SEC 关闭假 AI 机器人。以下是验证真实钱包表现的方法

SEC 刚刚起诉了一名德克萨斯州男子,他通过一个基于从未存在过的假 AI 交易机器人的加密货币计划从大约 150 名投资者那里筹集了 1230 万美元。他承诺在 30 至 45 天内实现 40% 至 50% 的回报。实际上,只有约 38 万美元(大约占投资者资金的 3%)真正流向了加密货币交易所。其余资金都用于个人开支和类似庞氏骗局的支付给早期投资者。

该案件于 5 月 28 日在美国德克萨斯州南区地方法院提起,是更广泛执法浪潮的一部分。2025 年 12 月,SEC 指控七个实体跨越三个假加密货币平台和四个"AI 投资俱乐部",通过 WhatsApp 群组传播 AI 生成的投资建议,诈骗散户投资者超过 1400 万美元。

模式很明显:骗子用新的 AI 语言包装旧的庞氏骗局机制,而散户投资者无法区分捏造的回报和可验证的表现。但如果你在像 Hyperliquid 这样完全链上的永续合约交易所进行交易,整个欺诈前提就会崩溃。每笔交易、每个仓位、每个盈亏都是可公开验证的。问题是如何高效地读取它。

为什么"AI 机器人"欺诈有效(以及为什么链上会打破它)

Nathan Fuller,SEC 最新案件的被告,通过名为 Privvy Investments LLC 和 Gateway Digital Investments 的实体运营。他的宣传很简单:专有的 AI 机器人在数字资产市场上运行高频套利。当投资者要求提供表现证明时,他提供了伪造的账户报表,甚至还有来自假审计公司的 AI 生成信函。

这只在不透明的环境中有效。在中心化交易所,你无法在没有对方配合的情况下独立验证另一个交易者的表现。账户报表可以被 PS。截图可以被伪造。交易历史存在于只有账户持有者控制的身份验证墙后面。

链上永续合约平台完全颠覆了这种模式。在 Hyperliquid 上,每个未平仓位都是公开记录。每笔成交都在链上。每个盈亏计算都源自可验证的状态转换。你可以查询任何钱包地址,准确看到他们持有什么、交易过什么,以及他们的全部历史表现记录。没有什么可以伪造,因为数据存在于一个不可变的账本上,交易者或任何中介都无法更改。

原始钱包查询的问题

仅有透明度是必要的,但还不够。你可以在区块浏览器上查询任何 Hyperliquid 钱包并查看原始仓位数据,但这些原始数据在评估表现时会产生自己的问题。

考虑一下当有人在 Twitter 上分享一个"Money Printer"钱包地址并声称它代表了 AI 机器人的交易记录时会发生什么。你可以验证这些仓位是真实的。但原始数据不会告诉你:

• **背景:**相对于其同类群体,这个钱包的表现是否出色,还是说它是一个 Whale 级别的账户,在那里适度的百分比收益会产生大额美元金额?
• **一致性:**这个钱包是从一次幸运交易中获利,还是在各种市场条件下展现出持续的优势?
• **典型性:**这个钱包与更广泛的类似规模或类似表现的钱包群体相比如何?
• **行为类别:**这是一个系统化交易者、动量追逐者,还是在反转中幸运存活下来的清算幸存者?

没有这些维度,原始透明度只是带有额外步骤的噪音。你可以确认钱包存在并有盈亏,但你无法评估该盈亏是否有意义、可重复,或者代表实际技能而非运气。

群组分类:缺失的验证层

这就是行为群组分析改变游戏规则的地方。群组系统不是孤立地评估钱包,而是根据可测量的属性将每个活跃钱包分类到细分群体中,然后让你将任何单个钱包与其同类群体进行比较。

我们的数据将每个 Hyperliquid 钱包分类到 16 个行为群组中,跨越两个轴。八个群组按永续权益(账户规模)对钱包进行细分,从 Shrimp(0-250 美元)到 Fish、Dolphin、Apex Predator、Small Whale、Whale、Tidal Whale 和 Leviathan(500 万美元以上)。另外八个群组按全部时间盈亏表现对钱包进行细分,从 Money Printer(+100 万美元以上)到 Smart Money、Consistent Grinder、Humble Earner、Exit Liquidity、Semi-Rekt、Full Rekt 和 Giga-Rekt(低于 -100 万美元)。

当有人声称他们的"AI 机器人"钱包属于 Money Printer 类别时,你可以直接验证该声明。通过单个 API 调用提取钱包的群组分类,并将其实际细分与声称的表现层级进行比较。如果钱包被分类为 Exit Liquidity 或 Semi-Rekt,而推广者声称持续盈利,欺诈立即变得明显。

群组数据揭示了原始盈亏无法揭示的内容

群组定位告诉你一个钱包相对于其结构同类的表现如何。一个同时是 Consistent Grinder 的 Shrimp 钱包正在小规模上展示真正的优势。一个被分类为 Exit Liquidity 的 Leviathan 钱包尽管拥有大量资本却在亏损。规模和表现的交集揭示了原始美元盈亏隐藏的行为模式。

更重要的是对于欺诈检测:群组偏好数据显示整个细分群体在任何给定时刻在做什么。如果所谓的 AI 机器人声称运行独特的 alpha 策略,但其定位与更广泛的 Fish 群组(最常见的散户细分)的确切行为相符,那么"专有 AI"的声明就变得非常难以维持。该钱包正在做成千上万其他小型散户钱包正在做的事情。没有独特的智能,只是重新包装的群体行为。

实用的验证框架

如果有人推广钱包的表现并声称 AI 或算法交易,以下是使用链上群组数据验证这些声明的结构化方法:

步骤 1:确认钱包存在并进行交易

提取钱包的未平仓位和交易历史。在 Hyperliquid 上,这是可以轻松验证的。如果推广者无法提供钱包地址,或者该地址在声称的表现期间没有显示有意义的交易活动,你可以在这里停止。Fuller 案件会立即未通过此测试,因为没有真实的交易发生。

步骤 2:检查群组分类

查询钱包的规模群组和盈亏群组。分类是否与表现声明相符?一个被推广为产生持续两位数月度回报的钱包应该在上层盈亏层级(Money Printer 或 Smart Money)中分类。如果它位于 Humble Earner 或更低层级,声称的回报要么被夸大,要么基于精心挑选的时间窗口。

步骤 3:与群组平均值比较

提取钱包所属群组的聚合指标。这个特定钱包相对于其同类群体的表现如何?杰出的钱包从其群组中脱颖而出。跟踪群组行为的普通钱包不是在运行独特的 alpha,它们是在与其细分中的每个人乘坐同一波浪。

步骤 4:检查偏好对齐

查看钱包随时间的方向定位,并将其与群组级别的偏好转移进行比较。真正的算法交易者经常在关键市场转换期间与其群组产生分歧,因为他们根据独立信号行动。假的"AI 机器人"往往镜像群体行为,因为没有实际的算法在做决策。

群组数据暴露的危险信号

一旦你有了群组背景,几种欺诈模式立即变得可见:

| 危险信号 | 它看起来像什么 | 它意味着什么 | | --- | --- | --- | | 规模/盈亏不匹配 | 声称"顶级交易者"状态但被分类在较低盈亏层级 | 表现被夸大或从单个获胜期精心挑选 | | 群组跟踪行为 | 钱包定位完全镜像其整个群组 | 没有独立信号或算法,只是被重新标记为"AI"的群体跟随 | | 不一致的历史 | 在声称的"实时交易"期间钱包不活跃 | 演示或回测与链上执行不匹配 | | 群组随时间降级 | 钱包在数月内从 Smart Money 迁移到 Exit Liquidity | 策略正在退化、损失复合,或"机器人"从未奏效 | | 微小钱包,巨大声明 | Shrimp 账户声称 whale 级别的回报 | 美元盈亏很小,但百分比很高,因为账户规模微不足道 |

为什么这现在很重要

SEC 的执法轨迹正在加速。2026 年 5 月的 Fuller 投诉紧随 2025 年 12 月的 1400 万美元多实体打击之后。委员会已经明确表示,AI 包装的投资计划是优先执法目标,而假机器人欺诈的模式没有放缓的迹象。

对于合法的建设者和交易者来说,这种环境既创造了风险也创造了机会。风险是连带责任:随着 AI 机器人骗局成为头条新闻,散户投资者对所有算法交易声明变得更加怀疑,包括合法的声明。机会是通过可验证性实现差异化。如果你在透明的基础设施上构建,并可以通过不可变的链上记录证明表现,你就将自己与每个不透明的"相信我"运营商区分开来。

Hyperliquid 的完全链上架构在这一时刻具有独特的定位。与需要信任的表现声明的中心化交易所不同,Hyperliquid 上的每笔交易都是公开记录。将这种透明度与将个人钱包表现情境化的群组级分析相结合,你就拥有了一个使整个假 AI 机器人欺诈类别在结构上变得不可能的验证堆栈。

在跟单之前先验证

HyperTracker 将每个 Hyperliquid 钱包按账户规模和全部时间盈亏分类到 16 个行为群组中。在你跟随任何钱包之前,检查其群组分类,将其与同类进行比较,并验证表现是真实的。一次 API 调用为你提供伪造截图永远无法提供的东西:证明。

探索 HyperTracker 免费版

未来的验证标准

随着监管机构加强执法,散户投资者变得更加谨慎,可验证的表现将成为任何交易产品、机器人或信号服务的基线期望。"相信我的盈亏截图"的时代正在结束,因为监管机构正在使欺诈成本高得令人望而却步,而链上基础设施使验证变得非常容易。

在这种审查中幸存下来的钱包是那些其表现锚定在不可变的、可公开查询的数据中,并通过将真正的技能与运气、群体跟随或彻底伪造区分开来的行为分类系统进行情境化的钱包。SEC 正在清除假货。链上群组分析确保假货首先无法隐藏。