AI 时代的全新金融基础设施应该是怎样的?

2024 年 11 月，预测市场在所有人之前就预判了选举结果。当民调显示胜负难分、专家们闪烁其词时，市场给特朗普的胜率是 60%。结果揭晓时，预测市场击败了整个预测建制派——民调、模型、专家判断，所有的一切。

这证明了市场可以将分散的信息汇聚成准确的信念，风险共担机制起了作用。自 20 世纪 40 年代以来，经济学家一直梦想着投机市场能够超越专家预测，如今这个梦想在最宏大的舞台上得到了验证。

但让我们深入审视其中的经济学原理。

Polymarket 和 Kalshi 的投注者提供了数十亿美元的流动性。他们的回报是什么？他们产生了一个信号，而全世界都能瞬间免费地看到。对冲基金观察它，竞选团队吸收它，记者围绕它构建数据仪表盘。没有人需要为这份情报付费，投注者们实际上补贴了一项全球公共品。

这就是预测市场深陷的困境：它们所产生的信息也正是其最有价值的部分，在生成的那一刻便泄露了。而精明的买家不会为公开信息付费。私人数据提供商之所以能向对冲基金收取高昂费用，正是因为他们的数据是竞争对手看不到的。相反，公开的预测市场价格，无论多么准确，对这些买家而言都毫无价值。

因此预测市场只能存在于足够多人想「赌博」的领域：选举、体育、网络模因事件。结果我们得到了一种伪装成信息基础设施的娱乐消遣。真正对决策者至关重要的问题地缘政治风险、供应链中断、监管结果、技术发展时间线依然没有答案，因为没有人会为了娱乐而去押注它们。

预测市场的经济学逻辑是颠倒的。而修正这一点，是一项更宏大变革的一部分。信息本身才是产品，投注只是生产信息的一种机制，而且是一种有限的机制，我们需要一种不同的范式。以下便是对「认知金融」的一个初步勾勒：一种围绕信息本身，从第一性原理出发重新设计的基础设施。

集体智能

金融市场本身就是一种集体智能。它们将分散的知识、信念和意图汇聚成价格，从而协调着数百万从不直接沟通的参与者的行为。这非常了不起，但也极其低效。

传统市场运作缓慢，是因为受限于交易时间、结算周期和机构摩擦。它们只能通过价格这个粗糙的工具来笼统地表达信念。其所能表征的事物也非常有限，即可交易主张的空间，与人类真正关心的问题空间相比，简直微不足道。此外参与者受到严格限制：监管壁垒、资本要求和地理约束，将绝大多数人和所有机器都排除在外。

加密世界的出现开始改变这一点，包括永不间断的市场、无需许可的参与和可编程的资产。无需中央协调即可组合的模块化协议。DeFi（去中心化金融）已经证明，金融基础设施可以重建为开放的、可互操作的基础组件，这些组件诞生于自主模块的互动，而非守门人的法令。

但 DeFi 在很大程度上只是用更好的「管道」复制了传统金融。其集体智能仍然基于价格、聚焦于资产，并且吸收新信息的速度缓慢。

认知金融则是下一步：为人工智能和加密时代，从第一性原理出发重建智能系统本身。我们需要会「思考」的市场能够维持关于世界的概率模型，能以任意精细度吸收信息，可供 AI 系统查询和更新，人类无需理解底层结构也能为其贡献知识。

实现它的组件并不神秘：用私人市场修正经济模型，用组合结构捕捉相关性，用智能体生态系统规模化处理信息，用人机界面从人脑中提取信号。每一个部分在今天都已可以构建，而当它们结合在一起时，将创造出某种具有质变意义的新事物。

私人市场

如果价格不公开，经济约束就会迎刃而解。

一个私人预测市场只让补贴流动性的实体看到价格。该实体从而获得独占的信号，一份专有情报，而非公共品。如此一来，市场突然在任何「有人需要答案」的问题上都变得可行，无论是否有人愿意为了娱乐而去押注。

我和 @ Dave_White 探讨过这个概念。

设想一家宏观对冲基金，它希望获得关于美联储决策、通胀结果和就业数据的连续概率估计，是作为决策信号，而非投注机会。只要情报是独占的，他们就愿意为此付费。一家国防承包商想要地缘政治情景的概率分布，一家制药公司想要监管批准时间线的预测。然而今天这些买家都不存在，因为信息一旦生成，便会立刻泄露给竞争对手。

隐私是让经济模型成立的基础。价格一旦公开，信息买家便失去优势，竞争对手开始搭便车，整个系统就会倒退到只能依赖娱乐需求。

可信执行环境让这一切成为可能，这是一种安全的计算飞地，其中的运算过程对外界（甚至系统操作者）不可见。市场状态完全存在于 TEE 内部。信息买家通过经过验证的通道接收信号。多个非竞争实体可以订阅重叠的市场；分层的访问窗口可以在信息独占性与更广泛的分发之间取得平衡。

TEE 并非完美无缺，它需要信任硬件制造商。但它已能为商业应用提供足够的隐私保障，并且相关的工程技术如今已相当成熟。

组合市场

当前的预测市场将事件视为彼此孤立的。「美联储会在三月降息吗？」在一个独立市场。「第二季度通胀会超过 3% 吗？」在另一个市场。一个理解这些事件内在关联的交易者，例如知道高通胀可能增加降息概率，或强劲就业可能降低降息概率，必须在这些互不联通的资金池之间进行手动套利，试图重建已被市场结构本身所破坏的相关性。

这就像建造一个大脑，而其中的每个神经元只能孤立地放电。

组合预测市场则不同，它维持的是一个关于多种结果组合的「联合概率分布」。一笔表达「利率保持高位且通胀超过 3%」的交易，会在系统中所有相关的市场里产生涟漪，同步更新整个概率结构。

这类似于神经网络的学习方式：在训练中，每一次梯度更新都会同时调整数以亿计的参数，整个网络对每一条数据做出整体反应。同样一个组合预测市场的每一笔交易，都会更新其整个概率分布，信息通过相关性结构传播，而非仅仅更新孤立的价格。

最终浮现的，是一个「模型」，即一个在世界事件状态空间上持续更新的概率分布。每一笔交易都在优化这个模型对事物间相关性的认知。市场在学习现实世界是如何联结在一起的。

智能生态系统

自动化交易系统已经在 Polymarket 上占据主导地位。它们监控价格、发现错误定价、执行套利、聚合外部信息，速度远超任何人类。

当前的预测市场是为使用网页界面的人类投注者设计的。智能体是在这种设计下「勉强」参与进来的。而一个 AI 原生的预测市场将彻底颠倒这一逻辑：智能体成为主要参与者，而人类则作为信息来源被接入系统。

这里有一个至关重要的架构决策：必须实现彻底的隔离。能看见价格的智能体，绝不能同时是信息源；而负责获取信息的智能体，绝不能接触到价格。

没有这堵「墙」，系统将自我蚕食。一个既能获取信息又能观察价格的智能体，可以从价格变动中反向推导出什么信息是有价值的，然后自己去寻找它。这样一来，市场自身的信号反而成了指引他人的「藏宝图」。信息获取行为会退化为一种复杂的「前瞻交易」。隔离机制确保了，信息获取智能体只能通过提供真正新颖、独特的信号来获利。

在「墙」的一侧：是交易智能体，它们在复杂的组合结构中竞争，以识别错误定价；以及评估智能体，它们通过对抗性机制评估涌入的信息，辨别何为信号、何为噪音、何为操纵。

在「墙」的另一侧：是信息获取智能体，它们完全在核心系统之外运作。它们监控数据流、扫描文档、接触拥有独特知识的人类个体——并将信息单向地传入市场。当它们的信息被证明有价值时，便能获得补偿。

补偿沿着链条逆向流动。一笔盈利的交易，会奖励执行交易的智能体、评估该信息的智能体，以及最初提供该信息的获取智能体。这个生态系统由此变成一个平台：一方面，让高度专业化的 AI 智能体能够将其能力货币化；另一方面，也成为一个基底层，供其他 AI 系统采集情报以指导其行动。智能体，就是市场本身。

人类智能

世界上大量最有价值的信息，只存在于人类的头脑之中。比如知道自家产品进度已经落后的工程师；察觉到消费者行为微妙转变的分析师；注意到了连卫星都看不到的细节的观察者。

一个 AI 原生的系统必须能够捕获这些来自人脑的信号，同时不被海量噪音淹没。两种机制使之成为可能：

智能体中介参与：允许人类在不看到价格的情况下进行「交易」。一个人只需用自然语言表达信念，例如「我认为产品发布会推迟」。一个专门的「信念翻译智能体」会解析这个预测，评估其置信度，并最终将其转化为市场上的头寸。该智能体与有权访问价格的系统协调，构建并执行订单。人类参与者只会得到粗略的结果反馈：「头寸已建立」或「优势不足」。报酬在事件结束后根据预测准确性结算，价格信息全程不会泄露。

信息市场：允许信息获取智能体直接为人类的信号付费。例如一个想了解某科技公司盈利情况的智能体，可以识别出一位拥有相关内部知识的工程师，向其购买评估报告，并依据该信息随后在市场中的价值来验证并支付报酬。人类因其知识而获得报酬，完全无需理解复杂的市场结构。

以分析师爱丽丝为例：她根据专业判断，认为某起并购将无法通过监管批准。她通过自然语言界面输入这一观点，她的「信念翻译智能体」解析该预测，从语言细节中评估她的信心，核查她的历史记录，并构建一个合适的头寸，全程接触不到价格。位于 TEE 边界的「协调智能体」则根据当前市场隐含的概率，判断她的观点是否具有信息优势，并据此执行交易。爱丽丝只会收到「头寸已建立」或「优势不足」的通知。价格始终保密。

这种架构将人类的注意力视为一种需要精心分配和公平补偿的稀缺资源，而非可以随意开采的公共资源。随着这类交互界面的成熟，人类知识将变得「流动」起来：你所知道的信息汇入一个全球性的现实模型，并在被证明正确时获得回报。困在头脑中的信息，将不再被困住。

未来图景

将视野拉得足够远，便能窥见这一切将引领我们去向何方。

未来将是一片由流动、模块化、可互操作的关系构成的海洋。这些关系在人类与非人类参与者之间自发地形成与消散，没有任何中央守门人。这是一种「分形化的自主信任」。

智能体与智能体谈判，人类通过自然界面贡献知识，信息源源不断地流入一个持续更新的现实模型，任何人都可以查询它，但没有人能控制它。

今天的预测市场，仅仅是这幅图景的一个原始草图。它们验证了核心概念（风险共担能产生准确信念），但却被困在错误的经济模型和错误的结构假设中。体育博彩和选举竞猜之于认知金融，就如同 ARPANET（早期的互联网）之于今天的全球互联网：它是一个被误认为是终极形态的「概念验证」。

真正的「市场」，其实是每一个在不确定性之下做出的决策，也就是说，几乎是所有决策。供应链管理、临床试验、基础设施规划、地缘政治策略、资源分配、人事任免……在这些领域减少不确定性的价值，远远超过押注体育赛事的娱乐价值。我们只是尚未建造出能够捕获这种价值的基础设施。

即将到来的，是认知领域的「OpenAI 时刻」：一个文明尺度上的基础设施项目，但其目标不是个体的推理，而是集体的信念。大型语言模型公司正在构建从过往训练数据中「推理」的系统；而认知金融旨在构建会「相信」的系统——它能维持关于世界状态的、经过校准的概率分布，通过经济激励（而非梯度下降）持续更新，并以任意精细度整合人类知识。LLM 编码了过去；预测市场汇聚了关于未来的信念。二者结合，才能形成一个更趋近完整的认知系统。

充分扩展之后，这将演变成一种基础设施：AI 系统可以查询它以理解世界的不确定性；人类可以向它贡献知识而无需理解其内部机制；它能吸收来自传感器、领域专家和前沿研究的局部知识，并将其合成为一个统一的模型。一个自我优化的、预测性的世界模型。一个不确定性本身可以被交易、被组合的基底。最终涌现出的智能，将超越其各部分之和。

文明的计算机，这正是认知金融所努力构建的方向。

利害攸关

所有的拼图都已就位：智能体的能力已跨越了可用于预测的门槛；机密计算已从实验室走向生产环境；预测市场已在娱乐领域证明了大规模的产品 - 市场契合。这些线索交汇于一个具体的历史性机遇：为人工智能时代，构建其所需的认知基础设施。

另一种可能性是预测市场永远停留在娱乐层面，选举期间表现精准，平时无人问津，始终无法触及那些真正重要的问题。届时 AI 系统赖以理解不确定性的基础设施将不存在，而禁锢在人类头脑中的宝贵信号，也将永远沉寂。

声明：

1. 本文转载自 [Foresight News]，著作权归属原作者 [Matt Liston]，如对转载有异议，请联系 Gate Learn 团队，团队会根据相关流程尽速处理。
2. 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
3. 文章其他语言版本 由 Gate Learn 团队翻译， 在未提及 Gate 的情况下不得复制、传播或抄袭经翻译文章。