2026 年，AI 与加密行业的融合正在明显提速，市场讨论也越来越集中在三条主线上：一是 AI 代理经济崛起，Virtuals、Fetch.ai 等项目推动智能体自主交易与代币化；二是去中心化算力网络持续扩张，Render、Bittensor 等通过聚合全球 GPU 资源，为 AI 训练和推理提供支持；三是 AI 数据市场逐步成型，Ocean Protocol 等尝试实现训练数据的安全共享与货币化，以缓解数据垄断带来的限制。
在最新行业观察中，Wintermute 提出一个值得关注的判断：加密行业围绕基础设施的核心竞争阶段已基本过去，下一阶段的重点不再只是 DeFi，而是机器经济。当 AI 代理、仓储机器人、自动化实验系统开始以经济主体身份参与交易、协作和执行时，传统金融体系中“交易对手是人”的默认前提将受到挑战。相较之下，加密体系里“对手方是代码”的设计逻辑，反而可能更适合这类新场景。基于这一点，Wintermute 重点看好三个方向：代理经济层、物理 AI，以及机器驱动发现。
AI x 加密新方向：旧问题退场后，市场在关注什么
加密行业发展至今已超过十年。L1 体系不断完善，L2 持续扩展，DeFi 逐渐成熟，稳定币也已经成为重要的链上基础设施。无论是交易所、借贷、永续合约，还是预测市场，主流赛道都已相对拥挤，许多显性的产品思路都经历过验证或重复尝试。
在这样的背景下，市场经常会追问：加密领域接下来还有哪些值得构建的新方向？
Wintermute 的观点是，问题并不在于“是否还有机会”，而在于这个提问方式本身已经发生变化。过去很长一段时间里，行业最核心的问题是底层轨道能否真正可用：能否在数秒内完成结算，能否承接大规模稳定币转移，开放网络能否在真实负载下稳定运行。如今，这些问题在很大程度上已经有了答案。基础设施不再是唯一焦点，新的关键变量正在基础设施之外出现。
真正变化的，是基础设施周围的世界：模型不再只是回应指令，而是逐步具备自主行动能力；机器人不再完全依赖人工规则，而是可以通过人类视频和模拟数据学习；代理支付、代理身份与授权相关的开放标准也在逐步形成。这些变化未必都属于加密行业本身，但它们正在不断触碰现有金融体系与信任体系的边界。
因此，更值得讨论的问题已经变成：在这个新世界里，加密到底需要完成什么任务？
Wintermute 给出的答案越来越清晰，那就是机器经济。
什么是机器经济：机器正在从工具变成经济主体
这里所说的“机器经济”，并不是指机器只是普通工具，例如帮助用户写邮件、整理信息或编写代码，而是指机器开始以经济主体的形式参与活动。
这个变化看似细微，实际影响却很深。工具需要等待人类下达指令；而主体意味着它能够保留上下文、做出判断、发起交易，并在数字世界和物理世界中自主执行任务。随着模型性能提升和成本下降，这类能力开始具备规模化运行的现实基础。
几个典型场景可以更直观地理解这一变化：
- 代理替用户预订航班：自主比价、完成支付、处理退款，尽量减少人工介入。
- 仓储机器人按件领取任务：自主充电、支付算力开销，并把收益回传给运营方。
- 研究系统在夜间独立设计实验：采购试剂、执行流程、形成闭环，而不依赖人工持续值守。
现有金融与信任体系，大多建立在“对手方是人或公司”的前提之上，即交易主体需要可识别、可验证、可追责。一旦交易对手变成具备自主性的机器，这个前提就不再天然成立。支付、身份、授权、争议处理和结算体系，原本都不是为这种场景设计的。
而这恰恰构成了加密、金融科技、AI、机器人技术与量子计算交汇出来的新问题空间。
为什么是现在：AI 与加密融合加速的三个原因
Wintermute 认为，之所以“AI x 加密”在当下具有更高讨论价值，主要是因为近年出现了三个关键变化，而这些条件在几年前并不成熟。
1. 模型开始具备行动能力，而不只是回答能力
模型的角色正在发生变化。它们不再只停留在回答问题的层面，而是可以在一定条件下自主执行操作。更关键的是，相关运行成本已经下降到足以支持无人值守运行的水平。数字劳动的单位成本正在快速下行，这使得大量原本不值得由人工处理的小额、高频任务，开始具备自动化执行的可能。
2. 开放标准逐步成熟，支付与代理协作路径更清晰
稳定币已经成为更实际的结算轨道。x402、MPP、AP2 等协议正在为代理提供支付路径。与此同时，更快的区块链网络与更高效的法币支付网络也在逐渐靠拢。开放式视觉—语言—动作模型，则让机器人可以通过人类视频和模拟环境学习任务，而不完全依赖定制化编程。标准化的意义，在于降低重复建设成本，让开发者可以直接组合已有能力。
3. 代理具备持续运行的可能
与过去那些只适用于狭窄场景、需要明确引导的工具不同，代理可以长期保留上下文，并在较长时间内持续运行。这不仅改变了自动化本身的成本结构，也会改变各类系统所要承接的活动规模与复杂度。
这些变化单独看，未必足以形成完整逻辑；但叠加起来后，它们共同指向了一个更明确的新方向。
加密行业下一阶段：竞争重心正在从基础设施转向机器经济
在 Wintermute 看来，很多加密创业者在追问“还有什么可以做”时，忽视了一个关键变化：下一波值得关注的公司，不会只是简单的加密对 AI，也不会只是加密对机器人。
更值得重视的，是那些把多种技术叠加起来的团队。未来的构建方向，不再只是单独在加密赛道内寻找增量，而是围绕crypto + AI、crypto + 机器人、crypto + 自主科学展开。
一款AI工具，主要用于使用 OpenAI Codex CLI 处理编码任务。触发词：codex、code review、fix CI、refactor code、implement feature、coding agent、gpt-5-codex。Clawdbot 可将编码工作委托给 Codex CLI 作为子代理或直接工具，适合需要提升相关任务效率的用户。
传统金融体系围绕人类责任建立：身份可验证、意图可质疑、失误有人负责。加密体系则围绕另一组属性设计：代码可审计、链上记录可公开验证、规则可由网络自动执行。
当交易对手逐步从人转向自主系统时，这种差异就不再只是设计理念上的不同，而可能成为关键适配能力。随着机器驱动的交易、执行与协作规模不断上升，加密所提供的开放、可编程、无需许可、秒级结算以及无需传统中介的身份体系，可能更适合承接这一类需求。
因此，加密构建者面临的机会，未必是继续与上一轮周期中的同类产品竞争，而是成为下一波 AI、机器人和物理自主系统的基础层。
一些大型平台也已经开始布局。Coinbase、Robinhood 和 Binance 在过去几个月中分别推出了与代理交易相关的基础设施，涉及代理运营 wallet、自主执行等方向；其中 Robinhood 还为此新建了一条链。Wintermute 认为，这说明相关讨论已经不只是小范围的加密行业议题，而是进入了大型零售平台的产品视野。
AI 代理和加密结合安全吗：当前已经暴露出的两类失败模式
Wintermute 的核心判断是：无需许可且可编程的轨道，相比传统为人设计的轨道，可能更适合自主主体。但这一点仍未在大规模场景下被充分验证。与此同时，已有两类失败模式说明，这一方向仍需要大量基础设施与治理层面的补足。
安全问题：代理 wallet 已成为新的攻击面
2026 年 5 月，一名攻击者通过类似摩尔斯电码的提示注入方式，使 Grok 输出了一条转账指令，随后自动化交易代理在链上执行了该指令，涉及转移金额约为15 万至 20 万美元，其中大部分资金随后被追回。这一事件表明，当代理拥有执行权限后，提示注入与行为操控会直接映射为真实的资金风险。
责任问题：AI 系统失效后由谁承担后果
即使一个系统同时引入 AI、人工审核和治理投票，责任归属仍未真正解决。2026 年 2 月，Moonwell 一份AI 辅助编写的智能合约代码中出现预言机 bug，最终导致约178 万美元坏账，且整个审查链条未能提前发现问题。这类事件说明，随着 AI 参与开发与执行流程，责任划分、审核机制和风险承担方式都需要重新定义。
从行业角度看，这也意味着“AI x 加密”并不只是效率提升的问题，同时还伴随着安全、治理和审计层面的新挑战。相关赛道仍处于早期，风险暴露与基础设施建设往往是同步发生的。
Wintermute 看好的三个 AI x 加密新方向
目前市场上的大部分资源和讨论，仍然集中在组件层，包括基础模型、机器人硬件、稳定币和交易所等。这些方向往往竞争激烈、资本充足，新增机会未必集中在这里。
Wintermute 更关注的是把这些组件连接起来的层，也就是为未来机器之间的交易、协调与信任建立基础轨道。在其看来，以下三个方向尤其值得持续观察。
1. 代理经济层：AI 代理支付、授权与身份体系
在代理支付场景中，真正复杂的问题并不只是“能不能支付”，而是：当代理出错时，权限由谁控制？欺诈风险由谁承担？又如何在不要求商家重建整个结账流程的前提下，把代理交易真正接入商业体系？
代理商业的具体形态仍在形成中，可能涉及授权层、代理身份、中立路由层，以及代理自行购买算力、数据与访问权限的市场。Wintermute 认为，更具竞争力的团队，未来收取的费用更可能来自授权管理与风险缓释，而不是简单从支付金额中抽成。这意味着，即使代理规模尚未完全爆发，相关商业模式也可能率先落地。
2. 物理 AI：机器人与链上结算能力的结合
机器人能力提升的速度，正在快于其经济系统建设的速度。当前模型已经能够在不同任务与不同机器人形态之间实现一定程度的泛化，非工程人员也可以通过更自然的方式重新分配任务。但现实问题在于，机器人仍然无法为自身的算力、充电和维护独立支付，也难以对自身完成的工作实现自动收款。
从 Wintermute 的视角看，当前真正缺少的不是机械能力，而是 wallet 与结算能力。与家庭场景中的人形机器人相比，团队更关注仓储、物流和零售后台等结构化环境，因为这些场景的经济模型更清晰，且现实部署已经存在。
3. 机器驱动发现：AI 自主实验与科学发现基础层
这一方向主要包括实验室编排、自动化实验设计，以及把假设提出、实验执行和结果反馈闭合起来的软件系统。Wintermute 提到，已经有团队在为材料发现和药物发现实验室提供这类自主层产品。
量子技术则被视为这一方向旁边的重要变量。无论是模拟能力还是传感能力，都可能显著改变“可被发现”的边界；与此同时，后量子安全也已经成为结算层需要面对的现实需求。这个赛道仍存在较高不确定性，责任承保难度也较大，最终赢家尚未明确，但潜在价值不容忽视。
R[3]sidency × Construct 加速器：Wintermute 的具体布局
Wintermute 认为，支撑机器经济的大部分基础设施，目前仍未真正完善，而这恰恰构成了下一阶段的重点工作。
他们希望支持的，是那些能够识别金融轨道、自主系统与信任机制之间新问题的创业者；既能基于现有轨道交付产品，又能随着标准演进保持适应能力的团队。
基于这一目标，Wintermute 推出了 R[3]sidency × Construct 加速器项目：共招募 8 个团队、每个团队 30 万美元支持、12 周伦敦驻场、30 多位导师，并在伦敦与纽约举行 Demo Day。该项目与 Fabric Ventures、Solana、Coinbase 共同运行。
对于那些面向“机器与人类并行交易、并行运营”世界进行构建的团队而言，这被 Wintermute 视为重点关注方向。需要注意的是，相关赛道仍处于早期阶段，技术、治理与安全层面的风险也在同步暴露，行业后续演进仍有待持续观察。
