夜雨聆风两个AI agent谈崩了，一个说对方交付的logo是抄的，一个说甲方的prompt本来就含糊，谁来判？
这是《福布斯》为解释AI代理争议而构造的场景，也是2026年夏天一个新平台试图处理的问题。
7月10日，《福布斯》以Daily Cover的最高规格，刊发了一篇让整个科技与金融圈都坐不住的长文：《All Rise: Internet Court For AI Agents Is In Session》（全体起立：AI代理的互联网法庭现在开庭）。
文章揭开了一个此前被行业集体忽视的盲区，我们拼命教机器花钱，却忘了教它们打官司。
3万亿美元的经济体，连个“法院”都没有
先看一组数据
麦肯锡预测，到2030年，AI agent可能中介全球约3万亿至5万亿美元的消费者商务。
Adobe Analytics的数据更直观：自2024年10月以来，由AI引导至零售站点的流量暴涨超过14倍；
到2025年7月，这个数字同比飙升约4700%。
亚马逊的“Buy for Me”帮你秒杀比价，Robinhood的agent替你做自主交易分析，SAP的Joule协助企业采购，软件代理正在以人类无法企及的速度，替我们谈判、下单、付款。
但问题随之而来：一切顺利时，agent是效率怪兽；
一旦出事，它比谁都无助
交付延迟了怎么办？
质量不合格找谁？
证据含糊到底算谁的责任？
目前的答案是：没有答案
现有工具大多按happy path（一切顺利路径）设计：发现、谈判、付钱、收货，行云流水。
到了交付出错、双方各执一词的环节，自动化流程往往戛然而止。
“互联网法庭”：27家公司的联合尝试
就在这个缺口上，Internet Court（互联网法庭） 横空出世。
新闻稿显示，这个联盟由27家公司组成，目标是把从身份认证到争议解决的整条路径，打包成agent可以直接调用的“技能包”（open skill）。
这个技能包面向一个现实中的尴尬空白：争议金额不够大、请律师不划算，但完全不处理又会持续“流血”的灰色地带。
项目方称其定位是法律体系之外的补充方案。
GenLayer Labs CEO Albert Castellana 对《福布斯》表示：“争一万美元要请律师不经济，用这套系统解决可能只要几美分。”
那它到底怎么判案？
AI陪审团：5个模型投票，几分钟出结果
这可能是整篇报道中最让人既兴奋又不安的部分。
Internet Court的核心裁决引擎由GenLayer提供。
系统随机选出5名验证者，每人运行不同的大语言模型，比如一个跑Claude，一个跑GPT，一个跑Gemini。
其中一位担任leader提出初步裁决，其余人先独立提交意见，再揭示是否同意。
如果达成共识，裁决进入约30分钟的挑战窗口。
有人或agent发起挑战后，陪审团规模可以扩大到11人甚至更多，继续复核结果。
这套设计背后有一个18世纪的数学幽灵，孔多塞陪审团定理：假设每个独立判断者的正确率超过50%，那么判断者越多，集体决策正确的概率就越趋近于100%。
GenLayer的逻辑是：多个不同模型比单一模型、甚至比单一人类仲裁员更难被同一个攻击面拿下。
但这个美好假设有一条致命裂缝
“多模型≠多样性”：最聪明的批评
报道援引从业者Lindsay Lin的警告：许多大模型共享训练数据，它们之间的“独立性”可能被高估。
如果Claude、GPT和Gemini都读过相近的语料，也可能形成高度相关的错误。
斯坦福教授Andrew Hall也列出了一连串风险：幻觉（模型可能误读证据）、提示词操纵（精心设计的prompt能扭曲判断）、信源污染、训练数据投毒……
社区的反应则更加直觉化
有人做了一张梗图，想象两个agent互指违约，一方以“提示词含糊”提出抗辩，AI法官在读完海量token证据后宣判：“你们都错了。”
另一个问题紧随其后：如果agent犯了错，“模型让我做的”能不能成为抗辩理由？
开发者、部署者、模型提供方、agent运行时，这条责任链到底在哪里切开？
▲ 有用户直接追问：Internet Court的第一条规则应该是，“模型让我做的”不能成为免责理由
亚马逊诉Perplexity：现实版“agent越界”已经开打
如果你觉得这一切还很遥远，看看已经打到联邦法院的真实案件。
2025年11月，亚马逊起诉Perplexity，指控其AI浏览器Comet登录用户账户、伪装成普通Chrome浏览器，在未获授权的情况下代为购物。
2026年3月，加州法院发出初步禁令限制Comet在亚马逊上购物，但上诉法院随后又暂停了这一命令。
一个案子，拖了大半年，禁令反复，而agent每天可以做成千上万笔微交易。
Forbes用这个案例说明了一个残酷事实：当agent大规模跨平台行动时，靠传统诉讼解决争议，就像用马车追高铁。
这恰好是Internet Court最有力的推销话术：传统法院一个案子审一年，agent一天做几千笔交易，谁会为了3美元的坏推理去请律师？
老仲裁vs新裁决：两条路线的碰撞
有意思的是，传统争议解决机构也没闲着。
全球最大仲裁机构之一美国仲裁协会（AAA） 推出了AI Arbitrator产品，但它走了一条截然不同的路：AI负责解析证据、生成时间线与摘要，甚至起草裁决草稿，但最终裁决必须由人类仲裁员签发。
▲ 美国仲裁协会的AI Arbitrator：AI做苦力，人类拍板，与Internet Court的“无人类终裁”形成鲜明对照
两种路径都面对相同的经济压力：争议量暴涨、人工成本高企、速度跟不上交易节奏。
分歧落在一个问题上：机器能否自己当法官？
Internet Court选择让机器终裁，AAA坚持由人类拍板。
哪条路能够得到采用，现在还没有答案。
法庭被压缩成一条API
最后看一个产品细节：Internet Court把核心能力做成一个skill.md文件，agent通过curl命令安装，就像程序员安装一个软件包一样。
所谓的“法庭”由此成为一条可被调用的API，主要服务agent运行时与operator。
Forbes标题里庄严的“All Rise”是修辞，机制细节里是托管、验证者与技能安装。
GenLayer创始人透露，平台目前处于beta阶段，大约每天处理35万笔交易、约2万至2.5万次决策，计划年内公开上线。
当交易来到机器速度，裁决也得跟上
回到最初的问题：如果未来的商业越来越多由软件代理驱动，那么争议解决到底该是什么样？
GenLayer Foundation的David Riudor认为，资金与裁决都必须跟上机器的速度。
这指向了一个结构性缺失
就像保险业的人常说的：没有理赔流程的市场，保险公司不会承保。
同理，缺少可靠裁决机制的agent经济，很难吸引外部资本进场。
互联网法庭能不能成？
风险巨大，悬念重重，模型幻觉、操纵攻击、法律效力、采用率，每一个都可能是致命伤。
但它提出的问题，比它给出的答案更重要：
我们给机器发钱的速度，远远快过给机器发正义的速度。
这个缺口，迟早有人要填