BlackRock выпустила "Белую книгу о умной экономике": как цифровые активы соединяют интеллект, бизнес и вычисления

Автор：БлэкРок

Составитель: Цзя Хуан, ChainCatcher

Исполнительное резюме

Быстрое развитие искусственного интеллекта является наиболее выдающейся технологической тенденцией нашего времени. В то же время цифровые активы также набирают популярность, особенно те, которые могут изменить финансовую инфраструктуру.

В прошлом обе области развивались в основном по своим собственным путям; сегодня, с тем, как системы ИИ становятся все более способными взаимодействовать с финансовыми и экономическими сетями, эти два пути начинают пересекаться.

В данной статье рассматриваются все более тесные связи между ними и объясняется, почему широкое применение ИИ может привести к спросу на цифровые активы, который еще не получил должного внимания, расширить использование цифровых активов и способствовать росту связанных приложений.

Причина, по которой ИИ и цифровые активы могут пересекаться, заключается в том, что у них есть общая основа: ИИ — это машинный нативный интеллект, а цифровые активы — это машинная нативная валюта. С ростом агентного ИИ это соответствие становится особенно важным.

Агентный ИИ — это системы, способные вызывать внешние инструменты и инфраструктуру, планировать и выполнять многошаговые задачи вокруг заданной цели с ограниченным вмешательством человека. Блокчейн предоставляет программируемую инфраструктуру, соединяющую интеллект с экономической деятельностью. Эти возможности позволяют ИИ не ограничиваться только генерацией контента, но и действовать в реальном мире, включая покупки и инициирование финансовых транзакций.

В частности, мы исследуем три основных области пересечения:

• Токенизация активов на блокчейне и разбиение текста на токены в больших языковых моделях имеют структурное сходство. Большие языковые модели разбивают человеческий язык на токены, а затем кодируют их в цифры для понимания и обработки моделью.

Блокчейн же представляет экономическую ценность и связанные права в виде цифровых активов-токенов, чтобы машины могли проверять их передачу и расчет. Их функции различны, но обе преобразуют ввод из реального мира в формат, который может быть непосредственно использован машинами.

• Агентный бизнес требует машинных нативных платежных каналов. Рост агентного ИИ и платежей между машинами может увеличить спрос на блокчейн и другие программируемые платежные инфраструктуры; стабильные монеты, нативные криптоактивы и другие активы на блокчейне могут служить инструментами машинных нативных платежей и расчетов.

Существующие каналы, такие как ACH и банковские сети, уже поддерживают множество автоматизированных транзакций, но требования к открытию счетов и затраты на расчеты могут сделать их непригодными для круглосуточных, очень мелких и требующих программного выполнения транзакций. Новые протоколы, такие как x402 и ACP, развертываются на блокчейн-сетях и развиваются параллельно с преобразованием традиционных платежных каналов, предоставляя поддержку транзакций и расчетов для более сложных агентных рабочих процессов.

• Вычислительная мощность становится потенциально огромным новым рынком для цифровых активов. Вычислительная мощность, необходимая для обучения и работы систем ИИ, становится все более важным экономическим ресурсом. Аналитики оценивают, что к 2030 году годовой доход облачного бизнеса гипермасштабных облачных провайдеров может превысить 1 триллион долларов.

С ростом способности ИИ-агентов выполнять более сложные задачи и продолжать автономную работу стандартизированные права на использование вычислительной мощности могут стать важным использованием цифровых активов для финансирования и программируемых расчетов.

В целом, распространение ИИ может продолжать способствовать принятию цифровых активов, а цифровые активы могут поддерживать экономику ИИ: ИИ понимает информацию и решает, как действовать, в то время как блокчейн предоставляет активы, читаемые машинами, и программируемые расчеты. Эта связь еще не получила должного внимания. С учетом того, что цифровая экономика все больше вовлекается автономными системами, цифровые активы могут стать более важной инфраструктурой в этом процессе.

Токенизация ИИ и цифровых активов

С архитектурной точки зрения токенизация ИИ и цифровых активов имеет схожие цели: преобразование информации и экономических прав в дискретные, стандартизированные формы представления, позволяющие машинам обрабатывать их напрямую.

Токены ИИ несут информацию, тогда как токены цифровых активов представляют собой определенную ценность, право собственности или другие экономические права.

В больших языковых моделях токенизаторы разбивают текст, читаемый человеком, на более мелкие единицы, обычно слова, подслова или символы, и присваивают им цифровые идентификаторы. Слой встраивания затем преобразует эти идентификаторы в векторы для вычислений модели.

Модель генерирует цифровые идентификаторы токенов, а затем декодирует их в текст, читаемый человеком. Постоянно преобразуя входной текст в стандартизированные цифровые единицы, большие языковые модели могут эффективно обрабатывать большие объемы ввода, используя высокопараллельные вычисления, в которых современные чипы преуспевают.

Блокчейн обрабатывает инструменты хранения ценности и экономические права аналогичным образом, но с различной технической реализацией. Токенизация цифровых активов — это представление финансовых активов или активов реального мира, таких как наличные деньги, права на фонды, ценные бумаги или другие права собственности, в виде стандартизированных цифровых токенов, записанных в распределенном реестре. Существующие активы на блокчейне, такие как стабильные монеты, могут передаваться через смарт-контракты.

На уровне транзакций эти активы представлены данными о транзакциях, которые могут быть прочитаны машинами, и применимыми правилами. Сеть проверяет, были ли транзакции авторизованы и действительны ли они, в то время как смарт-контракты или сценарии транзакций выполняют определенные права и условия для конкретных активов. Эти механизмы обновляют реестр путем передачи баланса токенов. Когда транзакция записана и достигает достатственного окончательного подтверждения в соответствии с правилами консенсуса сети, она становится частью официального состояния реестра сети.

В процессе блокчейна смарт-контракты выполняют логику транзакций и специальные правила для финансовых активов. Проверки, такие как AML (борьба с отмыванием денег), KYC (знай своего клиента) и KYA (проверка идентичности агента), обычно проводятся вне сети, чтобы проверить идентификационные и соответствующие данные, а затем результаты проверки передаются в сеть для определения, соответствует ли транзакция условиям.

Для токенизированных активов реального мира эти контрольные меры все еще относятся к более широкой правовой и регулируемой служебной структуре и зависят от авторитетных систем регистрации вне сети; в то же время они также уменьшают зависимость от закрытых баз данных и ручной сверки.

Рисунок 1: Схема процесса токенизации в больших языковых моделях и транзакциях на блокчейне

Эти два процесса, один кодирует информацию на человеческом языке, другой кодирует экономические права. С увеличением пересечения интеллектуальных систем и выполнения транзакций их связь становится все более важной.

Обе системы используют структурированные, читаемые машинами формы представления. Таким образом, в отличие от многих традиционных систем, которые разрознены, агент ИИ на основе больших языковых моделей может более напрямую считывать данные блокчейна. Способы представления различных классов активов становятся более стандартизированными, что также снижает объем работы по разработке интерфейсов для различных систем, облегчая агентам координацию сложных процессов, связанных с несколькими активами.

С помощью программируемых интерфейсов агенты могут проверять балансы и правила перед выполнением авторизованных транзакций и проверять расчеты после транзакций, уменьшая зависимость от ручных процессов.

Недавнее исследование Института политики Биткойна предоставляет предварительную поддержку этой структуры: в контролируемых симуляциях ответы модели обычно склоняются к использованию стабильных монет для повседневных платежей и к использованию биткойнов для долгосрочного хранения. Эти выводы отражают ответы модели в симуляции, а не наблюдения за фактическим поведением ИИ-агентов.

Тем не менее, они указывают на возможную архитектуру машинной нативной валюты: стабильные монеты для транзакций, биткойны для хранения. В дальнейшем будет обсуждено, как эта общая машинная нативная основа может поддерживать некоторые сценарии агентных платежей, которые трудно эффективно и недорого реализовать через традиционные финансовые каналы.

Платежи и расчеты агентного ИИ

С увеличением возможностей агентного ИИ и расширением реальных приложений они все больше нуждаются в платежной и активной инфраструктуре, подходящей для автоматического инициирования и быстрого завершения транзакций машинами.

Крипто-нативные блокчейн-каналы особенно подходят для круглосуточных, высокочастотных транзакций между машинами (M2M) на суммы менее одного цента, таких как вызовы API, получение данных по запросу и оплата вычислительных затрат по мере использования.

В то же время модернизированные традиционные платежные системы по-прежнему будут играть важную роль, помогая агентам взаимодействовать с предприятиями и потребителями, управляемыми людьми, в сценариях B2M (бизнес к машине) и C2M (потребитель к машине).

Стабильные монеты, нативные криптоактивы, токенизированные активы реального мира и другие программируемые инструменты могут круглосуточно поддерживать транзакции и цифровую собственность в зависимости от необходимой степени детализации транзакций и долей активов, включая использование активов в качестве залога.

В более широком смысле токенизация может предоставить стандартизированные, читаемые машинами представления для различных классов активов, уменьшая объем работы по разработке интерфейсов между финансовыми системами, что позволяет агентам более эффективно координировать все более сложные процессы.

Многие существующие платежные каналы менее подходят для агентных транзакций с высоким объемом и низкими суммами. Основные ограничения включают:

• Процессы открытия счетов, настройки удостоверений и получения авторизации могут требовать участия человека;

• Комиссии, необходимые для обработки платежей торговцами, могут сделать очень мелкие транзакции экономически нецелесообразными;

• Существуют ограничения на расчеты и окончательное подтверждение. Большинство транзакций ACH могут быть рассчитаны в течение одного рабочего дня или быстрее; авторизация по банковским картам происходит почти мгновенно, но окончательное подтверждение расчетов и обработки споров может занять больше времени;

• С увеличением объема транзакций, инициируемых машинами, возможности масштабирования системы могут быть ограничены.

Протоколы агентных платежей строятся на таких базовых стандартах, как MCP и A2A: MCP помогает агентам подключаться к внешним системам, A2A помогает агентам общаться друг с другом.

Anthropic запустит MCP (протокол контекста модели) в ноябре 2024 года, предоставляя единый стандарт для доступа приложений ИИ к внешним данным и рабочим процессам. Google запустит A2A (Agent2Agent) в апреле 2025 года, позволяя агентам на разных платформах общаться и сотрудничать.

Агенты, использующие MCP и A2A, также будут вызывать различные протоколы агентных платежей для выполнения сложных процессов, связанных с платежами.

Открытый платежный протокол x402, разработанный Coinbase, использует HTTP-код состояния 402 "требуется оплата", позволяя машинам инициировать платежи. Этот протокол не зависит от конкретного блокчейна, стабильные монеты, такие как USDC, являются одним из его ранних основных применений; он также становится потенциальным стандартом для высокоскоростных транзакций между машинами.

x402 предоставляет круглосуточные, почти мгновенные, проверяемые расчеты, что снижает риск контрагента для поставщиков ресурсов, позволяя им немедленно предоставлять запрашиваемые данные или услуги после подтверждения получения платежа.

Используя стабильные монеты и другие цифровые валюты, хранящиеся в кошельках на блокчейне, x402 может поддерживать высокочастотные, мелкие транзакции без вмешательства человека. Если транзакции рассчитываются в сети без разрешений, рост объемов использования может привести к увеличению спроса на пространство блоков и услуги валидаторов, а также увеличить спрос на нативные криптоактивы.

Тем не менее, насколько велика эта потребность в конечном итоге принесет ценность нативным активам, все еще зависит от сборов за транзакции, механизма стейкинга и оплаты сборов за транзакции в каждой сети.

Другие новые стандарты связывают агентные транзакции с существующими платежными каналами и устанавливают правила авторизации и проверки для надежных финансовых транзакций.

Протокол машинных платежей MPP, разработанный Stripe и Tempo, поддерживает оплату API и других ресурсов HTTP и позволяет гибко рассчитываться с помощью стабильных монет или традиционных способов оплаты. Протокол агентного бизнеса ACP, разработанный Stripe и OpenAI, позволяет агентам автоматически завершать расчеты с торговцами, одновременно позволяя продавцам продолжать использовать существующую коммерческую и платежную инфраструктуру.

Протокол агентских платежей AP2 от Google использует криптографические удостоверения и аудиторские записи для подтверждения, что пользователь дал разрешение; надежный агентский протокол TAP от Visa помогает торговцам проверять надежных агентов и безопасно получать платежные удостоверения.

Рисунок 2 демонстрирует упрощенный процесс агентных платежей.

Человеческий пользователь (1) запрашивает у агента бронирование авиабилетов и отелей в рамках установленного бюджета. Главный AI-агент (2) получает доступ к календарю пользователя, предпочтениям и авторизованной платежной информации через соединитель MCP, затем (3) передает задачу по сбору данных специализированному AI-подагенту, отвечающему за путешествия, через A2A. Подагент (4) вызывает API платных авиабилетов и цен на номера в отелях, соответствующие расходы оплачиваются через x402 и рассчитываются в блокчейне. Главный агент завершает бронирование на основе возвращенной информации (5) через системы оформления заказов авиакомпаний и отелей, и в конце (6) возвращает пользователю маршрут и квитанцию.

Рисунок 2: Схема агентской рабочей процедуры с координацией базового и финансового протоколов

Многочисленные цифровые активы могут поддерживать агентскую коммерцию, но стабильные монеты могут стать основным инструментом в сделках.

Стабильные монеты — это цифровые токены, предназначенные для поддержания стабильной стоимости относительно определенной валюты, наиболее распространенной из которых является доллар США. Стабильные цены делают их надежной единицей учета и повышают предсказуемость ценообразования и расчетов.

Стабильные монеты являются крупнейшей категорией токенизированных активов реального мира: по состоянию на сентябрь 2026 года их рыночная капитализация превышает 300 миллиардов долларов. Объем торгов стабильными монетами в 2025 году превысил 11 триллионов долларов, что сопоставимо с годовыми объемами торгов Visa и Mastercard.

Тем не менее, статистические показатели этих данных различаются, и их нельзя напрямую сравнивать. Объем торгов стабильными монетами все еще значительно ниже 93 триллионов долларов, переведенных через ACH в 2025 году; однако с 2020 по 2025 год среднегодовой темп роста объема торгов стабильными монетами составил 80%, в то время как ACH — около 8,5%.

Регуляторные правила становятся все более ясными, включая законопроект GENIUS в США, MiCA в Европейском Союзе, систему лицензирования стабильных монет в Гонконге и регуляторную структуру стабильных монет в Сингапуре, что должно способствовать дальнейшему распространению и росту стабильных монет.

Рисунок 3: Объем торгов стабильными монетами и основными сетями кредитных карт

Для цифровых активов это увеличение влияния не ограничивается только стабильными монетами, но также распространяется на блокчейн-сети, на которых основаны выпуск и расчет стабильных монет.

Многие основные стабильные монеты выпускаются на нескольких блокчейнах, и участники рынка могут выбирать поддерживаемые расчетные сети в зависимости от стоимости и степени технологической совместимости. Эти сети включают общедоступные сети без разрешений, такие как Ethereum, а также сети, специально разработанные для стабильных монет, такие как Arc от Circle.

На Arc USDC был разработан как нативный актив для прямой оплаты газа. В сетях без разрешений нативные криптоактивы, такие как ETH, используются для поддержки консенсуса, оплаты вознаграждений валидаторам и транзакционных сборов, а также для завершения расчетов. С увеличением активности стабильных монет может возрасти спрос на блок-пространство и сетевые услуги, что, в свою очередь, приведет к увеличению спроса на нативные активы, связанные с использованием.

Тем не менее, насколько эта потребность в конечном итоге принесет ценность нативным активам, зависит от сборов за транзакции, механизма стейкинга и оплаты сборов за транзакции в каждой сети. Arc также предлагает другую взаимодополняющую модель: увеличение активности платежей может расширить использование USDC как расчетного актива и инструмента для оплаты транзакционных сборов.

Возможности цифровых активов на рынке вычислительных мощностей

Системы AI и агенты требуют значительных вычислительных мощностей и энергии. Инвесторы в основном сосредоточены на огромных капитальных затратах, необходимых для создания инфраструктуры AI, и по оценкам, с 2025 по 2030 год совокупные капитальные затраты на AI превысят 5 триллионов долларов. Однако также стоит обратить внимание на постоянные операционные расходы, поддерживающие развертывание AI.

Значительная часть этих операционных расходов направляется на рынок облачных вычислительных мощностей AI: этот рынок получает доход, предоставляя вычислительные мощности существующего IT-оборудования и электроэнергию, необходимую для работы оборудования. С расширением рынка вычислительные мощности становятся независимым, крупным и все более инвестиционно привлекательным экономическим ресурсом, что может привести к появлению новых категорий цифровых активов.

Если грубо оценить размер рынка по основным облачным бизнес-сегментам крупнейших облачных провайдеров, аналитики ожидают, что совокупный доход Amazon Web Services, Microsoft Intelligent Cloud и Google Cloud к 2030 году составит около 1,1 триллиона долларов, что соответствует среднегодовому темпу роста в 29% по сравнению с 2025 годом.

С увеличением значимости вычислительных мощностей как экономического ресурса возрастет и спрос на ценообразование, распределение вычислительных мощностей, а также на финансирование и хеджирование для них.

Исторически крупные рынки ресурсов постепенно развивали торговую инфраструктуру для улучшения ликвидности и управления рисками. Мы считаем, что с расширением применения AI вычислительные мощности могут пойти по аналогичному пути. Недавние рыночные развития уже показывают эту тенденцию, включая финансирование на основе GPU и платформы финансирования, разработанные вокруг долгосрочных доходов от вычислительных мощностей, связанных с использованием.

Эти способы финансирования отражают то, что получение передовых GPU и создание вычислительных мощностей для передовых моделей требует значительных предварительных инвестиций. С развитием моделей потребности в обучении и выводе должны продолжать расти. Вывод относится к вычислительному процессу обработки запросов и генерации результатов после развертывания модели.

С расширением реального применения AI ожидается, что к 2030 году вывод станет крупнейшей рабочей нагрузкой AI, и доля потребления электроэнергии в центрах обработки данных будет продолжать расти. Потенциальные пользователи вывода охватывают как предприятия, так и индивидуальных потребителей, их количество значительно превышает число участников высокоцентрализованного рынка обучения и более распределено.

Рисунок 4: Потребление электроэнергии в глобальных центрах обработки данных по рабочим нагрузкам

Даже если этот рынок формируется, для стандартизированных продуктов вычислительных мощностей необходимо решить важные проблемы в области проектирования контрактов и структуры рынка.

Среди них следует учитывать значительные различия в производительности чипов разных поколений, различия в затратах в разных регионах, особенно дифференциацию цен на энергию; также необходимо установить жизнеспособные стандарты для расчетов наличными и поставки вычислительных мощностей по контракту.

Мы считаем, что эти проектные вопросы важны, но в конечном итоге их можно решить.

Зрелые рынки сырьевых товаров развили торговую инфраструктуру, такую как сделки с базисом и контракты на разницу, для управления различиями между активами и различиями цен в разных местах, и этот опыт может быть полезен для рынка вычислительных мощностей; токенизированные рынки на блокчейне могут использовать общую инфраструктуру расчетов для поддержки контрактов, сегментированных по регионам и типам оборудования.

С развитием этих рамок мы ожидаем, что стандартизированные продукты, включая фьючерсы на вычислительные мощности, торгуемые на бирже, смогут повысить прозрачность ценообразования и помочь поставщикам и пользователям вычислительных мощностей более эффективно хеджировать риски.

Стандартизированные контракты на вычислительные мощности также могут создать права на получение вычислительных мощностей и связанных с ними прав использования. Эти права могут быть представлены, переданы, использованы в качестве залога и завершены через программируемую инфраструктуру. Это, в свою очередь, может привлечь больше институциональных инвесторов, сделав вычислительные мощности новой возможностью на рынке цифровых активов.

Если применение агентского AI расширится, агенты начнут больше использовать программируемые платежные каналы, такие как x402, для поиска, настройки, оптимизации и оплаты вычислительных мощностей, ценность этой механики может стать более очевидной.

Агенты могут запрашивать API реального времени на рынке, сравнивая доступные вычислительные мощности по цене, производительности, задержке, местоположению и типу оборудования, а затем настраивать ресурсы, наиболее подходящие для конкретной рабочей нагрузки. MCP и A2A могут помочь агентам получать данные и координировать действия, а x402 может поддерживать расчет по количеству токенов, обрабатываемых за раз, по модели или по задаче.

Эта механика может обеспечить доступ к вычислительным мощностям по требованию и с гибкостью, а также снизить необходимость в ручном вмешательстве. Хотя в настоящее время агентская платежная деятельность все еще находится на ранней стадии, структурное соответствие автономных агентов и машинных нативных платежей делает это направление интересным для развития экосистемы.

Рисунок 5: Схема рабочего процесса агентов по оптимизации и получению вычислительных мощностей по требованию

Stripe в августе 2026 года согласился на приобретение OpenRouter. Это ранний признак того, что маршрутизация моделей и оптимизация использования вычислительных мощностей начинают входить в финансовую инфраструктуру, основанную на AI.

OpenRouter распределяет задачи между более чем 400 моделями от более чем 80 поставщиков в зависимости от потребностей рабочей нагрузки и компромиссов между стоимостью и производительностью, что показывает, что эффективное распределение дефицитных вычислительных мощностей имеет экономическую ценность.

Бизнес-структура самой Stripe также заслуживает внимания: она уже охватывает области платежей, стабильных монет, выставления счетов и агентской коммерции; эта сделка показывает, что закупка вычислительных мощностей, расчет по использованию и программируемые расчеты могут постепенно пересекаться. Мы считаем, что в будущем агенты могут самостоятельно искать вычислительные мощности и производить платежи через блокчейн и другие программируемые платежные каналы.

Заключение

С увеличением роли машин в экономической деятельности AI и цифровые активы на основе блокчейна все больше пересекаются. Токенизация активов на блокчейне и разбиение на токены больших языковых моделей создали структурированные, машиночитаемые представления, позволяющие AI-агентам более напрямую взаимодействовать с программируемыми активами.

Стабильные монеты и протоколы, такие как x402, могут поддерживать высокочастотные, мелкие и круглосуточные сделки. В то же время стандартизированный и ликвидный рынок прав на вычислительные мощности может позволить агентам искать вычислительные мощности, оптимизировать использование, организовывать финансирование и производить платежи по мере увеличения спроса на вывод.

В настоящее время вся экосистема все еще находится на ранней стадии, и агентская платежная деятельность, а также ликвидность на рынке вычислительных мощностей все еще ограничены. С расширением применения AI и усилением возможностей агентских систем цифровые активы могут стать все более важными в экономической инфраструктуре AI и расширить использование стабильных монет, токенизированных активов реального мира и нативных криптоактивов, поддерживающих расчеты на блокчейне.