Chainalysis 押注 AI 代理辦鏈上調查

Chainalysis 正把 AI 推進加密貨幣合規。這次不是做一個聊天介面而已。它要做的是調查代理，幫人查交易、補資料、寫報告。

這家公司說，自己已經掃過數十億筆交易，也支援過超過 1000 萬次調查。現在它想把這套能力，交給更多不是資深分析師的人用。說白了，就是把專家工具做得更像軟體工具。

時間點也很有意思。詐騙、釣魚、洗錢，現在都開始用 AI 加速。防守方如果還靠人工慢慢翻資料，真的會跟不上。

Chainalysis 到底端了什麼

Chainalysis 在年度 Links conference 上發表這批代理。CEO Jonathan Levin 的說法很直接。很多需要鏈上情報的人，根本沒時間學完整平台。

這句話很實在。很多企業買了工具，最後只有 2、3 個人會用。其他人只會看報表，不會真的操作。Chainalysis 現在就是想把門檻壓低。

它的做法也不是把通用 LLM 直接接上去。它強調，代理是建立在自家驗證過的資料層上。這點很重要。因為在鏈上調查裡，答錯比不答更麻煩。

如果底層資料有問題，AI 只會把錯誤包裝得更像真的。那種錯誤很貴，也很難追責。尤其碰到法遵、稽核、甚至司法程序時，不能只看模型講得順不順。

• Chainalysis 說它已掃描數十億筆交易
• 它也說支援過超過 1000 萬次調查
• 第一波在 2026 年夏天開始
• 初期重點是調查與合規
• 用途包含告警補強、報告生成、多鏈查詢

這種設計很像把資深分析師的部分工作流程拆開。先讓系統幫你整理，再讓人做決策。這比讓 AI 自己亂跑，安全很多。

Chainalysis 還提到，代理可以幫忙做客製化 web app、找出時間區間內的交易、蒐集開源情報。這裡的重點不是聊天，而是把重複性的調查步驟自動化。

為什麼資料層比模型更重要

Jonathan Levin 的核心論點，其實很簡單。AI 代理能不能用，不看模型多大。先看資料對不對。這在加密合規場景裡，幾乎是鐵律。

一般文字助理可以胡說八道一點。鏈上調查不行。你要面對的是交易紀錄、錢包歸屬、風險標記、法遵規則。每一步都要能回頭檢查。

Chainalysis 說，它的資料已被政府、金融機構、加密企業使用。它也強調，相關資料曾在法院中被採納。這讓它有一個很強的說法：代理不是亂猜，是在證據庫上推理。

“If you have a model that has no grounding in data, it’s hallucinating,” Levin said at the event.

這句話很直白。沒有資料錨點的模型，就是在幻想。你可以拿它寫文案，但不能拿它做調查結論。

它還列出四個原則。第一，資料品質先於模型大小。第二，推理要建立在多年調查經驗上。第三，輸出要可稽核、可重現。第四，人要保留控制權。

最後一點尤其重要。法遵流程通常不會接受全自動。系統可以先做告警補強，但要不要凍結帳戶、要不要送出報告，通常還是人來決定。

我覺得這也是 Chainalysis 最聰明的地方。它不是硬推「AI 取代分析師」。它是在賣「讓分析師少做爛活」。這種定位比較務實，也比較容易過企業採購。

和其他 AI 代理比，差在哪

現在大家都在講 AI agents。問題是，很多產品其實只是 LLM 外面套一層工具殼。看起來很潮，實際上很空。

Chainalysis 想拉開差距的地方，在於它有一個很窄、很深的場景。鏈上調查不是普通辦公自動化。它要處理的是鏈上追蹤、實體歸因、風險規則、稽核紀錄。

這跟一般辦公助手差很多。幫你改 email，只要語氣對。幫你查錢包，還要能說明它怎麼得出結論。兩者難度不是同一級。

• OpenAI 把代理做進通用生產力與程式工作流
• Anthropic 強調工具使用與企業助理
• Chainalysis 把代理綁在鏈上鑑識與合規
• TRM Labs 也在做加密風險與調查工具

這幾家都在同一條賽道上，但打法不同。OpenAI 比較像底層能力供應商。Anthropic 走企業安全與工具調用。Chainalysis 則是把 AI 限縮在高風險資料域。

它目前沒講價格，也沒公開哪些客戶先測。這讓外界只能先觀察。到底是實用升級，還是又一層 UI 包裝，還得看實戰。

如果它真的能把多鏈調查從幾天縮到幾分鐘，還能保留可稽核紀錄，那就很有價值。因為法遵團隊最缺的不是酷炫功能，是時間。

另外一個要觀察的點，是它會不會把 AI 風險也一起管住。因為詐騙方已經在用 AI。防守方如果沒有同等速度，真的會很吃虧。

這波對加密產業的意義

Chainalysis 這次的訊號很清楚。它不是單純追 AI 熱度。它是在把 AI 放進一個已經有明確需求的產業流程裡。

加密產業一直有兩個痛點。第一，交易量大。第二，風險高。交易量大代表人工看不完。風險高代表不能亂猜。這兩件事剛好都適合讓軟體先做初步整理。

如果代理真的能幫忙做 alert enrichment、報告生成、開源情報蒐集，企業內部的使用者就不必只靠少數高手。這會改變工具的使用方式。

但我也不想講太滿。企業 AI 最常見的死法，就是 demo 很漂亮，上線很普通。真正的考驗是，它能不能減少每案處理時間，還能讓稽核過關。

從產業角度看，這件事也會逼其他鏈上分析工具跟進。因為客戶會開始問：你們有沒有可稽核的代理？有沒有固定輸出？有沒有把資料層管好？

一旦客戶開始這樣問，產品設計就會變。不是只有誰模型大，而是誰資料乾淨、流程穩、責任清楚。

背後其實是法遵市場的老問題

法遵市場一直很吃資料整合。銀行、交易所、支付公司，每家都有自己的系統。資料散在不同伺服器，不同格式，不同權限。

以前的做法，是把這些資料丟給分析師慢慢拼。現在 AI 代理可以先幫你整理，再把人拉進來決策。這種分工比較符合現實。

也因為這樣，Chainalysis 的策略不是單點功能，而是 workflow。它想讓執行長、法遵主管、調查人員，都能直接問問題。這很像把原本很硬的分析介面，改成一層可操作的工作流。

但這裡也有風險。代理越方便，越容易讓人過度信任。只要資料標記錯一次，後面整串流程都會歪掉。所以可追溯性一定要做足。

這也是為什麼它強調 deterministic output。簡單講，就是同樣輸入，最好給同樣結果。企業很在意這個。因為法遵不是在玩抽卡。

接下來要看什麼

Chainalysis 說，第一波代理會在今年夏天上線。先從調查和合規開始。這個順序合理，因為這兩個地方最容易量化成效。

接下來我會看三件事。第一，是否真的縮短處理時間。第二，輸出能不能被稽核。第三，非專家能不能真的上手。這三件事比行銷詞更重要。

如果它做到了，受益最大的可能不是超大型金融機構，而是中型交易所、支付公司、法遵壓力大的 fintech。這些團隊最怕告警爆量，也最缺人。

我自己的判斷很直接。這波 AI 代理能不能成，不看它會不會講話。看它能不能少讓人熬夜。你如果也在做合規、風控、或鏈上資料分析，這類工具接下來很值得盯。

下一步就看它能不能把「專家級工具」變成「一般團隊也能用的工具」。如果能，市場會很快跟上。因為沒人想繼續用手工方式處理幾十萬筆交易。