把錢包交給AI之前：隱私、授權與責任邊界怎麼劃？

當AI越來越了解你的身份、偏好與資產，它可以替你選商品、下單甚至付款。但便利背後也出現了更棘手的問題：數據會不會泄露？每一筆支付是否獲得授權？如果智能體犯錯，責任應該由誰承擔？

9月23日，在2026上海區塊鏈國際周暨第十二屆區塊鏈全球峰會上，一場題為《為AI劃界：隱私計算與區塊鏈》的圓桌討論圍繞這些問題展開。Arkreen創始人Leo Lin擔任主持人，與Primus聯合創始人Xavier Xia、KUN Global首席安全官MOMO、賽昉科技邊緣計算事業部研發總監朱瀟瀟展開對話。

三位嘉賓分別從密碼學、支付安全和RISC-V硬體出發，討論了全同態加密、零知識證明、zkTLS、安全啟動、有限授權、Agent信用與責任追溯等關鍵問題。一個共同判斷是：AI不可能絕不犯錯，真正可行的路徑，是讓它只能在明確邊界內行動，並讓整個過程可驗證、可追溯、可止損。

以下為對話實錄整理。

AI知道得越多，邊界越難劃

Leo Lin：我們先從一個具體場景聊起。假如你有一個AI助手，它了解你的喜好和預算，可以幫你買東西、替你付款，確實很方便。但它掌握的隱私會不會泄露？花錢時有沒有得到授權？出了問題誰來負責？平台承諾「不使用你的數據」是否足夠，還是應該從技術上保證數據始終由用戶控制？

MOMO：平台承諾只是承諾，真正的隱私保護應該由技術來完成。AI智能體可以參與支付，但必須受到限制。小額支付、白名單支付可以自動執行；大額支付或首次支付，應該要求用戶二次確認和驗證。不能因為AI更方便，就把所有權限一次性交出去。

朱瀟瀟：數據首先應該儘量留在本地。確實需要傳到雲端或其他平台的數據，也應該先脫敏和過濾。安全不是上層應用把數據加密一下就結束了，而是要從CPU和晶片底層開始，包括安全啟動、硬體加密單元、隔離機制以及對特定密碼算法的加速，形成貫穿軟硬體的完整鏈路。

借用外部算力，但不交出數據

Leo Lin：如果本地設備算力不足，需要藉助第三方計算資源，隱私技術能否讓用戶使用外部算力，卻不交出原始數據，也不暴露接下來準備買什麼、以什麼價格下單？

Xavier Xia：這正是全同態加密可以發揮作用的場景。通常數據加密後，第三方無法理解語義，也就無法繼續處理；全同態加密允許計算節點直接對密文執行計算。用戶可以先加密支付偏好、財務資訊或其他敏感數據，再把密文交給第三方節點完成驗證和結算，最後只把加密結果返回給用戶。

第三方能夠提供算力，卻看不到原始數據。當然，引入新密碼技術後，協議設計、性能和成本都會發生變化，工程上仍要做取捨。

MOMO：從安全實踐看，可以把它理解為用戶提交一個計算任務。數據先在本地預處理，再把必要的資訊交給外部環境。重點不是「完全不用外部算力」，而是讓原始數據儘可能不離開用戶控制範圍。

不公開秘密，如何證明AI沒有作弊

Leo Lin：如果用戶不公開數據、模型細節和交易策略，交易對手憑什麼相信AI使用了獲授權的模型，按約定流程執行，而且中途沒有被篡改？

Xavier Xia：本質上，這是如何驗證AI智能體行為的問題。零知識證明可以讓一方向外界證明自己擁有某些秘密，或滿足某個條件，同時不披露秘密本身。放到AI場景里，可以證明智能體執行過程符合規則。

但把整個模型推理過程都做成零知識證明，技術和計算成本比較重。另一條更輕量的路徑是zkTLS。AI智能體往往要調用模型、數據源和業務API，外部很難判斷它調用的是指定的大模型、可靠數據源，還是未經驗證的第三方接口。zkTLS可以驗證數據來自哪個服務、API調用是否符合約定，同時不必暴露完整返回內容。

朱瀟瀟：硬體也能提供可信基礎。一台設備從上電到進入操作系統，要經過多個啟動階段。每一步都可以校驗簽名和密鑰，確認固件、操作系統和上層組件沒有被替換。模型版本、密碼算法和協議也可以預先約定，形成從晶片到應用的信任鏈。

MOMO：安全攻防本身就是不斷驗證的過程。過去做自動化滲透，會記錄使用了什麼漏洞、經過哪些攻擊步驟、最後得到什麼結論。AI時代也一樣，不能只看一個最終答案，還要能夠復盤它調用了什麼模型、執行了哪些步驟，以及依據什麼得出結論。

錢包不能把總鑰匙交給AI

Leo Lin：AI智能體如果可以替用戶付款，是不是應該把錢包完整私鑰交給它？還是只給一組有限、可隨時撤回的權限，例如限定金額、資產、收款方和授權時間？

MOMO：不應該把完整私鑰交給AI。更合理的方式，是在限定時間內授權它向指定對象支付一定金額。比如自動支付水電費，可以設置時間窗口和金額浮動範圍。智能體只擁有完成這項任務所需的權限，而不是控制整個錢包。

支付證明也可以與鏈上機制結合，用來確認授權和交易是否匹配。核心原則是最小權限，既滿足業務需要，也限制潛在損失。

Xavier Xia：我同意有限授權。白名單地址、金額上限、有效時間和可調用合約，都可以通過智能合約約束。隱私計算解決「不該看見的資訊不能看見」，區塊鏈則適合執行「不能越過的規則」。兩類技術結合，才能讓AI在處理資金和敏感資訊時既可用又受控。

朱瀟瀟：私鑰還涉及儲存位置。它可以保存在主晶片的安全區域，也可以使用獨立安全晶片。硬體隔離、安全儲存和可信啟動需要為上層的限額、限時和授權策略提供底層保障。

Agent之間如何建立信任

Leo Lin：未來可能是我的Agent直接和另一個人的Agent談判、交易。雙方第一次見面，既不認識對方，也不了解背後的控制人。它們應該看身份、歷史行為、資金擔保，還是可驗證的執行證明？

MOMO：單看某一項不夠。身份、設備、歷史交易和行為模式都要納入驗證，還需要多方共同確認。安全判斷很少依賴一個信號，而是把多個維度匯總後形成風險結論。

Xavier Xia：Agent也需要逐步積累身份和信譽。鏈上可以記錄它過去完成過什麼任務、是否按約執行，也可以引入保證金等機制。小額、低風險業務可以更寬鬆；大額支付或涉及敏感身份的業務，仍應遵守傳統金融中的嚴格規則。

公開上鏈的資訊應遵循最少披露原則。凡是可能傷害用戶或暴露業務策略的上下文，都不應該直接公開。即便內容已經加密，交易時間、調用頻率和交互路徑等旁路資訊也可能暴露機構正在做什麼，因此不是「加密後全部上鏈」就萬事大吉。

朱瀟瀟：Agent的信任機制可以類比人的信用評分。對方可以參考其歷史行為和評級，大額交易再增加人工確認或額外擔保。Agent是數字化主體，如果關鍵記錄可驗證，未來有機會形成鏈上信用。

AI犯錯後，責任如何劃分

Leo Lin：如果交易真的造成損失，責任在用戶、Agent開發者、模型提供方，還是算力、協議和錢包服務商？又該怎樣在保護隱私的同時把責任查清楚？

MOMO：AI一定會犯錯，不能假設它永遠正確。責任需要按環節劃分：用戶應為錯誤授權承擔相應責任；模型提供方和開發者也要為模型與代碼問題負責。更重要的是，在系統設計階段堅持最小權限，並保證過程可驗證、結果可追溯、事件可復盤，把錯誤造成的影響限制在可承受範圍內。

朱瀟瀟：從設備角度，可以通過可信啟動、設備身份和安全日誌判斷哪台設備、哪個階段出現異常。硬體安全單元需要保證記錄的唯一性和準確性，為後續責任認定提供可信依據。

Xavier Xia：軟體和硬體都可以生成可驗證的證明，也就是Attestation。證明可以放到鏈上，讓任何人核驗，但它本身不應泄露隱私資訊。零知識證明可以與硬體證明結合，先從較粗粒度的關鍵步驟驗證做起，再逐步擴展到更複雜的執行過程。

允許犯錯，但不能越界

Leo Lin：最後一個問題。在保護用戶隱私的前提下，我們最終需要的是一個絕不犯錯的AI，還是一個即使會犯錯，但只能在授權範圍內行動、過程可以驗證、出了問題可以追查、損失可以控制的AI？

朱瀟瀟：肯定是後者。工程上不可能保證AI完全不犯錯。能夠做的是從硬體到應用逐層校驗，保證系統儘量安全可靠；面對高風險操作或信用不足的主體，仍然需要人工干預。

MOMO：我總結為四點：數據可控、授權最小化、過程可驗證、結果可追溯。AI會犯錯，但只要錯誤能夠被發現、被補救，風險就有機會控制住。

Xavier Xia：AI本質上是機率系統，即使使用最新模型，也無法保證每一次輸出都正確。關鍵不是幻想一個永不犯錯的AI，而是確保它即使犯錯，也不會觸及用戶最根本的利益。區塊鏈和密碼學的價值，正是在AI高度繁榮的時代，為個人隱私、資產和權利保留清晰邊界。

Leo Lin：今天我們從「AI替人付款」這個具體場景出發，討論了AI可以知道什麼、能夠做什麼，以及犯錯後怎麼辦。隱私計算可以保護用戶資訊，區塊鏈可以核驗授權、執行規則並保留證據。最終的問題是：我們願意把什麼交給AI，又該怎樣守住邊界。

本文為現場圓桌實錄整理，僅作交流學習用途；個別產品與技術表述以實際情況為準。

來源：金色財經

發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。