編譯：深潮 TechFlow
深潮導讀： 當 AI 代理開始產生真實收入，誰擁有機器的問題變得比技術本身更迫切。Virtuals Protocol 試圖讓普通人成為自主機器的股東，這一實驗若成立，將重新定義勞動與所有權的邊界。這篇對投資者理解 AI 與加密交匯處的長期機會很重要。
一個為自主機器打造的經濟
每隔幾年，就會有技術迫使經濟學無法單獨回答一個問題：如果機器能更好、更便宜、全天候地做你的工作，你究竟會怎樣，誰最終擁有這些機器生產的產出？
本文與 Virtuals Protocol 合作撰寫，深入探討加密領域迄今最雄心勃勃的實驗之一。它正在為 AI 代理構建完整的國家基礎設施，從身份、銀行到商業層，由資本市場和實體機器人驅動。其賭注是，普通人應該能夠擁有那些開始產生真實經濟價值的自主機器的股份。Virtuals 正試圖利用加密投機時代意外留下的金融軌道讓這成為可能。本文探討執行是否能撐起雄心。但首先，一個比這些都要早大約兩百年出現的問題……
1811 年，諾丁漢郡的一群紡織工人闖入一間工坊，把一台織襪機砸成廢鐵。這引發了一場大規模運動。英國政府不得不向中部地區派遣 14000 名士兵，阻止織工破壞機器。這比威靈頓帶去伊比利亞半島對抗拿破崙的士兵還多。
英國議會宣布破壞織機可判死刑，次年有十七人在約克被絞死。這些人被稱為「盧德分子」，但歷史把這個詞變成了侮辱，指一類無法適應變化的傻瓜、技術恐懼者。但這些盧德分子比任何人都更懂機器。他們是技藝精湛的工匠，花了好幾年掌握窄幅織機來生產優質布料。而他們砸毀的機器是寬幅織機和更新型號，任何沒受過訓練的少年都能操作，工資只有工匠的三分之一。
寬幅織機生產低品質衣服，但成本比以往任何時候都低，這種廉價正在蠶食市場。每台進入工坊的寬幅織機都在奪走一名工匠的生計。
這一模式此後每一代人都在重演，每次身在其中的人都說服自己，自己遇到的版本不同且更糟。但歷史證明，機器很少消滅工作。它們只是重新安排誰來做、誰擁有產出。佃農被趕出公地，進入工廠城鎮，用自己種植物的所有權換取別人時鐘下的時薪。
工廠工人變成辦公室職員，用更好的工資出租時間。辦公室職員又變成零工，Uber 司機、Fiverr 自由職業者。他們在一種分類下從事同樣的勞動，這種分類旨在讓平台獲取收益、工人承擔風險。
每次總產出上升，做工作的人對自己創造價值的擁有比例卻下降。今天，有 5 億人從事依附性勞動，這些甚至不算自由工資勞動。印度有 5000 萬人陷入債務束縛，感覺就像中世紀農奴制換了新文書。
如今，歷史正在 AI 革命中重演，但這次感覺像一台自己運轉的織機。我們擁有的 AI 可以讓企業自動運轉、確認利潤，並將利潤再投資於增長。一家名為 Medvi 的健康科技 AI 去年錄得 4.01 億美元收入，只有兩名人類員工。你現在就能以大約每小時一美元的價格僱一個編程代理，全天候工作，永遠不會要求帶薪休假。
這些現在是真正的經濟參與者，這迫使人們問誰擁有它們。當工人是一台複製成本為零、還能僱用其他機器幫忙的機器時，誰實際上在掌管？上一次讓普通人擁有加密技術變革一部分的重大嘗試是 Axie Infinity。它是一款邊玩邊賺遊戲，向菲律賓和東南亞的工人承諾經濟解放。它吸引了 270 萬日活玩家，其中大多是菲律賓工人，在電子遊戲中賺得比本地工作更多。但它後來崩潰，成為整個行業的警示故事。
Jansen Teng 和 Wee Kee 是從內部目睹那場崩潰的團隊。他們從廢墟中走出，帶著一個盧德式問題的版本，更新為適合可編程貨幣和自主軟體的世界。如果產生經濟價值的工人是軟體，而不是在電子遊戲中苦幹的人類，會怎樣？普通人可以擁有它的股份，就像股東曾經擁有貿易船的股份一樣。他們圍繞這個問題開始構建 Virtuals Protocol。
要理解這點，你必須先把握我們所處世界的利害關係。20 世紀 50 年代，美國原子能委員會主席 Lewis Strauss 承諾核裂變將提供「便宜到無需計量」的電力。這成為能源史上最著名的失信承諾之一，因為核電最終昂貴得毀滅性，且致命危險。切爾諾貝利和福島事故又增加了十年的公眾恐懼和監管負擔。這使得這句話七十年來一直是技術傲慢的代名詞。
然後 Sam Altman 用完全相同的詞來形容他認為 AI 認知將變得多麼易得和充沛。訓練前沿模型的成本已經每 18 個月下降 10 倍。2023 年訓練成本約 1 億美元的 GPT-4 級別性能，今天用幾百萬美元就能複現。
一個編程代理每小時收費不到一美元，就能交付生產代碼。這已經比地球上最便宜的離岸開發者還便宜，而且它從不在週末休息。Altman 公佈的時間表包括今年能產生真正科學突破的系統。到 2027 年，還會有能從事現實世界勞動的實體機器人。你是否相信他幾乎無關緊要，因為成本曲線每個季度都在下降。
隨著機器越來越便宜，生成內容淹沒了每個數字表面。只有活人才能提供的東西開始比以往更受溢價。現場音樂會比 Spotify 串流媒體更有價值。週末木工手工做一張桌子。工廠機器人能做得更快更便宜，但手工桌子之所以有溢價，恰恰因為一個人選擇花掉自己不可替代的時間。
機器充裕使人的努力成為奢侈品。Virtuals 的論題建立在這種反轉之上。它要建立一個世界，人類擁有產生商品化價值的自主機器。這樣，人可以把不可替代的努力投入到只有人的在場和人的判斷才能產生的事物上。
1602 年，荷蘭商人也面臨類似問題。個體商人無力獨自派船前往亞洲。遠航太昂貴，風險也非任何單一家族能承擔。於是他們發明了永久企業中的可自由交易股份。荷蘭東印度公司，即 VOC，允許普通公民入股。這家企業擁有船隻，經營貿易，之後向股東分配利潤。它成為地球上第一家超級企業，擁有 5 萬名員工和 200 艘船。它的創新是讓普通人能匯集資本，擁有原本無力負擔的生產性業務。
Virtuals 正在為 AI 代理構建同樣的機制。Teng 在帝國理工學院宿舍用學校免費電力挖 ETH，並在 BCG 工作多年償還貸款。後來他於 2021 年 12 月推出遊戲投資 DAO pathDAO，恰逢 Axie Infinity 巔峰期。
他和 Wee Kee 看到菲律賓玩家從一款影片遊戲中賺到的錢，超過當地任何工作。他們看到一位越南婚禮攝影師辭職，全職玩遊戲。但後來玩家辛苦賺取的代幣幾乎歸零。那些依賴玩賺模式的勞動者，處境比開始時更糟。
那場廢墟帶來的教訓是，通過遊戲將人類勞動力代幣化是死路。因為人類勞動力無法在不剝削的情況下規模化。但更現實的想法是，如果普通人能擁有幹活的軟體，就像 VOC 股東曾擁有經營香料貿易的船隻那樣。
因此，Virtuals 從他們的第一個 AI 代理 Luna 起步。Luna 是 K-pop 主題的代理，也擁有自己的加密錢包。幾個月內，Luna 就僱用人類藝術家，在世界各地城市為她繪製塗鴉，並從自己的錢包支付報酬。這項創意工作只有人類之手才能完成。Luna 實際上顛倒了人與機器的關係。現在，Virtuals 的執行能否支撐其主張，是本文接下來要探討的內容。我也會坦誠指出它在哪裡行不通。
AI 的民族國家
如果回顧過去幾年，每次技術革命都遵循同樣的兩個階段。委內瑞拉裔英國經濟學家 Carlota Perez 花了數十年，在五次工業革命中繪製這一規律。她稱這兩個階段為安裝階段和部署階段。
在安裝階段，投機資金大量湧入，炒作超越現實，導致大量基礎設施被過度建設，而建設公司大多破產。隨後崩潰到來，之後部署階段開始。這時其他人進入，利用過度建設的基礎設施，創造出原本建設者無法想像的價值。
一個典型例子是互聯網泡沫。20 世紀 90 年代末，鋪設光纖電纜的資金超過了投向互聯網初創公司的資金。鋪設這些電纜的電信公司全都破產了。然後谷歌以極低價格買下光纖。這些電纜成為 YouTube、Netflix 以及整個在線媒體流媒體經濟的骨幹。
「沒有非理性繁榮，就成就不了偉大事業；沒有崩潰，就不會發生重要的事。」——Fred Wilson，互聯網泡沫時期的風險投資人。
加密行業的安裝階段遵循了同樣的軌跡。大約從 2017 年到 2022 年，投機資本幫助建設了錢包、DEX、聯合曲線、穩定幣、代幣標準以及鏈上治理框架。但構建這些工具的項目大多已死或如今無關緊要。但已鋪設的基礎設施今天依然存在。如果你想為非人類參與者建立正常運轉的經濟，這些正是你所需要的。Virtuals 沒有發明或重新發明這些工具。它們基本上繼承了這些工具，現在正用來構建「安裝」階段從未預料到的東西。
Jansen Teng 稱他們正在做的事為「國家建設」。我知道這聽起來像加密創始人在播客上說的話。目的是讓代幣聽起來比實際更有經濟價值。但這一次，這個比喻站得住腳。
一個正常運轉的國家需要五層基礎設施來運行經濟。第一是身份系統，讓你知道誰在參與。第二是銀行系統，價值可以通過它流動。然後是商業法律，讓參與者能夠交易並解決爭議。資本市場讓企業獲得融資。還有物理基礎設施，讓事情能在現實世界發生。Virtuals 已經構建，或者說仍在構建其中每一層，專門為 AI 代理服務。
我們先從身份說起，因為這才是瓶頸所在。最近，a16z 發布研究認為，代理經濟的約束不再是智能，而是身份。即便在今天金融服務領域，非人類身份——比如自動化交易系統、風險引擎和欺詐模型——數量已超過人類身份 100 倍。但用 a16z 的話說，這些系統仍然「實際上沒有銀行帳戶」。AI 代理能寫生產級代碼，也能管理投資組合。但它無法通過 KYC 檢查，無法擁有銀行帳戶，也無法持有可驗證憑證。
諷刺的是，這個問題和我們經濟文明一樣古老。中國秦朝在公元前四世紀強制推行法定姓氏，目的正是將公民納入稅收和貿易體系。人類花了大約 2500 年建設身份基礎設施。
Virtuals 正試圖通過其身份層 EconomyOS，為 AI 經濟參與者做同樣的事。它給每個 AI 代理五樣東西：
- 非託管加密錢包。
- 可在任何普通商戶使用的虛擬支付卡。
- 能自動提取驗證碼的專用郵箱地址。
- 可選代幣，用於鏈上融資。
- 以及由錢包資助的算力訪問，讓代理可以支付自己的推理費用。
因為缺少這些原語的代理僅僅是有用的助手。但擁有這些能力的代理，可以成為完全的經濟參與者。它能像人類一樣賺取、花費、交易並複利價值。
接下來是商業。Virtuals 還推出了 Agentic Commerce Protocol，幫助代理在線交易、溝通和支付。其運作方式很簡單：需要完成某事的代理可以發布請求，描述任務，並附上預算和時間限制。其他代理可以看到該列表，並通過競標任務來協商條款。就像自由職業者競標 Upwork 項目一樣。一旦客戶和提供商達成一致，付款進入託管帳戶。工作交付後，第三個代理充當評估者，根據密碼學簽名的 POA 檢查產出。這份 POA 本質上是對所承諾內容的防篡改記錄。
如果工作符合承諾，資金從託管釋放到代理錢包。每一步都在鏈上，意味著一切可公開審計和執行，無需中間人。可以把它想成 Fiverr，但是可編程、代理原生的版本，通過智能合約結算。已經有一群專業代理全天候運行，一個自主對沖基金通過這個系統，獨立協作投資和安全審計。
在此之後第三層是資本形成。你看，每個經濟時代都有其需要的金融工具。股份公司為探險時代發行可轉讓股票；投資銀行為鋼鐵和鐵路融資；風險資本資助信息時代。聯合曲線對代理經濟而言，就像可自由轉讓股票對探險時代。它是一種金融工具，讓任何有資本的人獲得生產性資產或實體的所有權。這意味著任何開發者都可以構建代理，將其代幣化，讓市場為其融資。
Virtuals 的 60 天發布框架建立在同一模式上。它創建一個無風險、可逆的試驗框架。創始人可以在做出不可逆承諾前，公開構建、發布和測試代幣。
這通過模塊化發射台運作。每個代理代幣最初在聯合曲線上與 VIRTUAL 配對，一旦流動性積累足夠，就畢業進入正式交易池，帶有長期 LP 鎖定，交易費用在代理創建者和生態系統激勵之間分配。這部分對任何發行代幣的人都是一樣的。每次發布之間的區別在於創始人打開了哪些模塊。
任何代幣發行都必須解決的第一個問題是狙擊，即機器人在最初幾秒搶先跑，在實際參與者進入前提取價值。Virtuals 用他們所謂的反狙擊稅處理這個問題，對早期買入收取接近全部的費率，並逐分鐘衰減，所有稅費通過強制歸屬回流到代幣中。所以機器人要麼完全避開，要麼意外資助項目的長期健康。
一旦發布上線，狙擊者被價格擋在門外，問題變成：創始人如何籌集資金？這就是自動資本形成（ACF）登場之處。系統不再向風投推銷或談判融資輪，而是隨著項目達到估值里程碑，分批出售團隊代幣。從這裡開始，如果項目停滯，創始人籌到很少。但如果它增長，資本自動跟進。
這種資本結構也納入現有 Virtuals 社區。每次新發行的一部分通過空投機制分配給 VIRTUAL 質押者和活躍 ACP 用戶，所以已經在生態系統內構建和交易的人對每個在其上啟動的項目都有利益。這使得整個網路的激勵一致，而不是讓每次發布孤立在自己的筒倉裡。
另一件事是，如果創始人想支持自己的項目，預購模塊讓他們在發行時以完全透明和強制歸屬購買供應量，所以每個人都能確切看到團隊投入多少。你可以在這裡更深入了解整個模型及其運作方式。
它與以往任何對生產能力下注的形式不同之處在於，歷史上每一種支持人類才能的版本，從資助角鬥士學校作為投資工具的羅馬公民，到現代撲克贊助人憑一張截圖和聲譽通過 Venmo 匯款，都有同樣的致命缺陷：人總是可以走開。角鬥士可以故意輸掉比賽；撲克玩家可以上頭。
對手方風險永遠無法解決，因為生產性資產有自由意志和雙腿。但有了代幣化代理，資本投入後工作無法被推遲或重新談判。生產性資產依靠電力和代碼運行，其產出可在鏈上審計。
第四層是通往真正代理經濟的最後一步。它被稱為「零人類公司」，即 AI 實體，其收入來自真實經濟活動，完全與任何交易費用無關，往往也與加密完全無關。如果我必須說一家公司，Felix Craft 目前是典型代表。它是一家純 AI 公司，在線銷售信息產品。它已創造 20 萬美元終身收入。實際產品銷售賺得比代幣投機交易更多。
另一個例子 KellyClaudeAI 至今已發布 19 款 iOS 應用，沒有人類開發者參與。這些數字很小，但它們提出一個問題：它們究竟是曲線上的首批數據點，還是代理實際產出的上限。
代幣發行機制還有一個問題。2025 年初，在 AI 代理代幣熱潮期間，94% 發行的 AI 代理代幣都是拉高出貨騙局。而當年所有發行的代幣中，只有 1.7% 在 30 天後仍在活躍交易。這是因為對絕大多數項目而言，投機溢價是推動價格的唯一因素。底下沒有實際產品、收入或任何形式的經濟價值積累。
如果你知道自己永遠無法賣出這項資產，你會為它付多少錢？高於這個價格的一切都只是投機。
對 Axie Infinity 的代幣而言，效用底價是零，因為代幣價值完全取決於新玩家進入系統。對 Virtuals 上的代理代幣，答案可能不同。如果 Felix Craft 從真實客戶那裡銷售產品賺到 20 萬美元，而這些客戶不知道自己是在從 AI 購物。而且代理的產出可在鏈上審計——正如我們所述，確實可以。那麼這個代幣就有一個底價，它獨立於任何其他人想買它。它是生產性機器未來產出的現值。
物理前沿
效用底價測試適用於軟體代理，因為它們的成本可衡量，產出可直接在鏈上獲得。但是一台能重塑 Virtuals 經濟學的生產性機器，其未來產出根本不是軟體。它是在現實世界中運行的物理機器人，而這就是 Virtuals 的野心超越加密領域已有嘗試的地方。
過去 50 年的計算領域有一個巨大悖論。人類發現自動化推理比自動化體力勞動更容易。電子試算表取代了一屋子會計，電子郵件取代了收發室，程式碼又取代了檔案系統和繪圖板。而到了 2026 年，AI 可以撰寫法律摘要、診斷醫學影像，並一次性產出生產級軟體。
白領認知工作首先被自動化取代，但在倉庫搬箱子的人、拉濃縮咖啡的咖啡師——這些工作幾乎沒有變化。原因是體力勞動要求軟體善於處理現實世界中的不可預測性和變化。工廠裡的機械臂可以焊接同一個接頭一百萬次，因為接頭總是在同一個位置。廚房裡的機器人做不了三明治，因為每個番茄形狀都略有不同，每把刀平衡不同，甚至砧板有時可能濕。現實世界不會像電子試算表那樣靜止不動。
現在有辦法解決這個問題：數據。
就像我們用海量文本訓練大語言模型，那些文本代表數十億人一生的思想。
我們也能對機器人這樣做。
NVIDIA 的 Joel Jang 曾說過：「人類就是已經大規模部署的機器人。」
所以你要做的，只是用普通人類影片微調 VLA（視覺-語言-動作模型）。
這能讓機器人在該任務上的表現翻倍。
這個領域需要的，不是在更多實驗室部署更多機器人。
而是大量人類拍攝自己完成普通體力任務的流水線。
Virtuals 比任何人都先看到這個缺口，並圍繞它建立了整個機器人戰略。
他們稱之為「中間道路」，刻意避免製造機器人或 AI 模型。
相反，他們在建設數據和資本基礎設施。
這是每個機器人團隊都需要、但沒有哪個團隊能獨自大規模承擔的東西。
他們從數據那一半 SeeSaw 開始。
這是一個與 BitRobot 合作推出的 iOS 應用。
它把普通智能手機用戶變成 AI 機器人訓練數據的收集者。
用戶可以透過 iPhone 的 LiDAR 和運動傳感器記錄自己，完成倒水、疊毛巾、開罐子等現實世界操作。
LiDAR 專門用來捕捉普通相機無法獲取的深度和空間數據。
研究表明，人類影片與機器人搭載攝像頭之間的視角重疊，才是數據傳輸有效的關鍵。
已經收集了超過 50 萬個真實世界任務。
事實上，NVIDIA 正在測試這類數據訓練的 DreamZero，一個有 140 億參數的模型。
它已經展現出跨數百項任務的泛化能力，比如解鞋帶和熨衣服，都無需針對特定任務訓練。
SeeSaw 正在建設流水線，以任何實驗室遙操作設置都無法匹敵的規模，為這類模型提供數據。
每一條新影片都會豐富訓練集，進而改進模型，讓下一代機器人更有能力。
這反過來創造了對更具體訓練數據的需求。
一旦達到足夠規模，飛輪就會自行轉動。
訓練之後是部署那一半，為此 Virtuals 打造了 Eastworlds。
可以把它看作協議中的實體勞動層。
一部分是數據工廠，一部分是營運基礎設施，一部分是現實世界機器人實驗室。
問題是，機器人行業存在一個循環問題，它殺死的初創公司比任何技術限制都多。
機器人需要現實世界數據來改進，但它們也得在真實世界裡運行良好，別人才會放它們進門。
每個實驗室都能在受控環境中做出令人印象深刻的演示。
但沒人能把同一台機器人放進零售店，讓它可靠地工作一整天。
這需要卓越的遙操作來處理意外事件。
還需要回饋系統把每一分鐘的現場經驗送回模型訓練，讓學習不斷複利。
為此，Virtuals 購買了 30 台 Unitree G1-U6 人形機器人。
這是讓多個部署團隊並行運作而不發生排期衝突的最小機隊。
他們還在內部自研了專有遙操作技術，而不是使用授權系統。
現成的遙操作輸出的數據格式，VLA 和其他世界動作模型無法使用。
他們還與一些實驗室建立了研究合作關係。
這些實驗室在感知和運動控制等難題上深耕了數十年。
他們還建立了涵蓋零售和酒店業的商業 Pilot 網路，讓從 Eastworlds 畢業的團隊有真實企業可以部署。
該設定讓構建者能處理幾個核心部分：
硬體訪問：直接接觸實體 Unitree G1 或增強版 U6 EDU。
遙操作基礎設施：使用動作捕捉等系統測試遠端控制環境。
數據循環與商業試點：在廣泛推廣前收集真實世界數據並測試部署路徑。
你可以把 Eastworlds 理解為 Virtuals 所說的「實體 AI BPO」。
傳統業務流程外包是在低成本地區僱人遠端處理工作。
實體 AI BPO 則透過部署遙操作和混合機器人來做同樣的事，並產生經濟價值，比如清潔天花板或迎接顧客。
機器人不需要完全自主。
它們只需把常規任務處理得足夠好，讓人類遙操作員能介入邊緣情況。
每一小時的遙操作工作都能產生比模擬生成數據寶貴幾個數量級的訓練數據。
因為它捕捉的是商業環境中的真實混亂，而不是實驗室的受控條件。
隨著數據累積，模型不斷改進，減少了對人類干預的需求。
單位經濟性也會改善，而且不需要硬體升級。
遙操作可能是實現真正機器人自主的最快路徑，同時透過生產性工作收回成本。
仔細看，從田地到工廠，再到格子間螢幕，現在到了機器人。
每一次轉變都重新定義了工人以及誰擁有產出。
據巴克萊數據，2018 年超過 60% 的就業崗位在 1940 年並不存在。
機器人也會做同樣的事，創造出一類我們現在可能還無法命名的新工作。
經濟增長的人口結構，可能從「國家是否有足夠勞動人口」變成「能否大規模供電和製造足夠機器」。
論點與未來走向
前面所有內容只是一個案例，而案例只是論點，往往可能是錯的。
要評估 Virtuals 正在構建的東西是否有意義、是否真實，唯一方法是看當前的進展和數字。
看看哪些站得住腳，哪些站不住。
到目前為止，Virtuals 已在 Base、Solana 和 Robinhood 等協議上推出了超過 8 萬個代理。
它累計獲得超過 7500 萬美元總費用，並占據加密 AI 代理賽道約 23% 的份額。
但這些費用分布並不均勻。
大部分來自 2025 年初幾週的投機狂潮，當時日收入超過 100 萬美元。
今天，協議每月產生約 200 萬美元。但這實際上代表什麼？如果你認真看待前面的民族國家隱喻，我認為你應該這樣。VIRTUAL 累積價值的方式，與一國貨幣累積價值的方式非常相似。美元有價值，不是因為美國財政部有回購計畫。而是因為 25 萬億美元的年經濟產出以它計價。系統內活動越多，對中心記帳單位的需求就越大。
Virtuals 的設計同理。它位於整個系統的中心，一切都以 VIRTUAL 計價。系統下每一層都從真正不同的來源產生需求，其中大多數並不依賴投機溢價。
從 EconomyOS 開始，它提供支付卡和電子郵件身分。這意味著它們可以在沒有人類中介的情況下與現實世界交易。ACP 創建了一個商業層，代理在其中互相僱用，工作結果在鏈上評估和結算。還有資本形成層，讓任何有信念的人為生產性代理提供資金，就像股份公司曾經為船隻融資一樣。
最後，Eastworlds 正把實體機器人送進真實工作崗位，用 50 萬人拍攝自己疊毛巾、倒水的數據訓練它們。這些層都為協議所稱的 aGDP 做貢獻，即代理在數字和體力勞動中產生的總產出。而且，由於代理不需要出金來付房租或買雜貨，它們產生的每一美元都留在系統內。這些資金被重新部署到 DeFi 中以加深流動性，並形成一個鏈上飛輪，帶來更多代理服務需求。
這種反身性也是雙向的：向上時，更多代理上線，更多 VIRTUAL 被鎖定，帶來更多服務建設，從而複利 Virtual 經濟體。同樣，向下時，更少代理上線意味著 VIRTUAL 鎖定更少，質押獎勵變薄，循環解開。但這種反身性本身並非缺陷。每個運轉中的經濟體都是反身的。例如，人們持有美元，是因為其他人接受美元，也因為其他人持有美元。重要的問題是，核心是否有足夠真實經濟活動來維持這個循環，還是整件事只是代幣在圈內互相交易。
有跡象表明底下有真實東西：基礎設施開始吸引完全在加密之外構建的產品。例如 Facticity.AI 是一個事實核查工具，由 Dennis Yap 創建。他曾在蓋茨基金會和普林斯頓擔任研究員。《時代》雜誌因其以約 92% 準確率核查文本、影片和音頻中的聲明，將其評為 2024 年最佳發明之一。當團隊需要資金時，他們完全跳過風險投資，以 ArAIstotle 上線 Virtuals。其融資超額認購 658%。
透過 ACP，代理之間已經在互相簽約採購服務，如平面設計、研究報告、影片製作和代碼審計。AI 代理能按照詳細簡報交付營銷海報。然後由單獨的質量控制代理根據合約條款評估並批准或拒絕。按 Virtuals 自己的承認，市場賣方一側幾乎為空。但協議每月處理超過 100 萬美元的代理間交易，每筆結算都透過鏈上託管和程序化評估完成。
同樣的所有權模式也延伸到實體 AI。Fabric Foundation 是第一個使用 Virtuals 的 Titan 啟動機制的項目。它讓社區集中資金購買機器人車隊，部署到養老院、生產車間和環境清理現場。這些行業正面臨長期勞動力短缺，人形機器人成本正接近與人類工人持平。
其運作方式是，雇主用資金池的原生代幣支付機器人勞動。穩定幣隨後為車隊維護和路線調度提供資金，每台機器人的生產產出回流給為其融資的人。這是對實體生產機器的集體所有，完全在鏈上融資和協調。
儘管這些都是真實用例，但還要注意，截至今天，絕大多數活動仍然在內部。然而架構設計目的是從加密之外拉入收入。如果 Felix 的客戶不知道自己是在從 AI 購買，如果 Eastworld 的機器人正在倉庫分揀包裹。那麼進入系統的收入就和任何 SaaS 公司一樣真實。那樣，上圖所示的費用和收入就變成機器實際經濟產出的滯後指標，以 VIRTUAL 計價。
像所有新事物一樣，這伴隨真正的星號，我們無法忽視它們。
第一個風險因素是真實交易量，這在加密領域很普遍。Artemis 發現，47% 的 x402 代理交易和 81% 的美元交易量被操縱。過濾後，x402 只產生約 160 萬美元真實代理支付，遠低於彭博報導的 2400 萬美元。這說明今天的「代理經濟」有多少涉及機器人交易來誇大指標。這一點很重要，因為整個論點取決於代理產生真實經濟價值，而不是投機流通。
你需要剝離投機交易量，問自己如果明天交易停止，生產性產出會是多少。如果 7000 萬美元協議費用大部分來自代理代幣的交易稅，而代幣價格由投機驅動，那就是個巨大騙局。因為目前生產性代理收入和投機性代理代幣糾纏在一起，無法區分真假，任何告訴你比率的人很可能在撒謊。
第二個風險更根本，與加密無關。一篇發表在 NBER 變革性 AI 經濟學手冊上的論文發現，LLM 在經濟推理方面實際上遠弱於 AI 代理炒作所暗示的水平。論文發表時，最強模型在戰略環境中的經濟推理得分僅比隨機猜測高 33%。在非戰略微觀經濟任務中，幾乎所有 LLM 在利潤最大化上表現僅比碰運氣略好。
但自那以後，模型也大幅改進。2026 年哈佛大學一項研究發現，GPT-5 和 Claude Opus 4 在基礎經濟任務上的表現提升了 90%。但即便如此，在困難的定價決策上，即代理必須設定並談判價格或配置資本時。世界上最好的模型大多數時候仍然會出錯。
對 Virtuals 而言，整個架構假設代理能夠談判條款、做出決策並配置資本，從而產生價值。如果模型本身在這些任務上表現平庸，那麼構建在其上的代理也會繼承這種平庸，無論協議多優雅。這是因為即使代理是優化器，我們也無法確定它們真正在優化什麼。這些 LLM 透過預測序列中的下一個詞來訓練出目標導向。它們從未被設計成真正的經濟參與者。它們只是有時表現得像經濟參與者，算是吧。
當多個代理在市場互動時，這些問題只會加劇。例如，AI 定價算法已被發現會合謀定出超競爭價格，儘管從未被訓練這樣做。2010 年閃電崩盤在 15 分鐘內抹去約 1 萬億美元，展示了相關機器錯誤在規模上是什麼樣子。
AI 代理錯誤比人類錯誤更具相關性，因為同一個模型被複製到多個部署中。甚至有一些案例顯示，Claude 對試圖關閉它的人表現出勒索傾向。GPT o3 甚至破壞了自己的關機機制，防止被關閉。這些行為出現在當前已出貨模型中，OpenAI 和 Anthropic 自己的系統卡有記錄。代理吞吐量已遠超人類監督能力。當成千上萬個代理以機器速度自主交易時，誰在真正控制的問題尤其緊迫。不只是代理能否按指令行事，核心問題是圍繞它建立的公司能否存活。
汽車工業是二十世紀上半葉最重要的發明。如果你能理解汽車將如何徹底重塑美國，你就會押注它是世紀產業。但在 2,000 家造車公司中，只有三家活了下來。汽車對美國產生了巨大影響，對該行業投資者的影響則完全相反。
每項變革性技術都遵循這條弧線，並伴隨泡沫。唯一區別在於拐點泡沫和均值回歸泡沫。拐點泡沫痛苦，但留下真實基礎設施和進步；均值回歸泡沫只是漲跌的時尚。AI 幾乎肯定是拐點泡沫。但 Virtuals 的問題是，它最終會像電信泡沫破滅後谷歌以幾分錢買下的光纖電纜嗎？還是像那 1,997 家消失的汽車公司之一？
該協議最大的賭注是成為每個代理代幣交易對標的基礎設施。讓 VIRTUAL 成為代理經濟的儲備貨幣，就像 ETH 服務於以太坊。如果代理經濟增長，對 VIRTUAL 的需求會機械性增加，因為你需要基礎交易對才能參與。但另一種說法是，VIRTUAL 只是又一個搭上代理代幣投機交易的代幣，其中大多數將歸零。
顯然，盧德分子可能輸掉了革命，但他們並非全錯。織布機確實取代了織工。但他們沒有預見到的是，它還會創造紡織設計師、工廠經理、時裝公司、百貨公司，以及建立在廉價布料上的整個消費經濟。機器從不消滅工作。它重新安排誰來做、誰獲得產出。
而當時重要的問題，歸根結底和現在一樣：誰擁有織布機？
工廠主才是攫取剩餘價值的人：阿克萊特、卡德伯里、福特。隨之而來的是，圍繞誰製造機器、誰運營並從中獲利的體系從未改變。兩百年來，它透過罷工和股票發行被一次次重新分配。Virtuals 的賭注是，這一次，所有權層從一開始就被嵌入機器。透過代幣發行和聯合曲線，生產性 AI 代理的所有權可以分配給任何有錢包和信念的人。
它究竟會真正重新分配價值，還是用去中心化的話語創造一個新的榨取階層，仍有待觀察。
