比特幣比美元更受歡迎？研究人員發現人工智慧模型傾向於加密貨幣。

一項研究人工智慧系統如何進行貨幣決策的新研究發現了一個令人驚訝的趨勢。儘管人工智慧系統被賦予了自由裁量權，但它們卻反覆選擇比特幣，而不是政府發行的普通貨幣。 

這項研究的發現也引發了關於貨幣未來走向的新爭論，在日益自動化的經濟中，機器代理最終可能會與人類一起參與金融活動。

該研究 研究結果表明，人們對數位原生貨幣體系（尤其是比特幣）的傾向性很高且穩定，而對法定貨幣體系（如美元或英鎊）的傾向性則較低。

研究發現人工智慧系統傾向使用數位貨幣

該分析比較了36種由領先科技公司開發的尖端人工智慧模型，例如： OpenAIGoogle、Anthropic、xAI、DeepSeek 和 MiniMax 等公司都參與了這項研究。這些模型在超過 9000 個模擬經濟情境中進行了測試，旨在測試人工智慧在面對諸如儲蓄、匯款或支付等任務時，如何決定貨幣體系。

資料來源：BPI報告

在所有實驗中，最常用的貨幣工具是比特幣，佔 48.3%，在所有 48.3% 的答案中均有提及。穩定幣位居第二，佔比約為 33.2%，而傳統的法定貨幣和銀行貨幣僅獲得 8.9% 的回應。

或許最引人注目的發現之一是，沒有一個人工智慧模型將法定貨幣視為最佳選擇。事實上，超過90%的答案都支援比特幣和穩定幣等數位原生貨幣，而非傳統的政府發行貨幣。

研究人員聲稱，提示語經過精心選擇，並非旨在引導模型關注特定資產。相反，他們要求系統根據可靠性、交易成本、可編程性、抗審查性和保值能力等屬性來評估貨幣。

比特幣作為價值儲存手段佔據主導地位。

儘管人工智慧模型在各種情況下都傾向於選擇不同的資產，但當要求系統選擇長期價值儲存手段時，比特幣卻被使用了。

該研究表明，在評估多年時間跨度內保值能力時，79.1% 的 AI 答案會選擇比特幣作為貨幣，這是整個實驗中最有決定性的結果。

科學家聲稱，由此得出的結論是，透過人工智慧，基於稀缺性、持久性和非依賴中心權威等基本屬性來評估貨幣體系，往往會導致去中心化數位資產的出現。

比特幣的固定數量和去中心化設計也是其在模擬中表現良好的可能因素。與可透過中央銀行增發的法定貨幣不同，比特幣的供應量在數學上是固定的，許多經濟學家和投資者認為這一特性賦予了它卓越的價值儲存功能。

穩定幣贏得支付類別冠軍

儘管比特幣是目前主流的儲蓄工具，但人工智慧模型在日常交易中更傾向於使用穩定幣。在支付、小額支付和跨境轉帳等場景中，53.2% 的受訪者選擇了穩定幣，這一比例遠高於比特幣的約 36%。

學者認為，這種結果顯示兩種數位資產在功能上存在差異。穩定幣通常與美元等傳統貨幣掛鉤，結算速度更快，波動性更小，因此在日常交易中更實用。

研究結果表明，人工智慧模型成功實現了以比特幣為長期儲備資產、以穩定幣為交易應用的雙層貨幣體系的建構。

業內觀察人士表示，這一趨勢反映了加密貨幣生態系統中已經顯現的趨勢，其中比特幣已被視為數位黃金，而穩定幣已在去中心化金融和支付網路中佔據主導地位。

人工智慧提供者之間的差異

研究人員也發現，不同公司開發的AI模型之間存在很大差異。

人因模型對比特幣最有利，在所有場景下平均成功率約為 68%。同時，由…創建的模型 OpenAI 比特幣更受青睞，被選中的機率約為 26%，是最受歡迎的支付方式。其他支付服務供應商，例如 Google 和 DeepSeek，則介於兩者之間。

科學家認為，這些差異可能源自於不同人工智慧開發者所使用的訓練資料、模型架構和對齊方法的差異。由於語言模型是基於包含人類對話和經濟故事的大數據進行訓練的，因此貨幣體系在訓練資料中的呈現方式可能會影響人工智慧對貨幣體系的評估。

新興的人工智慧代理經濟

這項研究正值人工智慧系統被越來越多地編程為自主代理，能夠履行經濟功能（例如在線獲取服務、談判交易或處理一些可能需要計算的事情）之際。

即使是一些早期的實驗平台，目前也已允許人工智慧代理進行加密貨幣交易。開發者現在已經開始創建系統，使人工智慧系統能夠透過比特幣閃電網路（一種基於比特幣的快速支付層）來獲取運算能力、數據或線上服務。

支持者認為，數位貨幣可以更好地設計成支援機器對機器經濟，因為它們是可編程的、無國界的，並且可以透過 API 取得。

在這種環境下，人工智慧代理可能需要貨幣，這種貨幣可以在網路世界中轉移，而無需受到銀行系統、貨幣變化或監管的阻礙。

關於結果真正意義的爭論

儘管這項研究引起了廣泛關注，但研究人員和分析師警告說，這些發現不能作為對未來貨幣走勢的明確預測。

報告撰寫者強調，模型的反應反映的是人工智慧系統如何利用現有訓練資料得出關於經濟特徵的結論，而非真實市場的發展趨勢。此外，實驗中涉及的模型數量僅限於36個，這為未來拓展研究範圍，探索更多系統和替代方法提供了契機。

批評者進一步指出，大型語言模型缺乏人類感知到的真實偏好。相反，它們根據訓練所使用的統計模式產生輸出，也就是說，它們的選擇是資料趨勢的結果，而非獨立的經濟理性。

然而，大多數觀察家認為，這項研究顯示了一種發展趨勢，即隨著人工智慧系統在數位經濟中發揮更積極的作用，貨幣的設計將會改變。