据 Woofun AI 消息,在人工智能代理从单纯聊天工具向自主执行复杂任务系统演进的临界点,区块链基础设施正面临重新定位的历史性时刻。10 月 21 日, 联合创始人 携手团队核心成员 与 ,做客 推出的《AI Super Cycle》节目,深入剖析了 、隐私计算、后量子安全以及 AI Agent 经济的战略方向。Polosukhin 在访谈中重申了其核心判断:AI 将成为人类与计算系统交互的前端界面,而区块链则负责协调 AI、人类与企业之间的经济活动。
这一架构旨在解决未来商业活动中,由 AI Agent 主导购物、支付及资产交易时,谁来连接不同市场、执行交易并验证结果的根本问题。随着 AI 掌握越来越多个人与企业数据,如何避免少数模型服务商同时控制用户信息、交易入口和商业分配机制,成为 NEAR 试图通过技术整合来回应挑战的关键所在。相较于传统公链围绕交易性能和生态规模展开的零和竞争,NEAR 正试图将这些技术整合成一套服务于 AI 经济的完整基础设施。从 NEAR Intents 不再局限于跨链交易工具,而是可能发展为连接金融资产、数字服务乃至实体商品的交易网络,到 提供隐私保护、可验证推理和模型访问能力,这一战略正在与代币经济设计深度结合。NEAR 已建立部分协议收入与代币回购之间的联系,并推出通过质押 NEAR 获取 AI 计算额度的机制。
然而,从跨链交易收入增长到形成广泛使用的 AI 经济基础设施,仍需解决用户采用、商业需求及价值捕获等多重难题。此次采访更多反映了 NEAR 对未来市场结构的判断,而非这一模式已得到全面验证。在过去几年中,NEAR 的发展方向在外界看来并不总是清晰,从链抽象、NEAR Intents,到去中心化 AI、隐私计算和后量子密码学,这些业务似乎分别对应不同的市场。但在 Polosukhin 看来,这些技术始终围绕着同一个目标展开,即构建一个以 AI 为界面、区块链为底层的新型经济协调系统。在这一架构下,区块链主要承担底层结算和安全保障功能,AI 负责理解用户需求并与用户交互,而 NEAR Intents 则连接不同市场,完成具体任务。
这种分工明确的技术路线,旨在打破传统互联网平台对数据流和交易流的垄断,为 AI Agent 提供一个开放、可验证且具备隐私保护能力的执行环境。NEAR Intents 的核心在于意图驱动的交易架构,允许用户直接表达想要实现的结果,而不必自行处理完成交易所需的全部技术步骤。对于跨链交易而言,用户只需要指定希望兑换的资产,系统就可以通过相应的执行机制完成跨链操作。NEAR 希望进一步扩大这一架构的适用范围,使其不仅限于金融资产交换,还能涵盖更广泛的商业活动。Polosukhin 举例称,在正在发展的 Agent Market 中,已经出现了能够分析网站和产品是否容易被其他 AI Agent 推荐的服务,也有 Agent 可以根据用户上传的自拍照生成专业照片,并完成实体打印和邮寄。在后一个例子中,用户只需要提出'我想要一张专业照片'的需求并上传自拍照,其余工作便可以由系统协调完成。
评论
我
回复 @用户
0/800
暂无评论
这意味着,NEAR Intents 未来处理的可能不再只是金融交易指令,还包括数字服务交付、商业任务及实体商品交易。Alex 将这一定位概括为'市场的市场'(Market of Markets)。他认为,市场目前还没有对 NEAR 形成统一的叙事,有人将其视为不同区块链之间的 SWIFT,有人认为它是聚合各类市场的基础设施,也有人把它看作 AI Agent 经济的底层网络。Alex 并不认为这种定位分散是坏事,相反,他认为 NEAR 的优势在于能够与其他区块链和应用生态协作,而不必将发展建立在替代其他网络之上。'我们的重点始终是建设正确、可靠的技术,支持更多应用场景,并与其他生态的技术结合,摆脱零和竞争。'因此,NEAR 所提出的长期方向,并不是让所有资产和应用都迁移到同一条公链,而是让不同市场能够通过统一的执行架构协同运作。
这一构想能否成立,很大程度上取决于 AI Agent 是否真正成为未来商业活动的重要入口。随着越来越多金融活动迁移到链上,公开透明这一传统区块链特性,也开始成为企业采用加密基础设施时面临的障碍。Polosukhin 认为,过去十年,加密行业的主要活动仍然集中于投机和融资,真正的企业业务并没有大规模进入链上。但随着监管环境逐步明确、流动性改善,企业开始有条件将区块链用于实际经营。问题在于,企业通常无法接受所有支付、收入及商业往来都被外部实时观察。
对于上市公司而言,某些交易数据提前公开,甚至可能涉及信息披露和合规问题。'区块链已经逐渐成熟到可以真正用于商业活动的阶段,但隐私不再只是通过匿名地址混淆身份的问题。我们需要真正的隐私保护。'这也是 NEAR 推进 (机密意图执行)的背景。Confidential Intents 是建立在 NEAR Intents 之上的保密交易执行机制。根据 NEAR 官方披露,其通过专用私有分片执行交易,使交易金额、资产组合、交易对手和执行策略等信息不必全部暴露在公共链上。
不过,这并不意味着 NEAR 实现了完全无需信任的匿名交易。官方技术文档显示,该系统依赖由许可验证者运行的私有分片,在隐私保护、可审计性及信任假设之间作出权衡;选择性披露功能也仍属于分阶段推进的能力。对于 Polosukhin 而言,隐私的重要性还在于 AI 将显著提高数据分析能力。'AI 越来越擅长追踪每个人,也越来越能够发现不同消费行为之间的关联。你不会希望这些信息全部暴露在外面,让任何人都能够获取。'他认为, 推动了个人金融隐私需求的增长,而企业对交易保密的需求可能成为这一趋势的下一阶段。Alex 则强调,区块链不一定要取代银行。更重要的是,当用户可以在传统托管服务与自托管、链上隐私交易之间进行选择时,便拥有了更多管理风险的方式。换言之,NEAR 希望争取的并不只是原有 DeFi 用户,还包括那些需要商业保密能力、但又希望利用链上结算和跨链流动性的企业与机构。
如果 NEAR Intents 解决的是 AI Agent 如何执行任务,那么 NEAR AI 更关注执行这些任务时,模型本身是否值得信任。Polosukhin 将 NEAR AI 的目标概括为三个关键词:隐私、可验证和安全。他认为,随着 AI 应用不断深入日常生活和企业运营,用户正在向模型提供越来越多敏感信息,包括财务状况、医疗数据、法律问题、个人关系,以及企业内部文件和业务流程。
上下文越完整,AI 的价值可能越高,但用户对模型提供商的依赖也会随之增加。'如果所有企业文件都以明文形式交给单一服务提供商,对方实际上可能有能力重建你的整个业务。'NEAR AI 希望通过加密推理和运行验证机制降低这一风险。根据 Polosukhin 的介绍,NEAR AI 可以为模型运行提供可独立检查的证明信息,包括提示词与响应的哈希值、硬件签名及相关执行记录。其目标是让用户能够验证模型运行环境和执行过程,而不只是依赖平台作出的承诺。
形式化验证是利用数学方法检查程序或系统是否满足特定正确性要求的技术,尤其适用于安全要求较高的协议和软件系统。需要强调的是,这一成本与性能比较来自 Polosukhin 对 NEAR 研究结果的介绍,采访没有提供完整的基准测试、模型版本和成本计算口径,因此不能据此认定 DeepSeek 在所有场景中均具有同等优势。他也承认,在最困难的前沿问题上,顶级模型仍然处于领先位置。
但在他看来,并非所有任务都需要使用最昂贵的模型。对于大量可通过较低成本模型完成的任务,开放权重模型已经具备实际竞争力。在这一基础上,NEAR AI 还计划向第三方模型提供商开放机密托管能力。按照 Polosukhin 描述的架构,模型开发商可以将模型部署至平台,同时对模型权重进行加密;用户提交的数据也不会直接向模型提供商公开。
这意味着,NEAR AI 希望在保护模型开发商知识产权的同时,保护用户的输入数据。其长期目标并不是只运营一组自有模型,而是建立同时连接模型提供方与推理需求方的市场。商业模式方面,NEAR 已于 7 月推出通过质押 NEAR 获取 AI 计算额度的机制。根据官方说明,用户可以通过质押形成周期性计算额度,在保留底层质押资产所有权的情况下使用相关 AI 服务。
不过,机密推理市场能否在价格、模型质量、延迟和开发者体验上与现有云服务竞争,仍需要持续观察。对于 AI Agent 的未来,NEAR 团队还提出了一个更具争议性的判断:现有互联网平台阻止 AI Agent 执行交易,可能并不只是出于技术或安全考虑,也涉及对原有商业模式的保护。Polosukhin 以 Amazon 为例指出,电商平台的收入不仅来自商品销售,还包括搜索广告、赞助推广等业务。
这些商业模式依赖用户在网页上浏览、点击,并受到搜索排序和广告展示位置的影响。但 AI Agent 的采购逻辑可能完全不同。'对于 Agent 来说,它扫描的是一组 JSON 数据。商品排在第一位还是第三位,并不一定重要。'在这一情境下,如果 Agent 能够根据用户需求自主比较价格、产品特征和履约能力,传统搜索推广位的商业价值可能受到冲击。
Polosukhin 将其与 Google 对大语言模型的采用过程进行比较。他认为,新的交互方式即使能够改善用户体验,也可能因为冲击既有业务收入而遭遇内部阻力。Alex 则认为,这种抵抗是技术转型中的常见现象。他以汽车取代马车为例,说明原有商业利益往往会反对新技术,但未必能够长期阻止其普及。在他看来,未来五年,一些今天占据全球重要地位的企业可能因未能适应技术转型而失去优势。
不过,这仍属于 Alex 对产业竞争格局的预测,而不是可以确认的市场结果。AI Agent 能否自主完成支付、采购和交付,仍涉及平台授权、身份验证、消费者保护及交易责任等现实问题。对于 NEAR 而言,这场变化可能创造新的业务机会。
如果商业活动从用户直接访问网站,转向 AI Agent 代表用户采购服务,那么市场需要新的基础设施来处理服务发现、报价、支付、执行和验证。 正是围绕这一方向发展。Polosukhin 表示,NEAR 希望将 Intents 的能力从资产交易扩展到数字工作、数字商品及实体商品,使 Agent 能够直接连接不同服务提供商,并完成任务交付。但这种模式能否成为互联网商业的主流,仍取决于服务供给、用户采用及跨平台协作是否能够形成足够规模。除了交易和商业模式,NEAR 团队还将 AI 的所有权视为未来的重要问题。Alex 提出,今天的 AI 聊天机器人掌握的用户上下文,可能远远超过传统搜索引擎。过去,搜索平台主要根据用户输入的关键词推断需求。而当用户长期使用 AI 助手处理工作、生活和个人决策时,模型服务商可能掌握更完整、更连续的个人信息。
如果这些信息被集中用于广告推荐和商业变现,平台就可能获得更强的行为影响能力。Alex 担忧,随着 AI 商业模式不断成熟,用户甚至可能难以区分自己的判断与长期算法引导之间的界限。他将这一风险作为支持 (用户拥有的 AI)的重要理由。Polosukhin 则进一步提出,用户拥有的 AI 不只是数据隐私问题,还涉及经济激励和系统控制权。他认为, 的重要创新之一,是通过经济激励协调不同参与者,形成一种共同维护的公共网络。
AI 也可能采用类似模式,让用户和开发者在共同建设系统的同时,保留对自身数据、模型使用过程和相关资产的控制。其中,隐私保护与可验证性是基础条件。例如,用户应当有能力检查模型运行的代码、验证执行环境,并尽可能确认系统没有被未经授权地修改。但这并不意味着所有 AI 系统都能够立即实现完全去中心化。Polosukhin 承认,模型的协同训练、微调和持续改进仍然存在大量研发难题。因此,NEAR 当前首先聚焦于私密推理基础设施,再逐步探索更广泛的用户所有权模式。
更现实的任务,是让区块链具有在密码学风险出现时更新签名方案、迁移资产和恢复系统的能力。NEAR 认为,其多密码学方案账户架构可以降低未来迁移的难度。但支持后量子签名并不等于整个协议和生态已经具备全面的后量子安全。官方路线图也承认,钱包、跨链基础设施及协议其他组成部分仍需要继续升级。整场采访最后,主持人将话题转向 NEAR 的网络经济模型。他提出了一种可能的发展路径:NEAR Intents 通过跨链交易和其他市场活动创造收入,再利用这些经济活动支持 NEAR AI 的发展。
随着更多 AI Agent 和用户依赖这一网络,NEAR 可能逐渐成为 AI 经济中具有系统重要性的基础设施。这也是 NEAR 近年来试图建立的代币经济逻辑。今年 2 月,NEAR 官方披露,Intents 已经累计处理超过 130 亿美元的跨链交易量,同时上线了费用分配机制,并将部分收入导向 NEAR 代币回购。到 7 月的季度报告中,NEAR 进一步将 near.com 前端业务、协议费用捕获及代币回购联系起来,试图建立网络使用量增长与代币经济价值之间的关系。
Woofun AI 整理数据显示,这种从跨链交易执行、应用分发和 AI 计算服务中寻找收入来源的设计,意味着 NEAR 不再仅仅依赖区块空间需求来构建代币价值叙事。但交易量、协议收入与代币价值之间不能直接画等号。跨链交易规模增长不一定意味着利润同步增长;协议获得的费用也需要区分分销商分成、实际净收入以及最终能够进入代币回购机制的部分。
同样,通过质押 NEAR 获取 AI 计算额度,虽然可能增加代币的使用需求或锁定需求,但能否持续形成经济价值,仍取决于 AI 服务的真实使用规模和用户支付意愿。在采访末尾,主持人将这一可能性概括为:NEAR 能否从一个关于收入增长的故事,逐渐演变成一个关于 AI 经济货币与网络价值的故事?由于提供的采访逐字稿在这一提问处结束,未包含受访者的进一步回答,因此这一判断仍应被视为主持人提出的市场框架,而不是 NEAR 团队在本次采访中确认的结论。
对 NEAR 来说,接下来更有意义的验证指标,并不是其是否能够同时讲述跨链、隐私和 AI 三种叙事,而是这些业务能否形成相互促进的实际需求:Intents 是否持续产生可捕获的净收入,AI 推理和 Agent Market 是否吸引外部开发者与付费用户,以及新增经济活动最终有多少能够沉淀到 NEAR 网络和代币体系之中。只有这些联系逐渐变得可衡量,NEAR 所提出的"AI 是前端,区块链是后端"才可能从技术愿景进一步发展为可验证的经济模式。
评论
暂无评论