加密與 AI 結合的前景與挑戰：從微觀預測市場到對抗攻擊風險

過去很多人總喜歡問 Vitalik Buterin 同一個問題：區塊鏈和 AI 到底能擦出什麼火花？

以往他的回答多半讓人掃興，覺得這兩者除了在口號層面互補，落到具體應用其實沒多少真東西。不過在 1 月 30 日，Vitalik 髮長文改變了口風。他認為隨著大語言模型和零知識證明等密碼學技術的突破，加密與 AI 結合的真正機會終於來了。

讓 AI 當玩家，去掃平微型市場

Vitalik 把 AI 和加密的結合分成了幾種角色，其中最成熟也最看好的，是讓 AI 作為參與者進入鏈上規則。

套利機器人早就存在於去中心化交易所裡，但未來更大的舞臺在預測市場。以前像 Polymarket 這種平臺很難真正普及，核心痛點在於很多長尾問題流動性太薄，人類專家根本不屑於為了幾美元的賞金花時間下注。

AI 完全不在乎這個。它們的執行成本甚至不到每小時 1 美元，而且滿腦子都是百科全書知識，還能即時聯網搜尋。一個只要 50 美元流動性補貼的冷門小問題，就能吸引成百上千個 AI 代理人蜂擁而至，給出細緻的機率判斷。

更妙的是，這種微型預測市場機制還能用來做資訊防偽。比如判斷某個代幣合約是不是李鬼，或者過濾虛假新聞，讓多個 AI 在鏈上博弈，再通過類似去中心化人類反饋強化學習的機制決定誰能拿走獎勵。

把 AI 裝進錢包，但小心它被駭客反向摸透

另一種很直觀的落地場景，是讓 AI 當用戶的互動介面。比如在加密錢包裡充當安全衛士，即時翻譯智慧合約的程式碼風險。

現在 MetaMask 能測詐騙，Rabby 也能模擬交易結果，告訴你即將簽名的授權到底會不會把你錢包裡的資產搬空。要是接上大模型，錢包就能一眼看出你買的那個幾美分代幣到底是不是正牌比特幣。

但 Vitalik 對純 AI 錢包潑了冷水。問題出在對抗性機器學習攻擊上：加密世界講究開源，如果你的錢包助手是開源的，駭客同樣可以把它拿回去本地部署，然後反覆除錯惡意交易，直到找到能夠完美避開 AI 審查的漏洞。

因此他覺得，眼下更靠譜的做法是把 AI 當作傳統介面的補充，而不是完全把私鑰和簽名決策權交給一個黑盒智慧體。

為什麼重要

我們認為，Vitalik 這篇文章最清醒的地方，在於他沒有跟風去炒作去中心化算力或去中心化模型訓練這些大詞，而是把焦點拉回了經濟博弈和應用介面。

對普通使用者和開發者來說，指望 AI 幫你徹底搞懂複雜的 DeFi 合約還為時過早，開源錢包裡的 AI 防火牆很容易被駭客反向工程破解。但如果你在做自動化工具或鏈上代理人，微型預測市場和資訊核驗現在就值得動手嘗試，二層網路擴容已經把鏈上呼叫成本壓到了 AI 可以高頻互動的區間。

從行業來看，這一論斷可能會給很多打著 AI 概念的 Web3 專案潑一盆冷水。與其強行把龐大的大模型搬到鏈上執行，不如利用智慧合約公開透明的激勵規則，給成千上萬個廉價 AI 搭建一套低成本對戰和協作的競技場。

不過這裡的隱患也很明顯。當成千上萬個自主代理人在鏈上跑微型市場時，如何防止演算法共謀、以及當鏈下真實世界資料輸入錯誤時怎麼收場，依然是現階段沒有完全解開的難題。