区块链情报公司 TRM Labs 表示，过去一年人工智能在加密犯罪中的使用增长了 40%——这一数据点将 AI 与区块链的融合从算力市场的叙事推向了交易所和合规团队的威胁建模议程。

TRM Labs 报告了什么

TRM Labs 是区块链分析领域的老牌企业之一——与 Chainalysis、Elliptic 等公司并列——为交易所、金融机构和执法部门提供钱包筛查、交易监控和取证追踪服务。根据 TRM Labs 的2026 年加密犯罪研究，涉及 AI 工具的加密货币相关犯罪活动占比同比增长了 40%。该公司明确将这一增长定性为对犯罪的助长，而非该行业普遍的 AI 采用。这一趋势也见于关于 TRM 调查结果的报道。

从实际层面看，“AI 在加密犯罪中的使用”是指威胁行为者将机器学习工具融入现有攻击流程：用于钓鱼诱饵和伪造身份的生成式模型、自动化社会工程，以及针对散户用户和协议运营方的脚本化欺骗。

为什么这一增长对加密安全意义重大

这一报告中的跃升之所以具有新闻价值，是因为它量化了许多安全团队此前仅凭经验描述的转变：对手如今正在将过去需要人工执行的步骤自动化，从而降低单次攻击的成本。这一操作层面的变化直接使依赖模式识别的交易所和合规部门的威胁检测变得更加复杂。

对合规团队而言，AI 辅助攻击意味着合成身份和伪造文件可以以更低的成本规模化生产，这抬高了对 KYC 和交易监控系统的要求。这些负担叠加在已然收紧的监管框架之上——FATF 的“旅行规则”和欧盟的 MiCA 法规将银行式 KYC 和监控义务扩展至加密资产服务提供商——这使得 AI 伪造的身份成为一种监管风险敞口，而不仅仅是欺诈损失。这一压力降临之际，据 Blockaid 的另一份数据，2026 年上半年加密安全损失已突破 10 亿美元。

在用户层面，最明确的近期风险是更具迷惑性的骗局：AI 生成的消息、语音和人设更难与合法外联区分开来。深度伪造诈骗的案例早已超出加密领域：在 2024 年香港一起广为报道的案件中，工程公司奥雅纳（Arup）的一名员工在参加一场视频会议后转账约 2500 万美元，而会上其他所有参与者最终都被证实是深度伪造。同样的态势也已体现在有据可查的向物理胁迫的转变之中，即所谓的“加密扳手攻击”以及不断上升的安全支出。

融合的角度是把双刃剑。为 AI 基础设施加密项目提供动力的生成式和推理能力，正是 TRM Labs 在攻击方所识别到的工具；而机器学习在防御方也早已是标准配置——TRM Labs 就将其应用于自身的钱包风险评分——这使得检测模型与基于相似技术栈构建的自动化滥用正面相撞。

TRM Labs 的数据是一个趋势信号，而非完整的威胁图谱，其底层报告是任何由此得出的结论的依据。具体的启示范围有限：防御者现在必须假定攻击者的工具正在随着行业所构建的同一套 AI 技术栈同步扩展。值得关注的风向标同样具体：在 TRM 的后续报告中，与 AI 相关的活动在整体非法交易量中的占比是否持续上升，以及欧盟《人工智能法案》的透明度规则——自 2026 年 8 月起适用的深度伪造披露义务——将如何针对 AI 生成的冒充行为得到执行。

免责声明：本文仅供参考，不构成财务或投资建议。加密货币和数字资产市场风险巨大。在做出决定之前，请务必自行研究。