預測市場中正在發生一些有趣的事情，我認為值得關注。

在2024年，總交易量約為90億美元。到2025年激增至超過400億美元——增長超過400%。可以說這已成為一個不可逆轉的趨勢。Polymarket和Kalshi主導這個領域，但它們之間的動態很有趣：Kalshi在選舉合約的法律問題上獲勝，並迅速擴展到體育市場；Polymarket則建立了一個更去中心化和全球化的架構，“鏈下匹配，鏈上結算”。

但真正吸引我注意的是人工智慧代理在這個空間的潛力。這裡的關鍵點是：不是AI“預測得比人類更好”。而是將分散的信息轉化為更快、更有紀律的執行機會。預測市場本質上通過實際交易聚合信息——這是一種系統的正外部性。當你擁有這樣的結構，代理可以比手動交易者更有效率地利用低效。

架構是合理的：信息層(新聞、鏈上數據)，分析層(識別價格偏差)，策略層(計算最佳倉位)，執行層(多個市場，滑點優化)。挑戰在於並非所有策略都適合自動化。清算套利——結果已經確定但市場尚未定價——幾乎是為代理設計的。平台間套利也是如此。但方向性投機？那就還需要人類判斷。

在持倉管理方面，凱利公式是經典理論，但實務上專業交易者用更簡單的方法：將資金分成固定單位，根據信號信心調整單位數量。這降低了複雜性，也減少模型錯誤的空間。

在當前的格局中，我們有官方框架(Polymarket推出自己的代理框架)，分析工具如Polyseer和Oddpool，以及一些自主代理如Olas Predict和UnifAI Network。但說實話，我們還沒看到一個成熟的產品能整合所有元素——策略生成、有效執行、系統風險控制和封閉的商業模型。Olas Predict可能是最先進的，但仍受限於Omen的流動性。

在盈利模式方面，我看到三條路：基礎設施(數據和工具B2B)，策略訂閱(SaaS信號服務)，以及更複雜監管下的管理金庫(。目前最可行的是中間那條——無托管資金的信號工具。監管阻力較小，收入更可預測。

讓這一切變得有趣的是，預測市場正從一個小眾逐步演變成對金融系統具有實際外部性的領域——CME和彭博已在整合事件概率作為市場數據。當你擁有基礎設施、流動性和明確的監管環境)美國開始提供(，AI代理就有了合法操作的空間。

我們還處於早期階段，但這個領域發展迅速。值得關注的不僅是代理本身，還有分析工具和效果較佳的策略。如果你在Gate，擁有多鏈數據的接入，或許可以作為探索代理在去中心化預測市場中運作的良好起點。