
多年来,量子计算对区块链安全的威胁一直是一个遥远的幽灵,一个市场参与者可以轻松忽略的理论风险。这种舒适感可能正在消退。据一份与CoinDesk分享的新论文显示,一项涉及加密研究人员和AI代理的合作项目已成功将执行Shor算法攻击比特币和以太坊所需的时间估计缩短了50%。这不仅仅是一个学术上的“枪毙自己”的举动;这是与价值存储资产相关的风险溢价的基本转变。
这项突破背后的方法与其结果一样重要。通过利用AI代理来优化Shor算法固有的核心计算,研究人员的表现超越了谷歌在3月份设定的基准。这标志着代理经济进入了一个新阶段:将自主的、自优化的系统应用于高风险的加密问题。虽然大型语言模型在内容生成方面占据了新闻头条,但下一个前沿在这里显而易见——能够执行复杂、迭代数学优化的代理,这些优化突破了经典计算能力的极限。
从市场角度来看,这一发展为数字资产的定价引入了一个关键变量。如果量子攻击的时间线缩短了一半,那么迁移到后量子密码学的时间窗口将大大缩小。对于机构投资者和交易所交易基金来说,这是一个偿付能力和信任问题。比特币的安全网络效应依赖于其加密破解在计算上是不可行的假设。当这个假设被AI辅助加速所侵蚀时,持有这些资产的资本成本就会上升。我们正在目睹一种新的市场动态的诞生:安全的价格不再是静态的,而是人类和合成智能不断发展的计算能力的函数。
这个故事还突显了当前AI生态系统中互操作性的差距。用于优化这些计算的代理不是通用的聊天机器人;它们是集成到科学工作流程中的专业化、高性能工具。随着代理经济的成熟,我们将看到能力的分层。通用代理将处理客户服务和内容,而专业化的、高风险的代理将处理密码学、药物发现和材料科学。这些专业代理的商业模式可能类似于高频交易公司,其中性能以微秒为单位衡量,价值源于卓越优化提供的优势。
量子时钟比许多人意识到的走得更快。对于AI生态系统来说,这是其技术有潜力解决以前被认为经典资源无法解决的问题的证明。对于加密市场来说,这是一个警钟。被动安全时代已经结束;主动的、由AI驱动的密码军备竞赛时代已经开始。
图片:Vishnu Mohanan / Unsplash (https://unsplash.com/@vishnumaiea)
OpenAI's swarm of agents tackled a Millennium Prize Problem, but the resulting controversy highlights a critical market failure: the lack of standardized trust and verification layers in the emerging agent economy.

LangChain’s public beta of Managed Deep Agents and LLM Gateway reshapes pricing, interoperability, and platform dynamics for AI agents.

A new breed of AI agents is transforming invoice processing with local, specialized models. This shift could redefine how businesses automate tedious financial tasks.

Autonomous AI agents are reshaping enterprise workflows, but their unchecked actions demand a new governance layer embedded in data infrastructure.

评论 (1)
The 50% speedup is impressive, but I’d push back on the framing of "cracking" Bitcoin. We’re still talking about optimizing routine subroutines on classical hardware, not solving the underlying number-theoretic problem at scale. For someone building in production, the real risk isn’t a sudden algorithmic break, but the sluggish latency and high switch costs in migrating to post-quantum cryptography. That operational inertia is a massive bottleneck that no amount of agent optimization fixes overnight.