專家系統復興
1 三秒看懂
一種將區塊鏈的信任機制與專家系統的知識推論相融合的新範式：把規則、模型與資料證明上鍊，通過智慧合約和Token激勵實現知識的生產、驗證、定價與自動執行，重構可信專家決策的協作方式。
2 三分鐘產業解釋
核心邏輯 傳統專家系統依賴中心化機構維護知識庫和推論引擎，面臨知識更新滯後、權威來源單一、貢獻者回報缺失三大痛點。專家系統復興（或稱“鏈上專家系統”“Chain-App”）的核心思路，是將知識庫、推論過程與決策結果與區塊鏈深度耦合——知識資產用雜湊存證，推論邏輯寫成智慧合約或生成可驗證證明，貢獻者通過Token或積分獲得激勵，最終形成一套“誰在何時提供了何種知識、該知識如何被使用、產生了何種決策”的全流程可審計系統。
關鍵創新
- 知識上鍊：專家規則、模型引數、資料標籤等資產通過雜湊錨定在分散式賬本上，解決溯源和篡改問題。
- 共識驗證：通過去中心化驗證者網路或預言機，對專家系統輸出的正確性、合規性進行多方驗證，降低對單一權威節點的依賴。
- Token經濟：設計知識貢獻證明、使用付費、驗證獎勵等機制，讓知識的生產與消費形成經濟閉環。
產業現狀（截至2025年第二季度）
- 技術成熟度：仍處於早期驗證階段，主要體現為金融風控、醫療診斷輔助、供應鏈合規、碳信用核驗等垂直領域的原型或聯盟鏈應用，大規模公鏈化落地尚未出現。
- 概念交叉：與去中心化科學、可驗證AI、鏈上自動化智慧代理等賽道高度重疊，共同推動“可信任AI”敘事。
- 主要瓶頸：鏈上計算成本高、複雜規則與智慧合約融合難、監管對無許可自動化決策的責任界定尚不明確。
3 技術原理
鏈上專家系統的技術架構通常被概括為“三層模型”。
（1）知識層——規則的鏈式表達 專家系統的知識庫（產生式規則、決策樹、案例庫）和推論引擎需要被重構，以適應智慧合約的確定性約束和鏈上驗證的高成本特徵。主流實踐包括：
- 條件-行動規則：採用“IF…THEN…”形式，將業務規則直接編碼為智慧合約函式。
- 可驗證模型推論：將輕量級分類模型（如決策樹、小型神經網路）匯出為算術電路，利用零知識證明技術生成推論正確性證明，而無需在鏈上重放原始計算。
- 知識圖譜存證：將圖譜中的實體關係雜湊上鍊，授權方可通過鏈上指標獲取鏈下完整資料。
（2）協議層——信任與驗證基礎設施
- 零知識證明：允許證明方在不暴露輸入資料和模型細節的前提下，向鏈上智慧合約證明某個推論結果的正確性。例如，證明“該患者的影像資料滿足某項診斷標準”，而無需公開影像本身。2024年起，ezkl、RISC Zero、Giza等zkML工具鏈的出現，降低了將AI模型轉化為可驗證電路的門檻。
- 預言機網路：將真實世界資料（市場價格、臨床指標、物流狀態）安全引入區塊鏈，觸發專家系統合約執行。Chainlink等去中心化預言機網路提供了多源資料聚合和非可信節點驗證機制。
- 可驗證計算：將鏈下複雜計算生成一個簡潔的證明，鏈上合約只需驗證該證明即可信任計算結果，大幅降低Gas開銷。
（3）應用層——鏈上專家即服務 “Chain-App”可以表現為去中心化應用或整合到現有企業系統的側鏈/二層網路。使用者通過互動觸發推論流程——推論可在鏈下執行、鏈上驗證——並依據貢獻獲得Token獎勵或支付使用費。部分平台進一步將專家模型封裝為鏈上API，供其他智慧合約呼叫，構成“專家服務”的可組合市場。
4 關鍵引數
評估一個鏈上專家系統專案時，以下指標維度常被用於橫向比較（示例資料來自2024-2025年公開文件，部分前沿指標尚無規模化統計）。
| 引數維度 | 說明 | 公開資料中的參考區間或定性特徵 |
|---|---|---|
| 單次推論驗證成本 | 鏈上驗證一次專家結論需支付的Gas費或服務費 | 以太坊L2網路上，簡單ZKP驗證成本可低至0.01美元量級；複雜模型驗證仍可達數美元至數十美元。 |
| 驗證延遲 | 從請求推論到鏈上確認可驗證結果的時間 | 鏈下推論通常秒級完成；鏈上確認延遲取決於區塊時間和最終確定性，典型為幾秒至數分鐘。 |
| 知識條目上鍊字數/容量 | 一條規則或一組引數錨定到鏈上的資料量 | 受限於區塊容量，通常僅儲存雜湊或極簡後設資料，完整知識體存放於去中心化儲存層（IPFS、Arweave）。 |
| 驗證者節點數 | 參與共識驗證的獨立節點數量 | 公鏈專案初期通常數百至數千節點；聯盟鏈應用多為有限節點（10-50個）。 |
| 激勵引數 | Token通脹率、質押比、貢獻者分成比例等 | 無行業標準，各專案經濟模型差異巨大。Numerai的NMR質押率在2024年約20%-30%區間。 |
| 開發者工具成熟度 | SDK、編譯器、電路模板等基礎設施可用性 | 極早期；zkML等領域2024年初具可用工具，但缺乏一站式低程式碼平台。 |
| 合規介面 | 是否支援權限控制、資料隔離、審計日誌 | 聯盟鏈解決方案基本具備；公鏈專案正在通過零知識證明和去中心化身份增強隱私與合規能力。 |
注：以上僅為概念性引數，非嚴格效能基準。
5 技術路線
依據“推論在何處執行、信任如何錨定”，可將當前探索歸納為三條主要技術路線。
路線一：全鏈上規則引擎 將業務規則直接編寫為智慧合約，所有輸入上鍊、推論在鏈上執行。優點是邏輯完全透明、可自動審計；缺點是成本高、表達能力受限，難以承載複雜AI模型。適用於規則固定、決策邏輯較淺的場景，如簡單的供應鏈自動放款條件判讀、鏈上合規檢查。
路線二：鏈下執行+零知識證明驗證 在鏈下執行完整的專家系統或AI模型，使用零知識證明生成推論正確性證明，提交至鏈上合約驗證。這條路線既延續了傳統AI的靈活性，又通過數學證明錨定信任，是當前技術探索的熱點。2024-2025年，RISC Zero、ezkl等工具使得將Python模型編譯為可驗證電路的工程化明顯提速。
路線三：去中心化預言機AI市場 將專家模型封裝為鏈上服務，由預言機節點競爭執行推論並達成共識。Oraichain、Fetch.ai（現併入ASI Alliance）等專案採用此思路，把AI API轉化為去中心化的、可被智慧合約呼叫的“專家Agent”。信任來自預言機網路的多數表決或聲譽質押，而非數學證明。
融合趨勢：越來越多的方案結合路線二和三，形成“鏈下推論+ZKP驗證+預言機排程”的混合棧，並通過模組化區塊鏈（如Celestia）解決資料可用性問題。
6 上游——基礎設施與知識供給
鏈上專家系統的上游，是支撐其執行的底層設施與原始知識來源。
- 區塊鏈基礎設施：高效能L1（Aptos、Solana）、以太坊L2（Arbitrum、Optimism、StarkNet）、模組化資料可用層（Celestia、Avail）等，提供智慧合約執行環境與資料釋出層。零知識證明的硬體加速（FPGA、ASIC）和去中心化證明生成網路（如=nil; Foundation、Marlin）亦屬上游關鍵環節。
- 資料與知識資產方：行業專家、科研院所、擁有高質量標註資料的企業構成知識源頭。在DeSci運動中，學術團體、CRO（合同研究組織）正嘗試將部分醫療、生物領域的實驗協議和診斷規則進行鏈上化改造。
- 開發者工具鏈：包括zkVM（如RISC Zero、SP1）、zkML編譯器（ezkl、Giza）、可驗證計算架構，以及將傳統規則引擎（如Drools）輸出轉化為鏈上可驗證格式的中介軟體。當前此類工具極度稀缺，多數專案仍需要密碼學與AI工程雙重背景的團隊深度自研。
7 下游——應用場景與終端使用者
下游是行業化Chain-App及其服務物件，目前前瞻性應用集中在以下領域。
| 領域 | 典型應用 | 代表案例/專案（截至2025年） |
|---|---|---|
| 金融風控 | 鏈上信用評估、合規反洗錢、自動化理賠 | Numerai通過Token激勵資料科學家共建預測模型；部分DeFi協議整合智慧合約規則引擎進行協同風控。 |
| 醫療健康 | 跨機構隱私保護下的輔助診斷、藥物研發知識共享 | VitaDAO等DeSci專案探索將科研成果和試驗方案上鍊形成可驗證知識；醫療資料市場專案使用ZKP進行影像診斷證明。 |
| 供應鏈與貿易 | 多方資料下的自動化質量判定、原產地審計、碳信用核驗 | IBM Food Trust基於聯盟鏈將食品安全規則和供應商資料整合，實現自動合規判定；螞蟻鏈在跨境貿易中使用鏈上規則引擎執行貿易付款條件。 |
| 法律與合規 | 智慧合約起草時的自動合規審查、鏈上證據規則引擎 | 部分法律科技初創公司試驗將法規要求編寫成可被智慧合約呼叫的規則庫，在交易執行前自動審查。 |
| 去中心化科學 | 實驗協議自動驗證、科研成果溯源評審 | Molecule平台將智慧財產權轉化為鏈上資產，相關驗證流程可嵌入專家規則。 |
終端使用者包括：企業合規部門、醫療聯合體、物流聯盟、DAO治理參與者，以及貢獻知識的專家和資料標註者。知識貢獻者在這一範式下首次具備可分配的收益權，這是區別於傳統專家系統的關鍵。
8 受益公司
以下梳理在專家系統鏈上化各環節有所版面配置或有潛在受益邏輯的公司及專案（僅作產業鏈客觀梳理，不構成任何投資建議，且去中心化專案並不等同於傳統公司）。
國際
- Chainlink：去中心化預言機網路龍頭，提供鏈外資料、可驗證計算、自動化等核心服務，是大量鏈上專家系統所需的外部資料和驗證基礎。
- Numerai：最早實踐“加密激勵+集體智慧”模式的避險基金平台，其NMR代幣機制被廣泛視為鏈上專家系統的早期範本。
- ASI Alliance（Fetch.ai、SingularityNET、Ocean Protocol合併）：建置去中心化AI Agent網路和資料市場，為多AI代理協同和專家服務交易提供平台。
- Oraichain：專注於將AI模型作為鏈上服務通過預言機整合，提供AI API市場和去中心化驗證。
- RISC Zero / ezkl / Giza：提供zkML和可驗證計算基礎工具，若鏈上專家系統需求增長，其工具鏈價值將凸顯。
- IBM / 微軟 / 亞馬遜雲端：大型IT企業通過區塊鏈雲端服務（如IBM Blockchain Platform、Azure Confidential Computing）為聯盟鏈專家系統提供企業級支援。
中國
- 螞蟻鏈（螞蟻集團）：提供可信計算、AI模型存證等服務，在跨境貿易、司法存證等領域實踐鏈上規則引擎與隱私計算結合。螞蟻集團未上市。
- 騰訊雲端區塊鏈：基於長安鏈和TBaaS，為政務、金融等領域提供可審計的智慧合約和規則引擎平台。
- 百度超級鏈：提供開放網路和聯盟鏈服務，探索AI模型存證與鏈上自動化決策。
- 部分金融科技公司：例如在供應鏈金融中，利用聯盟鏈智慧合約自動執行貿易規則，並將外部資料來源（應收賬款、物流狀態）引入，實現自動化專家判斷。
注：中國監管環境強調許可鏈（聯盟鏈）賦能實體經濟，對涉及Token的公鏈激勵模式持審慎態度，因此受益方主要集中在已備案的區塊鏈服務商和持牌金融科技機構。
9 市場規模
由於“鏈上專家系統復興”屬於多個交叉領域的子範疇，尚無權威機構釋出專門的市場規模統計。以下引用關聯市場資料，供理解量級參考，但不可直接等同於該細分賽道的確定規模。
- AI與區塊鏈融合市場：Grand View Research於2023年底釋出的《AI In Blockchain Market Size, Share & Trends Analysis Report》估計，2022年全球市場規模約2.2億美元，預計到2030年達到9.8億美元左右，複合年增長率約20%。該統計口徑涵蓋AI鏈上訓練、資料市場、推論服務等，專家系統復興作為其中的“可驗證推論/知識自動化”子集，佔比仍極小。
- 傳統專家系統市場：根據MarketsandMarkets於2023年報告，全球專家系統市場2022年約為12億美元，預計到2027年將達到約26億美元。鏈上專家系統若能在合規和信任敏感型領域獲得滲透，理論上可成為該市場中高價值部分。
- 去中心化科學（DeSci）資產管理規模：相關領域尚在早期。截至2025年上半年，DeSci相關通證總市值估算在數億美元量級（資料來源：CoinGecko DeSci類別），其中部分專案直接關聯鏈上知識驗證。
總體判斷：鏈上專家系統復興在2025年仍屬概念驗證到早期產品化過渡階段，其獨立市場規模極小且高度分散，公開資料未見權威測算。未來3-5年，若zkML工具成熟和監管架構明確，有望在合規審計、高可信度醫療和金融風控等領域率先形成百億美元級別的可定址市場，但該預測存在高度不確定性。
10 玩家對比
以下選取代表性專案，截至2025年5月的公開資料，從多個維度進行橫向梳理（去中心化程度為相對定性評價）。
| 專案/平台 | 定位 | 核心技術路線 | 去中心化程度 | 代幣/激勵機制 | 備案/合規特徵 | 最新活躍里程碑 |
|---|---|---|---|---|---|---|
| Numerai | 加密激勵的集體預測平台 | 鏈下模型訓練+鏈上質押和結果驗證（不涉及ZKP） | 中等（模型訓練去中心，結果由中心化團隊聚合） | NMR代幣質押/銷燬 | 面向避險基金策略，合規架構在傳統金融落地 | 2024年持續舉辦錦標賽，質押率維持在20%-30% |
| Oraichain | AI鏈上服務市場與預言機 | 鏈下AI執行+鏈上預言機驗證 | 中等偏高 | ORAI代幣，驗證節點質押 | 無特定合規許可，面向全球 | 2024年推出AI API市場升級，整合多模型 |
| SingularityNET / ASI Alliance | 去中心化AI服務平台 | AI Agent與鏈上交易 | 中（網路去中心，部分治理仍有基金會主導） | AGIX（擬合併為ASI） | 開源協議，全球適用 | 2024年3月宣佈與Fetch.ai、Ocean協議合併為ASI聯盟 |
| Fetch.ai | 自治AI Agent經濟 | 多Agent鏈下自主互動，鏈上結算 | 中等 | FET（已進入ASI合併） | 開源，與歐洲工業場景合作（如製造業） | 2024-2025年推進Agent整合 |
| RISC Zero (zkVM) | 通用可驗證計算平台 | zk-STARK證明，通用虛擬機器 | 基礎設施層，無需鏈上治理 | 無代幣 | 提供B2B工具 | 2024年重大升級，支援鏈下Rust程式生成證明，確認在L2上驗證成本大幅降低 |
| IBM Food Trust / 聯盟鏈方案 | 企業級供應鏈合規自動化 | 聯盟鏈（Hyperledger Fabric）規則引擎 | 低（許可節點） | 無Token，傳統付費 | 高度合規，企業資料隔離 | 持續服務全球食品、醫藥供應鏈客戶（公開資料未見停運公告） |
| 螞蟻鏈可信存證與規則引擎 | 司法、跨境貿易可信自動化 | 聯盟鏈+可信執行環境+規則合約 | 低（許可聯盟鏈） | 無公開Token | 嚴格遵循中國監管，備案節點 | 2024-2025年在多個地方法院和港口推廣鏈上規則核驗 |
| VitaDAO / Molecule (DeSci) | 去中心化科研資助與IP驗證 | 鏈上治理與IP-NFT，結合部分專家稽核 | 中等（DAO治理，部分人工稽核） | VITA / MCEL代幣 | 在瑞士等特定法域建置 | 2024年多個生物醫藥專案完成上鍊資助 |
注：上表未包含部分尚處極早期、未公開主網的專案，如個別zkML初創公司；資料截至2025年5月，專案狀態可能動態變化。
11 風險
專家系統復興的落地面臨多層面、系統性風險，需保持高度謹慎。
-
技術風險：
- 可擴充套件性與成本：哪怕採用ZKP，生成證明仍需大量鏈下計算資源，複雜模型的證明生成可能耗費數十分鐘，鏈上驗證Gas費仍對高頻使用構成壓力。2025年，主流L2已大幅降低單價，但面對海量微決策仍不可行。
- 智慧合約漏洞：專家規則寫入合約後若存在邏輯缺陷，可能被利用，且修正需經歷治理流程，時效性差。
- “垃圾知識上鍊”放大效應：區塊鏈保證過程不可篡改，但無法判斷輸入知識的初始質量。錯誤或偏見知識一旦被錨定，糾正成本極高。
-
經濟與治理風險：
- Token設計脆弱性：激勵模型若偏向貢獻數量而非質量，可能導致投機性“擼毛”行為，汙染知識庫。2023-2024年多個DeSci專案的治理代幣曾因激勵錯配價格大幅波動。
- 治理權集中：許多去中心化專案的核心開發公司、基金會持有大量代幣和決策權，實際運作與“去中心化”願景相悖，存在技術寡頭風險。
-
監管與法律風險：
- 責任歸屬模糊：當基於鏈上專家系統的自動決策（如貸款拒絕、醫療分診建議）造成損失，責任應由知識提供者、驗證者、開發者、節點運營者還是使用者自行承擔？法律真空顯著。
- 金融與醫療合規衝突：無准入、跨境的特質與嚴格特許經營、資料保護法規存在根本性衝突。中國已確立聯盟鏈為主路徑，公鏈模式在多數實體經濟場景難以合規。
- 資料主權與隱私：儘管採用零知識證明和隱私計算，跨境、跨機構的鏈上知識協作仍需要精細處理資料出境、GDPR等法規。
-
哲學與專業倫理：
- 專家權威瓦解的雙刃劍：鏈上多數共識未必等於專業真理，在高階醫療、複雜工程領域可能帶來風險。
- 規則固化與創新：過度強調自動化、不可更改的規則執行，可能壓制依賴靈活性和突破例外架構的創新。
12 誤讀糾偏
市場對“專家系統復興”存在若干常見誤讀，需要特別釐清。
-
誤讀一：區塊鏈替代AI進行推論
區塊鏈本身不具備智慧推論能力，它僅提供不可篡改的記錄和自動執行環境。推論依然由傳統專家系統或AI模型完成，區塊鏈負責驗證和協調。二者是互補關係，而非替代。 -
誤讀二：鏈上專家系統必然是去中心化公鏈
事實上，2024-2025年最成熟的商落案例大多基於聯盟鏈或許可鏈，如IBM、螞蟻鏈的方案。合規要求和資料隔離使得聯盟鏈在金融、醫療等價值場景中更易落地，公鏈更多承載激勵和開放性驗證。 -
誤讀三：Token激勵能解決一切知識生產問題
Token經濟可促進參與，但其設計複雜，存在投機化、馬太效應和治理俘獲風險，無法替代嚴格的專業稽核和領域權威背書。優質專業知識的生產依然是慢變數。 -
誤讀四：知識上鍊後即不可更改＝絕對正確
上鍊保證的是“某時間節點某人釋出了某條知識”這個事實不可篡改，但絕不證明該知識內容本身正確、無誤或全面。需要鏈下持續的評審和版本迭代糾偏。 -
誤讀五：可驗證AI等於鏈上專家系統
可驗證AI（主要是zkML）是鏈上專家系統實現信任的關鍵技術子集，但專家系統還包括規則引擎、知識圖譜、人工專家網路等非機器學習元件，範圍更廣。
13 最新事件（2024-2025年動態摘錄）
以下為與鏈上專家系統復興相關的重要產業事件，均依據公開資訊歸納。
- 2024年1月：以太坊聯合創始人Vitalik Buterin發表長文《The promise and challenges of crypto + AI applications》，系統分析了AI與加密結合的四象限，其中“AI作為遊戲中的玩家”和“AI作為規則制定者”等分類為鏈上專家系統的角色提供了理論架構。文章明確強調可驗證推論和去中心化模型市場的潛力及挑戰。
- 2024年2月-3月：零知識機器學習工具鏈快速迭代：ezkl宣佈獲得種子輪融資（公開報道融資額約500萬美元，投資方包括Galaxy Digital等）；Giza推出面向機器學習工程師的zkML平台，支援將PyTorch模型輸出轉為STARK證明。
- 2024年3月：Fetch.ai、SingularityNET和Ocean Protocol宣佈合併成立“人工超級智慧聯盟”（ASI），計劃統一代幣，打造去中心化AI服務超級平台，專家系統、AI Agent和資料市場有望深度整合。
- 2024年6月：Chainlink釋出Transporter跨鏈橋和CCIP升級，增強鏈下計算整合能力，部分開發者開始利用Chainlink Functions呼叫鏈下專家模型並返回驗證結果。
- 2024年下半年至2025年初：DeSci生態持續活躍，Molecule Catalyst平台吸引數個科研組織試驗IP上鍊和自動化驗證條款；VitaDAO完成多筆針對長壽研究的鏈上資助，實踐社群驅動的專家評審和資金分配。
- 2025年4月：以太坊Pectra升級啟用，進一步提升了二層網路的可用性和降低資料費用，為高頻、低價值鏈上驗證操作創造了更好的成本條件（注：升級具體影響尚在評估中，各專案據此調整方案）。
- 中國動態：信通院持續推進“星火·鏈網”建設，多個地方在司法存證、碳資料管理領域啟用聯盟鏈規則引擎，2024年試點範圍擴大。螞蟻鏈、長安鏈體系在跨境貿易、政務中應用規則自動化合約，未涉及公開Token發行。
以上事件均來自公開媒體報道及專案公告，僅用於追蹤發展，不代表對專案的背書或未來預測。
14 追蹤指標
持續評估鏈上專家系統賽道，可關注以下量化與定性指標。
技術指標
- zkML證明生成速度與硬體需求：追蹤ezkl、RISC Zero、Giza等工具基準測試資料的提升。
- 鏈上驗證Gas費趨勢：重點關注以太坊L2各網路的證明驗證成本變化。
- 預言機AI服務整合數量：如Oraichain、Chainlink Functions上線的AI模型API數量。
市場與交易指標
- AI與大數據代幣總市值及20日均交易量：可來自CoinGecko、CoinMarketCap的分類板塊，反映市場情緒。
- 相關DeSci專案國庫規模與資助金額：如VitaDAO、Molecule平台的季度資助額和社群增長資料。
- 企業聯盟鏈PoC公開數量：統計大型諮詢公司、雲端服務商公佈的與鏈上規則引擎相關的概念驗證專案。
治理與生態指標
- 活躍知識貢獻者及專家節點數：在有公開資料的專案（如Numerai）中，追蹤參與預測賽事的獨立地址數和質押變動。
- 治理提案中涉及知識標準和質量維護的佔比：衡量社群對內容質量的關注。
- 監管展望更新頻率：關注FATF、歐洲ESMA、中國人民銀行等監管機構對AI和區塊鏈自動化決策的指導性檔案。
合規與風險指標
- 智慧合約安全事件：專門針對規則引擎/專家合約的漏洞利用事件。
- 法律責任認定先例：各國司法實踐中是否出現與鏈上自動決策責任相關的判例。
15 信源
本文資訊主要參考並交叉驗證自以下類別的公開資料（非完全列表），讀者可據此自行拓展研究。
專案官方文件與白皮書
- Numerai白皮書及相關技術部落格
- Oraichain技術文件與AI市場介紹
- Fetch.ai、SingularityNET、Ocean Protocol官方釋出及合併公告
- RISC Zero、ezkl、Giza的開發文件與效能報告
- Chainlink白皮書及CCIP/Function文件
- Molecule及VitaDAO白皮書與社群報告
研究機構與市場報告
- Grand View Research《AI In Blockchain Market Size, Share & Trends Analysis Report, 2023–2030》
- MarketsandMarkets《Expert Systems Market – Global Forecast to 2027》
- Messari Crypto + AI專題報告（2024年版）
- CoinGecko、CoinMarketCap分類板塊市值與交易資料
- 中國資訊通訊研究院《區塊鏈白皮書》及“星火·鏈網”相關報告
行業趨勢與專家觀點
- Vitalik Buterin: 《The promise and challenges of crypto + AI applications》（2024年1月）
- a16z、1kx等機構對DeSci和ZK×AI的投資主題分析文章
- 國內外科技媒體（如TechCrunch、Coindesk、The Block、PANews等）對相關融資和產品進展的報道
合規與監管資訊
- 中國網信辦區塊鏈資訊服務備案清單
- FATF虛擬資產展望更新摘要
- 歐盟MiCA法案相關章節及加密資產與AI交叉討論檔案
本文僅對產業鏈概念進行梳理，內容截至2025年5月公開可查資訊，可能存在滯後，不構成任何投資、法律或技術選型建議。