2026 上半年可觀察到一個顯著現象:原本以加密為主戰場的 KOL、創投、播客節目集體加大 AI 內容比重,部分帳號甚至整體重新定位。這場「加密到 AI 的注意力大遷徙」不是簡單的話題轉換,而是一個涵蓋內容創作者、機構投資人、與媒體主編三個層面同步發生的結構性轉移。本文以鏈新聞近期觀察的案例為基礎,拆解遷徙的三種模式、驅動邏輯,以及對台灣加密/科技讀者的實質意涵。 典型案例:Miles Deutscher 從加密交易分析到 AI Edge Miles Deutscher 是這場遷徙最鮮明的案例之一。他在 X 上擁有 670K 追隨者、過去幾年主戰場是加密交易與市場分析,內容以 BTC 走勢、山寨幣分析、DeFi 收益機會為主。2026 年他的個人資料改為「Obsessed with AI. Building @aiedge_」,並創立 AI 專屬品牌帳號 @aiedge_ 專門發布 AI 產品教學、提示詞工程、代理工作流分析。2026 年 7 月 1 日他於 X 發布長文《How To Master Fable(Fundamentals Guide)》,一次性拆解 Claude Fable 5 的 loop engineering、Skills、記憶系統與併發子代理—從一位過去以加密分析為主的 KOL 發表 AI 教學長文而言,是顯著的品牌轉向指標。 Deutscher 不是孤立案例。同期可觀察到多位過去以加密為主軸的 X 帳號、Substack 訂閱與 YouTube 頻道,都在 2025 年下半年起逐步增加 AI 內容比重、部分帳號完成品牌翻新。這些個別動作累積起來,是一場橫跨個人 KOL、媒體品牌、與機構投資人的集體注意力轉移。 3 種轉型模式:純轉戰派、雙軌派、橋接派 依鏈新聞觀察,加密 KOL 對 AI 的轉型可分為三種模式,動機與品牌處理方式各異。 純轉戰派是最徹底的一批。這類帳號完全重新定位,加密只作為背景色。典型代表是 Miles Deutscher(X 追隨者 670K,過去主戰場為加密交易分析),其個人資料明確寫「Obsessed with AI. Building @aiedge_」,並創立 AI 專屬品牌 @aiedge_。2026 年 7 月 1 日他發布《How To Master Fable(Fundamentals Guide)》長文,內容為 Claude Fable 5 的完整實務指南—從一位過去以加密分析為主的 KOL 發表 AI 教學長文而言,是顯著的品牌轉向指標。 雙軌派保留原本加密品牌,同時大量增加 AI 內容。多數加密 VC 合夥人與媒體主編屬此類。他們並未拋棄過去累積的加密讀者資產,而是把 AI 論述當作與加密平行的第二條主線經營。這類轉型的商業判斷通常是:加密與 AI 讀者群重疊度極高、退休轉型代價高於併行經營。 橋接派則是專注 AI x Crypto 交叉題材—鏈上 AI 代理、預測市場與 AI 交叉、DeSci、AI x DePIN 等。這批 KOL 的觀點通常是「加密與 AI 是同一場運算資源與網路效應的戰爭」,不需要選邊站。橋接派的內容產出速度較慢,因為要同時追上兩個快速演化的技術棧,但長期品牌積累最厚。 為什麼是現在:注意力經濟的四個驅動力 驅動這場遷徙的力量至少可以拆成四個層次。 第一,注意力經濟輪替。AI 是 2026 上半年注意力與創投資金兩者最集中的主戰場。加密敘事熱度整體降溫、除了 穩定幣監管、比特幣國庫(DAT)與代幣化證券三條主線之外,剩餘的鏈上敘事對散戶的吸引力顯著弱化。相對而言,Fable 5、GPT-5.6、Anthropic Claude Science、Cursor iOS 等 AI 產品的每一次更新都能引爆討論。 第二,技能轉移成本低。加密 KOL 的核心技能可以直接遷移:交易分析→模型基準測試;鏈上分析→提示詞工程;VC 敘事製造→AI 產品評測;治理討論→AI 對齊與安全論述。這意味著轉型不需要重新學一整套技術框架,只需要把已有能力對到新工具上。 第三,讀者群重疊極高。加密散戶與早期 AI 用戶群體重疊度極高—兩者都是 Twitter/X 深度使用者、追早期科技產品、對訂閱付費模式接受度高。這代表 KOL 可以直接把讀者「帶走」到 AI 主題,不需要重新建立讀者群。 第四,信譽風險最低點。加密熊市期間轉型的心理成本最低—轉型可以描述為「擴張到更大的機會」而非「逃離加密」,避免被貼上「跑路」標籤。這是 KOL 選擇 2026 上半年集體轉型的社群動機。 機構層的並行變化:創投與播客 個人 KOL 層之外,機構層也可觀察到並行的重心轉移。 創投層,業界觀察指出多家過去以加密為主戰場的美國 VC—包括 a16z crypto、Multicoin Capital、Paradigm—近期公開發文的重心明顯向 AI 主題傾斜(實際基金部位變化須以各家公開申報資料為準、目前無普查數據)。加密創辦人 Peter Thiel 支持的加密友善銀行 Erebor 7 月 2 日估值上探 $80 億、存款近 4 倍成長—這批銀行的目標客戶正好是「加密 x AI 混合創業」的新一代新創,機構資本的重心轉移為這場遷徙提供了具體的基礎設施背景。 播客層,過去以純加密為主的節目—Bankless、Empire、Uncommon Core 等—2026 上半年加開 AI 專場的頻率明顯上升。Bankless 已明確設立兩個 AI x Crypto 相關內容線:《AI Rollup》系列追蹤加密與 AI 交叉領域的最新動態,《Mindshare》電子報專注前沿 AI x Crypto 主題。這代表「加密媒體開設 AI 分線」正在成為業界標準做法。 對台灣讀者的意涵:資訊源正在集體移動 對台灣加密與科技讀者而言,這場遷徙有兩個實質意涵。 其一,你長期追蹤的資訊源正在集體移動。過去以加密分析為主的 Twitter 帳號、Substack 訂閱、YouTube 頻道,2026 上半年 AI 主題的內容比重相當可觀(未見公開普查、屬 鏈新聞追蹤觀察)。這意味著讀者若仍以「純加密追蹤者」的角色接收資訊,實際上會錯過這批 KOL 提供的最新洞察—因為他們的洞察現在寫在 AI 主題底下。 其二,加密專業並未貶值、而是形成新的 AI x Crypto 混合競爭力。過去累積的鏈上分析、鏈上資料閱讀、代幣經濟設計等能力,在 AI x Crypto 主題(AI 代理使用穩定幣支付、預測市場、DeSci、鏈上身分)上反而形成獨特的競爭優勢。加密讀者若把兩者結合觀察,會發現自己相對純 AI 讀者有先發資訊優勢。 本文經授權轉載自:《鏈新聞》 原文標題:《你追的加密網紅正在集體轉戰 AI:拆解 3 種遷徙模式》 原文作者:Elponcrab 『你追的幣圈網紅正轉戰AI:為何加密+AI讀者,會比純AI讀者有優勢?』這篇文章最早發佈於『加密城市』
以太坊基金會公開 AI 安全研究成果,成功找出真實漏洞 以太坊基金會(Ethereum Foundation)近日公開 Protocol Security 團隊最新安全研究成果,說明 AI 智慧代理(AI Agents)如何協助核心開發團隊進行漏洞搜尋與安全分析。 基金會表示,AI 已成功發現多項真實安全漏洞,其中包括近期已完成修補、並取得 CVE-2026-34219 編號的 libp2p Gossipsub 漏洞,證明大型語言模型已具備協助區塊鏈安全研究的實際能力。 目前 AI 已投入以太坊(Ethereum)協議層、P2P 網路、密碼學函式庫、系統軟體及智能合約等多個核心元件的安全審查工作。相較於傳統完全依靠人工閱讀程式碼,AI 能快速分析大量程式內容,建立攻擊情境、追蹤函式呼叫流程、提出漏洞假設,甚至產生概念驗證(Proof of Concept,PoC),讓研究人員能更快鎖定需要深入分析的區域。 基金會表示,AI 並未改變漏洞研究的方法,而是大幅提升搜尋速度與覆蓋範圍,使安全團隊能同時分析更多程式碼、測試更多攻擊路徑,降低人工作業所需的時間成本。 偽陽性比例仍高,研究人員花最多時間驗證結果 雖然 AI 已能找出真實漏洞,但以太坊基金會也坦言,目前最大的挑戰仍是大量「偽陽性(False Positives)」。 根據 Protocol Security 團隊實際測試結果,AI 每提出約 10 個疑似漏洞,其中約有 9 個最後被證實並不存在,真正需要修補的漏洞僅占少數。這意味著 AI 雖然能提供大量線索,但研究人員仍必須逐一重現、測試及驗證,才能確認哪些問題真正具有安全風險。 基金會指出,AI 產出的漏洞報告通常相當完整,不僅包含攻擊流程,也會提供程式碼分析、漏洞成因、可能影響及利用方式,因此看起來十分具有說服力。然而,部分推論建立在錯誤假設之上,導致整份分析結果雖然邏輯完整,最終仍無法成功重現漏洞。 研究團隊表示,目前投入最多時間的工作,已由過去主動閱讀程式碼尋找漏洞,逐漸轉變為驗證 AI 提出的各種可能性,確認哪些是真正值得修補的安全問題。 多個 AI Agent 分工合作,建立完整漏洞分析流程 為提升分析效率,Protocol Security 並未採用單一 AI 模型,而是建立多個 AI Agent 協同工作的架構,每個代理負責不同任務。 部分 AI Agent 專門搜尋潛在攻擊面,有些負責分析程式邏輯、提出漏洞假設,也有 AI 專門重新檢查其它代理提出的結果,排除重複內容、補充測試案例,甚至設計新的攻擊方式。整個流程與資安團隊分工合作相似,希望透過不同 AI 相互驗證,提高漏洞搜尋效率及覆蓋範圍。 基金會表示,這套架構部分參考近年 AI 安全研究成果,希望 AI 能從回答問題的工具,逐步發展成協助執行完整安全研究流程的輔助系統。 不過,每一項候選漏洞仍須由研究人員重新重現、驗證及分析影響範圍,確認符合漏洞定義後,才會正式提交修補程式。 AI 成為安全研究新工具,人類判斷仍是核心 以太坊基金會認為,AI 正逐步改變區塊鏈安全研究的工作模式。過去研究人員需要耗費大量時間閱讀程式碼、建立測試情境,如今 AI 已能快速完成第一輪分析,協助團隊縮小搜尋範圍,讓研究人員把更多精力投入漏洞驗證、修補方案設計及風險評估。 基金會也強調,評估 AI 系統價值的標準,並非產生多少漏洞報告,而是最終能成功確認多少真實漏洞。由於目前偽陽性比例仍接近九成,AI 提供的結果仍須透過人工驗證才能採信,因此資安專家的技術判斷依然是整個安全流程中最重要的一環。 隨著大型語言模型持續進步,AI 未來可望承擔更多程式審計及安全分析工作,也有機會降低新漏洞流入正式版本的風險。不過,以目前的技術發展來看,AI 更適合作為研究人員的協作工具,而非獨立完成漏洞審查。 對以太坊基金會而言,未來安全研究的重點將放在持續提升 AI 搜尋效率、降低偽陽性比例,以及建立更有效率的人機協作流程,讓區塊鏈核心基礎設施的安全性持續提升。 『以太坊基金會靠AI抓出漏洞!但高達9成是「偽陽性」誤報,仍須人工判斷』這篇文章最早發佈於『加密城市』