От многоагентного сотрудничества, предсказательных рынков до выполнения в блокчейне — разворачивается эксперимент об автономных экономических агентах ИИ
июль 2026 года
За последние два года логика конкуренции в области искусственного интеллекта заметно меняется.
На первом этапе люди обсуждали, может ли большая языковая модель создавать более качественные тексты, изображения и код. На втором этапе рынок начал уделять внимание AI Copilot — может ли искусственный интеллект стать вспомогательным инструментом для человека.
А теперь формируется новое направление: ИИ больше не просто отвечает на вопросы, а начинает понимать цели, разбивать задачи, вызывать инструменты, принимать решения и доводить выполнение до конца.
Вот почему ИИ-агенты всё больше привлекают внимание и технологических предпринимателей, и инвесторов.
Но с точки зрения VC истинно интересующие вопросы — это не только «станут ли ИИ-агенты следующим горячим направлением?». Важнее другое: что произойдёт, когда ИИ-агент получит активы, идентичность, платежные возможности и проверяемую среду выполнения?
Web3 предлагает новый ответ на эту проблему.
А Vanguard как раз пытается исследовать новую автономную финансовую инфраструктуру на стыке ИИ-агентов, прогнозных рынков и on-chain выполнения.
От чатбота к агенту: ИИ меняет роль
Прошлая волна ИИ больше напоминала инструмент. Пользователь задаёт вопрос — ИИ даёт ответ; пользователь отдаёт команду — ИИ предлагает; в итоге реальная работа и выполнение всё равно выполняет человек.
Но появление ИИ-агентов меняет эту модель. Настоящий агент — это не только «умеет вести диалог». Ему также нужны способности: воспринимать среду, понимать задачу, автономно планировать, вызывать инструменты, выполнять задачи в несколько шагов, получать обратную связь и постоянно улучшаться.
Проще говоря, традиционный ИИ больше похож на «подсказывает, что делать», а ИИ-агент — ближе к «понимает, что нужно завершить, а затем помогает выполнить задачу».
С инвестиционной логики это означает, что коммерческая ценность ИИ может смещаться с «подписки на ПО» к «выполнению задач».
Когда ИИ начинает непосредственно участвовать в бизнес-процессах, его ценность больше не определяется только возможностями модели. Она также зависит от того, есть ли у него доступ к данным в реальном времени, может ли он вызывать внешние системы, способен ли автономно выполнять задачи, есть ли у него управление правами, может ли он проводить платежи и расчёты, и можно ли проверять результаты выполнения.
Вот где ИИ-агенты и Web3 начинают пересекаться.
Зачем ИИ-агентам Web3?
Многие рассматривают ИИ и Web3 как два совершенно разных рынка: один представляет интеллект, а другой — блокчейн и цифровые активы.
Однако с точки зрения инфраструктуры между ними действительно есть естественная взаимодополняемость.
ИИ-агенты умеют понимать информацию, анализировать среду, генерировать стратегии, принимать решения и выполнять задачи; а Web3 может предоставить цифровую идентичность, аккаунты-кошельки, право собственности на активы, программируемые платежи, on-chain-записи, открытые протоколы и проверяемое выполнение.
Иными словами: ИИ отвечает за «мышление и действия», а Web3 — за «идентичность, активы, расчёты и доказательства».
Если ИИ-агенты в будущем будут лишь помогать пользователям писать письма и делать PPT, то им не обязательно нужен Web3. Но если ИИ-агенты начнут управлять цифровыми активами, вызывать on-chain-протоколы, участвовать в прогнозных рынках, исполнять автоматизированные стратегии, выполнять платежи между «машиной и машиной» и самостоятельно распределять ресурсы, тогда кошельки, on-chain-аккаунты, цифровые активы и проверяемые записи могут стать важной инфраструктурой.
Именно поэтому ИИ × Web3 действительно стоит внимания со стороны VC. Это не просто сумма двух популярных концепций, а более глубокий вопрос: когда ПО получает способность действовать, нужно ли ему также иметь свои аккаунты, активы и систему расчётов?
С точки зрения VC на ИИ × Web3 действительно важны три вопроса
Для инвестора вопрос о том, стоит ли новый сегмент долгосрочного внимания, обычно не зависит от того, насколько «модна» концепция. Он зависит от того, создаёт ли она новые возможности, формирует ли новые экономические связи и приводит ли к появлению нового инфраструктурного слоя.
Первое: создали ли они новые возможности?
По-настоящему ценные технологические изменения обычно не заключаются в том, чтобы переименовать существующий продукт, а в том, чтобы создать возможности, которые раньше было невозможно реализовать.
Крупнейшее изменение при сочетании ИИ-агентов и Web3 в том, что ПО больше не просто предоставляет информацию — оно начинает иметь возможность непрерывно воспринимать среду, автономно оценивать, вызывать средства и протоколы, а также выполнять сложные процессы.
Это означает, что ПО может превратиться из «инструмента» в «участника».
Во-вторых, возникают ли новые экономические отношения?
В традиционном интернете ПО в основном обслуживает людей. А в эпоху агентов, возможно, появится всё больше сделок между агентами и людьми, между агентами и платформами, и даже между агентами.
Если искусственный интеллект сможет автономно покупать данные, оплачивать комиссии API, вызывать вычислительные мощности, конфигурировать активы и выполнять on-chain задачи, то сама машина может стать новым экономическим субъектом.
Это также так называемое «Agent Economy» — ключевое пространство идей экономики агентов.
Третье: формируется ли новый инфраструктурный слой?
VC обычно больше волнует не краткосрочное приложение, а то, кто имеет шанс стать базовой инфраструктурой следующей экосистемы.
В эпоху мобильного интернета инфраструктура включает операционные системы, облачные сервисы, платежи и магазины приложений.
В эпоху ИИ-агентов новая инфраструктура может включать идентичности агентов, кошельки агентов, диспетчеризацию моделей, доступ к данным, выполнение задач, контроль рисков и расчёты on-chain.
Выбранное Vanguard направление находится прямо в этой зоне пересечения.
Точка входа Vanguard: переводить ИИ от оценки к выполнению
Согласно материалам проекта, Vanguard не определяет себя как простой чатбот или инструмент для торговых сигналов. Основная техническая система построена вокруг интеллектуального движка VGQuant.
Система пытается соединить данные в реальном времени, ИИ-анализ, оценку стратегии, контроль рисков, этап выполнения, обратную связь по результатам и итерации модели.
Материалы проекта показывают четырёхуровневую архитектуру: нижний уровень — интеллектуальное ядро VGQuant, уровень взаимодействия — AI Agent middleware, прикладной уровень — DApp VGMatrix, уровень пользователей — персонализированный интерфейс.
Эта архитектура пытается связать воедино базовые данные, возможности моделей, сотрудничество агентов и on-chain-приложения.
С точки зрения VC, фокус этого дизайна заключается не в том, «сколько ИИ использовано». Важно другое: сможет ли он сформировать полный технологический замкнутый контур — от восприятия данных до окончательного выполнения.
Потому что в эпоху агентов главный технологический разрыв может быть уже не в том, «чья модель ответит на больше вопросов», а в том, «кто сможет обеспечить надёжное выполнение задач ИИ в реальной среде».
Шесть агентов: многоагентный эксперимент Vanguard
Ещё один важный дизайн Vanguard — это отсутствие попыток заставить единственную ИИ-модель выполнить всю работу целиком. Согласно материалам проекта, система состоит из шести специализированных интеллектуальных агентов, каждый из которых отвечает за разные задачи.
RECON: агент разведки (информации)
RECON отвечает за сканирование глобальных новостей, социального инфополя, on-chain-данных, макро-событий и изменений на прогнозных рынках. Его роль ближе к круглосуточной системе разведки.
В традиционном процессе одна новость должна пройти путь «человек увидел — человек понял — человек проанализировал — человек решил, действовать ли». А в системе агентов цель — сжать этот процесс до: событие произошло — машина воспринимает — структурный анализ — оценка стратегии — вход в контур выполнения.
RAPTOR: агент идентификации возможностей
RAPTOR отвечает за выявление потенциальных ценовых неэффективностей в прогнозных рынках.
Особенность прогнозных рынков в том, что они торгуют не традиционными товарами, а вероятностями наступления будущих событий. Скорости распространения информации в реальном мире различаются, оценки участников различаются, а глубина рынка тоже разная — поэтому в краткосрочном периоде могут возникать ценовые отклонения.
Роль RAPTOR — попытаться выявить эти аномальные ценовые взаимосвязи.
С технической точки зрения это не просто «прогнозирование роста/падения», а поиск логических несоответствий между разными ценами.
AEGIS: агент контроля рисков
Любая исполняющая ИИ-система не может просто стремиться к возможностям. Она также должна знать, когда выполнять не следует.
AEGIS отвечает за мониторинг аномалий, оценку рисков по порогам, управление ограничениями позиций, выполнение защитных действий и, при необходимости, инициирование аварийного «circuit breaker».
С точки зрения VC системы рисков часто важнее, чем просто торговая стратегия. Ведь то, что определяет, сможет ли автоматизированная система долго работать, — это не сколько она зарабатывает в лучшие моменты, а сможет ли она выжить в худшие.
NEXUS: агент ликвидности
Теоретические возможности не означают, что их всегда можно реализовать в реальности. На реальный рынок также влияют глубина, объёмы торгов, проскальзывание, загрузка капитала и стоимость исполнения и т. д.
Роль NEXUS — определять, как средства распределяются между разными рынками и пулами ликвидности.
PULSE: агент тайминга
PULSE отвечает за моменты выполнения.
На быстро меняющемся рынке стоимость одного и того же шага может отличаться на секунду вперёд или назад. Поэтому системе недостаточно знать «что делать» — ей нужно оценивать «когда делать».
ANCHOR: агент ребалансировки
ANCHOR отвечает за динамическую корректировку распределения активов. Даже если одна стратегия работает, при длительной чрезмерной концентрации это может создать новые риски.
Поэтому система должна постоянно обрабатывать концентрацию капитала, баланс портфеля, изменения рынка и риск-экспозицию.
Истинный смысл шести агентов заключается не в самом названии, а в том, что они отражают новый подход к проектированию ПО: в будущем сложные системы, возможно, больше не будут выполнять все задачи с помощью одного супер-модели, а будут решать их совместно несколькими специализированными агентами.
Почему прогнозные рынки могут стать важной тестовой площадкой для ИИ-агентов?
С точки зрения VC прогнозные рынки — очень интересный сценарий. Потому что у них одновременно есть: данные в реальном времени, чёткий результат, частые изменения высокочастотной информации, торгуемые вероятности и расчёты цифровыми активами.
Это делает его естественной средой для тестирования ИИ-агентов. Такая агентная система должна выполнять задачи вроде получения новостей, понимания событий, оценки влияния, выявления изменений в ценообразовании, оценки рисков, выбора момента выполнения и записи итогового результата.
Материалы проекта описывают этот процесс как восьтишаговый замкнутый цикл: сбор данных, принятие решений, выполнение торгов, запись результатов, анализ причин (attribution), обновление стратегии, итерации модели и следующая оптимизация.
В этом отличие от традиционного ИИ: задачи традиционного ИИ завершаются после выдачи ответа; а у агента задача начинается по-настоящему после выполнения.
Потому что системе также нужно знать, верен ли результат, почему успех, почему неудача, и как корректировать действия в следующий раз.
Ценность Web3: чтобы результаты выполнения можно было отслеживать
Одна из главных проблем ИИ-агентов — доверие.
Когда ИИ говорит вам: «Я уже выполнил задачу», как это доказать?
В традиционном интернете многие записи о выполнении хранятся в собственных базах данных платформы. Платформа контролирует данные, права, записи и результаты.
А on-chain-системы предлагают ещё одну возможность: записи выполнения можно сделать отслеживаемыми, с таймстампами, их сложнее подделывать, и их можно проверять публично.
Это не означает, что все ИИ-системы обязательно должны размещать данные on-chain. Но в сценариях, связанных с активами, платежами, торговлей и расчетами, проверяемость становится всё более значимой.
Это также одна из ключевых причин, почему Vanguard объединяет ИИ-агентов и on-chain-приложения. Согласно материалам проекта, система данных VGQuant соединяет разнообразные источники данных: on-chain-данные, данные бирж, информацию прогнозных рынков, данные оракула и новостной/соц.-медийный контент и т. д.
С точки зрения капитала потенциальная ценность такого дизайна — это не просто «автоматизированная торговля». Более важно, что он пытается построить систему, которую ИИ сможет воспринимать, принимать решения и выполнять — и которую при этом можно проверять.
Настоящий ров не будет просто «мы использовали ИИ»
В ближайшие годы всё больше проектов будут утверждать, что у них есть ИИ, агенты, Web3 и автоматизация. Поэтому сам по себе термин не станет долгосрочным барьером.
Конкуренция будет сосредоточена в пяти направлениях: данные, выполнение, контроль рисков, проверяемость и непрерывное обучение.
Во-первых, данные
Есть ли у системы стабильный, реальный, качественный и устойчивый источник данных?
Второе, выполнение
Могут ли выводы модели реально превращаться в надёжное исполнение? Проблема многих AI-продуктов не в том, что они не умеют анализировать, а в том, что они не могут дойти до последней мили.
Третье, контроль рисков
Может ли система распознавать аномалии, ограничивать убытки, останавливать ошибочное выполнение и справляться с экстремальными случаями?
Четвёртое, проверяемость
Что именно система заявляет о том, что сделала, и сможет ли это проверить внешняя сторона?
Пятое, непрерывное обучение
Может ли результат выполнения попадать в новые модели и стратегии? Если нельзя сформировать контур обратной связи, ИИ-агент легко деградирует до обычного автоматизированного скрипта.
Долгосрочная конкурентоспособность Vanguard в итоге также зависит от этих возможностей, а не просто от количества агентов, размера параметров модели или от того, насколько новые и громкие концепции заявлены.
От капиталистического нарратива к реальной проверке
История ИИ × Web3 большая, но чем больше история, тем больше ей нужна реальная проверка.
Для Vanguard вопросы, на которые будущий рынок действительно будет обращать внимание, включают: реально ли система работает, смогут ли шесть агентов стабильно сотрудничать, надёжны ли источники данных, эффективны ли механизмы рисков, можно ли отслеживать результаты выполнения, сможет ли стратегия долгосрочно адаптироваться к разным рынкам, и можно ли независимо проверять технические метрики.
В материалах проекта показаны многоисточниковая система данных VGQuant, шесть агентов и полноценный замкнутый контур выполнения.
Но для любой новой инфраструктуры в AI-финансах истинное доверие не рождается из PPT — оно приходит через непрерывную, прозрачную и проверяемую поставку.
Это также общий вызов, с которым в будущем всем ИИ-агентам придётся столкнуться.
О компании и комплаенс-основах
Согласно материалам проекта Vanguard, Vanguard Crypto Intelligence завершила регистрацию компании в штате Калифорния (США).
Материалы также демонстрируют FinCEN Money Services Business, то есть информацию о регистрации MSB.
Нужно пояснить следующее: регистрация FinCEN MSB относится к системе нормативной регистрации и подачи документов и не означает, что правительство США или FinCEN одобрили или поддержали какую-либо бизнес-модель, инвестиционный продукт, торговую стратегию, токен или показатели доходности.
С точки зрения VC и долгосрочного развития компании по-настоящему важны всё же непрерывная комплаенс-поддержка, реальные бизнес-способности, техническая поставка, контроль рисков и прозрачность.
Следующее поколение интернета может быть не только «люди используют ПО»
Главная логика Интернета за последние тридцать лет такова: люди используют ПО, люди нажимают кнопки, люди совершают сделки.
А появление ИИ-агентов может принести новые изменения. В будущем это может означать, что ПО само понимает цель, дробит задачи, вызывает инструменты, выполняет платежи, проводит сделки и продолжает учиться.
В такой ситуации участники в интернете будут не только людьми — возможно, значительную роль будут играть многочисленные ИИ-агенты с аккаунтами, активами, способностью вызывать сервисы и выполнять сделки.
Web3 даёт активы и расчёты, а ИИ — интеллект и принятие решений.
Когда эти два направления начинают сочетаться, возникает ещё один новый вопрос: в будущей цифровой экономике станут ли ИИ-агенты новыми экономическими участниками?
Вот где ИИ × Web3 действительно стоит долгосрочного внимания со стороны рынка капитала.
Положение Vanguard
Vanguard выбирает не просто историю «ИИ + монета». По крайней мере, судя по направлению их технической архитектуры, они пытаются исследовать сочетание: ИИ-агенты, кооперация множества агентов, прогнозные рынки, on-chain выполнение, обратная связь по данным и непрерывная итерация.
С инвестиционной точки зрения реальная ценность этого направления в том, что оно пытается ответить на долгосрочный вопрос: как ИИ из ПО, которое «умеет думать», превращается в ПО, способное действовать в цифровой экономике?
Ответ ещё не сформирован полностью, и это направление всё ещё находится на ранней стадии.
Именно поэтому пересечение ИИ-агентов и Web3 может стать одним из самых ценных технологических экспериментов для постоянного наблюдения в ближайшие годы.
А Vanguard хочет стать участником инфраструктуры в этой серии экспериментов.
О Vanguard
Vanguard — это техническая платформа, построенная вокруг ИИ-агентов, интеллектуального движка VGQuant, прогнозных рынков и on-chain выполнения.
Согласно материалам проекта, многоагентная система включает: RECON (агент инфорамции), RAPTOR (агент идентификации возможностей), AEGIS (агент риск-контроля), NEXUS (агент ликвидности), PULSE (агент моментов/тайминга) и ANCHOR (агент ребалансировки).
Ключевое направление технического развития проекта — перевод ИИ от традиционных инструментов анализа информации к автономным системам, которые способны воспринимать, оценивать, сотрудничать, выполнять, получать обратную связь и итеративно улучшаться.