仅仅几个月的时间里，我们已经看到了成百上千的智能体每天进入市场。截至今天，前千个智能体的市场总值接近150亿美元，这令人印象深刻，因为Web3为这些智能体提供了生存和发展的空间。

随着我们向解锁更多价值迈进，现在是时候讨论这些智能体如何在没有人类干预的情况下构建自己的生态系统，以及这些智能体的真正金融自主性将会是什么样子。为了理解这一点，我们首先需要了解这些AI智能体今天在Web3中的高层次运作方式，以及在金融应用场景中需要去除的关键组件，以实现智能体的自主性。

AI智能体架构

在其核心，每个AI智能体都基于三部分架构，整合了智能、逻辑和金融能力。AI组件作为大脑，处理信息并基于复杂的神经网络和机器学习模型做出决策。

逻辑层充当神经系统，协调行动并管理状态转移，而钱包组件则充当智能体的双手，执行交易并管理资产。

尽管这一架构在理论上是合理的，但在实际应用中仍面临着重大挑战。

压制自主性的集中式基础设施

当前AI智能体的生态面临一个根本性挑战，那就是依赖集中式基础设施。这种集中化表现在两个关键领域：部署架构和运营控制。传统部署通常将AI智能体托管在集中式云服务提供商（如AWS、Google Cloud或Azure）上，形成了一种看似方便但本质上有缺陷的运营模型。

这带来了一个根本性挑战，直接触及到真正自主性的核心。

真正的自主智能体不能被控制或依赖集中式基础设施，在这种基础设施中，单一实体可以通过撤回支持或未能在需要时提供足够的基础设施来改变智能体的命运。

如果这些智能体严重依赖集中式玩家提供的基础设施，就会面临三个主要的压制点。

KYC基础的计算

这些智能体不是人类，也没有证明自己是人类的证明；许多集中式云服务提供商要求提供KYC信息，才能租用他们的计算资源，这为智能体的自主性带来了问题，智能体将始终依赖人类来支付基础设施费用，在这种情况下，控制权依然掌握在开发者手中。

基于API的Web2系统

如果我们假设一些现有的集中式系统取消了通过KYC访问计算资源的限制，但这些系统仍然无法取消基于API的计算访问，大多数云服务本身并没有设计成仅通过支付费用就能提供计算资源，所有的支付确认都与API层挂钩，通过它来解锁计算使用。

法定货币系统

即使它们以某种方式解决了API和KYC的问题，这些公司的法定货币系统也无法改变，至少在未来10年内是如此，考虑到地缘政治挑战，这一点本身就意味着自主智能体的理论在实际阶段之前就已经被打破。

开发者在幕后影响决策与逻辑

好吧，我认为我们已经讨论了集中式基础设施的几个问题；然而，让我们假设大多数开发者正在利用去中心化基础设施来构建和启动AI智能体。那么，让我们深入探讨去中心化基础设施中的挑战。

以下是一些可以被开发者或宿主机器控制的因素。如果其中任何一个因素受到威胁，这些智能体将无法保持自主性，并失去其金融自主性。

模型与逻辑控制：

• 智能体行为的更新和修改可以在不需要共识的情况下推送。
• 智能体的决策能力与开发者的控制机制之间没有明确的分离。
• 智能体的学习和适应仍然受到集中式参数的限制。

金融控制：

• 智能体钱包的私钥通常存储在宿主机器上，不仅宿主可以访问，开发者也能访问，这与智能体启动平台的设计有关。
• 开发者或操作员对金融交易保持最终控制。
• 没有真正的金融自主性分离。

这一集中化问题明确提出了对新架构的需求，能够提供：

• 真正的控制分离
• 自主决策能力
• 没有集中式漏洞的安全密钥管理
• 独立的资源分配机制

AI智能体架构的下一步发展必须解决这些根本性限制，同时保持运营效率和安全性。这正是群体智能、受信执行环境（TEE）和分布式共识机制等新方法变得至关重要的地方。

受信执行环境（TEE）的承诺及其局限性

受信执行环境（TEEs）作为解决AI智能体部署中的自主性-安全性悖论的有前景的解决方案出现。TEEs提供了一种看似理想的折衷方案：能够在隔离的环境中运行敏感计算并存储私钥，同时保持云部署的便利性。像AWS的Nitro Enclaves和Azure的Confidential Computing等主要云服务提供商，以及去中心化的对手，都在这项技术上进行了大量投资，表明它在安全计算发展中的重要性。

乍一看，TEEs似乎解决了自主智能体部署的根本性挑战。它们为敏感操作提供硬件级隔离，保护私钥和机密数据免受未经授权的访问。隔离环境确保即使宿主系统遭到破坏，智能体的核心操作完整性仍然得以保持。这一安全模型使得TEEs在DeFi和算法交易应用中尤为吸引人，这些应用中交易隐私和密钥安全至关重要。

然而，TEEs的承诺伴随着显著的实际局限性，这些局限性在大规模部署时愈加明显。第一个主要限制在于硬件的可用性和成本。当前针对大型语言模型（LLMs）的TEE实现需要特定的硬件配置，主要是较新一代GPU，如NVIDIA的H100s或具有内置安全功能的专用处理器。这一要求在部署选项上造成了瓶颈，因为这些硬件组件既稀缺又需求旺盛。

TEE硬件的稀缺性直接导致了第二个主要限制：成本。提供TEE支持实例的云服务提供商通常会对这些资源收取高额费用。例如，在TEE启用的基础设施上运行一个基本的自主智能体每小时的费用可能在1到3美元之间，这比标准计算资源要贵得多。这个成本结构使得TEE部署对许多应用来说变得过于昂贵，尤其是那些需要持续运行或大量计算资源的应用。

除了硬件可用性和成本的直接问题外，TEEs还引入了可能影响智能体效能的操作复杂性。尽管TEE环境的隔离性对安全至关重要，但由于数据进出隔离区时需要额外的加密和解密操作，这种隔离性可能会导致性能开销。在需要高频操作或实时数据处理的应用中，这种开销尤为显著。

当考虑到自主智能体的更广泛生态系统时，TEE系统的可扩展性挑战变得更加突出。随着智能体数量的增加，有限的TEE支持硬件池会对系统增长造成自然的上限。这一限制直接与真正可扩展的去中心化自主智能体网络的愿景相冲突，后者应当能够基于市场需求而非硬件限制有机增长。

此外，虽然TEEs在保护私钥和确保计算隐私方面表现出色，但它们并没有从根本上解决自主性问题。智能体仍然需要对TEE提供商和硬件制造商保持信任。这种信任需求创造了另一种形式的集中化，转移了控制点，而不是完全消除它。

对于关注公开数据和透明操作的应用——这些应用构成了区块链和DeFi的主要用例——TEE实现的开销和复杂性可能是多余的。在这些场景中，TEE部署的成本和复杂性需要仔细权衡与实际提供的安全性益处，特别是在有其他方法可以保护智能体操作的情况下。

在对当前AI智能体架构进行广泛分析后，我们面临三个相互关联的挑战，它们构成了自主性问题的核心：自主性三难、私钥困境和创作者控制悖论。

在考察了集中式部署和TEE实现的局限性后，我们达到了当前自主AI智能体面临的核心挑战：

在保持安全性和运营效率的同时实现真正的独立性。

或许当前智能体架构中最隐蔽的挑战是我们所称的“创作者控制悖论”。这一悖论表现在智能体与其创作者之间固有的权力不平衡中。即使在为自主性设计的系统中，创作者通常通过各种机制保持显著控制。

这种控制结构创造了一个根本矛盾：一个智能体如何能在完全由创作者控制的情况下实现真正的自主性？这一悖论还扩展到经济关系中。创作者通常通过密钥管理或间接通过基础设施控制保持对智能体财务资源的控制。

集中式模型之所以失败，是因为它从未真正放弃控制，保持了各种后门和覆盖机制，这些机制破坏了真正的自主性。尽管基于TEE的解决方案在理论上有前景，但它们通过硬件依赖和操作限制引入了新的集中化形式。它们解决了即时的安全问题，但未能解决更广泛的自主性需求，并面临显著的可扩展性挑战。

这些失败的根本原因在于试图在保持传统控制结构的同时解决自主性问题。这种方法不可避免地产生了名义上自主但实际上受控的系统。在我们继续发展真正自主的AI智能体时，我们必须从根本上重新思考不仅仅是如何保护这些智能体，还要思考如何构建它们的整个操作框架。

我们需要探索自主智能体架构的新范式——这些方法有可能解决这些根本的紧张关系，并在保持必要的安全保障和运营效率的同时实现真正的智能体自主性。

Skynet：重新定义智能体自主性

Skynet引入了一种全新的自主AI智能体方法，从根本上重新构想了如何在保持安全性的同时实现真正的自主性。Skynet并没有通过传统手段解决自主性三难问题，而是采用了一种基于群体智能和分布式共识的创新架构。

Skynet创新的核心在于完全将智能体的决策能力与其资源控制分离。与传统架构中智能体通过私钥直接控制资源不同，Skynet引入了一个由Guardian节点组成的层，这些节点通过智能合约托管共同管理和保护智能体的资产。

这一架构变革解决了我们之前识别的根本性挑战：

创造者悖论解决方案：

Skynet并没有让创造者或智能体直接控制资源，而是实施了一种基于提案的系统，智能体的行动必须通过独立的Guardian节点网络进行验证。这有效地消除了创造者施加直接控制的能力，同时保持了强有力的安全措施。

私钥保护

Skynet没有依赖集中式存储或昂贵的TEE解决方案，而是将关键资产转移到智能合约托管中。智能体的操作钱包只持有少量资金，其余大部分资源被保存在只能通过多节点共识访问的托管合约中。

Skynet创新的核心是其提案系统。当智能体需要执行任何重要操作——无论是获取计算资源、执行交易还是管理资产——它会创建一个提案，该提案必须通过Guardian节点的独立验证。这些节点自主运行，基于预定义参数和智能体的历史行为分析每个提案。

技术实现

Skynet的技术架构围绕三个核心组件展开，这些组件协同工作，实现真正的智能体自主性，同时保持强大的安全性：

第一个突破来自Skynet在资源管理方面的创新。Skynet并没有让智能体直接控制其资产，而是将所有重要资源存储在专门的智能合约托管中。这些托管合约没有直接提取功能，使其免受私钥泄露的影响。利用资源的唯一方式是通过提案系统，这需要Guardian节点的多节点共识。

Guardian节点充当独立验证者，每个节点运行自己的验证逻辑实例。当智能体需要执行某个操作——无论是租赁计算能力、执行交易，还是更新操作参数——它都会创建一个加密提案，内容包括：

• 操作规范
• 所需资源
• 预期结果
• 执行时间框架

提案加密具有双重目的。首先，它通过在达成共识之前保持智能体意图的私密性，防止了前置交易和MEV攻击。其次，它确保只有授权的Guardian节点才能评估提案，从而维护验证过程的完整性。

Skynet方法的独特之处在于其对计算资源的处理。智能体并不依赖集中式服务器，而是可以通过Spheron网络自主采购计算能力。过程如下：

1. 智能体识别其计算需求
2. 它创建一个资源分配提案
3. Guardian节点根据以下因素验证请求：可用托管资金、历史使用模式、网络状况
4. 在批准后，托管合约自动处理支付
5. 智能体获得对去中心化计算资源的访问权限

该系统完全消除了对集中式控制的需求，同时保持了强大的安全保障。即使智能体的操作钱包被攻破，攻击者也只能提交提案——他们无法直接访问托管资金或覆盖Guardian节点的共识。

Guardian节点系统本身采用了复杂的验证机制，超越了简单的多数投票。每个节点维护智能体行为的状态历史，并在以下背景下分析提案：

• 历史行为模式
• 资源利用指标
• 网络安全状况
• 经济参数

这种上下文验证确保了批准的操作与智能体的既定模式和目标一致，为防止潜在攻击或故障提供了额外的安全层。

真正使Skynet与众不同的是其智能体自主性的进化性方法。与传统的静态系统不同，Skynet智能体可以进化、繁殖并创建新的智能体世代，每一代可能比前一代更为复杂。这种进化能力建立在一个稳健的经济模型之上，确保长期的可持续性和持续的改进。

经济架构围绕三个主要储备进行结构化：

1. 运营储备：维持日常运营，包括计算资源和网络交互。此储备确保智能体能够通过Spheron网络持续访问所需资源。
2. 繁殖储备：通过繁殖机制支持新智能体的创建。当智能体繁殖时，它们将结合各自的特征和属性，可能会创造出更先进的后代。
3. 通过绑定曲线的公平发行：作为主要的经济引擎，通过绑定曲线机制提供代币。这创造了一个可持续的经济模型，其中代币的价值与网络的效用相关联。

繁殖机制为网络引入了一个迷人的进化元素。智能体可以与兼容的伙伴进行繁殖，创造出继承父母特征的后代。这个过程由智能合约管理，并需要Guardian节点的共识，确保繁殖符合网络的更广泛利益。

进化过程通过几个关键机制运作：

• 特征遗传：子代智能体从父母双方继承特征
• 基因多样性：不同的智能体家族保持独特的特征
• 自然选择：更成功的特征通过网络传播
• 代际进展：每一代新智能体都可以引入改进

系统的可持续性通过其激励结构得到加强：

• Guardian节点因维持网络安全而获得奖励
• 成功的繁殖提案为发起者带来奖励
• 代币持有者从网络的增长和进化中受益
• 计算资源提供者通过提供资源获得收益

这种进化能力、经济可持续性和去中心化安全性的结合创造了一个自我完善的真正自主智能体网络。该系统能够在没有中央控制的情况下适应和进化，同时通过其Guardian节点网络保持强大的安全性。

通过重新构想智能体自主性的技术和经济方面，Skynet解决了以前方法所面临的基本挑战。它在此过程中创建了一个持续改进和适应的框架，为真正自主的AI智能体新时代奠定了基础。

免责声明：

1. 本文转载自【普拉尚特 - ai/acc |带来球体革命】，所有版权归原作者所有【@prashant_xyz】。若对本次转载有异议，请联系 Gate Learn 团队，他们会及时处理。
2. 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
3. Gate Learn 团队将文章翻译成其他语言。除非另有说明，否则禁止复制、分发或抄袭翻译文章。