AI時代的全新金融基礎建設應該是怎樣的?

原文作者：Matt Liston

原文編譯：AididiaoJP，Foresight News

2024 年11 月，預測市場在所有人之前就預判了選舉結果。當民調顯示勝負難分、專家閃爍其詞時，市場給川普的勝率是60%。結果揭曉時，預測市場擊敗了整個預測建制派——民調、模型、專家判斷，所有的一切。

這證明了市場可以將分散的資訊匯聚成準確的信念，風險共擔機制扮演了角色。自1940 年代以來，經濟學家一直夢想著投機市場能夠超越專家預測，如今這個夢想在最宏大的舞台上得到了驗證。

但讓我們深入審視其中的經濟學原理。

Polymarket 和Kalshi 的投注者提供了數十億美元的流動性。他們的回報是什麼？他們產生了一個訊號，而全世界都能瞬間免費地看到。對沖基金觀察它，競選團隊吸收它，記者圍繞它建立數據儀錶板。沒有人需要為這份情報付費，投注者們實際上補貼了一項全球公共品。

這就是預測市場深陷的困境：它們所產生的資訊也正是其最有價值的部分，在生成的那一刻便洩漏了。而精明的買家不會為公開資訊付費。私人數據提供商之所以能向對沖基金收取高昂費用，正是因為他們的數據是競爭對手看不到的。相反，公開的預測市場價格，無論多麼準確，對這些買家而言都毫無價值。

因此預測市場只能存在於足夠多人想「賭博」的領域：選舉、運動、網路迷因事件。結果我們得到了一種偽裝成資訊基礎設施的娛樂消遣。真正對決策者至關重要的問題地緣政治風險、供應鏈中斷、監管結果、技術發展時間線仍然沒有答案，因為沒有人會為了娛樂而去押注它們。

預測市場的經濟學邏輯是顛倒的。而修正這一點，是更宏大改變的一部分。資訊本身才是產品，投注只是生產資訊的機制，而且是一種有限的機制，我們需要一個不同的範式。以下便是「認知金融」的初步勾勒：一種圍繞著訊息本身，從第一原理出發重新設計的基礎設施。

集體智能

金融市場本身就是一種集體智慧。它們將分散的知識、信念和意圖匯聚成價格，從而協調著數百萬從不直接溝通的參與者的行為。這非常了不起，但也極為低效。

傳統市場運作緩慢，是因為受限於交易時間、結算週期和機構摩擦。它們只能透過價格這個粗糙的工具來籠統地表達信念。其所能表徵的事物也非常有限，即可交易主張的空間，與人類真正關心的問題空間相比，簡直微不足道。此外參與者受到嚴格限制：監管障礙、資本要求和地理約束，將絕大多數人和所有機器排除在外。

加密世界的出現開始改變這一點，包括永不間斷的市場、無需許可的參與和可編程的資產。無需中央協調即可組合的模組化協議。 DeFi（去中心化金融）已經證明，金融基礎設施可以重建為開放的、可互通的基礎組件，這些組件誕生於自主模組的互動，而非守門人的法令。

但DeFi 在很大程度上只是用更好的「管道」複製了傳統金融。其集體智能仍基於價格、聚焦於資產，並且吸收新資訊的速度緩慢。

認知金融則是下一步：為人工智慧和加密時代，從第一原理出發重建智慧系統本身。我們需要會「思考」的市場能夠維持關於世界的機率模型，能以任意精細度吸收信息，可供AI 系統查詢和更新，人類無需理解底層結構也能為其貢獻知識。

實現它的組件並不神秘：用私人市場修正經濟模型，用組合結構捕捉相關性，用智能體生態系統規模化處理訊息，用人機界面從人腦中提取信號。每一個部分在今天都已可以構建，而當它們結合在一起時，將創造出某種具有質變意義的新事物。

私人市場

如果價格不公開，經濟約束就會迎刃而解。

一個私人預測市場只讓補貼流動性的實體看到價格。該實體從而獲得獨佔的訊號，一份專有情報，而非公共品。如此一來，市場突然在任何「有人需要答案」的問題上都變得可行，無論是否有人願意為了娛樂而去押注。

我和@_Dave_White_ 探討過這個概念。

設想一家宏觀對沖基金，它希望獲得關於聯準會決策、通膨結果和就業數據的連續機率估計，是作為決策訊號，而非投注機會。只要情報是獨佔的，他們就願意為此付費。一家國防承包商想要地緣政治情境的機率分佈，一家製藥公司想要監管批准時間軸的預測。然而今天這些買家都不存在，因為資訊一旦生成，就會立刻洩漏給競爭對手。

隱私是讓經濟模型成立的基礎。價格一旦公開，資訊買家便失去優勢，競爭對手開始搭便車，整個系統就會倒退到只能依賴娛樂需求。

可信任執行環境讓這一切成為可能，這是一種安全的運算飛地，其中的運算過程對外界（甚至系統操作者）不可見。市場狀態完全存在於TEE 內部。資訊買家透過經過驗證的通道接收訊號。多個非競爭實體可以訂閱重疊的市場；分層的存取視窗可以在資訊獨佔性與更廣泛的分發之間取得平衡。

TEE 並非完美無缺，它需要信任硬體製造商。但它已能為商業應用提供足夠的隱私保障，相關的工程技術如今已相當成熟。

組合市場

目前的預測市場將事件視為彼此孤立的。 「聯準會在三月降息嗎？」在一個獨立市場。 「第二季通膨會超過3% 嗎？」在另一個市場。一個理解這些事件內在關聯的交易者，例如知道高通膨可能增加降息機率，或強勁就業可能降低降息機率，必須在這些互不聯通的資金池之間進行手動套利，試圖重建已被市場結構本身所破壞的相關性。

這就像建造一個大腦，而其中的每個神經元只能孤立地放電。

組合預測市場則不同，它維持的是一個關於多種結果組合的「聯合機率分佈」。一筆表達「利率維持高位且通膨超過3%」的交易，會在系統中所有相關的市場產生漣漪，同步更新整個機率結構。

這類似於神經網路的學習方式：在訓練中，每一次梯度更新都會同時調整數以億計的參數，整個網路對每個資料做出整體反應。同樣一個組合預測市場的每一筆交易，都會更新其整個機率分佈，資訊透過相關性結構傳播，而非僅僅更新孤立的價格。

最終浮現的，是一個「模型」，即一個在世界事件狀態空間上持續更新的機率分佈。每一筆交易都在優化這個模型對事物間相關性的認知。市場在學習現實世界是如何連結在一起的。

智慧生態系統

自動化交易系統已經在Polymarket 上佔據主導地位。它們監控價格、發現錯誤定價、執行套利、聚合外部訊息，速度遠超過任何人類。

目前的預測市場是為使用網頁介面的人類投注者設計的。智能體就是在這種設計下「勉強」參與進來的。而一個AI 原生的預測市場將徹底顛倒這個邏輯：智能體成為主要參與者，而人類則作為資訊來源被連結系統。

這裡有一個至關重要的架構決策：必須實現徹底的隔離。能看見價格的智能體，絕不能同時是資訊來源；而負責取得資訊的智能體，絕不能接觸到價格。

沒有這堵「牆」，系統將自我蠶食。一個既能獲取資訊又能觀察價格的智能體，可以從價格變動中反向推導出什麼資訊是有價值的，然後自己去尋找它。這樣一來，市場自身的訊號反而成了指引他人的「藏寶圖」。資訊獲取行為會退化為一種複雜的「前瞻交易」。隔離機制確保了，資訊獲取智能體只能透過提供真正新穎、獨特的訊號來獲利。

在「牆」的一側：是交易智能體，它們在複雜的組合結構中競爭，以識別錯誤定價；以及評估智能體，它們通過對抗性機制評估湧入的信息，辨別何為信號、何為噪音、何為操縱。

在「牆」的另一側：是資訊獲取智能體，它們完全在核心系統之外運作。它們監控資料流、掃描文件、接觸擁有獨特知識的人類個體——並將資訊單向傳入市場。當它們的資訊被證明有價值時，便能獲得補償。

補償沿著鏈條逆向流動。一筆獲利的交易，會獎勵執行交易的智能體、評估該資訊的智能體，以及最初提供該資訊的獲取智能體。這個生態系統由此變成一個平台：一方面，讓高度專業化的AI 智能體能夠將其能力貨幣化；另一方面，也成為一個基底層，供其他AI 系統收集情報以指導其行動。智能體，就是市場本身。

人類智能

世界上大量最有價值的訊息，只存在於人類的心靈之中。例如知道自家產品進度已經落後的工程師；察覺到消費者行為微妙轉變的分析師；注意到了連衛星都看不到的細節的觀察者。

一個AI 原生的系統必須能夠捕捉這些來自人腦的訊號，同時不被大量噪音淹沒。兩種機制使之成為可能：

智能體中介參與：允許人類在不看到價格的情況下進行「交易」。一個人只需用自然語言表達信念，例如「我認為產品發布會推遲」。一個專門的「信念翻譯智能體」會解析這個預測，評估其置信度，最終將其轉化為市場上的部位。該智能體與有權訪問價格的系統協調，建構並執行訂單。人類參與者只會得到粗略的結果回饋：「頭寸已建立」或「優勢不足」。報酬在事件結束後根據預測準確度結算，價格資訊全程不會洩漏。

資訊市場：允許資訊獲取智能體直接為人類的訊號付費。例如一個想了解某科技公司獲利狀況的智能體，可以辨識出一位擁有相關內部知識的工程師，向其購買評估報告，並依據該資訊隨後在市場中的價值來驗證並支付報酬。人類因其知識而獲得報酬，完全無需理解複雜的市場結構。

以分析師愛麗絲為例：她根據專業判斷，認為某起併購將無法通過監管機構批准。她透過自然語言介面輸入這一觀點，她的「信念翻譯智能體」解析該預測，從語言細節中評估她的信心，核查她的歷史記錄，並構建一個合適的頭寸，全程接觸不到價格。位於TEE 邊界的「協調智能體」則根據當前市場隱含的機率，判斷她的觀點是否具有資訊優勢，並據此執行交易。愛麗絲只會收到「頭寸已建立」或「優勢不足」的通知。價格始終保密。

這種架構將人類的注意力視為一種需要精心分配和公平補償的稀缺資源，而非可以隨意開採的公共資源。隨著這類互動介面的成熟，人類知識將變得「流動」起來：你所知道的資訊匯入一個全球性的現實模型，並在被證明正確時獲得回報。困在頭腦中的信息，不再被困住。

未來圖景

將視野拉得夠遠，便能窺見這一切將引領我們去向何方。

未來將是一片由流動、模組化、可互通的關係所構成的海洋。這些關係在人類與非人類參與者之間自發性地形成與消散，沒有任何中央守門人。這是一種「分形化的自主信任」。

智能體與智能體談判，人類透過自然介面貢獻知識，資訊源源不斷地流入一個持續更新的現實模型，任何人都可以查詢它，但沒有人能控制它。

今天的預測市場，只是這幅圖景的一個原始草圖。它們驗證了核心概念（風險共擔能產生準確信念），但卻被困在錯誤的經濟模型和錯誤的結構假設中。運動博彩和選舉競猜之於認知金融，就如同ARPANET（早期的互聯網）之於今天的全球互聯網：它是一個被誤認為是終極形態的「概念驗證」。

真正的「市場」，其實是每一個在不確定性之下所做的決策，也就是說，幾乎是所有決策。供應鏈管理、臨床試驗、基礎設施規劃、地緣政治策略、資源分配、人事任免……在這些領域減少不確定性的價值，遠超過押注體育賽事的娛樂價值。我們只是尚未建造出能夠捕獲這種價值的基礎設施。

即將到來的，是認知領域的「OpenAI 時刻」：一個文明尺度上的基礎設施項目，但其目標不是個體的推理，而是集體的信念。大型語言模型公司正在建立從過往訓練資料中「推理」的系統；而認知金融旨在建立會「相信」的系統——它能維持關於世界狀態的、經過校準的機率分佈，透過經濟激勵（而非梯度下降）持續更新，並以任意精細度整合人類知識。 LLM 編碼了過去；預測市場匯聚了關於未來的信念。二者結合，才能形成一個更趨近完整的認知系統。

在充分擴展之後，這將演變成一種基礎設施：AI 系統可以查詢它以理解世界的不確定性；人類可以向它貢獻知識而無需理解其內部機制；它能吸收來自感測器、領域專家和前沿研究的局部知識，並將其合成為一個統一的模型。一個自我最佳化的、預測性的世界模型。一個不確定性本身可以被交易、被組合的基底。最終湧現的智能，將超越其各部分之和。

文明的計算機，這正是認知金融所努力建構的方向。

利害攸關

所有的拼圖都已就位：智能體的能力已跨越了可用於預測的門檻；機密計算已從實驗室走向生產環境；預測市場已在娛樂領域證明了大規模的產品- 市場契合。這些線索交會於一個具體的歷史性機會：為人工智慧時代，建構其所需的認知基礎設施。

另一種可能性是預測市場永遠停留在娛樂層面，選舉期間表現精準，平時無人問津，始終無法觸及那些真正重要的議題。屆時AI 系統賴以理解不確定性的基礎設施將不存在，禁錮在人類頭腦中的寶貴訊號，也將永遠沉寂。