来源：AI Agents in Action 峰会圆桌
时间：2026年3月31日
内容整理：Techub News

“如果 Web3.0 还没真正落地，Web4.0 就要来了吗？”

这是 Alma 在开场时抛出的第一个问题。3月31日的 AI Agents in Action 峰会上，这位 Techub News 创始人担任圆桌主持人，邀请四位来自不同基础设施层的嘉宾，试图回答一个关键问题：当 AI Agent 从概念走向大规模应用，谁来修路？谁来跑车？谁来铺最后一步？

嘉宾阵容

• Lambert Zhang — GAIB 投资人（算力层）
• JT Song — 0G 亚太区负责人（数据层）
• Harvey Chen — Monad Foundation 大中华区生态（执行层）
• Yuki — TON Foundation 亚太区机构业务负责人（分发层）

Web4.0：是趋势还是概念？

Alma 首先把问题抛给四位嘉宾：“我想问一下各位，你心目中的 Web4.0 是什么？你认为 Web4.0 时代已经到来了吗？”

Yuki 先给出了她的定义：“大家对 Web3 的定义是一个带有乌托邦色彩的愿景——绝对的去中心化、挑战权威、去掉中央管控。而今天我们谈论Web4.0，本质上是因为我们看见了Cypto与AI相互赋能的真实潜力，这种融合正在将 Web3 的愿景推向一个全新的维度。”

她进一步阐释道：“在我看来， Web4.0 是 AI 赋能可以全方位提升生产力，尤其是在支付能力上的突破。，未来，大量的经济行为将由自动化 AI 完成。一个典型的例子是：AI Agent 直接代替用户在 Polymarket 上完成下注交易。现在各大交易所，公链等等生态都在积极开发和布局自己的 AI 交易基建，比如x402 支付协议，Agentic wallet，TON MCP…都是往这个方向努力。”

Lambert 从投资视角回应：“我们觉得随着 AI Agent 更深度、更广泛的应用，算力需求肯定是日益剧增的。我们其实是在帮很多 AI 基础设施做投资，助力 Web4.0 时代的到来。我觉得这是一个趋势。”

Alma 追问道：“所以您觉得是即将要到来的时代？”

“对，一个趋势。” Lambert 确认。

相比之下，JT 的观点更为审慎：“我个人对 Web4.0 这个定义稍微有点异议，但趋势是不容质疑的。这个趋势的方向是 AI Agent 作为独立个体，在人类的经济和生活中慢慢会成为必然。但这个趋势最后会不会成为 Web4.0，我觉得还有争议性。”

他补充了一个关键洞察：“当 AI Agent 可以独立交易、独立持有资产，甚至能独立做决策，这个方向是毋庸置疑的。中间的核心难点是：你怎么相信它？”

Alma 敏锐地捕捉到这个点：“所以这就是 JT 想要解决的问题——从数据层让 AI 的决策可追溯、可验证。”

Harvey：“ Web4.0 是关于定义问题，但是AI或智能体经济已经开始渗入各行各业”

Alma 顺势追问：“那你觉得 Monad 现在准备好了吗？生态的开发者都准备好了吗？”

“我觉得 AI Agent 对链最大的改变，是把交互从‘人类低频操作’，变成‘机器高频并发决策’。”

“在这个模型下，TPS 已经不是最核心的问题，真正的挑战是：在高并发下，执行是否仍然稳定、低延迟、且可预测。”

数据层：可信性才是最大的瓶颈

Alma 随后把话题引向数据层：“如果说算力是 AI Agent 的能源，那数据其实是 AI Agent 的口粮，可以这么理解吗？AI Agent 要在链上自主行动，需要持续的获取、验证和存储大量数据。那么数据层今天最大的瓶颈是什么？”

JT 直言不讳：“成本、速度、可信都是痛点，但最痛的痛点，可信要排在第一位。”

他举了一个例子：“就像 UK 刚才举的豆包，我发现一个很危险的事情——很多人包括父母跟豆包聊太多会产生依赖。我一个朋友问豆包能不能空腹吃药，豆包说没问题，吃完后胃疼了一天。豆包还是有幻觉。”

Alma 回应道：“确实，现在这个 AI Agent 的幻觉问题确实还是蛮严重的。”

JT 继续：“这种幻觉如果涉及医疗或重要问题，你出现问题谁负责？所以我们需要可信性，可信性也是建立在数据的透明化和可确认的基础上。这也是为什么我们现在没有办法拿 AI 进行核心决策——比如用 AI 做诊疗，AI 能力可以代替很多普通医生，但为什么美团买消炎药还需要线上医生开处方？因为确权——出现问题时你得有人负责。”

Alma 总结道：“所以 0G 要解决的是让 AI 的决策可追溯、可定责。”

执行层：并行才是答案

Alma 把话题转向执行层：“AI Agent 还需要执行——当成千上万个 Agent 同时发起交易、调用合约、进行协作时，底层的压力会和今天完全不同。Monad 的并行执行架构在这种 Agent 并发场景下，最核心的优势是什么？AI 时代对链的要求和传统 DeFi 有什么根本不同？”

Harvey 详细解答：“我觉得 一个 Agent 的完整工作流其实是一个闭环——从提出意图，到获取数据、做决策、执行交易，再到结果反馈和复盘。”

“如果这个过程的执行是不可预测的——比如延迟不稳定、交易可能失败、成本不可控——你其实是不敢把重要决策交给 Agent 的。”

“所以 Agent 时代的核心不是能不能执行，而是执行是否可预测。”

Alma 追问道：“那跟传统 DeFi 场景相比，核心区别在哪里？”

Harvey 解释：“这就是为什么执行层的设计变得非常关键。”

“在高并发场景下，很多 Agent 的交易其实是互不冲突的，但如果底层是串行执行，它们会被迫排队，最终表现出来就是拥堵、失败率上升，以及 gas 的不稳定。Monad 的并行执行，本质上是在解决这个问题——把这些本来互不影响的交易从串行队列中解放出来。”

“这带来的不是表面的 TPS 提升，而是更高的‘有效吞吐’，更低的失败率，以及更稳定的执行体验。”

“所以从我们的角度看，Agent 时代执行层的核心指标不是峰值性能，而是：在高并发下依然可预测的执行能力。”

“这也是 Monad 并行执行真正想解决的问题。”

分发层：11 亿用户的想象空间

“最终还是要面向用户。” Alma 把话题引向分发层，“Telegram 有 11 亿用户，TON 在支付和 DApp 场景有独特优势。我想问两个问题：第一，TON 生态中目前有哪些 AI Agent 的落地产品让你印象深刻？第二，Telegram 社交场景加上 TON 的链上能力，接下来可能会催生什么样的杀手级 Agent 应用？”

Yuki 首先分享了一组数据："我们刚刚举办了一场线上 AI 黑客松，共收到超过 180 个项目提交。让我印象最深刻的，是那些能够整合多个大模型底层能力、并将其封装成具备独特商业化模式的产品——这类产品天然具备实现大规模用户增长的潜力。"

她随即举出了几个具体场景："以跨境电商为例——用户只需通过语音与 AI 交互，AI 便能自动筛选出可配送至当地的商品信息，并直接完成链上支付。这是一个极易触达普通用户的场景，毕竟人人都有购物需求。"

"再比如法律咨询、税务申报等专业服务领域——用户只需向 AI Agent 描述自己的需求，AI 便能自动生成解决方案。从商业模式角度来看，边际成本极低，只需对 AI Agent 进行一次性的专业领域训练，便可持续服务海量用户。对小规模商户来说，也是低成本享受专业咨询服务和合规体系搭建的方式。"

Alma 回应道：“我自己用各大模型也会感觉到每个模型能力不一样。像我爱人是大学数学老师，他用 GPT 解决数学问题发现 GPT 最聪明，但代码方面 Cloud 肯定更好——每个模型优势可能都不一样。”

Yuki 进一步描绘了她对未来的想象："在 Telegram 与 TON 生态中，我们有望看到成熟的 Agent Skill Marketplace 的出现——用户可以直接付费调用各类 Agent 的专项能力。你可以把 AI 训练成专属于自己的'数字员工'——有的负责处理日常工作事务，有的代你执行链上交易。这不只是工具的升级，而是生产关系的一次深刻重塑。

核心碰撞：Agent 真的需要区块链吗？

这是 Alma 抛出的一个尖锐问题：“我最近接触很多 AI 原生开发者，他们其实不愿意跟 Crypto 有关联——觉得自己就是 AI 创业者，做 AI 就行了。那么 AI Agent 是否一定需要区块链？跟 Crypto 结合的不可替代性在哪里？”

Lambert 从算力角度率先回答：“去中心化算力网络可以把这些闲置的 GPU 集中起来，租给 AI 创业者。为什么会有闲置的 GPU？训练基础模型时可能需要 100 台机器连续用 6 个月，训练完成后大部分可以用于推理，这中间一定会有闲置机会。去中心化算力网络可以把这部分算力以比较便宜的价格供给 AI 创业者——尤其是刚起步的 AI 创业者，把这部分成本尽可能压低。”

Harvey 明确表达立场：““我其实同意很多 AI 开发者的直觉——大部分 AI 应用本身是不需要区块链的。”“但问题不是‘AI 要不要 Crypto’，而是：当 Agent 开始自主行动、持有资产、与其他 Agent 交互时，传统系统是否还能支撑。”

“一旦 Agent 从‘工具’变成‘参与经济活动的主体’，你就需要一套开放、可编程、无需许可的经济基础设施。最先落地、也是最明显的一点就是支付。”

“因为 Agent 的支付模型和人类完全不同——是高频、自动化、极小额的。”

“而稳定币 + onchain 支付，可以把支付精度、成本和可编程性压到机器级别，这是传统系统做不到的。但我觉得更重要的是，Crypto 不只是支付层，它其实在提供 Agent 之间的‘信任与结算层’。”

“所以我的看法是：AI 不需要区块链，但 Agent 经济一定需要一种像区块链这样的系统。”

Alma 追问道：“那除了支付，还有什么场景是必须结合的？”

JT 补充了三个理由：“第一个是资产端交易端——你只要涉及到金融、理财、资产管理，涉及让 AI 帮你跟钱相关的事情，没有比 Crypto 更有效的，这是 Crypto 跟传统金融可以有强烈竞争性的地方。

第二个是确权——你没有办法确定 AI 的工作到底有没有完成，这个数据上链也非常重要。

第三个是记忆层——我们生态有项目已经解决了不同大模型之间记忆的互通。你所有跟 Agent 交流的 memory 会在每 24 小时在链上同步一次——相当于你重新开一个浏览器安装插件导入你的 memory，20 秒后全部统一。”

Yuki 给出了一个更直接的视角："从 C 端来看，普通用户对 Crypto 的抗拒，本质上是使用门槛的问题——不熟悉钱包操作、担忧资产安全。而 Telegram 内嵌钱包的战略价值正在于此：它将链上能力封装在用户最熟悉的社交界面之下，让用户在无感知的状态下完成链上交互，这是实现大规模用户增长的关键路径。"

"从 B 端来看，AI 公司对 Crypto 的疏离，更多源于行业早期的投机属性、不成熟的商业模式，以及与主流 AI 开发工具链之间较高的集成摩擦成本。大多数 AI 创业者更倾向于专注产品本身，通过订阅或 API 服务变现。这是完全可以理解的路径选择。"

然而，她话锋一转："但如果我们认真审视 AI Agent 的支付需求，会发现 Crypto 并非可选项，而是技术上最契合的原生路径。传统金融体系的 KYC 机制、账户审批流程根本无法适配 Agent 的自主运行逻辑。在法币通道之外，Crypto 是目前唯一能够支撑 Agent 自主支付的可行方案。"

"更深层的优势在于智能合约的可编程性——当一笔交易的规则已经被部署在链上，AI Agent 只需按条件触发执行即可，整个过程无需第三方信任背书。这种'代码即规则'的特性，天然契合 Agent 之间高频、自主的协作与结算场景，是传统支付体系无法复制的结构性优势。"

Alma 总结道：“所以几位嘉宾讲得非常好——从 C 端角度，他们害怕是因为不会用；从 B 端角度，他们看不上是因为早期很多投机属性。但 Crypto 的速度、抗审查、low cost 这些属性，是必然天然会被 Agent 采用的，也是唯一的货币通路。”

结束语

Alma 在总结时说了这样一段话：“非常感谢四位嘉宾的精彩分享。我们分别从算力到数据、到执行、到分发，共同探讨了 AI Agent 的基础设施。我们可以看到，虽然现在行业处于一个雄势状态，但还有这么多 builder 在认真建设。我们觉得 AI 和 Crypto 结合应该一定会到来，而且不会只靠一个链、一个协议或一个趋势，而是在这四个层面上真正形成一个闭环。”

这场圆桌的精彩之处在于 Alma 作为主持人，始终在“穿针引线”——从 Web4.0 的定义追问到数据层的瓶颈，再到执行层的性能问题，最后引出“Agent 是否需要区块链”这个核心碰撞。四位嘉宾虽然来自不同项目，但对“AI Agent 需要 Crypto”的判断空前一致。这或许意味着，Agent 基础设施的爆发，不会只是 AI 行业自己的事情。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。