對話 AIUSD 聯創：從萬億資金多年實盤策略，到 AGI 市場經濟，第一個為 AI 設計的「錢」

撰文：深潮 TechFLOW

是騾子是馬，拉出來遛遛就知道了。

過去十多年，加密行業已經完成從「白皮書紙上談兵」到「用鏈上實績說話」的轉變，市場更青睞能夠在具體實踐中斬獲更亮眼表現的項目。

支持者包括 AnthrOPic 等明星項目的早期機構投資方、紅杉美國 Scout 基金、a16z Scout 基金以及 Tesla FSD AI 領導層等在內的多家矽谷頂級投資機構。

它就是 AIUSD：致力於實現不管是人還是 AI ，都能通過自然語言「對錢說話」，系統能夠理解意圖並拆解任務，自動在所有主流公鏈、中心化交易所與主流穩定幣之間進行統一資產管理、路由與交易結算，實現區塊鏈的真正「普惠」，推動全球金融真正走向「智能化」。

時值融資官宣之際，

談及 AI 在金融乃至更細分的加密行業的表現，近​​期世界 6 大頂級 AI 模型的交易競賽也成為本次交流的話題之一，對於本場比賽，

AIUSD 的 Agent 不是只給出觀點，它直接連著真實流動性、資金費、跨 venue 執行路徑和清算系統。 如果這種競賽未來允許真實執行，我們非常願意參加。

對 AIUSD 實操的自信源於多方面，

一方面，AI 正在從「會聊天」邁向「能執行」，且 Crypto 基礎設施真正走向成熟；

另一方面，AIUSD 底層的資金費引擎、微結構執行引擎、跨場景路由系統在內部實盤已經連續跑了兩年多，年化成交體量在 1 萬億美元規模，核心策略平均年化收益在 20% 以上，SharPE 在 22 左右，且沒有出現過單月回撤，同時我們也搭建好了風險管理、合規框架、風控自動化等部分，保證這是一套真正能承載資金的系統。

AIUSD 已經成功走過從 0 到 1 的階段：0 是證明這件事技術上可行，1 是把它做成一個任何人都能上手的賬戶層，你說話，系統自己去路由和結算。 目前 AIUSD 處在從 1 到 10 的拐點階段，未來我們將致力於把同一套基建，穩定地交付給更廣泛的 C 端與開發者生態。

本期內容，讓我們跟隨兩位華爾街 / 加密 OG 的分享，一起走進 PoSt - AGI 金融的具體形態，以及在「AI 驅動的金融智能」核心願景下，AIUSD 的核心競爭優勢以及具體演進路徑。

AIUSD：一種讓人和 AI 都能輕鬆理解並使用的「錢」

大家好，我是 Yao，很高興能與大家交流。

2011 年，我進入加密貨幣世界，那時我還在大學，最開始是參與挖礦，後來也逐步參與到各類區塊鏈項目和早期交易所的建設之中。 十多年來，從 Mt.Gox 的索賠、FTX 爆雷再到最近的 10.11 爆倉,我完整經歷了行業變動與發展：比如 2021 年 5.19 大規模爆倉，我們一夜被平掉了 5000 萬美元的倉位，大量投資人被清償；比如上個月的 10.11 爆倉，我們公司應該是世界上較大機構裡第一個大規模拋售的；再比如去年年底的大選，我重倉了狗幣，當時整個市場上狗幣持倉的 20% 都是我們公司的自費套利策略的持倉，有一段時間年化高達 200%，這在 delta-nutual 策略裡可以說是驚世駭俗的收益。

這些年我始終在做交易相關的事情，從套利、高頻系統，到機構託管與量化策略，

大家好，我是 Bill（Qingyun） Sun，很高興能與大家交流。

我本科和博士都在斯坦福讀的數學專業，2014 年開始讀博的時候，深度學習剛起勢，我就有一個比較執拗的念頭：一定要搞清楚這些模型背後的數學結構是什麼樣的，然後看看它們在金融這種真實、複雜的環境裡到底能不能站得住腳。 我的研究從一開始就同時盯著兩件事：

2016 年我在 Google Brain 做 NLP，那還是 TransFORMer 這個名字出現之前的階段。 我們在註意力框架下做閱讀理解和問答實驗，一邊改模型結構，一邊試不同任務。 那時候我們在做的這些工作，後來被外界總結和命名為 Transformer，可以說我算是參與了這條路線最早期的一批探索者。

也是在這個階段，我第一次系統地看到幾個現象：一是不同任務之間，其實可以共享一套統一的注意力結構，泛化能力比想像中強；二是隨著模型和數據規模的提升，性能會呈現出近似對數式的提升規律，這些後來被大家叫做 Scaling LaW 的東西，當時都是通過大量實驗一點點被摸索出來的。

回到 Stanford 之後，我繼續跟兩位導師做深度學習的數學結構研究。 一位是 David Donoho，美國兩院院士、高斯獎得主，是高維統計和壓縮感知領域的代表人物；另一位是 Stephen Boyd，美國工程院院士，優化界的標誌性學者，同時也是 BlackRock AI LAB 的創始人和負責人。 兩位導師都不僅做理論，也深度參與量化金融工業界：David Donoho 之前在文藝復興做研究，Stephen Boyd 在 BlackRock 搭建並帶領 AI Lab。 跟他們一起工作，讓我比較早就接觸到：什麼樣的問題在現實市場裡是真的重要，哪些模型特性在論文之外還能活得下來。

讀博期間，我也在 Citadel 和 Point72 Cubist 做過 Quant Research，把深度學習和強化學習的想法放到股票和期貨交易裡去跑。 畢業後，我去了華爾街，在 Millennium WorldQuant 做基金經理，交易全球股票，管理一個規模不小的美股統計套利組合。

Crypto 我接觸得也比較早，大概從 2015 年開始。 當時在 Stanford 上 Dan Boneh 的密碼學課，也在 Stanford Bitcoin Lab 跟 Balaji 和 Lily Liu 做項目，我們研究過 Lightning 微支付、以太坊智能合約早期的一些設計，還有 Zcash 和 Monero 的隱私機制。 我自己也做過 Bitcoin 手續費優化、和鏈上借貸生成穩定幣的一些早期嘗試。

我個人對於crypto在AI裡面的應用最相信的是agentic economy，我去年開始也作為Cofounder, Chief Scientist參與了PIN AI的建設，從更偏consumer數據自主和AI個性化語音+推薦的角度去嘗試建立agentic economy，把人類的意圖轉化為AI的行動。

這十年下來，我越來越強烈地感覺到：傳統金融帶來的是成熟的效率和風控體系，Crypto 重塑底層基礎設施，而 AI 則在把這一切變成真正「智能」的系統。 這三塊疊在一起，本質上是在重寫全球金融的底層邏輯。

，它能夠在多鏈、多市場的環境裡自動完成路由、結算和風控。 簡單說，就是藉著這樣一種新的貨幣形態，把全球金融從「自動化」真正推到「智能化」的階段。

我入圈 14 年，最大的感受是：

這個行業的使用門檻太高了。 我不缺錢，我想讓人人都用上數字貨幣，如果這是我的遺產，我會很開心。 所以十幾年過去，鏈上真正活躍的，多是擼空投的羊毛黨和賭徒，而不是能讓技術惠及大眾的應用層用戶。 我始終考慮的問題是，如何讓普通人，比如你 50 歲的父母，使用上加密貨幣，他們使用微信和淘寶是沒有障礙的。

我想我們應該從錢包入手，重塑整個加密的交易體驗。 但抱歉的說，我入圈 14 年了，市場上還沒有一款多鏈的、一鍵式交易的錢包，這是令人痛心的，原因其實也很簡單，加密圈基本只有交易所是賺錢的業務，所以所有的資源都傾向了交易所。 而錢包，作為最大的入口，反倒沒有好的產品。

舉個例子：我想在 BSC 上買一個代幣，但資金在 Solana 上。 我要先換 SOL 來付 Gas，再換 BNB 付另一條鏈的 Gas，還要跨鏈轉賬、橋接資產、計算滑點等，整個過程要切錢包、等確認、處理 Fee，這對普通用戶來說幾乎是「不可用」的。 假設你的用戶不是斯坦福的博士碩士，而是出租車司機，他為什麼要搞這麼複雜？ 這使得產品很難真正走進人的生活。

AI 的出現帶來了轉機。 AI 天生擅長理解意圖、做決策、自動化複雜流程。 AIUSD 正是利用 AI 把這些繁瑣操作全部抽象掉，讓跨鏈、路由、結算、收益分配都能自動完成。

換句話說，

而我們相信，AI 會是下一代的主要交互方式：未來的錢不會是「人手動點」的，而是 AI 直接理解你要幹嘛，然後自動去找最優路徑、結算、收益、甚至做風控。 所以 AIUSD 想解決的問題，其實是「讓錢變得 AI - Native」。 你不需要理解十條鏈、二十個代幣標準，你只要跟一個 AI 說「幫我轉一千給朋友」、「幫我買點 btc 放到穩健收益裡」等指令，AI 就能自動完成路由、交易、結算。

我們常說，AIUSD 想成為「One AI to rule them all」：一個統一的基建，讓所有人和所有智能體都能自然地使用資金。

不是每個人都需要成為區塊鏈專家，用戶只需要一句話，就能讓系統幫他們搞定一切。 這是我們從第一天就相信的方向：把複雜的金融系統，抽象成一句自然語言就能調用的指令。

這個項目其實是延續我們一直在做的事：讓資本運作變得可編程、可驗證、可複用。 以前是 hft 機器人，現在是 AI agent。 底層邏輯沒變，只是更智能、更抽象。

我是在 2015 年進入的 Crypto，這十年剛好經歷了行業從理念期到基礎設施成型的全過程。 一路下來，我有兩個非常直觀的判斷。

無論市場怎麼波動，這兩類資產的需求是最穩定、也是最接近真實經濟活動的。

對於普通用戶和機構來說，管理地址、選鏈、改 RPC，這些都不應該成為使用門檻。

我一直認為，穩定幣最終會成為區塊鏈世界裡的 First-Class Citizen。 今天穩定幣還是 ERC-20 等資產之下的「子民」，而 ETH、SOL、BNB 這樣的 Gas token 才算是一等公民。 但未來應該反過來：用戶拿著 USDC 或 USDT，不需要知道它在哪條鏈上，就像你在 Chase、Interactive Brokers 或 Robinhood 之間轉美元，從來不會在意底層系統怎麼跑。

現在的多鏈結構有點像多個宗教國家，各自獨立而封閉，跨鏈橋既複雜又高風險。 我們做 AIUSD 的一個重要目標，就是把這種割裂感抽象掉，讓「用錢」在鏈上也能像現實世界一樣自然。

從 AI 的角度看，我一直覺得行業缺一種真正 Machine - Native 的貨幣。 它需要能做微支付，能被 APi 或 Function Call 精準執行，最好還能讓模型直接生成確定性的 DSL，把資金流動用代碼級別的方式統一表達。 也正因為這樣，我們把兩件事合併在了一起：

• 在 Crypto 層，把多鏈、多池、多資產統一到「錢」的體驗裡；

• 在 AI 層，讓錢成為機器可以直接理解、直接調用的對象。

最終我希望 AIUSD 不只是一個 M0 形態的穩定幣，而是一個帶有 M2 特徵的智能資產系統：不使用時像 Money Market 一樣計息，需要使用時又能做槓桿、對沖或者現貨兌換，把 Interactive Brokers 和貨幣基金這些傳統工具的核心能力封裝進穩定幣的後台。 這樣一來，它既對人友好，也對智能體友好，可以自然地成為下一代金融系統的底層資產。

當下是 AIUSD 走向 C 端的罕見窗口期

老實講，華爾街現在對這三個方向的態度非常分層。

Crypto 的底層基礎設施，比如託管、結算、穩定幣清算網絡，已經不被視為「叛逆的玩意」，而是新一代金融管道。 越來越多的基金已經在研究「如何讓自己的資金效率更接近鏈上的速度」。

AI 是另一個層面，華爾街的量化和風控已經高度 AI 化了，尤其在策略生成、數據清洗和情緒識別方面，但大家發現 AI 可以做分析，卻沒法直接執行資金動作，這是一個巨大缺口。

穩定幣，則是連接兩者的橋。 它是 AI 執行交易的能源，也是 Crypto 世界的結算單位。 過去五年，USDT、USDC 證明了「鏈上美元」的存在價值；接下來五年，市場需要的是「更智能的錢」，它能懂策略、懂收益、懂風險、能被編排。

所以從華爾街 OG 的視角看，這三個賽道不是獨立的，是一條演化鏈：

我在 WorldQuant、Citadel、Point72 Cubist 和 Millennium 的經歷讓我對傳統 buyside 那種「合規優先」的文化非常熟悉。 過去兩年，從比特幣和以太坊的 ETF，到穩定幣立法（包括所謂的 Genius Act）不斷推進，其實釋放了一個非常明確的信號：

而一旦機構能真正進場，帶動的往往是幾何級別的新流動性，這是 Crypto 市場結構裡很容易被忽略、但影響特別深遠的一件事。

在這個背景下，穩定幣和合規託管體系（比如 Coinbase Custody；離岸側則是 CEFFU）正在把所謂的「鏈上美元」變成一個可信、可監管的結算層。 我判斷未來會出現一批機構級別的穩定幣，可能來自大型互聯網公司、支付集團、甚至離岸交易所。 穩定幣會從今天兩三家主導的格局，逐漸過渡到多主體競合階段。 這個變化會讓鏈上美元更像一個開放結算網絡，而不只是幾家公司的產品。

AI 在交易領域的應用，現在華爾街整體還停留在「輔助人類交易和研究效率」的階段。 我在 2023 年創業前做過一個小實驗：我一個人帶著一套 AI 分析系統，只專注 AI、Fintech 和 Crypto 相關的股票，跑了一年，收益大概是 880%。 當然這是高波動策略，但它驗證了一件事：

也正因為這個實驗，我開始認真考慮：這套能力能不能做成一個產品，讓普通散戶也能用到機構級別的研究和決策工具。

美股交易正在從「部分延長交易時段」往真正的 7 × 24 靠攏，而非美國投資者的股票交易會逐步從券商系統流向鏈上。 代幣化股票會變成一個合規的連接器，把傳統金融市場和鏈上世界接在一起。

我覺得現在是非常好的窗口期，同時我們為這一步的到來其實準備了很多年。

AIUSD 背後的策略引擎、交易系統、風險管理框架，都源自我們過去做高頻交易和套利的底層堆棧。 過去兩年我們在內部跑 AIUSD 的 prototype，在不對外的情況下，年化成交量已超過 1 萬億美元。 同時我們也在和 Binance 生態的 CEFFU 深度合作，把機構託管和 MirrorX 收益通道打通；此外我們搭建了完整的風險、合規與風控機制，從資金流監控到多簽與限額管理，全都走機構標準。

這就是為什麼我們有信心。

是的，現在確實是一個罕見的窗口期。

越來越多的 Agent 需要自主調度賬戶、下單、支付、清算，但行業裡還沒有一個統一、可擴展、又足夠安全的賬戶和結算基礎設施，AIUSD 剛好能填上這個空白。

穩定幣清算已經走向標準化，跨鏈路由逐漸變得可靠，機構託管體系完善，流動性市場也越來越深。 在這樣的環境下，我們可以同時做到安全、效率和合規，而不是只能三選一。

我們把十年來量化交易和風險管理的那套技術堆棧，重新翻譯成了一個零門檻的賬戶層。 正如 Yao 提到的，我們底層的資金費引擎、微結構執行引擎、跨場景路由系統，在內部實盤已經連續跑了兩年多，年化成交體量在 1 萬億美元規模，同時我們也搭建好了風險管理、合規框架、風控自動化等部分，保證這是一套真正能承載資金的系統，而不是 demo。

一句話概括就是，我們不是簡單地把一個模型「掛到交易所」上，而是把「交易所級別的執行和清算能力」封裝成一個人和 AI 都能直接使用的賬戶層。

圍繞實盤設計：AI 驅動的「意圖 → 策略 → 執行」閉環

最大的不同在於：

很多所謂 AI 交易平台，其實只是讓用戶選模型、選策略、掛單，但底層還是中心化撮合，資金是隔離的，AI 也只是建議者。

AIUSD 是反過來的，我們做的是「賬戶抽象 + 智能結算」層。 用戶只要持有一份 AIUSD，不管是現貨、合約、質押、跨鏈支付，所有流動性與收益路由都自動完成。

AIUSD 不是要做一個「更聰明的交易平台」，而是要讓所有平台都能通過它更聰明地結算和流動。

是的，這裡其實可以用幾個具體的例子來說明我們到底在做什麼。

用戶不用再去點按鈕、切鏈、算 Gas，舉個例子，用戶只要說「用 1000 AIUSD 買點 ETH，剩下的放穩健收益」，系統就能自動把這句話拆解成一系列交易、路由和結算動作，並在後台完成執行。 對於用戶來說，它就是一句話，而對系統來說，這是一套完整的微結構級任務。

AIUSD 本體是 1:1 錨定 USDT 的，而收益是在 sAIUSD 層承載的，來源是 delta-neutral 的資金費策略。 我們這一套策略在內部實盤已經跑了兩年半，沒有出現過月度級別的回撤。 這個結構讓穩定性和收益性不再互斥。

用戶不需要關心在哪條鏈上、不需要切錢包、不需要碰橋，也不需要學跨鏈語法，跨鏈、現貨、永續、支付都在一個統一賬戶語義裡完成，這其實是我們一直強調的 Machine - Native 底層結構：錢是統一的，執行是統一的，體驗自然就是統一的。

在這種模式下，我們的用戶並不是被動地「選策略」，他們擁有的更像是一種會思考、會執行、會管理的「錢」，在此背後，是一整支隨身攜帶的 AI 金融團隊：一個負責深度研究的 Analyst，一個負責下單與微結構執行的 Execution Trader，以及一個負責頭寸管理和配置的 Wealth MANAger。

我們把這種體驗稱為 Vibe Trader 或 Vibe Coding，簡單來說，就是用戶用語義和感覺表達自己的意圖，由 AI 實現「意圖 → 策略 → 執行」的完整閉環，讓整套流程變成一種極自然的金融交互方式。

因為下一代金融活動的執行者，不一定是人。

AI Agent 會持有資產、做交易、結算收益、再投資。 但今天的穩定幣系統是為人設計的，不是為智能體設計的。 AIUSD 想做的，就是把穩定幣升級成「AI-native Money」。

我們認為這會帶來幾個新的可能性：

首先，AI 可以主動管理資金流。 比如它能根據市場波動自動從 AIUSD 切換到 sAIUSD，再切回流動性賬戶。

其次，智能體之間可以形成自主金融網絡。 比如一個 AI 可以僱另一個 AI 做數據分析、支付報酬，整個閉環在鏈上發生。

第三，它會讓金融從「人下單」進入「意圖執行」階段。 用戶只需要表達目標，AI 通過 AIUSD 完成路徑搜索、執行和結算。

長期看，AIUSD 不只是穩定幣，而是整個 AI 金融生態的「結算中樞」。

我看這場比賽的關注點稍微不一樣。 我覺得模型做得好不好是其次，關鍵在於大家把 AI 的能力限制在「生成判斷」，而沒有給它們一個真正完整的執行環境。

AIUSD 的 Agent 不是只給出觀點，它直接連著真實流動性、資金費、跨 venue 執行路徑和清算系統。 我們內部這套執行與路由引擎已經在實盤跑了兩年多，成交體量年化在萬億級別，所有收益來自結構性資金效率差，而不是靠賭方向。

所以如果這種競賽未來允許真實執行，我非常願意參加，因為這才是真正能展示「AI 金融系統」而不是「 AI 模型」的地方。

我認為這場比賽確實展示了一個事實：模型已經能讀懂市場信號，也能形成自己的交易邏輯，這是過去幾年 AI 在金融領域最明顯的進步。

不過我當時的第一反應是，這種類型的比賽和真實交易還隔著一道根本性的鴻溝。 在這場比賽里的 AI 都是「能想不能做」：它們不能跨鏈調資金、不能下真實單、不能和清算系統對接，所以只能停在 PAPEr Trading 的層面。

如果未來比賽升級為「AI + 實盤執行」的比拼，我覺得意義會完全不同。 那才是考驗一個系統能不能在真實市場裡存活，而不是看幾十個模型誰輸出的概率更好看。

底層策略棧長期年化成交體量已達到萬億美元量級，這不是累計撮合量的美化，而是可複用、可回測、可審計的實盤執行規模，核心的資金費與微結構策略組合，歷史 ShARpe 大概在 22 左右，過去 2.5 年沒有出現月度回撤，另外在穩定性方面，AIUSD 本體維持 1:1 USDT 備付，sAIUSD 的收益發生在質押層，兩個賬本分離，兌付與計息互不干擾，同時託管側與 CEFFU 深度打通。

自然語言的意圖拆解已經能覆蓋跨鏈轉賬、微支付、現貨/永續的組合指令，用戶在一個賬戶裡調度抵押，不必在不同 venue 來回搬磚。 對我來說，真正的成就不是某個漂亮數字，而是這套系統在最難的市場時刻也沒掉過鍊子。

我們現在做的這套東西，其實最早是從 ALPHA.dev 演變出來的。 那是一個做加密貨幣新聞、情緒和交易信號的 AI 平台，現在大概有三百五十萬用戶，總交互量也已經超過六千萬次了。 這個數據說明了一個很簡單但很真實的需求：大家確實希望 AI 去幫他們讀信息流、過濾噪音、提出觀點，甚至直接幫他們找交易機會。

全年能做到一萬億人民幣等值的成交規模，我們的核心策略是完全 Delta-Neutral、完全對沖的資金費套利，也就是說我們不賭方向，完全靠市場結構性的資金效率差賺錢。 過去三年，這套策略平均年化收益在 20% 以上，Sharpe 在 22 左右，而且沒有出現過單月回撤。 無論市場如何劇烈變化，我們的收益曲線都很平穩。

和很多「調倉型」的做法不一樣，我們做的是動態的資金費優化，會在市值前二十的幣種之間追踪、切換、調度資金。 它不是一個表面上看起來穩的策略，而是真實經受住高波動環境檢驗的。

它可以從「提出投研假設」到「自動搜索數據驗證」，再到「生成策略並執行」，最後甚至能自動回測，整個過程是閉環的。 剛才有提到，我曾把這套架構搬到了股票市場，用一種「AI 做深度分析，我做 PM 最終判斷」的方式去跑，過去一年我的個人賬戶收益大概是 880% 左右，也算是把這套方法在另一個資產類別裡驗證了一遍。

從 1 到 10 的拐點：成為 AI 經濟體的通用結算層

我認為我們已經成功走過從 0 到 1 的階段：0 是證明這件事技術上可行，1 是把它做成一個任何人都能上手的賬戶層，你說話，系統自己去路由和結算。

而現在，未來我們將致力於把同一套基建，穩定地交付給更廣泛的 C 端與開發者生態。

關於未來的挑戰，我將其分為三個類別：

第一類是規模化的不確定性，包括資金費擁擠度與容量上限，越做大越要克制，我們寧可犧牲一點收益，也要把回撤釘在地板上。

第二類是多司法轄區的合規拼圖，穩定幣、支付、經紀、收益，每個模塊的邊界要畫得很清楚，這需要時間與耐心。

第三類是 Agent 生態的可用性，意圖表達、權限顆粒度、可回滾與審計日誌，都要讓開發者拿來就能用，我看重把這些看不見的技術細節打磨到無感。

舉個例子，我們可以將我們所做的事情類比 StrIPe：我們在為數字金融世界修橋鋪路，把割裂的 rails 收斂成優雅的 API，AIUSD 要成為 AI 經濟體的通用結算層。

先說方向上的規劃。

因此在穩定幣側，我們會堅持兩層結構：AIUSD 本體保持 1:1 USDT 備付，兌付路徑簡單清晰；收益側放在可選的 sAIUSD，通過 delta-neutral 的資金費策略來承載「α」，不把本金暴露在外部信用與久期錯配裡。 這條線我們會繼續做深，包括更細顆粒的風險限額與動態降檔機制。

我不反對把真實世界的現金流帶上鍊，但我們要非常誠實的面對三個問題：流動性分層、估值/定價的可驗證性，以及法律上對「受益權 / 所有權」的邊界。 只要這三件事能在某些類別上被解決，例如最短久期的賬款或高流動性的國債機會，我們會以可撤回、低相關性的方式小步試點，絕不讓 RWA 去污染 AIUSD 主體的兌付確定性。

宏觀上看，穩定幣和 RWA 的持續發展會把金融市場的「清算速度」與「所有權證明」拉到一個新的基線。 全球資金的可編程性增強之後，定價會更快、錯配會更貴，好的風險被更精確地定價，壞的風險更難躲在表外。 我相信這會逼著金融業回到「拿得出手的資產與合規能力」本身。

穩定幣其實對應的是 M0 層，也就是全球現金層，它解決的是最基礎的問題：美元能不能真正實現全球可達、能不能在鏈上隨時結算，不依賴本地銀行系統。

RWA 則是在這個基礎上再往上一層，是資產層，讓優質美元資產、國債、票據、甚至私募信貸，都能變成 7×24、可切片、可全球交易的資產。

如果沒有 RWA，穩定幣的落地大概率只會發生在高通脹、資本相對開放的經濟體，但一旦 RWA 打開，機構級資產就能真正面向 Global retail，這個意義是完全不同的。

不管是在以太坊、Solana、Base、Sui 或是 Tron。 底層的 VM 和 Gas 差異，都由系統自動抽象掉。

從宏觀來看，這會重新定義整個金融體系基線：清算速度提升到實時，所有權證明變成默認配置；好的風險能被更精准定價，壞風險更難藏在表外；整個體系會往「高質量資產 + 高透明度 + 高流動性」的方向集中。

如果把這件事總結成一句話：

我們的終局願景是一件很自然的事情：你只需要對錢說話，AIUSD 就能幫你買到全世界任意 tokenized 的資產，這些資產本身也能被編程，可以被人用語義交互，也可以被 AI 自主調用、調倉和結算。

有，但我們不打算用堆疊產品線的方式去「擴表」，我們更像在搭一條穩定幣的高速公路，然後把關鍵的服務站一個個補齊。

短期看，我們會做更強的「賬戶抽象 + 抵押信用」能力，讓同一份抵押在多 venue 同時發揮效率，但把清算路徑和極端狀態寫死在合約裡。

中期會考慮把收益曲線產品化，比如在 sAIUSD 之上提供不同久期與波動容忍度的檔位，讓用戶與 AI agent 以「目標回撤/目標波動」來選檔，而不是被動接受一個均值化的收益線。

長期我希望我們做的不是 N 個 App，而是一條穩定、透明、可追責的金融操作系統。

是的，我們不會去橫向堆更多產品線，。 最開始是穩定幣的 Hub，接著往下走就是一個智能化的 brokerage：無論用戶持有什麼穩定幣，都能在同一套體驗裡被使用、被交易、被分配到不同資產上。

我們也會把 Alpha.dev 的 AI 新聞、事件識別和投研能力整合進來，讓系統不只是讀信息，而是理解你的偏好、你的風險習慣，然後主動推薦你可能感興趣、可以直接交易的機會。

另一條線是連接 TradFi 和 cex。 很多人的錢還在 Interactive Brokers、Robinhood、各類中心化交易所裡，如果你要做真實交易，繞不開這些體系。 所以我們會在 AIUSD 內直接集成它們的 API，把身份、密鑰、權限、下單都統一到一個賬戶層裡，讓用戶不需要拆分資產、也不需要切換系統。

開發者這邊，我們會把「意圖層 + 權限/額度/白名單/撤回/審計」做成標準化的 SDK，同時也提供 B2B 的路由和結算白標。 簡單說，就是讓整個金融交互從多入口、多賬戶、多邏輯變成一套統一的操作系統。

後 AGI 時代：人是敘事生產者，AI 是執行機器

在我眼裡，Post - AGI 的交易不會是更花哨的界面，而是更安靜的基礎設施。 價格發現會更快，且預測本身不再是主要收益源，真正的超額回報來自把資本、算力、數據和清算路徑以最小摩擦編排在一起。 交易從「人盯盤」走向「意圖治理」：你聲明目標、約束和可信邊界，系統在可驗證的軌道裡執行、复盤、糾偏。我們設定規則與邊界，給系統定義什麼叫可接受的風險和值得追求的收益，然後把大部分的執行交給機器。 資金會更快，但也更有章法，每一次資金移動，都帶著可審計的理由與可追責的簽名。 這是我理想中的交易世界：

我自己對 AGI 的定義其實很務實，簡單來說就是，它能係統性取代白領崗位，讓各個專業能力在同一個模型裡逐漸合流，而不是科幻裡那種「突然出現的奇點」。 按現在的進展速度，我覺得所謂的 Post - AGI 階段可能在三四年內就能看到。

到了那個階段，一個特別關鍵的事情是：AI 需要一套它能真正理解、能直接使用的「錢」。 這就是我們給 AIUSD 設定的方向——讓它成為 M2M，也就是 Machine-to-Machine 支付的底層貨幣。 這樣 AI 能把「錢」納入自己的世界模型裡：為算力、數據、服務付費，也能投資、再投資，把金融當成行動的一部分。

同時，我認為接下來會出現兩類非常重要的智能體形態：一個是 AI Scientist，它通過 AIUSD 去買算力、買數據、買 RL 環境、買能源，形成一個真正的 Self - improving loop，可以自己迭代自己；另一個是多智能體之間的自由市場。 我們不會進入一個「單一超級模型的計劃經濟」，而是無數獨立 AGI 之間用 AIUSD 做交易、博弈、協作，通過價格發現完成資源配置。

在這樣的世界裡，AIUSD 對人的意義和對 AI 的意義是不同但互補的。 對人來說，它是一套 Financial OS，讓你通過意圖治理來管理財富，不需要懂所有細節，只需要表達目標，系統會幫你把策略、執行、結算都跑完。 對 AI 來說，它是一種 Agentic Money，讓智能體真正擁有金融行動力，可以像參與者而不是旁觀者一樣在經濟系統裡運作。