预测市场研报

野这个字是整套逻辑的灵魂。在古语里，城内是权力秩序，郊外是宗族礼法，而野是指远离行政干预、没有围墙、没有身份标签的广阔空间。同人于野的意思就是，在那个没有任何预设立场、没有任何特权加持的地方，大家为了一个共同的客观目标汇聚。

话题：与我们息息相关，新的蓝海市场

0 前言

预测市场（Prediction Markets），可能是当今科技与金融交汇处，最复杂、最具争议，也最容易被误解的概念。对于这个概念，如果你去问不同的人，会得到截然不同、甚至完全对立的答案：

在各州博彩监管机构眼中，它是披着科技外衣的线上非法赌场，是无牌体育彩票玩法；

在美国联邦政府CFTC眼中，它是对冲宏观风险的二元期权，是前景可观的金融衍生品；

在防范风险居民企业眼中，它是跳过漫长理赔流程的保险，是极简参数化新保险产品；

在传媒巨头与创作者眼中，它是改变了内容变现逻辑，用利益凝聚共识的新社交媒体；

在追求真实客观学者眼中，它是用真金过滤虚假信息，在AI时代追求理性的真相机器；

……

对预测市场认知不同，不仅停留在理论层面的分歧，更直接引爆了美国联邦与地方政府之间史无前例的法律对抗。

2026 年 2 月，美国商品期货交易委员会（CFTC）史无前例地向联邦第九巡回上诉法院提交了法庭之友简报，强硬捍卫其对预测市场的排他性管辖权。CFTC 主席更是在媒体发文，公开批评各州政府的监管行为过度狂热，警告其不要越俎代庖。

面对CFTC的强硬立场，各州不仅没有退缩，反而采取了硬碰硬策略。马萨诸塞州法院直接发布初步禁令，禁止 Kalshi 在该州提供体育类合约；内华达州博彩控制局更是接连对 Polymarket 和 Kalshi 发起民事执法诉讼，并成功获得了临时限制令（TRO），迫使其停止在内华达州的运营。

多义的说法，激烈的冲突，这不禁让人发问：预测市场到底是什么？它的出现带来什么改变？将来又会发展成什么样？

带着这些问题笔者进行了深入的研究，本报告将从哲学、机制、现状，三条线出发全面拆解预测市场这个正从边缘走向主流的全新金融基建。

报告的主体为三个章节，每个章节对应一条线

第一条线是哲学线

人类为什么预测 → 预测的两条路径 → AI 时代信息灾难 → 为什么我们需要预测市场。

第二条线是机制线

预测市场到底是什么 → 它怎么运作 → 为什么价格能表达概率 → CFT、NegRisk、流动性、结算、裁决这些底层零件怎么拼起来

第三条线是现实线

这个东西现在发展到哪了 → 数据怎么增长 → 关键公司、关键融资、关键监管冲突、关键产品演化都发生了什么

1 从预测开始

笔者开展预测市场研究，遇到最大的问题是认知不明，这不是指Polymarket的机制存在模糊说明。

预测市场是什么？预测市场的本体并不复杂：它是一种把未来事件写成可结算的合约，并让人用资金对其概率投票的市场机制，是一种允许参与者针对未来事件的结果进行交易的市场机制。

但围绕这个机制本身出发，怎么理解都无法很好地解答为什么预测市场重要的问题，或者说无法很好地解答上面多定义冲突的问题，所以到底有没有一个认知预测市场的方式能串起尽可能多的理解？在经过深入研究后，笔者找到了满意的答案，想要理解预测市场是什么，从预测市场出发是不够的，得跳出预测市场，从预测开始。

1.1 人类为什么要预测？

预测是什么？要解决这个问题，我们得先解决两个前置问题

• 人类为什么要预测？
• 人类是怎么做预测？

人类预测未来，不是为了装聪明，也不是为了讲故事，本质只有一个：生存本能/避凶趋吉。凶对应的是生存风险与损失最小化，在不确定的世界里活下去，避开致命的凶；吉对应的是你想要的终局与收益最大化，在活下去的基础上，让自身利益最大化，追求理想的吉。

如果用平行宇宙或者量子学说的说法来表达趋吉避凶，趋吉避凶可以转化为平行宇宙的选择题：未来不是一条线，而是无数条分支。我们想要的，是在万千可能的未来里，走到符合我们理想目标的那一个未来。

许多行为或概念（如艺术、法律、甚至货币）都是在人类文明发展过程产物才被发明出来的。但预测不是，预测/预言几乎是和人类文明同步开启的，在不确定的原始环境里，对未来的模糊感知=判断准确率=族群的生死存亡率。

简单来说，笔者认为「为什么要预测」的底层动因或者基因本能，最简单的说法是过上更好的生活，利益最大化（生存本能）驱使着人类通过预测的手段追求趋吉避凶，正是因为预测与人类生存本能捆绑，所以从伏羲八卦、甲骨占卜、观天象、星象历法，到农时经验、航海罗盘、概率统计、民调模型、群体智慧与预测市场、算法系统与 AI……，不受时间消逝、不受环境限制，不受人种分化，预测的手段一直在变，但背后那套为了趋吉避凶、提前理解未来并在当下做出更优选择的需求与内核，从来没有变过。

1.2 人类怎么做预测？

既然需求明确，问题来到，那人类是怎么做预测的呢？

总体来说人类在预测的探索路上，有两个路径，演绎路径——看见未来来和归纳路径——推演未来。

1.2.1 演绎路径

演绎路径是从终局往回倒推，最理想的预测形态，是科幻作品里那种开挂视角：像《十二大战》里的羊，像奇异博士一样遍历所有分支世界，或者像电影《降临》里的七肢桶一样提前看见终点。你知道未来会发生什么，知道哪条路径能到达你想要的终局，或者你能把所有可能性都跑一遍，找到那条最优路线，然后回到当下，在每一个时刻都做出通往终局的最优决策。

演绎法做预测的思路是从大前提推导小结论，它的核心逻辑是：如果这个世界的底层规则（大前提）是确定的，那么只要逻辑没问题，推导出来的结果就一定是确定的。

经典结构是三段论：大前提：所有人都会死；小前提：苏格拉底是人；结论：苏格拉底会死

这是一种自上而下的思维方式，方向是从一般到特殊，就好比知道万有引力定律作为大前提，小前提是在地球万有引力有效，就可以得到结论，苹果脱离树枝后一定会砸向地面，且以什么速度什么时间完成。

演绎路径是人类探索宇宙本源的一种方式，是人类好奇和追本溯源的意志体现。它试图回答的不仅是明天会不会下雨，价格是涨还是跌，而是世界的结构、因果的来源、人与宇宙的关系。这终究是最理想的情况，是人类的终极梦想，当下虽然常人做不到全知全能，但人类一直在用各种方式代偿这种能力。无论是古代的神学玄学，还是现代科学里追求的统一场论还是弦理论，初衷都是想找到那个大前提。

演绎路径思路虽好，但在科学领域，人类至今还没找到能解释万物的终极代码，大前提还没共识被找到，推演也就无从谈起。而在神秘学或玄学领域，笔者无意深究真假，但当下是来看，基于演绎法的预测往往绑定在先知、祭祀、占卜等特定的人身上，且预测往往受限修为仪式或语境里，哪怕个体的体验再真实，稀缺性导致这种预测能力天然地为少数群体服务，这种能力暂时无法大规模复制到普通人身上或者说具体到重复琐碎的事件预测上。

仅从单事件预测的视角来看，演绎路径试图找到全局画面，不以概率校准为核心，更多起到方向的指引，它难以做到可验证、可规模化、可复现，也就难以形成一套可迭代的预测工程体系。

1.2.2 归纳路径

使用归纳法做预测，不假设终点可被洞察或者能被洞察。它承认我们暂且没能力或者干脆假定看不见未来，也不追求一次性看穿世界线，而是追求提高做对的概率。

归纳法做预测的思路是从局部观察推导一般规律。它的核心逻辑是：如果在足够多的样本中，某些结果在特定情境下重复出现，那么就有理由相信，在未来相似的条件下，这些结果大概率会再次发生。

归纳法做预测的思路是从大量具体事实里抽取一般规律，它的核心逻辑是：如果这个世界的底层现象在统计意义上足够稳定，当我们观察到足够多且足够有代表性的样本时，就可以用这些样本的共性去推断未来更可能发生什么，或者说就有理由相信，在未来相似的条件下，这些结果大概率会再次发生。但归纳的规律本身不是逻辑必然，它依赖样本与环境前提，一旦环境变化，比如苹果下落在失重舱里或在极强上升气流中，归纳结论就可能失效。

1.2.3 归纳预测的进化史

从归纳预测的思路来看历史，人类文明发展史是一部不断尝试消除不确定性的历史，也是一部人类算力外包史。

回顾人类文明，这条路径经历了多次形态改变，从经验主义到统计概率，从肉眼观察到算法模型，从人脑到人工智能。

总结来看，这条从前往后看，归纳推演的路径，其实是一部人类算力外包史或者不断降低门槛的历史，肉脑算力不够就上设备，局部视野有限就拉外援，数据不够就找数据。 从罗盘到大型计算机，再到算法工程，我们不断给消除不确定性叠加更强的软硬件、更复杂的模型、更多的数据。直到近几年，优化路径迎来了集大成者，人类的最强外置大脑：AI/人工智能/大语言模型。

归纳推演路径的优势在于可复现、可扩展、可迭代。理论上AI的出现是打开了归纳预测的天花板，但现状是由于归纳推演对数据输入的绝对依赖，导致归纳路径的瓶颈变成了数据本身。

过去是巧妇难为无米之炊，但现在是巧妇也难为毒米之炊。在信息核爆时代，归纳法正面临严重的数据投毒。

1.3 AI带来的信息污染

俗话说，一颗老鼠屎坏掉一锅粥。但在信息爆炸的当下，我们面对的已经是一锅老鼠屎与粥的混合物。

为什么归纳推演路径赖以生存的数据池会崩坏成今天这个样子？究其根本，主要体现在两个方面。

1.3.1 虚假信息爆炸

一场由人性与AI共同引爆的虚假信息海啸。

从人的角度来看，由于注意力经济扭曲了表达的初衷，人性的趋利本能便会被平台算法无情地放大并篡改。这导致了一个现象，信息源头创造信息的目的不再是更接近真实，而是更容易传播，表达的目的不求真，而求热，越大声越好，越吸引眼球越好。信息不再以客观为荣，而以爆款为利，观点不再以求真为荣，而以站队为利。为了争夺流量与利益，人类主动且海量地生产着夸张、偏激甚至完全不实的信息。

例子很多，在2024年的总统大选里表现最为极端，传统的媒体与民调早已被党派和利益集团深度捆绑，民调不再是反映民意，而是用来引导民意的政治筹码，今天公布一个数据说拜登领先，明天又公布数据说川普领先。在川普当选后，Meta CEO 扎克伯格公开承认，曾受到拜登政府的持续施压，被迫在平台上审查并压制特定言论。

AI 不只降低了获取信息的门槛，也把制造信息的门槛打穿到了接近零。

过去人伪造一篇像样的新闻、一段可信的视频、一套自洽的研究，需要团队、资源与时间，现在只需要提示词、算力和一点点动机。内容生产从稀缺变成泛滥，AI把门槛降低到无限低时，同时产出成果还有质量保证（像模像样），信息生产从成本约束变成几乎无约束，不断生成低成本的虚假数据在不断稀释真实数据占比。

现在人类想要提高预测能力或者对于人类想要使用AI进一步预测的水平，问题不是如何从粥里挑出老鼠屎，而是如何从老鼠屎里找到那颗米。

1.3.2 真假分辨困难

除了虚假信息的爆炸，AI 的出现提高了真假信息分辨的难度。如果大家有在视频平台刷评论或者弹幕，就会发现类似的发言：

你不说我都看不出是AI制作的。

平台没说这是AI，这就是真的。

OpenAI 曾在 2023 年上线过一款旨在分辨文章是否由 AI 撰写的分类器工具，但在不到半年的时间里，OpenAI 就由于该工具准确率极低、完全无法分辨人类写作与 AI 幻觉，不得不尴尬地将其下线

这是最好的时代，AI出现带来了知识平权，AI蒸馏了几乎所有公开数据，把原本藏在高墙后面的逻辑、常识和专业知识，压缩成了一个只要普通人开口问就能互动的对话框，这相当于只要你愿意就有一个外置大脑，它极大地提高了**（使用AI的）**人类（不管80岁还是8岁）的聪明/认知/常识的上下限。

全世界使用AI的人数

上限的微观证据，体现在科技公司大幅裁员和一人公司概念的兴起。

下限的微观证据，体现在AI对话框取代了搜索框，服务老人小孩。

但代价是什么？代价是，知识被平权的同时，造假也被平权了。

AI给出的答案，不是真的智能思考和体验，而是类似外星人旁观者角色，在基于海量数据计算出的最可能被接受的共识，或者说在这段语境下，**下一个字符最应该/适合/大概率出现什么（这本身就很归纳预测），**AI的水平在于下一个字符回答对的概率。而大模型基于概率的文本拼接机制决定了大模型在使用错误的数据源时，或在得到模糊的指令时，很容易一本正经地胡说八道，引用不存在的文献，论证荒谬的逻辑。（反过来，当给它明确的指令或者员工手册去执行时，由于概率会100%固定，它会执行得非常好）

纯粹的谎言很容易被识破，但 AI 生成的内容，往往是客观常识掺杂着假话，而且给人合理感越强，误导性越强，因为合理不等于事实。更麻烦的是，AI正在自我近亲繁殖垃圾信息，一个人把AI产生的幻觉拿来当事实发表，会进一步加强AI抓取到这个幻觉的可能性，提高垃圾信息被输出的概率。

这不是危言耸听，2025年的一项Deakin大学研究发现，ChatGPT在生成学术引用时，约20%为完全虚构，另50%包含其他错误元素，导致科研论文中传播虚假信息。类似地，美国卫生与公共服务部使用AI引用不存在的研究，白宫后来更新报告，替换了假引用，但声称只是次要格式错误，芝加哥太阳时报发布包含虚构书籍的阅读列表，该内容也出现在Philadelphia Inquirer等报纸。

在这锅老鼠屎与粥的混合物里，比老鼠屎变多更可怕是老鼠屎变得和米粒一模一样。归纳预测的逻辑离不开有效的真实数据，随着AI工业革命的发生，AI 时代真正稀缺的已经不再是内容本身，而是高质量、可验证、可追溯的真实数据，对于社会、企业乃至个人来说，在毒米上跑模型无异于流沙上盖楼。

从另一个反面视角来看，毒米的危害加大了大家对真实的需求。为了防止 AI 免费蒸馏人类的真实对话，Reddit、Stack Overflow 等平台纷纷在 2024 年和 2025 年提高了 API 门槛，并与 Google、OpenAI 签订了价值数亿美元的独家数据授权协议。这些现象说明：真实的人类对话、真实的报错记录、真实的反馈数据，已经从公共资源变成了极度昂贵的生产资料。

• Anthropic标志性事件：

  1 Anthropic在训练Claude模型时，在2024-2025年间启动“Project Panama”项目，购买二手实体书、切掉书脊以高效扫描每一页，然后丢弃或回收物理书籍，将扫描数据用于模型训练。这被视为“破坏性扫描”，2025年6月，法院裁定使用合法获取的书籍训练AI属于公平使用，但使用盗版书籍的部分被认定为侵权。最终，Anthropic于2025年9月同意支付1.5亿美元（约合人民币10.5亿元）作为和解金，每本书补偿约3000美元，涉及约50万本合格书籍。

  2 2026年2月23日，Anthropic公开指控三家中国AI公司——DeepSeek、Moonshot AI（Kimi模型的开发者）和MiniMax——通过工业规模的蒸馏攻击，非法提取Claude的能力来提升自家模型。这些公司涉嫌使用约2.4万个假账户，生成超过1600万次对话，绕过Anthropic的服务条款和地区访问限制。

  

1.4 马斯克的求真路

如果数据源被污染完了，那预测肯定无从谈起，计算科学中有一个GIGO定律来说这个事情：Garbage In, Garbage Out（输入的是垃圾，输出的必然也是垃圾）。

面对信息灾难与操纵，人类一直在想办法，而科技领袖马斯克就试过很多法子，最大手笔的动作就是斥资 440 亿美元收购X也是在对抗这个趋势，老马试图用开源算法和社区笔记，利用算法驱动的群体共识来压制虚假信息。

注：社区笔记（Community Notes）是X平台（前身为Twitter）的一个内置功能，它允许用户社区协作添加上下文或纠正潜在误导性的帖子，以提升信息的准确性和透明度。

他曾在访谈中直言不讳地表达过对虚假信息泛滥的焦虑：

“我感觉必须应对这种文明级别的风险。“

“大约三年前，我开始有一种不祥的预感。这就是为什么我认为收购推特至关重要，我们需要一个最大限度追求真相的平台，而不是一个压制真相的平台。”

结果是有限但治标不治本，平台的算法可以鼓励求真，平台的文化可以引导用户求真，但不变的算法门槛是有限的（犯错的代价小于犯罪的收益），依旧会被有心的虚假信息攻克，尤其在AI的辅助下。2025 年 2 月，马斯克不得不公开承认，他寄予厚望的社区笔记机制正越来越多地被政府和传统媒体玩弄。

2026年3月3日的例子，X 平台流传“伊朗袭击沙特美军使馆”的虚假视频与消息，已被多方证实为旧闻嫁接或生成式伪造。

2 预测市场

第一章我们已经讲清楚了，预测是人类的生存算法，是写在基因里的第一性原理，理解这点的重要性在于，哪怕没有预测市场，或者除了预测市场之外，能解决预测领域问题的解决方案都值得重视，这是一个个人、企业、社会、国家都需要解决的大需求，话题太大本报告收束只关注预测市场。

而人类解决预测需求有两条主路：演绎探大前提给方向，归纳吃数据池算概率，而现在演绎法大前提还在探，归纳法数据池被持续污染，预测的需求在当下集中表现为需求真实数据，需求客观数据，需求事实数据，面对这场针对人类认知和常识的DOS攻击，人类该如何解决？

问题自然变成：如何对抗污染？再用积极心理学逆向提问，如果虚假信息、合成内容和激励错位可以持续污染数据池，那反过来想，真实信息、验证数据和激励正位是不是可以创造一个持续净化数据池。

有没有一种机制，既能继续吸纳分散信息，又能让错误承担代价、让接近事实更有利可图？

2.1 预测+工作量证明

面对DOS攻击，人类的解决方案也很成熟。

互联网当年为了对付铺天盖地的垃圾邮件，亚当柏克提出了哈希现金。发邮件不再是点一下鼠标那么简单，而是需要发件人的电脑先消耗一定的算力。逻辑的核心只有一点：通过增加物理成本来让大规模攻击变得极其昂贵，如果你想通过做坏事获利，你就得支付真实的经济代价。

但这只是成本防御，只堵不疏，系统无法长期运转，因为当攻击者发现有利润可以覆盖成本时，攻击有利可图还是会发动攻击，所以除了成本防御，还得通过制度设计，把这种趋利避害引导到对系统有利的方向上。

这个就是机制设计理论的核心，激励相容机制，这个概念由诺贝尔经济学奖得主里奥尼德赫维茨创立，在设计任何制度或规则时，让参与者追求个人利益最大化的行为，恰好与系统希望实现的整体目标一致。

典型的例子是股份制度，以及我们熟悉的区块链代币机制，中本聪在设计比特币的矿工机制时，遵循了一条极其冷酷的第一性原理：人性经不起考验。他没有试图用道德去约束矿工不作恶，而是祭出了「工作量证明 + 激励机制」，中本聪在比特币白皮书中写下过一段著名的论述：

“如果有一个贪婪的攻击者能够调集比所有诚实节点加起来还要多的 CPU 计算力，那么他就面临一个选择：要么将其用于诚实工作产生新的电子货币，或者将其用于进行二次支付攻击。那么他就会发现，按照规则行事、诚实工作是更有利可图的。因为这使得他能够拥有更多的电子货币，而不是破坏这个系统使得其自身财富受损。”

从这个视角来看，预测市场的诞生，正是延续了这套哲学，在信息与真相的博弈中，让认知/判断/观点/预测捆绑了工作量证明，表达从零成本语言变成有代价的仓位，同时鼓励正确或者更靠近事实的一方，大棒加萝卜使得「系统内的参与者」倾向于去做真实客观的表达者，进而使得「系统整体」对外呈现的信息偏向实事求是。

它不是靠道德呼吁大家客观，而是通过制度设计，让系统内的参与者实事求是更有利可图，让偏离事实这件事更有代价，它试图把信息系统里最稀缺的东西——真实、校准、事实——重新和利益绑定。

笔者长篇大论并不是想洗白和给预测市场上价值，而是当人类对预测的需求撞上区块链+AI趋势的时候，如果我们俯瞰多个趋势的交集，理解预测市场在人类预测史和AI发展的交叉定位，才能更好地理解预测市场的过去、现状与未来。为什么预测市场发源于1988年但一直不温不火？为什么预测市场在2026年爆发？为什么预测市场不会在未来昙花一现？……

2.2 预测市场的三层结构

这些问题报告都会进行解答，先回到这个章节，预测市场这套机制是如何实现上面说的工作量证明。

定义上，预测市场，它是一种把未来尚未发生的事件，包装成可结算的二元合约，并让人用真金白银对其概率进行投票的交易机制。

其底层技术支柱有以下三个：

1. 链上标准层：Gnosis 条件代币框架 (CTF) 与 ERC-1155
2. 撮合层：混合中心化订单簿 (Hybrid CLOB)
3. 真相层/裁决层：UMA 乐观预言机 (Optimistic Oracle)

2.2.1 链上标准层

链上标准层解决的是市场存在的最基础问题，如何把一个模糊的未来事件，在区块链上表达为不可篡改的、可交易的、合约可执行的数学对象。

在这个过程中，ERC-1155是多代币标准，允许在一个智能合约中管理无数种类型的代币，同时支持批量转账、统一管理与更高的链上效率。它像一个代币工厂，负责把大量不同结果资产装进同一个系统里管理。而Gnosis CTF则是在ERC-1155代币标准上建立的合约系统，增加了条件管理、预言机结算、拆分合并等预测市场专用逻辑。

在 CTF 框架下，当一个预测事件（例如“川普是否赢得大选”）被创建时，协议允许用户将 1 个单位的底层抵押品（如 USDC），拆分成一套互斥的条件代币（Conditional Tokens）：

• 1 枚 [Yes] 代币
• 1 枚 [No] 代币

这创造了一个数学上的恒等式：**1 USDC = 1 [Yes] + 1 [No]，**你永远可以用 1 USDC 铸造出一对 (Yes + No) 代币，也可以将一对 (Yes + No) 销毁赎回 1 USDC。

CTF主要的合约函数有以下5个：

• prepareCondition (创建市场)： 在任何人能进行 Split 操作之前，必须先在 CTF 合约中注册这个条件，即问题本身，PY和KS都不是无许可的，而是社区申请，平台裁定。
• Split (铸造): 你发送 100 USDC 给 CTF 合约，它锁定资金并给你 100 张 ConditionID_Yes 和 100 张 ConditionID_No 的 ERC-1155 代币。
• Merge (销毁): 在结算前，只要你同时持有 1 张 Yes 和 1 张 No，你永远可以找合约换回 1 USDC。这是套利策略的数学基础。
• reportPayouts (结果判定)： 这是将真相层连接到标准的关键接口，用于后续的结算。
• Reedeem(结算):在市场结算后，获胜的条件代币可以找合约赎回1USDC。

2.2.2 撮合层

资产被定义后，接下来就是解决如何交易的问题。Polymarket 用户体验和去中心化上做了取舍，使用了Hybrid CLOB (混合中心化订单簿)的架构，即链下撮合后，再上链执行。

机制描述：Polymarket的Hybrid CLOB使用中心化匹配引擎（off-chain）收集限价订单（limit orders），匹配后生成链上交易证明，用户签名后通过中继器（relayer）提交到ETH L2 Polygon链结算。

• Off-chain Matching: 你的挂单（Order）是链下签名的消息 (EIP-712)，由 Polymarket 的中心化服务器撮合。
• On-chain Settlement: 一旦撮合成功，服务器将双方签名提交到链上的 CTF Exchange 合约，原子化地交换 ERC-20 (USDC) 和 ERC-1155 (Yes/No)。

这保证了极低的价格滑点和极快的响应速度，吸引了专业做市商提供深度流动性，同时确保了资产的所有权始终掌握在用户钱包中，平台无法挪用资金或擅自执行交易。

2.2.3 真相层/裁决层

如果说链上标准层解决的是如何把未来结果变成资产，撮合层解决的是如何让资产形成价格并让交易顺利进行，那么真相层解决的就是整个预测市场最难的一步：

谁来裁定结果？谁来告诉链上的CTF合约 "特朗普赢了"？

Polymarket 主要采用的是 UMA 的乐观预言机，Optimistic Oracle，一种乐观预言机来解决定义或者裁决的问题，这套机制也是符合激励相容设计。

其运作遵循一套基于博弈论的“提议-挑战-投票”周期：

• 提议与乐观执行： 市场结束后，任何人（Proposer）都可以提交其认为的事实结果并质押保证金。系统默认提议者诚实，进入约 2 小时的挑战期。若无人提出异议，结果自动生效并清算。
• 争议解决 (Dispute Resolution)： 若有人认为结果有诈，可质押等额资金发起挑战，此时会进入第二轮，第二轮挑战无人反驳则执行，如果有人对挑战还挑战。此时问题升级至 UMA 的数据验证机制 (DVM)，由全球 UMA 持币者进行投票裁决，这通常需要 48-72 小时。
• 谢林点博弈： 投票机制设计为奖励多数派、惩罚少数派，迫使投票者投向那个最明显的客观事实，即最后胜利的那一方会拿走另一方的保证金。这套机制的本质是用经济利益担保的真相发现：操纵裁决的成本（购买 51% 的治理代币）远高于单次市场造谣的获利期望。
• 作恶成本： 如果你想通过撒谎来操纵结果，你需要面对全网的 UMA 持有者。除非你能贿赂超过 51% 的代币市值，否则你的谎言会被投票否决，你的发起挑战的保证金会被没收。

2.3 贝叶斯推断机器

要注意的是从底层机制来看，在代币发行时，代币本身是没有价格的，在链上合约的视角里，只有铸造和赎回，只有1 YES + 1 NO ≡ 1 美元 (恒等式)，系统没有去假设价格。

那预测市场的事件代币价格从何而来？为什么会波动？为什么价格等于概率？

虽然合约并不强制初始价格为 0.5，但在没有任何信息输入的初始状态下，市场往往遵循理由不充足原则/先验均等：既然没有证据表明 YES 比 NO 更可能发生，理性的参与者（通常是流动性提供者）便会将概率均等分配。0.5 并不是数学的强制，而是人类面对完全不确定性时的默认均衡，它代表了信息的真空状态。

为什么要强调这一点？因为从人类介入的0.5（假设为初始值）开始，就是人类对预测的博弈，人类会或主动或被动基于新的证据，根据他们自身的模型，不断更新某件事发生概率的大小。

当新证据出现时，交易者会立刻在脑海中或模型里进行贝叶斯更新。如果他们计算出的新概率偏离了当前的市场价格，他们就会利用这个信息差，在当前价格=当前概率执行买入或卖出，而买入和卖出的动作会影响概率的变化，而买入和卖出的仓位大小会影响概率变化的程度。

如同BTC一旦启动，每个矿工都得不断计算哈希谜题去获得下一个区块的大包权，一旦预测市场启动，针对这个事件的算力题便开始了。

参与者开始围绕当前的先验概率不断接收新的增量信息：新闻、民调、政策风向、比赛状态、链上数据、内幕线索、社交媒体情绪，甚至其他交易者的行为本身，都会成为影响判断的输入。每一个新信息通过买卖进入市场的时候，本质上都在回答同一个问题：YES 发生的概率，是应该比现在更高，还是更低？

基于信息得出的主观概率，基于主观概率的下注，两个过程不断重复使得市场变成了一台巨大的贝叶斯推断机器 。价格的每一次跳动，都是全市场基于新证据对先验概率的一次集体修正，驱动价格走向真实，进而使得事件代币价格=事件发生的概率。

2.4 人列概率计算机

预测市场为什么能比传统民调更接近事实？为什么预测市场的多数事件的概率会比多数专家的结果更准确？

要回答这个问题，笔者要先回到我们最初始的问题，预测市场是什么？不是说预测市场的定义是什么，不是说预测市场的机制是什么，而是预测市场整个庞然大物的存在，人，钱，系统的运转最后呈现出来是什么？对于这个问题，在三体这本小说中有一个很好的类比。

在科幻小说《三体》中，有一个名场景：秦始皇指挥三千万大军构建了一个人列计算机，每个士兵不懂微积分或天体物理，只懂最简单的规则（举白旗或黑旗，代表 0 或 1），便可以模拟与或非的逻辑，构成了一个庞大的计算机，通过不知疲倦地运行，最终试图计算出极其复杂的三体星系运行轨道。

这看起来科幻的幻想，却通过Polymarket和Kalshi作为主要载体，在今年逐渐变成现实。

当下的预测市场，正是人类社会在金融领域构建的一台真正的人列概率计算机，一台分布式概率计算引擎。参考AI的表述，预测市场是由人类构建的大预言模型，大语言模型解决的是下一个字符最大概率是什么，大预言模型解决的是下一个事件最大概率是什么，从这个视角定义：预测市场就是是由一群人类分布式去中心化完成的，实时反应事件发生主观概率的人类智能体。

在这台计算机里，无数为了自身利益最大化的投机者、内幕知情者和量化机构，化身为一个个计算节点。他们不需要全知全能，只需根据自己掌握的局部碎片信息，做出最简单的动作——买入YES或卖出NO。

在三体中驱动人列计算机运行的动力是军法和死亡，而预测市场的驱动力是激励相容——人类对自身利益最大化的人性，用谁靠近真相/事实谁赚钱，谁偏离真相/事实谁亏钱的机制，用利益驱动个体合成整体，用概率去逼近真相。

最极致的微观样本就是2024年美国大选里的那个法国交易员。当时他在Polymarket上分批次砸了超过7000万美金重仓特朗普。那时候主流民调显示川普落后，甚至Polymarket上的初始胜率也没翻过来。起初大家都以为这又是马斯克的哪个政治盟友在搞反身性攻击，想通过操纵预测市场的胜率来带节奏，毕竟胜率走高会被解读成某种内幕信息。但事后调查发现，这根本不是什么政治操盘，而是一个独立调查者在死磕事实后拿到的认知奖金。这个法国人发现传统民调有两个致命漏洞。一是民调过程容易受当权政权干扰，也就是当时流传的拜登百万阴兵说。二是他通过第一性原理推导出，人在面对民调电话时因为社会压力会隐瞒真实想法。但如果你换个问法，问他邻居支持谁，他往往会交出真话。于是他自掏腰包雇了专业机构专门去搞这种邻居民调，拿到了和主流媒体完全相反的底层数据。在这个人列计算机里，他化身为一个算力极强的节点，通过下注动作把被遮蔽的真相强行刻在了全球的概率曲线上。他最后赚翻了，这笔钱不是赌博赢来的，而是这台大预言模型发给那个最先挖掘出真实数据的人的认知溢价。

维度	传统调查 / 专家预测	预测市场
激励机制	表达成本低，易受“社会期望偏差”影响	判断“带成本”，错误预判意味着资金损失
反应速度	采样、分析、发布，存在显著滞后	接近实时，新信息会迅速反映在价格里
信息广度	局限于受访者的主观意愿	更偏向“概率聚合”，不同信息源在价格中碰撞
抗干扰性	易被虚假账号操纵	操纵成本极高，试图扭曲价格的人是在给对手送钱

所以为什么预测市场更准确的底层原理可以参考，奥地利经济学派代表人物哈耶克于1945年发表的论文《社会中知识的利用》认为，市场价格机制是聚合分散知识的最有效工具，市场如无形的大手聚集信息，从而引导资源有效配置。群体智慧的观察也为预测市场的可行性提供了实证支持，1907年，弗朗西斯·高尔顿爵士的实验发现，对牛体重的众多猜测的平均值惊人地接近真实值，揭示了在特定条件下，群体的集体判断优于少数专家。

2.5 预测市场的五张面孔

预测市场（Prediction Markets），可能是当今科技与金融交汇处，最复杂、最具争议，也最容易被误解的概念，为什么预测市场在当下存在以下这么多的说法，还能同存，因为预测市场太过庞大，它是什么，取决于你站在哪里观察它。

2.5.1 博彩赌场

在州博彩监管机构眼中：预测市场尤其是涉及体育赛事的合约，本质上是无牌照的体育彩票或线上博彩。州监管者认为，当平台 90% 的交易额来自 NFL 等赛事预测时，其经济效果与赌球无异。此外，预测市场通常允许 18 岁以上用户参与，这违反了多数州 21 岁以上的法定博彩年龄门槛。

州的视角更倾向于用户视角，或者站队了当地博彩的利益，从用户体验与事件类型看，预测市场上的很多事件确实和体育投注、事件博彩高度相似，用户押结果，结果定输赢。预测市场并非什么金融创新，而是一种试图绕过《博彩法》、逃避州税收和合规监管的影子赌场。

• 内华达州（NV）： 州博彩管理局（NGCB）对 Polymarket 签发了临时禁令（TRO），指控其从事无牌经营，威胁到该州高度受监管的博彩业诚信。马萨诸塞州（MA）： 州法院发布初步禁令，判定 Kalshi 提供的体育合约属于非法体育博彩。
• 因违反当地赌博法规，Polymarket 已被法国、新加坡、瑞士、荷兰、波兰和比利时等国家的监管机构列入黑名单或要求实施地理屏蔽。

2.5.2 二元期权

在联邦政府（CFTC）眼中：明确将事件合约定义为一种通常被结构化为二元期权的衍生品合约，属于受《商品交易法》监管的合法衍生品。

联邦视角更倾向于合约机制视角，说法是预测市场的二元事件合约，使得预测市场具备了金融衍生品的属性，合约购买者并非为了投机获利，而是为了抵消现实业务中的潜在损失，是一种类似期货的风险管理工具。

• Polymarket 通过买壳回归合规路径： 在 2022 年因未注册交易被罚款后，Polymarket退出了美国市场，但联邦定性后，2025 年 7 月，Polymarket 斥资 1.12 亿美元收购了已拥有 DCM 和 DCO 牌照的交易所 QCEX。同年 11 月，CFTC 授予其修订后的指定令，允许其通过受监管的中间人模式以 Polymarket US 的名义正式重返美国市场。
• 联邦的合规背书，促成了2025年10月纽交所母公司 ICE 对 Polymarket 进行了 20 亿美元的战略投资，标志着传统金融基建对该资产类别的正式接纳，并计划将其数据作为情绪指标分发给全球机构投资者。
• 彭博社在3月2日报道称，纳斯达克已向美国证券交易委员会（SEC）提交申请，计划推出与其旗舰100指数挂钩的是或否（yes-or-no）二元期权。

2.5.3 对冲保险

在居民与企业眼中：它是极简参数化保险

为什么会这样看？因为当某个市场绑定到天气、灾害、供应链中断、政策触发等事件时，它本质上就变成了一个只要条件触发就赔付、不需要漫长核损流程、不需要复杂理赔协商的参数化风险对冲工具，解决了传统保险理赔慢、核保难、覆盖面窄的痛点。

在 Kalshi 和 Polymarket 上，许多沿海居民开始购买“特定飓风登陆佛罗里达”的 YES 合约。一旦气象局确认登陆，合约价格瞬间飙升至 1 美元（或接近 1 美元），居民获得的收益可以立刻用于购买发电机、加固房屋或支付临时住宿费用，无需等待保险公司的支票。

2.5.4 明日头条

对于深受流量枯竭、用户注意力分散困扰的媒体行业而言，预测市场并非竞争对手，而是最炙手可热的明日头条。传统媒体分发的是已经发生的内容，预测市场分发的是尚未发生的事件概率。

预测市场提供了一种全新的新闻消费范式，它使得用户从新闻阅读者可以转变为新闻的交易者，当奶头乐算法走到极限，就只能从利益相关进一步抓住眼球。

• Bloomberg、WSJ、Reuters、CNBC 在大选和重大事件报道中频繁引用预测市场赔率
• 电视直播、新闻推送、社交媒体截图越来越多把市场赔率作为“舆论温度计””情绪晴雨表“

2.5.5 真相机器

在最前沿的学术界与硅谷，预测市场整个系统的输出被定义为真相机器。

对于人来说，预测市场成为了社会和企业最值得信赖的决策仪表盘，相比于调研问卷，这里没有廉价的谎言。对于AI来说，预测市场有着真实可靠的数据，在算法眼中，这是人类社会最昂贵、也最诚实的数据。

马斯克旗下的 xAI 宣布将 Polymarket 的概率数据接入 Grok 大模型。这并非简单的功能集成，而是 AI 训练逻辑的重大升级。假设预测市场中存在许多交易 Agent，那预测市场的存在，为它们构建了一套类似强化学习的机制。整个智能体集群不断经历“搜集信息 - 加权投票 - 奖励/惩罚”的过程，最终可能无限逼近一件事真实发生的概率。

2.5.6 预测区块链

如果从区块链的视角来看，Polymarket就是人类的预测判断的去中心化实现。

比特币（BTC）实现了货币的去中心化。它解决的是资产的归属和流转，在银行这套金融体系之外，我们有另外一个去中心化的货币/金融体系选择。

以太坊（ETH）实现了执行环境的去中心化。它解决的是契约和逻辑的自动运行，除了信任中心化中介之外，我们还可以相信代码和数学。

而 Polymarket正在实现人类判断力与真相发现的去中心化，它解决的是对事实的定义和对未来的判断，除了屈服于权威，人类还可以”同人于野“。

回到开篇的问题，当演绎法的大前提尚在迷雾中探索时，预测市场这台人列概率计算机，通过对真相的定价和对谬误的惩罚，防御了AI和利益带来针对常识的 DOS 攻击，它让我们在喧嚣的噪音和谎言中，让追求真相的人主动自觉或被动不自觉重新站在一起，重新铺通了那条依靠数据逼近事实的归纳之路。

这些彼此冲突、却又同时成立的定义，恰恰说明预测市场不是一个单点产品，而是一套正在向外渗透的基础设施，预测市场正在触碰多个旧体系的边界。

州监管把它当成赌场，是因为它已经开始侵入博彩的边界；联邦把它当成衍生品，是因为它已经具备金融合约的结构；企业把它当成保险和决策工具，是因为它已经开始承担现实风险管理功能；媒体把它当成明日头条，是因为它已经在重写信息分发逻辑；学界与 AI 公司把它当成真相机器，是因为它正在尝试把判断、代价与结算重新绑在一起。

3 预测市场数据

至此，我们已经完成了对预测市场从生物学本能到社会学功能的完整解构。然而，任何精妙的机制设计如果缺乏足够的参与度和资金量，都只能是实验室里的永动机模型。

如果预测市场真的是人类认知的刚需，是下一个万亿级的基础设施，为什么它在过去的二十年里一直处于边缘？为什么直到 Web3 与 AI 的浪潮叠加，它才真正迎来了数据上的爆发？

3.1 预测市场发展史

预测市场并非新鲜事，它是被科技与监管雪藏了三十年的天才构想。从 1988 年至今，这个赛道经历了三次迭代，每一次死亡都为今天的爆发积累了必要的教训。

3.1.1 过去的尝试

回顾 IEM、Intrade 和 Augur 的历史，预测市场之所以长期未能走出小众圈层，核心在于无法同时解决监管、体验与流动性的不可能三角：

1. 困于监管的单点故障（Intrade 之死）：Web2 时代的中心化平台（如 Intrade）曾验证了商业模式，但在面对监管铁拳时极其脆弱。一旦服务器被关停或资金通道被切断，平台即刻死亡。
2. 困于象牙塔的流动性枯竭（IEM 之困）：早期的学术实验（如 IEM）为了合规，主动自我阉割（限制人数、限制金额），这种戴着镣铐的舞蹈导致市场缺乏深度，没有大资金进入，就无法形成有效的价格发现。
3. 困于基建的反人类体验（Augur 之殇）：第一代 Web3 探索者（如 Augur）虽然解决了去中心化抗审查的问题，却死于基础设施的不成熟。高昂的 Gas 费、缓慢的确认速度和极客式的操作门槛，将 99% 的普通用户拒之门外。

3.1.2 当下的成功

2025以 Polymarket和Kalshi为代表的爆发，并非偶然，而是技术成熟、需求激增与监管突围三股力量共振的结果：

1. 技术基建的成熟（L2 + 混合架构）：

Polymarket 采取了务实的Web2.5策略。通过迁移至 Polygon Layer 2 和引入 USDC，它彻底解决了高成本与低速度的问题；通过链下订单簿撮合 + 链上结算的混合架构，既保证了如丝般顺滑的 Web2 级体验，又保留了去中心化结算的抗审查能力**。**

2. 需求的爆发：AI 时代的真理稀缺（DOS 攻击的解药）：

这是本轮爆发最宏大的宏观背景。如第二章所述，生成式 AI 正在以零成本制造海量垃圾信息与幻觉，人类认知遭受持续的 DOS 攻击。对假的排斥会产生对真的向往，社会对真实信息的渴望从未如此强烈。预测市场不再是单纯的博彩或金融工具，而被重新定义为对抗 AI 污染、通过真金白银筛选事实的数据基础设施。

3. 监管的开放：

尽管监管博弈依然激烈，但随着2024年Trump上台后，监管高层对新科技和区块链的态度发生了180度的转变。 随着 CFTC 的部分认可（DCM 牌照）和联邦法院对 Kalshi 的胜诉判决，预测市场正在从非法博彩的阴影中走出，逐步确立联邦监管衍生品的合法地位。监管的明朗化，CFTX主席的明确站台为传统金融（如 ICE 注资）和机构资金的入场撕开了口子。

总结：

过去三十年，预测市场死于太早，没有天时地利人和；而现在，技术修好了路，AI 制造了对真相的饥渴，监管被迫打开了门，预测市场等到了爆发的这一天。

3.2 预测市场数据

进入 2026 年，预测市场全行业数据呈现出一种范式转移后的10倍速增长态势。

3.2.1 交易量

Polymarket的TVL(source羊驼)

截至2026年3月，预测市场的24h交易量超过5.3亿美元，总OI/TVL接近10亿美元。

数据显示，2024年全球预测市场的总交易量约为90亿美元 。进入2025年，市场活动急剧升温，不同机构的统计数据显示全年交易量达到了440亿美元至640亿美元的区间。

预测市场交易量和TX：Artemis

基于年初至今的强劲增长势头，有报告分析，2026年全年交易量有望超过惊人的3250亿美元 。长期预测认为，参照其他金融衍生品市场的扩张路径，到2030年，预测市场的年交易量可能突破1.1万亿美元 。

3.2.2 预测准确率

预测市场的预测质量如何？

衡量预测质量的国际公认标准是布莱尔分数（Brier Score），该指标衡量预测概率与实际结果之间的均方误差，数值越接近 0 代表预测越精准。

Polymarket的布莱尔分数：预测准确率评分

根据 Dune Analytics (@alexmccullough) 对 Polymarket 长期交易数据的回测显示，其布莱尔分数达到 0.083，而根据 Dune × Keyrock 2025 年末的行业研究，全行业基准约为 0.09。作为参照，传统体育博彩的布莱尔分数行业标准通常在 0.18 到 0.22 之间，这意味着顶级预测市场的精准度显著高于博彩赔率。

准确性需要流动性直接挂钩，成交量超过 100 万美元的高流动性市场，其结算前 24 小时的布莱尔分数可低至 0.0159，几乎接近物理噪声的底限，而成交量小于1千美元的低流动性市场，其结算前 24 小时的布莱尔分数为 0.122。这表明随着博弈资金的增加，人列概率计算机的计算精度会随之指数级提升，但哪怕低流动性仍高于体育博彩基准。

Metaculus和Manifold Markets在追踪AI发展里程碑方面发挥了独特作用。Metaculus作为一家公益性质的预测聚合平台，其使命是改善人类决策，积累了超过320万条预测数据 。其于2026年初发布的FutureEval”基准测试显示，虽然专业预测员（Pro Forecasters）目前仍略优于顶级AI模型，但这种差距正在迅速缩小。

• AI 预测能力拐点： 预计到2026年4月，AI系统在预测公共事务方面的准确率将超过Metaculus的普通社区成员，并有望在2027年6月超越专业预测员 。

AI VS 社区成员预测评分

3.2.3 市场话题偏好

Polymarket的市场偏好：按交易量排序

截至2025年2月的数据，polymarket上有超过1956个活跃市场，体育事件是polymarket的主要交易量贡献者，其次是数字货币从1月开始逐渐放大占据第二，之后是经济事件和政治事件和预测事件。

3.2.4 活跃用户数

根据Coindes2月的数据，Polymarket 2月月活跃用户数达到创纪录的 68.8万。Kalshi2026年超级碗周日，日活跃用户数飙升至近 200万。

3.2.5 地址盈亏画像

根据DeFi Oasis对Polymarket 170万个交易地址的穿透分析，利润分配呈现出明显的幂律分布（Power Law） 。

这种集中的利润格局表明，预测市场正日益成为专业交易团队和量化对冲基金的竞技场。他们利用先进的算法、低延迟的API访问和对地缘政治数据的深度挖掘，持续从信息匮乏的零售参与者手中提取价值

3.2.6 polymarket的收入

Polymarket主要有两个收入端，交易费用和数据收入。

第一层，是交易收入，但这部分在国际站仍然是弱变现、选择性收费。国际站多数市场免手续费，只有特定品类收取 taker fee，而且这部分费用还承担着补贴做市的功能；美国合规站则明确采用 0.10% 的 taker fee 结构，收入模型更标准、更可持续。

官方文档明确写到，Polymarket 大多数市场不收交易费；目前启用 taker fee 的主要是加密市场，以及自 2026 年 2 月和 3 月起新增的部分体育市场，这些费用还会被每日返还给做市商，用于激励流动性。

• 加密货币市场（1小时、4小时、日、周级别，从2026年3月6日起新市场启用）。
• NCAA篮球（NCAAB）和Serie A足球市场（从2026年2月18日起新市场启用）。

第二层，是数据收入，而且这可能比交易手续费更重要。2025 年 10 月，ICE 在宣布对 Polymarket 进行最高 20 亿美元战略投资时，明确表示自己将成为 Polymarket的全球机构分销商，为机构投资者提供相关实时赔率数据；这个表态很关键，它意味着在华尔街的眼里，Polymarket 不只是一个事件投注平台，更是一家正在生产概率数据的基础设施公司。对这类公司来说，数据分发、终端嵌入和机构销售的想象空间，很可能比单纯抽交易佣金更大

它眼下最核心的商业资产，不是手续费本身，而是由人列计算机产生的概率数据网络。一旦这套网络被媒体引用、被机构采购、被 AI 模型接入、被受监管市场吸收，Polymarket 的收入天花板就不再只是交易手续费，而是向数据分发、市场基础设施和未来事件资产化的更大空间打开。

3.3 融资数据

如果说交易量反映了当下的市场热度，那么融资数据则代表了顶级资本对未来的终局判断。在预测市场这条赛道上，资本的选择呈现出一种极具张力的双雄对决格局：一边是加密原生的 Polymarket，背靠 Web3 顶级基金与自由意志主义者；另一边是合规的 Kalshi，坐拥硅谷老钱与华尔街传统金融巨头。

3.3.1 Polymarket链上独角兽

Polymarket 的资本局与其产品气质高度一致：激进、全球化、且带有强烈的意识形态色彩。其投资者名单中，既有以太坊精神领袖 Vitalik Buterin，也有硅谷最著名的反叛者 Peter Thiel（Founders Fund）。

• 创立时间： 2020 年
• 创始人： Shayne Coplan
• 核心融资历程：
  • 种子轮 (2020)： 获得 Polychain Capital、Naval Ravikant（AngelList 创始人）和前 Coinbase CTO Balaji Srinivasan 等约 400 万美元投资。这批早期支持者奠定了其浓厚的加密极客基因。
  • A 轮 (2023-2024)： 随着 2024 大选年临近，General Catalyst 领投，Airbnb 联合创始人 Joe Gebbia 参投，融资额达到 2500 万美元。
  • 战略融资 (2024.01)： 5,500 万美元，由 Blockchain Capital 领投，Coinbase Ventures 参投
  • B 轮 (2024)： 2024 年 5 月，在交易量爆发前夕，Polymarket 完成了由 Founders Fund（Peter Thiel 旗下基金）领投的 4,500 万美元 融资，以太坊创始人 Vitalik Buterin 个人跟投，估值接近 10 亿美元。Peter Thiel 的入局标志着硅谷Paypal 黑帮势力正式押注预测市场。
  • 成长轮 (2025.01)： 1.5 亿美元，由 Founders Fund 领投
  • 战略轮 (2025)： 2025 年 10 月，随着 Polymarket US 合规路径的跑通，纽交所母公司洲际交易所（ICE） 宣布对其进行 20 亿美元 的战略投资。这笔巨资不仅刷新了赛道融资纪录，更标志着华尔街正式承认：预测市场将成为继股票、期货之后的第三大金融支柱。
• 总融资额： 超过22亿美元。
• 估值： 90亿美元

3.3.2 Kalshi合规叙事

Kalshi 走的是合规先行道路，其融资历程体现了硅谷顶流风投对受监管金融资产的极高溢价。

• 创立时间： 2018 年，由 MIT 毕业生 Tarek Mansour 和 Luana Lopes Lara 创立。
• 融资历程：
  • 种子/天使轮 (2019.03)： 获 Y Combinator 支持。
  • A 轮 (2021.02)： 3,000 万美元，由 Sequoia Capital（红杉资本） 领投，Charles Schwab（嘉信理财）参投。
  • C 轮 (2025.06)： 1.85 亿美元，由 Paradigm 领投，红杉与 Multicoin 参投。
  • D 轮 (2025.10)： 3 亿美元，由 Sequoia 与 a16z 领投，估值达到 50 亿美元。
  • E 轮 (2025.12)： 10 亿美元，由 Paradigm 领投，红杉、a16z 及 Google 旗下 CapitalG 参投。
• 总融资：超过15.65亿美元
• 估值表现：
  • Kalshi 在 2025 年底实现了估值的爆发式跳变，仅用两个月时间便从 50 亿美元翻倍至 110 亿美元

4 预测市场未来

预测市场如果继续演化下去，它的终局绝不仅仅是一个事件博彩平台，而是一个更广义的万物交易所。在这台人列概率计算机的系统里，只要一个问题能被写成可结算的条件、只要结果可以被清晰定义、只要拥有足够的流动性和裁决机制，世间万物皆可被定价、交易与对冲。

4.1 RWA趋势：事件上链

传统的 RWA（Real World Asset） 往往致力于将房产、国债或黄金等物理资产带入链上。然而，预测市场开辟了一个更宏大的维度：它正在将事实本身资产化并搬上区块链，同时也在通过支持更多的事件，在侵蚀各种金融衍生品市场。

它的意义在于，把现实世界中原本不可直接交易的东西，变成一种可市场化表达的结果集。选举、政策、天气、灾害、战争、宏观数据、公司行为、科技突破、AI 模型表现，这些过去更多停留在新闻、报告和争论中的对象，未来都可能被进一步离散化、概率化和资产化。只要一个问题能被写成清晰的结算条件，结果能被定义，流动性和裁决机制足够成立，它就有机会被定价、被交易、被对冲。

而事件是一个含义很广的市场，在2.5章节多维视角我们已经展开，目前看来面对polymarket的冲击，博彩市场首当其冲。

指标维度	传统博彩 (Gambling)	预测市场 (Prediction Markets)
2025 年交易流水 (Handle)	~$5 兆 - $10 兆 美金	~$440 亿 美金 (Polymarket + Kalshi)
2025 年毛利收入 (GGR)	~$5,745 亿 美金	~$4 亿 - $8 亿 美金
抽水率 (Take Rate)	5.0% - 15.0% (非常黑)	0.1% - 2.0% (非常低，靠量大)

4.2 侵蚀其他金融衍生品的份额

预测市场的第二层意义，在于它并不只是开辟一个新市场，还可能反向侵蚀一部分旧市场。

很多传统金融衍生品，本质上也是在处理不确定性，只是表达方式更绕、结构更重、门槛更高。期权在交易未来波动，保险在交易未来损失，利率和商品衍生品在交易未来条件变化。预测市场的优势在于，它把这些复杂结构中最核心的那一层直接抽出来了：让人围绕一个事件结果本身定价。

这会带来两个变化。

第一，它可能切走一部分原本由传统衍生品承接的需求，尤其是那些与明确事件触发高度相关的场景。对于很多用户来说，直接交易 某个政策是否通过、某个资产是否达到某个价格、某场灾害是否发生，往往比使用更复杂、更抽象的传统工具更直观。

第二，它可能成为保险和衍生品之外的一种轻量对冲层。对于居民、企业甚至机构而言，预测市场提供的不一定是最完备的风险管理方案，但可能是最轻、最快、最具可获得性的补充方案。它未必会完全替代传统金融工具，但它很可能会蚕食其中一部分原本效率不高、成本过高、覆盖不足的份额。

4.3 Web3 少数真正出圈的应用之一

Web3 过去几年一直在寻找一个真正能穿透原生用户圈层的应用。钱包、DeFi、NFT、DAO 都曾经承载过这种期待，但真正同时触达交易、媒体、政治、娱乐和普通用户好奇心的应用并不多，预测市场可能是其中少数真正具备出圈潜力的产品形态。

原因很简单：它是一个多视角的产品，本身就是新闻本身，且预测天然连接现实世界。

它不是在链上做一个只对链上人有意义的闭环游戏，而是在把现实事件转化为链上资产。大选、降息、比特币价格、奥斯卡、世界杯、飓风、战争，这些本来就是大众会关心的话题。预测市场只是给这些话题加了一层仓位和结算，于是它天然比很多 Web3 产品更容易跨越认知门槛。

如果说 BTC 是货币的去中心化实现，ETH 是执行环境的去中心化实现，那么预测市场很可能是 Web3 在 判断与定价 层面第一次真正触达主流世界的尝试。它不是把用户拉进一个全新的虚拟叙事里，而是把现实世界本来就在发生的注意力、分歧和判断，直接接入链上。这个特征，使它比很多纯链上应用更有机会成为 Web3 出圈的主力场景。

4.4 AI 时代的真相机器与真实数据喂养层

预测市场未来最深远的意义，也许不在金融，而在 AI。

AI 时代最稀缺的资源，不再是内容本身，而是高质量、可验证、经过成本筛选的数据。今天的大模型已经吞下了海量互联网语料，但这些语料里混杂着谣言、站队、营销、幻觉与合成内容。模型因此越来越强，也越来越容易学会像真话的假话。

问题不再只是模型会不会算，而是模型吃进去的东西，到底是不是真，而预测市场恰好提供了一种非常特殊的数据：

这不是零成本表达的数据，不是纯情绪点赞的数据，也不是简单问卷调查的数据，而是一种带着仓位、带着代价、带着连续更新、最终还要接受现实结算的数据。

对人类而言，这种数据更接近经过成本过滤的共识。对 AI 而言，这种数据更像稀缺的高质量训练样本。它不仅告诉模型大家在说什么，更告诉模型大家愿意为哪种判断付出代价，以及最终现实如何裁决这些判断。

随着 Olas 等协议允许 AI 代理 24/7 介入预测套利，AI 正从文字生成器进化为理性决策人。当 AI 能够获得真实、准确的概率数据喂养时，真正的预测会不会诞生？AI 不再只是模仿人类，而是利用全人类智慧压榨出的概率信号，在毫秒级时间内重构对未来的研判。

4.5 预测市场的反身性

在这个新世界里，每一个参与交易的人，都不再是历史的看客，而是历史的微小推手。当我们用真金白银为某个未来投票时，我们不仅在预测它，我们也在塑造它。

这就是预测市场最微妙、也最危险的地方：它不是纯粹的观察装置，而是一个会把观察结果反向注入现实的系统。价格一旦形成，就不再只是一个静态概率，它会影响媒体报道、公众情绪、企业决策，甚至政策制定者本身的行为。换句话说，预测市场不仅在回答 未来会怎样，有时也会进一步改变 人们因此做什么。

典型的例子是政治事件，如果 Polymarket 上某位候选人的胜率突然暴跌，这不仅是市场反应，更可能导致他的捐款人撤资、选民弃票，最终导致他真的败选。

4.6 风险

合规与监管风险：虽然美国联邦政府（CFTC）倾向于将预测市场定性为合规的金融衍生品，但内华达州、马萨诸塞州等地方监管机构则坚持认为涉及体育和政治的合约属于非法赌博。这本质上是在抢政府和传统民调机构的饭碗。Polymarket 在 2022 年就被 CFTC 罚过款，现在也一直没法正式对美国本土用户开放。如果监管层认定这种 认知抵押 属于无牌照博弈，强行从物理层面拔网线，那全球的真相流动性会瞬间枯竭

博弈风险：站在参与者的视角来看，操纵风险或者博弈风险是存在的，虽然对于平台而言，内幕也是事实的一部分，但对于参与资金博弈的参与者来说，这是不对称的信息差风险，比如3月初的美国袭击伊朗，导弹发生前1分钟，6个钱包精准押注获利120万美元，比如2026年3月3日，OpenAI开除了一个利用内幕消息在预测市场押注产品发布日期的员工。美国国会已提出 《2026 年预测市场公共诚信法案》（HB 7004），旨在严禁联邦官员利用内幕信息参与政策相关市场的交易，这虽然提升了公平性，但也可能因移除高信号参与者而降低市场的预测精度。

预言机结算风险：预测市场目前还是得依赖一个外部数据源。如果结算标准在制定时有歧义，或者作为预言机的 UMA 协议出现治理攻击，真相就会被篡改。虽然系统有争议仲裁机制，但只要涉及到人的投票，就有被贿赂或者发生集体非理性的可能。比如泽连斯基会在 2025 年 7 月前穿西装吗？泽连斯基穿了一件深色的正装夹克和配套的长裤，但他没打领带。比如Kalshi2025年3月的奥斯卡收视率统计乌龙，又比如3月最热话题伊朗地缘政治，Kalshi 面临的不是数据准不准，而是价值观拦截。由于涉及死亡获利，Kalshi 选择了强行叫停交易并退款。

总结

回看全文，我们从预测哲学线，机制定义线，现实数据线三条线索分别审视了预测市场这尊庞然大物，预测市场之所以值得被单独拿出来研究，不是因为它是一个新奇的小众产品，而是因为它刚好站在了几个大趋势的交叉点上：人类对预测的古老需求，AI 时代的信息污染，区块链的机制设计能力，以及金融市场对不确定性的永恒定价冲动，也正因如此，预测市场才会如此多义，又同时触碰博彩、衍生品、保险、媒体和 AI 五个旧体系的边界。

所以，预测市场未来的意义，未必只在于它会不会长成一个千亿美元赛道，而在于它可能同时改变四件事：什么可以被交易，什么工具会被侵蚀，Web3 如何真正连接现实，以及 AI 将用什么数据继续进化。它今天看起来像一个事件市场，明天可能变成一个更大的东西。它的意义，不在于神奇地看见未来，而在于第一次大规模地把人类对未来的判断，变成了一种可交易、可更新、可校准的公共系统。

从更大的历史视角看，预测市场并不是凭空诞生的产品创新，而是人类预测需求在 AI 时代、区块链时代和金融市场演化中的一次交汇式产物。演绎路径仍在寻找终极前提，归纳路径却已深陷信息污染与激励失真，传统表达越来越廉价，真实数据越来越稀缺。在这样的背景下，预测市场提供了一种不同于民调、媒体和专家系统的制度答案：让表达承担成本，让判断接受结算，让接近事实这件事更有利可图。

如果继续往前看，预测市场未来最值得重视的，不只是交易量和估值，而是它可能带来的结构性变化：它可能把事件本身变成可交易对象，推动事件上链；它可能侵蚀一部分传统衍生品、保险和媒体的功能边界；它可能成为 Web3 少数真正连接现实世界的大规模应用；也可能为 AI 提供一层更昂贵、也更诚实的数据喂养机制。

这并不意味着预测市场会成为终极答案。它依然有边界，有监管冲突，有流动性约束，有操纵风险，有裁决争议，也不可能替代所有金融工具、媒体平台和保险体系。但即便如此，它依然是当下极少数值得严肃对待的制度创新之一。因为它至少给出了一个比现有体系更硬的方向：在 AI 与流量共同污染认知的时代，不是靠更大声去争夺真相，而是靠更高成本去逼近真相。

预测市场是概率逼近，它不一定正确，但它至少是诚实的。