与Grok合作
人工智能的代码分析与漏洞发现能力已远超人类，达到千倍以上。许多过去依赖人工审计难以察觉的深层问题，如今AI能够精准且高效地识别。更重要的是，AI的能力正以月为单位快速迭代：今天无法发现的漏洞，明天就可能被暴露并被自动化利用。代码审计的速度，已明显滞后于AI的发展节奏。因此，一个当下看似安全的开源项目，未来很可能面临新的安全风险。
这意味着，开源代码的安全性，本质上已不再是一个静态的确定性问题，而是一个动态的不确定性问题。
这种不确定性对不同类型项目的影响差异显著。
对于开源AI模型而言，问题相对可控，因为模型作为工具，其不确定性属于内在属性，并不直接构成系统性风险。然而，在要求高度确定性的金融系统中，缺乏确定性的项目是难以被接受的。加密货币正是此类金融项目，因此将成为AI时代安全冲击的重灾区。据Chainalysis报告，2025年加密货币因黑客攻击造成的直接损失已超过34亿美元，而AI驱动的自动化漏洞挖掘和攻击能力，无疑将进一步放大这一风险，使攻击者如虎添翼。
比特币：经受17年实战检验的核心稳定
比特币自2009年1月创世区块上线，已稳定运行近17年。其核心代码功能极其简洁，经过长期实战检验，可靠性较高。然而，近年来围绕比特币生态的扩展实践（如基于SegWit和Taproot的Ordinals铭文及Runes代币协议），在一定程度上增加了系统的不确定性。这些创新虽为矿工带来可观的手续费收入，但也被部分社区视为“垃圾数据”占用区块空间，引发稳定性争议。2025年底提出的BIP-110提案（旨在通过软分叉限制非货币数据）进一步激化了这一讨论，目前仍在社区内引发广泛辩论。
比特币无法脱离开源模式，但必须对代码扩展保持极度审慎，优先保障其作为价值存储的核心功能，以最大限度降低不确定性。
以太坊：功能扩展与AI融合的两难
以太坊拥有约12年的历史，代码经过长期检验。其于2022年9月成功完成从PoW到PoS的重大转型（The Merge），当时比特币生态的兴起也部分源于市场对以太坊稳定性的担忧。所幸转型过程平稳，未出现重大问题。
然而，以太坊的功能扩展仍在持续推进。2026年路线图中的Glamsterdam（上半年）和Hegotá（下半年）两大升级，重点聚焦执行效率提升、提案者-构建者分离（ePBS）、Verkle树状态优化等，同时积极融入人工智能工具。Vitalik Buterin等核心人物多次强调以太坊的AI愿景，包括去信任化的AI交互、AI代理经济基础设施以及治理系统。
不结合AI难以保持竞争力，但结合AI又会引入新的安全不确定性，形成典型的两难局面。为应对这一挑战，项目方应延长测试网运行周期，严格控制代码增量，并常态化引入AI辅助安全审计。
应用层项目：高频迭代下的高风险
应用层项目代码改进和升级频率更高，变动幅度较大，潜在漏洞也更多。传统“开源即安全”的假设在此面临更大挑战。建议采用不开源或部分开源的策略，但账本（交易历史）和关键状态必须保持公开透明，以确保可审计性和信任最小化。
透明中心化 + 账本公开：AI时代的一种务实权衡方案
通过以上分析，在AI时代，“开源”已不再是加密货币项目的绝对金科玉律。市场的技术条件已发生根本变化——AI让漏洞发现从“人工月度审计”加速到“机器实时发现”，传统开源模式的安全红利正在被快速侵蚀。
透明中心化 + 账本公开，可能成为应对AI时代安全挑战的一种务实权衡方案。Hyperliquid项目便是一个典型案例：其核心节点/验证器代码目前仍为闭源（团队表示将在系统足够安全稳定后逐步开源），SDK及部分工具已公开，这也引发了社区对去中心化程度的持续讨论。然而，其交易账本完全链上公开透明，该模式实现了极致执行速度，同时在AI驱动的安全威胁下提供了更强的确定性保障。
当然，这种模式并非完美无缺，仍需通过形式验证、零知识证明、长期测试网等多层机制进一步强化。未来，加密货币项目或将普遍采用混合架构：核心共识层谨慎开源，应用层可闭源但辅以可验证执行环境，从而在创新速度与金融级确定性之间取得平衡。
结语
AI时代已彻底改变开源代码的安全范式。加密货币项目唯有主动适应——以更务实的透明度设计取代教条式的开源，才能在不确定性中筑牢金融系统的根基。比特币的谨慎扩展、以太坊的平衡创新，以及Hyperliquid式的透明中心化实践，正是行业在AI冲击下探索新路径的生动注脚。未来，谁能更好地管理这种“不确定性”，谁就将在下一轮周期中占据先机。
