Techub News 搜索

Monad Metropolis 杭州站 9.19丨当 AI Agent 开始花钱，新的机会在哪里？从现金到卡，从卡到手机，从柜台转账到自动扣款，支付的形态改过很多次。但有一件事一直没变过：最后按下付款的，始终是人。 Agent 是第一次例外。它可以自己买 API、自己租算力、自己向另一个 Agent 结一笔账。而围绕"人"设计了几十年的那一整套东西——身份、授权、额度、风控、争议——第一次要面对一个不是人的付款主体。于是三个很朴素的问题，突然都没有了标准答案：它凭什么代表你付钱？额度谁定？付错了找谁？ 9 月 19 日，我们把这几个问题带到杭州。 Monad Metropolis 杭州站 📅 时间：9 月 19 日 13:30 📍 地点：杭州（报名后查看详细地址） 🎫 报名：https://luma.com/metropolis-hangzhou-sep-2026 这次杭州站围绕 AI 应用场景 × Agentic Payment × 下一代科技金融展开。我们不想讲太远的概念，更想把几个具体问题聊透： Agent Payment 现在到底发展到哪一步了？哪些场景已经真的能落地，哪些还停在 Demo？对创业者和 Builder 来说，现在还有哪些位置值得卡？现场会有正在一线 Build 的团队、投资人,和从 AI、支付、Crypto、金融科技不同方向过来的人。嘉宾苏帅｜杭州市开源人工智能基金会秘书长 Jeff｜Chief Architect @ Agentonomy Larry｜Investment Director @ Enlight Capital Will｜Co-founder @ Money in Motion Yiwen｜Product Lead @ Newrails Herbie｜Partner @ Hack VC Monad Foundation 也会到现场，介绍正在进行的 Metropolis 全球黑客松，以及 Monad 生态目前开放给 Builder 的资源。议程 13:30｜签到 & Networking 14:00｜开场致辞 14:30｜Metropolis 黑客松介绍 15:20｜分享：从「会思考」到「会交易」——Agent Payment 的可信闭环 15:30｜Panel：关于智能体经济你不知道的事 16:15｜茶歇 & Networking 16:30｜Builder Demo / 黑客松项目展示 17:30｜自由交流不只是来听，也可以把项目带过来这次特意留出了 Builder Demo 的时间。如果你正在参加 Metropolis，或者最近刚好在做 AI Agent、Payment、Trading、Fintech、Crypto Consumer 相关的产品，都可以把项目带到现场。哪怕只是个很早期的 Demo 也没关系——现场展示，听 Builder 和 Mentor 的反馈，也可以直接和投资人、生态团队、潜在合作方聊。线上聊一个星期，有时候不如现场 Demo 五分钟。 Metropolis 全球黑客松进行中 Metropolis 是 Monad 的年度旗舰黑客松，为期 6 周、线上优先、面向全球 Builder 开放（2026 年 9 月 1 日 – 10 月 13 日），总奖金与资源超过 $250,000。四大赛道： 💻 链上金融与交易围绕高速结算环境下的新型资产原语、市场与交易基础设施展开探索。包括预测市场、Exotic Options、RWA、参数化保险，以及更多利用高性能链上环境实现的新型金融产品。 💵 消费产品与支付探索真正面向消费者的链上产品体验，让 Crypto 能力逐渐融入产品本身，而不是成为用户使用产品的门槛。包括社交支付、可编程礼物、工资流支付、微型保险等方向。这里关注的不只是金融机制，更是用户真正愿意使用的产品体验。 🌐 社交、注意力与文化探索开放社交图谱、Feed 算法、注意力市场、TCG、生成艺术，以及更多围绕社交关系、社区与数字文化产生的新型应用。当价值、注意力和社交关系都可以在链上重新组合，新的产品形态也将随之出现。 🔄 信任、身份与 AI 基础设施面向 AI-native Internet，探索下一代信任与身份基础设施。方向包括 Proof of Personhood、Content Passports、Data Lockers、Cross-app AI Memory 等。 Builder 也可以围绕 Monad 的 P256 / WebAuthn、ERC-8004、Encrypted Mempools 等能力进行探索，构建能够被其他应用与开发者进一步使用的基础设施。全场总冠军 $30,000，另设多个 Bounties 与 Credits。线上黑客松与线下活动独立进行，可以只参加其中一个，也可以两边都参加。 monad.xyz/metropolis Metropolis 不只是一次黑客松。在接下来的 6 周里，来自全球的 Builder 将围绕 Finance、Payments、Social、AI、Identity 等不同方向，共同探索一个更重要的问题： What becomes possible on Monad? 新的市场、新的消费产品、新的社交体验，以及面向 AI-native Internet 的基础设施，都可能从一个新的 Idea 开始。 Metropolis is live. Build What’s Next on Monad.Money In Motion09/15 14:02

RX开启RWA新纪元——919全球开盘，RXR＋ZENT双引擎领跑Web4赛道RX Exchange 宣布将于 2026年9月19日全球开盘。这家由伦交所主板上市金融科技集团发起创办、运行于 FCA 合规框架之下的机构级交易平台，正把 RWA 从“叙事”推进为“可交易、可清算、可托管闭环”的数实结合市场。与多数新所不同，RX 的底座不是单点流量，而是三层硬结构： - 合规底座：伦交所主板上市背景 + FCA 对齐框架，让机构资金有入场理由； - 架构底座：DEX先行，CEX 跟进，链上透明与订单簿深度并存，自由灵活与严谨规范兼得； - 资产底座：顶级豪车、足球豪门、国际文旅等标杆级 RWA 资产进入首发序列。 9月19日，RX 生态双引擎同步开跑： RXR（RX 平台币）——作为 RX 交易所的原生平台币，RXR 承载平台长期价值捕获：用于手续费折扣、质押加权、RWA 认购权、治理投票与平台收入回购销毁。私募股东迎来合规解锁与价格发现的第一道门，生态用户则获得持有平台成长红利的入口。 ZENT（零熵协议）——在开盘前一周已抢先接入 RX 建立流动性池。ZENT 主打“区块链界的 TCP/IP”，以无桥跨链、销毁—创建式资产迁移、统一资产定义（UAD）和矿工共识保障，解决传统跨链桥的托管风险，为 RWA 资产提供链上确权与跨链结算底座。市场正在从散户投机转向机构资产上链。RX 的选择很清晰：先用合规与架构立住信用，再用 RXR 捕获平台成长红利、ZENT 做厚资产端流动性，紧接着国际顶级品牌豪车、足球豪门、文旅等真实世界收益锚定进链上凭证。9.19 之后，RX 要证明的不是“又能交易一种币”，而是“真实世界资产终于有了伦敦时间、全球时区、机构级清算”的入口。这不仅是一次全球开盘，更是机构级 RWA 时代的正式宣告。当真实世界资产的现金流开始通过 RX 与 RXR、ZENT 在链上结算，我们正在见证一个新平台的崛起与数实共生新纪元。项目整合库09/14 12:56

Uweb 新一期AI投研实训营开课，聚焦新一代投研精英培养围绕 AI 时代投研人才的能力建设，香港 Uweb（University of Web 3）商学院同步推进线下实训与线上孵化，将集中授课、产业研究与持续项目实践相衔接，构建覆盖认知提升、方法训练和成果孵化的培养路径。自 2026 年 4 月开课以来，香港 Uweb 商学院的线下 AI 投研实训营已举办四期，累计招生 250 余人；线上 AI 投研孵化营面向具备研究与实践基础的申请者开展选拔，累计吸引 800 余人报名，最终遴选 50 人入营，通过八周课程、导师指导与项目共创，进一步深化专业训练。新一期课程聚焦 AI 在投研中的应用，围绕信息获取、产业分析、价值判断与研究成果表达展开教学。Uweb 将专业投研方法与 AI 工具实践相结合，引导学员运用 AI 梳理市场信息、分析企业与产业变化，并对数据来源和结论依据进行复核，逐步建立适用于自身研究领域的 AI 投研工作流程。香港 Uweb 商学院校长、HKCDAA 学术委员会轮值主席、中国通信工业协会区块链专委会共同主席于佳宁博士表示，“AI 正在同时改变投研的对象与方法。一方面，技术演进不断催生新的商业模式，要求研究者贯通产业逻辑、企业经营与价值判断；另一方面，智能工具正在深入信息处理和研究分析，要求专业人才具备更强的问题定义、证据甄别与人机协作能力。” “AI 投研教育应当帮助学习者建立能够随技术和市场变化持续更新的研究体系，使工具效率与专业判断相互促进。”于佳宁指出，Uweb 希望依托在数字资产与前沿产业研究中的积累，将产业认知、研究方法和真实项目实践贯穿人才培养过程，帮助学员把对技术趋势的理解转化为有依据的研究成果，以及能够持续应用于实际工作的专业能力。将技术演进纳入投研分析，深化 AI 产业认知在本期 Uweb AI 投研实训营中，《卫斯李的投研笔记》主理人 Wesley 在分享里结合历史创新周期与宏观经济分析，讨论企业盈利、估值变化及产业周期之间的关系。 Wesley 还带来了 AI 浪潮的六大关键启示，具体为：一、每一次浪潮都要求大量前置的资本深化，早期浪潮聚焦于实物资本和基础设施，后期浪潮则聚焦于计算机、外设和软件。二、劳动力替代是过渡性的，而非永久性的，过去对大规模技术性失业的担忧并未成为现实。工作构成发生变化，一些岗位消失，另一些出现，但就业持续存在；三、生产率增长是这些浪潮的终极标志。早期扩散往往缓慢且不均衡，但一旦配套投资和组织变革到位，人均产出便会加速；四、创新浪潮反复包含至少一次重大繁荣-萧条，每个浪潮都呈现出狂热的资本形成、投机性融资、杠杆上升，最终导致收缩的相似模式；五、技术变革在提升总体生产率的同时，也在不同技能群体和行业间重新分配收入；六、政策至关重要，反垄断、社会保险和人力资本投资塑造了以往浪潮的结果。制度适应决定了收益是否被广泛共享。围绕 AI 产业的分析与投研方法论，科技投资人 Bill Qian 从能源、芯片、基础设施、模型与应用等层次梳理产业链，并结合企业案例讨论研究框架的更新。其指出，“穿越周期，不变的原则是，回报遵循幂律，而非正态分布；Alpha 在各板块间轮动，分散化尤为重要；波动性是长期回报的必要代价。” 在《抓住 AI 复利的八大认识体系》课程中，智富界创始人 Lester Li 将产业周期、商业模式与个人能力发展联系起来。 Lester 表示，“AGI 之后，只有天赋比 AI 强，AI 会抹平所有靠勤奋维持的能力差距。补认知差有一个具体可执行的办法，就是让 AI 帮你找出你不懂什么，然后帮你补课。找到自己的能力之后，下一步是放大它。放大的方式是从使用者变成管理者，把 AI 当成岗位来配置，而不是当成工具来用。” 获港理工创新中心学术支持，开展八周精英孵化在线下实训之外，Uweb 与 Techub News 联合主办 AI 投研精英孵化计划，由香港理工大学工商管理学院天坤数字稳定币与真实世界资产创新中心提供学术指导。孵化计划于 2026 年 8 月启动，设置八周培养周期，向具备研究基础与 AI 应用经验的入选学员免费开放。目前，一批学员项目已进入路演展示与评议阶段，覆盖投研决策、证据核验、资产配置和市场主线识别等投研环节。孵化计划围绕金融投研方法论、AI 工具实战与专业影响力培养设置课程，组织 10 余位来自产业研究、AI 应用和内容领域的导师参与培养。核心导师包括香港 Uweb 商学院校长、香港理工大学工商管理学院 TGG 稳定币与 RWA 创新中心联合总监于佳宁博士，Uweb 技术合伙人、《成为提问工程师》作者方军，该创新中心发起人邓华程博士，曾任华为、戴尔高管的 AI 训练师曹玲博士，智富界创始人 Lester，CDAA 二级持证人、资深买方分析师 Todd，Web 3 研究员 BTCDayu，以及 W+联合创始人匿名博士等。导师通过案例拆解与作品点评，帮助学员完善研究框架、应用方案和成果表达。 Uweb 通过阶段任务与项目路演，将学员的研究问题、分析方法和工具方案纳入持续评议。根据公布的入选权益，学员可获得 Uweb 投研 Skill 及 Token、API 使用支持，并通过研究报告、图文作品和工具演示呈现成果。根据主办方公布的第三场项目路演排名，crazyox 的“积木式 AI 投研决策闭环”、伯纳德 zkBernard 的“投研证据折扣器”和 Elina 的“全天候资产配置决策台”分列前三。三项作品分别围绕投研判断的可验证性、研究证据的可信度和资产配置流程展开，将课堂中的研究方法转化为可供展示与讨论的项目成果。同场进入榜单的项目还包括 Jack 的“美股市场主线识别系统”、HuiDAO 提出的 AI token 与加密 token 平价指数，以及 Barry Jiang 的“可验证的个人 AI 投研系统”。其他学员的研究任务涉及策略实验归档、回测结果核验、财报解析和多源数据整合，回应投研工作中信息碎片化、研究结论难以复核、策略实验难以积累等具体问题。根据规则，孵化计划的优秀成果有机会入选高校案例库与成果手册，表现突出的学员还可参与后续 AI 助教、AI 讲师及内容共创工作，使项目实践与后续专业协作相衔接。贯通研究方法与项目实践，延伸精英培养路香港 Uweb 商学院是专业的数字资产高端教育机构，立足香港，影响全球，以实现“打造全球 Web 3 顶级学府，赋能十亿人拥抱数字资产”为使命，传承八年的知识积累，拥有业内顶尖的校友网络以及广受赞誉的大咖教师资源。 Uweb 常年开设 Web 3 数字资产分析课程，涵盖现实世界资产（RWA）代币化、稳定币经济与数字资产投研配置，将基本面判断、链上数据分析和宏观经济联动纳入商业教学。今年以来，Uweb 进一步拓展 AI 投研课程，邀请研究人员、量化交易员和技术开发者参与交流，围绕多资产研究、智能体应用与专业人才培养，探讨 AI 进入金融业务的具体路径。 AI 持续进入投研的各个环节，研究人员需要在提高信息处理效率的同时，承担问题定义、价值判断与结论验证的专业责任。Uweb 旨在借助线下实训与线上孵化，将产业认知、投研方法和项目实践纳入持续培养过程，帮助学员把课堂所学转化为有依据的研究成果，并在实践反馈中不断修正和完善自己的方法。随着导师指导、成果展示与后续共创逐步衔接，Uweb 希望为投研人才提供从学习到实践、从研究到专业协作的成长路径，让个人积累的知识与经验能够用于教学、研究和产业交流，为 AI 时代的金融研究与商业创新培养具备独立判断力和实践能力的专业人才。

EP07丨漫谈 Agentic Payment：谁为 AI 的决定买单？大家好，欢迎来到 Money in Motion。这是一档关注"钱如何流动"的播客。我们讨论的不是哪个概念最热，而是钱在真实世界里如何被重新移动、结算和信任。这期我们从一个词的辨析开始，最后落在一个没人能回答的问题上：当 AI 替你做完了决定，出了事，谁买单。中间隔着卡组织、司法管辖、一份写不细的授权书，以及 crypto 到底有没有资格接住这件事。 Yuki（Money in Motion 联合创始人）× Kevin（Chain Tech 联合创始人）× Will（Money in Motion 联合创始人）本文为播客第一期对谈精编，内容有删节与书面化处理，观点为嘉宾个人观点。一、决策权第一次转移 Yuki：开始之前先处理一个问题：为什么是 agentic payment，不是 agent payment？ Kevin：消费其实走了三个阶段。最早去实体店，用现金或信用卡，一家一家逛；然后是电商，比价成本被压到几乎为零；再然后是直播带货——看完直播你会买很多自己根本不需要的东西，消费模式本身在变。现在我们走在第四个阶段的路上：AI 替你去不同的地方找商品、比价格、下单。它和前三个阶段有一个根本区别——前三个阶段，做决定的始终是你本人。买哪一款、什么价格、什么时候买、用什么方式付，全是消费者自己拍板。到第四阶段，AI 在你购买之前就把决定做完了。作为消费者，你第一次被一种智能化的东西替代。至于用词，中文其实更直白，就是"智能体"。英文之所以要造 agentic，是因为 agent 早被占用了——你在海外说自己是 agent，别人第一反应是保险 agent，或者 travel agent。那是"人"的代理，跟 AI 替你做决定完全是两回事。 Will：补一句词性。agent 是名词，是身份；agentic 强调的是这个智能体拥有自主决策权，是"决策"这件事动起来了。但市面上很多号称 agentic payment 的项目，其实并没有动起来。它们做的还是自动支付——跟以前的订阅到期自动扣款没有本质区别。它没有让 agent 参与决策，更没有为自己的决策买单。这是两者最大的分野。 Yuki：所以判断标准很清楚：决策权有没有真的交出去。但现在很多东西是奔着这个标签去的，不是奔着这件事去的。 Will：对。国内基本没人分清楚 agent 去自主调用 API、数据、算力，和 agent 替人做大额购物，是两个完全不同的场景。什么都要往上蹭，蹭得更夸张的直接叫"AI 支付"。之前某宝号称有十万笔 AI 支付、做到多少交易额，可大家都没发现它有这个功能。我猜是把购物助手算了进去——你突然多了个 AI 购物助手，然后这个助手帮你完成了"AI 支付"。不管是支付机构、银行还是卡组织，对这件事的理解现在都还有偏差。二、决策权走了，责任没跟上 Yuki：概念含糊在营销层面没什么代价，但一旦真的把决策权交出去，代价就出现了。你觉得最大的障碍是什么？ Will：先说没有障碍的那一半。agent 去买 DeepSeek、OpenAI 的数据 token、算力 token，之前有几个项目交易量涨得特别快，就是这个场景。因为买完就消耗掉了，不会有争议。有争议的是另一半。让 agent 帮我订机票订酒店，大家的信任程度没那么高。我可以让它帮我搜索，最终下单还是我自己——我还是不放心把钱交给它。 Yuki：我做过一场线上 panel，问大家：你愿不愿意给你的 agent 一千美金？不如把场景说具体。我对 agent 说：帮我订周一去纽约、周三晚上回来的机票，预算八千以内。它满足了预算，但订成周二出发、周四回来；或者选了一张特别便宜、完全不能退改的票。钱扣了，票出了。你找平台，平台说你已经授权给 agent 了；你找航空公司，航空公司说票已出不能退。每一方都拿得出理由。但这笔钱到底谁担责？ Kevin：这个问题我们公众号 6 月投过票，问的就是"AI 刷卡出了问题谁负责"：读者投得很踊跃，但四个选项分散成这样，本身就说明没有共识。这个该听听 Will 的，他是法律背景。 Will：卡组织那套体系的责任分配相对完整，毕竟磨了几十年。但换成 AI 刷卡买错票，你会发现每一扇门都是关着的。找发卡行——不认，因为你已经授权给 AI，而它最终认的是持卡人本人的授权。找航空公司——它不管你是人还是 agent，它收到的是一张有日期有金额的订单，按订单办事。找 AI 开发者——你去找 OpenAI 或者 Anthropic，很难说这是他们的问题。本质上这是一个委托关系：你委托 agent 买机票，出了事谁承担。但法律上第一步就卡住了——服务器在美国，用户在香港，商户在新加坡，你去哪个司法辖区寻求救济？AI 是一个 Global by Default 的经济体，单一辖区非常难限定它的责任。所以还得回到私人构建的争议解决框架里去，比如卡组织的框架。我还看到有保险公司推出了 AI 责任险，好像是慕尼黑再保险。 Kevin：我听得头有点大，因为我已经习惯生活在卡组织的规则里。所以从法律角度看，卡组织规则和真正的法律体系其实是两套？卡相关的纠纷，很多时候在卡组织体系里就解决掉了，走不到司法这条路上？ Will：对。这也是为什么这件事的出路更可能在私人框架里，而不是在法院。三、那份写不细的授权书 Kevin：但私人框架也得有个依据。如果我的指令本身写错了，委托人当然负责。可如果我写得清清楚楚，记录也没问题，它就是买错了，钱还付掉了，我该找谁？AI 不是主体，跟它 argue 没用，但它背后毕竟有公司。 Will：实操上确实有这么一份依据。你跟 agent 对话之后付款，agent payment 公司会给你出一份 mandate，记录时间、金额、你的交易意图。问题在于它的 scope 不会细。它不会写"因为我明天上午九点要开会，所以今天必须订这张票"，它只会写"我今天周三，去订一张机票"。而 scope 的精确程度，直接决定后面责任的归属。说大一点，这就是一份授权书，后面会成为争议解决的依据。可这份授权书到底该写多少？我跟 AI 讲了一大堆话，它到底理解到什么程度？它知道"今天九点去订机票"，但它不知道我为什么要订这张票，也不知道订回来的是不是委托人真正想要的。其实日常也一样：你让助理去订机票，你都不一定满意，更何况 agent。 Kevin：也就是说，意图这个东西本身就没法完整写下来。那责任最后只能往回落。 Will：对。我们之前给 agent payment 客户起草用户协议，基本上都把 agent 的责任义务重新归回到实际使用的用户身上。因为 agent 追不到，它无法背锅。归根结底还是用它的那个人承担——因为这个人好找，也好落地。四、责任落回人身上之后 Yuki：我同意这个方向，而且我觉得它不只是权宜之计。终局一定是 agent 会参与经济行为。现在 agent 已经进了组织和团队的日常工作，很多公司是"人 + agent"的状态，下一步就是进入经济活动。而在这里有几件事必须被记录：agent 如何识别你的意图，授权边界在哪里，哪些要记录、哪些要验证，以及对卡组织来说最关键的——谁给这个 agent 授权，它的 owner 是谁。如果大家确认这个 agent 的身份属于我，那它出问题就该我背锅。有点像公司请了个财务，财务把钱汇错了，最后锅还是老板背。你顶多把他骂一顿，或者开了——骂的程度取决于汇错了多少钱。最终还是老板为员工的错误买单。只是光有"谁背锅"还不够，还得有一整套事故认定的规则。这很像智能驾驶。十五年前大家觉得它离我们很远，现在很近了，但要大规模落地仍有很多问题，而且已经不是技术问题。agentic payment 大概会重走一遍：先是技术问题，再是出事故谁担责，到了试点推广阶段，又变成事故如何鉴定、责任如何约定。 Kevin：这个类比很贴切。驾驶者一选择自动驾驶，是不是就把驾驶责任移交出去了？出了问题怎么办？完全同构。而且智能驾驶技术上已经能实现了，之所以没大规模应用，我觉得也是责任问题。 Will：而且智能驾驶的责任，看起来还比 agentic payment 容易界定——至少事故是在一个国家、一条马路上发生的。五、那 crypto 能接住吗 Yuki：所以问题就变成：有没有一套基础设施，能把授权、归属、担责这些东西记下来、并且改不掉。这也正好回到 crypto 和 AI 到底什么关系。回到 BTC 白皮书，它最初要解决的就是结算——陌生人之间如何不依赖可信第三方完成电子支付。所以我觉得这两者一定会相遇，而且不是互相蹭热点。AI 改变的是生产力，crypto 要回答的是生产关系。 AI agent 带来的是生产力的变化：它开始理解目标、调用资源、组织任务，甚至代表人完成一部分工作。但生产关系一直没被解决——agent 到底代表谁？身份能不能被篡改？数据、模型、算力归谁？创造的价值怎么分？出错谁担责？crypto 接下来要想的，就是当这种新的生产力进来之后，如何把所有权、授权、收益分配和责任关系嵌进去，并且让它可追踪、不可篡改。 Kevin：道理是这个道理。但要接住"争议"，它自己先得能处理争议——而这恰恰是它最弱的地方。打个比方。很多人说我只收美元，别的不要。然后有一天有人说，我拿钻石付你，要不要？一开始看钻石当然好——值钱、体积小，现金要拎一箱，钻石一小袋随身就走。然后你发现钻石变现特别难，我收了没法直接花，只能跑珠宝店，还得看有没有人收。稳定币的场景跟这个有太多相似。USDC 也好 USDT 也好，跟美元一比一挂钩，很多人既想拿它交易，又想拿它日常支付。你想想，它其实就是一箱一箱的美元现金，只是不占体积，只是一串代码。但它跟信用卡最大的不同是：基本上你没有机会拒付。信用卡有 chargeback，有一整套争议处理机制；加密货币是一锤定音——按下确认键，事情就结束了，所有可能的错误和损失当场盖棺定论。 Yuki：也就是说，我们指望它去解决"AI 买错了怎么办"，可它自己连"人买错了怎么办"都还没解决。而且它的出身也不站在这一边。去中心化、匿名化这些特性，自然而然会吸引那批人——它诞生的初衷本来就是满足不需要监管合规的诉求，而这个诉求会一直存在。 Kevin：所以合规化是不是就等于放弃去中心化？这两个东西天然冲突。 Will：某种意义上是，但现在的方向不是"选一个"，是被行情和监管一起推着走。这波人的行为跟 BTC 价格是同一条走势——币价上去，链上的钱就多，钱多了就要消费、要做项目，而这些项目又赶上这波合规浪潮，不管是特朗普在推，还是 CLARITY 法案通过，都会把原来链上原生的那批人往合规场景里赶。一旦进了合规场景，监管和持牌就是天大的问题。 Yuki：换句话说，crypto 现在正在补的，恰恰是 agentic payment 需要它具备的那部分能力——规则、身份、争议处理。只是还没补完。六、iPad 时刻还没到 Kevin：补没补完，其实有一个很朴素的检验标准。现在铺天盖地都在教大家怎么用 AI，好像不搞点 AI 就跟不上时代。但我觉得这本身就是个悖论。当初中国推二维码支付，如果你要先学二维码怎么来的、跟什么账户勾连、什么一级账户二级账户，那它根本推广不起来。我印象最深的是第一代 iPad。当时我儿子两三岁，说实话那东西到我手上，我也得适应一下，要知道点哪儿。可你给一个两三岁的孩子，他拿过来就会用，不用教。电子产品做到不需要学习就能上手，才算成了。所以 AI 最终一定是躲在后面，而不是站在前面。 Yuki：我认同。它真正普及，是当大家觉得无感、觉得本来就该这样，而不是天天教大家用 AI。至于自媒体上为什么全是 AI 教程——我的体感是，因为 AI 创业不赚钱，只有卖课的赚钱。 Kevin：你讲到最根本的事情了。当初 DeepSeek 刚火，不也满世界都是教程吗。 Will：所以还是时间点没到，虽然我们都已经看到了那个时间点在哪。稳定币提供的是全球、全天候、无休的结算能力。token 本身能无障碍地结算，但装在里面的东西可以是各种各样的。所以 agent 这条线过来，问题就变成：它到底把什么价值装进去——是算力 token，还是 API 服务？这才是后面全球化 AI 经济一个比较大的爆发点。但显然还没到。等它真到来的时候，也就是 Yuki 一直在问的那个问题的答案——AI 和 crypto 什么时候交汇，我觉得就是那个时候。只是我们显然还没走到 Kevin 老师说的"拿到 iPad"的那一刻。所以还有非常多的工作要做。

活动回顾丨Bitcoin Asia 上的 Agent Economy智能流和资金流，过去是两条平行的轨道。一条跑在应用层，提问、响应、任务完成；一条跑在支付层，授权、清算、对账。两条轨道从不直接相连，中间靠一个动作缝合——人点一下按钮。人是唯一的接口。 8 月 27 日晚，DogPay 在香港办了一场名为「The Payment Layer for the Agent Economy」的活动，作为 Bitcoin Asia 期间的 Side Event，Money in Motion 联合主办。讨论的其实是同一件事的不同侧面：当那个按钮不再由人来点，这两条轨道会发生什么。一、付款方第一次不是人我在分享里提的判断是：Agentic Payment 真正的变化不在通道，在付款方。过去二十年，支付行业优化的一切——费率、成功率、结算速度、拒付率——都建立在同一个动作上：人点击，点击构成授权，授权发生在某个确定的时刻。这一刻之前和之后是两个世界，整套风控、清算和争议解决机制都是照着这个结构建的。 Agent 把这个前提拆了。支付变成任务执行过程中的一个字段：预算在哪里设、权限由谁授、什么条件下触发、按结果还是按用量计费、价格是否随负载浮动。系统要回答的不再只是「谁向谁付款」，还有「为什么付、谁批准的、怎么追溯」。大屿讲 Agent Trading 时，把同一个问题带到了交易场景。他给出两条演进路径：一条是 Agent 成为独立自主的交易主体，自己发现机会、生成交易逻辑；另一条是成为交易者的数字分身，复刻人的交易体系、风险偏好和执行纪律。前者想象空间更大，后者更接近当下能落地的路径。两条路径听上去差得很远，卡住它们的东西却完全一样：钱包安全、权限管理、审计追踪。这不是巧合。代理消费和代理交易，分野的标准是同一个——Agent 是在执行人的意图，还是在生成自己的意图。而无论落在哪一边，人都从那个接口的位置上退了出来。接口消失之后，两条流只能合并到同一条轨道上跑。二、支付的逻辑，正在往 token 上搬这件事最激进的实践者不在加密行业，在 Stripe。我们此前拆过它那笔七十多亿美元的收购——史上最大一笔，买的是 AI 模型网关 OpenRouter，一家不做支付的公司。同期的股东信里，Stripe 十五年来第一次改写了自己的起源故事：资本与智能，正在成为托底每一门生意的两股数字流。为什么一家支付公司要去管企业怎么花 token？因为 token 的消费已经变成了流。AMP PBC 分析流经 OpenRouter 的一百万亿个 token 后发现，中位请求并不是一个人在提问，而是一台机器在循环中间。一个 agent 跑一晚上，同类调用重复几千次，无人值守、持续发生。而 Stripe 这家公司向来只做一件事：在流上收费。于是围着美元长了二十年的那一整套东西，开始一层层往 token 上搬——计量、路由、定价、风控、对账，一样都不少，只是标的从美元换成了 token。而这套体系里的三个角色也各就各位：AI token 制造账单，卡组织完成刷卡，稳定币负责结算。模型是商品，计量层是收银台。这句话底下是一个更冷的结构。稳定币解决的是转移，但它从没解决转移标的的估值。一笔链上付款可以在一秒内完成，可「这次模型调用该付多少」，链和币都回答不了。搬运的成本被压到接近零之后，所有的价值都挤到了定价这一侧。谁掌握计量，谁就掌握定价。三、同一个形状，两个方向长出来回到香港这场活动。 DogPay 讲的三层——DogID 做身份，DogRouter 做用量，DogPay 做支付——放进上面那个坐标里看，几乎是同一个答案。Agent 需要先被识别，才谈得上被授权；被授权之后才能被计量；任务完成之后，付款、分账和对账才有触发的依据。身份、用量、支付，正好是这条链上的三个卡口。而这个形状不是抄来的，是被约束逼出来的。当消费从离散事件变成连续的流，当付款方从人换成机器，任何人做这件事都会撞上同样三个问题：认得出是谁，算得清用了多少，结得了账。少一层都不成立。所以香港一场 Side Event 上讨论的三层，和 Stripe 花七十多亿买回来的那个位置，指向的是同一件事。区别只在方向：一个从美元那一侧往上搬，把成熟的支付逻辑套到新商品上；一个从 Agent 原生那一侧往下长，先有机器的用量和身份，再回头解决钱。出发点相反，形状一样。这也解释了 DogPay 为什么把自己定位成价值流转网络，而不是一个收款按钮。收款工具处理的是一次性事件；它要处理的是一条一直在跑的流——当人和 Agent 混在同一个协作网络里，价值如何被记录、分配和结算。形状想清楚了，不等于位置就定了。从美元往上搬的那一侧，握着二十年的对抗性交易数据和最完整的商户网络；从 Agent 原生往下长的这一侧，握着更早的用量入口和更灵活的合规姿态。谁先站住，现在没有答案。这是一场还没跑的比赛，押哪边都是下注。四、生而全球的东西，不需要落地亚洲这一侧的问题，从来不是有没有需求。这场活动能在 Bitcoin Asia 期间爆满，本身就是信号。从 API 调用到跨境收款再到智能交易，Agent Economy 在亚洲已经是在跑的生意，现场的人不是来听趋势的，是带着各自具体的问题来的。生机勃勃的另一面，是一个还没被认真回答的问题。 agent 和 stablecoin 都是生而全球的。它们不在任何一个司法辖区出生，不依赖任何一个城市的清算系统，也不需要落地在任何一个地方。传统金融中心的逻辑恰恰相反——资金必须经过某个物理和法律的节点，城市的价值来自它是那个必经之地。当这个节点开始收缩，香港要想清楚的是：在一个不需要地理的价值网络里，一个城市凭什么被需要。我倾向于认为答案不在牌照本身。牌照能界定边界，界定不出吸引力；何况一个生而全球的东西，会去找摩擦最小的那条路径，而不是规矩最全的那一条。真正把城市留在网络里的，可能是机构——像 DogPay 这样足够灵活、能同时站在合规和链上两边、又愿意在标准还没成形的时候先做出来的机构。城市的位置，要靠生态挣回来。这是判断，不是结论。它成立的前提是接下来两三年里，Agent 支付的规则由做事的人写，而不是等规则写好了再做事。十月六日，Money in Motion 和 LongTree Labs 会在新加坡办第一届 AGENTIC MONEY，把这些问题继续往下推。按钮消失之后，两条流会自己找到一条轨道。真正的问题是，它经不经过这里。

2026 Q2 Web3招聘报告2026年Q2 Web3人才市场，收缩与紧缺同时发生撰文：Xunye，Hickerzed 2026年以来，Web3行业已有超过40家公司裁员，合计超过7,000人，Coinbase、Kraken相继收缩。7月23日，老牌交易所BitMEX宣布将于9月彻底关停交易业务。我们把七份外部行业报告与Moledao平台2026年Q2的投递数据放在一起对照。对照结果指向一个此前较少被讨论的现象，企业发布岗位最多的方向，候选人投递没有跟上；候选人竞争最集中的方向，岗位供给反而有限。 2026年以来，Web3行业裁员超过7,000人，数据来自CryptoJobsList《Layoffs Report 2026》，图1展示了其中裁员规模最大的8家。岗位描述中要求AI技能的比例，从2025年初的23%升至2026年3月的53.1%。 Moledao数据显示，Engineering类岗位占招聘需求的46.0%，候选人投递占比为27.1%，投递集中度指数0.6×，在所有主要职能中最低。这是本季度最明确的人才紧缺信号。行业在收缩，各职能的幅度差别很大比特币自2025年10月约$126,200的历史高点跌至2026年7月底的$60,000至$64,000区间，跌去接近一半。行业收缩几乎同步展开。5月5日，Coinbase宣布裁员约700人，占总员工数的14%，CEO Brian Armstrong在内部信中将这次调整定性为“AI-native”转型，此事由The Block报道。同月，Kraken裁员150人。6月23日，Ethereum Foundation裁员54人。图1｜2026年Q2重点企业裁员时间线收缩集中在部分职能。Tiger Research对2,932条H1 2026活跃岗位的统计显示，Engineering仍是招聘需求最大的职能，占比34.1%，Compliance/Legal以10.4%次之，两个方向的需求相对稳定。 Gaming/NFT类岗位仅占2.4%，是萎缩最明显的方向。此处34.1%为Tiger Research全网样本口径，与后文Moledao平台46.0%的岗位结构口径不同。部分公司在裁员公告中给出的理由相当一致，精简管理层，裁撤重复岗位。Coinbase明确提出取消“纯管理岗”，转向“player-coach”模式。从公告口径看，调整集中在组织架构层面，核心技术岗位受到的影响有限。同期，AI技能正在进入岗位要求。要求AI技能的岗位占比从2025年初的23%升至2026年3月的53.1%， CryptoJobsList与Tiger Research两份独立报告给出的数字相互印证。地理分布上，据Tiger Research统计，新加坡是2026上半年办公室岗位相对集中的地区之一。薪资仍在上涨，职能之间分层明显据Gate Research数据，2026年全球crypto从业者平均薪资涨幅约18%。分职能看差距很大，量化开发工程师最高可达$200k，初级开发者约$77k，前后接近3倍。图2｜分职能薪资对比 AI技能带来明显溢价。据CryptoJobsList数据，AI相关中层岗位平均薪资$115k，非AI岗位为$95k，高出21.1%。需求端的占比在涨，薪资端的溢价也在涨，两组数据方向一致。 Moledao数据，岗位供给与候选人投递的错位以上是行业大盘。大盘报告回答不了一个问题，这些挂出来的岗位，求职者真的在投吗？图3｜Moledao岗位占比与投递占比对比基于Moledao 2026年Q2数据，我们对比了每个职能的岗位占比（招聘需求）与投递占比（候选人竞争），两者相除得到投递集中度指数。指数大于1，说明候选人相对集中，岗位相对稀缺；小于1，说明候选人关注度低于岗位供给，对应真实的人才缺口。技术岗的低指数可能部分来自更高的自我筛选门槛，方向性结论不受影响。 Engineering招聘需求最大，岗位占比46.0%，投递占比27.1%，集中度指数0.6×，候选人关注度明显低于供给，是本季度最明确的人才紧缺信号。Security与之类似，程度更轻，指数0.9×。 BD、PM、Compliance/HR/Ops处于另一端，候选人竞争更集中。BD指数2.4×，是候选人竞争最激烈的方向。PM为1.4×。Compliance/HR/Ops指数1.2×，竞争相对温和，岗位占比却高达27.9%，是Engineering之外岗位最多的职能。对企业而言，指数越高的类目，发布岗位后获得投递越容易。多家招聘机构在2026年的市场评论中提到类似情况。安全审计、ZK工程师、Rust开发者等专精技术岗位在全球范围内合格候选人很少，这与Moledao数据里Engineering关注度低于供给的现象方向一致。把裁员与紧缺放在一起看，两条线索描述的是同一次结构调整。被削减的多是管理层级与重复职能，企业争夺的多是专精技术能力。给求职者的参考 Engineering方向招聘需求最旺，候选人关注度相对不足，实际竞争压力小于岗位数量所显示的水平。这个判断有一个前提，候选人需要具备市场当前需要的专精能力。安全审计、ZK、Rust等细分方向是目前需求端最明确的缺口。 BD和PM是另一种局面。岗位限，候选人高度集中，通用型简历很难被看到，求职者需要在细分方向和可验证的项目记录上与其他候选人拉开差距。多个招聘方反馈，收到的BD和PM简历中，头部候选人与尾部候选人的质量差距很大。背景在Compliance/HR/Ops或Security的求职者各有对应的位置。前者是Engineering之外岗位最多的职能，岗位占比27.9%，投递集中度1.2×，竞争压力比BD、PM温和。后者指数0.9×，与Engineering同处候选人关注度不足的区间，缺口程度较轻。这两个方向受到的讨论不多，竞争强度与机会数量之间的比例对求职者相对有利。 AI技能方面，超过一半的岗位描述已包含相关要求，约20%的薪资溢价是市场给出的定价。无论选择哪个方向，求职者都需要把AI技能当作岗位要求的一部分来准备。给招聘方的参考 Engineering岗位单靠发布后等待投递，很难获得足够的候选人。候选人关注度滞后于供给，主动触达是必要手段，猎头、开发者社群运营、内推激励都属于这一类。 Security方向情况类似，指数0.9×，程度比Engineering轻，依赖被动投递同样可能招不满。 BD和PM岗位天然吸引较多投递，适合用于品牌曝光，筛选成本需要提前考虑。投递量大的岗位往往伴随候选人质量的大幅分化，提前确定筛选标准，可以避免被投递量淹没。 Compliance/HR/Ops的挑战在筛选端。这是Engineering之外岗位最多的招聘方向，岗位占比27.9%，投递集中度1.2×，供给相对充裕，候选人数量大，质量方差也大。对这类岗位，明确筛选标准比扩大曝光更迫切。 AI技能要求已覆盖53.1%的岗位。JD在这一项上滞后的企业，可能在筛选环节就流失了相当比例的合格候选人。数据说明 Moledao数据样本为2026年Q2（4月至6月），基于平台投递与岗位记录，已排除平台自身发布的岗位。 Marketing/Community类目进一步剔除了与本报告存在关联的单一企业投递，以避免单一来源影响代表性。样本量有限，结论仅反映方向性趋势。外部数据主要来自Tiger Research与CoinGecko《H1 2026 Global Crypto Hiring Market Analysis Report》、Gate Research《Q1 2026 Crypto Employment Trends White Paper》、CryptoJobsList《Layoffs Report 2026》与《The 2026 Web3 Workforce Report》、Bitget与Blockchain4Youth《Web3 Next-Gen Talent Intelligence Report》、web3.career《Crypto Salary》以及CoinCup H1 2026报告。各数据源发布时间与统计口径差异较大，具体数字仅供方向性参考。

已经到底了

AI Web3 ETF 稳定币 Defi RWA

搜索“Web”共有10条相关结果

文章

Monad Metropolis 杭州站 9.19丨当 AI Agent 开始花钱，新的机会在哪里？

RX开启RWA新纪元——919全球开盘，RXR＋ZENT双引擎领跑Web4赛道

RX开启RWA新纪元——919全球开盘，RXR＋ZENT双引擎领跑Web4赛道

Uweb 新一期AI投研实训营开课，聚焦新一代投研精英培养

TOKEN2049 新加坡周活动导览：10 月 5 日至 9 日重点场次全览

GWDC x KBW 韩国区块链周活动导览：从机构峰会到开发者大会，六天重点场次全览

专访「AI 投研精英孵化计划」学员小花猫 —— AI 行情助手

EP07丨漫谈 Agentic Payment：谁为 AI 的决定买单？

活动回顾丨Bitcoin Asia 上的 Agent Economy

2026 Q2 Web3招聘报告