孫宇晨的選擇：當 AI 成為系統，白 B.AI 押注基礎設施先行

撰文：Cathy

4 月 9 日，B.AI（中文名：白 B.AI） 正式亮相。

它給自己的定位只有一句話：AI Agent 時代的底層金融基礎設施。簡單說，就是給 AI 修一條專屬的支付和身份軌道，讓機器不再依賴人類的銀行帳戶就能自主完成交易。而更遠的野心，是成為驅動 AGI 進化的底層經濟引擎。

值得注意的是，波場 TRON 創始人孫宇晨以顧問身份參與了 B.AI，這也讓外界更容易將其放在波場 TRON 近年圍繞「AI+支付網路」持續布局的脈絡中理解。產品官宣後，孫宇晨也在 X 平台轉發表態稱：「B.AI 驅動 AGI 盡快到來，這是我的唯一使命與目標！」這也讓 B.AI 不只是一次產品發布，更帶有長期戰略布局的意味。

從 AI 的發展路徑來看，這件事的出現並非偶然。

行業裡關於 AI 的討論從來沒停過，模型、參數、推理、Agent，幾乎每周都有新名詞冒出來。但有一個問題被問得很少：當 AI 越來越強，誰在為 AI 的真實運行提供基礎設施？

不是算力，不是數據，是更下面那一層。當一個 Agent 一秒鐘要發出幾百次調用、要為每一次調用付費、要向另一個 Agent 證明自己的身份，它該走哪條路？

B.AI 想接的，是這一層。

01 為什麼是現在，為什麼是支付

從表面看，這樣的布局容易被理解為一次跨界嘗試。但如果把時間維度拉長，會發現這更像是一條基礎設施能力的自然延伸。

過去兩年 AI Agent 這個詞的含義已經悄悄變了。它不再只是一个能聊天的助手，而開始變成一個會自主調用工具、自主決策、自主完成任務的執行者。它會替你訂機票，會替你做交易，會替另一個 Agent 幹活。一旦它開始「自己幹事」，就意味著它要花錢，要結算，要為每一次 API 調用付費。

這件事傳統支付網關沒法承載。Stripe 這樣的體系是為人設計的，要帳戶，要 KYC，要綁卡，要信用卡 0.30 美元 + 2.9% 的固定手續費。讓一個 AI Agent 去填一張表單、再為一次 0.001 美元的查詢付一次卡費，整個邏輯是錯位的。

B.AI 在准入門檻上做了一個很實際的選擇：它集成了多個主流錢包，使用者通過鏈上地址就可以直接使用。更值得注意的是，它同時支持郵箱登錄。這意味著一個從未碰過錢包的 Web2 用戶，也能直接進入 B.AI 調用 AI 服務。這個設計背後的意圖很清楚——盡可能降低門檻，把用戶池從鏈上原住民擴展到更廣泛的互聯網人群。

B.AI 把自己的投入方向押在四件事上：智能體身份系統、穩定幣支付軌道、代幣化現實世界資產、自主金融系統的開發工具。沒有一項是去做模型，全部押在「機器經濟需要的基建」上。

說白了，B.AI 做的不是另一個 AI 模型，而是 AI 走向自主運行時必須經過的那條金融軌道。

02 把「銀行」裝進 API

B.AI 的產品體系可以拆成三大支柱來看：一套 AI 智能體鏈上支付網路，一個覆蓋多個頂尖大模型的調用入口，以及一個開箱即用的智能助手 BAIclaw。

第一根支柱：AI 智能體鏈上支付網路。這是 B.AI 最核心的一層，也是它區別於所有 AI 產品的關鍵。這裡有兩個協議在起作用，x402 和 8004。

x402 的核心思想並不複雜：將支付能力直接嵌入到網路調用流程中，使 Agent 在請求資源時即可完成結算，而無需人為介入。一個 Agent 調用某個付費接口，伺服器返回 402，Agent 自動簽一筆鏈上穩定幣付款，重新發起請求，拿到資源。整個過程是幾秒鐘內的閉環，沒有任何人介入。

8004 解決的是另一個問題：這個 Agent 是誰？它有信譽嗎？它過去幹過什麼？通過鏈上的身份註冊表、聲譽註冊表和驗證註冊表，每個 Agent 都有一張可被讀取的「鏈上名片」，B.AI 的實現還多加了一個事件上報註冊表，專門記錄違規和異常。

這套支付網路讓 Agent 實現了真正的經濟獨立：它可以自主充值、自主購買算力、自主與其他 Agent 結算，形成一個完整的商業循環，而不再需要背後有一個人類帳戶做擔保。

第二根支柱：一個入口調用全球頂尖大模型。 B.AI 的 LLM Service 集成了 OpenAI、Claude、Gemini、z.ai、MiniMax、Kimi 等多個行業領先的大語言模型，用戶不需要在每家平台分別註冊，一個入口就能按需選擇最適合的模型。

這個服務同時覆蓋兩種使用場景：面向普通用戶的多模型 AI 對話，和面向開發者與 Agent 的完整 API 接口。聊天解決的是「人怎麼用 AI」，API 解決的是「系統怎麼調用智能」。B.AI 不在兩者之間做取捨，而是把兩條路都鋪好——當你是想試不同模型的個人用戶，直接在對話界面切換即可；當你是開發者或一段自動化流程，API 可以讓智能被嵌入到任何後台運行的程式碼中。

而真正把 LLM Service 和傳統 AI 平台區別開來的，是底層的 Web3 原生體驗。用戶通過主流 Web3 錢包簽名即可完成登錄認證，支持多鏈主流代幣支付，具備快速確認和低手續費優勢。這意味著，僅需一個錢包地址，你就能匿名調用全球最強的模型——不用註冊帳戶，不用綁卡，不留下任何支付痕跡和行為画像。通過資源優化與高效的鏈上交互，LLM Service 在成本上也更具競爭力。這種體驗有點像 OpenRouter，但多了一條兼顧極致隱私與低成本的 Web3 原生軌道。

第三根支柱：BAIclaw 和 Agent 工具箱。 BAIclaw 是 B.AI 推出的開箱即用的 AI 智能助手，開發者只需要調用一個接口，背後由系統按任務類型把請求分發到最合適的模型上。

圍繞 BAIclaw，B.AI 還配備了一整套面向 Agent 的工具。Skills 是一組預置的技能包，覆蓋了 Agent 在鏈上運行時最常見的需求：DeFi 和 DEX 操作（比如在 SunSwap 上執行交易、在 SunPerp 上管理倉位）、基於 x402 協議的支付結算、帳戶充值、多重簽名權限管理，以及鏈上數據查詢與分析。一個 Agent 到了 B.AI 上面，不用從零開始搭能力，基本的金融操作技能是現成的。

OpenClaw 是即插即用的擴展，開發者一行代碼就能給自己的 Agent 接入支付能力和身份註冊；MCP Server 則讓大模型能聽懂鏈上狀態，在生成回應時把鏈上數據當成上下文。

對 Agent 來說，B.AI 就是一个出生地。一个新生成的 Agent 可以在这里拿到自己的链上身份证和自主资金账户，从此它有了花钱的能力，也有了被信任的依据。

03 Agent 的支付和身份，為什麼是真正的長期價值

到這裡，一個趨勢開始變得清晰：在 Agent 時代，模型能力之外的基礎設施因素，正在變得同樣重要。

過去兩年的進展已經把這件事說得很明白。GPT、Claude、Gemini、各種開源模型在能力上不斷接近，差距在快速收窄。再往後，模型會越來越同質化，就像 2010 年後雲計算廠商之間的差距越來越小一樣。

真正會沉澱下來的，不是參數，是三樣東西：調用歷史、支付沉澱、身份信譽。

這三樣東西一旦在某條網路上長出來，就會形成基礎設施效應。一個 Agent 在某條鏈上跑得越久，它的信譽越值錢，它積累的支付歷史越完整，它就越難遷移。這種黏性不是產品功能能創造的，是時間和網路效應才能創造的。

而現在的問題是，幾乎所有的 AI Agent 都還寄生在人類的帳戶體系裡。它用人的信用卡、人的 API key、人的 KYC 資格。這意味著 Agent 永遠沒法真正「獨立運行」，每一次擴張都要回頭去找一個人類帳戶做擔保。

B.AI 押的就是這件事會變。當 Agent 數量從今天的幾千個變成未來的幾百萬個，靠人類帳戶喂養的模式必然崩塌。它需要的是一個原生為機器準備的金融層，地址即身份，簽名即授權，付款即結算。

這個判斷對不對，要看時間。但至少在產品層面， AI Detective 已經在小規模地證明這件事可行。這個系統通過鏈上數據分析處理涉及金額超過 10 億美元的案件數據，並依托 B.AI 的支付能力設立了 1 億美元的賞金池，自動向提供線索的白帽和執法機構分配資金。Agent 一旦真的有了身份和錢包，它能處理的事情已經不只是演示。

一句話，這是一場關於「未來 AI 該把錢放在哪裡」的早期下注。

04 還在繼續完善的部分

把鏡頭拉遠，B.AI 這條路上還有一些環節會隨著 Agent 經濟的成熟一起進化。

一個被關注的方向是 Agent 自主權的邊界。當 Agent 擁有了鏈上身份和資金帳戶，執行能力被打開的同時，如何給它一個合理的「行動半徑」也成了一個新課題。B.AI 在產品裡始終強調用戶保留最終控制權，並把權限細分、閾值設置作為持續打磨的環節。這是一件會隨著真實場景越來越清晰的事，也是整個行業共同在探索的方向。

另一個方向是底層算力的進化。邏輯上鏈上的一切都是去中心化的，Agent 實際運行在算力上，而全球算力的供給體系本身也在持續演進。B.AI 的選擇是先把支付和身份這條最關鍵的軌道鋪好，讓上層的算力隨著時間逐步成熟時，下面的金融基礎已經在那裡等著。

至於行業內的不同路線，幾條路徑目前更像是在共同把這個生態打開。以太坊在通過 ERC-8004 推動一套去中心化的協調層標準；Solana 凭借 400 毫秒級的出塊在 x402 協議的早期落地中跑出一些案例；TRON 的差異在於穩定幣的深度和支付的高頻經濟性，幾條路線在不同方向上互為補充。

B.AI 押的是一個長周期的判斷：當 AI 真正進入自主執行階段，那條專門為機器準備的金融軌道會變得不可或缺。這件事正在被越來越多的產品和數據一步步驗證。

05 結尾

在所有人都把目光放在模型能力上的時候，B.AI 押的是另一件事。

它做的不是更聰明的大腦，而是更通的管道。這件事在外部看可能不夠張揚，但當未來幾年 AI 真正從工具走向自主執行，那條管道會比模型本身更難被取代。

B.AI 所探索的，是在 AI 走向自主執行之前，提前鋪設那條專門為機器準備的金融與運行通道。

從長周期看，這條通道的重要性，或許會和模型能力本身一樣，被重新理解。