——SEC在AI+Crypto時代需要一套不斷迭代的制度
2026年，美國證券交易委員會（U.S. Securities and Exchange Commission，SEC）明顯調整了過去對加密資產的監管方式。8月18日，SEC提出新的「Regulation Crypto Assets」（《加密資產監管規則》）[1]，希望為涉及加密資產的部分投資合同建立更有針對性、更加適配現實的證券發行框架；SEC Crypto Task Force（SEC加密資產工作組）也在繼續討論資產分類、交易、託管、代幣化和市場結構等問題[2]。
這個方向是進步的。但眼前還有一個更底層的問題沒有被充分討論。
AI和Crypto帶來的變化，不只是出現了幾種新資產。它們正在改變事實怎樣產生、怎樣記錄、怎樣被證明，也在改變組織和信用的形成方式。如果我們只是不斷把新事物塞回「證券、商品、銀行、交易所」這些舊分類里，卻未必回答了最重要的問題：當越來越多過去只能靠機構背書的事實，已經可以持續、低成本地驗證以後，監管本身是不是也應該跟着變？
本文把這個問題叫作「可驗證監管」。它不是討論監管應該更嚴還是更松，而是想換一個角度看監管為什麼存在，以及技術條件變化以後，哪些制度仍然必要，哪些制度可以開始換一種做法。
一、過去為什麼需要那麼複雜的監管
監管當然是為了防止欺詐、保護投資者、維護市場秩序和控制系統性風險。但如果再往下一層看，會發現傳統金融之所以需要這麼多牌照、審計、披露、機構分工和事後執法，還有一個很現實的原因：很多關鍵事實，普通市場參與者根本沒有辦法自己核實。
儲戶不知道銀行資產是否真實，投資者無法逐筆確認上市公司的財務數據，客戶不知道交易所是不是公平撮合，監管機構自己也不可能全天候檢查所有機構的每一筆交易和每一個內部過程。
在這種技術條件下，人類只能把銀行、券商、交易所、託管、清算、審計、監管和司法組織成一條很長的責任鏈，讓機構彼此制約，儘量減少單一機構作惡的空間。
組織本身就是一種權力。傳統制度主要靠機構之間的分權制衡來約束這種權力，代價是組織層級多、監督鏈條長，社會成本也高。比特幣系統給出的另一種啟示是：制衡不一定都要依靠正式機構之間的分權。程式設計師可以提出和發佈新版本，礦工和節點可以選擇是否採用，用戶也可以用自己的選擇表達判斷；公開規則、選擇權和退出權共同形成約束。它不是沒有權力，而是把一部分權力約束放到了規則和市場選擇中。未來在那些關鍵事實已經可以獨立驗證的環節，監管能不能減少一部分組織性制衡，增加這種基於規則和選擇的約束，值得研究。
傳統的分權制衡並不落後。相反，它是「事實難以獨立驗證」時代非常聰明的制度安排。《可驗證思想》中把它概括為一句話：監管是在用組織成本彌補驗證成本。現在，數碼化記錄、密碼學簽名、哈希、實時API和AI正在一起降低驗證成本。既然底層成本結構變了，建立在它上面的制度就值得重新檢查。
二、「透明」和「可驗證」不是一回事
過去多年，此前的研究使用過「透明銀行」「透明金融」「透明穩定幣」等說法，今年5月逐漸把這些思想收攏到「可驗證」這個概念下。這個詞換了以後，很多原來分散的問題反而更容易說清楚。
透明解決的是「我能不能看見」。可驗證解決的是「我能不能獨立確認」。二者差別很大。
一家機構可以公開幾百頁報告，看起來非常透明，但如果關鍵數字仍然只能相信它自己，透明並沒有解決信用來源的問題。反過來，一個系統也沒有必要把商業秘密、客戶私隱和交易策略全部攤在陽光下，只要相關主體能在適當權限下驗證必要事實就夠了。
因此，可驗證不是要求所有東西都公開，而是儘量把「你必須相信我」變成「這件事你可以自己核對」。
這一步最後碰到的是信用。這並不是說人格、國家、法律、機構和品牌信用會消失，而是說人類多了一種可以規模化擴展的信用來源：事實被驗證以後，人們才有理由相信；相信積累起來，才形成信用和共識。概括起來是「事實—驗證—相信—信用—共識」。
以前沒有形成這樣一種普遍制度，不是前人不知道核查的重要性，而是核查太貴、太慢，也很難連續進行。現在這個條件正在改變。
三、比特幣給監管的啟示，不只是「去中心化」
比特幣最值得監管者研究的地方，並不是它試圖創造一個完全沒有信任的世界。中本聰做成的是另一件事：把一部分過去必須交給可信第三方確認的事情，改成任何人都可以按照公開規則和密碼學證明去核驗。
後來Crypto世界出現了「Don’t trust, verify」（不要只相信，要驗證）、trust minimization（信任最小化）、public verifiability（公開可驗證性）、zero-knowledge proof（零知識證明）、proof of reserves（儲備證明）、verifiable computation（可驗證計算）等很多概念。名字不同，背後都在處理同一個問題：怎樣把原來只能相信的東西，變成可以核驗的東西。
但這裏也最容易產生誤解。Proof of Reserves（儲備證明）可以證明一部分資產，並不能自動證明負債完整，更不能證明交易所沒有操縱撮合、偷偷改規則或者挪用客戶資產。只證明一個數字，離「整個系統可驗證」還很遠。
資產、負債、授權、交易、清算、規則變化和責任，需要進入同一套可以長期覆核的結構。否則我們只是把舊黑箱換成了幾個看起來先進的新證明。
世界其實已經在朝這個方向走。經濟合作與發展組織（OECD）討論監管實驗和事後評價[3]；英國金融行為監管局（FCA）與英格蘭銀行做過機器可讀、機器可執行監管實驗[4]；美國金融業監管局（FINRA）建立了機器可讀規則庫和規則API[5]；歐盟《人工智能法案》（AI Act）允許高風險AI在明確邊界下進行真實環境測試[6]；OECD又推進Law as Code（法律即代碼），討論國家如何提供有授權、可執行的法律邏輯，同時把條件、例外、層級、時間、責任和裁量寫清楚[7]。
這些探索過去分別叫Regulatory Sandbox（監管沙箱）、RegTech（監管科技）、SupTech（監管監督科技）、Rules as Code（規則即代碼）、Law as Code（法律即代碼）、Continuous Audit（持續審計）、Compliance by Design（合規內生設計）。它們看起來各做各的，其實有一條共同的線：過去必須依賴機構信用來確認的事實，開始進入可驗證結構。
四、SEC可以先換一個提問順序
今天碰到一個新的Token，監管最容易先問：它是不是證券？是否符合Howey Test（豪威測試）[9]？如果是，就把證券監管要求套上去。
Howey當然仍然重要，本文也不是主張繞開證券法。但在AI+Crypto時代，或許可以把順序稍微調一下。先別急着貼標籤，先把這個東西到底是什麼看清楚。價值從哪裏產生？持有人到底擁有什麼權利？誰擁有實際控制權？投資者是否依賴他人的持續管理努力？哪些關鍵事實已經可以獨立驗證？還有哪些權力和風險看不見、無法核驗？
這些問題回答得差不多以後，再進入證券、商品或其他法律框架，法律判斷反而可能更穩。
《可驗證思想》中把加密資產歸納成五個基礎問題：價值來源、權利結構、管理依賴、可驗證程度和責任追溯。它們不是新的法律標籤，而是一張事實清單。先把事實結構搞清楚，再談法律分類，比一開始就爭「它究竟叫什麼」更適合今天的新技術環境。這也是為什麼事實結構應該走在標籤前面：新的創造已經不斷突破舊概念的邊界。像比特幣、以太坊這樣的原生網絡資產，很難被傳統股票或證券的單一概念完整描述，更不能簡單套用股票的估值方法。
五、監管也應該會試錯，而且要留下版本
新技術、新金融結構和新的AI系統往往沒有足夠長的歷史數據。監管者在這種情況下作規則，本身就包含判斷。判斷有概率性，既然是判斷，就可能錯。
因此，我們更贊成一種小步走的辦法：先提出原則，做一套儘可能小的規則，在有限範圍真實運行，事前把目標、假設、觀察指標、風險邊界、時限、暫停條件和失敗標準講清楚，然後用實際結果回來檢查。規則有效，就擴大；假設不成立，就修改。不少方案一爭論就是幾年，等規則真正落地，技術環境可能已經變了。
本文把它稱為Minimum Viable Regulation（最小可行監管）。這裏的「實驗」絕不是放任。恰恰因為允許實驗，事前邊界和事後復盤才要比普通規則寫得更清楚。
監管機構還應該能夠公開承認一句話：「原來的假設沒有得到支持。」如果一個制度只能證明自己永遠正確，它就很難真正迭代。OECD有關事後評價的研究也說明，系統性的監管復盤目前仍遠沒有成為普遍做法[8]。
與實驗相配套的，是規則版本。軟件不會要求v1永遠正確，監管規則也沒有必要假裝自己不會變。重要的是每一次改變都留下當時的理由：為什麼採用舊規則，當時掌握什麼事實，原先預期什麼，後來發生了什麼，哪一個判斷出了問題，為什麼改。
這樣做還有一個很實際的法律意義：不能拿後來形成的規則和後來知道的事實，倒回去假定當事人在過去已經知道。一個可靠的監管知識系統，必須能夠還原「當時有效的規則、當時存在的事實、當時監管機構能獲得的信息和當時給出的正式判斷」。後來知道的東西，不能偷偷寫回過去。
六、比「監管作業系統」更重要的，是讓合規變得可查詢、可解釋
現在一家企業遇到監管問題，常見的路徑是讀規則、找律師、猜監管態度、交材料、等待，然後在很長時間以後才知道自己理解得對不對。
技術上已經可以設想另一種體驗。企業先提交或連接那些已經能夠核驗的主體事實，AI系統再對照當前有效規則，告訴它哪些地方明顯合規，哪些地方有條件合規，哪些地方存在明確問題，哪些地方機器不能替人判斷。
如果AI系統說不合規，它還應該繼續告訴企業：問題出在哪個事實，依據的是哪一條規則、哪一個版本，缺什麼材料；如果屬於法律裁量，就明確寫「需要人工判斷」，而不是為了提高自動化率硬給一個確定答案。
FCA過去的數碼化監管報送（Digital Regulatory Reporting）實驗說明，機器規則和企業數據直接連接在工程上是可以做的[4]；OECD推進Law as Code（法律即代碼），也說明機器可執行法律正在成為公共數字基礎設施的一部分[7]。
此前的研究曾把這種方向稱為「監管作業系統」。現在看來，名稱並不重要。重要的是監管能不能從「出了問題以後再處罰」，逐漸增加一層「事情發生以前就告訴你哪裏有問題、為什麼有問題、怎麼改」。這會改變監管和市場主體之間的關係。
但這裏不能把所有法律文件一股腦塞進一個大模型。法律、法規、SEC解釋、法院判決、豁免、no-action letter（不採取行動函）和行政裁決有不同權威層級，也有生效、失效、衝突和解釋狀態。AI如果不知道這些區別，知識越多，反而越可能一本正經地答錯。
所以監管知識庫至少要把來源、權威等級、適用法域、生效時間、替代時間、規則版本、衝突狀態和解釋狀態記錄清楚。用戶也應該能夠追問：為什麼引用這個案例？為什麼沒有引用另一個？哪條規則權威更高？否則只是從人工監管黑箱，變成AI知識庫黑箱。
七、AI進入監管以後，幾個邊界必須先講清楚
第一個邊界是責任。
如果SEC官方AI告訴一家企業「這樣做符合規則」，企業照做了，一年以後監管機構又說「AI判斷錯了，你違法了」，責任怎麼算？這個問題不能等系統上線以後再處理。
FINRA Rulebook Search Tool（FIRST，FINRA規則手冊搜索工具）目前明確說明自己只是信息工具，不提供監管或合規意見，依賴它也不能成為違規抗辯理由[5]。這恰好說明，從監管搜索工具走到真正會影響行為的監管AI，難點已經不僅是模型能力，而是它的法律效力、責任和合理信賴。
第二個邊界是私隱和權力。可驗證不等於監管者可以無限獲取數據。商業秘密、個人私隱、交易策略和安全密鑰不應該因為監管數碼化就失去保護。比較合理的原則是：需要核驗的事實能夠核驗，與監管目的無關的信息儘量不要獲取。監管者獲得驗證能力的同時，自己的權限也必須留下邊界和審計記錄。
第三個邊界是驗證機制本身。可驗證基礎設施也會形成新的權力節點：誰定義驗證接口，誰控制基礎數據，誰認證機器規則，驗證錯了由誰承擔責任，都不能留給一個新的黑箱。因此，可驗證監管不僅要核驗被監管對象，也要讓驗證機制本身的來源、權限、版本和責任可以被檢查。
第四個邊界是判斷。資產是否存在，可以核驗；一條規則是怎樣修改的，可以回放。但某種控制是否已經構成法律上的實質控制、某種管理努力是否足以形成投資合同、某種處罰是否適當，這些仍然包含法律解釋和價值判斷。
《可驗證思想》中把它分成三類：確定性事實核驗，過程性事實回放，認知性判斷覆核。AI可以儘量把事實弄清楚、把分歧縮小，但到了無法消除的裁量，應該明確交給人，並把人的理由留下來。最終判斷權和責任不能因為AI出現而消失。
八、為什麼我們越來越相信「實驗—復盤—修改」這條路
我們並不是把這些只當成制度想像。我們目前正在自己的AI監控系統裏測試類似的分工。
一個AI主要做程序和工程執行，另一個AI主要檢查規則、證據、邏輯和驗收結果。我們刻意不讓同一個AI完成「自己執行、自己解釋、自己證明自己正確」的閉環。
在這套實踐中，人工一側並不以逐行監督全部程序代碼為前提。我們保留的是目標決定權、風險邊界、暫停權和最終授權；AI負責執行和檢查，但不能替代人的最終責任。
系統真的跑起來以後，暴露的問題和理論討論很不一樣。數據會斷源，時間戳會錯，權限會不夠，不同AI會對同一事實作出不同解釋，甚至會把「不知道原因」強行解釋成一個聽起來合理的故事。
這些問題不是坐在書桌前都能想出來的。它們只能在真實運行中出現，然後逼着我們改規則。這也是我們為什麼主張監管要允許有限實驗。可驗證思想如果要求別人接受事實檢驗，它自己也不能例外。
九、給SEC留下十項以後可以回來核對的判斷
此前我們在評價美聯儲主席沃什時，曾經根據他的講話寫下十項未來預測，不是為了證明自己聰明，而是為了幾年以後回來看看：當時到底有沒有理解他的決策函數。
對SEC也可以這樣做。下面十項不是事實，而是我們今天根據可驗證思想作出的判斷。未來如果大量落空，就說明這套監管模型需要修改。
| 今天的判斷 | 以後看什麼 | 什麼情況說明判斷要改 |
| 1. SEC將進一步從單一資產標籤轉向分析經濟結構、價值來源和管理依賴 | 正式規則或解釋開始系統採用結構變量 | 仍主要依靠「證券/商品」標籤直接決定監管 |
| 2. 在最終規則形成以前，實驗性豁免和有限範圍制度會增加 | sandbox（監管沙箱）、conditional exemption（附條件豁免）、pilot（試點）增多 | 創新仍必須先完全適應舊規則才能運行 |
| 3. 部分監管規則將機器可讀，並逐步走向機器可執行 | 官方API、結構化規則、自動合規接口出現 | 監管仍主要依賴PDF和人工法律解釋 |
| 4. 監管報送將逐漸轉向事實接口和持續驗證 | 託管、儲備、資產等出現持續數據接口 | 仍主要依賴季度或年度報表 |
| 5. SEC會建立越來越完整的AI監管知識系統 | 企業可自動查詢適用規則、案例和整改要求 | 官方AI始終只是搜索和FAQ |
| 6. 自動監管系統會明確區分事實判斷與法律裁量 | 出現verified（已核驗）/ judgment required（需要人工判斷）之類制度邊界 | AI把法律判斷全部偽裝成確定結果 |
| 7. AI監管結論會形成正式覆核和申訴機制 | 明確人工升級、申訴和糾錯通道 | AI結果實際影響權利但無法挑戰 |
| 8. 實驗性規則將越來越要求事前指標和事後復盤 | 規則附帶期限、評價指標和覆審條款 | 規則實施以後幾乎沒有系統驗證 |
| 9. 當協議治理行為和責任鏈更可核驗後，DAO和協議治理將逐步形成更獨立的法律定位 | 監管規則開始按可核驗的治理行為、控制權和責任鏈界定DAO、基金會和協議治理責任 | 仍只能在「公司/無人負責」之間二選一，治理事實不進入法律判斷 |
| 10. SEC自身組織結構會因AI而變化 | 更多AI審計、規則戰略、爭議覆核崗位，減少大量重複人工事實核查 | AI只是提高原機構效率，組織邏輯基本不變 |
結語
工業時代的監管建立在一個很現實的條件上：大量關鍵事實無法直接驗證。人類因此發展出牌照、審計、機構信用、分權制衡和事後執法。這些制度直到今天仍然有價值。
但技術正在慢慢改變這個前提。Crypto讓一部分公共事實可以不依賴單一機構而持續核驗，AI又在降低查事實、回放過程、整理規則和覆核判斷的成本。
這並不意味着監管會消失，也不意味着機器可以接管法律。它只是要求我們重新問一些以前沒有必要問的問題：哪些事實已經可以驗證？哪些風險因為可驗證而降低了？哪些權力仍然看不見，因此還必須繼續依靠責任分離和制度制衡？規則實施以後，有沒有人回來檢查它到底有沒有達到目的？監管者自己作出的判斷，能不能被復盤？驗證機制本身，能不能被驗證？
如果這些問題能夠逐漸進入日常監管，變化可能比「把監管數碼化」更深。
我們希望看到的，不是一套宣稱永遠正確的監管制度，而是一套能夠核驗事實、發現錯誤、承認失敗、持續修正，並且自身也接受覆核的制度。
參考文獻
註：英文文獻標題後的中文名稱為本文譯法；法律文件以官方英文原文為準。
[1] U.S. Securities and Exchange Commission (SEC). Regulation Crypto Assets [《加密資產監管規則》]. Proposed Rule, Release Nos. 33-11434; 34-106150, File No. S7-2026-27, Aug. 18, 2026. https://www.sec.gov/rules-regulations/2026/08/s7-2026-27
[2] U.S. Securities and Exchange Commission (SEC). Crypto Task Force Roundtables [《SEC加密資產工作組圓桌會議》]. Updated Jan. 16, 2026. https://www.sec.gov/featured-topics/crypto-task-force/crypto-task-force-roundtables
[3] OECD. Regulatory experimentation: Moving ahead on the agile regulatory governance agenda [《監管實驗：推進敏捷監管治理議程》]. OECD Public Governance Policy Papers, No. 47, Apr. 5, 2024. https://doi.org/10.1787/f193910c-en
[4] Financial Conduct Authority (FCA). Digital Regulatory Reporting [《數碼化監管報送》]. Joint initiative with the Bank of England; project page first published Nov. 1, 2017, updated Feb. 10, 2023. https://www.fca.org.uk/innovation/regtech/digital-regulatory-reporting
[5] Financial Industry Regulatory Authority (FINRA). FINRA Rulebook Search Tool™ (FIRST™) Overview [《FINRA規則手冊搜索工具（FIRST）概覽》]. Accessed Sept. 8, 2026. https://www.finra.org/rules-guidance/rulebooks/finra-rulebook-search-tool-first
[6] European Union. Regulation (EU) 2024/1689 (Artificial Intelligence Act), Article 60, Testing of high-risk AI systems in real world conditions outside AI regulatory sandboxes [《歐盟人工智能法案》第60條：監管沙箱外高風險AI系統的真實環境測試]. OJ L, July 12, 2024; consolidated text updated July 27, 2026. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32024R1689
[7] OECD. Consultation on the digital provision of law: Towards a shared reference framework for Law as Code [《法律數碼化提供諮詢：邁向「法律即代碼」共同參考框架》]. Public consultation, July 29, 2026–Apr. 30, 2027. https://www.oecd.org/en/events/public-consultations/2026/07/consultation-on-the-digital-provision-of-law-towards-a-shared-reference-framework-for-law-as-code.html
[8] OECD. Government at a Glance 2025, §8.3 Ex post evaluation [《政府概覽2025》第8.3節「事後評價」]. June 19, 2025. https://doi.org/10.1787/0efd0bcd-en
[9] SEC v. W.J. Howey Co., 328 U.S. 293 (1946) [美國最高法院「豪威案」，Howey Test（豪威測試）來源].
