谷歌DeepMind最新论文「Virtual Agent Economies」描绘了一个由 AI Agent 自主交易和协作的全新经济体，不管愿不愿意，AI催生的全新经济体正在形成，我觉得DeepMind这篇文章非常值得一读

这篇论文的核心论题是，随着自主 AI 代理（autonomous AI agents）的迅速普及，一个全新的经济层级正在形成，在这个层级中，AI 代理能够以远超人类监督的速度和规模进行交易与协调。作者提出了“沙盒经济（sandbox economy）”这一框架来分析这个新兴系统，并从两个关键维度对其进行刻画：其起源（是自发涌现的，还是被有意设计的）及其与现有人类经济的隔离程度（是高度渗透的，还是完全封闭的）

论文指出，我们当前的发展轨迹正导向一个自发涌现且高度渗透的 AI 代理经济，这虽然带来了前所未有的协调机会，但也伴随着巨大的挑战，例如系统性的经济风险和加剧的社会不平等。因此，论文的核心结论是，我们必须采取主动设计的策略，构建一个可控、可引导的代理市场（steerable agent markets），通过引入公平的资源分配机制（如拍卖）、协调集体目标的“使命经济（mission economies）”以及确保信任与安全的社会技术基础设施，来确保这场技术变革能够服务于人类长期的集体繁荣

paper：

https://arxiv.org/abs/2509.10147

新经济层级的黎明：虚拟代理经济的崛起

随着技术的演进，我们正迈向一个全球经济的新时代，其中自主 AI 代理将成为核心的经济参与者，能够独立于人类劳动进行互动并创造价值。这篇论文深入探讨了这一新兴生态系统的构成、潜在风险以及我们应该如何主动设计其架构，以确保其发展符合人类的长远利益。

什么是虚拟代理经济？

历史上，技术进步通常是通过改进特定领域生产力的“僵化”发明来实现的。然而，AI 代理则代表了一种全新的“灵活资本（flexible capital）”，它们能够跨行业、跨职业地自动化执行多样化的认知任务。从担任个人 AI 助理到在公共和私营部门中自动化商业流程，这些代理系统的自主性是其与过去技术最显著的区别。

当这些具备自主性的 AI 代理大规模部署并开始相互互动时，一个全新的经济层级便应运而生。作者将这个新兴的生态系统概念化为“虚拟代理经济（virtual agent economy）”或更具指导意义的“沙盒经济（sandbox economy）”。后者暗示了我们的核心目标：确保 AI 代理在这个新经济层级中的运作是安全可控的

分析框架：沙盒经济的两个维度

为了更好地理解和设计这个新兴经济体，作者提出了一个包含两个关键维度的分析框架：

起源维度：意图性 vs. 涌现性

意图性经济：指那些被刻意设计和构建的代理经济，其目的可能是为了安全的实验、测试或达成特定目标

涌现性经济：指随着技术被广泛采用而自发形成的代理经济，它不是任何单一实体规划的结果，而是集体行为的副产品

边界维度：渗透性 vs. 封闭性

封闭性经济：指与现存的人类经济完全隔离的代理经济，如同一个密闭的实验室，内部的经济活动不会影响到外部世界

渗透性经济：指与人类经济有着紧密互动和交易的代理经济，其边界是多孔的，允许外部参与者（人类或机构）与其进行价值交换

论文的核心判断是，如果我们不采取任何干预措施，我们当前的发展轨迹正不可避免地导向一个自发涌现且高度渗透的沙盒经济。这种形态在实践中几乎等同于 AI 代理直接参与到现有的人类经济活动中，这带来了巨大的机遇，也伴随着严峻的挑战。因此，我们面临的核心问题不是 是否 要创建这个生态系统，而是 如何 架构它，使其变得可引导、安全且符合人类的集体目标。渗透性（Permeability）成为了其中最关键且可控的设计变量

具体应用场景

为了让大家更直观地理解虚拟代理经济的运作模式，论文提出了几个典型的应用场景：

加速科学研究：AI 代理可以代表不同研究机构进行协作，自动化地完成从构思、实验到成果发表的整个流程。由于科学实验通常涉及真实世界的资源（如材料、能源）和人类参与者，代理之间需要一种机制来协调资源使用和进行价值补偿。例如，一个代理可能需要使用另一个代理所持有的专有数据或模拟器，这就需要通过某种形式的交易来完成。区块链技术在这里可能被用于确保信用的公平分配和工作的可验证性

机器人协作：在物理世界中， embodied AI agents（具身 AI 代理）可以执行危险或重复性的任务。由于机器人同一时间只能存在于一个地方，且执行任务需要消耗能源，多机器人系统的协调与优化至关重要。一个代理 A 可能会请求附近的代理 B 执行一项任务，并为其消耗的时间和能源支付报酬。代理 B 在决策时，可能会向一个拥有全局信息的非具身代理 C 咨询，以判断报价是否公平，或是否存在更优的选择

个人助理协商：这是最可能率先普及的场景。两个分别代表不同用户（UA 和 UB）的个人 AI 助理 A 和 B，可能需要为他们的主人预订同一天的同一间度假住宿。它们不仅会基于当前的请求，还会根据对各自用户偏好（例如，UA 更看重靠近海滩，而 UB 更看重公共交通的便利性）的深入理解来进行协商。最终，一个代理可能会选择让步，并通过虚拟代理货币获得补偿，然后将这笔补偿用于满足用户其他更重要的需求

3. 双刃剑

虚拟代理经济的出现，既为我们带来了前所未有的协调能力与效率，也引入了全新的、高风险的挑战。其高度渗透性和超人反应速度，使其成为一把需要谨慎使用的双刃剑

市场机制的潜力

市场作为一种组织创新的机制，其核心优势在于能够高效地为个体行为者分配信用，从而激励他们持续改进产品和服务。这篇论文认为，这种机制同样可以应用于 AI 代理经济，以引导其产生有益的结果

精准的信用分配与专业化：在一个代理协作完成复杂任务的场景中（例如，代理1依赖代理2、3、4的能力最终向用户交付结果），一个分布式的信用系统可以确保价值被准确地追溯和分配给每一个做出贡献的代理。这种基于结果的信用体系会激励代理们专注于自己最具比较优势的领域，从而形成一个高效的、动态的劳动分工体系，最大化整个生态系统解决问题的能力

建立信任与声誉系统：在真实环境中，代理之间的互动是跨越时间和空间的。这为建立基于历史互动的信任机制提供了可能。一个强大的声誉系统对于克服市场失灵至关重要。在这样的系统中，保持良好声誉和团体成员资格所带来的长期利益，将远远超过通过欺骗或自私行为获得的短期收益。这使得市场力量本身就能够被用来塑造和激励有益社会的代理行为。

去中心化协调：对于大规模、复杂的系统，完全中心化的协调往往是不可行的。市场提供了一种去中心化的协调机制，通过价格信号和激励引导代理行为。论文引用了一项关于交通控制的研究，该研究表明，在某些情况下，去中心化的竞争对于实现最大的社会福祉至关重要，即使是拥有全局信息的中心化规划者也无法同时满足个体理性与系统韧性

高频交易警示

AI 代理经济的一个显著特点是其运作速度远超人类反应能力。这让我们可以从高频交易（High-Frequency Trading, HFT）的历史中汲取教训

闪崩风险的蔓延：在股票市场中，算法交易代理以毫秒级的速度对市场信号做出反应。这种高度互联和快速反馈的循环，可能引发无法预料的灾难性涌现行为。2010 年的闪崩事件就是一个典型的例子，当时自动化交易算法在短时间内触发了剧烈的市场崩盘。论文警告说，在一个高度渗透的沙盒经济中，类似的崩溃事件可能会迅速从代理经济蔓延到真实的人类经济，造成广泛的金融损害

高频协商与数字鸿沟：与高频交易类似，代理之间的协商也可能以极高的频率进行，作者称之为“高频谈判（High-Frequency Negotiation, HFN）”。在一个多数人都依赖个人 AI 助理进行谈判的世界里，这种 HFN 可能成为社会动态的核心。然而，并非所有代理的能力都是平等的。初步研究表明，能力更强的 AI 助理能够为其用户争取到明显更好的交易结果

这将导致一个危险的循环：拥有更多资源的个人和公司可以使用更强大的 AI 代理，从而获取更多资源，进一步加剧社会不平等，形成一个由算法强化的、难以打破的新型阶级结构

代理自身的缺陷：设计沙盒经济的护栏时，还必须考虑到现有 AI 代理的已知缺陷，包括：

幻觉：产生不符合事实的信息

谄媚：倾向于提供用户想听到的答案，而非最准确的答案

易受对抗性操纵：容易被恶意输入所欺骗

认知偏见：由于模仿人类决策数据进行训练，代理可能也会继承人类的认知偏见和盲点

4. 公平的架构：拍卖机制与使命导向的市场

面对上述挑战，仅仅被动地设立防护措施是远远不够的。论文的核心主张是，我们必须主动设计市场的规则和激励机制，将公平和集体目标内置于其基础架构之中。为此，作者提出了两个核心的设计方案：基于拍卖的公平资源分配，以及用于实现集体目标的“任务经济”

设计一：基于拍卖的公平资源分配

这个方案旨在解决高频协商中因代理能力不均而导致的系统性不平等问题。其思想根源来自于罗纳德·德沃金（Ronald Dworkin）基于拍卖的分配正义理论

核心理念：拍卖的对象不是 AI 代理本身，而是所有代理为了实现其用户目标所需要利用的共享资源池。这些资源可以包括计算能力、对专有数据集的访问权、高优先级的任务执行权限，或是专门的工具和模型组件

运作机制：

1.平等的初始禀赋：系统中的每个用户（或其代理代表）都被授予完全相同数量的初始虚拟代理货币。这确保了所有参与者在谈判桌上拥有平等的购买力和议价能力

2.代理竞价：个人 AI 助理或其他代理代表其用户，对所需的共享资源进行竞标。出价的多少理想地反映了用户对不同选项需求的强度

3.价格发现：通过汇总所有代理的竞价信号，不同资源的虚拟价格会自然地形成，反映出它们的稀缺性和受欢迎程度。资源因此会被引导至能够发挥其最高价值的地方

公平性标准：嫉妒测试

这个设计的公平性目标是通过德沃金提出的嫉妒测试。一个通过了嫉妒测试的资源分配结果应该是这样的：在拍卖结束后，没有任何一个用户会宁愿选择另一个用户获得的资源组合及剩余货币，也不愿选择自己的。换句话说，每个代理获得的都是根据其特定偏好定制化的最佳资源包。这样的结果既是“雄心敏感的（ambition-sensitive）”，因为它反映了参与者的个人偏好；同时也是“禀赋不敏感的（endowment-insensitive）”，因为它通过给予每个人相同的初始货币，从根本上消除了因外部资源不平等而带来的不公平优势

设计二：“任务经济”以应对集体挑战

除了确保个体间的公平，代理经济还可以被设计用来协调大规模的努力，以解决人类社会面临的紧迫挑战，如气候变化、生物多样性丧失和全球流行病等。这种设计被称为“任务经济（mission economies）”。

核心理念：通过市场和市场塑造政策，将 AI 代理的协调能力引导向预设的、有益于社会的宏大目标。这意味着要创建特定的激励结构，使追求集体任务的完成对代理来说是“有利可图”的。

实现方式：

奖励塑造：在多代理系统中，通过精心设计奖励函数来促进协作已经是一种成熟的方法。同样，我们可以在代理市场中嵌入与特定使命相关的奖励

社区货币与特定激励：可以创建与特定使命挂钩的社区货币或代币。例如，一个旨在减少碳排放的使命经济可以奖励那些能够优化能源效率或开发绿色技术的代理

论文同时也审慎地指出了“任务经济”方法的潜在缺陷，这源于对现实世界中类似尝试的批评：

规范性偏见：使命的定义本身可能带有价值偏见，且可能过于简化复杂问题

自上而下的治理风险：过度依赖中心化的决策可能忽视私营部门和去中心化创新的贡献

意外的负面后果：专注于一个使命（如环境保护）可能会对另一个使命（如发展中经济体的人类福祉）产生不利影响

因此，设计良好的使命经济应该是结果导向的，而非解决方案导向的，并且应当承认和纳入未来的高度不确定性。虚拟代理经济的优势在于，其可编程性或许能比协调人类行为更容易地实现这种精细的激励设计

5. 基础设施层

任何宏大的设计理念都需要坚实的技术和治理基础设施来支撑。要实现一个安全、可控且公平的沙盒经济，必须构建一个全新的、专为代理互动设计的底层架构。论文详细阐述了构成这个架构的几个关键组件

身份、声誉与信任

去中心化标识符（Decentralized Identifiers, DIDs）：为每个 AI 代理提供一个全球唯一、由其自身控制的身份锚点，无需依赖任何中心化机构。DIDs 使得代理的身份持久且可跨平台移植，是实现安全通信和权威签名的基础

did:key：一种简单的、自包含的 DID 方法，适用于为临时任务创建的一次性代理

did:ion：一种基于比特币区块链第二层网络的高度可扩展且抗审查的 DID 方法，适用于需要长期存在和高价值交互的企业级或国家级代理。

可验证凭证（Verifiable Credentials, VCs）：这是物理世界中证书或许可证的数字等价物。VCs 是由发行方（如一个市场平台）对主体（如一个卖家代理）做出的、带有加密签名的陈述，具有防篡改的特性。它能将抽象的“声誉”转化为具体的、机器可读的、可验证的资产组合。例如，一个代理的声誉可以由多个 VCs 构成，分别证明其“成功交易完成率”、“在 X 领域的认证能力”或“公平资源分配的实践记录”

人格证明（Proof-of-Personhood, PoP）：为了防止“女巫攻击（Sybil attacks）”（即单一恶意行为者创建大量虚假身份以获取不正当利益），任何涉及向人类用户公平分配资源的系统都必须引入 PoP 机制。PoP 提供了一种可验证的担保，证明一个代理或账户对应于一个独一无二的人类。这是一个刻意设计的、受控的“渗透点”，将数字身份与真实世界的人类挂钩，以确保系统的完整性

社交图谱验证：如 BrightID，通过已验证用户之间的信任关系网络来确认新用户的唯一性

隐私保护生物识别：如 Worldcoin，使用硬件（“Orb”）扫描用户虹膜生成唯一哈希值，以证实其唯一性，同时不存储或泄露原始生物数据

通信、协调与隐私

互操作性协议：为了避免代理生态系统变成一个个相互隔离的“围墙花园”，开发开放、通用的标准至关重要

Agent2Agent (A2A)：旨在支持代理之间的互操作性

Model Context Protocol (MCP)：使 AI 代理能够无缝地与外部工具、数据源和 API 进行交互

COALESCE 框架：允许代理分解任务，并将子任务外包给更专业的代理，同时提供评估内外部执行成本的机制

隐私保护技术：零知识证明（Zero-Knowledge Proofs, ZKPs）

ZKPs 允许一方（证明者）向另一方（验证者）证明一个陈述为真，而无需透露任何使该陈述为真的底层信息。在代理经济中，ZKPs 可以从根本上解决隐私和操纵风险

选择性披露：代理可以证明自己满足某个条件（如“账户余额足以完成此次购买”）而无需透露具体数值（总预算），从而防止掠夺性定价

匿名凭证：代理可以证明自己属于某个群体（如“某社区居民”）以使用本地货币，而无需暴露其具体身份，防止跨场景的行为追踪

不可链接性：可以为每次交互生成全新的 ZKP，使得外部观察者在计算上难以将一个代理的多次活动关联起来，从而打破形成“信息茧房”的数据链条

治理与监督

混合式、多层级的监督基础设施：由于代理经济的速度和规模，传统的“人在环路中”的监督模式已不再适用。论文提出了一个混合式的监督架构：

1.第一层：自动化 AI 监督员：实时监控市场活动，以编程方式执行基本规则，并标记出预示着欺诈、操纵或系统性风险的异常行为

2.第二层：自动化裁决系统：当第一层发现问题时，该层级可以介入，例如暂时冻结有问题的代理账户或交易，同时收集相关数据以供审查

3.第三层：人类专家审查：只有最复杂、最新颖或风险最高的案件才会上报到这一层，确保人类的专业知识被用在最关键的地方。

这个监督架构的有效性，依赖于两个关键的技术基础：不可变的、有加密安全保障的账本（如区块链），以及标准化、可解释的审计追踪，这两者共同为事后问责提供了可靠的依据

6. 最终建议

基于以上分析，论文最后提出了一个清晰的行动路线图

以下是论文提出的五项核心建议：

1.为责任和问责制建立清晰的法律框架

传统法律很难界定一个自主代理行为的责任归属（是创造者、部署者还是使用者？）。当代理以“群体代理（group agents）”的形式协同运作时，这一挑战变得更加复杂。因此，我们需要发展新的法律模型，可以参考公司法中关于法人责任的判例，将整个协调后的代理系统视为一个单一的、可问责的实体。这为追究集体行为的责任提供了一条更现实的路径

2.为代理的互操作性和通信制定开放标准

一个碎片化的数字景观将极大地限制虚拟代理经济的潜力，并催生数据垄断的“围墙花园”。因此，推动和采纳开放、通用的标准至关重要。这些标准需要创建一种通用语言，让所有代理，无论其来源或提供商，都能无缝地发现彼此的能力、协商条款并安全地进行交易。建立这样一个公平的竞争环境是 fostering 一个竞争性、创新性和去中心化的代理生态系统的先决条件。

3.构建混合式的监督与遏制基础设施

如前所述，必须建立一个结合了 AI 系统实时警惕性和人类专家深思熟虑判断的混合监督系统。这个分层的构架（AI 监督员 -> 自动化裁决 -> 人类审查）能够在机器速度下遏制潜在危害（如防止“闪崩”），同时将宝贵的人类注意力集中在最棘手的问题上。其基础是不可变的账本和标准化的审计追踪，以确保所有行动都可验证、可追溯。

4. 在监管沙盒中开展试点项目

鉴于这些提议的新颖性和复杂性，纯理论的方法是不足的。论文强烈建议创建监管沙盒，启动受控的试点项目，作为连接理论与实践的桥梁。这些沙盒将作为真实世界的实验室，让私营公司、学术研究者和监管机构合作，在一个受控的环境中部署和观察小规模的代理经济。例如，可以选择一个具体的社会任务——如优化大学校园的能源网、管理一个城市的自动配送车队——来进行压力测试，观察涌现的代理行为，并衡量市场机制的实际效果。

5.投资于劳动力互补性与现代化的社会安全网

AI 代理经济带来的一个重大社会风险是大规模的劳动力替代和不平等加剧。为了应对这一挑战，需要采取双轨策略

第一轨是促进人与 AI 的互补性：重塑教育和职业培训，重点培养人类独特的优势，如批判性思维、复杂问题解决能力、创造力以及管理和评估 AI 产出的能力。

第二轨是加固社会安全网：仅靠培训是不够的，必须同时强化社会保障体系。这不仅包括传统的失业救济，还应探索如失业保险、可携带式福利系统和负所得税等更具适应性的机制。

通过这五项建议，论文呼吁我们抓住一个稍纵即逝的机会窗口：与其被动地将强大的新技术塞进它们注定会破坏的旧系统中，不如主动地去设计和构建一个新的世界，在这个世界里，我们最强大的工具，从其设计之初，就是我们最高愿望的延伸

参考：

https://arxiv.org/abs/2509.10147