

人工智能彻底改写了需求曲线底层逻辑 —— 经济生产主体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分析框架评判 AI 基础设施。他们看到微软、亚马逊、谷歌斥资数千亿美元兴建数据中心，OpenAI、Anthropic、xAI 以及一众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客户。

这套分析框架忽略了正在发生的结构性转型：头部大模型企业正在进化为平台，调度、管理数十亿个自主软件智能体；真正的需求来源，是平台孵化出的数字化劳动力。这类数字劳动力的核心成本是代币，单位算力代币成本持续快速下行，行业竞争也日趋白热化。

同时，这套框架也无视了数字劳动力配套所需的全新金融体系。

数十亿智能体无法依托为人类设计的传统金融体系规模化运转：银行营业时间受限、人工审批流程繁琐、结算存在延迟、数据库相互割裂，所有交易逻辑都默认交易另一端是真人。智能体需要全天候持有、兑换价值，核验交易对手，限定支出额度，自动执行合约、完成清算。

而加密技术，恰好为这套数字经济世界搭建起金融风控护栏。

二、错误的统计口径：只统计企业客户，无视底层海量智能体

每到云厂商财报季，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 算力，Anthropic 依托亚马逊 AWS，谷歌自建基础设施，Meta 自研大模型。若将这些公司视作终端需求方，AI 算力支出高度集中，行业景气度极易受少数企业预算波动影响。

但当智能体成为需求主体，整套经济逻辑完全改写。OpenAI、Anthropic、谷歌更像是数字劳动力的操作系统，而非算力终端消费者。搭建在这些平台上的企业应用、软件工作流、大众服务，都会持续新增推理算力需求。云服务商搭建的基础设施，最终服务于数十亿规模的软件劳动力。

金融领域同样存在统计盲区。银行、支付网络表面的大客户是 AI 平台、企业或数字钱包，但账户底层可能挂靠数百万智能体，替个人、企业、车辆、机器人乃至其他智能体持续做出经济决策。

只统计企业对公账户，会完全漏掉底层海量经济活动。

单一企业客户，背后服务数十亿主体

这种统计误区其实并不陌生。

对供应商而言，麦当劳只是单一采购客户，但它那句经典标语 “服务数十亿人次”，精准道出企业外壳下真实的经济体量：一家企业背后，是每年数十亿笔个人消费交易。

AI 经济正在以更大规模复刻这套逻辑：OpenAI 看似只是 Azure 单一客户，Anthropic 只是 AWS 单一客户，谷歌自用云资源也仅算内部需求；但每个平台背后，都有持续扩张的软件智能体集群 —— 做调研、写代码、数据分析、服务用户、生成内容、执行金融流程、跨智能体协同。

每一个智能体都会产生持续性推理需求，单一项任务可能调用数十套模型，完成推理、检索、搜索、编码、记忆、规划全流程。对云厂商而言，一个平台客户，背后对应数十亿全天候运行的数字劳动力。

金融体系也将迎来同等规模的交易爆发。

一个个人智能体，可以在用户睡醒前，对比数百商家报价、协商订阅条款、调仓理财、采购算力、购买数据服务、付费调用专业智能体，完成数十笔微型交易。企业智能体则可自主采购库存、租赁算力、管理营运资金、对冲外汇风险、向其他智能体支付任务酬劳。

人类一条简单指令，底层可能衍生数百甚至数千笔经济交易。

云厂商正在为尚未大规模落地的数十亿数字劳动力搭建算力底座；加密网络，则为这些智能体相互开展商业活动，提供交易、清算、身份确权、资产所有权基础设施。

三、智能需要金融自主执行能力

第一代 AI 系统核心功能是信息输出：回答问题、文档总结、生成图像、编写代码，辅助人类做决策。

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，就必须拥有金融执行权限：自主采购资源、支付服务商、收取收益、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 AI，终究只是高级助手；只有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。

传统金融基础设施围绕自然人搭建，层层人工审核流程本身就是安全机制：签署纸质文件、输入密码、等待银行开市、手动转账审批、人工对账、通过中心化机构处理纠纷。人类单笔交易数量有限，这类繁琐流程尚可承受。

但智能体 7×24 小时不间断运转、以机器速度完成交易，传统流程会形成无法逾越的瓶颈。

数十亿智能体产生的交易总量，远超人类认知范畴。智能体可能仅花费零点几分钱，购买数据、推理算力、存储、带宽、身份核验、API 接口、知识产权或是其他智能体的专业服务；单条业务流程可能触发上千笔小额交易，一家企业每日甚至产生数百万笔交易。

面向智能体的金融体系，必须可编程、全天候可用、全球互通、可审计，且能低成本处理超小额交易。

这也能解释为何市场传闻 Stripe 有意收购 PayPal，其意义远不止并购对价本身。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 支付渠道与 PYUSD 稳定币。二者整合后，将搭建一套覆盖智能商业全链路的金融平台：一端是收款商户，另一端是授权智能体代为支付的普通用户。

这笔收购最终能否落地并不重要，其传递的行业战略信号更为关键：支付行业已经开始布局一个由软件自主发起结算的时代。Stripe 已推出交易专属授权凭证，允许智能体完成合规采购，却不会完整获取用户底层支付信息；PayPal 也在持续投入智能商业配套基础设施与风控保障体系。

未来支付网络不能只实现资金划转，还需要完成多重校验：核验智能体操作权限、限定采购品类、管控单笔支出上限、保护底层支付凭证、评估欺诈风险、留存人类授权记录。

银行卡、银行账户仍会作为资金来源，但外层管控体系必须可编程。稳定币、代币化存款、可编程钱包、加密身份、智能合约，共同构成全新底层架构，支撑商业从人类零星结账，转向机器不间断自动结算。

因此 Stripe 收购 PayPal 的传闻，是金融业看清行业变革的又一信号：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、数字身份、清算渠道与商户资源，谁就能握住智能时代最重要的金融入口。

这套底层架构，与加密体系高度契合。

四、加密技术：智能体的金融风控保障

提起加密，多数投资者只会联想到投机代币与币价波动。但它长期核心价值，是为自主软件原生构建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，更需要一套风控保障：界定自身持有资产、可支出范围、可对接的交易对手、资金释放的前置履约条件。

可编程钱包可为智能体划定专项预算，而非开放个人或企业全部账户余额；权限规则可限制单笔交易额、商户行业、适用地区、资产类型、使用时段、累计总支出；大额交易可增设二次核验或人工审批环节。

智能合约可托管资金，仅在可核验条件达成后自动放款：任务交付、物流确认、数字服务交付、预设业绩指标达标后，智能体自动向合作智能体结算酬劳。

稳定币为智能体提供原生数字交换媒介，价值锚定传统法币，便于经济测算。代币化存款、美债、货币基金、证券、知识产权、实体资产，能让智能体在同一可编程环境内自由切换现金、抵押品、投资标的与生产资源，无需跨系统操作。

公有链与许可式账本留存完整审计轨迹，清晰记录每笔交易的发起智能体、执行规则、资产流转明细，核验操作是否在授权范围内。

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，防止自主商业活动陷入无序混乱。

五、交易规模爆发，人工监管彻底失效

人类金融监管以事后核查为主：合规部门抽检交易、会计人工对账、审计抽样留档、监管机构数天乃至数月后审阅报表。

这套模式无法适配数十亿智能体持续交易的经济体系。

人类不可能人工核查每一笔智能体间微型交易，只能提前预设政策、操作权限、风险上限与身份准入规则，在交易执行瞬间自动落地管控。监管逻辑必须内嵌于交易流程本身。

加密技术让金融规则可编程落地。

企业可限定采购智能体仅能向合规供应商支出预设额度；用户可授权出行智能体在指定价格区间订机票，但预订酒店需人工复核；投资智能体可在批准资产池内调仓，禁止借贷、杠杆操作或对接未授权协议。

账本完整留存所有规则范围内的操作记录。

由此形成适配自主系统的金融层级架构：人类制定目标与风险红线，智能体在约束内自主优化，加密基础设施核验身份、执行权限、转移资产、留存操作记录。

缺少这套风控护栏，给智能体资金支配权，等同于给员工无限制企业账户使用权，单纯依靠内部制度自我约束，生产力提升的收益会完全被安全风险吞噬。

依托可编程金融约束，资金支配权可以精细化、可量化、可撤销地分层下放。

六、稳定币：智能体原生结算货币

智能体天生具备全球属性，可跨国采购服务、租用去中心化算力、购买数据资讯、向海外智能体付费，不受地域限制。

传统银行体系会割裂这类跨境业务：不同币种、代理行、支付服务商、营业时间、区域监管基建层层分割，一笔资金需经过多个中介才能抵达收款方，每一环都会产生延迟、手续费与对账成本。

稳定币为智能体提供统一数字结算工具，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、无间断运行、可内嵌软件工作流。

智能体不在乎合作银行品牌、支付应用界面，只关心执行速度、稳定性、成本、流动性与结算确定性。它会自动选择最高效的支付通道，如同软件自动分配网络带宽。

随着智能体能力持续升级，它们会持续优化资金存放渠道、选用稳定币种类、最低成本公链、风险收益最优的代币化资产。人类疏于打理而长期静置的资金，在智能体持续比价评估下，流动性将大幅提升。

这也是智能经济会加速稳定币与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。

七、数字身份与资金同等重要

智能体安全交易，金融体系不能仅核验账户余额，还必须确认资金操作授权主体。

智能体可代表个人、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授权链路。交易对手必须确认智能体真实身份、交易操作权限、凭证未被撤销。

加密身份无需每笔交易人工确认，即可建立可信代理关系：智能体可出示授权机构资质、合规牌照、地区准入资质、限定支出权限证明。

信用体系也将实现跨平台迁移：履约稳定的智能体积累可核验交易历史，其他智能体可依托记录评估对手风险、要求抵押、拒绝合作。

因此智能经济需要身份、资金、信用、操作权限、清算结算一体化体系，加密网络正逐步整合全套能力。

八、智能体重塑需求结构

传统软件提升人类员工效率，帮助更快完成工作；智能体则直接承接完整业务，企业无需同比例扩招人力，就能扩大有效劳动力规模。

一名员工可管理数十个专业智能体，分别负责代码开发、行业调研、法务审核、日程规划、客服、财务分析、内容生成。单条业务流程中，智能体还会调用多层专业模型，一次用户指令背后，嵌套多层推理运算。

人类单次决策，衍生数十至数百次计算行为；一条简单提示词背后，是调度推理模型、检索系统、记忆库、搜索、翻译、图像生成、细分领域智能体的协同调度层。软件开始服务软件，算力需求不再随用户规模线性增长，而是指数级放大。

金融交易需求同理。

一个智能体完成商业任务，可能向多家服务商分别采购数据、推理算力、存储、核验服务；每家服务商又会调用自有智能体、外包其他数字服务。单一商业目标，分化成庞大机器对机器支付网络。

这正是人力劳动与数字劳动力的本质区别：传统企业靠扩招员工实现规模扩张；智能体系靠叠加智能决策、交易行为实现指数级增长。

九、杰文斯悖论同样适用于交易

经济史上的杰文斯悖论可以很好解释这一现象：煤炭燃烧效率提升，并未减少煤炭消耗，反而推高总需求；带宽成本下行，互联网使用规模暴涨；存储成本降低，数字信息总量爆炸式增长。

人工智能将这套逻辑复刻到算力领域：推理成本每下降一档，一大批全新应用具备落地经济性。推理单次成本 1 美元时无商业价值，降至 1 美分就能大规模普及；成本再下一个数量级，智能能力可嵌入过往无法承载算力成本的产品、流程与服务。

这套规律同样适用于金融交易。

人类会在手续费、操作摩擦高于交易价值时放弃小额支付；智能体只要预期收益高于边际成本，就会持续发起交易。结算成本持续走低后，智能体可以精细化采购细分数据、算力、流量、能源、软件、知识产权。

交易成本下降不会仅降低现有交易手续费，反而会催生海量新增交易。机器商业最终交易规模将远超当下消费支付体系，因为软件可以拆分出人类无法处理的超小额、高频经济活动。

算力与结算成本越低，智能体对二者的消耗规模就越大。

十、算力与加密：互补的双层基础设施

市场讨论 AI 投资时，常将算力基建与数字资产基建割裂看待：前者归为实体生产力技术，后者仅视作投机金融市场。

但智能经济证明，二者是同一体系互补的两层架构：算力赋予智能体思考能力；网络赋予其通信能力；加密赋予其资产所有权、数字身份、结算货币、可强制执行的经济边界。

无算力的智能体无法推理；无网络无法协同；无安全金融架构，就无法成为可信市场参与者。

数据中心、半导体、存储、通信网络、电力、区块链、稳定币、代币化资产、加密身份、可编程钱包，同属新兴机器经济的核心组件。

AI 算力工厂生产智能能力，加密支付通道支撑智能价值流转。

十一、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、企业软件服务商统计 AI 需求，这套思路等同于互联网早期只统计浏览器开发公司，而非亿万网民。

真正核心的存量主体，是海量软件智能体。落地客服智能体的企业、开发代码智能体的开发者、部署诊断系统的医疗机构、自动化投研的金融机构、使用个人助手的普通用户，都会持续产生推理算力需求。

每一套落地智能体系统，都会衍生配套金融活动：自主采购资源、向其他智能体付费、收取服务收入、管理抵押品、跨资产调配资金。

长期来看，每位手机用户都会对接多款个人智能体；每家企业业务流程调度上百个细分智能体；每台自动驾驶车辆配备独立金融钱包；每台人形机器人自主采购能源、备件、软件与服务。

算力基建需求随数字劳动力规模同步扩张，交易需求随智能体经济活动同步增长。

十二、数十亿智能体，需要配套金融风控体系

纠结 OpenAI、Anthropic、谷歌、微软能否独自支撑当前基建投入，会错过更宏大的变革浪潮。这些企业正在成为数字劳动力的分发平台，而数字劳动力的边际运行成本持续走低。

企业用工模式从雇佣真人转向部署智能体后，但凡智能能创造价值的场景，算力需求都会同步扩张；推理成本每下降一档，可落地的智能体数量、任务复杂度、云端运算总量都会同步提升。

金融领域也会迎来同等规模扩张：新增一个智能体，就新增支付、合约、资产划转、抵押、机器间交易需求。交易总量会快速突破人工审批、监管、对账乃至理解的承载上限。

这正是加密金融基建不可或缺的原因：稳定币、代币化资产、可编程钱包、加密身份、智能合约、可核验账本搭建起完整风控护栏，让资金支配权能安全下放给软件。

正如麦当劳凭借 “服务数十亿人次” 闻名，云厂商正默默支撑数十亿数字劳动力运转；加密网络则将承载这些智能体产生的数万亿笔交易，成为底层金融基础设施。

AI 赋予智能体思考能力，加密赋予其带强制约束的经济执行权限。

想要服务数十亿数字智能体，必须搭建适配机器高速运转的金融风控体系；而这套体系催生的交易规模，将远超人类经济史上任何阶段。