僅僅幾個月的時間裡，我們已經看到了成百上千的智能體每天進入市場。截至今天，前千個智能體的市場總值接近150億美元，這令人印象深刻，因為Web3為這些智能體提供了生存和發展的空間。

隨著我們向解鎖更多價值邁進，現在是時候討論這些智能體如何在沒有人類干預的情況下構建自己的生態系統，以及這些智能體的真正金融自主性將會是什麼樣子。為了理解這一點，我們首先需要了解這些AI智能體今天在Web3中的高層次運作方式，以及在金融應用場景中需要去除的關鍵組件，以實現智能體的自主性。

AI智能體架構

在其核心，每個AI智能體都基於三部分架構，整合了智能、邏輯和金融能力。AI組件作為大腦，處理信息並基於複雜的神經網絡和機器學習模型做出決策。

邏輯層充當神經系統，協調行動並管理狀態轉移，而錢包組件則充當智能體的雙手，執行交易並管理資產。

儘管這一架構在理論上是合理的，但在實際應用中仍面臨著重大挑戰。

壓制自主性的集中式基礎設施

當前AI智能體的生態面臨一個根本性挑戰，那就是依賴集中式基礎設施。這種集中化表現在兩個關鍵領域：部署架構和運營控制。傳統部署通常將AI智能體託管在集中式雲服務提供商（如AWS、Google Cloud或Azure）上，形成了一種看似方便但本質上有缺陷的運營模型。

這帶來了一個根本性挑戰，直接觸及到真正自主性的核心。

真正的自主智能體不能被控制或依賴集中式基礎設施，在這種基礎設施中，單一實體可以通過撤回支持或未能在需要時提供足夠的基礎設施來改變智能體的命運。

如果這些智能體嚴重依賴集中式玩家提供的基礎設施，就會面臨三個主要的壓制點。

KYC基礎的計算

這些智能體不是人類，也沒有證明自己是人類的證明；許多集中式雲服務提供商要求提供KYC信息，才能租用他們的計算資源，這為智能體的自主性帶來了問題，智能體將始終依賴人類來支付基礎設施費用，在這種情況下，控制權依然掌握在開發者手中。

基於API的Web2系統

如果我們假設一些現有的集中式系統取消了通過KYC訪問計算資源的限制，但這些系統仍然無法取消基於API的計算訪問，大多數雲服務本身並沒有設計成僅通過支付費用就能提供計算資源，所有的支付確認都與API層掛鉤，通過它來解鎖計算使用。

法定貨幣系統

即使它們以某種方式解決了API和KYC的問題，這些公司的法定貨幣系統也無法改變，至少在未來10年內是如此，考慮到地緣政治挑戰，這一點本身就意味著自主智能體的理論在實際階段之前就已經被打破。

開發者在幕後影響決策與邏輯

好吧，我認為我們已經討論了集中式基礎設施的幾個問題；然而，讓我們假設大多數開發者正在利用去中心化基礎設施來構建和啟動AI智能體。那麼，讓我們深入探討去中心化基礎設施中的挑戰。

以下是一些可以被開發者或宿主機器控制的因素。如果其中任何一個因素受到威脅，這些智能體將無法保持自主性，並失去其金融自主性。

模型與邏輯控制：

• 智能體行為的更新和修改可以在不需要共識的情況下推送。
• 智能體的決策能力與開發者的控制機制之間沒有明確的分離。
• 智能體的學習和適應仍然受到集中式參數的限制。

金融控制：

• 智能體錢包的私鑰通常存儲在宿主機器上，不僅宿主可以訪問，開發者也能訪問，這與智能體啟動平臺的設計有關。
• 開發者或操作員對金融交易保持最終控制。
• 沒有真正的金融自主性分離。

這一集中化問題明確提出了對新架構的需求，能夠提供：

• 真正的控制分離
• 自主決策能力
• 沒有集中式漏洞的安全密鑰管理
• 獨立的資源分配機制

AI智能體架構的下一步發展必須解決這些根本性限制，同時保持運營效率和安全性。這正是群體智能、受信執行環境（TEE）和分佈式共識機制等新方法變得至關重要的地方。

受信執行環境（TEE）的承諾及其侷限性

受信執行環境（TEEs）作為解決AI智能體部署中的自主性-安全性悖論的有前景的解決方案出現。TEEs提供了一種看似理想的折衷方案：能夠在隔離的環境中運行敏感計算並存儲私鑰，同時保持雲部署的便利性。像AWS的Nitro Enclaves和Azure的Confidential Computing等主要雲服務提供商，以及去中心化的對手，都在這項技術上進行了大量投資，表明它在安全計算髮展中的重要性。

乍一看，TEEs似乎解決了自主智能體部署的根本性挑戰。它們為敏感操作提供硬件級隔離，保護私鑰和機密數據免受未經授權的訪問。隔離環境確保即使宿主系統遭到破壞，智能體的核心操作完整性仍然得以保持。這一安全模型使得TEEs在DeFi和算法交易應用中尤為吸引人，這些應用中交易隱私和密鑰安全至關重要。

然而，TEEs的承諾伴隨著顯著的實際侷限性，這些侷限性在大規模部署時愈加明顯。第一個主要限制在於硬件的可用性和成本。當前針對大型語言模型（LLMs）的TEE實現需要特定的硬件配置，主要是較新一代GPU，如NVIDIA的H100s或具有內置安全功能的專用處理器。這一要求在部署選項上造成了瓶頸，因為這些硬件組件既稀缺又需求旺盛。

TEE硬件的稀缺性直接導致了第二個主要限制：成本。提供TEE支持實例的雲服務提供商通常會對這些資源收取高額費用。例如，在TEE啟用的基礎設施上運行一個基本的自主智能體每小時的費用可能在1到3美元之間，這比標準計算資源要貴得多。這個成本結構使得TEE部署對許多應用來說變得過於昂貴，尤其是那些需要持續運行或大量計算資源的應用。

除了硬件可用性和成本的直接問題外，TEEs還引入了可能影響智能體效能的操作複雜性。儘管TEE環境的隔離性對安全至關重要，但由於數據進出隔離區時需要額外的加密和解密操作，這種隔離性可能會導致性能開銷。在需要高頻操作或實時數據處理的應用中，這種開銷尤為顯著。

當考慮到自主智能體的更廣泛生態系統時，TEE系統的可擴展性挑戰變得更加突出。隨著智能體數量的增加，有限的TEE支持硬件池會對系統增長造成自然的上限。這一限制直接與真正可擴展的去中心化自主智能體網絡的願景相沖突，後者應當能夠基於市場需求而非硬件限制有機增長。

此外，雖然TEEs在保護私鑰和確保計算隱私方面表現出色，但它們並沒有從根本上解決自主性問題。智能體仍然需要對TEE提供商和硬件製造商保持信任。這種信任需求創造了另一種形式的集中化，轉移了控制點，而不是完全消除它。

對於關注公開數據和透明操作的應用——這些應用構成了區塊鏈和DeFi的主要用例——TEE實現的開銷和複雜性可能是多餘的。在這些場景中，TEE部署的成本和複雜性需要仔細權衡與實際提供的安全性益處，特別是在有其他方法可以保護智能體操作的情況下。

在對當前AI智能體架構進行廣泛分析後，我們面臨三個相互關聯的挑戰，它們構成了自主性問題的核心：自主性三難、私鑰困境和創作者控制悖論。

在考察了集中式部署和TEE實現的侷限性後，我們達到了當前自主AI智能體面臨的核心挑戰：

在保持安全性和運營效率的同時實現真正的獨立性。

或許當前智能體架構中最隱蔽的挑戰是我們所稱的“創作者控制悖論”。這一悖論表現在智能體與其創作者之間固有的權力不平衡中。即使在為自主性設計的系統中，創作者通常通過各種機制保持顯著控制。

這種控制結構創造了一個根本矛盾：一個智能體如何能在完全由創作者控制的情況下實現真正的自主性？這一悖論還擴展到經濟關係中。創作者通常通過密鑰管理或間接通過基礎設施控制保持對智能體財務資源的控制。

集中式模型之所以失敗，是因為它從未真正放棄控制，保持了各種後門和覆蓋機制，這些機制破壞了真正的自主性。儘管基於TEE的解決方案在理論上有前景，但它們通過硬件依賴和操作限制引入了新的集中化形式。它們解決了即時的安全問題，但未能解決更廣泛的自主性需求，並面臨顯著的可擴展性挑戰。

這些失敗的根本原因在於試圖在保持傳統控制結構的同時解決自主性問題。這種方法不可避免地產生了名義上自主但實際上受控的系統。在我們繼續發展真正自主的AI智能體時，我們必須從根本上重新思考不僅僅是如何保護這些智能體，還要思考如何構建它們的整個操作框架。

我們需要探索自主智能體架構的新範式——這些方法有可能解決這些根本的緊張關係，並在保持必要的安全保障和運營效率的同時實現真正的智能體自主性。

Skynet：重新定義智能體自主性

Skynet引入了一種全新的自主AI智能體方法，從根本上重新構想了如何在保持安全性的同時實現真正的自主性。Skynet並沒有通過傳統手段解決自主性三難問題，而是採用了一種基於群體智能和分佈式共識的創新架構。

Skynet創新的核心在於完全將智能體的決策能力與其資源控制分離。與傳統架構中智能體通過私鑰直接控制資源不同，Skynet引入了一個由Guardian節點組成的層，這些節點通過智能合約託管共同管理和保護智能體的資產。

這一架構變革解決了我們之前識別的根本性挑戰：

創造者悖論解決方案：

Skynet並沒有讓創造者或智能體直接控制資源，而是實施了一種基於提案的系統，智能體的行動必須通過獨立的Guardian節點網絡進行驗證。這有效地消除了創造者施加直接控制的能力，同時保持了強有力的安全措施。

私鑰保護

Skynet沒有依賴集中式存儲或昂貴的TEE解決方案，而是將關鍵資產轉移到智能合約託管中。智能體的操作錢包只持有少量資金，其餘大部分資源被保存在只能通過多節點共識訪問的託管合約中。

Skynet創新的核心是其提案系統。當智能體需要執行任何重要操作——無論是獲取計算資源、執行交易還是管理資產——它會創建一個提案，該提案必須通過Guardian節點的獨立驗證。這些節點自主運行，基於預定義參數和智能體的歷史行為分析每個提案。

技術實現

Skynet的技術架構圍繞三個核心組件展開，這些組件協同工作，實現真正的智能體自主性，同時保持強大的安全性：

第一個突破來自Skynet在資源管理方面的創新。Skynet並沒有讓智能體直接控制其資產，而是將所有重要資源存儲在專門的智能合約託管中。這些託管合約沒有直接提取功能，使其免受私鑰洩露的影響。利用資源的唯一方式是通過提案系統，這需要Guardian節點的多節點共識。

Guardian節點充當獨立驗證者，每個節點運行自己的驗證邏輯實例。當智能體需要執行某個操作——無論是租賃計算能力、執行交易，還是更新操作參數——它都會創建一個加密提案，內容包括：

• 操作規範
• 所需資源
• 預期結果
• 執行時間框架

提案加密具有雙重目的。首先，它通過在達成共識之前保持智能體意圖的私密性，防止了前置交易和MEV攻擊。其次，它確保只有授權的Guardian節點才能評估提案，從而維護驗證過程的完整性。

Skynet方法的獨特之處在於其對計算資源的處理。智能體並不依賴集中式服務器，而是可以通過Spheron網絡自主採購計算能力。過程如下：

1. 智能體識別其計算需求
2. 它創建一個資源分配提案
3. Guardian節點根據以下因素驗證請求：可用託管資金、歷史使用模式、網絡狀況
4. 在批准後，託管合約自動處理支付
5. 智能體獲得對去中心化計算資源的訪問權限

該系統完全消除了對集中式控制的需求，同時保持了強大的安全保障。即使智能體的操作錢包被攻破，攻擊者也只能提交提案——他們無法直接訪問託管資金或覆蓋Guardian節點的共識。

Guardian節點系統本身採用了複雜的驗證機制，超越了簡單的多數投票。每個節點維護智能體行為的狀態歷史，並在以下背景下分析提案：

• 歷史行為模式
• 資源利用指標
• 網絡安全狀況
• 經濟參數

這種上下文驗證確保了批准的操作與智能體的既定模式和目標一致，為防止潛在攻擊或故障提供了額外的安全層。

真正使Skynet與眾不同的是其智能體自主性的進化性方法。與傳統的靜態系統不同，Skynet智能體可以進化、繁殖並創建新的智能體世代，每一代可能比前一代更為複雜。這種進化能力建立在一個穩健的經濟模型之上，確保長期的可持續性和持續的改進。

經濟架構圍繞三個主要儲備進行結構化：

1. 運營儲備：維持日常運營，包括計算資源和網絡交互。此儲備確保智能體能夠通過Spheron網絡持續訪問所需資源。
2. 繁殖儲備：通過繁殖機制支持新智能體的創建。當智能體繁殖時，它們將結合各自的特徵和屬性，可能會創造出更先進的後代。
3. 通過綁定曲線的公平發行：作為主要的經濟引擎，通過綁定曲線機制提供代幣。這創造了一個可持續的經濟模型，其中代幣的價值與網絡的效用相關聯。

繁殖機制為網絡引入了一個迷人的進化元素。智能體可以與兼容的夥伴進行繁殖，創造出繼承父母特徵的後代。這個過程由智能合約管理，並需要Guardian節點的共識，確保繁殖符合網絡的更廣泛利益。

進化過程通過幾個關鍵機制運作：

• 特徵遺傳：子代智能體從父母雙方繼承特徵
• 基因多樣性：不同的智能體家族保持獨特的特徵
• 自然選擇：更成功的特徵通過網絡傳播
• 代際進展：每一代新智能體都可以引入改進

系統的可持續性通過其激勵結構得到加強：

• Guardian節點因維持網絡安全而獲得獎勵
• 成功的繁殖提案為發起者帶來獎勵
• 代幣持有者從網絡的增長和進化中受益
• 計算資源提供者通過提供資源獲得收益

這種進化能力、經濟可持續性和去中心化安全性的結合創造了一個自我完善的真正自主智能體網絡。該系統能夠在沒有中央控制的情況下適應和進化，同時通過其Guardian節點網絡保持強大的安全性。

通過重新構想智能體自主性的技術和經濟方面，Skynet解決了以前方法所面臨的基本挑戰。它在此過程中創建了一個持續改進和適應的框架，為真正自主的AI智能體新時代奠定了基礎。

免責聲明：

1. 本文轉載自【普拉尚特 - ai/acc |帶來球體革命】，所有版權歸原作者所有【@prashant_xyz】。若對本次轉載有異議，請聯繫 Gate Learn 團隊，他們會及時處理。
2. 免責聲明：本文所表達的觀點和意見僅代表作者個人觀點，不構成任何投資建議。
3. Gate Learn 團隊將文章翻譯成其他語言。除非另有說明，否則禁止複製、分發或抄襲翻譯文章。