亚马逊云科技精选博客
我们使用机器学习技术将英文博客翻译为简体中文。您可以点击导航栏中的“中文（简体）”切换到英文版本。
人工智能与数字资产的融合：金融基础设施的新黎明
金融格局一直处于不断演变的状态。从股票行情机器到算法交易系统，创新一直是金融的核心。然而，在这些变革性变化中，人工智能（AI）与加密货币、中央银行数字货币（CBDC）和代币化资产等数字资产的融合有可能成为数十年来金融领域最具颠覆性的变化。这篇文章旨在探讨这个交叉点，重点关注人工智能和数字资产如何重塑金融服务和基础设施。
人工智能和传统金融的历史
二十多年来，人工智能一直以有影响力的方式应用于金融行业。尽管自20世纪80年代以来一直使用标准差和贝叶斯回归等基本计算模型和统计方法来生成交易信号，但机器学习（ML）在2000年代和2010年代初在高频交易和风险建模领域获得了显著的关注。吸引力的增加是由数据可访问性的提高、存储数据的成本降低以及计算能力的提高所推动的。金融机构采用越来越复杂的人工智能，例如由信用卡数据等额外数据集支持的神经网络。人工智能的使用已扩展到其他金融领域，例如欺诈检测、消费者信用评分和客户服务。到2010年代中期，通过初创公司（例如Betterment）和知名金融机构（例如查尔斯·施瓦布）提供机器人咨询平台，人工智能的影响正在改变个人理财。此外，深度学习和强化学习模型的进步继续提高金融业的效率。随着基础模型的可访问性不断提高，例如通过
在金融领域机器学习利用率提高的同时，比特币于2008年的推出为一种新的数字货币形式和价值交换网络奠定了基础。比特币在去中心化网络上运行，具有任何人都可以访问的单一事实来源，它彻底改变了价值转移和保存的概念。到2012年，比特币和莱特币等其他山寨币开始受到主流关注。2015年，以太坊上线，引入了智能合约，即存储在区块链上的程序，无需中介即可简化业务逻辑，为去中心化应用程序（dApps）打开了大门。创新者使用价值数十亿美元的无边界数字货币创建了智能合约并进行了实战考验，从而在2019年创建了去中心化金融（DeFi）行业，这是一个不需要中央系统的非托管金融系统。DeFi已允许任何有互联网连接的人进行贷款、投资和交换。稳定币是与美元等法定货币挂钩的数字货币，也实现了更高效的支付和结算方式，Visa和最近的PayPal等主要支付处理商的使用率也有所提高。各国也一直在推进CBDC计划，已经启动了11个CBDC，21个正在试点。使用第2层技术和新兴的零知识技术来提高交易的可扩展性，这些技术在保护隐私的同时共享数据，进一步使数字资产能够支持关键金融系统。
人工智能和数字资产的融合
这两种新兴技术——具有自我学习能力的人工智能能够从分布式、透明和自动化的网络中存在的大量数据和数字资产中提取可操作的见解——的融合有望进一步扩大彼此的影响。以下是结合这两种技术的优势可以开发出更高效、更强大的金融体系的几种方式。
为了使人工智能发挥作用，需要可信的数据源可以访问和按需访问。使用区块链技术的数字资产允许以可信、可访问和透明的方式存储金融交易数据。人工智能可以访问诸如交易历史和当前余额之类的数据，以进行实时财务分析。例如，人工智能交易算法可以使用 A
人工智能、可编程数字资产和智能合约的结合可以创建一个无需人工干预即可高效运行复杂任务和执行财务协议的金融系统。例如，人工智能算法可以在市场条件得到满足时触发智能合约买入和卖出资产，或者在检测到欺诈活动时冻结数字资产，使其免于进一步转移。智能合约可以自动记录人工智能算法的每个步骤，为合规性或进一步训练人工智能算法提供透明且不可变的审计记录。随着人工智能继续从可信数据集中学习，它反过来可以根据新的市场条件调整和优化其算法和智能合约。此外，区块链上的数字资产还可以防范虚假的数字资产，使用生成式人工智能越来越容易创建虚假数字资产。数字资产的用户可以通过将发行合同与授权方控制的共享数字资产注册表进行核对来验证数字资产的真实性。
随着自动化和数字化的提高，网络安全变得越来越重要。人工智能可以实时监控交易数据，识别和举报任何异常活动。高级机器学习算法可以根据现有模式预测未来的攻击向量，从而提供额外的网络安全保障。随着基础模型接受有关区块链上可信数字资产交易和智能合约代码的训练，生成式人工智能可以帮助开发人员编写更安全的代码。像亚马逊 CodeWhisperer 这样的技术正在加快编码任务，提供内联代码建议以提高开发人员的工作效率。除了代码建议外，
此外，用于实现交易可扩展性（例如第2层链）和保护公共区块链隐私的新兴但不断增长的零知识（ZK）技术完全有能力弥合传统中心化金融与DeFi之间的差距，为数字世界带来更多资产。零知识证明 (ZKP) 支持新的数据共享形式，允许交易方在不泄露基础数据的情况下验证信息。申请方提交数学证明以证明他们持有所需信息或符合设定标准，而接收方在内部从未看到基础信息的情况下确认了这一证据。例如，如果银行客户发送的证据表明他们符合贷款标准，则银行可以用数学方法验证该证明，而无需看到申请人的敏感财务信息，例如收入和银行账户。ZKP 还可以实现对 KYC/AML 法规的遵守，而无需存储客户的个人身份信息 (PII)。这项技术具有巨大的潜力，因为它可以直接解决金融服务机构长期以来在去中心化金融和公共区块链中面临的更大的数据隐私问题。零知识汇总（ZK 汇总）是ZK技术的一个更复杂的应用程序，它将ZKP交易汇总成捆绑包，然后离线运行（脱离区块链）。在链下运行交易可以减少发布到区块链的信息总量，同时仍能提供交易正确执行的证据，从而在保持去中心化的同时缓解了安全和隐私问题。ZK 汇总比链上交易更快、更便宜，这使它们成为完全公开的区块链交易的特别可扩展和安全的替代方案。这种提高的可扩展性和安全性对于吸引更多的人群将来采用数字金融至关重要。
美国以外数字基础设施的影响
随着各种法定货币、中央银行数字货币（CBDC）和加密货币的出现，经济格局正在迅速发展，每种货币都代表发行机构设定的一系列目标或优先事项。最近的事态发展，例如经济制裁的实施，点燃了全世界的孤立主义情绪，导致利益、价值观和领导力的分裂，这可能会创造一个基于一篮子货币的经济，而不是主要取决于美元/美元经济表现的经济。这种效应被称为 “去美元化”，可能会进一步提高各自国家数字基础设施的重要性。根据
这些工具以及客户支持和云服务可以极大地促进国家和企业从传统基础设施向自动化程度更高的基础设施轨道过渡，不断变化的运营。云计算、人工智能技术、数字资产和数据存储与网络安全工具的交汇将定义二十一世纪的全球经济竞争，而创造这一未来的公司和技术将处于帮助定义未来的零点。向自动化和更高效的管理这些技术的流程的过渡始于基础设施的投资和建设。
结论
人工智能和数字资产的融合可能会带来金融基础设施的范式转变。人工智能和数字资产相辅相成的进步有可能使金融自动化大众化，提高效率并显著增强安全协议。人工智能同时处理链上和链下数据的未来将需要新的基础设施来协调运作。去中心化应用程序是建立在智能合约上的前端用户界面，使交易无需在双方之间共享个人信息即可运行。生成式人工智能工具可以在链下和链上数据上进行训练，以优化和保护智能合约生态系统。如今，生成式人工智能通过聊天机器人和虚拟助手协助智能合约各方编写智能合约代码，并监控任何可能构成安全风险的异常网络活动。这些生成式 AI 工具访问的数据越多，它们发现错误或安全风险的效率就越高，从而增强它们主动识别和实时缓解风险的能力。同时，这些数字资产赖以存在的区块链网络提供了透明度、单一事实来源和来源，这有助于验证人工智能正在处理或用于更新人工智能的信息的真实性。尽管仍有挑战需要解决，但拥有更强大、更易于使用的云技术（包括专为机器学习构建的实例，例如
作者简介
Forrest Colyer 管理着支持亚马逊管理区块链（AMB）服务的Web3/区块链专家解决方案架构团队。福雷斯特和他的团队在客户采用过程的每个阶段（从概念验证到生产）都为他们提供支持，提供深厚的技术专业知识和战略指导，以帮助将区块链工作负载变为现实。凭借他在由联盟领导的私有区块链解决方案以及NFT和DeFi等公共区块链用例方面的经验，Forrest帮助客户识别和实施高影响力的区块链解决方案。
John Liu 是 亚马逊云科技 的 Web3 /区块链产品主管。他拥有13年的产品主管经验和10年的投资组合经理经验。在加入 亚马逊云科技 之前，John 花了 4 年时间领导公共区块链协议的产品和业务开发，主要关注跨链技术、DeFi 和 NFT。在此之前，约翰以金融科技公司的首席产品官和多家对冲基金的投资组合经理的身份获得了金融专业知识。
迈克尔·格林瓦尔德 是亚马逊网络服务的高级管理人员，担任数字资产和金融创新的全球负责人。迈克尔是美国商品期货交易委员会 (CFTC) 技术咨询委员会 亚马逊云科技 的代表成员。他是哥伦比亚大学的兼职教授，也是大西洋理事会地球经济学中心和新美国安全中心的高级研究员。他曾是哈佛肯尼迪学院贝尔弗中心的研究员。他是第一位驻卡塔尔和科威特的美国财政部专员，在2010-2017年期间担任两届总统府驻卡塔尔和科威特银行业的首席联络员。他拥有波士顿大学法学博士学位、波士顿大学弗雷德里克·帕迪全球研究学院硕士学位和乔治华盛顿大学历史文学学士学位，目前正在哈佛商学院攻读综合管理高管教育课程。