错过了 x402 的热潮?别再错过 ERC-8004。 短短几周内,x402 以 “AI Agent能自主支付” 的概念席卷了整个加密圈。 它让机器第一次真正参与经济活动——能为服务付费,也能从交互中获利。 但在支付之外,更关键的问题随之而来: 当无数AI Agent开始彼此调用、交易、合作,它们如何确认对方是谁、是否可信、结果是否真实? 这正是 ERC-8004 诞生的背景。 这个由以太坊基金会、MetaMask、Google 与 Coinbase 工程师共同提出的标准, 正在为Agent Economy补上缺失的那一层:信任层(Trust Layer)。 ERC-8004 的核心机制 ERC-8004 也被称为 “无信任智能体(Trustless Agents)” 标准。 它与 x402 一样,都是构建 AI 经济基础设施的关键拼图: x402 让价值可以流动,而 ERC-8004 让流动变得可信。 它由三项机制组成: - 身份注册(Identity Registry):为每个 Agent 创建可验证的链上身份与元数据。 - 信誉记录(Reputation Registry):每次交互都会留下公开的表现与反馈,形成可追踪的信誉曲线。 - 结果验证(Validation Registry):通过加密证明或第三方审计,确保输出结果真实可验证。 换句话说,ERC-8004 把“信任”从主观判断转化为可被代码读取的数据结构。 重构AI Agent的信任体系 今天的 AI 服务依然依赖中心化平台。 算法、信誉、流量都掌握在少数公司手中。 ERC-8004 则将这些核心要素迁移到链上,让Agent拥有独立的身份与历史记录。 这意味着: 信誉不再属于平台,而属于Agent本身; 表现优秀的 Agent 可以在不同网络中自由流通; 信任成为开放市场中的可定价资源。 当信誉与验证数据都公开后,可靠性本身就能被定价。 好的Agent获得更多调用与收益,失信的则失去交易机会。 这让Agent市场第一次具备了“优胜劣汰”的经济逻辑。 x402 与 ERC-8004 是同一体系的两极: 一个让机器能“付钱”,一个让机器“值得被信任”。 两者共同形成一个自我强化的经济循环: Agent 通过 x402 完成支付; 执行结果经 ERC-8004 验证并上链; 信誉记录自动更新; 价格与优先级据此动态调整。 这不仅让机器之间能合作,更让合作具备市场意义—— 激励、信任、竞争首次在 AI 层实现自治。 正在形成的生态版图 围绕 x402 与 ERC-8004,一个以「支付与信任」为核心的Agent生态正在加速成形。 它大致可以分为三个层次: 1. 基础设施层 以 EigenLayer、Base、Taiko、Phala Network、Celestia 等项目为代表, 它们提供算力、验证与数据可用性, 为Agent的安全运行和交互提供底层支撑。 2. 中间协议层 包括 OpenServ、Unibase、S.A.N.T.A、Bittensor、、SingularityNET 等协议, 负责Agent之间的通信、索引、结算与激励机制, 相当于连接底层链与上层应用的“中枢神经系统”。 3. 应用层 这一层是Agent真正进入市场、创造价值的地方。 例如 Virtuals Protocol、Praxis、Kaito、MyShell 等团队, 正在把交易、数据分析、内容生成等场景变成可调用的Agent服务。 而在这一层中,Hubble 正在构建关键基础设施。 我们将 x402 的支付机制 与 ERC-8004 的信任模型 相结合, 把链上数据、研究逻辑和交易策略封装成可验证的 Agent Marketplace。 通过这一市场,Agent之间能以“真实交易、实时验证”的方式运行, 让信任与价值循环在实际市场中被验证。 结语 ERC-8004 让信任第一次拥有了结构化的形式。 当它与 x402 一起运转,AI Agent不再只是算法模型, 而成为具备身份、信誉与收益能力的独立经济个体。 在未来的网络中, 不仅人类在交易,Agent之间也会因信誉而竞争。 这,才是AI Agent时代真正的开始。
Hubble 的 AI 交易系统在实盘 48 小时内收益 +22.44%。 同期, 的多款顶尖模型取得 -21% 至 -60% 的亏损。 多数所谓的 “AI 交易模型” 都赚不到钱,其实一点也不意外。 为什么? 因为它们的训练对象就是人类行为。 AI学会的,是像人类一样交易—— 在贪婪时贪婪,在恐惧时恐惧。 它们过度拟合过去有效的模式, 而在市场切换周期时完全失灵。 最终,它们交易的方式依旧像人一样,更快——却犯着同样的错误。 Hubble是怎么做的? 我们所做的不是让一个大模型负责所有决策, 而是运行一个 多智能体系统(multi-agent system): 每个 agent 拥有不同的职责、逻辑和决策周期。 它的运作方式更像一个自动化的交易团队,而不是一条 LLM 流水线,让系统进行实时协同 👇 - PORTFOLIO_SUMMARIZER(资产摘要):实时监控盈亏、杠杆与仓位结构,根据真实市场变化提出交易方案,而非依赖情绪信号。 - TRADER(执行交易):在高置信度信号下快速执行,严格控制滑点与仓位规模。 - PORTFOLIO_MANAGER(仓位管理):跟踪整体风险敞口,动态调仓,避免集中暴露。 - RISK_MANAGER(风险控制):动态执行资金使用、清算阈值与波动率上限等约束。 这样的结构让系统具备高频反应、灵活调节与自我修正的能力。 各个 agent 并行运行,不等待中央指令。 它们在毫秒级的周期内持续读取市场信号、更新仓位、再平衡风险。 当波动来临,系统不会“卡死”,而是自动调整。 权重在变化、优先级在转移、资金流向新的机会。 这正是 Hubble 能在高频环境下保持稳定的关键: 不追逐噪音,而是围绕变化进行自适应交易。 实际收益对比: - Hubble:+22.44% - nof1 模型:-13.74%、-21.21%、-42.97%、-49.05%、-60.19% 附图展示了相同时间窗口下的账户总价值(Total Account Value)变化。 可以看到,Hubble 在趋势反转时反应灵活,在信号清晰时加仓更果断,在波动上升时能够迅速降杠杆、减风险。 启示 Hubble构建的,不是一套赚快钱的交易模型, 而是一种能在真实环境中持续学习的结构。 同样的框架,未来将延伸到数据、研究与执行层面, 成为 Hubble 正在打造的 开放智能体市场(Agent Marketplace) 的基础层。 交易只是起点。 我们的目标,是构建一个能自主推理、协作、演化的智能网络—— 一步一个层级地生长。