🧵 1/ 新的 IC3 研究揭示了 AI 驅動的交易系統和集體投資算法（CoinAlgs）中的一個根本性困境。 想想機器顧問、量化基金，以及像 @ai16zdao 和 @truth_terminal 這樣的 AI DAO。 我們稱之為 "CoinAlg Bind":

2/ CoinAlgs 是什麼？ 它們是由社群共享的算法，用於執行交易，從傳統的機器顧問（Vanguard 以這種方式管理超過 2060 億美元）到新興的 AI 驅動 DAO（ai16z 的市值達到 27 億美元）。 它們承諾使複雜的投資工具民主化。

3/ 問題在於：CoinAlgs 面臨一個不可能的選擇。 如果選擇私密 → 容易受到內部價值提取的威脅。 如果選擇透明 → 暴露於套利之中，利潤下降。 你必須犧牲經濟公平或盈利能力。

4/ 我們正式證明這一點。 隱私 → 不公平：我們表明隱私是內部攻擊的前提，因為信息不對稱使得價值提取成為可能。 透明度 → 套利：我們表明對策略的公開知識會導致利潤損失，因為它使得前跑和夾擊攻擊成為可能。

5/ 我們使用超過 1 年的 @Uniswap V3 數據（2024 年 6 月至 2025 年 7 月）進行了實證測試。 即使是一個具有完美價格預測的合成 CoinAlg，在透明的情況下也因為夾擊攻擊損失了 27.6% 的利潤。而且情況還會更糟...

6/ 即使是最小的信息洩漏也是可被利用的。 一種「私密」的 CoinAlg 即使只洩漏了 1 位元的信號（買入/賣出方向），仍然損失了 17% 的利潤。對手不需要完全透明 - 低帶寬的隱蔽通道就足夠了。

7/ 我們進行了以下測試： - 穩定資產（USDC）和波動資產（PEPE） - 各種資本規模（12 ETH 到 1,500 ETH） - 不同的對手策略（夾擊和策略竊取） - 多個時間窗口（3-12 個月） 結果？對手總是能夠提取價值。

8/ 實證資料： 我們調查了以 AI 為驅動的 DAO，發現幾乎所有的 DAO 都是私有的。他們選擇隱私以獲取利潤，但這也為內部人員的剝削打開了大門。

9/ CoinAlg 綁定也適用於傳統金融。 不同之處？傳統金融通過法律要求的投資者保護來解決這個問題。非保管的 CoinAlg 缺乏這些保障。

10/ 我們提出了啟發式的防護措施，但沒有一個能完全消除 CoinAlg Bind。 隨著 AI 驅動的投資變得越來越普遍，進一步研究解決 Bind 的方法將變得至關重要。

11/ 重點： 隨著 AI 與加密貨幣的結合，這種緊張關係變得至關重要。無論是由 AI 驅動的 DAO 管理數百萬，還是由機器顧問管理數十億，CoinAlg Bind 都是不可避免的。

13/ 這是對集體投資算法中盈利與公平性權衡的首次正式探討。這是一個需要仔細思考的新興領域。 /end 🧵