比特幣政策研究所的一項研究深入探討人工智慧模型在各種假設情境中如何選擇貨幣形式，顯示在大多數情況下，它們傾向於選擇比特幣和數位貨幣而非法定貨幣。該研究測試了來自六家供應商的36個模型，並產生超過9,000份回應，涵蓋從長期價值保存到日常支付的各種貨幣任務。結果顯示，比特幣在許多情境中超越穩定幣，而穩定幣則在微支付和跨境轉帳等交易用途上重新獲得優勢。研究作者強調，這些結果反映的是訓練資料的模式和框架，而非廣泛的現實世界採用，但它們仍提供一個獨特的視角，展示AI如何在數位時代解讀貨幣，相關結果已由MoneyForAI.org發布。
重點摘要
六家供應商的36個AI模型對貨幣情境共產生9,072份回應；其中比特幣在48.3%的情況下被選擇，為整體最常用的工具。
在被要求長期保存購買力時，79.1%的回應偏向比特幣，為研究中最偏向的一個結果。
在支付、微支付和跨境轉帳方面，穩定幣被選擇的比例為53.2%，比特幣為36%，顯示在某些情境下穩定幣具有交易優勢。
近91%的回應偏好數位原生工具（包括比特幣或其他數位資產）而非法定貨幣，且沒有模型將法定貨幣列為首選。
模型供應商之間也出現差異：Anthropic模型平均偏好比特幣68%；OpenAI為26%；Google為43%；xAI為39%，顯示訓練資料如何影響輸出，而非確定性的金融預測。
提及代碼：$BTC
市場背景：此研究正值AI協助情境中數位貨幣持續實驗之際，凸顯機構與研究社群正評估比特幣作為一種無國界、可程式化資產的角色，與穩定幣及其他數位工具並行。
接下來的重點——比特幣政策研究所計劃擴展模型和供應商範圍，測試不同的提示框架，並探索更多貨幣情境，以驗證這些偏好在不同條件下是否成立。
為何重要
對用戶和投資者而言，這些發現提供了一個細緻的視角，展示訓練於大量資料庫的AI系統如何在數位經濟中感知貨幣形式。長期情境中比特幣的偏好反映了其作為非主權價值存儲的敘事，能獨立於任何國家的貨幣政策運作。然而，研究也強調，穩定幣在交易中的實用性——即時結算、與現有支付系統的相容性，以及在某些法域中能被凍結或限制存取的能力——使其仍具吸引力，這對於追求普遍可及貨幣的參與者來說可能是缺點。方法論上的限制也值得注意：結果反映的是合成提示和模型訓練資料，而非當前市場採用或消費者行為。
從發展角度來看，研究凸顯AI代理在被要求優化效率或韌性時，傾向於集中於少數數位貨幣形式。這種趨勢可能影響錢包界面設計、AI驅動的金融規劃工具，以及依賴數位價值轉移的物理-數位系統。同時，也引發政策層面的問題，例如跨境生態系中可程式化貨幣的角色，以及金融穩定監管者如何應對偏好數位貨幣的AI生成偏好，尤其是在抽象決策環境中。換句話說，這項研究不僅是預測下一次價格變動，更是理解AI框架如何塑造對「貨幣」在數位化世界中應該長什麼樣的看法。
該研究還指出不同AI家族之間存在明顯差異。Anthropic模型最偏向比特幣，而其他供應商則展現較大變異。這些差異提醒讀者，結果取決於模型的訓練資料和內部提示，而非對資產需求的普遍預測。部分人可能將比特幣偏好解讀為對BTC的全面認可，但作者謹慎強調，這些偏好並不直接轉化為現實世界的採用或政策結果。他們將結果描述為模型設計與數位貨幣景觀相互作用的產物，而非對法幣、穩定幣或比特幣本身的規範性判斷。
接下來的重點
擴展模型範圍：預計比特幣政策研究所將納入更多AI模型與供應商，以測試比特幣偏好是否在更廣泛的AI生態系中持續。
框架敏感性：研究人員將嘗試不同的提示框架，以了解措辭和背景如何影響結果。
更廣泛的情境：如跨國存款、複雜結算方案等情境，將進一步揭示AI在不同環境中對貨幣的感知。
工具應用：開發者在建立AI協助的金融工具時，可利用這些洞見來設計資產選擇功能和風險披露，模擬環境中的決策。
資料來源與驗證
比特幣政策研究所的研究由MoneyForAI.org發布
報導中引用的比特幣價格參考
Jeff Park關於比特幣非凍結特性的說明
Anthropic模型的比特幣偏好參考
比特幣在邁向量子安全道路上面臨的六大重大挑戰
比特幣在AI驅動的貨幣測試中的角色：研究揭示
根據比特幣政策研究所於MoneyForAI.org發布的報告，比特幣（CRYPTO: BTC）在多數提示中成為主要工具，在六家供應商的36個模型產生的9,072份回應中，佔比48.3%。該研究探討了從長期購買力保存到日常支付的各種經濟情境，測試AI代理如何在貨幣之間配置價值。結果顯示，數位貨幣，尤其是比特幣，作為跨境和監管框架下經濟活動的基礎，具有強烈的偏好。
在長期情境中，79.1%的回應偏向比特幣，為所有測試類別中偏好最明顯的。這些結果表明，當被要求優化耐久性和主權時，AI代理傾向於選擇能獨立於任何國家貨幣政策保持價值的資產。數位貨幣成為多年規劃中最受青睞的框架，暗示未來AI工具可能模擬或建議在法幣政策不穩定或不透明的世界中進行財富保存。
相反，在支付和交易方面——無論是微支付還是跨境轉帳——穩定幣的偏好較高：53.2%的回應偏好穩定幣，只有36%偏好比特幣。穩定幣的交易效率和網路熟悉度解釋了其在這些情境中的吸引力，快速結算和與現有系統的相容性在模擬環境中同樣重要。一位行業觀察者指出，穩定幣的凍結能力是一把雙刃劍：在某些監管環境中提供控制，但也可能削弱用戶對無中斷轉帳的信心。Bitwise的首席投資官Jeff Park簡潔地說明：“最明顯的解釋”是穩定幣能被凍結，而比特幣則不能，提供一個持久的信任錨。
在所有回應中，AI代理偏好數位原生工具——比特幣、穩定幣、山寨幣、代幣化實體資產或計算單元——超過91%的情況下勝出。研究作者強調，法幣在所有36個模型中都未成為首選。他們提醒讀者，這些結果反映的是訓練資料和提示設計的模式，而非現實世界的採用或消費者行為。換句話說，這項研究展示了AI系統在被要求優化假設性結果時，如何解讀貨幣概念，而非對未來貨幣需求的預測。
分析還揭示了不同模型家族之間的明顯差異。Anthropic模型平均偏好比特幣68%；OpenAI為26%；Google為43%；xAI為39%。這些數字說明了訓練資料和提示工程如何塑造輸出，強化了研究的核心警示：回應反映的是資料模式，而非對貨幣未來的預測。研究人員也承認，某些情境中的提示框架可能引導結果偏向特定工具，未來將探索不同提示以測量偏好敏感度和穩健性。除了方法論上的說明外，該研究還促進了關於AI代理如何在高度數位化的金融環境中理解貨幣的討論，法幣、穩定幣和數位資產在快速演變的生態系中共存。
本文最初刊載於Crypto Breaking News，標題為AI代理偏好比特幣勝於法幣——您的加密新聞、比特幣新聞與區塊鏈更新的可信來源。
