加密行業，全員卷入 AI 軍備競賽

文 | ForesightWeb3，作者 | angelilu

CertiK 的 AI 研究負責人 Xue Yue 每天早上起來做的第一件事，是查看昨晚睡前布置給 AI 的任務跑完沒有。他一天之內最多同時讓 5-6 個 AI agent 并行為他工作。

Bitget 的 AI 業務負責人 Will 上個月為公司審批核對的 AI 賬單是 60 多萬美元，并且他工作的一大重心是讓公司 2000 多名員工使用 AI 提效。

這兩個片段體現了整個加密行業目前全力推進的一件事：探索用 AI 完成過去必須靠人完成的工作。

經濟學家 Karl Polanyi 八十多年前用「大轉型」描述工業革命如何把整個社會重組為市場社會。這一次 AI 在加密行業完成的，也是一次「轉型」——只不過這次重組，是將個體、團隊及整個企業內部的工作流進行優化與再分配，最終重塑為人與 AI 系統深度協作的全新工作模式。而這場重塑最直接的痕跡，不在宏大敘事里，在每個從業者正在變化的工作日中。

我們訪問了幾位身處不同位置的加密從業者——Bitget 的 AI 業務負責人 Will 、CertiK 的 AI 研究負責人 Xue Yue、Foresight News 開發者光光。他們的工作日里，可以看見這場「轉型」的四個具體維度——錢、效率、人心和決策。

從 200 美元到 1000 萬美元的月賬單

過去兩年間，「AI 在加密行業的投入」從一句口號變成了一筆可以記賬的開銷。

在個人這一端，Foresight News 的一線開發者 AI 賬單經過一輪升級——最初他同時訂閱 Codex、Claude Code、Google Gemini Pro 三家模型的基礎版, 每月約 60 美元；全方位體驗過后, 他把訂閱收斂只保留業檔位的 Codex，每月賬單約 200 美元。

CertiK 的 AI 研究負責人 Xue Yue 每月在模型訂閱上花 200-300 美元；Bitget 的 AI 業務負責人 Will 每月個人花 300-400 美元。

三個人的賬單目前都落在 200-400 美元這個區間——一線開發者和帶管理屬性的復合工作者之間，支出差距其實并不大，但結構不同：開發者傾向于把預算集中在一個高端工具上，管理者則同時維持多個訂閱，用來評估、測試、比較。

在公司這一端，規模、結構和投入強度在幾個數量級之間跳躍。

CertiK（約 200 人規模的安全公司）每月整體 AI 支出在 6 萬到 10 萬美元之間。其中一部分來自公司層面的 LLM API 消耗（用在 AI Auditor 等對外服務上）；另一部分來自員工使用 Codex、Claude Code 等工具的按需訂閱費用 —— 分層供給、按需靈活的「市場型」模式。

Bitget（約 2000 多名員工的加密交易所）上個月在大模型上花掉 60 多萬美元，由 AI 業務負責人 Will 親自審批，核算下來產研團隊人均 500 美元、非產研分檔 200 到 1000 美元不等——集中采購、統一供給的「托管型」模式。

OKX 內部員工透露，公司也為員工統一配置了企業版 Claude 和 ChatGPT，總體支出暫未披露。

Coinbase 平臺負責人 Rob Witoff 近期在訪問表示，目前公司 95% 至 100% 的代碼已由大語言模型（LLM）編寫或輔助編寫，且幾乎所有員工每天都在使用 AI——而這個比例在今年 2 月還只是 40%，不到半年翻了一倍多。總體支出亦未披露。

而幣安的賬單來自創始人趙長鵬今年 5 月在PBD Podcast 上的說法：他聽說幣安每月在 AI 相關費用（主要是 AI Token 與計算成本）上花費約 1000 萬美元——他也坦言這是未經他本人核實的內部數字。

從個人的 200 美元到幣安的 1000 萬美元，跨越了整整 16 萬倍。兩年前，這些數字全部不存在。今天它們已經像水電費一樣，按月出現在每個個人和每家公司的賬單里。

投入越大的位置，正是判斷權被壓縮得越劇烈、也越被高度集中的位置。

從一個月到三五天

錢花出去了，效率也得看得見。最直接的體現是單項工作的處理周期，正在被大幅壓縮。

在 Bitget 內部，這件事最具體的載體叫 BG Agent——這是 Will 帶團隊親手做出來的一套公司內部 AI 系統，2026 年 5 月 18 日上線。兩個月不到，公司里 800 多人在用。它的核心定位很簡單：把那些以前需要運營、產品、市場同事一遍遍人工拼接的工作流，全部交給 agent 去處理。

Bitget 內部的產品迭代周期，從去年的平均 37 天壓到了 20-25 天，目標是 10 天之內。運營團隊的活動配置周期更狠——從一個多月降到 3-5 天，效率快了 6 倍。

「以前一場活動從想到 idea 到真正上線大概要一個多月。中間要做競爭對手調研、活動構思、配置、素材翻譯（23 個語種）、素材設計、上線、數據分析——每一步都是體力活，每一步都得人工拼接。」Will 描述。

BG Agent 上線之后，這一整套被壓縮了。調研用調研 agent 幾條指令出表格、配置自動生成審批單、翻譯從 7 天壓到 1 天甚至 5 分鐘、數據分析從 2 周壓到 2 天。

在產品層面，各家交易所的 AI 相關產品發布節奏也很緊湊，僅 2026 年上半年：3 月底幣安上線 AI Pro beta，把 agentic 交易接進主站，4 月再補上 13 個 Agent Skills；5 月中旬 Bitget 宣布其 AI 交易生態用戶突破 100 萬、AI agent 累計交易量達 12 億美元；6 月 17 日 Bitget 的 AI 策略產品 Playbook 正式上線；7 月初，OKX 把競賽推向另一個方向——上線了一個讓 AI agent 互相雇傭、自主結算的 marketplace，首批 50 家服務商里，就有 CertiK。頭部交易所之間，產品發布的間隔已經以周計。

往加密安全行業看，故事的形態不一樣，但方向一致。

CertiK 的威脅監測線上，AI 把攻擊分析的響應時間從過去的一天或幾小時壓到了 15-30 分鐘以內——縮短超過 90%。今天 CertiK 90% 以上的攻擊事件都用 AI 做初步分析。

但他給的另一組數字更值得注意——他告訴我們，CertiK 整體的工作效率平均下來大概提升了 20-30% 左右。這個數字聽上去比預期低，但 Xue Yue 給出了詳細解釋：「審計對準確性要求極高。3000 到 5000 行代碼的合約，我們的審計師以前要花 1-2 周時間真正去挖漏洞，加上 3-4 天理解代碼、1-2 天撰寫報告。AI 進來之后，撰寫報告這一段幾乎全交給 AI，代碼理解的時間也大大縮短。但真正的『挖漏洞』那一段——人還是要兜底、要復核、要保證質量。」

整體提效 20-30%、威脅分析提效 90%——這個反差是加密安全行業 AI 落地最準確的寫照：在判斷密度極高的環節，AI 替代不了人；在體力密度極高的環節，AI 接過了所有的活。

回到開發者側。開發者光光的手寫代碼占比已經從 90% 降到 10-20%——剩下的全部交給 AI。這不是個例，據 IDC 統計，美國 91% 的開發者已使用 AI 編程工具，中國也達到了 30%。

「體力活被 AI 接走」這件事，在 7*24 小時不停歇的加密行業，等于給流水線裝上了渦輪引擎，不僅全程無休，產出更是成倍飆升。

「我會不會被優化掉？」

在這場軍備競賽中，似乎沒人會選擇完全不用 AI，因為不用的代價就是被邊緣化。但并非從來如此。

CertiK 的 AI 研究負責人 Xue Yue 說：「2024 年、2025 年，行業里有很多人對 AI 是完全反對的——他們拒絕讓 AI 參與任何 Web3 安全工作。但到了今年，這些人幾乎全都擁抱了 AI，甚至比我們更激進。」

走進公司內部——反對派從來沒有真的消失。他們只是把抵抗從公開的、激烈的，變成了地下的、沉默的。

Bitget 內部推行 AI 的態度比較激進，他們流傳著這樣一句話「將來的人分兩類：用 AI 的人和不用 AI 的人。而用 AI 的人會淘汰不用 AI 的人。」他們從 2025 年 8 月開始大力推 AI Coding，2026 年 3 月連非產研團隊也要全面擁抱 AI。

剛開始，AI 工具的普及并不一帆風順。因為 Bitget 要做的，是在確保用戶數據安全的前提下，建立一個全面的 AI 提效系統——BG Agent。據 Will 描述，起初很多人不愿意用這套自有系統，因為需要重新學習和培訓。他們說，外面的 AI 工具那么多，能完成任務不就行了，為什么非要用自己的？說到底是抗拒改變原有的工作習慣。

也有人反復聲稱自己學不會，依舊做著耗時低效的工作，卻不愿主動去探索這些工具到底怎么用。Will 只好又演示一遍。

Will 苦笑說：「我們能給的，是捕魚的方法，但不能天天送魚上門。」

這是明面上的阻力。當大家真正感受到系統對效率的提升之后，卻進入了另一種狀態——一邊接受，一邊焦慮。

一次全員分享之后，一位同事表達了他的想法，他認為 AI 讓他非常焦慮——「我接下來干嘛？我在公司還有價值嗎？我會不會被優化掉？」因為一旦 AI 變強了，就會覺得自己被取代了。

是否能完全「取代」或許并不是現在就能給出答案的問題。但從崗位招聘來看，崗位方向確實正在換血，翻譯、客服等崗位的門檻確實已被 AI 拉低，崗位數量也在縮減，但與此同時，一些新崗位也在催生。

一份報告顯示，幣安 2026 年全球招聘的 380 多個崗位中，20% 投向 AI 技術與產品，內部還開出 8 類共 28 門 AI 培訓課程——在整個科技行業收縮的背景下反向擴張。崗位總量沒有減少，但崗位的內容在換血：新增的是 AI 訓練師、prompt 工程師，被拉低門檻的是翻譯和客服。

CertiK 這邊的感受大致相同，Xue Yue 表示，公司并沒有因為 AI 的發展進行過大規模裁員，相反，從去年 coding agent 上線之后，很多原本沒有能力參與審計的普通人，也進入到了尋找漏洞、刷漏洞賞金的領域，各大審計賞金平臺的提交量從幾十漲到幾百上千，但在這些提交背后，仍然需要研究員要人工篩查這些是否合理，非常消耗精神。Xue Yue 認為，與其考慮會不會被 AI 替代，不如考慮如何在 AI 帶來的那么多噪音中提高命中率。

那根線，要攥在自己手里

了解了 AI 帶來的效率、影響，以及人們的反應之后，最后一個問題浮出來：什么決策可以交給 AI，什么決策必須由人來做？

開發者光光也是一名資深的 Meme 玩家，在他看來，加密行業里 AI 真正沒什么用的地方，反而是交易——「在 Meme 交易上 AI 沒什么優勢，大家拼的是信息來源和手速。微信群的消息比推特快，等推特上有人喊單，那基本是接盤階段了。」

他給自己做了一套盯土狗的工具：讓 AI 自動監控他關注的推特賬號，按提示詞篩出跟項目進展或加密相關的推文。他每天不用刷整個時間線，只看 AI 篩出來的部分。光光說，在 AI 的加持下，信息搜集變得更加容易。

「土狗的風險太大了——一個人 24 小時盯著電腦都未必能盈利，讓 AI 來更難。」

所以光光在交易上給自己和 AI 之間畫了一條線：讓 AI 幫我看，但別替我動。

同樣的邏輯，在 Bitget 被做成了產品規則。

當被問及如何取舍人和「AI 自動交易」的邊界時， Will 打了個比方——「人對放進去的錢總是有焦慮。你不可能一上來就放 10 萬美元讓 AI 自動交易，萬一虧了怎么辦？所以人必須牽著那根線，像放風箏一樣——線在你手里就有底氣；線不在你手里，風箏飛哪兒去，回不來了，你就沒底了。」

Bitget 今年推出的 AI 交易產品 Playbook，就是這條邏輯的具體落地。一開始限制每個用戶只能用 2000 美元的子賬戶做 AI 自動交易——把線畫得很短。

但 Will 注意到了一個變化：用戶在親自用過 AI 交易之后，開始主動要求把線放長一點。有用戶想把額度提到上萬美元。

邊界不是固定的。用過之后，人會重新判斷它該畫在哪。

交易之外，決策層面的邊界更嚴。

Bitget 內部，最終拍板的還是員工，不是 AI。「AI 的決策優勢現在不夠明顯。AI 會提供建議，但最終的決策靠人來做。」

Xue Yue 指出，「最稀缺的是判斷力。發現問題比解決問題更難。當 AI 給了你一個方案，你怎么判斷這個結果是準確的、沒有幻覺——這兩件事是最難的。」

他舉了個例子，「最難的不是驗證漏洞，而是怎么注意到這個地方可能有漏洞。這就像做數學題，最難的不是算出答案，而是注意到『這里有個解法』。」換句話說——做出決策之前，你首先得知道「有決策要做」。而這一步，AI 至今做不到。

四個完全不同的工作場景——開發者寫代碼、交易所推產品、安全公司做審計、投資人做投資——但每一個角色，無論是出于主動選擇還是出于客觀無奈，都把同一件事留給了自己：決策。

這是這一輪 AI 滲透留給所有加密公司的「忒修斯之船」——當一條船的部件被全部換掉之后，它還是原來那條船嗎？答案藏在被保留的「決策」上。

這或許就是加密行業 AI 轉型的含義——AI 把「做」從每個人手里拿走，決策變成了這個行業最稀缺、最值錢、也最難做的事。每個人都要為「做什么」而決策。

「不要面對當下的 AI，要面對未來的 AI。今天它能做什么不重要，重要的是它每天都在變強。」Xue Yue 在訪問末尾這樣說。

但也正因為如此，那根線才要攥在自己手里。