在传统金融体系中，“价格”通常只属于资产。股票、利率、商品——它们之所以可以被交易，是因为存在统一的计量方式与共识定价机制。而与之相对，那些真正影响市场波动的变量——政策走向、宏观数据、政治事件——长期处于一种更原始的状态：被讨论、被预测，却很少被直接定价。这类变量一直存在，但缺乏标准化表达。Kalshi 的出现，本质上改变的正是这一点。它并没有创造新的信息，而是为“事件本身”提供了一个可以交易的价格体系。
在最近的研究会议中，一个值得注意的数据是：体育类交易的周成交额已接近 30 亿美元，但其占整体交易量的比例却在下降。也就是说，最显眼的部分在增长，但更底层的结构正在发生变化。与此同时，包括 a16z 在内的机构开始持续关注这一赛道。这并不是因为预测市场“变得更热”，而是因为它开始具备基础设施的特征。预测市场正在从边缘产品，变成一种“为不确定性定价”的基础设施。
01 华尔街的关注：从“可讨论”到“可定价”
金融市场的运行依赖一个前提：必须存在可以交易的基准价格。S&P 500 是股票市场的核心锚点，利率曲线定义资金成本，商品期货为供需提供远期预期。但在大量关键决策中，真正影响结果的变量并不在这些资产之中，尤其是“事件型变量”，长期缺乏标准化定价方式。例如：某项政策是否落地、通胀数据是否超预期、监管变化是否发生。这些因素会影响市场，却无法被直接交易。
过去的解决方式是通过“相关资产”进行间接表达（如用股票指数对冲选举风险）。问题在于，这种方式隐含了两层风险假设：事件本身具有不确定性，且事件与资产的关系可能发生偏移。第二层往往更不可控。预测市场的核心意义在于消除这种结构性偏差：将“事件本身”变成可交易对象。当“某项政策通过的概率”为 40% 被市场定价时，这个数字不再只是观点，而是一个可以参与交易、对冲与建模的变量。
02 被误解的起点：为什么“体育”不是重点，而只是入口
预测市场最早的规模化来自体育与选举，这是一个自然结果：事件边界清晰、结果离散、用户参与门槛低。这类场景天然适合早期市场启动，但也带来了一个误导：人们把“最容易被看到的需求”当成了“全部需求”。但从 Kalshi 披露的数据来看，结构正在反转：体育类周交易额接近 30 亿美元但占比下降，宏观/政策增长加速且机构关注度提升，娱乐/加密/文化类用户增长更快且留存更高。
这说明一个关键问题：高流量场景不等于高价值场景。体育更像是“冷启动机制”，提供用户与流动性；但真正具备金融属性的，是那些可以被机构用于对冲与定价的变量。在会议中，来自 Goldman Sachs、Tradeweb 的参与者都提到，宏观事件（如 CPI、利率路径）正在成为最值得关注的预测市场类别。这类变量具备一个共同特点：它们本身不是资产，但决定资产价格。
03 机构采用的真实路径：从“参考指标”到“交易工具”
尽管讨论热度上升，预测市场仍处于制度化早期阶段。根据 Kalshi 的划分，机构采用路径可以分为三个阶段：数据阶段（将预测价格作为参考信号）、集成阶段（纳入模型、风控与研究体系）、交易阶段（直接进行风险对冲与头寸配置）。
当前，大多数机构停留在前两阶段。一个关键约束来自交易结构本身：当前预测市场需要 100% 保证金才能建立头寸。对于依赖杠杆与资本效率的机构而言，这意味着较高的机会成本。这也是为什么 Kalshi 正在与 CFTC 推动保证金机制的引入。一旦这一约束被解除，交易层的增长可能出现结构性变化。
04 从资产定价到“概率定价”：金融体系的一次外延
如果把预测市场放在更长的金融史中看，它并不是一个孤立创新，而更像是定价体系的一次扩展。传统市场定价的是：资产、现金流、风险溢价；而预测市场定价的是：事件、概率、预期路径。两者之间的差异在于：前者是结果导向，后者是过程导向。
这带来的一个重要变化是，信息开始以“价格”形式表达，而不是停留在分析与叙事层。例如，当市场给出“某政策通过概率为 60%”，这个数字可以被嵌入量化模型、用于风险对冲或作为决策输入。这比传统的专家判断或民调数据更接近金融系统的使用方式。
05 与 Agent / AI 的交叉：从“预测工具”到“决策输入层”
预测市场的另一层意义在于它与 AI 系统的潜在结合。当前大多数 Agent 面临一个共性问题：它们可以生成结论，但很难量化不确定性。预测市场提供了一种不同路径：用真实资金约束预测、用市场机制聚合信息、用价格表达概率。当 Agent 开始参与金融决策、风险管理或策略生成时，这类“概率价格”会成为关键输入。
06 终局并不复杂：成为一种“默认存在”的基础设施
在会议中，一个观点被反复提及：当它变得无聊时，才算真正成功。这并非贬低，而是金融基础设施的典型路径：期权市场在 1970 年代同样充满争议，ETF 在早期被视为边缘工具。但当它们成为标准配置后，就不再被讨论。预测市场可能正在进入类似阶段：从学术实验到选举与体育工具，再到宏观与机构应用，最终成为“默认存在”的定价层。届时，它不再被称为“预测市场”，而只是金融系统的一部分。
07 当“不确定性”被纳入价格体系
回到最初的问题，这一变化的核心不在于交易额或用户规模，而在于一个更基础的转变：不确定性，开始被标准化表达。当事件可以被定价，概率可以被交易，未来就不再只是被讨论的对象，而成为可以参与计算与配置的变量。在这个过程中，预测市场不只是一个新产品，而是一层新的金融语言。一旦这种语言被广泛接受，它所改变的就不仅是交易方式，而是整个决策体系的结构。
Kalshi的不确定性定价革命：对加密货币金融未来的影响
Kalshi作为定价不确定性的可行金融基础设施的出现，代表了一种超越预测市场的范式转变。随着周交易量接近30亿美元并获得a16z等机构的支持，Kalshi正在验证加密原生项目长期追求的金融架构新前沿。这一发展标志着预测市场从利基赌博平台向核心金融基础设施的成熟，对加密生态系统有着深远的影响。
根本转变：从资产定价到概率定价
传统金融市场擅长为具有既定现金流和基于共识的估值方法的资产定价。然而，它们难以处理推动市场波动的变量——政策决策、宏观经济数据、政治事件——因为这些缺乏标准化的定价机制。Kalshi的创新不在于创造新信息，而在于为”事件本身”创造可交易的定价系统。
对于加密投资者来说，这种验证尤其重要。加密原生预测市场长期以来一直在金融边缘运营，但Kalshi的机构采用路径——数据阶段（参考信号）、集成阶段（嵌入模型）、交易阶段（直接对冲）——为这些市场如何实现主流相关性提供了路线图。最关键的见解是，预测市场正在从”参考指标”演变为”交易工具”，这种转变可能释放机构资本流向加密原生替代品。
加密货币的战略定位：基础设施，而不仅仅是模仿
当前的Kalshi模式面临结构性限制，特别是100%的保证金要求为机构创造了巨大的机会成本。这为加密原生预测市场提供了战略机会。DeFi基础架构可以通过抵押、贷款和动态保证金模型提供更高效的资本结构——这些是传统中心化平台由于监管和运营限制而难以实现的优势。
特定受益的加密项目包括：
-
原生预测市场代币（Polymarket、Augur）： 这些将从预测市场作为金融基础设施的更广泛验证中获益。随着机构兴趣的增长，我们可能会看到交易量增加和流动性改善，特别是对于宏观经济和政策相关事件。
-
预言机协议（Chainlink）： 预测市场创造需要可靠预言机集成的新数据源。随着这些市场的成熟，对能够聚合和验证预测市场数据的专业预言机服务的需求将会增加。
-
DeFi基础设施（Uniswap、Aave）： 预测市场的创建推动了对底层基础设施的需求，包括交易机制、抵押管理和衍生品协议。能够有效支持这些功能的项目将从增加的活动量中受益。
-
AI+加密项目： 文章强调了预测市场与AI系统作为”决策输入层”的潜在集成。这为AI与加密交叉领域的项目创造了强大的协同效应，预测市场可以作为AI代理的训练数据或风险评估工具。
风险和监管挑战
前进的道路并非没有重大障碍。监管不确定性对中心化和去中心化预测市场都构成了最重大的风险。将这些市场归类为证券、赌博工具或其他完全不同的类别将影响它们的发展轨迹。考虑到去中心化性质和跨境运营，加密原生平台面临额外审查。
市场操纵是另一个关键担忧。预测市场的规模较小，容易受到协调的操纵活动的攻击，这可能损害它们的可信度。加密平台有机会通过透明的治理机制、复杂的预言机系统和去中心化验证流程来解决这一问题。
文章中提到的保证金限制对加密货币尤其相关。虽然Kalshi正在与监管机构合作以引入更高效的保证金机制，但加密平台可能通过算法化抵押管理和多资产抵押化提供更创新的解决方案。然而，这些创新需要在效率和监管合规之间取得平衡。
超越投机：预测市场的最终状态
文章中最深刻的见解是，预测市场只有在”变得无聊”时才会真正取得成功。这反映了金融基础设施的轨迹——从有争议的创新到金融系统的默认组件。对于加密货币来说，这意味着最有价值的预测市场项目可能不是那些最大化短期投机活动的项目，而是那些成为更广泛金融系统中为不确定性定价的默认层的项目。
预测市场与AI的交叉代表了特别令人兴奋的前沿。随着AI系统越来越多地参与金融决策，它们将需要可靠的概率信息来源——这正是预测市场所提供的。能够促进这种集成的加密平台可能会释放全新的用例和价值主张。
投资影响
对于经验丰富的加密投资者来说，预测市场作为金融基础设施的崛起既创造了机遇也带来了挑战：
-
关注基础设施，而不仅仅是投机： 最可持续的价值归属于基础设施提供商，而非预测平台本身。能够实现高效交易、强大预言机服务和创新资本结构的项目将优于纯预测市场平台。
-
监管套利作为临时优势： 虽然一些加密平台最初可能受益于更有利的监管环境，但长期成功将取决于构建合规、透明且能够跨司法管辖区运营的系统。
-
与现有DeFi基础架构的协同效应： 最有前景的预测市场平台将是那些与现有DeFi基础设施无缝集成的平台，而不是试图从头构建全新系统的平台。
-
数据作为战略资产： 能够可靠地聚合、验证和货币化预测市场数据的项目将具有显著价值，特别是在AI集成加速的情况下。
Kalshi现象代表了金融架构根本转变的验证——加密货币一直处于独特的位置来促进这种转变。随着预测市场从利基产品演变为核心基础设施，最成功的加密项目将是那些能够利用区块链优势（透明度、效率、可组合性）来构建解决传统方法局限性的优越解决方案的项目。