预测市场发生了一些有趣的事情，我认为值得关注。

在2024年，总交易量大约为90亿美元。到2025年跃升至超过400亿美元——增长超过400%。可以说，这已经变成了一种不可逆转的趋势。Polymarket和Kalshi主导这个领域，但它们之间的动态很有趣：Kalshi在选举合同的法律问题上取得胜利，并迅速扩展到体育市场；Polymarket构建了一个更去中心化和全球化的架构，“链下匹配，链上结算”。

但真正引起我注意的是人工智能代理在这个空间的潜力。这里的关键点是：不是AI“预测得比人类更好”。而是将分散的信息转化为更快、更有纪律的执行机会。预测市场本质上通过真实交易聚合信息——这是一种系统的正外部性。当你拥有这种结构时，代理可以比手动交易者更高效地利用低效。

架构是合理的：信息层(新闻、链上数据)，分析层(识别价格偏差)，策略层(计算最优仓位)，执行层(多个市场，滑点优化)。挑战在于，并非所有策略都适合自动化。清算套利——当结果已定但市场尚未定价——几乎是为代理设计的。平台间套利也是如此。但方向性投机？那还需要人类判断。

在仓位管理方面，凯利公式是经典理论，但在实践中，专业交易者使用更简单的方法：将资金划分为固定单位，根据信号的信心调整单位数量。这降低了复杂性，也减少了模型错误的空间。

在当前的生态中，我们有官方框架(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。但说实话，我们还没有看到一个成熟的产品能整合所有内容——策略生成、高效执行、系统风险控制和闭环商业模型。Olas Predict可能是最先进的，但仍受限于Omen的流动性。

在盈利模式方面，我看到三条路径：基础设施(数据和工具B2B)，策略订阅(信号SaaS)，以及更复杂监管下的托管资金(vaults)。目前最可行的是中间那条——无需托管资金的信号工具。监管阻力较小，收入更可预测。

让这一切变得有趣的是，预测市场正从一个小众领域演变成对金融系统具有实际外部性的工具——CME和彭博开始将事件概率作为市场数据整合。当你拥有基础设施、流动性和明确的监管环境(美国开始提供)，AI代理就有了合法操作的空间。

我们还处于早期阶段，但这个领域发展迅速。值得关注的不仅是代理本身，还包括分析工具和表现更好的策略。如果你在Gate，有多链数据访问权限——这可能是探索代理在去中心化预测市场中如何运作的一个良好起点。