AI+Crypto时代的SEC：从传统监管到可验证监管

作者：祝维沙

从传统监管到可验证监管——SEC在AI+Crypto时代需要一套不断迭代的制度。

2026年，美国证券交易委员会（U.S. Securities and Exchange Commission，SEC）明显调整了过去对加密资产的监管方式。8月18日，SEC提出新的“Regulation Crypto Assets”（《加密资产监管规则》），希望为涉及加密资产的部分投资合同建立更有针对性、更加适配现实的证券发行框架；SEC Crypto Task Force（SEC加密资产工作组）也在继续讨论资产分类、交易、托管、代币化和市场结构等问题。

这个方向是进步的。但眼前还有一个更底层的问题没有被充分讨论。

AI和Crypto带来的变化，不只是出现了几种新资产。它们正在改变事实怎样产生、怎样记录、怎样被证明，也在改变组织和信用的形成方式。如果我们只是不断把新事物塞回“证券、商品、银行、交易所”这些旧分类里，却未必回答了最重要的问题：当越来越多过去只能靠机构背书的事实，已经可以持续、低成本地验证以后，监管本身是不是也应该跟着变？

本文把这个问题叫作“可验证监管”。它不是讨论监管应该更严还是更松，而是想换一个角度看监管为什么存在，以及技术条件变化以后，哪些制度仍然必要，哪些制度可以开始换一种做法。

一、过去为什么需要那么复杂的监管

监管当然是为了防止欺诈、保护投资者、维护市场秩序和控制系统性风险。但如果再往下一层看，会发现传统金融之所以需要这么多牌照、审计、披露、机构分工和事后执法，还有一个很现实的原因：很多关键事实，普通市场参与者根本没有办法自己核实。

储户不知道银行资产是否真实，投资者无法逐笔确认上市公司的财务数据，客户不知道交易所是不是公平撮合，监管机构自己也不可能全天候检查所有机构的每一笔交易和每一个内部过程。

在这种技术条件下，人类只能把银行、券商、交易所、托管、清算、审计、监管和司法组织成一条很长的责任链，让机构彼此制约，尽量减少单一机构作恶的空间。

组织本身就是一种权力。传统制度主要靠机构之间的分权制衡来约束这种权力，代价是组织层级多、监督链条长，社会成本也高。比特币系统给出的另一种启示是：制衡不一定都要依靠正式机构之间的分权。程序员可以提出和发布新版本，矿工和节点可以选择是否采用，用户也可以用自己的选择表达判断；公开规则、选择权和退出权共同形成约束。它不是没有权力，而是把一部分权力约束放到了规则和市场选择中。未来在那些关键事实已经可以独立验证的环节，监管能不能减少一部分组织性制衡，增加这种基于规则和选择的约束，值得研究。

传统的分权制衡并不落后。相反，它是“事实难以独立验证”时代非常聪明的制度安排。《可验证思想》中把它概括为一句话：监管是在用组织成本弥补验证成本。现在，数字化记录、密码学签名、哈希、实时API和AI正在一起降低验证成本。既然底层成本结构变了，建立在它上面的制度就值得重新检查。

二、“透明”和“可验证”不是一回事

过去多年，此前的研究使用过“透明银行”“透明金融”“透明稳定币”等说法，今年5月逐渐把这些思想收拢到“可验证”这个概念下。这个词换了以后，很多原来分散的问题反而更容易说清楚。

透明解决的是“我能不能看见”。可验证解决的是“我能不能独立确认”。二者差别很大。

一家机构可以公开几百页报告，看起来非常透明，但如果关键数字仍然只能相信它自己，透明并没有解决信用来源的问题。反过来，一个系统也没有必要把商业秘密、客户隐私和交易策略全部摊在阳光下，只要相关主体能在适当权限下验证必要事实就够了。

因此，可验证不是要求所有东西都公开，而是尽量把“你必须相信我”变成“这件事你可以自己核对”。

这一步最后碰到的是信用。这并不是说人格、国家、法律、机构和品牌信用会消失，而是说人类多了一种可以规模化扩展的信用来源：事实被验证以后，人们才有理由相信；相信积累起来，才形成信用和共识。概括起来是“事实—验证—相信—信用—共识”。

以前没有形成这样一种普遍制度，不是前人不知道核查的重要性，而是核查太贵、太慢，也很难连续进行。现在这个条件正在改变。

三、比特币给监管的启示，不只是“去中心化”

比特币最值得监管者研究的地方，并不是它试图创造一个完全没有信任的世界。中本聪做成的是另一件事：把一部分过去必须交给可信第三方确认的事情，改成任何人都可以按照公开规则和密码学证明去核验。

后来Crypto世界出现了“Don’t trust, verify”（不要只相信，要验证）、trust minimization（信任最小化）、public verifiability（公开可验证性）、zero-knowledge proof（零知识证明）、proof of reserves（储备证明）、verifiable computation（可验证计算）等很多概念。名字不同，背后都在处理同一个问题：怎样把原来只能相信的东西，变成可以核验的东西。

但这里也最容易产生误解。Proof of Reserves（储备证明）可以证明一部分资产，并不能自动证明负债完整，更不能证明交易所没有操纵撮合、偷偷改规则或者挪用客户资产。只证明一个数字，离“整个系统可验证”还很远。资产、负债、授权、交易、清算、规则变化和责任，需要进入同一套可以长期复核的结构。否则我们只是把旧黑箱换成了几个看起来先进的新证明。

世界其实已经在朝这个方向走。经济合作与发展组织（OECD）讨论监管实验和事后评价[3]；英国金融行为监管局（FCA）与英格兰银行做过机器可读、机器可执行监管实验[4]；美国金融业监管局（FINRA）建立了机器可读规则库和规则API[5]；欧盟《人工智能法案》（AI Act）允许高风险AI在明确边界下进行真实环境测试[6]；OECD又推进Law as Code（法律即代码），讨论国家如何提供有授权、可执行的法律逻辑，同时把条件、例外、层级、时间、责任和裁量写清楚[7]。

这些探索过去分别叫Regulatory Sandbox（监管沙箱）、RegTech（监管科技）、SupTech（监管监督科技）、Rules as Code（规则即代码）、Law as Code（法律即代码）、Continuous Audit（持续审计）、Compliance by Design（合规内生设计）。它们看起来各做各的，其实有一条共同的线：过去必须依赖机构信用来确认的事实，开始进入可验证结构。

四、SEC可以先换一个提问顺序

今天碰到一个新的Token，监管最容易先问：它是不是证券？是否符合Howey Test（豪威测试）？如果是，就把证券监管要求套上去。

Howey当然仍然重要，本文也不是主张绕开证券法。但在AI+Crypto时代，或许可以把顺序稍微调一下。先别急着贴标签，先把这个东西到底是什么看清楚。价值从哪里产生？持有人到底拥有什么权利？谁拥有实际控制权？投资者是否依赖他人的持续管理努力？哪些关键事实已经可以独立验证？还有哪些权力和风险看不见、无法核验？

这些问题回答得差不多以后，再进入证券、商品或其他法律框架，法律判断反而可能更稳。

《可验证思想》中把加密资产归纳成五个基础问题：价值来源、权利结构、管理依赖、可验证程度和责任追溯。它们不是新的法律标签，而是一张事实清单。先把事实结构搞清楚，再谈法律分类，比一开始就争“它究竟叫什么”更适合今天的新技术环境。这也是为什么事实结构应该走在标签前面：新的创造已经不断突破旧概念的边界。像比特币、以太坊这样的原生网络资产，很难被传统股票或证券的单一概念完整描述，更不能简单套用股票的估值方法。

五、监管也应该会试错，而且要留下版本

新技术、新金融结构和新的AI系统往往没有足够长的历史数据。监管者在这种情况下作规则，本身就包含判断。判断有概率性，既然是判断，就可能错。

因此，我们更赞成一种小步走的办法：先提出原则，做一套尽可能小的规则，在有限范围真实运行，事前把目标、假设、观察指标、风险边界、时限、暂停条件和失败标准讲清楚，然后用实际结果回来检查。规则有效，就扩大；假设不成立，就修改。不少方案一争论就是几年，等规则真正落地，技术环境可能已经变了。

本文把它称为Minimum Viable Regulation（最小可行监管）。这里的“实验”绝不是放任。恰恰因为允许实验，事前边界和事后复盘才要比普通规则写得更清楚。

监管机构还应该能够公开承认一句话：“原来的假设没有得到支持。”如果一个制度只能证明自己永远正确，它就很难真正迭代。OECD有关事后评价的研究也说明，系统性的监管复盘目前仍远没有成为普遍做法。

与实验相配套的，是规则版本。软件不会要求v1永远正确，监管规则也没有必要假装自己不会变。重要的是每一次改变都留下当时的理由：为什么采用旧规则，当时掌握什么事实，原先预期什么，后来发生了什么，哪一个判断出了问题，为什么改。

这样做还有一个很实际的法律意义：不能拿后来形成的规则和后来知道的事实，倒回去假定当事人在过去已经知道。一个可靠的监管知识系统，必须能够还原“当时有效的规则、当时存在的事实、当时监管机构能获得的信息和当时给出的正式判断”。后来知道的东西，不能偷偷写回过去。

六、比“监管操作系统”更重要的，是让合规变得可查询、可解释

现在一家企业遇到监管问题，常见的路径是读规则、找律师、猜监管态度、交材料、等待，然后在很长时间以后才知道自己理解得对不对。

技术上已经可以设想另一种体验。企业先提交或连接那些已经能够核验的主体事实，AI系统再对照当前有效规则，告诉它哪些地方明显合规，哪些地方有条件合规，哪些地方存在明确问题，哪些地方机器不能替人判断。

如果AI系统说不合规，它还应该继续告诉企业：问题出在哪个事实，依据的是哪一条规则、哪一个版本，缺什么材料；如果属于法律裁量，就明确写“需要人工判断”，而不是为了提高自动化率硬给一个确定答案。

FCA过去的数字化监管报送（Digital Regulatory Reporting）实验说明，机器规则和企业数据直接连接在工程上是可以做的；OECD推进Law as Code（法律即代码），也说明机器可执行法律正在成为公共数字基础设施的一部分。

此前的研究曾把这种方向称为“监管操作系统”。现在看来，名称并不重要。重要的是监管能不能从“出了问题以后再处罚”，逐渐增加一层“事情发生以前就告诉你哪里有问题、为什么有问题、怎么改”。这会改变监管和市场主体之间的关系。

但这里不能把所有法律文件一股脑塞进一个大模型。法律、法规、SEC解释、法院判决、豁免、no-action letter（不采取行动函）和行政裁决有不同权威层级，也有生效、失效、冲突和解释状态。AI如果不知道这些区别，知识越多，反而越可能一本正经地答错。

所以监管知识库至少要把来源、权威等级、适用法域、生效时间、替代时间、规则版本、冲突状态和解释状态记录清楚。用户也应该能够追问：为什么引用这个案例？为什么没有引用另一个？哪条规则权威更高？否则只是从人工监管黑箱，变成AI知识库黑箱。

七、AI进入监管以后，几个边界必须先讲清楚

第一个边界是责任。如果SEC官方AI告诉一家企业“这样做符合规则”，企业照做了，一年以后监管机构又说“AI判断错了，你违法了”，责任怎么算？这个问题不能等系统上线以后再处理。

FINRA Rulebook Search Tool（FIRST，FINRA规则手册搜索工具）目前明确说明自己只是信息工具，不提供监管或合规意见，依赖它也不能成为违规抗辩理由。这恰好说明，从监管搜索工具走到真正会影响行为的监管AI，难点已经不仅是模型能力，而是它的法律效力、责任和合理信赖。

第二个边界是隐私和权力。可验证不等于监管者可以无限获取数据。商业秘密、个人隐私、交易策略和安全密钥不应该因为监管数字化就失去保护。比较合理的原则是：需要核验的事实能够核验，与监管目的无关的信息尽量不要获取。监管者获得验证能力的同时，自己的权限也必须留下边界和审计记录。

第三个边界是验证机制本身。可验证基础设施也会形成新的权力节点：谁定义验证接口，谁控制基础数据，谁认证机器规则，验证错了由谁承担责任，都不能留给一个新的黑箱。因此，可验证监管不仅要核验被监管对象，也要让验证机制本身的来源、权限、版本和责任可以被检查。

第四个边界是判断。资产是否存在，可以核验；一条规则是怎样修改的，可以回放。但某种控制是否已经构成法律上的实质控制、某种管理努力是否足以形成投资合同、某种处罚是否适当，这些仍然包含法律解释和价值判断。

《可验证思想》中把它分成三类：确定性事实核验，过程性事实回放，认知性判断复核。AI可以尽量把事实弄清楚、把分歧缩小，但到了无法消除的裁量，应该明确交给人，并把人的理由留下来。最终判断权和责任不能因为AI出现而消失。

八、为什么我们越来越相信“实验—复盘—修改”这条路

我们并不是把这些只当成制度想象。我们目前正在自己的AI监控系统里测试类似的分工。

一个AI主要做程序和工程执行，另一个AI主要检查规则、证据、逻辑和验收结果。我们刻意不让同一个AI完成“自己执行、自己解释、自己证明自己正确”的闭环。

在这套实践中，人工一侧并不以逐行监督全部程序代码为前提。我们保留的是目标决定权、风险边界、暂停权和最终授权；AI负责执行和检查，但不能替代人的最终责任。

系统真的跑起来以后，暴露的问题和理论讨论很不一样。数据会断源，时间戳会错，权限会不够，不同AI会对同一事实作出不同解释，甚至会把“不知道原因”强行解释成一个听起来合理的故事。

这些问题不是坐在书桌前都能想出来的。它们只能在真实运行中出现，然后逼着我们改规则。这也是我们为什么主张监管要允许有限实验。可验证思想如果要求别人接受事实检验，它自己也不能例外。

九、给SEC留下十项以后可以回来核对的判断

此前我们在评价美联储主席沃什时，曾经根据他的讲话写下十项未来预测，不是为了证明自己聪明，而是为了几年以后回来看看：当时到底有没有理解他的决策函数。

对SEC也可以这样做。下面十项不是事实，而是我们今天根据可验证思想作出的判断。未来如果大量落空，就说明这套监管模型需要修改。

结语

工业时代的监管建立在一个很现实的条件上：大量关键事实无法直接验证。人类因此发展出牌照、审计、机构信用、分权制衡和事后执法。这些制度直到今天仍然有价值。

但技术正在慢慢改变这个前提。Crypto让一部分公共事实可以不依赖单一机构而持续核验，AI又在降低查事实、回放过程、整理规则和复核判断的成本。

这并不意味着监管会消失，也不意味着机器可以接管法律。它只是要求我们重新问一些以前没有必要问的问题：哪些事实已经可以验证？哪些风险因为可验证而降低了？哪些权力仍然看不见，因此还必须继续依靠责任分离和制度制衡？规则实施以后，有没有人回来检查它到底有没有达到目的？监管者自己作出的判断，能不能被复盘？验证机制本身，能不能被验证？

如果这些问题能够逐渐进入日常监管，变化可能比“把监管数字化”更深。

我们希望看到的，不是一套宣称永远正确的监管制度，而是一套能够核验事实、发现错误、承认失败、持续修正，并且自身也接受复核的制度。