當 AI Agent 互相雇用，誰來監督？

ERC‑8004 解決了身份，ERC‑8183 解決了托管，那麼呢？

撰文：Thejaswini M A

編譯：Saoirse，Foresight News

在互聯網發展的很長一段時間裡，搜尋引擎只負責返回結果列表，其餘的全部工作都交由用戶處理。映入眼簾的，是藍色標題與超連結。之後我們點擊那些看起來和查詢需求相匹配的內容。但把這段經歷當作往事來講，感覺有些怪怪的，也不由得讓我生出幾分歲月感。

作為寫作者，我向來反感 SEO 這套東西。關鍵詞會毀掉文章裡不少精彩內容；在谷歌的排名邏輯裡，外部引用還會被視作投票。本質上，如果更多其他網頁指向你的頁面，你的頁面權重就會更高。不過也無可厚非，聊不上抱怨。某種可信度，總好過完全不被採信。廣告養活了互聯網的一切。但內容發布方顯然十分厭惡這套機制。

如今這套模式正在走向消亡。我想找一本金融經濟相關的書籍，或是想知道長時間走路之後腳踝疼痛該如何處理，我會直接打開 Gemini。有人會用 Perplexity，有人用 GPT。對 Token 消耗不敏感的人，則直接選擇 Claude。這些工具的效果，一定比讀完一整篇文章更好嗎？我們並不知道...... 或許並非如此，但它確實讓生活變得輕鬆。你不必去讀兩篇觀點截然相反的文章，AI 已經幫你把問題處理好了。

我認為，至少 30 歲以下的群體，已經不再把搜尋引擎當作一個需要主動訪問的入口。

隨後智能體（Agent）登場，徹底打破舊有格局。非人類流量已經超過人類流量。一個執行研究任務的智能體，可能會讀取上千個網頁，最終只輸出一份備忘錄。這和人類完全不同。因此，在智能體驅動的經濟體系中，廣告可能失去價值。我曾經寫過兩篇文章，探討軟體是否應當為自己索取的資源付費。我們得出結論：付費這件事本身，反而是最簡單的環節。

一個智能體在網絡中完成任務、實現價值結算，需要一套相互獨立的六層技術棧。

智能體需要找到網頁資源、信任返回結果、信任其他機器人、確認任務完成情況、完成支付，還要給內容創作者留下相應報酬。接下來，我們就按這個順序逐層展開。

真實網絡上有什麼？

機器和人類都在使用「搜尋」，但二者對網頁的訴求截然不同。

人類搜尋會返回完整網頁列表，由用戶瀏覽標題、自主選擇跳轉。面向 AI 智能體的機器搜尋則不一樣。智能體受上下文窗口（短期記憶）限制，不會完整瀏覽網頁。它不會返回按權重排序的全部連結，只會提取對任務最有用的少數段落，直接餵給模型，以此避免內存溢出，整個過程僅需毫秒級耗時。

該賽道兩大主要廠商為 Parallel 與 Exa，二者都是服務智能體搜尋的獨立公司。Parallel 由 Parag Agarwal 在離開 Twitter 之後創立，4 月完成 1 億美元融資，估值 20 億美元。Parallel 會根據明確目標執行搜尋，返回壓縮後的內容片段，片段會按照對任務的貢獻度排序，並且為每一條事實附上引用來源與置信分數。

再看 Exa，a16z 領投，5 月完成 2.5 億美元融資，估值 22 億美元。服務超過 5000 家企業、4 萬名開發者，為 Cursor、Cognition、HubSpot、OpenRouter、Monday.com 等產品提供底層能力。Exa 側重語義理解而非關鍵詞匹配，即便原文沒有出現查詢詞，也能夠返回匹配的內容，同時直接返回乾淨的網頁原文。

根據 Parallel 官方文檔，兩套高速檔位千次搜尋請求費用為 1 美元，兩套低速檔位千次請求 5 美元。無論網頁篇幅長短，URL 內容提取統一為千條 1 美元。Exa 千次搜尋請求收費 7 美元，是 Parallel 的 7 倍；網頁內容提取千頁 1 美元，帶引用的問答接口千次 5 美元。

搜尋效果究竟好不好？

谷歌大多在內部完成搜尋質量評估：判斷用戶是否點擊首條結果、停留頁面還是立刻跳出；同時雇用人工評分員對結果打分。過去也有 RTEC 這類測試，但不存在對外公開、可供採購的排行榜。Google Analytics、Similarweb 統計的是流量，而非搜尋質量。

而在智能體互聯網中，已經出現實驗室基準測試集，專門衡量搜尋工具能否幫助 AI 拿到正確答案。

OpenAI 於 2025 年 4 月發布 BrowseComp，包含 1266 道逆向構造的考題。出題人先確定一個可核驗的客觀事實，再設計問題，把事實隱藏在多重約束條件之下。如果先出題，就像普通知識問答，模型很可能依靠自身記憶或者一次幸運搜尋答對。而先確定事實、再做問題包裝，才可以真正檢驗工具的網頁檢索能力。

原生 GPT‑4o 得分僅 0.6%；開啟網頁瀏覽能力的 GPT‑4o 得分 1.9%；OpenAI 的 Deep Research 拿到 51.5%。

測試目標是驗證系統能否在真實互聯網中找到一條被隱藏、可核驗的事實並輸出。1266 道題目都有簡短標準答案，模型僅有一次作答機會，匹配即得分，不匹配不得分，最終分數等於答對題目占總題數的百分比。原生 GPT‑4o 0.6% 代表模型幾乎無法靠固有記憶獲取事實；開啟瀏覽的 GPT‑4o 得到 1.9%，說明基礎搜尋工具帶來的提升微乎其微；Deep Research 拿到 51.5%，代表更長的搜尋‑閱讀循環，大約一半概率可以找到目標事實。

除 BrowseComp 外還有其他評測集：SimpleQA（OpenAI，4326 個問題），一套易於打分的事實性測試；隨著瀏覽工具提速，SimpleQA 難度被模型輕易突破，因此才有 BrowseComp。GAIA（Meta / Hugging Face，466 道人工任務），面向真實助手場景，可能需要網頁瀏覽、調用工具、讀取文件、多步推理，不止單純搜尋。DeepSearchQA 是多輪檢索的研究數據集，Artificial Analysis 會基於該數據集做綜合評估。FRAMES（Google DeepMind，824 個樣本），多跳問題集，需要從多個來源提取事實再做整合。

私人機構 Artificial Analysis 由 George Cameron 與 Micah Hill‑Smith 聯合創立，2026 年 8 月 18 日發布搜尋指數。這套評測固定作答所用的 AI 模型與評測規則，只更換智能體調用的搜尋 API。分數發生變化，就代表差異來自搜尋工具本身，而非模型能力。

來源：@artificialanalysis

完全不使用搜尋的前提下，同一模型在該指數基線得分 33，BrowseComp 子集基線得分 17。即便各家搜尋服務商排名發生變動，基線分數始終沒有變化。

截至 8 月 27 日 Artificial Analysis 搜尋指數：Perplexity 中端版本以 80 分位居第一；Parallel 高級檔位與 Brave 同為 75 分並列；You.com、Exa74 分；Firecrawl、Parallel 基礎版、Parallel 高速版均為 73 分。

如果搜尋工具得分高於基線，代表搜尋確實幫助模型獲取新信息。邏輯如下：AI 僅靠記憶作答，得到基線分；接入搜尋之後分數上漲，代表搜尋找到了模型原本不知道的信息；分數沒有提升，則搜尋沒有起到作用。

但是評測本身存在局限：測試題目、所用模型都並非業務場景專屬。服務商可以專門針對已知測試集（例如 DeepSearchQA）做應試優化，就像過去網站針對谷歌做 SEO 一樣。

對面的機器人是誰？

當兩個 AI 智能體互相委託工作時，僅有錢包地址和簡介不足以建立信任。錢包地址僅能證明賬戶擁有資金，描述文本很容易偽造，無法證明機器人的開發者身份，也無法佐證它過往工作記錄是否真實。ERC‑8004 這套標準就是為了解決智能體真實身份與聲譽驗證而設計。

ERC‑8004 由 MetaMask、以太坊基金會、Google、Coinbase 相關人員共同編寫，2026 年 1 月 29 日在以太坊主網上線，包含三大註冊表。

第一，身份註冊表，以 NFT 形式實現。每個智能體對應一個編號代幣，代幣的統一資源標識符指向註冊文件，記錄智能體名稱、服務端點、是否支持 x402 支付、支持哪些信任模型。代幣持有者即為智能體所有者；代幣發生所有權轉移時，舊支付錢包信息會被清空，新持有者必須重新簽名證明控制權。

第二，聲譽註冊表，接收帶簽名的反饋，也就是鏈上公開評價系統。使用完智能體之後，用戶可以在鏈上留下評分，附帶任務標籤（例如搜索、評分）。智能體所有者無法給自己寫評價，評價支持撤回。任何人都可以在評價下方追加備註，退款記錄、垃圾警告都可以附加在評分旁邊。這是綁定智能體 ID 的公開評論區，不是某一個應用內部的私有星級系統。

第三，驗證註冊表，對接第三方獨立校驗。智能體發起驗證請求，驗證者智能合約返回 0‑100 的分數，同時附帶證據鏈接；證據來源可以是任務復跑結果、零知識證明，或是安全芯片出具的證明。

該規範本身不處理支付邏輯，文檔中也明確寫明這點。它只記錄智能體身份、外界評價、第三方校驗結果，支付交由其他協議完成。註冊表的數據質量並不理想。根據 8004scan 7 月統計，跨 29 條公鏈一共註冊 385998 個智能體，擁有超過 46 萬條評價。絕大多數 ID 只是空徽章；89.2% 沒有對外公布可調用的標準服務接口；僅有 8631 個智能體擁有可用服務，占比僅 2.24%。

來源：@8004_scan

5 月針對以太坊、BNB Chain、Base 鏈的爬蟲調研發現：鏈上評分無法在不同智能體之間橫向對比。大部分反饋沒有綁定任何人都可以核驗的任務結果，刷評價成本很低。標記過濾掉可疑評價之後，大量被評分的智能體已經沒有可用有效評價。該標準只統一評價數據輸出格式，哪些評價真實可信，交由外部系統處理。ENS、EigenLayer、The Graph、Taiko 都表示會接入該標準，但尚未開發評價過濾工具。

智能體真的完成工作了嗎？

Agentic Commerce 架構，由以太坊基金會與 Virtuals Protocol 聯合設計，目標實現自主 AI 智能體之間互相雇傭、協同工作、鏈上結算，全程無需人類中介。ERC‑8004 配合 ERC‑8183（托管標準）共同實現這套體系。ERC‑8183 標準化智能體之間任務發布、資金托管、結果核驗、結算全流程。

工作流程如下：發起任務的客戶端智能體發布任務，寫明任務描述、截止時間、預算，指定評估器。客戶端將資金存入智能合約，資金被鎖定，任何一方都無法單方面動用。

提供服務的智能體在鏈下完成計算，將最終結果上傳 IPFS、Arweave 這類去中心化存儲，鏈上只提交哈希或者資源定位符。評估器（可以是專門裁判智能體、自動化預言機、零知識證明驗證器）檢查交付成果。

評估器判定任務通過，則扣除手續費之後向服務方付款；判定失敗，則把資金退回客戶端。如果服務方失聯，或是評估器超過截止時間停滯，合約會觸發公開退款邏輯，資金退回客戶端，避免資產永久鎖死。

評估器也可以直接由客戶端本身擔任，文檔把這種模式作為無第三方場景下的常規方案。同時規範寫明：本協議不提供糾紛解決與仲裁機制，拒絕結果 / 超時到期即為最終判定。如果你選擇的打分機器人惡意坑騙你，沒有管理員、客服可以申訴。你求助無門；並且就上一層提到的問題，你也不能依賴鏈上評價去挑選可靠評估器，大部分評價都是虛假的。

UMA、Kleros、Bittensor 這類系統可以緩解評估器單點作惡風險，但會犧牲速度、抬高成本。純自動化托管結算可以秒級完成，手續費極低；而通過 UMA、Kleros 升級糾紛流程，需要挑戰窗口、質押保證金，還要引入人類參與投票。

資金是否完成轉移？

最近行業對這塊討論很多，這裡簡單說明。

x402 由 Coinbase 推出，是搭建在現有公鏈之上的一層協議，按請求扣費，使用穩定幣完成轉賬。

來源：@coinbase

另一套是機器支付協議 MPP，2026 年 3 月由 Stripe 與 Tempo 聯合發布，發布當天 Tempo 主網正式上線。MPP 是一套 HTTP 標準。伺服器返回 402 需要支付響應，附帶挑戰信息；智能體攜帶支付憑證重試請求；伺服器返回資源與支付回執。

資金實際流轉取決於底層通道。Tempo 鏈上單筆交易鏈上結算約 0.5 秒。面對一連串小額調用，智能體可以預先鎖定一筆資金，過程中持續記賬，最後統一上鏈清算，而不是每一次調用都發起鏈上交易。支付上限由本次會話鎖定額度或者訪問密鑰控制，不是「一次性授權、永久扣費」模式。

MPP 支持多種底層通道：Visa 發布卡片規範，智能體可以使用代幣化卡片支付；Lightspark 基於同一套 402 流程實現閃電網絡支付方案，同時配套 Visa 卡片計劃。已經接入 Stripe 卡片支付的商戶，可以直接接收 MPP 卡片支付，資金進入普通 Stripe 賬戶；閃電網絡是 MPP 規則下另一個可選通道。Stripe 同時支持 x402。x402 與 MPP 都復用 HTTP 402「需要支付」狀態碼，但二者屬於兩套不同協議。

內容創作者拿到報酬了嗎？

如果創作者拿不到錢，就不會再有新內容可供檢索。創作者無法盈利，就會停止發布作品，AI 智能體最終將耗盡新的閱讀素材。

Cloudflare、Parallel、OpenLedger 是該領域三個代表性項目。

Cloudflare 最初對爬蟲抓取網頁統一收取固定費用。這套方案過於粗糙，抓取首頁和抓取深度調查報導的扣費完全一樣。現在 Cloudflare 轉向按價值計費模式：只有當內容真正產生價值時，才向發布方結算報酬。同時，對於廣告盈利的站點，如果 AI 服務商拒絕付費，Cloudflare 會攔截 AI 爬蟲。

Parallel 於 5 月 19 日推出 Index 產品，借鑒合作博弈論中的沙普利值算法，計算每一條信息源對智能體最終任務結果的貢獻占比，據此完成分成。不再按點擊統一付費，而是通過數學模型衡量單篇文章對任務的實際貢獻。合作合作方包括 The Atlantic、Fortune、PR Newswire、PitchBook、ZoomInfo、Tracxn、RocketReach、Enigma、Fiscal AI。

目前 Index 僅在智能體使用 Parallel 自有搜索工具時才會進行結算。除非其他 AI 平台全部接入，否則它無法成為全網通用標準。

OpenLedger 是另一種方案，使用代幣體系。它統計數據集對 AI 模型的影響程度，用自家代幣向貢獻者發放報酬。這套方案面向 AI 訓練數據開發者，並非用來補償新聞記者的日常稿件。

我嘗試去查找這些項目實際付給創作者的真實金額數據。Cloudflare 沒有公開兌付數字；Parallel 也未披露；OpenLedger 以 OPEN 代幣結算，沒有對外公開獨立統計總兌付金額。因此，目前我們還沒有確鑿事實來評判這套機制的實際效果。

人類商業發展歷史中，收銀機反而是很晚才出現的產物。人類花了很多年建立口頭約定、本地聲譽體系之後，才發明低摩擦支付。而機器互聯網的發展路徑完全顛倒：它從誕生起就實現即時、流式全球結算。如今智能體經濟卻要手忙腳亂地去搭建鏈上小額糾紛法庭，防止兩個機器人因為幾美元的任務互相欺詐。

最後引用 Terry Pratchett 的一段話收尾：

「一味空談純粹邏輯，說機器只是執行收到的指令，固然說得輕巧。但人們有權期待，機器也該具備一點點常識。」