Near重返AI舞台:因“发薪难”转型公链,Agent和隐私成新增长故事

marsbit发布于2026-06-05更新于2026-06-05

文章摘要

Near公链的诞生源于一个现实困境:其创始人Illia Polosukhin(Transformer论文合著者)最初的人工智能创业公司因难以向全球开发者支付跨境薪资,且当时公链效率低下、费用高昂,被迫搁置AI业务,转而于2018年创建了Near公链。早期,Near专注于分片技术,但生态发展缓慢。随着AI热潮再起,Near凭借其创始人的AI背景重回视野,并转向“意图”(Intents)和隐私交易等新叙事。 Near Intents通过链下求解器网络竞价为用户提供简化的跨链交易体验,用户只需表达需求,系统自动处理路径和Gas费用。该协议已覆盖25条公链,总锁仓价值超8500万美元,累计交易量突破200亿美元,并产生了超过3400万美元的手续费收入,为NEAR代币带来通缩动力。 同时,Near推出的私密交易功能(私密意图和私密兑换)显著增长,近期占链上总交易量的41.63%,满足了机构和大额交易者对避免MEV攻击和策略泄露的隐私需求。然而,高比例的隐私交易也可能引发监管关注。 从因发薪难题转型公链,到借助AI热潮和链抽象、意图及隐私交易寻找新增长点,Near在不断适应市场变化,但其长期生态护城河仍有待观察。

作者:Jae,PANews

流水的叙事,铁打的Near。从高性能公链、分片扩容,到链抽象、Intents,再到如今最炙手可热的AI Agent,过去数轮加密周期里,Near几乎从未缺席过任何一场主流叙事。

背靠AI经典Transformer论文共同作者,被称为“Web3领域最懂AI”的Illia Polosukhin,Near在熊市中依旧交出了一份出人意料的成绩单。如今,Near已是累计处理超200亿美元跨链交易、创造超过3400万美元的手续费收入的跨链基建巨头。

只是鲜有人知道,Near的诞生并非源于宏大的区块链理想,而是源于一个略显狼狈的现实困境:付不了跨境薪资。八年前,为了解决给全球开发者跨境发薪的难题,Illia Polosukhin联合创立的AI创业公司被迫暂停自己的AI梦,转身造出了一条公链。

如今,当AI热潮席卷全球,这条因AI而生、又曾为AI让路的公链,又重新回到了故事的起点。

发薪难题意外催生公链,如今重回AI赛道

历史有时候是一段奇妙的轮回。九年前,Illia Polosukhin还没有成为加密行业最具AI标签的创始人之一。

Near创立于2017年,由Transformer论文的共同作者、前谷歌机器学习研究员Illia Polosukhin与分布式系统专家Alexander Skidanov联合创立。

Near最初是一家人工智能初创公司,聚焦于“程序合成(Program Synthesis)”领域,也就是“教机器写代码”,实现软件开发的自动化,其构想类似于后来OpenAI的CodeX、Anthropic的Claude Code以及Cursor。

为训练算法和模型,团队在全球招募计算机专业的学生远程撰写代码片段。然而,如何向分布在世界各地的开发者支付报酬,成为了横在项目面前的大山。

当时的跨境支付体系远没有今天成熟,PayPal、Wise等主流支付工具在东欧、亚太地区受到严重制约,到账延迟、汇兑损耗的问题层出不穷。更有趣的是,当两位创始人尝试使用早期的公链进行跨境支付时,却发现高昂的 Gas 费以及低下的结算效率,根本没法低成本地批量发放劳务报酬。

对于一家资源有限的AI创业公司而言,这几乎是一个无解的问题。最终,两位拥有大规模分布式系统背景的创始人做出了一个令人意外的决定:搁置AI模型的开发,转而自行构建一条高扩展、低费用且易上手的公链。

正是因“发不了工资”而触发的被动转型,催生了“Near公链”在2018年诞生。

然而,早期的转型之路并非顺风顺水。在脱离AI赛道后,Near转而开发聚焦于分片(Sharding)技术的高性能公链,来解决区块链的可扩展性难题。

凭借着扎实的技术实力,Near协议在此期间获得了超5亿美元的累计融资,但在公链赛道群雄混战的阶段,Near既没有形成现象级的标杆应用,也难以吸引开发者大规模入驻。生态应用稀疏、用户增长停滞,市场关注度低迷,在“以太坊杀手”扎堆的环境中,即便是拥有领先的分片架构,Near的注意力长期被其他热门公链分流,协议一度陷入了“叫好不叫座”的沉寂期。

2020年至2021年牛市期间,Near踩中跨链风口,彩虹桥的上线成为其生态爆发和币价暴涨的重要催化剂。

直到AI热潮的爆发,Near迎来了命运的转机。2024年3月,在GTC全球开发者大会上,英伟达创始人兼CEO黄仁勋邀请包括Illia Polosukhin在内的7位Transformer论文合著者同台对谈。

黄仁勋盛赞这篇论文“改变了世界 (You Transformed the World)”,强调了 Transformer架构是AI产业一切成就的根基,其影响力已重塑全球科技、内容与金融格局。这一高光时刻,让身为共创者的Illia Polosukhin以及魂断AI梦的Near,再度以正统“AI血脉”的身份重新吸引到了加密市场的注意力。

以全新的姿态重回战场后,Near独特的“技术内核”被进一步激活。借此契机,协议朝着Near Intents(意图)与私密交易转型,在多链意图和智能体经济(Agent Economy)融合的趋势下奠定了坚实的基础。

意图交易层大幅降低了AI Agent的交互门槛,让Venice AI等部署在机密硬件TEE(可信执行环境)中的Agent能够自主、安全且低成本地进行多链资金划转。

Near Intents成新增长线,狂揽200亿美元交易量

Near Intents重构了跨链交易的交互体验。在传统多链环境下,用户进行一次跨链资产兑换需要手动操作跨链桥、在源链和目标链准备不同的Gas代币,并时刻提防滑点与摩擦成本。

Near则用意图机制完成了全流程抽象,用户只需表达自身的交易需求,如“用源链上的BTC换取目标链上的ETH”,而无需解跨链路径和Gas消耗。这才是普通用户,甚至未来的AI Agent追求的交互体验。

跨链交易的执行,依托于链下求解器(Solver)网络的竞价机制。

  • 当用户发出意图请求后,求解器网络通过求解器总线(Solver Bus)进行竞价,自动寻找并测算出最优的执行路线与报价。

  • 一旦用户签署报价,意图将提交至Near链上的验证器(Verifier)智能合约进行最终结算。

在整套流程中,Gas费将在后台代扣,用户无感支付,有效释放了DeFi跨链交易的活力。用户体验的大幅优化,让Near获得了Ledger等流量入口的广泛集成。

不过,求解器网络的潜在中心化也是一大风险。由于求解器需要充裕的做市流动性与复杂的算法优化,这导致1Click等交易API通常都依赖受信任的交换代理和头部做市商。这可能导致求解器市场出现寡头垄断,削弱原本竞价机制所带来的价格优势。

DeFi Llama数据显示,Near Intents部署到了25条公链,覆盖了加密市场的主要结算网络。

协议TVL(总锁仓价值)超过8,500万美元,其不仅在Near链上留存了3,650万美元的资金,还通过链抽象机制在以太坊、比特币、波场等链上建立起了深厚的流动性。这种跨链生态的广度也正是Near Intents累计交易量突破200亿美元大关的关键所在。

从盈利层面来看,自Near Intents推出以来,协议已经产生超过3,300万美元的手续费。其中,最近两个季度就贡献了超七成收入。这表明,随着多链生态的持续扩容,协议的盈利能力也呈现出增长态势。

逐步提高的手续费收入将给NEAR建立起经济层面的正反馈机制。绝大部分网络费用会被销毁,为NEAR代币注入通缩动力,进一步强化其价值捕获能力。

私密交易吞噬四成流量,增长引擎还是监管隐患?

当下,随着链上活动日渐增多,隐私需求已不再是加密市场中边缘化的需求,这也成为了Near的差异化优势。

自今年第一季度,Near推出“私密意图(Confidential Intents)”与“私密兑换(Confidential Swaps)”功能以来,其采用率迅速上升。过去30天,Near链上的总交易量为2.09亿美元,其中私密兑换交易量高达8,700万美元,占比 41.63%。这一数据反映出的不仅是产品采用率,更是市场需求的真实存在。

业务爆发背后,是Near切中了DeFi市场长期存在的一个结构性痛点:高度透明的链上账本暴露了大额交易者的仓位与意图。这导致机构或巨鲸在执行大额交易时,面临着严重的三明治夹击(MEV)、大额滑点和策略外泄等问题。

私密意图功能通过引入可编程隐私技术,允许用户在前端界面上无缝切换至“私密模式”。在这一模式下:交易的数额、方向和仓位在执行期间对外界完全隐蔽,仅在结算时由链上进行可验证的加密记账。

机器人的夹子失效了,交易者的商业秘密保住了。私密兑换功能将为机构资金开辟出相对安全的DeFi通道,降低交易摩擦,有利于推动链上生态与主流金融的融合。

然而,硬币的另一面同样不容忽视。超四成的隐私交易占比,既证明了需求的真实存在,也可能引来监管的凝视。全球监管针对Tornado Cash等隐私协议的高压从未松动过。匿名的巨额资金流转更容易触发监管执法。如果监管机构认定“私密兑换”模式存在协助洗钱的风险,Near或降不可避免地进入监管视野,也可能成为其未来面临的最大不确定性之一。

回顾长达九年的来时路,Near的成长剧本展现出了极为戏剧性的走向,尽管经历了公链竞争、市场周期与叙事变迁,但其也在不断调整自身的发展方向。

如今,链抽象、Intents以及隐私交易成为了Near新的探索重点,而AI热潮则让市场重新审视这条公链的独特背景,但这些尝试能否帮助Near建立更稳固的生态护城河,仍需要更多时间观察。

相关问答

QNear公链最初的创立动因是什么?

ANear公链最初的创立动因并非出于宏大的区块链理想,而是为了解决一个现实困境:其创始团队在运营一家AI初创公司时,无法向分布在全球各地的开发者便捷、低成本地支付跨境薪资。因此,创始人决定搁置AI模型开发,转而自行构建一条高扩展、低费用的公链以解决支付问题。

QNear Intents(意图)机制如何优化用户的跨链交易体验?

ANear Intents机制通过意图抽象大幅优化了跨链交易体验。用户只需表达交易需求(如“用A链的X资产换B链的Y资产”),而无需手动操作跨链桥、准备不同链的Gas代币或计算路径。链下求解器网络会自动竞价并寻找最优执行路线,Gas费在后台代扣,最终在Near链上结算,实现了用户无感的便捷跨链交易。

Q根据文章,Near的私密交易功能满足了什么市场需求?其潜在风险是什么?

ANear的私密交易功能满足了机构或大额交易者保护交易策略和避免MEV攻击(如三明治夹击)的迫切需求,通过可编程隐私技术隐藏交易细节。其潜在风险是可能因处理大量匿名资金流转而引发监管关注,存在被认定为可能协助洗钱而面临监管打击的不确定性。

QNear协议在重回AI赛道后,其技术如何与AI Agent(智能体)经济结合?

ANear重回AI赛道后,其Near Intents(意图)层大幅降低了AI Agent的交互门槛。部署在机密硬件(如TEE)中的AI Agent(例如Venice AI)能够利用该意图机制,自主、安全且低成本地进行多链资产的划转与交易,从而更好地融入和驱动智能体经济。

Q文章中提到Near Intents协议取得了哪些关键业务数据?

A文章中提到Near Intents协议的关键业务数据包括:已部署到25条公链;累计处理了超过200亿美元的跨链交易量;协议产生的总手续费收入超过3400万美元,其中最近两个季度贡献了超七成收入;协议总锁仓价值(TVL)超过8500万美元。

你可能也喜欢

从以太坊到AI的“CROPS”:Vitalik反复强调的这套“慢变量”,究竟是什么?

以太坊创始人Vitalik Buterin近期频繁强调一个概念——CROPS,它代表抗审查性(Censorship Resistance)、抗捕获性(Capture Resistance)、开源(Open Source)、隐私(Privacy)和安全(Security)。这一理念源于以太坊基金会发布的指导文件,旨在确保用户在数字生活中不依赖单一平台、不丧失最终控制权。 随着AI技术深入钱包和自动化执行场景,CROPS的内涵超越了以太坊的原有范畴,成为AI时代用户能否掌控自身数字生活的关键问题。Vitalik指出,真正的“CROPS AI”应支持多种硬件平台,而不仅仅是“去中心化AI”。当AI成为用户的数字代理人,处理资产管理和链上操作时,确保其抗审查、开放、隐私和安全变得至关重要。 CROPS Ethereum与CROPS AI存在显著交集。例如,通过零知识证明实现付费远程大模型调用和私密以太坊RPC读取,旨在让用户在获取远程服务的同时避免暴露敏感信息。未来,可能出现更多针对以太坊场景微调的AI模型,用于提升智能合约和生态安全。 这一理念将深刻影响Web3生态,尤其是钱包等入口层产品。在市场关注短期热点的背景下,CROPS提醒我们关注那些决定长期方向的技术变量:在AI加速接管数字世界的时代,确保系统可理解、可验证、注重隐私和安全,才是以太坊持续价值的真正体现。

marsbit1小时前

从以太坊到AI的“CROPS”:Vitalik反复强调的这套“慢变量”,究竟是什么?

marsbit1小时前

越过“内存墙”,AI推理时代的晶圆级革命与算力路线

2026年,AI产业进入新拐点:全球主要云厂商的推理资本支出首次超过训练。这意味着算力需求核心从“炼模型”转向“用模型”,瓶颈也从计算规模变为“内存墙”——即数据在GPU与片外存储间搬运带来的高能耗与延迟。 为突破内存墙,Cerebras公司选择了“晶圆级计算”的激进路线。其核心产品WSE-3不切割晶圆,直接制成超大芯片,集成90万个AI核心和44GB片上SRAM,带来远超传统GPU(如英伟达B200)的片上内存带宽。其架构将模型权重存储于片外MemoryX,按需流式传输至芯片计算,从而在LLM推理,尤其是首token延迟和长上下文任务中展现出显著优势,token生成速率可达GPU的1.5-5倍。同时,其芯片内互联功耗也远低于当前GPU。 但这种极致物理优化也带来挑战:通过先进制程提升SRAM容量的路径已近天花板;整片晶圆发热量大,需专用液冷;片外I/O带宽有限,难以高速扩展形成大规模集群;软件生态也与主流CUDA不兼容。 与此同时,行业巨头正通过多条路径围剿:1)自研ASIC推理芯片(如谷歌TPU、微软Maia);2)利用台积电SoW等先进封装技术将“晶圆级”能力通用化、平民化;3)探索光互联/光计算作为终极解决方案。 Cerebras还面临商业转型的挑战,巨额订单迫使其从芯片商转向云服务商,需快速建设专用数据中心,交付压力巨大。 最终,AI推理时代的算力架构呈现路线分野:Cerebras向左,追求单任务下的极致低延迟;英伟达向右,以通用性应对多变负载。技术变革仍在继续,谁将主导未来,尚无定论。

marsbit3小时前

越过“内存墙”,AI推理时代的晶圆级革命与算力路线

marsbit3小时前

交易

现货
合约
活动图片