💻 computer science

Toward Web 4.0: Bidirectional Trust between AI Agents and Blockchain

本文通过提出一个双向信任框架，系统化了新兴的 Web 4.0 范式，该框架分析了区块链基础设施如何支持自主 AI 智能体以及智能体如何反过来增强区块链机制，最终识别出标准与安全方面的关键差距，并提供一个形式化的交互模型与分类体系以指导未来研究。

原作者： Yunfeng Xia, Chao Li, Lei Li, Chenhao Zhang, Li Duan, Runhua Xu, Wei Wang

发布于 2026-05-12

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Yunfeng Xia, Chao Li, Lei Li, Chenhao Zhang, Li Duan, Runhua Xu, Wei Wang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个互联网的新纪元，作者称之为Web 4.0。在这个世界里，主要用户不再是仅仅点击按钮的人类，而是AI 智能体——能够自主决策、花钱和谈判的聪明、自主的软件程序。

这篇论文是一份庞大的“地图与指南”（称为知识系统化），用于理解这些 AI 智能体如何与区块链（如以太坊等去中心化数字账本）互动。作者认为，这种关系是双向的，就像舞台（区块链）与舞者（AI 智能体）之间的舞蹈。

以下是他们研究发现的简要说明，使用了简单的类比：

1. 双向舞蹈（双向信任）

论文指出，这种关系在两个方向上运作：

方向 A：舞台支持舞者（区块链 → 智能体）
- 问题：想象一个 AI 智能体试图买一杯咖啡。在旧互联网中，它需要人类牵着它的手，签署每一张支票。
- 解决方案：区块链正在构建一个带有特殊工具的新“舞台”：
  - 身份证（身份）：为 AI 提供唯一且不可伪造的数字 ID，使其不会被误认为是虚假机器人。
  - 授权书（委托）：允许人类说“你可以花费最多 10 美元，但不要更多”，而无需赋予 AI 完全控制权。
  - 愿望清单（意图）：人类只需说“我想要一杯 5 美元以下的咖啡”，而无需 AI 去计算购买咖啡的复杂步骤，AI（或求解器）会找出最佳执行方式。
  - 钱包（经济）：为 AI 提供自己的银行账户和通过工作赚钱的途径。
方向 B：舞者帮助构建舞台（智能体 → 区块链）
- 问题：区块链需要人们检查漏洞、商定规则并对变更进行投票。这对人类来说既缓慢又困难。
- 解决方案：AI 智能体正在挺身而出提供帮助：
  - 安全卫士：AI 智能体扫描代码，在黑客发动攻击前发现他们。
  - 裁判：AI 智能体协助验证交易，保持网络平稳运行。
  - 投票者：AI 智能体参与社区投票，决定区块链的未来。

2. 基础：“真理机器”（可验证计算）

为了让这场舞蹈顺利进行，每个人都必须信任 AI 说的是真话。如果 AI 说“我正确计算出了答案”，我们如何知道它不是随便猜的？

论文指出了三种证明 AI 说真话的方法，它们像梯子一样排列：

魔法证明（zkML）：AI 生成一个数学“魔法证明”，证明它正确完成了计算。它 100% 可信，但目前非常缓慢且昂贵（就像试图通过写出宇宙中每一个步骤来证明一个数学问题）。
“下注”系统（opML）：AI 说“我是对的”。如果有人认为它是错的，可以下注挑战它。如果 AI 撒谎，挑战者将赢得赌注。它很快，但依赖于人们愿意挑战谎言。
安全盒（TEE）：AI 在一个特殊的、上锁的硬件盒子（如保险箱）中运行，无人能窥视。我们信任盒子的制造商。它快速且简单，但你必须信任制造盒子的公司。

巨大的差距：论文指出，虽然我们有快速运行 AI 的方法，但针对当今使用的大型复杂 AI 模型，我们还没有快速且完美的“魔法证明”。这就像拥有一辆超快的汽车，但在高速下却没有可用的刹车。

3. “建筑工地”的现状

作者审查了 70 项官方规则（标准）和 20 个现实世界项目，以评估这项技术的准备情况。

管道已就绪，装饰尚未完成：为 AI 提供身份和钱包的基本工具正在建设中，但针对AI的具体规则仍处于“草案”阶段。这就像拥有一栋通了电和水的房子，但电灯开关和门把手仍在设计中。
“信任”差距：大多数当前项目依赖“经济下注”（方向 A），而非数学证明。这意味着如果 AI 犯错或被黑客攻击，就没有数学保证来修复它。
“治理”差距：虽然许多项目使用 AI 来使用区块链，但几乎没有人使用 AI 来运行区块链（投票或共识）。这是一个巨大且空旷的前沿领域。

4. 九大难题（“待办事项”清单）

论文最后列出了研究人员需要解决的九个具体问题，以实现 Web 4.0 的梦想：

加速“魔法证明”：使其速度快到足以即时证明复杂的 AI 思维。
锁定权限：创建工具，从数学上证明 AI 智能体仅做被允许做的事情。
平衡人类与 AI 投票：弄清楚如何让 AI 参与社区决策投票，同时防止少数强大的 AI 所有者接管整个系统。
AI 裁判：制定规则，规定 AI 如何在不因其自身的“概率”性质而犯错的情况下，充当区块链的法官。
AI 对 AI 的博弈：理解 AI 智能体如何在市场中相互竞争或欺骗。
“愿望清单”证明：证明当 AI 执行“愿望清单”（意图）时，它确实完全按照要求完成了任务。
AI 的公平报酬：设计经济系统，使 AI 智能体因提供效用而赚钱，而不仅仅是投机代币。
法律人格：决定如果 AI 违法，是否可以被“起诉”或承担责任。
防止虚假身份：阻止一个人创建 1000 个虚假 AI 智能体来骚扰系统。

总结

论文认为，我们正站在一个互联网新纪元的边缘，AI 智能体是主要用户。我们拥有让它们存在的基本工具，但缺乏确保它们不会搞垮系统的“安全网”（数学证明）和“交通规则”（法律与治理框架）。未来取决于解决这九个具体难题，从而从混乱的实验过渡到安全、可靠的生态系统。

技术摘要：迈向 Web 4.0：AI 智能体与区块链之间的双向信任

1. 问题陈述

自主 AI 智能体与区块链技术的融合正成为 Web 4.0 的标志性特征，在此环境中，智能体作为一等网络参与者而非单纯工具发挥作用。然而，规范这一交互的设计空间仍鲜为人知，从而在信任、安全和经济协调方面带来了重大风险。本文识别出三种汇聚的压力，亟需进行系统性分析：

经济赌注：截至 2024 年 12 月，基于区块链的 AI 智能体市场估值估计已达 86 亿美元，但高调事件（例如 Moonwell 预言机配置错误）凸显了 AI 辅助的智能合约开发与执行中的漏洞。
信任鸿沟：随着智能体从只读分析转向自主交易执行，正式信任模型的缺失迫使项目发明临时的安全假设，导致一个碎片化的格局，其中漏洞在各层之间复合放大。
学术真空：现有文献缺乏涵盖关键领域的知识系统化（SoK），这些领域包括账户抽象、意图架构的形式化分析以及 AI 在共识和治理中的作用。当前的调查往往仅将区块链视为 AI 的工具，忽视了智能体参与协议机制的反向方向。

2. 方法论

作者采用围绕双向信任框架构建的知识系统化（SoK）方法。该方法包括：

形式化建模：定义智能体 - 区块链交互模型（ABIM），这是一个六元组形式化表示（ $\langle A, B, V, P, I, E \rangle$ ），用于捕捉智能体集合、区块链状态机、验证函数、权限策略、意图函数和经济激励。该模型确立了每一层必须满足的八个具体安全属性（例如：验证可靠性、身份唯一性、求解器忠实性）。
评估框架：引入一个五维框架来评估标准和项目：可验证性、最小信任、表达力、可组合性和成熟度。
实证分析：
- 编目并分析70 个与 AI 智能体相关的以太坊 EIP/ERC。
- 审查118 篇学术论文，涵盖安全、共识和治理。
- 考察20 个代表性行业项目（总融资超过 1.12 亿美元），将现实世界的实施情况映射到理论框架上。
分类法构建：基于智能体自主性（辅助型到完全自主型）、信任模型（托管型到密码学型）和操作方向（区块链 $\to$ 智能体 vs. 智能体 $\to$ 区块链）开发三维分类空间。

3. 主要贡献

A. 双向信任框架

本文将交互组织为两个主要方向，并由可验证计算（zkML、opML、TEE）的信任基础支撑：

区块链 $\to$ 智能体（B $\to$ A）：区块链为智能体在四个层级提供信任基础设施：
- A1：账户与身份：从外部拥有账户（EOA）演变为账户抽象（ERC-4337, EIP-7702）和特定于智能体的身份标准（ERC-8004, ERC-8126）。
- A2：权限与委托：模块化账户架构（ERC-7579, ERC-6900）以及执行概率性 AI 代理最小权限原则的挑战。
- A3：意图与执行：以意图为中心的架构（ERC-7521, ERC-7683），其中智能体指定目标而非交易路径，依赖求解器进行执行。
- A4：智能体经济：用于智能体所有权和收入分享的代币化机制（ERC-7662, ERC-6551）和经济激励（ERC-7641）。
智能体 $\to$ 区块链（A $\to$ B）：智能体在三个层级为核心区块链机制做出贡献：
- B1：安全：AI 智能体作为自主审计员和异常检测器（例如 LLM-SmartAudit, SCVHunter）。
- B2：共识：将概率性 AI 模型集成到确定性拜占庭容错（BFT）协议中的理论挑战。
- B3：治理：AI 参与 DAO 投票和提案生成，引发了关于有限影响力和法律人格的问题。

B. 形式化分析与安全属性

ABIM 形式化了每一层的安全保证。主要发现包括：

验证可靠性（TF）：当前系统无法在大规模上为大型语言模型（LLM）推理提供密码学证明（即"LLM 可验证性瓶颈”）。
身份唯一性（A1）：目前没有标准提供抗女巫攻击的智能体身份；ERC-8126 提供了基于 ZKP 的注册，但缺乏防止单个操作员生成多个智能体的机制。
执行完整性（A2）：模块化权限策略缺乏形式化验证工具，导致诸如绕过支出限额等漏洞（Quantstamp 审计中已证实）。
求解器忠实性（A3）：意图执行依赖于经济激励而非密码学证明，导致意图约束与实际执行之间存在差距。
验证者可验证性（B2）与有限影响力（B3）：这些属性在当前系统中完全未被满足，因为没有生产级区块链强制执行对 AI 投票权的限制或验证 AI 共识决策。

C. 实证发现

标准成熟度：特定于智能体的 EIP 生态系统极不成熟。在 13 个直接针对 AI/智能体的标准中，仅有 2 个达到“最终”状态，且没有任何委托/权限标准完成定稿。
行业格局：对 20 个项目的分析显示，高度集中在B $\to$ A方向（基础设施、身份和 DeFi 智能体）。A $\to$ B方向在生产环境中几乎未被探索，没有任何项目直接解决共识（B2）或治理（B3）问题。
信任机制：行业项目严重依赖 TEE（例如 bAI Fund）和经济共识（Recall），而密码学验证（zkML）由于计算开销过大，仍处于研究阶段。

4. 结果与开放问题

该分析确定了九个具体的开放问题（OPs），并将它们映射到特定的 ABIM 安全属性：

OP1（LLM 可验证性瓶颈）：实现 LLM 的实用、亚秒级可验证推理（针对验证可靠性）。
OP2（权限策略的形式化验证）：开发用于验证组合智能体权限策略的工具（针对执行完整性）。
OP3（AI-人类混合治理均衡）：定义混合人类和 AI 投票者的 DAO 的稳定均衡（针对有限影响力）。
OP4（AI 验证器的 BFT）：泛化拜占庭容错以容忍概率性 AI 验证器（针对验证者可验证性）。
OP5（智能体间博弈论）：分析 MEV 和意图市场中的多智能体动态（针对求解器忠实性）。
OP6（端到端意图到证明管道）：创建从自然语言意图到链上执行的可验证管道（针对求解器忠实性）。
OP7（智能体经济的代币工程）：设计将智能体激励与系统效用而非投机对齐的代币经济学（针对激励相容性）。
OP8（链上 AI 智能体的法律框架）：为自主智能体建立责任和法律人格（针对有限影响力）。
OP9（抗女巫攻击的智能体身份）：定义独立于生物身份的 AI 智能体唯一性（针对身份唯一性）。

本文强调，OP1和OP9是上游瓶颈；解决它们是解决治理边界和验证者可验证性等下游问题的先决条件。

5. 意义与主张

本文声称是首个知识系统化，能够：

系统化 AI 智能体与区块链之间的双向关系，超越将区块链仅视为 AI 工具的普遍观点。
通过统一的五维框架评估所有与智能体相关的 EIP/ERC。
将交互形式化为智能体 - 区块链交互模型（ABIM），为安全、系统、密码学、经济学和法律提供共享词汇。

作者断言，从安全角度来看，当前基础设施处于生产前阶段，因为没有已部署的系统满足所有八个 ABIM 安全属性。他们强调，A $\to$ B 方向（智能体参与共识和治理）代表了一个几乎完全开放的学术前沿，随着智能体自主性的增加，这一方向将变得至关重要。该工作旨在引导研究人员关注最具影响力的问题，特别是那些连接密码学证明与概率性 AI、机制设计与异构人类-AI 群体的问题。