AI 代理开始互相付钱，缺的不是结算，是谁来判「做没做完」

导读：Token Dispatch 把 PayPal、FINRA、国际商会那套人类纠纷机器，对照到 x402 这种平均不到一美分的机器支付上：钱能托管、身份能上链，但「工作是否合格」仍要有人判。作者抓住 GenLayer 的 Intelligent Contract——用多验证者 + 大模型对照合约规则做裁决——并把它放进 UMA、Kleros、Google AP2、ERC-8004 的缝隙里：证据层已齐，缺的是解释层。

我们好像把文明建在一个事实之上：证据和接受，根本不是一回事。

做研究的人被期待用真实、直接的一手来源。设计师被期待明白「干净」不等于交一张白纸。开发者被要求做出能用的结账页，同时不能让页面加载四分钟。人类很擅长携带这些没写进合同的上下文，因为我们共享一套「什么叫合理工作」的直觉。软件过去很少需要这些，因为我们给它的指令通常窄到可以直接逐字执行。

如果你看过《奥维尔号》里那段梗，大概懂我在说什么。

AI 代理开始进入更脏的世界：指令写不全「把活干好」到底包含什么。一旦钱绑在那段缺失的上下文上，解释本身就变成交易的一部分。

如果有人花 15 美元雇自由职业者调研 20 家公司，且 brief 写得还算清楚，他期待什么？找到公司、说明各自做什么、用独立来源、在截止日期前交报告。活按时交、名单也齐了 20 家，接单的人会觉得自己干完了。

买方看法不同。好几条引用回指公司自家博客，还有两段描述几乎是原文照搬。

两边都是人时，下一步是吵架、发截图、翻回原 brief，来回拉扯。还谈不拢，最终得另有人决定：这活到底算不算够格付钱。

如果两边都是 AI 代理呢？

钱本身并不难。

托管合约可以把这 15 美元先锁住，直到工作提交。区块链能显示款项何时存入、成果何时提交。身份系统能帮你确认是哪个代理干的活。签名记录能留住双方当初同意过的指令。

仍没解决的是：总得有人读 brief、检查成果，并判定卖方是否真的把活做完了。

商业一直有处理这类问题的制度，只是出了事我们才注意到。PayPal 买家说货没到或完全不符描述时，双方会先自行协商；谈不拢，一方可升级成 claim，让 PayPal 核验证据并裁决。PayPal 称多数决定大约 14 天，少数会拖到 30 天或更久。

更大的商业争议有自己的机器。美国券商有行业自律组织 FINRA，自办仲裁论坛：2025 年新收 2597 件案件，平均结案 13.4 个月。非营利的美国仲裁协会称，2025 年收到 58 万件案件，其中 B2B 主张与反主张合计超过 290 亿美元。国际商会同年新收 881 件仲裁，在办案件标的合计达 2990 亿美元。这些争议显然比代理现在会碰上的大得多。但它们说明：交易一多，人就会吵到足够频繁，于是整套产业会围着「看证据、判谁该拿钱」长出来。

AI 代理开始把同类问题推到另一端：交易极小、频率极高，传统纠纷流程根本划不来。

Visa 与 Artemis 研究了两套面向机器对机器商务的新兴支付协议，发现 x402 自 2025 年 5 月上线到 2026 年 4 月，处理了约 1.096 亿笔经调整交易，金额约 1500 万美元。Visa 考察的协议上，平均支付金额还不到一美分。人类客服团队没法认真花半小时，去查清每一笔只值几分钱的分歧。

我去找谁在解这个问题，看到了 GenLayer——它想把这件事做成基础设施。

GenLayer 在自建一条区块链，专门处理普通智能合约搞不定的决策。传统智能合约擅长所有机器做同一套数学并落到同一结果：钱到没到、截止日期过没过。麻烦出现在需要「读懂并解释」的时候——通读研究报告、看网页、理解合同段落、判断一张图是否符合创意 brief。AI 模型从不会给出完全相同的回答；同一材料上，不同模型可以得出不同结论，于是「每个节点必须得到完全一致输出」的假设就塌了。

GenLayer 有一种「Intelligent Contract（智能合约的智能版）」。它不再要求每个验证者复现一模一样的文本，而是可以让若干验证者按照写进合约的规则，判断某个拟议结果是否可接受。验证者在此过程中可以使用大语言模型和公开网页数据。

乍一看，这像是代理技术栈里又缺的一层。但已有系统已经覆盖其中几块，所以 GenLayer 并不是从零开始。

它更具体的角色是：当双方仍争执不下时，判定证据到底意味着什么。

谷歌的 Agent Payments Protocol（AP2）已经能生成密码学签名记录：代理被授权买什么、商户报了什么价、哪笔支付获批。其规范明确说，这些授权与收据日后可合并成纠纷证据。但 AP2 本身并不裁决谁对、钱该给谁——协议只保住「发生了什么」的可信记录，把解释那一步留给别人。

ERC-8004 是以太坊上关于代理身份与声誉的标准，也有 Validation Registry。代理可以把工作送去由另一系统校验，结果再记上链，成为该代理历史的一部分。

区块链能证明钱动没动，所以纯支付纠纷好办；纠纷需要外部信息时，预言机把信息带上链。于是证据齐了却仍缺一环：总得有人判断证据意味着什么——GenLayer 卡的就是这里。

为了看看真实工作有多少落在哪一类，我在 Slack 上的代理（我盲目信任它，因为这是咱俩对世界）在 9 月 24 日抓了三百多条在线任务：Freelancer.com、Fiverr、Upwork、Scale AI 的 Outlier、Prolific，以及链上任务市场 Daydreams TaskMarket。我的代理说，约 23% 的任务可以用明确是/否轻易核对；另有约 45% 主要依赖个人判断；剩下约 32% 有证据可看，但仍得判断工作是否「够好」。

这不是市场规模估算，分类本身也是 AI 在做判断。但你能明白意思。而且并不是每个涉及 AI 的任务都需要一座 AI 法庭。

比如「设计最美的餐厅 logo」：几位验证者可能同意某一设计更好看，但同意并不能把品味变成客观标准。除非买方事先写了极细的创意 brief，争议仍根植于个人偏好。营销活动也可能交出承诺的互动数据，却仍争执有多少来自真实用户。每种情况都有证据可查，但付钱之前仍需要解释。

加密圈试验去中心化纠纷解决已有多年。这些系统处理分歧的方式很不一样。

UMA 的 Optimistic Oracle 默认主张成立，除非有人反对。提出主张的人先交保证金；等待期内无人挑战，答案就被接受；有人挑战，则由 UMA 代币持有者投票。成本因此压得很低——多数主张不用完整复审，昂贵投票只在有人挑战时发生。

Kleros 是以太坊上的去中心化纠纷解决系统。不是公司员工或法院判案，而是随机抽选质押了 PNK 代币的人当陪审员。一方上诉，下一轮会拉进更大的陪审团。这对真正需要人类判断的案子有用，但也意味着费时费钱。General Court 三陪审员一轮大约要 0.015 ETH（尚未计上诉），所以当纠纷本身只值几美元时，这套模型根本划不来。

GenLayer 把 Kleros 交给人类陪审员的「裁决活」，交给有 AI 辅助的验证者：一名验证者提出答案，其他人核查，同意人数够了就推向最终批准；有人挑战，则换一批新验证者复审，争议持续时再扩大规模。而且 UMA 与 Kleros 也都在走向 AI 辅助裁决，所以我不想把 GenLayer 说成「两个永远人类系统的 AI 替代品」。

规则写得具体，验证者才有具体可核对的东西。若合约只说工作应「有洞见」或「原创」，几个模型彼此同意，也不会让标准更清晰。

GenLayer 用所谓 Equivalence Principle（等价原则）处理这一点：告诉验证者，答案要相似到什么程度，网络才视为同一决定。有的合约要求精确匹配；有的允许措辞与推理不同，只要在关键结果上一致。GenLayer 文档反复鼓励开发者把这些决策收窄。

于是大量权力落在写合约的人手上。他们决定什么证据算数、什么算成功、答案之间允许多大差异。GenLayer 可以对照这些规则裁决，却不能在纠纷开始后再去修补一个含糊标准。

裁决只有在能真正改变交易时才有意义。实践里，这意味着资金或其他有价结果必须绑在决定上。纠纷可以以放款、退款，或更新代理声誉收场。

对小额代理交易而言，目标可能只是让钱落到正确一侧，而不是一份可强制执行的法律裁决。

那它实际会用在哪？

代理市场本就把委托工作、支付，以及越来越多的链上身份绑在一起，这是最显眼的观察点之一。

以 Daydreams TaskMarket 为例：它跑在 Base 上，允许人或 AI 代理用 USDC 背书发任务。不同任务格式正好露出裁决有用与无用之处。基准任务可以让工人在准确率或延迟等可测指标上竞技；若任务基于清晰分数——一个代理 96%、另一个 91%——平台直接对数、挑更好的结果即可。

但赏金任务可能有多人提交不同类型的成果，需求方得判断哪个最好。没有简单数字或规则告诉你谁更好时，就得有人看成果再定。

软件与安全赏金也一样：要求代理让固定测试套件通过的任务，可以机械结算；漏洞赏金则可能对「利用是否在范围内、严重性描述是否准确、是否已有人报过同一底层问题」产生真实分歧。

效果营销里，数出 5 万次社交互动并不难。但它们是真实用户还是机器号？GenLayer 已经展示了 Rally——一款效果营销应用，用其验证者分析社交活动并评估互动真实性。

服务等级协议（SLA）本质上是服务商与客户之间关于最低服务水准的承诺。例如云厂商承诺 99.9% 可用性，或支持两小时内回复；未达标时客户可能获退款或服务抵扣。

若协议已写明哪些日志、监控服务与排除项算证据，自动裁决者要处理的对象就会窄得多。

研究是 GenLayer 能做到某一步的好例子。研究有些部分容易核对：报告是否答完所有问题？来源是否真实？验证者可以检查这些。

但「洞见是否够原创」难得多——可能根本没有清晰规则或证据能一锤定音。

这类工作不能用简单是/否脚本判定，但仍有足够证据与结构，让不同验证者做出合理决定。若任务几乎全是品味或含糊质量，系统可用的抓手就少得多。

如果你以为用上好几位 AI 法官就自动可靠——并不会。

若五位验证者用的是相似模型，它们可能犯同样的错：误解同一条指令、信任同一坏来源，或都被操纵过的内容骗到。GenLayer 试图用验证者独立核查、以及有人上诉时换入新验证者来降低这一点。

证据本身也可能不可靠。网页会改、API 不同时间给不同答案、文档里可能藏着专门迷惑读它的 AI 的指令。所以系统只有在验证者能妥当检查同一份证据时才好用。有时根本没有清晰答案——GenLayer 可以返回「Undetermined（无法判定）」，而不是硬逼出一个是或否。

GenLayer 的设计倚重孔多塞陪审团定理：独立推理者组成的群体，胜过任何一个单独的人。前提是推理者真正独立；而 AI 模型往往从重叠数据里学习。Kleros 研究者在一家拉美加密交易所的 99 起真实客户纠纷上做过接近测试：ChatGPT 5.5 站客户一侧 3 次，Claude Opus 4.7 站客户一侧 14 次；换到下一版 Claude 再跑，平台胜率从 86% 升到 95%。模型混搭在偏误随机时有用；若整一代模型往同一边漂，混搭陪审团也会一起漂。

市场现在有多大？很难估——只有一部分代理交易最终会变成纠纷。但现有系统已显示，对裁决的需求本来就很大。

商户 2025 年处理了约 2.61 亿笔 chargeback，按每笔约 128 美元的纠纷处理成本计，大约 330 亿美元。另一端，GenLayer 目前测试网大约每天 2.58 万次决定；即便每次 1 美元，一年也大约只有 940 万美元。对照 eBay 巅峰时期约每年 6000 万纠纷（约每天 16.4 万件）：只有机器商务最终吵到那个量级，GenLayer 才可能变成大生意。

要让这套跑通，合约需要清晰规则，证据需要可靠，验证者需要足够独立，使他们的一致意见真有意义；上诉也得保持便宜。

人类商务早已有法院、仲裁与纠纷团队，处理双方对同一笔交易谈不拢的情况。若代理开始更多彼此做生意，它们可能需要更快、更便宜的同款东西——因为机器永远需要万物的廉价高速版。

也许在教机器做完一切之前，先教它们怎样判定什么叫公平，反而是件好事。

作者：Thejaswini M A

编译：深潮 TechFlow