播客：The Round Trip

编译&整理：Yuliya，PANews

这是一场关于加密数据、AI Agent 与未来工作范式的深度对话。在由PANews与Web3.com Ventures联合出品的《The Round Trip》全新系列Founder’s Talk中，主持人John Scianna邀请到了Nansen AI 的 CEO Alex Svanevik，共同探讨了 Nansen 是如何从一个纯粹的链上数据分析平台，进化为由 AI Agent 驱动的全栈式智能产品的。Alex 不仅分享了 Nansen 命名背后的极地探险家精神，还深入剖析了“聪明钱”标签的演变、Agent 交易的“信任阶梯”，以及 AI 是如何以前所未有的速度重塑企业内部的工程文化与组织架构的。

Nansen AI的初心与转型

John：现在采访你是个特别好的时机，因为AI现在真的在加速起飞。我想先请你跟我们讲下，Nansen AI 到底是什么？它是一个智能层吗？还是一家数据公司？又或者，最终它会成为一个Agent？

Alex：我们可以先聊聊 Nansen 成立的初心。我们的使命是挖掘有效信号并创造成功案例。在最初成立的六年里，我们花了很多时间去挖掘和提炼有效信息，现在我们正更多地转向“创造成功案例”。从产品角度去考虑，我们的北极星目标是帮助投资者更有效地把投资组合做大。衡量成功的标准，就是看产品是否真的能帮你赚到更多钱。

在这个大方向下，我们基本上已经完成了一次转型。原本Nansen更像是纯链上分析产品，如今变成了一个更偏全栈的链上产品。以前大家使用 Nansen 是因为我们有很强的链上情报和分析能力，但现在你可以在 Nansen 上质押，也可以通过 Agent 直接在链上交易。我不太喜欢把产品硬塞进单一类别，最好的产品往往无法被单一分类定义，但本质上都是在用独特的方式帮助链上投资者做大投资组合。

John：你们一直使用 Nansen AI 这个域名，但现在的 AI 和六年前已经完全不一样了。你们在数据赛道站稳了脚跟并不断拓展，你觉得 AI 在过去六年里发生了哪些变化？

Alex：其实我和 AI 打交道快 20 年了。我在 2009 到 2010 年读硕士时学的就是 AI，2010 年工作的第一家公司就是一家人工智能咨询公司。那时候 AI 领域没发生太多事，大家都觉得是科幻。但后来变化太大了，无论是过去 16 年，还是过去几年、几个月。

对我们来说，AI 其实一直存在于后端。大家知道 Nansen 在地址标签识别上可能是全球做得最好的团队之一，这正是借助 AI 完成的。我们已经标注了超过 5 亿个地址，几乎所有标签工作都是通过算法完成的，其中很大一部分是通过启发式方法。

现在，AI在Nansen的角色已经发生了变化它已经走到了前端。你和产品交互的方式本身变成了 Agent 驱动。如果你现在用我们的移动端 App，它就是一个 AI，你可以像和 Grok 或 ChatGPT 聊天那样直接问它：“今天聪明钱在做什么？”“我应该关注哪个代币？”“我的交易风格怎么样？给我点反馈，比如我做对了什么，我又亏在了哪里，我还能怎么做得更好？”这个 AI Agent 灵活性极高，甚至能替你下单交易。

探险家精神与“聪明钱”2.0：用AI预测未来赢家

John：你要不要讲讲Nansen 这个名字是怎么来的，以及你怎么去理解“他”的？毕竟你们做的事本质上也是在探索链上数据。

Alex：没问题！我们公司是以一位极地探险家的名字命名的，他叫弗里乔夫·南森（Fridtjof Nansen）。他不仅是科学家、探险家，还是外交家、政治家和高产的作者。

我一直把加密世界里的人看作某种先锋，他们在走别人没走过的路。我自己在链上的“探险经历”也特别有意思，有时会碰到以前从来没人看过的东西，比如某个具体的地址、模式或投资机会。我会把我们的用户看作探险者（像弗里乔夫·南森），而我们更像是他们的指南针，或者说是一套工具包、一艘船，确保你能比较安全地一路抵达北极。

John：感觉现在市场处在更“寒冷”的阶段，这个比喻很贴切。链上数据和分析方式变了很多，大家开始用新钱包，你们怎么通过 AI 更好地识别这些模式？

Alex：加密行业一直都在变化，你必须不断适应。Agent 化用户体验的妙处就在于它更流动、更容易适应变化。如果做传统的 UI，把 NFT、memecoin 或是 Desci、社交币等叙事硬编码进去，产品很快会变成东拼西凑的“弗兰肯斯坦”。（*注：弗兰肯斯坦原为玛丽·雪莱科幻小说中用不同躯体拼凑而成的怪物。在科技与产品语境中，常指代那些缺乏统一底层架构、因盲目追逐热点或强行堆砌功能，最终导致体验极其割裂的“缝合怪”式产品）。但 Agent 化的 UX 理论上可以无限扩展，它只会把真正重要的东西高亮出来。

数据层面也是一样，产品必须足够灵活。以“聪明钱”为例，通常有几千个地址获得这个荣誉徽章，我在新加坡线下也遇到过拥有这个标签的人。但我们一直保持定义的模糊性，因为五六年前的定义今天未必成立，比如当年的三箭和 Alameda 都有“聪明钱”标签，但后来都爆掉了，现在再给它们打标签就不合适了。

想把盈利策略持续沿用到不同周期很难。但我们的判断是，数据里包含了足够多的信号足以做出预测，准确率会比抛硬币高得多。我们利用机器学习和 AI 来预测下周哪个地址更可能赚钱。围绕这个方向，我们会在今年晚些时候（希望是几周后）上线一个新产品，某种意义上是“聪明钱 2.0”版，它本质上是预测哪些钱包未来会赚钱，而不只是告诉你过去谁赚过钱。

这其中也会分析它们是否是 Agent 交易者、纯交易员，或者是否具备某种优势。我们会看几十种特征，比如持币时间、单位时间交易笔数、胜率、ROI、相对于 BTC/ETH 或指数的表现、对于某个指数产品的表现等。

我们倾向于给模型喂更多特征，让 AI 自己算明白，而不是过多进行人为干预，然后再去评估它的预测精度到底怎么样。

Agent交易的未来拐点与“信任阶梯”

John：对，我看到你们几周前发布了Nansen的CLI，就是大概几周前。而且我知道你们的一个判断是，Agent交易者最终会超过人类交易者。你觉得这个拐点会多快到来？

Alex：目前大多数人还是手动挑选代币，当然，可能会借助Nansen这样的工具，再加上一些感觉判断，但我确实觉得，时间拉远看，到了 2030 年，由 Agent 完成的交易肯定会超过人类手动交易。我觉得这件事甚至可能会更早发生，也许 2028 年就会发生，而 2027 年可能就是我们会看到巨大转变的一年。

这就像编程从手写代码，到 vibe coding，再到 Agent 化工程。现在我们还处在手动交易阶段，我判断 vibe trading 在今年会变得更流行，而真正的 Agent 交易（让 Agent 完全自主替你交易）会在明年大幅爆发。到 2028 年，更多交易量将来自 Agent。

John：现在看起来还没有那么多安全护栏，应该只有极少数人会用 Agent 去做五位数规模的交易。

Alex：对，这也很合理。因为这里面其实有一条需要一步步爬上去的“信任阶梯”，对用户来说尤其如此。你得一点点建立起信任感，你得先看到效果，然后再慢慢让自己从（交易）流程里抽离。

而我觉得，作为产品方，我们也必须提供一条类似的阶梯，不能一上来就让用户把钱放进来听天由命。你得这么告诉用户：“你可以试试这种方式，你可以把我们的Agent当成你的‘副手’来参与交易，但每一笔交易，最终还是由你自己点执行。”

然后你会慢慢发现：“其实我好像已经不需要自己去点那个按钮了，那不如就让它自动执行吧。”

但即便如此，你可能还是会想看执行轨迹，或者收到通知之类的提醒。再往后某个阶段，你可能会切换到下一个模式：给它一个相对宽泛的策略方向，然后我希望能有办法对这个策略做回测。而这一点其实也是我们计划在今年晚些时候推出的功能之一（一个原生AI的回测框架）。再之后，你才会真正愿意让它进入自动交易状态。

但这个过程一定得建立在一层层累积起来的信任之上。我觉得一上来就直接进入“自动”交易是不合理的。很多公司都会给你工具，让你这么干，结果很多人会亏很多钱，因为这些工具还远远不够成熟。说实话，我觉得这么做其实是有点不负责任的。这不是我们想做的事，我们想做长期的东西，所以我们的方法会更偏向于走“信任阶梯”这条路径。

John：很多人最近都在试OpenClaw，然后他们就会说：“我现在用得挺顺手了，那我是不是可以把邮箱权限也交给它，或者再给它别的权限？”对，这其实就是那条信任阶梯。

Alex：而且我觉得这和自动驾驶汽车很像，道理其实一样。你不会一上来就直接坐到后排去任由它自己开，你会先让它变道，或者先只在单车道上跑，或者你自己还坐在驾驶位上。你只是先放开一点点权限，虽然速度会慢一点。

Nansen内部已全面拥抱AI

John：所以，OpenClaw某种程度上加速了你们的Agent交易策略推进？

Alex：首先，OpenClaw是软件历史上的里程碑之一，而且我们在公司内部会大面积使用。实际上，现在我们公司的OpenClaw数量已经比真人员工还多了，所以我们算是OpenClaw的重度用户。

至于交易Agent，我们用的是Pi Agent，这个产品我们还没有正式发布出来。但在我们内部实验中的早期版本里，我们并不需要OpenClaw的完整能力栈，所以我们把它精简成了更轻量的 Pi Agent，因为它更轻便。当然，我们也在尝试其他一些方案。

不过整体来说，对大多数人而言，目前创建一个交易Agent已经比之前容易多了。比如你可以直接用OpenClaw，当然，如果你只是拿它来做交易，可能有点杀鸡用牛刀。但总的来说，我手上有几个OpenClaw实例，已经接入了Nansen CLI，正因如此，它们可以创建钱包，也可以执行交易，在发现它们认为不错的交易机会之后就能直接操作。

John：你们作为一家AI驱动型公司是怎么运作的？所你们算是最早真正把 OpenClaw 大规模落地的公司之一，沿着信任阶梯爬得非常快。

Alex：我们在2023年初就已经制定了非常清晰的AI战略。当时我们就意识到AI会以非常非常快的速度演进。所以不是说我们一夜之间就从传统工作方式直接跳到了OpenClaw；这其实是一个沿着成熟度阶梯逐步推进的过程，已经走了三年多。

我在其他场合也讲过这件事，我们是如何让整个团队变得更AI native的。当我们看到 OpenClaw 能做的事情时，就意识到必须在内部配置起来。当时有点“囚徒困境”，因为很多团队成员无论我们同不同意都会去用。最好的办法是我们主动提供一个内部托管、默认更安全的 OpenClaw 版本。而且这个版本得足够好用，这样他们就不会觉得自己非得去搭一个粗糙的、七拼八凑的而且不安全的OpenClaw版本。

我们让安全负责人和资深工程师一起搭建内部部署平台，通过隔离的虚拟机部署，用 Kubernetes 和 Helm 做配置管理，不让实例自动更新，尽可能做到最安全。

John：你有没有观察到，是不是最聪明的工程师最先开始用它？

Alex：现实更复杂。有些原本处于中位水平的工程师，因为更快拥抱了 Agent 化的工程方式，一路爬到了顶尖层级。Claude Code 和 Codex 这样的工作方式会给人一种不断被“多巴胺激励”的感觉，每次拿到反馈就是一次刺激。

这里还有一个有趣的悖论：你反而更不愿意在自己最熟悉的领域里使用 AI。工程师可能更愿意把 AI 用在设计或产品管理上，而设计师更可能用 AI 去写代码。所以有时非工程师角色反而推进得更快，比很多还没拥抱 AI 的工程师还要高产。

John：和去年相比，你们现在的交付速度快了多少？

Alex：我们的人均部署速率（按已合并到生产环境的有效 PR 计算）在两年内提升了 4 倍。 同时变更失败率并没有变差，反而略有改善。变更前置时间（从创建工单到上线）的中位数已经低于 1 小时了。

John：你们现在的流程是 Agent 先看到工单，然后写代码，再由人来审核吗？

Alex：对，这是一个自动化分诊流程。发现 bug 后，一个 Agent 自动创建工单，另一个 Agent 监听并自动生成 Pull Request，然后还有更多 Agent 自动做审查。在Nansen团队里，纯粹由人写、再由人审的 PR 已经非常少了。

当你同时拥有构建闭环和质量门槛后，人类判断力就变成了最稀缺的资源。 琐碎的基础检查交给 Agent，人类（工程师、产品经理或设计师）则保留整体判断能力，比如这个功能本身是否有意义、是否会产生负面影响。

John：所以你们是不是也不得不重组团队了？

Alex：是的，小团队才是未来方向。 我做过几个特别项目，团队规模就是两三个人（比如两名工程师，或研究员/设计师加工程师）。我们正在从“更少但更大的团队”转向“更多但更小的团队”。

每个团队的职责归属非常清晰，就像一支交响乐团。有小提琴组、打击乐组等，每个人都专注于把技术栈里的某个组件（如地址标签、交易执行路径、认证系统、嵌入式钱包、Agent 底层框架等）做到全宇宙最强。你得管好自己那条线，拉小提琴的就别老在意打击乐在干什么。

突破物理与网络瓶颈

John：这些变化也带来了很多定性数据，比如使用 Auto Research 这种工具。

Alex：对，我们开始更多地使用 AutoResearch 来优化前端延迟。在 Agent 时代，我最看好的一件事就是把延迟压到最低。Agent 天然更偏好低延迟的产品，尤其在交易场景下。 如果一个产品单位时间内能做 1000 件事，另一个只能做 10 件，Agent 一定会偏向前者。

我们在这方面花了很多时间，比如用 Zig 或 Rust 重写某些组件，延迟一下子就会低很多。在 AI 时代做产品，必须始终对“瓶颈”保持敏感。AI 正在加速一切没有明显瓶颈的环节，于是物理世界、网络延迟、监管和内部协调等瓶颈就变得更显眼了。

John：Agent 彼此沟通太多，人类每天处理的信息变多，注意力反而成了瓶颈。

Alex：确实。我们现在有差不多 80 个 OpenClaw 在 Slack 里跑着，有些非常话痨。大家一醒来看到某个“龙虾”发来一大堆文字，根本不想看。所以我们必须做治理，比如让它们在沟通中精简 50%，并把这些制度化，写进所有“龙虾”共享的公司语境与文化设定中。想做个“好的龙虾员工”，也得遵守公司的价值观。

John： 你觉得接下来 AI 的外部运行系统会怎么演进？

Alex：我个人非常看好开源。OpenClaw 代表了开源的 Agent 运行框架，而 DeepSeek 则是开放权重模型的标志性案例，它们的影响力比我想象的大得多。

开放权重模型已经非常强了。上周五我们在 Nansen AI 的 Fast Mode 里上线了一个开源模型（未微调版本）。它的首个回答 token 的中位时间从接近 8 秒降到了大概 4.8 秒，延迟几乎砍半，快了 50%。 我们发现通过微调能拿到的边际提升已经不太划算，且未微调版本负担更小、更方便在不同服务商间切换。所以我们更倾向于用没有微调的版本。

John：非常感谢来到我们节目，AI 不只是交易的未来，也是工作和 Web3 的未来。

Alex：不客气。推荐大家去 App Store 下载 Nansen AI，或使用网页版。如果你想安装 CLI，可以直接运行 npm install nansen-cli。