AI 時代的全新金融基礎設施應該具備哪些特質？

2024年11月，預測市場早於所有人預測了選舉結果。當民調顯示難分高下、專家們語焉不詳時，市場給予特朗普60%的勝率。結果揭曉時，預測市場擊敗了整個傳統預測體系——包括民調、模型與專家判斷，無一例外。

這證明了市場能夠將分散的資訊匯聚成精確的共識，風險共擔的機制發揮了作用。自20世紀40年代以來，經濟學家一直期待投機市場能超越專家預測，如今這一理想終於在最宏大的舞台上獲得驗證。

然而，讓我們更深入探究其背後的經濟學原理。

Polymarket 和 Kalshi 的投注者貢獻了數十億美元的流動性。他們得到的回報是什麼？他們產生了一個訊號，全球所有人都能即時免費獲取。對沖基金觀察它，競選團隊吸收它，媒體記者圍繞它製作數據儀表板。沒有人需要為這份情報付費，投注者實際上補貼了這項全球公共財。

這正是預測市場的核心困境：它們產生的資訊正是其最有價值的部分，但在產生的瞬間就被公開。精明的買家不會為公開資訊付費。私人數據供應商之所以能向對沖基金收取高額費用，正因為其數據對競爭對手不可見。相反，公開的預測市場價格即使再精確，對這類買家而言也毫無價值。

因此，預測市場僅能存在於足夠多人願意「賭博」的領域：選舉、體育、網路迷因事件。最終，我們得到的其實是一種偽裝成資訊基礎設施的娛樂產品。對真正決策者至關重要的議題——地緣政治風險、供應鏈中斷、監管結果、技術發展時程——依舊無解，因為沒有人會為了娛樂去押注這些問題。

預測市場的經濟邏輯顛倒了。要修正這一點，必須作出更根本的改革。資訊本身才是產品，投注僅是生產資訊的機制之一，且這種機制本身有限，我們需要嶄新的範式。以下是「認知金融」的初步構想：一種從第一性原理出發、以資訊為核心重新設計的基礎設施。

集體智能

金融市場本質上就是一種集體智慧。它們將分散的知識、信念與意圖匯聚為價格，協調數百萬未曾直接溝通的參與者行動。這一點令人驚嘆，但同時效率極低。

傳統市場運作緩慢，受限於交易時段、結算週期與機構摩擦。其僅能用價格這個粗略工具來模糊表達信念。能夠表徵的範圍也極小——可交易主張的空間與人類真正關心的議題相比，幾乎微不足道。參與者還受到嚴格限制：監理門檻、資本要求與地理隔閡，將絕大多數人與所有機器排除於外。

加密世界的出現開始改變這一切，包括全天候不停歇的市場、無須許可的參與以及可編程資產。模組化協議可在無中央協調下自由組合。DeFi（去中心化金融）已證明，金融基礎設施能重構為開放、可互操作的基礎元件，這些元件源自自主模組的互動，而非守門人規則。

但 DeFi 在很大程度上僅以更高效的「管道」複製傳統金融。其集體智慧仍依賴於價格、聚焦於資產，且對新資訊的吸收速度緩慢。

認知金融則是下一步：為人工智慧與加密時代，從第一性原理重新構建智能系統。我們需要能「思考」的市場，能維持世界的機率模型、以任意細緻度吸收資訊、供 AI 系統查詢與更新，讓人類即使不理解底層結構也能貢獻知識。

實現這一目標的組件並不神秘：用私人市場修正經濟模型、用組合結構捕捉關聯性、用智能體生態系統大規模處理資訊、用人機介面從人腦擷取訊號。這些要素現今已可實現，當它們結合時，將催生質變的新事物。

私人市場

只要價格不公開，經濟約束難題就能迎刃而解。

私人預測市場僅讓補貼流動性的實體看到價格。該實體因此獲得獨占訊號，取得專有情報而非公共財。如此一來，市場在任何「有人需要答案」的議題上都可行，無論是否有人願意為娛樂押注。

我與 @ Dave_White 曾討論過這個概念。

設想一間宏觀對沖基金，希望獲得關於聯準會決策、通膨結果與就業數據的連續機率估計，作為決策訊號而非投注機會。只要情報具有獨占性，他們就會願意付費。一家國防承包商想要地緣政治情境的機率分布，一家藥廠想要監管核准時程的預測。但這些買家今日並不存在，因為資訊一旦產生，立刻就會洩漏給競爭對手。

隱私是經濟模型成立的基石。價格一旦公開，資訊買家就失去優勢，競爭對手搭便車，整個體系又回到只能依賴娛樂需求的老路。

可信執行環境（TEE）讓這一切成為可能——這是一種安全的運算飛地，內部運算過程對外界（甚至系統操作人員）完全不可見。市場狀態完全存在於TEE內部。資訊買家透過驗證通道接收訊號。多個無競爭關係的實體可訂閱重疊市場；分層的存取窗口則在資訊獨占與廣泛分發間取得平衡。

TEE 並非萬無一失，仍需信任硬體製造商。但其已足以為商業應用提供必要的隱私保障，相關工程技術現已相當成熟。

組合市場

現有預測市場將事件彼此孤立。「聯準會三月會降息嗎？」是獨立市場。「第二季通膨會超過3%嗎？」又是另一市場。理解這些事件內在關聯的交易者，如知高通膨會提升降息機率、強勁就業會降低降息機率，必須在這些互不連通的資金池間手動套利，力圖重建被市場結構打散的相關性。

這就像建造一個大腦，卻讓每個神經元只能孤立放電。

組合預測市場則不同，它維持多種結果組合的「聯合機率分布」。一筆針對「利率維持高檔且通膨超過3%」的交易，會在所有相關市場產生連鎖反應，同步更新整體機率結構。

這類似神經網路的學習模式：每次訓練的梯度更新，同時調整數億參數，整個網路對每筆資料整體回應。同理，組合預測市場的每一筆交易，都會更新其整體機率分布，訊息透過關聯結構傳遞，而非僅僅更新孤立價格。

最終浮現的是一個「模型」，即在世界事件狀態空間持續更新的機率分布。每筆交易都在優化模型對事物間關聯的認知。市場正在學習現實世界的連結方式。

智能生態系統

自動化交易系統已在 Polymarket 上佔據主導地位。它們監控價格、發現錯誤定價、執行套利、聚合外部資訊，速度遠超人類。

現行預測市場是為網頁介面的人類投注者設計，智能體僅能「勉強」參與。而AI原生預測市場則完全顛覆這一邏輯：智能體成為主體，人類僅作為訊息來源接入系統。

這裡有個關鍵架構抉擇：必須實現徹底隔離。能看見價格的智能體，絕不可同時充當資訊源；負責獲取資訊的智能體，則決不能接觸價格。

缺乏這道「牆」，系統將自我侵蝕。能同時獲取資訊又能觀察價格的智能體，可從價格變動反推何種資訊有價值，然後主動搜尋。結果，市場本身的訊號反成為指引他人的「寶藏地圖」。資訊獲取行為退化為一種複雜的「前瞻交易」。隔離機制確保資訊獲取智能體只能靠提供真正新穎、獨特的訊號獲利。

在「牆」的一側：是交易智能體，在複雜組合結構中競爭，識別錯誤定價；還有評估智能體，透過對抗機制評估湧入資訊，分辨何為訊號、雜訊或操縱。

在「牆」的另一側：是資訊獲取智能體，完全於核心系統外運作。它們監控資料流、掃描文件、接觸具獨特知識的人類——並將資訊單向傳入市場。其資訊一旦證明有價值，即可獲得補償。

補償沿鏈條逆向流動。一筆獲利交易，會獎勵執行交易的智能體、評估該資訊的智能體，以及最初提供該資訊的獲取智能體。這個生態系統因此成為平台：一方面，讓高度專業化AI智能體得以貨幣化其能力；另一方面，也成為基底層，供其他AI系統採集情報以指導行動。智能體，即市場本身。

人類智能

全球大量最有價值的資訊，僅存在於人類腦中。例如知道自家產品進度落後的工程師、察覺消費者行為微妙變化的分析師、注意到連衛星都無法發現細節的觀察者。

AI原生系統必須能捕捉這些來自人腦的訊號，同時不被雜訊淹沒。兩種機制能實現這一點：

智能體中介參與：允許人類在看不到價格的情況下「交易」。只需用自然語言表達信念，例如「我認為產品發布會延後」。專門的「信念翻譯智能體」會解析預測、評估信心水準，最終轉化為市場部位。該智能體與有權存取價格的系統協作，建立並執行訂單。人類參與者僅收到簡單回饋：「部位已建立」或「優勢不足」。報酬於事件結束後依預測準確度結算，價格資訊全程不會洩露。

資訊市場：允許資訊獲取智能體直接向人類訊號付費。例如某智能體想了解某科技公司獲利狀況，可識別具內部知識的工程師，購買其評估報告，並根據該資訊後續在市場的價值驗證並支付報酬。人類因其知識獲得報酬，無需理解複雜市場結構。

以分析師愛麗絲為例：她依專業判斷認為某併購案難以通過監管。她透過自然語言介面輸入觀點，其「信念翻譯智能體」解析預測，從語言細節評估信心、核查歷史紀錄，並建立適當部位，全程未接觸價格。位於TEE邊界的「協調智能體」則根據當前市場隱含機率判斷其觀點是否具資訊優勢，據此執行交易。愛麗絲僅收到「部位已建立」或「優勢不足」的通知，價格始終保密。

這種架構將人類注意力視為需精心分配與公平補償的稀缺資源，而非可任意開採的公共財。隨著這類互動介面成熟，人類知識將「流動」起來：你的資訊匯入全球現實模型，並於被證明正確時獲得回報。腦中資訊將不再受困。

未來圖景

將視野放遠，我們可窺見這一切將帶領人類走向何處。

未來將是一片流動、模組化、可互操作的關係海洋。這些關係在人類與非人類參與者間自發形成與消散，無中央守門人。這是一種「分形式自主信任」。

智能體彼此協商，人類透過自然介面貢獻知識，資訊不斷流入持續更新的現實模型，任何人皆可查詢，卻無人能加以控制。

今日的預測市場，只是這幅藍圖的原始草稿。它們驗證了核心理念（風險共擔可產生精確信念），卻受困於錯誤的經濟模型與結構假設。體育博彩與選舉賭盤之於認知金融，猶如 ARPANET（早期網際網路）之於現今全球網路：只是一個被誤認為終極形態的「概念驗證」。

真正的「市場」，其實是所有在不確定性下做出的決策。供應鏈管理、臨床試驗、基礎建設規劃、地緣政治策略、資源分配、人事任免……這些領域中減少不確定性的價值，遠超體育賽事的娛樂性。我們只是尚未建構出能捕捉這種價值的基礎設施。

認知領域的「OpenAI 時刻」即將來臨：這是一項文明尺度的基礎設施工程，其目標不是個體推理，而是集體信念。大型語言模型公司正打造能從過去訓練資料「推理」的系統；認知金融則致力於建立能「相信」的系統——維持世界狀態的校準機率分布，透過經濟激勵（非梯度下降）持續更新，並以任意細緻度整合人類知識。LLM 編碼過去，預測市場彙聚未來信念。兩者結合，才能打造更完整的認知體系。

當這一切充分擴展，將演變為一種基礎設施：AI 系統可查詢以理解世界不確定性；人類可貢獻知識而無需理解內部運作；它能吸收感測器、領域專家與前沿研究的局部知識，並合成為統一模型。這是一個自我優化、可預測的世界模型，一個能交易與組合不確定性的基底。最終湧現的智慧，將超越其各部分之和。

這就是認知金融正努力建構的「文明級電腦」藍圖。

利害攸關

所有拼圖都已到位：智能體能力已突破預測門檻；機密運算從實驗室走向商用；預測市場已在娛樂領域展現大規模產品市場契合。這些線索匯聚於一個歷史性機遇：為AI時代打造所需的認知基礎設施。

另一種可能是預測市場永遠停留在娛樂層次，選舉期間表現精準，平時乏人問津，始終無法觸及真正重要的議題。屆時，AI系統理解不確定性的基礎設施將不存在，而人類腦中珍貴的訊號也將永遠沉寂。

聲明：

1. 本文轉載自[Foresight News]，著作權歸原作者[Matt Liston]所有。如對轉載有異議，請聯絡Gate Learn團隊，團隊將依相關流程盡速處理。
2. 免責聲明：本文所述觀點與立場僅代表作者個人，並不構成任何投資建議。
3. 其他語言版本由 Gate Learn 團隊翻譯，未經提及Gate不得複製、傳播或抄襲本翻譯內容。