AI 时代正在制造一个结构上高度相似的问题。模型决策过程不透明，输出结果无法被独立验证。AI agent 开始自主执行交易、调配资金，配套的规则体系和约束机制还不存在。大模型公司既控制模型又控制评估标准，用户缺乏有效的验证手段。算力高度集中于少数顶级大厂，需求爆发时形成垄断定价。这些问题指向同一个核心：自主系统的信任问题，在 AI 更大的规模过程中重演。
另一类迁移更值得关注。NEAR 创始人 I llia Polosukhin 是 Transformer 论文的联合作者之一，当年从 Google 离开后，最初是想用自然语言构建 AI 应用，但在开发过程中遇到了一个现实问题：需要给全球各地的数据标注工人做跨境支付，而这些人大多没有银行账户，而区块链技术成为这个支付难题最佳解决方案。现在 NEAR 正在转型为 AI 基础设施平台，核心方向是 user-owned AI 和去中心化机密机器学习（DCML），让用户在不暴露数据的前提下使用 AI 服务。在 NEAR 积累的去中心化架构经验，成了这个方向上最难被复制的起点。Circle 联合创始人 Sean Neville 离开后创立 Catena Labs，定位 AI 原生银行，把对 stablecoin 基础设施的理解直接迁移到 AI agent 金融场景，a16z crypto 领投 1800 万美元种子轮。Aave 和 Lens Protocol 的资深开发者 Nader Dabit 转向 Cognition，把在多个 crypto 协议里积累的开发者生态建设经验带进了 AI agent 工具领域。
这批人带走的不仅仅是 GPU 硬件或用户网络，而是机制设计的直觉、开发者生态的建设经验、在规则缺失时从零构建可信系统的判断力。这些能力正好对应 AI 规模化遇到的三个结构性缺口。
算力的聚合与优化
算力是 AI 规模化最直接的瓶颈。训练和推理需要大量 GPU，需求波动大，云厂商贵且排队，企业不想自己囤硬件。这个问题有两个层面：算力怎么聚合分配，以及聚合来的算力怎么用得更高效。crypto builder 在这两个层面都有直接可迁移的积累。
回到开头那条 GitHub 曲线。月活开发者从 45K 降至 23K，表面看是行业在萎缩。但留下来的这批人里，established dev 占比创了历史新高，正在涌向有真实用户的生态，同时被 AI 行业以前所未有的方式重新定价。当 AI 规模化遇到算力聚合、Agent 自主支付、数据与决策可验证性、隐私协调等结构性瓶颈时，这些 Builder 在 Crypto 与 AI 交汇的节点上，这些长期积累的对规则、激励和真实性的敏感度，正在逐渐转化为 AI 时代稀缺的系统级能力。
暗号通貨は死んでいない ただ人材をAIに譲っただけ
作者｜Xinyang & Ethan @ IOSG
2026 年，Crypto 开源社区的 GitHub 活跃曲线完成了一次惊人的“筑底”。从 2022 年顶峰时期的 45K 月活开发者回落至约 23K，这种纸面数据上的减半，在社交媒体上引发了关于“叙事枯竭”的讨论。然而，当我们拆解这条曲线的截面，看到的并非行业的萎缩，而是一场深刻的“人才去杠杆”。
▲ 数据来源：Electric Capital Developer Report，基于 Crypto Ecosystems Github
谁走了？谁还留着？
走掉的主要是新人。2024 年 2 月单月新增开发者达到 5462人，随后大幅下滑，入行不到一年的流失率 52%。这批人大多在牛市期间涌入，做的是 NFT 铸造合约、fork DeFi 协议、给新 L2 做前端。这些岗位高度依附于市场热度，热度一过，项目停止运营，岗位跟着消失。从数据看，新人的代码贡献从未超过整体的 25%，这批人从一开始就不在行业的核心圈层。
▲ Newcomers 随牛市涌入、熊市出走；Established devs（2 年以上经验）在同期创历史新高
数据来源：Electric Capital Developer Report
另一边，入行两年以上的开发者在同一时期不降反升，创了历史新高，贡献着约 70% 的代码量。Electric Capital 的 GP Maria Shen 的判断很直接：“当我们看 established developers 这个群体，它在增长，而且看起来非常健康。”
他们留下来不是因为没有别的选择。
技术上，现在 crypto 的核心工作是一般需要多年积累才能理解的基础设施开发工作：协议层开发、安全审计、跨链架构，这些工作需要多年积累才能真正上手，不是热度退去就能被市场淘汰的。
经济上，很多老兵手里有没 vest 完的 token、有协议里的 governance 权力和股权关系，他们在这个行业里的积累已经形成了真实的壁垒和回报。从生态分布看，他们在用脚投票：Bitcoin 开发者两年增长 64.3%，Solana +11.1%，而 Cosmos 下降 51.1%，Polkadot 下降 46.9%。老兵正在向有真实用户和收入的生态集中，离开那些还在靠叙事维持的项目。
▲ 来源：Coincub Web3 Jobs Report 2025
数据源：Web3.Career
岗位结构的变化也在印证同一件事。2025 年新增 Web3 职位中，占比最高的不是开发者，而是 Project & Programme Management，超过 27%。对一个以技术驱动著称的行业来说这是反直觉的，但背后的逻辑并不复杂：行业从建设期进入执行期，100 多条链需要整合，机构客户进来之后对合规和安全的要求完全不同，DAO 治理需要在利益诉求各异的 stakeholder 之间找平衡。这不是传统意义上的项目管理，而是在规则还在形成中的环境里做协调和判断。
行业表面在缩水，核心密度反而在上升。2018-2019 年那轮熊市同样伴随大量开发者流失，但在之后涌现了 Uniswap、Aave、OpenSea 等现象级项目，定义了 2020-2021 的牛市。这一轮留下来的 builder 们有更加成熟的基础设施，而 AI 时代给了他们一个比上一轮更大的舞台。
留下的人，都带着什么能力？
Crypto 这个行业，到底在 builder 身上锻炼出来了什么特殊能力？要回答这个问题，我们需要回到区块链的底层原理，牛熊周期轮替之间，这个行业始终运行在同一条底层规则之上：代码即法律，执行即终局。
2016 年 The DAO 事件，攻击者利用递归调用漏洞转走 3600 万美元。代码没有 bug，逻辑完全按预期执行，只是边界没有被设计者预料到。2021 年 Poly Network 跨链桥被攻击，6.1 亿美元在数小时内转移完毕。没有平台可以叫停，没有机构可以撤销，没有法律条款可以追偿。这是 crypto 区别于几乎所有其他行业的结构性特征：容错空间为零，事后干预几乎不存在。
这种环境逼出来的，是一套在其他行业里很少被需要的能力：在规则缺失、信任缺失的条件下，从零构建出让陌生人愿意参与的可运转系统。
这个能力包含两个层面。一是从零建立信任，不依赖任何外部权威，只靠代码和机制让陌生人愿意把真实的资产放进来。二是在技术和经济双重不确定性下做出判断，没有监管框架、没有历史数据、没有行业标准可以参照，仍然能设计出可以运转的系统。
两个层面在 crypto 里都有具体的验证。Uniswap 没有公司担保、没有 KYC、没有客服，任何人把资金放进流动性池，依靠的只是对几百行代码和一套经济机制的信任，做到了数百亿美元的日交易量。MakerDAO 没有央行背书、没有存款保险，纯粹靠链上治理和抵押机制维持 DAI 的稳定。DeFi Summer 期间更极端，没有监管框架、没有审计标准、没有任何历史数据可以参照，builder 设计出 AMM、借贷协议、流动性挖矿，从概念到数十亿美元 TVL 只用了几个月。这个能力在协议层、应用层、治理层的 builder 身上体现形式各不相同，但底层原理是相同的。
AI 时代正在制造一个结构上高度相似的问题。模型决策过程不透明，输出结果无法被独立验证。AI agent 开始自主执行交易、调配资金，配套的规则体系和约束机制还不存在。大模型公司既控制模型又控制评估标准，用户缺乏有效的验证手段。算力高度集中于少数顶级大厂，需求爆发时形成垄断定价。这些问题指向同一个核心：自主系统的信任问题，在 AI 更大的规模过程中重演。
crypto builder 在没有外部权威规则约束的环境里处理这类问题已经多年，只不过以前的场景是链上协议，现在换成了 AI。而已经有一批人把 crypto 里积累的能力直接带进了 AI，并且跑出了结果。
这些能力，在 AI 时代如何被重新定价？
从 crypto 转向 AI 的案例近年来屡见不鲜，但拆开看，他们带走的东西并不相同。
最直观的一条路是硬件和经验的直接平移。CoreWeave 的三位创始人 Michael Intrator、Brian Venturo 和 Brannin McBee 从 2017 年开始用 GPU 挖以太坊，一路从一台扩展到数千台，2022 年关闭挖矿业务，两个月后 ChatGPT 发布，手里的 GPU 直接变成了 AI 算力供应，2025 年 3 月纳斯达克上市，IPO 估值约 230 亿美元，此后市值峰值一度接近 700 亿美元。OpenSea 联合创始人 Alex Atallah 在 NFT 市场处理过极度异质性资产的聚合和路由问题，把同一套经验搬到 AI 模型路由上，创立 OpenRouter，两年内服务超过 500 万开发者，估值达 5 亿美元。
另一类迁移更值得关注。NEAR 创始人 I llia Polosukhin 是 Transformer 论文的联合作者之一，当年从 Google 离开后，最初是想用自然语言构建 AI 应用，但在开发过程中遇到了一个现实问题：需要给全球各地的数据标注工人做跨境支付，而这些人大多没有银行账户，而区块链技术成为这个支付难题最佳解决方案。现在 NEAR 正在转型为 AI 基础设施平台，核心方向是 user-owned AI 和去中心化机密机器学习（DCML），让用户在不暴露数据的前提下使用 AI 服务。在 NEAR 积累的去中心化架构经验，成了这个方向上最难被复制的起点。Circle 联合创始人 Sean Neville 离开后创立 Catena Labs，定位 AI 原生银行，把对 stablecoin 基础设施的理解直接迁移到 AI agent 金融场景，a16z crypto 领投 1800 万美元种子轮。Aave 和 Lens Protocol 的资深开发者 Nader Dabit 转向 Cognition，把在多个 crypto 协议里积累的开发者生态建设经验带进了 AI agent 工具领域。
这批人带走的不仅仅是 GPU 硬件或用户网络，而是机制设计的直觉、开发者生态的建设经验、在规则缺失时从零构建可信系统的判断力。这些能力正好对应 AI 规模化遇到的三个结构性缺口。
算力的聚合与优化
算力是 AI 规模化最直接的瓶颈。训练和推理需要大量 GPU，需求波动大，云厂商贵且排队，企业不想自己囤硬件。这个问题有两个层面：算力怎么聚合分配，以及聚合来的算力怎么用得更高效。crypto builder 在这两个层面都有直接可迁移的积累。
Hyperbolic 解决的是分配和信任问题。创始人 Jasper Zhang 把去中心化的机制设计带进了 AI 算力赛道：token 让分散的 GPU 持有者愿意把闲置算力贡献出来，但更核心的问题是信任。凭什么相信一个陌生节点给出的计算结果是正确的？核心创新 PoSP 用随机采样加博弈论，让诚实成为节点的占优策略，不需要全量验证，低开销，可扩展，结果可靠。这套机制从 crypto 验证陌生节点行为的逻辑里直接迁移而来。
MoonMath 解决的是效率问题。前身 Ingonyama 专注 ZK 硬件加速，在极端计算约束下把 ZK 证明生成速度提升了数倍。现在方向转向 Physical AI 性能层，做视频扩散模型的稀疏注意力加速（LiteAttention）、FFN 层低秩分解（LiteLinear）、训练反向传播加速（BackLite）。从 ZK 加速到 AI 推理加速，底层是同一套能力：在极端计算约束下让数学跑得更快。赛道变了，积累没有浪费。
AI 治理与激励机制设计
当多个 AI agent 开始协作执行任务，如何确保它们不会在追求各自目标的过程中破坏整体系统。每个参与者都在追求自己的目标函数，没有人保证它们加在一起之后系统还能正常运转，而 agent 的执行速度远超人类干预的窗口。
这是 crypto builder 在 DAO 治理和 tokenomics 设计上反复处理过的问题类型：让利益诉求完全不同的参与方，在没有中央权威的情况下，按照系统预设的方向运转。crypto 给出的答案是经济机制，违规操作会产生真实的经济代价，规则写在代码里，自动执行。
EigenLayer 把这套机制直接迁移到了 AI 场景。通过 restaking 机制，节点在参与协作前需要质押资产，不履约或违规操作会触发自动惩罚，规则不是建议，是带有真实经济代价的刚性边界。EigenCloud 把这套逻辑延伸到 AI agent 的可验证计算和协作治理，让 agent 在追求自身目标时必须落在预设的范围内。用经济机制约束 agent，比用伦理准则约束 agent 可靠得多。
AI Agent 自主支付
还有一个更基础的问题：agent 怎么付钱。传统支付系统是为人设计的，信用卡需要开户，银行转账需要授权，每一步都假设操作者是人类、有身份、会等待。agent 不会等，它每秒可能发起大量请求，每次请求可能都涉及微额支付，传统支付管道在这个场景下直接失效。
Stablecoin 和链上规则是 crypto builder 已经建好的基础设施，原生支持可编程、无需授权、全天候运行。这三个特性恰好是 agent 支付场景的硬性要求，缺的只是一层把 stablecoin 接到 agent 工作流里的协议。
x402 由 Coinbase 于 2025 年 5 月推出，把 HTTP 402 状态码激活，将 stablecoin 支付直接嵌入 HTTP 请求，agent 发起请求的同时完成支付，无需账户，结算约两秒。截至 2026 年 4 月，x402 协议已处理超过 1.65 亿笔交易，累计交易量约 5000 万美元，活 agent 数达 69,000 个（数据来源：x402 Foundation），Cloudflare、AWS、Stripe、Anthropic MCP 均已接入。agent 支付已经是一条有真实流量的赛道。
三个方向对应的是AI规模化遇到的三个结构性缺口：算力的聚合与效率、多 agent 协作的激励对齐、自主支付的基础设施。这三个问题在传统软件架构里没有现成答案，但在 crypto 行业里都有对应的处理经验。能力没有消失，只是找到了新的承载场景。
**Builder 的新定位：**从写合约的人，到给AI定规则的人
AI 的规模化正在制造一个以前不存在的职能缺口。不是技术人才的缺口，而是能在自主系统里设计信任机制的人的缺口。当服务的对象从人转变为 AI，crypto builder 的角色也正在被重新定义。
下表对比了具体职能范式的维度变化：
两个范式的核心差异不在于技术栈，而在于信任的建立方式和规则的执行逻辑。Pre-AI 时代，crypto builder 面对的是人类参与者，规则写进合约，容错空间为零，但系统的边界相对清晰。AI-Native 时代，当交互对象变成自主运行的 AI agent，需要解决的问题是：agent 的行为不可预测，执行速度远超人类干预窗口，系统的边界本身就需要在更大的不确定性下重新定义。crypto builder 的职能定位，正在从“写安全的合约”转向“为 AI 自主系统设计可信机制”。
头部机构的招聘已经在反映这个变化：
▲ 2026 年 Q1 头部交易所积极开放的 AI/数据核心岗位
来源：Gate Research Institute
2026 年头部交易所和机构的招聘清晰反映了这一趋势：不再单纯招 AI 工程师或 crypto 开发者，而是寻找能将两边连接起来的人，既懂链上激励扭曲和治理博弈，又能把 AI 工具深度嵌入 crypto 工作流，并设计出让 agent 与监管、用户长期对齐的机制。
资本的配置方向也已经反映了这个判断。Paradigm 正在募集一只规模最高达 15 亿美元的新基金，投资范围从 crypto 扩展至 AI 和机器人领域。Haun Ventures 完成 10 亿美元 Fund II，重点聚焦 crypto 与 AI 融合的金融基础设施，特别是支持 AI agent 自主交易和协调的支付、稳定币及 agent-to-agent 经济体系。a16z crypto 完成 22 亿美元第五期基金（Crypto Fund V），明确表示基金将 100% 投向 crypto 领域。面对是 AI 时代的复杂性和不透明性他们将重点关注 crypto 的透明性、可验证性和去中心化特性应用方向。并且据 PitchBook 数据，2025 年美国 crypto 领域 VC 投资中，约四成资金流向了同时涉及 AI 业务的公司，较 2024 年显著提升
同样是 crypto builder 转向 AI，不同市场环境下选择的路径呈现明显差异。
在美国，随着监管环境相对明朗化后，协议层创新获得了真实的生存空间。资本网络密度高，从想法到融资的路径短，容错空间较大。Hyperbolic、EigenCloud、Gensyn、Ritual 等一批项目的共同特点是从零设计新机制，而非在现有系统上做简单应用集成。顶级 VC 对“可验证计算、Agent 协调、去中心化 ML”等方向有明确的投资论文，愿意为早期技术探索提供充足容错。
亚洲的情况则不同。新加坡和香港更多承担合规落地和机构资金中转的角色，监管框架相对保守，对纯协议层创新的容忍度较低。有 crypto 背景的 builder 转 AI 时，更多选择应用层和产业融合路径——利用 crypto 积累的用户基础、支付能力或数据资产，快速接入 AI 产品和服务。
这不是能力的差距，而是市场信号和监管环境不同导致的路径选择差异：美国更鼓励底层机制创新和早期技术探索，亚洲则更强调合规友好、快速变现和与传统产业的深度衔接。
回到开头那条 GitHub 曲线。月活开发者从 45K 降至 23K，表面看是行业在萎缩。但留下来的这批人里，established dev 占比创了历史新高，正在涌向有真实用户的生态，同时被 AI 行业以前所未有的方式重新定价。当 AI 规模化遇到算力聚合、Agent 自主支付、数据与决策可验证性、隐私协调等结构性瓶颈时，这些 Builder 在 Crypto 与 AI 交汇的节点上，这些长期积累的对规则、激励和真实性的敏感度，正在逐渐转化为 AI 时代稀缺的系统级能力。
作为一家从 2017 年开始深耕 crypto 基础设施的投资机构，IOSG 对这条线的判断不只停留在观察层面。我们在 EigenLayer 的 restaking 机制还未被市场广泛认知时就已参与投资，领投了 Ingonyama（现 MoonMath）种子轮押注 ZK 硬件加速向 AI 性能层的迁移，并在 2024 年投资了 Hyperbolic，看好其用 crypto 原生的验证机制解决去中心化算力信任问题的路径。这些布局背后的共同逻辑是：AI 规模化遇到的信任、协调和验证问题，最终会需要 crypto 行业积累的机制设计能力来解决。我们相信， crypto与 AI 的交汇不是叙事，而是一个正在发生的结构性机会。