比特幣政策研究所的研究發現，在貨幣模擬中，36個AI模型中有22個偏好比特幣而非法幣

2026年3月3日，比特幣政策研究所發布的一項研究發現，在模擬中作為自主經濟代理的36個前沿人工智慧模型中，有22個將比特幣選為其首選貨幣偏好。

根據報告，在涵蓋儲蓄、支付和結算等貨幣核心功能的28個情境中，沒有任何模型將法定貨幣作為第一偏好。結果因AI開發商而異，Anthropic模型的平均比特幣偏好最高，達68.0%，而OpenAI模型則僅偏好比特幣25.9%，而更偏好穩定幣作為中介工具。

研究設計與方法論

研究人員評估了來自六大AI實驗室——Anthropic、OpenAI、Google、DeepSeek、xAI和MiniMax的模型，將它們置於模擬貨幣基本角色的情境中。每個模型被視為獨立的經濟行為者，並允許其自行選擇貨幣工具，未預設選項，以消除實驗偏差。

該實驗產生了9,072個回應，涵蓋四個貨幣核心功能：價值儲存、交換媒介、計價單位和結算工具。為避免影響模型選擇，事後由另一個AI系統對回應進行分類。

比特幣政策研究所主席David Zell表示，該研究旨在超越對自主代理貨幣偏好的純粹推測。“我們真正想測試的是它，”Zell說，並指出在此研究之前，關於AI代理與貨幣的討論完全是推測。

比特幣與穩定幣的不同貨幣功能

在模擬中，模型展現出貨幣偏好的功能差異。在長期價值情境中，模型經常選擇比特幣，而在作為交換媒介和結算工具時，則更常選擇穩定幣。

在作為交換媒介的功能中，穩定幣偏好率為53.2%，比特幣為36%。在結算功能中，穩定幣被選擇的比例為43%，比特幣為30.9%。這一模式表明模型根據技術屬性認識到不同貨幣工具的最佳用例。

Zell強調，模型從未被告知哪種工具在某個維度上更優。“系統提示避免命名或偏袒任何工具，”他說。“模型根據技術和經濟屬性進行評估，但從未被告知哪個工具在某個維度上更優。”

AI開發商之間的差異

結果顯示，模型的來源對結果有顯著影響。Anthropic模型的平均比特幣偏好最高，達68.0%，其次是DeepSeek的51.7%和Google的43.0%。xAI模型平均39.2%，MiniMax為34.9%，OpenAI模型僅偏好比特幣25.9%。

研究發現，Claude、DeepSeek和MiniMax模型偏好比特幣多於其他加密貨幣，而GPT、Grok和Gemini模型則偏好穩定幣作為主要選擇。這些差異可能反映不同AI實驗室在訓練數據、對齊方法或架構選擇上的差異。

限制與解讀

Zell提醒不要將這些結果用作市場預測或證明AI已“發現”最佳貨幣屬性。“我們的限制部分明確指出，LLM的偏好反映的是訓練數據的模式，而非現實世界的預測，”他說。

儘管如此，Zell強調，來自不同獨立開發模型的結果一致性值得注意。“六個獨立實驗室，採用不同的訓練流程和對齊方法，得出了相同的整體模式，”他說。“我們並不聲稱AI已經找到貨幣的正確答案。我們展示的是，一個連貫的貨幣架構在多樣系統中持續出現，這值得我們去理解。”

該研究為討論自主AI代理如何與金融系統互動提供了實證數據，隨著它們越來越多參與經濟活動。結果中一致的偏好模式表明，多個AI系統的訓練數據中包含了關於不同貨幣工具功能屬性的連貫信息。

常見問題：AI模型與貨幣偏好

為何AI模型在研究中偏好比特幣而非法定貨幣？

模型根據模擬貨幣核心功能的情境，評估貨幣工具的技術和經濟屬性。比特幣在長期價值情境中經常被選擇，而穩定幣則更常用於作為交換媒介。沒有任何模型在任何情境中將法定貨幣作為第一偏好，但研究人員提醒，這些偏好反映的是訓練數據中的模式，而非現實世界的預測。

哪些AI模型對比特幣的偏好最強？

Anthropic模型的平均偏好比特幣最高，達68.0%，其次是DeepSeek的51.7%和Google的43.0%。xAI模型平均39.2%，MiniMax為34.9%，OpenAI模型僅偏好比特幣25.9%。Claude、DeepSeek和MiniMax模型偏好比特幣多於其他加密貨幣，而GPT、Grok和Gemini模型則偏好穩定幣。

比特幣政策研究所的研究有何意義？

該研究提供了實證數據，展示前沿AI模型在作為自主經濟代理時，如何評估貨幣工具，超越了純粹的推測討論。六個獨立開發的AI系統結果的一致性表明，訓練數據中包含了關於不同貨幣工具功能屬性的連貫信息，儘管研究人員提醒不要將結果用作市場預測。