当研发成本从“人头”变成“Token”，加密行业对判断力的估值也在变化。
Foresight News 采访了 Bitget 的 AI 业务负责人 Will、CertiK 的 AI 研究负责人 Xue Yue，以及 Foresight News 开发者光光。几人的工作状态，勾勒出加密行业当前一条很清晰的主线：越来越多过去必须由人完成的工作，正被交给 AI。
CertiK 的 AI 研究负责人 Xue Yue 说，他每天早上第一件事，就是看前一晚交给 AI 的任务是否已经跑完。他一天最多会同时让 5 到 6 个 AI agent 并行为自己工作。Bitget 的 AI 业务负责人 Will 则提到，他上个月审批核对的 AI 账单超过 60 万美元，而他的一项核心工作，就是推动公司 2000 多名员工使用 AI 提效。
从个人订阅到企业账单，AI 支出已成固定成本
过去两年里，“AI 在加密行业的投入”不再只是口号，而是变成了可以逐月记账的开销。
在个人层面，Foresight News 一线开发者光光的 AI 账单经历过一次升级。最初，他同时订阅 Codex、Claude Code 和 Google Gemini Pro 的基础版本，每月支出约 60 美元。完整体验一轮后，他把订阅收敛到只保留专业档位的 Codex，月账单约 200 美元。
CertiK 的 Xue Yue 每月在模型订阅上的支出为 200 到 300 美元。Bitget 的 Will 个人每月则花费 300 到 400 美元。
这三人的月支出都落在 200 到 400 美元之间。一线开发者和兼具管理职责的复合型岗位，在总支出上差异不大，但花钱结构不同。开发者更倾向把预算集中在一个高端工具上，管理者通常会同时保留多个订阅，用来评估、测试和比较。
到了公司层面，规模、组织结构和投入强度的差异会迅速被拉大到几个数量级。
CertiK 这家约 200 人规模的安全公司，每月整体 AI 支出在 6 万到 10 万美元之间。其中一部分来自公司层面的 LLM API 消耗，用于 AI Auditor 等对外服务；另一部分则是员工按需订阅 Codex、Claude Code 等工具形成的费用。Foresight News 将这一模式概括为分层供给、按需灵活的“市场型”模式。
Bitget 这家拥有 2000 多名员工的加密交易所，上个月在大模型上的支出超过 60 万美元，由 Will 亲自审批。拆分来看，产研团队人均约 500 美元，非产研部门则按不同档位配置，支出在 200 到 1000 美元不等。其特点是集中采购、统一供给，更接近“托管型”模式。
OKX 内部员工透露，公司也为员工统一配置了企业版 Claude 和 ChatGPT，但总体支出尚未披露。
Coinbase 平台负责人 Rob Witoff 近期在采访中表示，公司目前 95% 到 100% 的代码已由大语言模型编写或辅助编写，且几乎所有员工每天都在使用 AI。对比之下，今年 2 月这一比例还只有 40%，不到半年已翻了一倍多。公司整体支出没有披露。
币安方面，相关数字来自创始人赵长鹏今年 5 月在 PBD Podcast 上的表述。他说，自己听说币安每月在 AI 相关费用上的支出约为 1000 万美元，主要包括 AI Token 与计算成本；但他同时明确表示，这一数字未经他本人核实，属于内部流传的数据。
从个人每月 200 美元，到币安约 1000 万美元的月度 AI 成本，差距达到 16 万倍。报道称，两年前这些数字还不存在，如今它们已经像水电费一样，固定出现在个人和企业的月度账单里。
处理周期被压缩，AI 先接管高重复工作
钱花出去之后，最直接的检验标准就是效率。
在 Bitget 内部，这一轮提效的核心载体是 BG Agent。这套公司内部 AI 系统由 Will 带队开发，于 2026 年 5 月 18 日上线。不到两个月，已有 800 多名员工在使用。它的定位很直接，就是把过去需要运营、产品和市场团队反复手动拼接的工作流，交给 agent 处理。
Bitget 内部的产品迭代周期，已从去年的平均 37 天缩短到 20 至 25 天，目标是压到 10 天以内。运营团队的活动配置周期降幅更大，从一个多月缩短到 3 至 5 天，效率提升 6 倍。
Will 说，过去一场活动从产生想法到真正上线，通常需要一个多月。中间要经历竞品调研、活动构思、配置、23 个语种的素材翻译、设计、上线和数据分析，每一步都依赖人工衔接。
BG Agent 上线后，这套流程被明显压缩。调研环节可以通过调研 agent 用几条指令直接出表格，配置会自动生成审批单，翻译从 7 天缩短到 1 天，甚至 5 分钟内完成，数据分析从 2 周压缩到 2 天。
从产品发布节奏看，头部交易所的 AI 相关动作也在快速加密。仅 2026 年上半年，3 月底，币安上线 AI Pro beta，将 agentic 交易接入主站；4 月又补充了 13 个 Agent Skills；5 月中旬，Bitget 宣布其 AI 交易生态用户突破 100 万，AI agent 累计交易量达到 12 亿美元；6 月 17 日，Bitget 的 AI 策略产品 Playbook 正式上线；7 月初，OKX 又推出一个允许 AI agent 相互雇佣并自主结算的 marketplace，首批 50 家服务商中包括 CertiK。报道指出，头部交易所之间的产品发布时间间隔，已经缩短到以周计算。
安全行业的情况略有不同，但方向一致。
在 CertiK 的威胁监测线上，AI 把攻击分析的响应时间从过去的一天或几小时，压缩到 15 到 30 分钟以内，缩短幅度超过 90%。目前，CertiK 超过 90% 的攻击事件都由 AI 完成初步分析。
不过，Xue Yue 给出的另一组数字更能说明问题：从整体看，CertiK 的工作效率平均提升大约 20% 到 30%。这个数字低于不少人对 AI 的想象，但他的解释很明确。对于 3000 到 5000 行代码规模的合约，审计师过去要用 1 到 2 周挖漏洞，再花 3 到 4 天理解代码、1 到 2 天撰写报告。AI 进入流程后，报告撰写基本可以交给 AI，理解代码所需时间也明显缩短；但真正“挖漏洞”的那部分，仍需要人来兜底、复核并保证质量。
整体提效 20% 到 30%，但威胁分析提效超过 90%，这种反差正好反映了加密安全行业里 AI 的实际落点：判断密度高的环节，人仍然不能退出；重复度高、执行密度高的工作，AI 已经可以大面积接手。
在开发者侧，变化更直接。光光说，他现在手写代码的比例已经从 90% 降到 10% 到 20%，剩下的都交给 AI。报道同时引用 IDC 数据称，美国已有 91% 的开发者使用 AI 编程工具，中国这一比例也达到 30%。
在 7×24 小时不停运转的加密行业里，这意味着原本依赖人工维持的工作流，开始获得持续运转的自动化能力。
组织内部的抵触与焦虑，没有因为工具普及而消失
在这场竞赛里，完全不用 AI 的代价越来越高。但行业内部对 AI 的态度，并不是从一开始就一致。
Xue Yue 提到，2024 年和 2025 年，行业里仍有很多人完全反对 AI 参与任何 Web3 安全工作；到了今年，这些人几乎都转向拥抱 AI，甚至比原本积极使用的人更激进。
不过，进入公司内部，反对并没有真正消失，只是从公开的激烈反对，转成了沉默的抵抗。
Bitget 在内部推进 AI 的态度比较强硬。公司内部流传一句话：“将来的人分两类：用 AI 的人和不用 AI 的人。而用 AI 的人会淘汰不用 AI 的人。”据报道，Bitget 从 2025 年 8 月开始大力推动 AI Coding，到 2026 年 3 月，连非产研团队也被纳入全面拥抱 AI 的范围。
但早期推广并不顺利。Bitget 想建立的是一套在保证用户数据安全前提下、覆盖公司内部流程的 AI 提效系统，也就是 BG Agent。Will 说，最开始很多人不愿意使用这套自有系统，因为需要重新学习和培训。有人会认为，外部可选的 AI 工具已经很多，只要能完成任务，没必要换到公司内部系统，本质上还是不愿改变原有工作习惯。
还有人不断表示自己学不会，继续沿用耗时、低效的方法，也不主动探索工具到底怎么用。Will 只能反复演示。他说：“我们能给的，是捕鱼的方法，但不能天天送鱼上门。”
当员工真正感受到系统带来的效率变化后，阻力又转成另一种情绪：一边接受，一边焦虑。
在一次全员分享后，一位同事对 Will 表示，AI 让自己非常焦虑，“我接下来干嘛？我在公司还有价值吗？我会不会被优化掉？”在他看来，AI 变强的同时，个人被替代的担忧也会同步加深。
报道认为，AI 是否会完全取代人手，现在还无法给出结论；但从招聘方向看，岗位结构已经在变化。翻译、客服等岗位的门槛已经被 AI 拉低，岗位数量也在减少，与此同时，一些新岗位开始出现。
一份报告显示，币安 2026 年全球招聘的 380 多个岗位中，有 20% 投向 AI 技术与产品，内部还设置了 8 类共 28 门 AI 培训课程。在整体科技行业收缩的背景下，这一方向属于逆势扩张。岗位总量没有减少，但岗位内容正在换血：新增的是 AI 训练师、Prompt 工程师，被拉低门槛的是翻译和客服。
CertiK 的体感与此相近。Xue Yue 说，公司并没有因为 AI 发展进行大规模裁员。相反，自从去年 coding agent 上线后，很多原本不具备参与审计能力的普通人，也开始进入漏洞发现和漏洞赏金领域。各类审计赏金平台的提交量，已经从几十增长到几百、上千。但这些新增提交背后，仍然需要研究员做人工筛查，判断其是否合理，这一过程非常消耗精力。Xue Yue 认为，与其担心会不会被 AI 替代，不如考虑如何在 AI 带来的大量噪音里提高命中率。
真正被保留下来的，是决策权
当效率、成本和岗位变化都逐渐明朗，最后一个问题变得更重要：什么可以交给 AI，什么必须由人来决定。
光光除了是开发者，也是一名资深 Meme 玩家。在他看来，AI 在加密行业里最难建立优势的地方反而是交易，尤其是 Meme 交易。他说，“在 Meme 交易上 AI 没什么优势，大家拼的是信息来源和手速。微信群的消息比推特快，等推特上有人喊单，那基本是接盘阶段了。”
他给自己做了一套监控“土狗”的工具，让 AI 自动盯住他关注的推特账号，再按提示词筛出与项目进展或加密主题相关的内容。这样一来，他不必每天刷完整时间线，只看 AI 筛选出来的部分。光光说，在 AI 帮助下，信息搜集确实更容易了。
但在执行交易这一步，他给自己和 AI 画了一条线：让 AI 帮忙看，不让 AI 代替下单。他说，“土狗的风险太大了——一个人 24 小时盯着电脑都未必能盈利，让 AI 来更难。”
类似的逻辑，在 Bitget 被写进了产品规则。
Will 在谈到“人和 AI 自动交易的边界”时打了个比方。他说，人对投入资金天然会有焦虑，不可能一开始就拿出 10 万美元交给 AI 自动交易，因为亏损风险摆在那里。所以人必须始终牵着那根线，就像放风筝一样：线在手里，心里才有底；线不在手里，风筝飞走了也收不回来。
Bitget 今年推出的 AI 交易产品 Playbook，就是这一思路的落地。产品初期限制每个用户只能用 2000 美元的子账户进行 AI 自动交易，相当于先把边界画得很短。
不过，Will 也注意到用户的边界感在变化。在亲自使用过 AI 交易之后，已经有用户主动要求把额度提高到上万美元。报道认为，这条线不是固定不变的，用户在实际使用之后，会重新判断边界应该画在哪里。
但在交易之外，业务拍板层面的边界更明确。Bitget 内部最终做决定的仍是员工，而不是 AI。Will 表示，AI 目前在决策上的优势还不够明显，它可以给出建议，但最后拍板还是要靠人。
Xue Yue 也给出类似判断。他说，最稀缺的是判断力，发现问题比解决问题更难。当 AI 给出一个方案后，如何判断这个结果是否准确、是否存在幻觉，这两件事最难。
他举例说，最难的并不是验证漏洞，而是先注意到某个地方可能有漏洞。这就像做数学题，最难的不是算出答案，而是先意识到“这里有个解法”。换句话说，在做决策之前，人首先要知道“这里存在一个需要决策的问题”，而这一步，AI 至今还做不到。
从开发者写代码、交易所推产品、安全公司做审计，到投资人做投资，虽然场景完全不同，但几类角色最终都把同一件事留给了自己：决策。
报道将此形容为加密公司在 AI 渗透下遇到的“忒修斯之船”问题——当一条船的部件都被替换之后，它还是不是原来那条船，答案可能就藏在仍由人掌握的那部分决策权里。
在采访结尾，Xue Yue 说：“不要面对当下的 AI，要面对未来的 AI。今天它能做什么不重要，重要的是它每天都在变强。”
也正因为如此，那根线仍然要握在自己手里。