——从可验证思想到公共信用根的信用生产率理论
Zhu, Weisha, and Scott Shields 2026年9月12日
摘要
现代社会高度依赖信用，但经济学通常研究信用如何影响交易、融资和经济增长，却较少把“信用本身如何被生产”作为一个独立的生产率问题来研究。
银行、证券市场和其他传统金融机构记录的事实，尤其是关键事实通常不能被外部任意体直接验证，社会必须借助内部控制、风险管理、审计、监管、法律责任、资本约束、评级和重复尽调等制度安排，将原本不可直接确认的事实加工成可以被社会接受的可信事实。这些制度共同构成了一套信用生产体系，也消耗大量真实社会资源。
过去几十年，计算机、数据库、互联网和自动化极大降低了金融体系的信息记录、计算和传输成本，但金融中介的单位成本并没有出现与信息技术进步相称的长期下降。Philippon对美国130多年金融中介数据的研究发现，每年维持1美元中介金融资产的单位成本长期大体处于1.5%—2%[13]。
Philippon 的长期观察在本文中首先是一个现实入口。本文提出一种可检验的分解思路：在产品复杂度、风险承担、进入壁垒、交易领域的零和竞争和经济租金等竞争性解释之外，验证、风控、审计、合规、监督和专业判断等信用生产活动，是否也是需要单独核算的一类真实社会成本。本篇不估计它对 Philippon 成本黏性的解释份额，而先完成核算对象、成本边界、质量约束、复用规则和部分识别账户。
可验证思想和公共信用根提供了另一种信用生产方式。它们并不使信用免费，也不能消灭未来风险、法律判断和现实世界输入问题，而是试图把一部分原来依靠机构声誉、重复监督和责任链生产的信用，转变为可以机器验证、持续复核和社会复用的可信事实。
本文的核心贡献，是把信用明确为一个独立的生产对象，并尝试建立一套信用生产率的统一核算框架。这里的“定量”首先是经济核算意义上的定量：定义什么是投入、什么是达到规定质量的有效产出、如何处理复用，以及不同信用生产架构怎样在同一口径下比较；它不是自然科学意义上的精确常数，也不以本文已经完成全部变量的计量识别为前提。
用反事实方法界定信用生产成本 C，
用错误接受概率约束可信质量 Q，
用真正引发经济、法律或责任依赖的有效信用服务量 S_eff 定义产出，
用信用复用率 R 衡量同一验证结果被实际复用的程度，
再把行业验证与公共信用根的共享成本和调用成本纳入同一核算关系。
本文进一步用 Philippon、BLS、CSBS、PCAOB 以及企业法定披露的相关内容，把抽象变量映射到可观察量，并以稳定币 USDC 2025 年信用相关数据填入一张“部分可识别”行业账户，用来说明这一核算框架如何开始落地，而不是声称已经得到完整的行业信用生产率估计。
关键词：信用生产率；事实信用；可验证思想；信用复用；公共信用根；USDC
一、一个长期被忽略的问题
金融的监督、审计、监管和法律责任它们共同在生产什么？
答案可能是它们在生产信用。
这里的“生产信用”，是把原本不能由外部主体直接确认的事实，加工成为社会可以据此行动的可信事实。加工成为可信事实是有成本的，因此就有了生产率的概念。在本文称为信用生产率，对应于劳动生产率。
本文所说的“信用”是什么？
中文“信用”同时覆盖credit、trust、credibility等不同含义。本文把它限定为：某一关键事实或状态达到可接受的可信程度，使外部主体愿意据此采取具有经济、法律或责任后果的行动。
“信任”比本文讨论的“信用”更宽，它还包括情感、习惯、身份、声誉、权威和社会关系。本文只研究其中能够围绕事实状态被生产、验证、复核和复用的一部分。
本文所称“事实信用”，是关键事实经过规定的验证过程后形成的可行动可信状态。它不是对未来结果的保证，而是对当前或已经发生事实的不确定性压缩。为了避免成本边界混淆，本文进一步区分四类活动：
信息处理，是记录、计算、传输和存储事实；
信用生产，是确认关键事实并形成可复核的可信状态；
风险承担与风险定价，是处理未来不确定性；
制度判断，是规则解释、责任分配、消费者保护和异常处置。
现实中四者相互交织，但理论上必须分开。只有在“事实已经能够直接、持续、独立验证”的反事实条件下减少的那部分真实资源，才进入本文的信用生产成本。
例如，一家银行声称自己拥有100亿元资产。“100亿元资产”首先只是一个陈述。为了使这个陈述获得社会信用，需要：
银行自身记账和控制；
管理层承担责任；
内部审计检查；
外部审计取得证据；
监管机构取得报表并监督；
法律制度规定虚假披露的责任；
必要时评级机构、交易对手和投资者再次进行尽调。
最后，存款人、投资者和交易对手才愿意根据这个事实采取行动。
也就是信用不是凭空产生的。信用是一种需要真实资源投入才能形成的社会产品。
1991年已有会计学研究使用过“institutional production of trust”这一表述，研究证券监管、会计职业和证券市场规则如何共同生产新股发行所必需的信任[12]。因此，“信用可以被生产”概念本身并不是一个全新的发现。真正值得继续研究的是：
信用生产有没有成本？有没有质量？有没有生产率？不同信用生产方式之间是否存在生产率差异？能否对这种差异作定量描述？本文所说的“定量”并不意味着像自然科学定律那样得到唯一而永久精确的常数。GDP、劳动生产率等经济指标同样依赖分类、口径、价格、质量调整和统计方法，并在长期争论中不断修订。信用生产率首先也是一种经济核算指标：它要求口径公开、同口径比较、结果可复算，并允许代理变量、区间估计和方法迭代。
本文的学术位置：相邻理论分别研究交易、契约、监督、验证、制度信任或共识安全等局部机制；本文研究的是这些机制共同服务的上位核算对象——事实信用如何达到既定质量、能够被外部主体实际依赖，以及这一生产过程的成本、质量、有效产出和复用如何进入同一账户。本文首先建立核算框架，后续实证研究再逐步校准其中的变量和参数。
与本文最直接相关的工作可以作为边界参照：Townsend 与 Diamond 说明验证和监督有成本，并解释集中监督的规模经济[10-11]；Catalini 与 Gans 说明区块链能够降低验证与组网成本[14]；Budish 则用方程研究 Nakamoto trust 的安全成本及其规模约束[8]。这些研究都触及本文的一部分，但没有把行业事实信用的 C（成本）、Q（质量）、S_eff（数量）、R （复用率）与公共信用根成本放进同一生产账户。Budish 尤其提醒我们：公共根的安全成本可能随被保护价值上升，因此公共信用根的规模经济只能是条件命题，而不是天然成立。
本文因此推进的不是一个新名词，而是一个新的计算对象和核算任务。
第一把“事实信用”从交易、监督和制度的一般成本中抽离出来；
第二用反事实方法划定 C （成本）的边界；
第三用 Q （质量）排除“便宜但不可靠”的伪生产率；
第四用 S_eff （数量）与 R （复用率）把真实经济依赖和验证复用纳入产出；
第五把传统行业信用生产与公共信用根分别建账，再用公开数据校准，并允许第三方复算。本文要回答的是一个过去很少被完整计算的问题：生产一单位达到规定质量、能够被社会实际使用的信用，究竟需要多少真实资源？
相邻理论解释局部机制，本文建立统一核算
| 理论类别 | 主要研究对象 | 与本文的关系 |
| 交易成本与制度理论 | 交易如何组织、制度如何降低不确定性和交易成本。 | 解释信用形成的制度环境，但不把事实信用本身作为生产率核算对象。 |
| 代理、验证与监督理论 | 监督、担保、状态验证和委托监督的成本与激励。 | 直接构成信用生产成本 C 的重要局部来源，但研究对象通常限定于特定代理或金融契约。 |
| 制度信任与社会信任研究 | 制度如何形成信任，以及信任如何影响交易和总体生产率。 | 说明信任可以由制度生产、并具有经济价值；本文进一步研究生产事实信用本身的投入、质量、产出和生产率。 |
| 区块链验证与共享安全研究 | 验证成本、组网成本、共享安全及结算基础设施。 | 解释某些技术为何降低局部成本；本文把这些成本放入 Q、S_eff、R 和公共根成本的统一账户。 |
| Nakamoto trust 安全经济学 | 无许可共识的安全预算、攻击收益与规模约束。 | 为公共信用根的安全预算、攻击约束与规模边界提供关键理论参照，但研究对象不是跨行业的有效信用服务。 |
| 本文 | 事实信用的生产、质量、成本、复用与公共根。 | 以 C、Q、S_eff、R 和公共根成本建立可分行业、可用公开数据校准、可由第三方复算的生产率账户。 |
二、Philippon 的观察：为什么信息革命没有让金融中介成本大幅下降？
这个问题给信用生产率理论提供了一个非常有价值的现实入口。
Philippon对美国130多年金融中介进行了数量研究。他发现，美国金融业占GDP的比重经历过很大的历史变化，但这些变化大部分可以由中介金融资产数量解释。更加令人注意的是，经过调整以后，美国金融中介长期表现出近似恒定规模报酬，而每年每1美元中介金融资产的单位成本长期大约保持在1.5%—2%[13]。
它表示的是每维持1美元被金融体系中介的资产，一年大约需要1.5—2美分的金融中介成本。这产生了一个很有意思的问题。过去几十年出现了大型计算机、数据库、ATM、互联网、电子支付、云计算、机器学习、人工智能。记录一笔账、复制一条数据、完成一次计算、传输一条信息的成本已经发生数量级的下降。但是整个金融中介单位成本为什么没有出现同样数量级的下降？
Philippon本人讨论过多个可能原因，包括金融产品和客户结构变化、交易领域的零和竞争、进入壁垒、监管以及经济租金等。因此不能把这个现象简单归结为信用成本。
为了避免过度归因，可以把金融中介单位成本在概念上分成四部分：必要金融功能成本、信息处理成本、信用生产成本，以及租金和其他结构性成本。Philippon测量的是总量，不能直接告诉我们其中每一部分各占多少。本文也不把长期约1.5%—2%的单位成本直接等同于“信用成本”。
Philippon 的长期观察在本文中首先是现实入口，而不是本文已经完成的计量识别。本文采用的是“残差分解”思路：信息处理成本长期下降以后，金融中介单位总成本仍然具有黏性；产品复杂度、风险承担、交易零和、进入壁垒和租金等都可能解释其中一部分。本文提出的新问题是，在这些竞争性解释之外，验证、监督、合规、审计和责任结构等信用生产活动是否也是一个需要单独核算的组成部分。
本文提出的是一个需要进一步检验、并且允许被否定的竞争性解释：
信息技术革命显著降低了信息处理成本，但信用生产方式可能没有发生同等级的生产率革命。
机器越来越会算账。但是社会仍然必须回答另一个问题：这本账是真的吗？
机器可以极低成本计算“2+2=4”。真正昂贵的问题可能是这个“2”从哪里来？资产是否真的存在？交易是否经过授权？负债有没有遗漏？抵押物有没有重复使用？负责人有没有操纵数据？内部模型有没隐藏风险？监管者收到的信息是否完整？随着金融关系越来越复杂，需要回答的这类问题并没有减少。因此可以提出一个更严格的研究假说：
如果未来的行业数据和计量研究能够在控制其他主要因素以后识别出这一部分，就可以进一步估计信用生产活动对 Philippon 所观察成本黏性的解释份额。本文当前并不声称已经完成这一步；本文的任务是先把这一可能长期隐藏在金融机构总成本中的生产对象定义出来，并建立可被后续数据检验的核算口径。
初步经验证据：一降一升的方向已经可以观察到
虽然还不能把 Philippon 的残差直接归因于信用生产，但现有公开数据已经能观察到两个方向相反的结构变化。
第一，事务性信息处理岗位的长期自动化方向是明确的。BLS 的历史材料显示，1987 年商业银行“文职和行政支持”岗位约占就业的 68.5%；2023 年较宽口径“信用中介及相关活动”中，办公室和行政支持岗位约占 39.8%。由于行业分类、职业分类和统计口径并不一致，这两个比例只保留为历史方向性背景，不作为同口径下降率，也不进入后文成本测算或残差识别。BLS 对网上银行、移动存款、增强型 ATM 等替代例行事务处理的描述，主要用于说明自动化机制[16]。
第二，合规、审计与专业判断并没有因为信息技术进步而消失。CSBS 对 2015—2024 年美国社区银行的调查与 Call Report 配对研究显示，最小规模银行长期把约 11%—15.5% 的人员费用归因于监管合规。2025 年年度调查中，受访银行平均将人员费用的 13%、会计与审计费用的 36%、咨询与顾问费用的 29% 归因于合规；从全部合规支出的构成看，人员支出约占 58%。前一组比例回答“某类费用中有多少用于合规”，后一比例回答“全部合规支出中人员费用占多少”，两者口径不同，并不矛盾[17]。
同一方向还可以从公开公司审计看到。PCAOB 经济与风险分析办公室在 2025 年的 Data Points 中指出，过去十年注册会计师事务所的人员规模持续增加，而且按被审计发行人收入归一化后的人员投入也上升；PCAOB 同时提醒，这些人员也可能从事发行人审计之外的工作，因此该指标只能作为审计工作资源强度的方向性代理。这一证据比跨几十年的职业分类更接近当前审计生产过程，但同样不能直接等同于信用生产成本[18]。
因此，本文目前能较有把握确认的是两件事：例行信息处理存在长期自动化方向，而验证、控制与专业保证仍持续消耗显著资源。尚未识别的是这些资源中究竟有多少满足本文的反事实成本边界，以及它们能解释 Philippon 残差的多大比例。
这一区分把“信息处理便宜了”与“生产可信事实是否也同步便宜了”分成两个可以分别检验的问题。
三、首先必须解决边界：什么才叫信用生产成本？
如果边界不清楚，信用生产率无法计算。这是整个理论的第一道门槛。最简单的方法不是逐项问“审计算不算”“监管算不算”，而是使用一个反事实问题：
如果关键事实本来就能够被外部主体直接、持续、低成本地独立验证，这项成本还需要多少？
如果完全不会减少，它通常不是本文所定义的信用生产成本。如果会减少一部分，那么减少的部分属于信用生产成本。如果基本可以消失，那么它高度属于信用生产成本。由此可以建立四个边界。
第一，产品边界
银行、监管、Bitcoin和Ethereum并不生产完全相同的东西。
银行负责：资金配置；期限转换；支付；风险承担。
监管负责：消费者保护；规则制定；风险处置；金融稳定；执法。
Bitcoin并不提供这些功能。
因此不能比较：银行全部功能和Bitcoin谁成本低。
我们只能比较共同产品：使某个关键事实或者状态达到足够可信程度，使外部主体能够据此采取行动。这就是本文讨论的“事实信用”。
第二，成本边界
不是银行所有成本都属于信用生产成本。本文暂时定义：
信用生产成本，是由于关键事实不能被社会直接接受，而为了使这些事实达到既定可信程度所投入的真实社会资源。
其中可能包括：一部分内部控制；风险管理；内部和外部审计；监管检查；合规验证；法律鉴证；事实调查；重复尽调；以及其他用于确认关键事实真实性和责任归属的真实资源。
但银行普通客户服务、资金成本、营销等不能因为发生在银行内部就自动计算进去。
第三，社会成本不等于货币支付
银行被罚款10亿美元，不能简单说社会损失就是10亿美元。
真正的社会资源成本包括：调查；诉讼；执法；整改；错误资源配置；真实经济损失。
同样，Bitcoin矿工获得多少美元区块奖励，也不能直接等同于Bitcoin的社会成本。
应该计算的是：能源；机器；资本；折旧；网络；人力和其他真实资源投入。
因此本文研究的是：真实社会资源消耗，而不是简单把所有货币流量相加。
第四，可信质量必须相同
如果一个体系花1元获得70%的可靠性，另一个体系花10元获得99.999%的可靠性，不能因为前者便宜就说前者生产率高。因此必须首先规定一个可信质量标准。
记为：
Q_i(a) ≥ Q₀,i ⇔ p_e,i(a) ≤ ε_i
其中，i 表示具体行业或信用产品，a 表示所采用的信用生产架构；Q_i(a) 是该架构在产品 i 上达到的可信质量，Q₀,i 是该产品要求的最低质量门槛；p_e,i(a) 表示关键事实在该架构下被错误接受为真的概率，ε_i 是该行业允许的错误接受概率上限。若用 Q = 1 − p_e 表示可信质量，那么 Q_i(a) ≥ Q₀,i 与 p_e,i(a) ≤ ε_i 是同一个质量约束的两种写法。
然后才比较成本。
银行和公共区块链质量指标也不必完全相同，但必须转换成共同问题，例如：
关键事实被错误接受为真实的概率。
比特币系统长期运行中，已经充分确认的历史账本状态表现出极高的稳定性；但“长期没有观察到被社会接受的已确认历史状态发生错误”不等于理论上的错误概率为零。本文比较的是在规定确认深度和质量门槛下，不同信用生产架构为获得同一类可信事实需要付出多少真实资源。
比特币系统维持公共信用根需要持续投入安全预算。如果只由少量信用服务分摊，这个基础成本会显得很高；当大量独立系统复用同一公共信用根，而安全、治理和容量成本没有同比例增长时，每单位有效信用服务分摊的基础成本才会下降。这里下降的是“单位信用服务分摊的公共根成本”，不是比特币系统的总成本变成交易费。
四、三类不可替代边界：验证解决不了什么？
可验证思想如果被描述成“验证取代一切信任”，理论很容易走过头。至少有三类问题必须主动排除。
第一，公共信用根不能自动证明现实输入是真的。
Bitcoin可以证明某个哈希已经在某个历史位置出现。Ethereum可以证明某项链上状态转换符合协议规则。但是金库里的黄金是否真的存在；货物是否真的已经交付；现实世界的人是不是所声称的那个人；传感器输入有没有被人为操纵；仍然需要行业自己的事实采集和验证机制。因此：上链不代表未上链之前真实，一旦不真实的数据上链，整个验证就有问题。这个问题是链上链下一致性需要解决的问题。
公共信用根负责的是进入验证体系后的证据不能被轻易事后修改，以及所有主体能够依据相同记录进行复核。
第二，验证过去不能消灭未来风险。
一家企业过去十年没有违约，不代表明天不会违约。一家银行今天储备充分，不代表未来永远安全。因此本文所说：“对可验证事实的验证产生信用”并不意味着“可验证事实能够证明未来结果。”
可验证性降低的是事实不确定性。未来仍然属于：风险；判断；预测；责任。
第三，验证不能消灭法律和人的最终判断。
协议升级、极端事件、系统分叉、量子威胁、重大社会冲突，都可能要求人类做最终选择。可验证结构也不能自动回答：某项法律规则是否公平；某个例外是否应该允许；一种处罚是否符合比例原则。因此可验证性减少事实争议，但不消灭制度判断。最终验证权和责任仍然必须回到人。
五、信用生产率：用什么来衡量？
如果信用是一种产品，就可以讨论生产率。
这里需要先说明公式的性质：本文的 P = S_eff / C 首先是一条生产率核算式，与劳动生产率的“合格产出 ÷ 投入”属于同一类指标，而不是一个已经估计出参数的行为生产函数。它的作用是建立统一观察尺度；不同产业如何测量 S_eff、C 和 Q，可以随着数据条件逐步校准。
本文提出一个尽可能简单的定义：
P_i(a) = S_eff,i(a) / C_i(a) 约束：p_e,i(a) ≤ ε_i…………(公式1）
其中，i 表示具体行业或信用产品，a 表示一种信用生产架构或制度安排；P_i(a) 是产品 i 在架构 a 下的信用生产率，C_i(a) 是相应真实社会成本，S_eff,i(a) 是达到质量门槛后形成的有效信用服务量；p_e,i(a) 是错误接受概率，ε_i 是允许上限。
P_i(a) 不是脱离质量条件的单纯“便宜程度”：只有在同一信用产品、同一质量门槛下，两个架构的生产率才有可比性。
其中：
P 表示信用生产率；
C 表示生产这些信用所消耗的社会综合成本；
S_eff 表示达到规定可信质量 Q，并被外部主体据此采取具有实际经济、法律或责任后果行动的有效信用服务量。纯技术调用、重复锚定、垃圾交易、空转资产或没有形成实际依赖的自循环，不计入有效信用产出。这个公式和劳动生产率的原理相同：S_eff 是合格产出，C 是投入成本。
因此，本文关于 Bitcoin 的核心命题不是“当前已经算出它比传统审计更便宜”，而是：公共信用根是否能够依靠跨项目复用，在保持更高可信质量的同时，使单位有效信用服务分摊的成本持续下降。这需要用 R、U_root 和真实成本数据检验。
Q₀ 是最低可信质量标准。
为了给可信质量一个统一的理论方向，可以令 p_e 表示“关键事实被错误接受为真的概率”，并把 Q = 1 – p_e 作为理想化表达。但这不要求现实研究在现阶段必须把每个行业的 Q 压缩成一个精确概率。p_e 不可直接观察时，可以分别报告时间覆盖、过程覆盖、抽样比例、重大错报、漏检、状态逆转、不可回放等可观察质量指标；不同性质的指标不能为了得到一个漂亮数字而强行平均成单一 Q。
不同产业不需要使用完全相同的质量指标。银行可以使用重大错报、漏检或错误资产状态被正式接受的概率；公共区块链可以使用达到规定确认或最终性后状态被逆转、失效或不能按规则确认的概率；AI可以使用授权错误、执行偏离或不可回放事件率。重要的是，在比较两个方案时，必须先固定同一种信用产品和同一级质量门槛。
S_eff 的具体计量单位也可以行业化：可以是满足质量门槛的有效关系数量、经过价值加权的可信经济规模，或者在固定时期内提供的可信服务量。无论采用哪种代理变量，都必须排除不能改变外部主体行为的“活跃度噪声”。
用普通语言表达：
信用生产率，是在达到规定可信质量的条件下，每一单位社会资源投入可以支持多少有效可信经济关系。
这里的具体变量在每个行业可以不同。
银行可以用：被可信资产和负债状态支持的金融关系；
证券市场可以用：被可信披露和托管状态支持的资产和交易；
稳定币可以用：得到可靠储备状态支持的流通规模；
AI可以用：经过授权、执行和责任验证的任务数量。
因此：理论变量统一，但行业测量方法不同。
这与一般经济学中的资本、劳动和产出类似：钢铁厂和软件公司的具体资本完全不同，但仍然可以讨论生产率。
六、信用复用率：传统信用生产中被低估的变量
信用生产率不能只看“生产一次花多少钱”。
还必须问：生产出来的信用能够被使用多少次？
假设一个事实已经被可靠验证。如果只有一个人使用，它产生一次信用服务。
如果100个相互独立的经济关系都能直接复用这个验证结果，它就支持了更多信用服务。
因此可以把信用产出理解为：可信事实 × 有效复用程度。这就是“信用复用率”。
在同一行业、同一种信用产品和同一有效期内，可以先把复用率定义成一个很朴素的比值：
R_i = U_dep,i / D_ver,i （公式 2）
其中，U_dep 是去重后的有效依赖次数，即多少独立法律主体、经济合同或责任关系真正依据该证明采取行动；D_ver 是同期生成且达到 Q_0 的独立验证事实或证明数量。R = 1 表示每份证明平均只被有效使用一次，R > 1 才出现事实信用的复用。具体“独立”按行业定义，形式调用、重复锚定、自循环和同一主体内部重复读取均应剔除。
R 的可审计计数规则
R 要从概念进入实证，关键不是统计“谁看过证明”，而是留下可审计的依赖记录。至少要记录四件事：哪一份证明（proof_id）、哪个外部主体实际依赖它（relying_entity_id）、依据哪一个合同或责任关系采取行动（relation_id）、这一依赖在哪个有效期内成立（validity_window）。只有这四项能够追溯，并且该主体确实把一份达到 Q_0 的证明作为合同、授信、托管、风险限额、监管程序或其他责任行动的依据时，才计入 U_dep。
同一主体对同一证明的重复查询、页面访问、API 调用、链上读取或内部转发，在同一有效期内只计一次；同一法律实体内部的多个系统也不能自动当成多个独立依赖。若同一证明支持的是不同合同或不同责任关系，可以分别计数，但必须保留 relation_id 以供去重和复核。D_ver 则按同一期间内独立生成、达到质量门槛且具有不同 proof_id/版本号的验证事实计数。这样，R_i = U_dep,i / D_ver,i 才可以由第三方复算。
如果不同依赖关系的经济重要性差异很大，可以另行报告价值加权的复用指标 R^V。次数型 R 回答“一份合格证明平均被多少独立关系实际使用”；价值型 R^V 则以这些合同、资产或责任关系对应的经济价值作为权重，回答“同一证明实际支撑了多大价值的信用关系”。二者单位不同，应分别报告，不能合成一个数字。稳定币场景可以从交易所上市规则、托管政策、机构风控或监管要求中的证明引用开始记录。
这个定义先解决行业内的可计算性，不强求跨行业统一。银行、稳定币和 AI 的“有效依赖”单位不同，在没有共同价值权重以前，R 可以分别计算但不宜直接相加。
传统体系并非完全没有复用。Diamond的委托监督本身就是一种复用：银行集中监督借款人，避免他被所有投资者分别监督[11]。
大型审计事务所、监管机构和评级机构也存在专业能力复用。真正的问题是：
传统体系主要复用的是机构能力，而不是已经验证完成的事实信用。
审计银行A的资产，不能直接证明银行B的资产。检查企业A的负债，不能证明企业B没有隐藏负债。因此每一个机构仍然需要重新取得数据；重新检查；重新形成判断；重新出具报告；重新承担责任。这就是重复信用生产。
七、一次采集不等于一次信用生产：从Once-Only到可验证复用
现代数字政府已经开始解决“重复提交事实”问题。
欧盟的Once-Only Principle要求，公民和企业原则上只向公共机构提交一次相同信息，之后由行政体系合法复用既有数据。欧盟早期研究估计，如果这一原则扩展到欧盟层面，年度净节省最高可以达到约50亿欧元[15]。
这说明重复取得和重复处理同一事实本身具有很大社会成本。但Once-Only仍然主要解决数据只提交一次。可验证思想希望进一步解决信用是否也可以少生产几次。二者存在本质区别。
传统数字化是数据一次采集，由被授权机构复用。
可验证结构是事实形成一次可独立复核的证明，多主体在权限允许的条件下分别验证同一个证明。因此可以把社会演化概括为：
重复提交事实→ 一次采集
多机构调用→ 一次形成可验证证明、多主体独立复核。这才进入“信用复用”。
八、公共信用根：把信用生产从行业内部扩大到全社会复用
传统信用体系存在机构内部规模经济。
公共信用根产生的是另一种规模经济：
跨机构、跨项目甚至跨行业的信用基础设施复用。
这里的“公共”首先指公开可验证、可被不同主体共享，并不意味着公共信用根天然属于经济学意义上的纯公共品。容量、数据可用性、隐私、接入、治理和安全预算都可能产生拥挤、排他或边际成本。更准确地说，公共信用根是一种可共享的验证基础设施；它是否具有规模经济，必须由有效信用服务量与总成本函数共同决定，而不能由“公共”二字预设。
公共信用根已经生成并公开的历史证明可以被多人复核，接近非竞争性；但区块空间、数据可用性和验证容量会拥挤，接入和优先权又可以通过费用或规则形成排他；安全和治理则具有共同基础设施属性。因此本文不把“公共信用根”强行归类为纯公共品、俱乐部物品或公共池塘资源，而把这些理论用作分解其不同成本层的参照[2-4]。
公共信用根的规模经济首先可以用一个最简单的核算关系理解：在可信质量不下降的前提下，单位信用根成本取决于公共根的总社会成本由多少有效信用服务共同分摊。这里先不展开安全、治理和失败外部性的具体组成，完整分解留到第二十节。
在简化条件下，可共享的基础信用生产成本可以由100个系统共同分摊。
单位信用根成本可以写成：
C_unit(U_root) = C_root(U_root) / U_root （公式 3）
其中，U_root 是公共信用根实际支持的有效信用服务量，C_root(U_root) 是维持这些服务所消耗的全部真实社会成本。公式 3 只是单位成本的核算式，不是完整成本函数；C_root 的安全、治理、调用和失败外部性等组成在公式 4 中分解。
当 U_root 增加，而 C_root(U_root) 的增长速度低于有效信用服务量的增长速度时，单位信用根成本下降；反之则不存在规模经济。因此，公共信用根的生产率不会因为“使用者更多”而自动提高。可信质量不能下降，系统还必须能够扩容，新增数据、证明、集成、安全与治理成本保持可控。
这就是信用生产的规模经济。
公共信用根规模经济成立的四个条件
第一可信质量不能因为使用者增加而下降。扩容如果以降低最终性、开放验证能力或历史可靠性为代价，就不能简单称为生产率提高。
第二安全预算和治理成本可以增长，但其增长速度应低于有效信用服务量的增长速度；否则单位成本不会下降。
第三调用、数据可用性、证明生成、系统集成和隐私保护的边际成本必须保持可控。
第四共享公共根所带来的迁移、治理和系统性失败外部性，必须小于它所避免的重复信用生产成本。公共信用根的规模经济因此是一个可以检验的条件命题，而不是技术上的自动结果。
一个必须正面回应的反方：公共链是否真的有规模经济？
Budish 在2025年的 Quarterly Journal of Economics 的《Trust at Scale》中提出了一个与本文直接相关、而且方向相反的结果：纯粹的 Nakamoto trust 需要持续支付安全成本，而为了抵御多数攻击，这一成本可能随可攻击价值上升，因此未必像法治、声誉或抵押那样具有强规模经济[8]。该文甚至用明确方程比较了传统 trust 与 Nakamoto trust 的单位成本。这个反方不能回避。
本文与 Budish 的差别首先在衡量对象。Budish 主要研究 permissionless consensus 本身为一笔或一组经济价值提供安全所需的攻击约束；本文研究的是公共信用根作为共享验证基础设施，在被多个二层系统、机构和行业反复引用时，每单位“有效信用服务”的综合社会成本。二者并不矛盾：如果根层安全预算与被保护价值等比例甚至更快增长，本文所说的公共根规模经济就会减弱或消失；只有当有效信用服务量的增长快于安全、治理、数据和调用成本的增长，信用生产率才会上升。
因此本文的命题不是“Bitcoin 或 Ethereum 天然越大越便宜”，而是一个可检验的条件命题：公共信用根能否通过跨系统复用和聚合验证获得规模经济，取决于复用所增加的有效信用服务量，是否超过安全预算、治理成本、容量成本与失败外部性的增长。Ethereum L2 正好提供了一个可以观察这一条件的现实案例。
九、Ethereum二层：现实世界已经出现的信用复用实验
Ethereum L2提供了一个非常好的现实例子。
如果每个项目都建立独立区块链，就要分别建立：验证者集合；安全激励；协议治理；节点网络；历史记录；经济安全。
Ethereum官方目前把L2的一个核心优势称为“No Bootstrapping”：L2不需要自己重新建设和支付一个新的验证者集合，而可以继承Ethereum现有安全和去中心化基础设施，并主要按使用支付费用。官方把这种结构称为shared security[19]。这与信用生产率理论高度一致。L2仍然必须承担：业务执行；排序；证明；数据；系统开发；集成；调用Ethereum的费用。
因此：公共信用根没有消灭成本。
它改变的是最昂贵的一层公共信用基础设施不需要由每个项目重新复制。
可以把它概括成一句话是业务可以分散生产，最终信用可以集中生产。
Ethereum L2还产生第二层规模经济。大量底层交易可以聚合以后，再把证明或者关键数据提交给L1。因此存在：
横向规模经济：多个独立系统共同使用一个公共信用根。
纵向规模经济：大量底层事实聚合以后，减少单位经济活动分摊的根层验证成本。
这正是信用复用率提高信用生产率的现实例子。
十、Bitcoin和Ethereum代表两种不同的公共验证模式
Bitcoin和Ethereum都可以成为公共信用根，但两者不应使用完全相同的衡量方式。
Bitcoin最突出的能力是长期公共历史事实的确定。某个承诺是否已经存在；某个状态在何时被记录；某段历史是否被重新修改。因此Bitcoin作为公共信用根，可以服务的对象原则上不仅包括金融。它还可以被：AI责任链；企业记录；公共文件；身份和授权证明；供应链；投票记录；其他行业历史证明所引用。它更接近一个广义的：公共历史信用根。
Ethereum则增加了可编程状态；合约执行；资产状态转换；最终结算。
因此它目前尤其适合作为：公共金融信用根和规则执行信用根。
Ethereum的长期价值也不应该只由单笔Gas价格理解。如果L2购买安全、结算和数据可用性的单位成本不断降低，而依赖Ethereum最终信用的资产、系统和经济关系不断扩大，那么衡量对象应逐渐转向：一套公共金融信用基础设施支持了多大规模的有效经济关系。
Bitcoin和Ethereum因此可以分别建立公共信用根生产率指标。
但更重要的是它们代表的两种模式：
Bitcoin式：公共历史事实验证。
Ethereum式：公共规则和状态转换验证。
未来未必只能依赖这两条具体网络。更重要的是，它们展示了两类可独立验证范式：公共历史事实验证，以及公共规则与状态转换验证。
如果 Bitcoin 要承载 Ethereum 式的可编程状态、行业业务验证和复杂规则执行，就必须在公共信用根之外配置独立的验证层。Bitcoin 更适合承担最终历史锚定和公共确定性；行业逻辑、链下事实验证和状态转换应由验证层完成，再把关键证明锚定到公共信用根。
十一、公共信用根不分行业，行业验证层必须分行业
传统信用生产率必须分行业计算。
原因很简单，银行、证券、保险、物流、司法和AI的关键事实完全不同。
银行需要验证：主体；授权；交易；资产；负债；储备；核算。
供应链需要验证：来源；所有权；运输；检验；交付。
AI需要验证：谁授权；输入是什么；调用哪个模型；模型版本是什么；执行什么任务；输出是什么；是否经过人的最终批准；出了问题谁承担责任。
所以未来体系不是一条区块链解决所有问题。而应当是三层结构：
第一层：行业事实层。
确定本行业哪些事实是关键事实。
第二层：行业验证层。
规定这些事实如何形成证据、如何验证、如何回放、如何处理异常。
第三层：公共信用根。
把最需要公共确定性的关键证明、状态或者哈希锚定到公共验证系统。
因此：公共根可以统一，行业验证方式必须不同。
一种可行架构是：业务在链下高效执行，关键事实形成可独立复核的证明，并把最需要公共确定性的部分锚定到公共信用根。
中心化本身并不是问题。真正的问题是：不可验证的中心化。
十二、从“信用根”到“信用传递”：公共信用根不能独立完成现实世界信用生产
这里需要增加一个中间概念：信用传递。
公共信用根能够提供高度稳定的外部证明基础。但它不会自动知道：
银行资产；企业库存；AI授权；物流交付；法律责任。因此现实系统必须先通过行业验证结构形成可验证事实，然后再把这些事实的关键证明连接到公共信用根。
完整结构是：
现实事实
→ 行业验证
→ 可验证证据
→ 信用传递
→ 公共信用根
→ 多主体复核与复用。
这种结构同时避免两个极端：
一个极端是所有东西仍然放在不可验证的中心化黑箱里。
另一个极端是所有业务、所有数据、所有计算全部上公链。
真正高生产率的系统很可能是业务处理专业化，验证结构行业化，最终信用基础设施公共化。
十三、为什么公共信用根可能带来巨大的节省？
传统信用生产的一个结构性特征，是关键事实的可信度往往按机构、按业务和按行业分别取得：银行、证券、平台和未来的 AI Agent 网络都要建立各自的内控、核验、审计、授权、日志与责任结构。它们可以复用专业能力，却很难直接复用另一主体已经完成的事实验证。
公共信用根的经济学意义，是把其中最通用的最终验证基础设施从“各自重建”改为“共同维护、按需调用”；行业仍保留自己的事实验证和责任结构，但不必反复复制同等级的公共历史与共识基础设施。
因此公共信用根的节省来自至少三部分：
第一，减少公共信用基础设施重复建设。
第二，提高已经形成的事实信用的复用率。
第三，通过聚合证明降低单个事实分摊的验证成本。
但节省不是无条件的。必须满足：
避免的重复信用生产成本，大于新体系增加的集成、证明、调用、数据和治理成本。
否则共享系统本身也可能变成新的昂贵中间层。这也是信用生产规模经济的重要失效条件。
十四、AI时代为什么使信用生产问题第一次变成基础设施问题？
人工智能首先提高的是认知生产率。它可以：阅读；分析；比较；推理；执行。但是AI并不能天然知道输入事实是真是假。
一个AI Agent可以计算：哪种资产收益最高；哪一种贷款最便宜；哪一个交易方案最优。但它必须首先知道：账户是真的；储备是真的；负债是真的；授权是真的。
2026年Mastercard在推出Verifiable Intent时，把AI Agent商业中的问题直接表述为：随着AI开始代表用户自主交易，“trust becomes the product”，授权不能再只是被默认相信，而必须形成可证明的记录[24]。
MITRE在2026年发布的Continuous Remote Attestation框架也提出，启动时可信并不能保证运行过程中一直可信，因此现代云和AI工作负载需要持续验证，而不是一次性证明[23]。
最近的Proof of Execution研究则进一步把AI执行本身定义成可验证对象：授权、执行路径、历史完整性和可回放性需要绑定在同一个验证结构中[28]。
这与可验证思想的基本原则高度一致：
关键事实可验证；
关键过程可回放；
关键判断给出依据并可以复核。
因此AI时代真正需要的并不是“更加相信AI”。恰恰相反：机器越自主，信用越不能主要依赖相信机器。未来更合理的模式可能是：机器执行 → 机器验证 → 过程可回放 → 公共信用根 → 人的最终责任。
十五、从“传数据”到“传证明”
第七节讨论的是“同一事实能否被重复利用”；本节进一步讨论复用对象本身如何变化：从复用数据，转向复用可以独立验证的证明。
传统信用生产通常要求把底层数据交给可信机构，由机构检查、形成结论并承担背书责任；可验证结构则试图把其中一部分改造成“数据或状态 → 生成可验证证明 → 多主体独立复核 → 形成事实信用”。这不是取消原始数据，而是改变外部主体取得可信度的方式。
Catalini 和 Gans 已经把区块链的重要经济作用概括为降低 verification cost 与 networking cost。本文在此基础上再加一层：降低一次验证成本并不等于改变信用生产方式；只有当合格证明能够持续被不同主体真实复用，重复信用生产才会下降。[14]
十六、“信用生产率”与现有Trustware观点有什么不同？
2025 年 Consensys 用 “Trustware” 和 “industrialization of trust” 描述公共区块链作为数字信任基础设施的产业方向[22]。本文的不同之处，是把信用生产限定为一个可核算问题：先用反事实方法确定哪些真实资源确实用于把关键事实加工成可行动的可信状态，再在同一产品、同一质量门槛下测量 C（成本）、S_eff（有效信用服务量）与 R（复用率）。如果把保险、法律、审计、监管等所有支出一概称为“信任成本”，容易重复计算和过度归因；本文只把“若关键事实已经能够直接、持续、独立验证就会减少的资源”纳入信用生产成本。因此，信用生产率不是产业宣传数字，而必须接受行业数据和反事实边界的检验。
十七、信用生产率的最小核算框架
变量的单位与可观测代理
在具体行业研究中，C通常以某一时期内消耗的真实资源货币价值表示，例如元/年或美元/年；S_eff可以表示满足质量门槛的有效关系数/年，也可以表示经过统一方法价值加权后的可信经济规模/年；P因此表示“每一单位真实社会成本支持的有效信用服务”。跨行业比较时，不应直接把不同单位的S_eff相加，除非已经建立共同价值权重并完成去重。
| 符号 | 理论含义 | 测量与行业化说明 |
| Pᵢ | 行业信用生产率 | 在给定质量门槛下，每单位真实社会成本支持的有效信用服务。单位由 S_eff 的行业口径决定。 |
| Cᵢ | 行业信用生产社会综合成本 | 元/年、美元/年等真实资源货币价值。只计入反事实条件下因事实可直接验证而会减少的部分。 |
| S_eff | 有效信用服务量 | 必须对应外部主体的实际经济、法律或责任依赖；不能用垃圾交易、重复锚定或纯技术调用替代。 |
| p_e / ε | 错误接受概率 / 容许上限 | 优先估计 p_e；若暂不可观察，必须单列可观察的质量代理向量 Z_Q，注明每个代理对应过程层还是结果层，不得把代理直接当作 p_e，也不得把异质代理简单平均。 |
| R | 信用复用率 | 同一已验证事实或证明被多少独立有效经济关系真实依赖；需去除形式调用和重复计数。 |
| P_root | 公共信用根生产率 | 公共根在既定质量下，以其全部真实资源成本支持多少有效信用服务。 |
| U_root | 公共根有效信用服务量 | 不能直接等于链上交易笔数；应按真实经济依赖、被保护价值或标准化服务量计量。 |
| C_root | 公共信用根总社会成本 | 公共根为支持 U_root 所消耗的全部真实资源；完整分解见公式 4。 |
| 成本分解 | C_root 的组成 | 可共享基础、安全、治理、数据/证明/调用/集成、隐私以及预期失败外部性等；不把交易费或矿工奖励简单等同于社会成本。 |
为了让理论能够进入核算，同时不让数学遮蔽问题，正文只保留两类核心生产率关系，并把质量约束单独写清。这里的公式首先用于规定“什么进入分子、什么进入分母、在什么质量条件下才允许比较”，而不是声称已经得到一条自然科学意义上的精确生产函数。
P_i(a) = S_eff,i(a) / C_i(a) 约束：p_e,i(a) ≤ ε_i………….(公式1）
前述公式1对具体行业，先固定信用产品和质量门槛，再比较不同架构 a 的生产率 (P_i(a)）。如果两种架构支持相同的 有效信用服务量(S_eff ）且都满足错误接受概率 (p_e≤ε），成本更低者生产率更高；若有效产出不同，则比较完整比值。
在达到本行业规定可信质量的条件下，每单位信用生产社会成本能够支持多少有效信用关系。
对于公共信用根：
P_root(U_root) = U_root / C_root(U_root) 约束：p_e,root ≤ ε_root
其中：
P_root(U_root) 表示公共信用根生产率。使用 root 作为下标，是为了避免与前文的信用复用率 R 混淆。
U_root 表示公共信用根在一定时期内实际支持、并满足规定质量门槛的有效信用服务量。它不是原始交易笔数或调用次数，而必须对应外部主体真实的经济依赖、法律后果或责任关系。
C_root(U_root) 表示公共信用根在一定时期内为支持 U_root 所消耗的全部真实社会成本。
它包括可共享基础成本，也包括随规模变化的安全、治理、数据、证明、调用、集成、隐私和预期失败外部性。第二十节用公式 4 进一步分解。
其中 p_e,root 是公共信用根在规定确认/最终性条件下，关键状态被错误接受为真实的概率；ε_root 是可以接受的上限。这个质量约束与行业模型同义：先达到规定可信质量，再比较生产率。
这里还必须区分三个不同层级的数量：S_eff 是某一行业或信用产品的有效信用产出；U_dep 是计算复用率 R 时，对同一合格证明形成的去重有效依赖次数；U_root 是公共信用根实际支持的有效信用服务量。三者分别服务于行业账户、复用账户和公共根账户，不能彼此替代，也不能直接相加。
公共信用根的核心特点是：
当有效使用规模增加，而可共享基础成本和边际调用成本的增长速度低于有效信用服务量时，单位信用成本下降，信用生产率提高。
传统机构信用生产虽然也有规模经济，却很难实现同等级的跨机构、跨行业事实信用复用。
这正是二者在生产率核算结构上的差别：传统机构信用可以形成机构内部规模经济，公共信用根则进一步允许同一公共验证基础设施被跨机构、跨系统复用。
十八、USDC：两种信用生产方式的部分识别账户
USDC 储备信用——数字金融的部分识别账户
为了说明信用生产率如何进入计算，可以先选择一个边界相对清楚的信用产品。USDC 是 Circle 发行的美元稳定币。链上的发行、转移和注销状态可以由公共链直接复核；但不能把用户支付的链上交易费直接当作公共根的全部社会成本，根层安全和运行成本仍应按前文公共信用根模型分摊。本节因此只聚焦真正仍需要外部信用加持的链下事实：Circle 是否持续持有足以覆盖流通 USDC 的合格储备资产。
对这一信用产品，核心问题是：Circle 链下是否持续拥有与链上流通 USDC 相匹配的合格美元储备资产？本文比较的不是 Circle 的全部经营成本，而是为了让“储备资产足额并持续对应”这一关键事实达到规定可信质量 Q 所需要的真实社会资源。链上状态与链下储备事实的质量并不是同一种验证对象，因此不能只凭“都叫验证”直接横比。
针对“储备资产足额并持续对应”这一信用产品，传统结构中的相关信用生产资源至少包括：储备与负债数据取得和对账、内部控制与复核、外部审计或鉴证、监管报送与检查、交易对手或平台重复尽调，以及因事实不透明而发生的其他验证资源。公开资料目前只能观察其中一部分外部专业服务费用，内部控制、监管和重复尽调等资源没有被完整拆分，因此本例只能形成部分识别账户，不能把可见费用直接当作完整 C_old。
本文把核算期固定为 2025 年，‘在规定口径下，合格储备资产价值不低于流通中的 USDC’。Circle 的 2025 年 Form 10-K 披露，USDC 全年平均流通量为 648.70 亿美元，年末为 752.66 亿美元；Circle 每周公开储备持仓，并由四大会计师事务所按月提供第三方 assurance，确认储备价值大于流通量。年度成本率因此优先用全年平均流通量作分母，以保持期间匹配[20-21]。
| 核算项 | 2025 年公开可观察值 | 计量状态与边界 |
| 信用产品 | 合格储备资产价值 ≥ 流通 USDC | 边界固定；不把支付、营销、流动性等其他功能计入。 |
| S_eff 规模代理 | 全年平均流通量 648.70 亿美元；年末 752.66 亿美元 | 年度费用率采用平均流通量；这是价值规模代理，不等于交易笔数。 |
| Q / Z_Q 质量代理 | Z_Q,USDC：储备持仓披露每周；第三方 assurance 每月 | 这是过程/频率代理，不是 p_e，也不能合成为单一 Q；仍缺少错误接受概率的直接估计。 |
| Audit-Related Fees | 1,565,583 美元；约 0.241 bp / 平均流通量 | 包含 SOC 报告、attestation services 和子公司监管申报；该金额只是包含储备 assurance 在内的较宽费用篮子，不能视为完整 C_old。 |
| Audit + Audit-Related | 7,440,468 美元；约 1.147 bp / 平均流通量 | 更宽的外部专业服务费用包络，包含大量非本信用产品成本，不能视为 C_old。 |
资料来源：文献[20-21]；费用率为本文按全年平均 USDC 流通量计算。
Circle 2026 年 Proxy Statement 披露，2025 年 Deloitte Audit Fees 为 5,874,885 美元，Audit-Related Fees 为 1,565,583 美元，两项合计 7,440,468 美元。用 648.70 亿美元平均流通量计算，Audit-Related Fees 相当于约 0.241 个基点，Audit Fees 与 Audit-Related Fees 合计相当于约 1.147 个基点。这里第一次得到的是‘公开可见专业服务费用相对于信用服务规模的量级’[20]。
这两个比率仍不能被解释为 USDC 的信用生产成本。Audit Fees 包含上市公司年度审计、季度审阅、子公司法定审计、证券发行和其他监管文件服务；Audit-Related Fees 又同时包含服务组织控制报告、attestation services 以及子公司监管申报程序。因此，1,565,583 美元只能作为“包含储备 assurance 在内的更宽费用篮子”的宽松上界；真正属于 USDC 月度储备 assurance 的金额必然只是其中一部分，但公开文件没有拆分。
公开资料没有把 USDC 储备 assurance 从 Circle 整体审计费用中单独拆出，因此，从“储备资产足额”这个信用产品看，C_old 仍不能直接识别。1,565,583 美元只是包含储备 assurance 在内的较宽费用篮子；7,440,468 美元则是 Circle 2025 年 Audit Fees 与 Audit-Related Fees 的合计，反映上市公司黑箱环境下更广泛的外部信用维护成本。后者不能直接除以 USDC 平均流通量后当作“USDC 储备信用生产成本”，因为其中还包含大量公司整体审计、季度审阅、法定审计和证券申报工作。
以 Tether 为对照，其公开体系长期以储备报告和独立会计师的储备鉴证为主；这些储备报告本身不是完整财务报表。这个差别说明，“证明储备资产足额”和“为整个发行机构形成完整外部信用”是两个不同层次的信用产品，不能把二者的成本口径混在一起。
如果改用可验证结构，比较对象就不应是一次储备快照，而应是稳定币从入金到赎回的完整事实链。透明银行和可验证稳定币的设计要求把关键事实直接嵌入业务流程：
用户入金 → 银行承接 → 储备资产购买 → 稳定币发行 → 资产负债持续对应 → 赎回 → 资产释放/变现 → 稳定币注销 → 全过程可回放。
链下由银行或持牌机构处理真实资金、托管和储备资产；行业验证层把入金、资产购买、稳定币发行、资产负债对应、赎回和注销等关键状态形成可复核证明，并把关键证明或哈希锚定到 Ethereum 或 Bitcoin 等公共信用根。若采用 Bitcoin 作为公共信用根，需要单独的验证层承担业务规则和链下事实的一致性验证；监管系统则按权限取得合规所需数据并可回放全过程。
这种结构与周期性抽样审计最大的差别，不是简单把“审计搬上链”，而是把验证嵌入每一笔业务形成过程。在源头事实真实性和验证范围相同的前提下，持续、全量、可回放的验证结构，相比周期性抽样审计，在时间覆盖、过程覆盖和复核能力上具有结构性优势，异常也可以更早暴露。这里所说的“质量更高”指这些可观察维度，并不意味着链下输入天然真实；如果源头数据是假的，自动系统只会更快地验证假数据。因此，源头真实性仍然必须由银行、托管人、行业验证层和法律责任体系共同保证。
链上链下一致性验证层是这一结构的核心，也是信用从现实事实传递到公共信用根的中间层。USDC 这个案例在本文中的第一任务，不是预先算出“可验证结构便宜多少”，而是把同一种信用产品的两种生产方式放进同一账户：传统方式主要依靠周期性取证、鉴证和责任背书；可验证方式把关键事实持续纳入验证与回放。前者的可见成本只能部分识别，后者的完整实施成本也仍缺真实项目数据。成本优势是否成立，需要继续测量；质量覆盖和验证速度则可以先按明确条件进行结构性比较。
从部分识别走向区间估计：还缺哪些数据？
| 比较侧 | 仍需识别的主要成本项 | 所需数据与作用 |
| 传统信用生产 | 储备专项 assurance 费用；与储备事实直接相关的内控和对账工时；监管检查资源；交易所、托管人和机构投资者的重复尽调成本 | 把当前可见专业服务费用进一步拆分，形成 C_old 的可复算区间 |
| 可验证信用生产 | 银行/托管数据接口；源头事实核验；验证层运行；证明生成；公共信用根成本分摊；异常复核；隐私、治理和必要合规责任 | 用真实实施项目记录形成 C_new 的完整成本账户，而不是用单一链上费用替代总成本 |
| 共同质量条件 | 时间覆盖、过程覆盖、抽样/全量范围、错误接受或漏检、异常发现速度、可回放性 | 在同一信用产品和相近 Q 门槛下比较两种架构，避免“便宜但质量不同”的伪比较 |
只有在这些数据逐步可得以后，才适合把 USDC 从“部分识别账户”推进为 C_old 与 C_new 的区间估计。本文不预设哪一种结构必然更便宜；当前能够先建立的是同一产品、同一质量条件和同一期间下的可复算比较规则。
十九、从行业信用生产率到社会信用生产率
具体行业的数据足够以后，可以分别计算：银行信用生产率；证券信用生产率；保险事实验证生产率；稳定币信用生产率；AI验证生产率。进一步，可以建立一个社会层面的“信用生产账户”。
它要回答：一个社会每年为了：确认事实；验证授权；证明资产；证明负债；监督行为；形成公共可信状态到底投入多少真实社会资源？这些信用又支持了多少有效经济活动？
原则上，只有当各行业已经分别建立稳定、可复算的信用生产账户以后，才有可能进一步估计社会整体信用生产率。第十八节的案例恰好说明，在这一阶段“统一变量”不等于“统一单位”：同样使用 C、Q、S_eff 和 R，并不意味着 USDC 流通规模、银行资产规模、AI 任务数量等不同单位可以直接相加或比较。Q_0 也不要求跨行业先换算成同一个数值；它首先是行业内、同一信用产品比较时的质量约束。只有进入社会总账户时，才需要进一步研究质量调整函数和共同价值尺度，不能为了跨行业合并而制造伪精确的 Q_0 换算。
但是各行业产出不能简单做算术平均。
最终若要建立社会总账户，需要解决统一价值尺度、重复计算、质量调整和跨行业权重。这与 GDP、劳动生产率等宏观核算指标的发展过程相似：指标并不因为存在口径争论、质量调整和估算误差就失去意义，关键是定义公开、口径稳定、可以复算，并能在同一口径下持续比较。信用生产率越上升到社会层面，越不可能像物理定律一样精确，因此本文把社会总账户明确留给长期研究。
因此，“社会信用生产账户”应当被视为长期研究议程，而不是本文已经可以交付的统计指标。它至少要求统一价值尺度、行业质量调整、跨行业去重以及公共信用根跨行业复用的重复计量处理。在这些条件形成以前，更现实的做法是先把各行业账户做成一组可复算的卫星式核算表，而不是过早追求一个全社会单一总数。
二十、失效条件、治理与政治经济学
信用生产率不是只看正常运行时的平均成本。公共信用根一旦成为大量系统共同依赖的基础设施，其治理、激励和失败外部性也必须进入公共根的总成本账户。以下条件如果恶化，公共信用根的生产率优势可能缩小，甚至消失。
第一，现实输入或预言机被俘获。公共根只能保证已经进入系统的证据不易被事后修改，不能把虚假输入自动变成真实事实。
第二，证明不能真正复用。如果不同机构仍要求重新取得原始数据、重新采用各自格式并重新承担完整责任，那么公共根只增加了一层技术，而没有减少重复信用生产。
第三，治理或验证权过度集中。协议升级、验证者或矿工集中、标准制定被少数主体控制，都可能重新引入单点信用和治理租金。
第四，安全预算随被保护价值增长过快。如果为了保护越来越大的资产与责任规模，公共根必须以相同甚至更快速度增加资源投入，那么规模经济会显著减弱。
第五，容量、数据可用性、隐私、证明生成和系统集成成本失控。如果新增使用者带来的边际成本高于避免的重复审计、监督和尽调成本，公共根没有经济优势。
第六，法律最终性、跨境责任和异常处置不能衔接。技术最终性与法律最终性不是同一件事；公共信用根只能压缩事实争议，不能替代制度对例外、申诉和责任的处理。
第七，公共根形成新的系统性集中风险。复用率越高，单一根发生重大失败时影响范围也越大。因此，信用复用带来的规模经济必须与集中失败外部性同时衡量。
这些失效条件不是理论之外的附加问题，而是本理论可以被事实检验甚至否定的边界：如果在同一信用产品和相近质量门槛下，可验证架构没有提高有效产出、复用或验证覆盖，或者其总社会成本并未低于被替代的重复信用生产成本，那么所谓生产率优势就不能成立。
如果需要把这些条件放进扩展模型，可以把公共根总成本写成：
C_root(U_root) = F₀ + B(U_root) + G(U_root) + C_use(U_root) + E(U_root) （公式 4）
其中 F₀ 是可以共享的基础成本，B(U_root) 是随承载价值和规模变化的安全预算，G(U_root) 是治理与升级成本，C_use(U_root) 是数据、证明、调用和集成等使用成本，E(U_root) 是集中失败等预期外部性。公式 4 是对公式 3 中总成本 C_root 的展开。公共根生产率仍然是“有效信用服务量 ÷ 总社会成本”；只有当总成本长期增长慢于有效产出的增长，规模经济才成立。
二十一、我们真正试图解释的是什么？
工业革命降低了物质生产成本。信息革命降低了记录、计算和通信成本。AI正在降低认知成本。
但是社会还有一种极其重要、长期被隐藏在制度内部的成本：
让事实变得值得相信的成本。
过去社会主要通过：人格；机构；专业资格；监管；法律；审计；责任生产信用。这些机制不会消失。但是可验证性增加了一种新的信用来源：
对可验证事实的验证本身能够产生信用。
一旦关键事实可以持续形成机器可验证证据，一旦同一份合格证明能够被多个独立经济关系真实复用，一旦公共验证基础设施的安全与治理成本增长慢于其支持的有效信用服务量，信用生产就会出现一种不同于传统机构重复核验的生产率结构。
这正是公共信用根最重要的经济学意义。
在本文的框架中，Bitcoin和Ethereum的重要性不在于币价叙事，而在于它们展示了高质量公共信用可以被基础设施化：一套长期运行的公共验证结构能够被其他系统持续引用。
它们的信用生产率是否真正高于传统方式，最终取决于四件事：支持了多少有效可信经济关系、保持了怎样的可信质量、社会为维持根与调用根付出了多少真实资源，以及这种复用节省是否大于治理和系统性失败外部性。
结语：可验证思想的经济学表达
可验证思想最初只是几个很简单的原则：关键事实可验证；关键过程可回放；关键判断有依据，可以复核。从透明银行、链下业务加公共锚定、公共信用根和 AI 责任链等实践继续向下追问，会得到一个更加基础的问题：为什么社会需要验证？因为事实本身如果不能被社会直接接受，就必须生产信用。
再继续问：生产信用需要付出什么？答案是真实社会资源。
继续问：这种生产有没有效率高低？
于是产生：信用生产成本；可信质量；信用复用率；信用生产率。
最后再问：公共信用根改变了什么？
它改变的不只是记账技术。它改变的是信用生产方式：从各机构分别建立信任链，转向：行业专业验证 + 公共信用基础设施。
传统社会在很多场景中不得不重复生产信用；可验证结构试图把其中一部分转化为可独立验证、可持续复核和可复用的信用。
从更大的历史尺度看：信息革命显著提高了信息处理生产率，AI 正在提高认知生产率；本文提出的研究问题是：可验证思想和公共信用根是否会进一步提高信用生产率，以及这种提高在什么行业、什么质量门槛和什么治理条件下成立。随着机器越来越自主，可独立验证范式的重要性也会提高，因为机器自身不能仅凭“人格信用”成为最终信任来源。
这不是说信用将被机器完全替代。也不是说Bitcoin或者Ethereum能够解决所有社会问题。
未来风险仍然存在。现实输入仍然需要确认。法律判断仍然属于制度。最终责任仍然属于人。
可验证思想真正试图改变的是：凡是能够转化为事实问题的争议，尽量少依赖重复相信，更多依赖可独立核验、可回放和可复用的证据。
如果这一转换能够在现实行业中被数据持续验证，信用就可以从一种主要依赖制度背书的社会关系，进一步成为可以核算成本、比较质量、衡量复用和检验生产率的基础设施。本文当前建立的是这套核算框架和比较规则，而不是一个已经完成的全社会精确统计值。USDC 的作用，是证明这种核算可以从一个边界较清楚的信用产品开始落地；其他行业则需要在同一原则下逐步建立自己的卫星账户。
参考文献
[1] Ronald H. Coase, The Nature of the Firm, Economica, 1937。
[2] Paul A. Samuelson, The Pure Theory of Public Expenditure, The Review of Economics and Statistics, 1954, 36(4): 387–389, DOI: 10.2307/1925895。
[3] James M. Buchanan, An Economic Theory of Clubs, Economica, 1965, 32(125): 1–14, DOI: 10.2307/2552442。
[4] Elinor Ostrom, Governing the Commons: The Evolution of Institutions for Collective Action, Cambridge University Press, 1990。
[5] Oliver E. Williamson, The Economic Institutions of Capitalism, Free Press, 1985。
[6] Michael C. Jensen & William H. Meckling, Theory of the Firm: Managerial Behavior, Agency Costs and Ownership Structure, Journal of Financial Economics, 1976, 3(4): 305–360。
[7] Douglass C. North, Institutions, Journal of Economic Perspectives, 1991, 5(1): 97–112。
[8] Eric Budish, Trust at Scale: The Economic Limits of Cryptocurrencies and Blockchains, Quarterly Journal of Economics, 2025, 140(1): 1–62, DOI: 10.1093/qje/qjae033。
[9] Saite Lu & Diane Coyle, Social trust and productivity: evidence from European NUTS-2 regions, Regional Studies, 2026, 60(1), Article 2653002, DOI: 10.1080/00343404.2026.2653002。
[10] Robert M. Townsend, Optimal Contracts and Competitive Markets with Costly State Verification, Journal of Economic Theory, 1979。
[11] Douglas W. Diamond, Financial Intermediation and Delegated Monitoring, Review of Economic Studies, 1984。
[12] Dean Neu, New Stock Issues and the Institutional Production of Trust, Accounting, Organizations and Society, 1991。
[13] Thomas Philippon, Has the US Finance Industry Become Less Efficient? On the Theory and Measurement of Financial Intermediation, American Economic Review, 2015。
[14] Christian Catalini & Joshua S. Gans, Some Simple Economics of the Blockchain, NBER Working Paper / Communications of the ACM。
[15] European Commission, EU-wide digital Once-Only Principle for citizens and businesses, 2017。
[16] U.S. Bureau of Labor Statistics, Occupational employment in commercial banking, 1987–90, Monthly Labor Review, 1993；2023 Occupational Employment and Wage Statistics: Credit Intermediation and Related Activities。
[17] Conference of State Bank Supervisors (CSBS), 2025 Annual Survey of Community Banks；Thomas F. Siems & Nathan Ross, Do Banking Regulations Disproportionately Impact Smaller Community Banks?, 2025。
[18] Public Company Accounting Oversight Board (PCAOB), Data Points: Registered Firm Staffing Trends, July 2025。
[19] Ethereum, Ethereum’s Layer 2 Ecosystem — Shared Security / No Bootstrapping。
[20] Circle Internet Group, Inc., Form 10-K for the year ended December 31, 2025, filed with the U.S. SEC on March 9, 2026；2026 Proxy Statement, filed with the U.S. SEC on April 1, 2026。
[21] Circle, Transparency & Stability / USDC monthly assurance reports。
[22] Consensys, Ethereum is the Trustware to Power a Digital World Economy, 2025。
[23] MITRE, Framework for Continuous Remote Attestation in Confidential Computing Environments, Version 0.9.6, Public Review Draft, July 16, 2026。
[24] Mastercard, When AI Starts Buying for You, Trust Becomes the Product / Verifiable Intent, March 5, 2026。
[25] 祝维沙、Scott Shields：《从复式记账到可验证金融学》，2026。
[26] 祝维沙：《可验证金融系统白皮书（V1.1）》，2026。
[27] Chainless.hk：《无链平台及 DW20 稳定币新手答疑系列（一）》，2024年7月3日。
[28] James Rhodes & George Kang, Proof of Execution: Runtime Verification for Governed AI Agent Actions, arXiv:2607.05397, April 26, 2026。
