Venice AI 代币 VVV 今日继续走高，盘中一度突破 25 美元，创下新高。这轮上涨的触发点，是一场围绕数学研究与模型训练边界的争议，让「隐私推理」迅速成为市场讨论焦点。
纽约大学数学家 Tristan Buckmaster 在一份公开声明中表示，他和合作者曾把整个项目草稿输入 Codex。随后得知 OpenAI 内部团队也在相关问题上取得进展后，他追问对方模型是否接触过这些会话，或者是否用这些内容进行过训练。他收到的答复是，模型没有查阅用户数据，但关于训练问题的进一步追问没有得到回应。
OpenAI 的回应否认研究人员或智能体为了求解问题访问过特定用户数据，同时承认，尽管可能性不大，但无法完全排除课题组与 Codex 的私人会话在去标识后曾用于改进模型。争议随之扩散到更广泛的问题：当利益足够大时，AI 实验室能否看到用户的工作内容，并先一步把成果做出来。
交易员 based16z 已披露自己的交易表达。他表示，自己通过现货、永续合约以及行权价 25 美元的场外看涨期权做多 VVV。在他看来，这次事件让市场更清楚地认识到隐私推理的重要性，而 Venice 是承接这条叙事最合适的流动性资产。他还将 VVV 的流通市值与 ZEC 在 50 美元时进行类比，把这看作对隐私价值重估的一种交易判断。
随着 AI 从回答常识问题，走向参与论文写作、代码开发、产品研发和交易策略，用户输入框中的内容本身也变得更有价值。围绕「如何在使用 AI 时仍保留对工作内容和执行过程的控制」，目前至少有三类 Web3 项目给出了不同答案：Venice、NEAR 和 TAO。
VVV：Venice 试图把隐私能力变成可计价业务
Venice AI 由 Erik Voorhees 创办，面向消费者提供聊天应用，面向开发者提供模型 API。它聚合不同模型，把隐私和较少限制作为主要产品差异。
Venice 把隐私方案分为几个层次。匿名模式用于隐藏用户身份，但上游模型仍能看到请求内容；零留存模式依赖服务商履行不保留数据的承诺；TEE 模式把推理过程放入受保护的硬件执行环境；端到端加密模式则从用户设备开始加密，直到进入受保护环境后才解密。
这项业务已经形成一定规模。投资方 Banyan 披露，Venice 的年化收入从今年 1 月的 1400 万美元，增长到 8 月超过 1 亿美元。
VVV 是 Venice 在 Base 上发行的代币。按照其机制，用户每购买 100 美元的 Venice API 额度，就会有 5 美元用于购买并销毁 VVV。供给端方面，VVV 的新增排放正在下降：9 月 1 日年排放量已从 300 万枚降至 250 万枚，10 月 1 日计划继续降到 200 万枚。
VVV 的另一个需求来源是 DIEM。持有人可以锁定已质押的 VVV 来铸造 DIEM，而每质押 1 枚 DIEM，每天可获得动态更新的 1 美元 API 额度。换句话说，开发者和智能体可以持有一种持续产出调用额度的资产，为后续模型调用提前准备资源。
9 月 14 日，DIEM 的目标供给将从 3.8 万枚分阶段扩容至 4 万枚，为新增铸造留出空间。原文认为，这也从侧面显示出 Venice 团队对用户增长持乐观态度。
围绕 VVV 的看多逻辑，核心集中在两点：一是 AI 隐私风险上升后，Venice 更容易找到明确市场位置，更多付费用户会带来更多回购；二是持续推理额度的需求增加，可能带来新的锁仓需求。
NEAR：把可验证隐私推理和支付执行接入 AI
沿着 Venice 的产品线索，另一个被频繁提及的项目是 NEAR。NEAR 正尝试通过机密计算和智能体服务，扩大 NEAR 代币的使用场景。
今年 3 月，Venice 与 NEAR AI 宣布集成。之后，用户可以在 Venice 中选择由 NEAR AI 提供的可验证隐私推理服务。也就是说，用户在 Venice 发起请求，底层的隐私计算能力可以由 NEAR AI 等服务商承接。
NEAR AI Cloud 的核心是让模型运行在 TEE，也就是由硬件隔离出来的可信执行环境内。按这套设计，计算所需的明文数据被限制在受保护区域，基础设施运营者无法直接读取；用户还可以核验硬件证明，确认请求确实进入了对应环境。这为需要保护研究数据和商业数据的团队提供了云端计算选择。
开放权重模型可以部署在这套环境里。但如果通过网关调用 Claude、GPT、Gemini 等闭源模型，请求最终仍会交给上游服务商处理，NEAR 的机密计算能力并不能覆盖对方服务器。按原文表述，NEAR 在这条路线上的价值，主要来自保护计算过程，以及组织模型服务的能力。
这种能力已经开始与 NEAR 代币建立联系。7 月 30 日上线的质押支付，允许持币者把 NEAR 的质押收益转成推理额度，这部分额度会随质押量、币价和收益率变化。用户保留底层代币所有权，也可以解除质押退出。对于长期调用模型的团队来说，这给持有 NEAR 增加了一种用途。
NEAR 的另一块机会在支付和执行。AI Agent 完成任务时，除了调用模型，还可能需要购买数据、支付服务费用，或者调动不同链上的资产。NEAR Intents 提供一种意图执行方式，用户只需提交想实现的结果，再由求解器竞争完成兑换与执行。这套基础设施可以把复杂的跨链操作接入 AI Agent 的任务流程。
根据 DeFiLlama 统计，NEAR Intents 在今年第二季度产生约 932 万美元总手续费，其中协议实际留存约 150 万美元；留存收入用于市场回购 NEAR。
因此，原文把 NEAR 的叙事支点归纳为两项业务：一项是为敏感任务提供计算，另一项是为跨链任务提供执行和支付。前者可以借由 Venice 这类应用触达用户，后者则可能随着 AI Agent 发展而扩大使用。
TAO：用子网组织开放式 AI 供给
Bittensor 仍是加密市场最受关注的 AI 项目之一，TAO 则是 Bittensor 网络的原生代币。
Bittensor 将不同任务组织成独立子网，矿工提供推理、存储、预测等服务，验证者负责评估服务质量，网络再依据规则分配奖励。对于某个具体需求，团队可以围绕该需求组织一个竞争市场，而整个网络则容纳多个这样的市场并行存在。
在 AI 需求扩大的情况下，应用需要更多可替换的供应商，小团队也需要寻找客户、算力和资金。Bittensor 试图通过公开的激励市场来组织这部分供给，让不同团队围绕具体任务展开竞争。
部分子网已经开始获得外部收入。原文以提供模型推理服务的 Chutes 为例称，该项目在今年第二季度收入约 137 万美元，来源包括订阅、按量使用以及实例服务。
TAO 如何承接这部分增长，关键在于子网和 TAO 的资金关系。各子网拥有自己的 alpha 代币，并与 TAO 配对形成交易池。用户将 TAO 质押到某个子网时，实际会兑换成对应的 alpha 代币，因此 TAO 承担着不同子网间基础资产的角色。如果网络里出现更多有竞争力的服务，参与这些市场的资金需求也可能随之扩大。
供给端方面，TAO 延续了加密市场熟悉的稀缺性设计。TAO 总量上限为 2100 万枚，并已在 2025 年 12 月完成首次减半。目前每区块发行 0.5 枚，约合每日 3600 枚。
从 VVV 到隐私 AI 交易线索
VVV 的快速上涨，为市场提供了一个观察窗口。当模型能力持续增强，用户交给模型的敏感信息也在增加，「加密 / 隐私 AI」开始被更多人视作已经找到产品市场匹配方向的赛道。
从 Venice 直接面向用户销售隐私推理，到 NEAR 为隐私计算和支付执行提供底层能力，再到 Bittensor 用子网组织开放模型供给，这条叙事正在从单一代币交易扩展为一组彼此关联的项目逻辑。VVV 的行情，至少把这组线索同时推到了市场台前。