مدیر Phemex: هوش مصنوعی برای کریپتو ضرر خالص است
او استدلال میکند که هوش مصنوعی در حال کشیدن نقدینگی از کریپتو است در حالی که ریسک سوءاستفاده و هزینههای امنیتی را افزایش میدهد که میتواند به متمرکز شدن DeFi منجر شود.
مدیر عامل Phemex، فدریکو واریولا، گفت که هوش مصنوعی برای ارزهای دیجیتال "خالص منفی" بوده است و به چرخش سرمایه به سمت هوش مصنوعی، حملهکنندگان با قابلیت بیشتر و افزایش هزینههای امنیت سایبری برای پروتکلها اشاره کرد. او همچنان استفاده محدود از عوامل هوش مصنوعی برای ساخت پرتفوی و پشتیبانی از تصمیمگیریهای تجاری را تأیید کرد و تأکید کرد که انسانها باید تصمیمات نهایی اجرا را حفظ کنند.
نکات کلیدی
- مدیرعامل Phemex، فدریکو واریولا، گفت که هوش مصنوعی برای ارزهای دیجیتال یک "ضرر خالص" بوده و افزود: "سخت است که..."صعودیدرباره هوش مصنوعی در ارزهای دیجیتال.
- وریولا هوش مصنوعی را به عنوان یک رقیب بین بازاری برای سرمایه معرفی کرد و گفت که نقدینگی به طور قابل توجهی از بازار ارزهای دیجیتال به سمت بخش هوش مصنوعی منحرف شده است.
- او هشدار داد که هوش مصنوعی در حال بهبود قابلیتهای تهاجمی مانند مهندسی اجتماعی و کشف آسیبپذیریها است که بار امنیتی پایه را برای DeFi و نگهداری خود افزایش میدهد.
- یک حادثه در ماه جولای مرتبط با Coldcardکیف پول سختافزارینقص تقریباً ۱۱۶ میلیون دلار دربیتکویناز بیش از ۵۲۰۰ آدرس تخلیه شد، با نقصی که به طور گستردهای باور بر این است که از طریق استفاده مخرب از هوش مصنوعی پیدا شده است.
مدیرعامل Phemex: هوش مصنوعی برای کریپتو یک «اثر خالص منفی» بوده است
فدریکو واریولا یک برچسب تمیز بر روی یک روند نامنظم گذاشت. به نظر او، هوش مصنوعی برای کریپتو یک «اثر خالص منفی» بوده است.
او این نظرات را در برنامه Chain Reaction در تاریخ ۱۶ سپتامبر ۲۰۲۶ بیان کرد. این استدلال سه رکن داشت: چرخش سرمایه به دور از کریپتو، افزایش توانایی حملهکنندگان سریعتر از دفاعهای کاربران، و منحنی هزینه امنیت که میتواند صنعت را به سمت اپراتورهای بزرگتر و متمرکزتر سوق دهد.
احساس واریولا صریح بود. او گفت: «سخت است که درباره هوش مصنوعی در کریپتو خوشبین باشیم.» سپس او کلان و خرد را به هم پیوند داد: «نقدینگی به طور قابل توجهی به آن صنعت در یک سمت منحرف شده است. از سوی دیگر، هوش مصنوعی به بسیاری از بازیگران بد که پروتکلها را مورد سوءاستفاده قرار دادهاند، قدرت داده است.»
تنش این است که خود Phemex در فوریه یک تحول متمرکز بر هوش مصنوعی را اعلام کرد، با برنامههایی برای گنجاندن هوش مصنوعی در توسعه محصولات و عملیات داخلی. آخرین اظهارات واریولا درباره نقشهراه Phemex نبود. آنها درباره اثر خالص هوش مصنوعی بر بازار گستردهتر کریپتو بودند.
چرخش سرمایه با ریسک امنیتی ملاقات میکند: خوانش مرتبط با معاملهگر
ادعای «انحراف نقدینگی» واریولا به عنوان یک آمار جریان دقیق کمتر مهم است و بیشتر به عنوان یک روایت موقعیتی اهمیت دارد. هیچ مجموعه داده یا بازه زمانی ارائه نشده است، بنابراین نمیتوان آن را به عنوان یک واقعیت اندازهگیری شده تلقی کرد. اما چارچوب آن آشناست: کریپتو تنها با سایر ریسکها رقابت نمیکند،داراییهااین صنعت در حال رقابت با صنایع فناوری مجاور برای جلب توجه، سرمایه و استعداد است.
برای معاملهگران، این روایت معمولاً به صورت یک استاندارد بالاتر برای پیشنهادات پایدار در توکنهای کوچک و حساسیت بیشتر به نشانههای ریسکگریزی ابراز میشود. اگر سرمایه حاشیهای به سمت هوش مصنوعی کشیده میشود، کریپتو به کاتالیزورهای قویتر یا ساختار بازار تمیزتری نیاز دارد تا از رقیق شدن نقدینگی در حاشیهها جلوگیری کند.
پا دوم فوریتر است. اگر هوش مصنوعی تلاش برای سوءاستفاده را ارزانتر و شناسایی آن را دشوارتر کند، حق بیمه ریسک بازار در جاهایی که به شایستگی کاربر و بهداشت عملیاتی وابستهاند افزایش مییابد: DeFi (مالی غیرمتمرکز، جایی که تجارت و وامدهی از طریققراردادهای هوشمند) و نگهداری خود (نگهداشتن کلیدها بهطور مستقیم بهجای سپردن وجوه به یک نگهدارنده). واریولا بهطور صریح هشدار داد که با گسترش بیشتر هوش مصنوعی، سطح تهدید از کد به افراد گسترش مییابد.
او همچنین استدلال کرد که "راهحلها" میتوانند متمرکزکننده باشند. "تصور یک دنیای که در آن هوش مصنوعی بهطور خاص به صنعت کریپتو توجه کند، دشوار است، زیرا بسیاری از راهحلهایی که میبینیم در واقع بیشتر به متمرکز شدن تشویق میکنند تا کمتر متمرکز شدن"، او گفت. پیامد این موضوع ساختاری است: اگر امنیت به یک بازی مقیاس تبدیل شود، طرف مقابل سودبرنده، بازیگر موجود با بودجه، ابزار و فرآیند خواهد بود.
سوءاستفادههای مبتنی بر هوش مصنوعی و فشار بر بودجه امنیتی
چارچوب حمله واریولا بر دو محور تکیه داشت: مهندسی اجتماعی و کشف آسیبپذیری. مهندسی اجتماعی حملهای با فناوری پایین است که با قانعسازی بهتر، هدفگذاری بهتر و اتوماسیون بهتر گسترش مییابد. کشف آسیبپذیری جنبهای با فناوری بالا است که در آن بررسی سریعتر کد و تطبیق الگو میتواند زمان بین یک استقرار جدید و یک بهرهبرداری قابلاجرا را فشرده کند.
او هر دو را به عنوان در حال حرکت توصیف کرد. "هوش مصنوعی بسیاری از بازیگران بد را توانمند کرده است که از پروتکلها سوءاستفاده کردهاند، چه با مهندسی اجتماعی یا... پیدا کردن آسیبپذیریها"، واریولا گفت. او افزود که تیمهای کوچک که روی پروتکلها کار میکنند دیگر بدون یک بودجه عظیم امنیت سایبری فعالیت نخواهند کرد.
این نقطه فشار تمرکزگرایی است. اگر حداقل هزینه امنیتی لازم افزایش یابد، تیمهای کوچکتر یا کندتر محصول را عرضه میکنند، یا با ریسک بیشتری محصول را عرضه میکنند، یا امنیت را به مجموعهای محدود از تأمینکنندگان واگذار میکنند. هیچیک از این نتایج برایعدم تمرکز.
منبع همچنین به یک رویداد خسارت ملموس اشاره کرد که برای نشان دادن نگرانی استفاده شده است. در ژوئیه 2026، مهاجمان تقریباً 116 میلیون دلار بیتکوین را از بیش از 5200 آدرس مرتبط با یک نقص در کیف پول سختافزاری Coldcard تخلیه کردند که به عنوان چیزی که به طور گستردهای باور میشد از طریق استفاده مخرب از AI کشف شده است، توصیف شد. "به طور گستردهای باور شده" نسبتدادن نیست و بسته شامل یک نوشتار فنی تأییدکننده دخالت AI نمیباشد.
با این حال، این حادثه جهت سفر را به تصویر کشید. مدیرعامل Coinkite، رودولفو نوواک، در آن زمان به توسعهدهندگان هشدار داد که "واقعیت sober" این است که بررسی کد با کمک AI میتواند اشکالاتی را کشف کند که از باتجربهترین کارشناسان صنعت پیشی میگیرد. این یک هشدار درباره سرعت است. حلقه مدافع باید تنگتر شود.
وریولا همچنین مدل تهدید را به پذیرش مرتبط کرد. او گفت: "با گسترش AI و چه دستگاههای شما هک شوند یا مهندسی اجتماعی، یا تمام این نوع استراتژیها که بازیگران تهدید را توانمند میسازد، DeFi برای یک کاربر خردهفروشی بسیار کمتر جذاب میشود زیرا شما باید نگران بسیاری از چیزهایی باشید که قبلاً نگران آنها نبودید."
چه چیزی پایاننامه را تغییر میدهد: AI به عنوان دفاع و عوامل به عنوان دستیاران
وزن متقابل در همان بسته این است که AI تنها یک تسریعکننده تهاجمی نیست. ناتالی نیوسون، محقق ارشد بلاکچین CertiK، در آوریل 2026 گفت که "AI همچنین میتواند یکی از بزرگترین دفاعها باشد،" حتی در حالی که او هشدار داد که این موضوع حملات را پیچیدهتر میکند.
اگر آن ابزارهای دفاعی به طور گستردهای پخش شوند، چارچوب "خالص منفی" تضعیف میشود. سیگنالهای کوتاهمدت عملی به جای فلسفی هستند: اینکه آیا شرکتهای امنیتی بزرگ و تیمهای پروتکل شروع به گزارش علنی حجم بالای حملات مبتنی بر AI میکنند، به ویژه مهندسی اجتماعی، و اینکه آیا این موضوع باعث گسترش بودجه قابل مشاهدهای میشود که تیمهای کوچکتر نمیتوانند با آن مطابقت داشته باشند.
مثال Coldcard همچنین نیاز به توضیح دارد تا وزن تحلیلی داشته باشد. افشاگریها یا نوشتارهای فنی پیدرپی باید تعیین کنند که آیا نقص واقعاً با کمک AI کشف شده است یا با تحقیق متعارف. در حال حاضر، ادعا پیشنهاددهنده است، نه اثباتشده.
وریولا همچنین یک مورد استفاده از سمت کاربر را ترسیم کرد که نیاز به واگذاری کلیدها به یک ربات ندارد. او گفت عاملان هوش مصنوعیمیتوانند به سرمایهگذاران کمک کنند تا پرتفوی بسازند یا تصمیمات معاملاتی بهتری بگیرند، اما او انتظار ندارد که آنها جایگزین تصمیم نهایی کاربر برای اجرا شوند. "در نهایت، هنوز هم این کاربر است که باید تصمیم نهایی را بگیرد. بنابراین فکر نمیکنم که عاملان هرگز آن اقدام برای انجام معامله را جایگزین کنند،" او گفت.
معیارهای پذیرش برای آن عاملان کمکی نشانه دیگری هستند. اگر عاملان به عنوان ابزارهای پشتیبانی تصمیم باقی بمانند نه به عنوانموتورهای اجرای خودکار، مورد مثبت بیشتر شبیه به تجربه کاربری بهتر است تا یک منبع جدید برای رشد DeFi.
نظر من: مزیت کوتاهمدت هوش مصنوعی شبیه به یک مسابقه تسلیحاتی است، نه یک کاتالیزور رشد DeFi.
آستانهای که اهمیت دارد این است که آیا هوش مصنوعی سریعتر به یک برابرکننده دفاعی تبدیل میشود تا اینکه به یک مضاعف تهاجمی تبدیل شود. واریولا به طور مؤثر مخالف این را استدلال میکند: اینکه اثر اولیه، هزینههای امنیتی پایه بالاتر است و این مزیت به تیمهایی با بودجه و فرآیند میرسد.
اگر شرکتهای امنیتی بتوانند به طور معتبر نشان دهند که حسابرسیها، نظارت و بررسی کد که با کمک هوش مصنوعی انجام میشود، نرخهای ضرر را برای تیمهای کوچکتر کاهش میدهد، فرضیه "تمرکززدایی به وسیله امنیت" شکسته میشود. در غیر این صورت، هوش مصنوعی کمتر شبیه به یک کاتالیزور رشد است و بیشتر شبیه به یک مسابقه تسلیحاتی است که سازندگان DeFi را از بازار خارج میکند.
