Tiger Research：加密公司提供哪些 AI 服務？
- 核心觀點：加密貨幣行業正經歷一場由「錯失恐懼症」（FOMO）驅動的人工智慧整合浪潮，但與以往週期不同，此次由Coinbase、Binance等成熟盈利公司主導，旨在將AI從理論概念轉變為維持市場地位的實際操作必需品。
- 關鍵要素：
- 交易所推動交易自動化：透過MCP等介面，使非開發者用戶能用自然語言指令建構並執行交易策略，旨在快速吸引並留住用戶，但可能降低用戶對單一平台的忠誠度。
- 安全公司增強審計能力：如CertiK利用AI進行初步程式碼掃描和審計後即時監控，以提升審計速度、覆蓋範圍並彌補傳統人工審計的盲點。
- 支付基礎設施瞄準代理經濟：Circle等公司探索將穩定幣支付嵌入AI代理的經濟活動（如支付API費用），但該領域尚處早期，完全可運行的模型尚未出現。
- 研究工具降低資訊門檻：Surf等項目提供整合分散鏈上數據與社交情緒的專用AI研究工具，對普通用戶而言入門門檻最低。
- 驅動力轉變與緊迫感：驅動因素從行銷轉向FOMO，行動者變為成熟企業，如Coinbase CEO曾強令工程師一週內上線AI工具，體現了避免落後的緊迫感。
- 實際應用與價值存疑：行業需區分創造價值的採用與「貼標籤」行為，例如用戶是否真正信任AI代理進行即時交易、x402協議的實際應用情況仍有待觀察。
本報告由 Tiger Research 撰寫，加密貨幣公司普遍面臨「錯失恐懼症」（FOMO）。從交易所到安全公司，它們都在競相推出人工智慧驅動的服務。我們將探討它們為何選擇此時採取行動。
要點總結
- 交易所、安全、支付和研究等領域的加密貨幣公司正在同步推出人工智慧服務。
- 與以往週期不同，像 Coinbase 和 Binance 這樣已被證明能夠盈利的公司正在引領潮流。人工智慧已經從一種理論轉變為一種實際操作的必需品。
- 不同行業的採用動機各不相同：交易所旨在防止用戶流失；安全公司旨在填補審計盲點；支付基礎設施則瞄準新興的代理經濟。
- 擁有某項功能和真正使用它，是兩碼事。人工智慧領域的「FOMO」和競爭壓力，正在加速其應用，而這遠超實際需求。
- 真實需求和競爭焦慮都在發揮作用。區分創造價值的採用和僅僅貼標籤的採用是關鍵問題。
1. 加密貨幣公司正在提供人工智慧服務
人工智慧（AI）是當今全球市場最受關注的領域。ChatGPT 和 Claude 等通用工具已融入日常生活，而 OpenClaw 等平台則降低了構建智慧體的門檻。
加密貨幣行業雖然錯過了這波浪潮，但現在正在各個垂直領域整合人工智慧。
這些公司提供哪些人工智慧服務？它們為什麼要進入這個市場？
2. 加密貨幣公司如何採用 AI 技術
2.1 研究
加密貨幣研究存在結構性問題：鏈上數據、社交情緒和關鍵指標分散在各個平台上，驗證困難。通用人工智慧經常對加密貨幣查詢返回不準確的答案。
Surf 等項目通過提供加密貨幣專用的 AI 研究工具來解決這個問題，這些工具可以整合分散的數據源。在所有加密貨幣 AI 應用場景中，研究對普通用戶的入門門檻最低，無需任何程式設計或交易方面的專業知識。
2.2 交易
交易所正在引領人工智慧在交易領域的應用。
方法各不相同。有些方法直接向用戶公開專有交易數據；另一些方法則允許用戶向人工智慧代理發出自然語言命令，由人工智慧代理一步完成從分析到執行的整個過程。
交易所提供 API 已有多年歷史。如今的不同之處在於新增了一層：像 MCP 和 AI Skills 這樣的介面使非開發人員能夠通過 AI 代理訪問交易所的功能。曾經僅限於開發人員使用的工具，現在可以通過自然語言訪問。
這與更廣泛的社群轉變趨勢相符。非開發者用戶越來越多地通過人工智慧代理構建自動化交易策略，而無需編寫任何程式碼。他們只需描述策略，代理就會構建並執行演算法。
對交易所而言，這既是機遇也是挑戰。隨著人工智慧用戶數量的增長，用戶對單一交易所的忠誠度會降低，因為交易者可以在任何地方執行交易。交易所採用人工智慧的原因很簡單：快速吸引用戶並保持用戶在平台上的活躍度。
交易涉及真正的資產管理，比研究需要更高的判斷力和責任感。但隨著准入門檻的降低，這一領域也向普通用戶開放。
2.3 安全/審計
傳統的智慧合約審計依賴於人工逐行程式碼審查，這種方法速度慢、成本高，而且不同審計人員之間的審查標準也不統一。現在，人工智慧已被整合到工作流程中：人工智慧首先掃描程式碼，然後由人工審計人員進行有針對性的深度審查。這在不取代審計人員的情況下，提高了速度和覆蓋範圍。
CertiK 就是一個典型的例子。該公司此前曾因審計項目後來被惡意利用而受到批評。然而，這些事件發生在審計範圍之外。審計是在特定時間點檢查程式碼，並不包括持續監控。
CertiK 利用人工智慧彌補了這一不足。它增加了即時審計後監控功能，並通過公開的儀表板發佈監控結果。由於擴展後的監控範圍是由人工智慧驅動而非人工操作，因此 CertiK 及其審計的項目均從中受益。
在安全領域，人工智慧的應用並非顛覆現有服務，而是拓展人類工作的範圍：提高審計時的精准度，並彌補審計後的盲點。對於區塊鏈安全公司而言，人工智慧並非新的業務領域，而是解決現有安全漏洞的工具。
2.4 支付基礎設施
人工智慧代理（AI Agent）需要支付渠道才能參與經濟活動：例如支付 API 費用、購買數據以及從其他代理處購買服務。對代理而言，最自然的支付方式是鏈上錢包搭配穩定幣。
兩種模式正在興起。第一種是通用協議，它將支付嵌入到 HTTP 請求中，使代理在訪問付費 API 時即可自動進行鏈上結算。第二種是針對特定代理的支付外掛程式，代理只能在人工預設的權限和限額內執行支付。
支付基礎設施是與穩定幣聯繫最緊密的領域。然而，由於支付主體是人工智慧代理而非人類，因此目前尚未出現完全可運行的模型。
USDC 發行方 Circle 也備受關注。該公司發佈了一份提案，旨在將其 Gateway 支付基礎設施與 x402 協議連接起來，並邀請開發者和研究人員進行審查和貢獻。
這並非一個成熟的市場，但市場已經開始消化這一發展趨勢。Circle 股價上漲的關鍵驅動因素之一是其人工智慧代理支付模式。支付基礎設施的實現速度將慢於上述其他領域，但它已成為當前市場中最突出的宏觀主題之一。
3. 為什麼加密貨幣公司現在要進軍人工智慧領域
ChatGPT 於 2022 年 11 月推出時，人工智慧和加密貨幣都尚未成熟。人工智慧模型雖然令人印象深刻，但無法可靠地執行任務。加密貨幣行業正因 FTX 崩盤和全面的信任危機而遭受重創。
自那時以來，人工智慧取得了飛速發展。過去一年，所有主流模型的功能和實用性都顯著提升。相比之下，加密貨幣在同一時期僅僅「利用」了人工智慧：充斥著貼著人工智慧標籤的「Meme 幣」、功能不完善的人工智慧代理以及行銷驅動的宣傳。去中心化人工智慧基礎設施項目仍在不斷湧現，但如果與同等水平的原生人工智慧服務進行客觀比較，它們的品質顯然相形見絀。
如今，差距正在進一步擴大。在人工智慧行業，MCP（使智慧體能夠直接調用外部工具）和 OpenClaw （支援無程式碼智慧體構建）等基礎設施已經使智慧體時代成為現實。而加密貨幣公司才剛剛開始行動。
這次的不同之處在於行動者是誰。不再是那些打著人工智慧旗號的新興創業公司，而是擁有成熟盈利模式的企業：Coinbase、Binance 和 Bitget。這些公司推出人工智慧服務並非出於行銷目的，驅動它們的並非眼前的收益，而是害怕落後的心理：FOMO（害怕錯過）。
Coinbase 執行長布萊恩·阿姆斯壯的行動充分體現了這種緊迫感。他向公司全體工程師下達了一項指令，要求他們在短短一周內上線人工智慧編碼工具，並解雇了不遵守規定的員工。
但保持清醒的頭腦也至關重要。以交易自動化為例，代理人可以查看價格並提出策略，但有多少用戶會真正信任代理人，將資金交給他們進行即時交易？而且，x402 協議在現實世界中真的得到了應用嗎？
歸根結底，加密貨幣領域採用人工智慧並非追逐潮流。隨著人工智慧時代的到來，各公司都在積極行動，以避免失去市場地位。擁有某項功能和真正運用該功能仍然是兩個不同的問題。但誰在行動至關重要。
把人工智慧行業想像成一個正在注滿水的游泳池。以前跳進去的人只是假裝會游泳。現在跳進去的人都是前國家隊衝浪選手。沒人知道水位會漲到多高，也不知道這個游泳池會不會變成海洋。但加密貨幣不會被淹沒在洪流之中。
