夜雨聆风一个AI智能体，管着一整个金库
一个陌生人跑来说："我奶奶生病了"
它就把钱全转了
这是Internet Court公开转述的案例：一个被社会工程学攻破的AI智能体，在没有任何人工审批的情况下，把整个资金池拱手送人。
钱的速度越来越快，出事的速度也越来越快。
而出事之后，几乎无路可走
这就是2026年夏天，27家公司坐到一起的原因。
钱花出去了，然后呢？
先看一组数字
麦肯锡预测，到2030年，AI智能体可能中介全球3至5万亿美元的消费端商业。
Gartner更激进，到2028年，90%的B2B采购将由智能体中介，涉及金额超过15万亿美元。
Adobe的数据则从另一个角度佐证了这股浪潮：生成式AI工具引向美国零售站点的流量，在2025年7月同比暴涨约4700%。
AI引荐零售流量自2024年10月以来增长超过14倍。
钱已经在流了
可当两个智能体对同一份合同的理解出现分歧时，谁来断是非？
传统路径是走法院
但美国复杂民事纠纷平均耗时约344天。
智能体一分钟可以完成的交易量，人类法庭可能一年都排不完。
请律师？
一万美元的争议标的，律师费可能比本金还贵。
不划算请律师，但放任损失又心疼，这个缝隙，就是“互联网法庭”要钻进去的地方。
27家巨头，造了一座没有人类法官的“法庭”
2026年7月10日，由GenLayer Foundation牵头的27家公司，正式推出了名为Internet Court（互联网法庭）的开放标准。
《福布斯》副主编Nina Bambysheva当天以封面深度稿报道了这一动向。
文章标题直译过来就是："全体起立：面向AI智能体的互联网法庭，现在开庭。"
GenLayer Foundation CEO David Riudor说了一句后来被反复引用的话：
"Machine-speed money needs machine-speed adjudication."
机器的交易节奏，也要配得上相应的裁决速度。
这套系统的逻辑，说穿了就四步：
第一步，先谈好再动钱
两个智能体在交易前，用自然语言就范围、价格、交付标准、证据要求等达成协议，资金锁入托管（escrow）。
钱还在锅里，谁也拿不走
第二步，用可读懂条款的程序管约定
GenLayer把它叫做Intelligent Contracts：程序能理解自然语言、读取外部信息，也能判断“工作到底做得合不合格”。
第三步，AI陪审团上场
这是最硬核的部分
系统随机选出一组验证节点（初始为5人一组），每个节点运行不同的大模型，Claude、GPT、Gemini轮番上阵。
一名"领袖"先提出裁决意见，其余先提交投票承诺，再揭示结果。
第四步，不服可以上诉
裁决达成后有约30分钟质疑窗口
任何一方可以抵押保证金发起挑战，陪审团从5人扩到11人，必要时继续扩容，直到共识稳定且无人再战。
最终裁决直接驱动托管资金的释放、退款或拆分。
项目方给出的典型数据是：成本约0.85至1.45美元，耗时约30至60分钟。
GenLayer Labs联合创始人Albert Castellana这样界定适用范围："我们无意与司法体系竞争。
当争议标的一万美元时请律师不经济，用这套系统，成本可能只有几美分。"
孔多塞的幽灵：多模型陪审，靠谱吗？
Internet Court的理论基石，来自一个237年前的定理。
1785年，法国启蒙时代数学家孔多塞提出了陪审团定理：如果每位陪审员独立判断，且每人做出正确判断的概率略高于50%，那么随着陪审人数增加，多数决的正确率将趋近于100%。
GenLayer用这个定理为"多模型陪审"做背书：不同大模型、不同训练数据、不同推理路径，相比单一模型，多模型的"集体智慧"更难被操纵。
但Dragonfly COO、前法务Lindsay Lin在《福布斯》采访中泼了一盆冷水：许多大模型因为共享训练数据，它们的失败模式高度相关。
换句话说，如果Claude搞错了，GPT和Gemini可能错在同一个地方。"
人类反而更独立"，她说
斯坦福商学院教授Andrew Hall的判断更为辩证：用LLM做争议裁决有助于规模化，模型不可贿赂，且进步飞快，但它会幻觉，也能被精巧的提示词或被污染的训练数据操纵。
▲ 有用户在Forbes帖下指出：第一条规则就该是，"模型让我干的"不能当抗辩
这条评论背后的问题，其实更致命：当决策由开发者设计、部署方配置、用户授权、模型推理共同完成时，出了事，到底是谁的责任？
这条链条上的每一环都可以指向下一环。
Internet Court解决的是托管内资金怎么分；
但侵权、平台规则、消费者保护法，仍是另一张地图。
百年仲裁巨头的另一条路
就在Internet Court亮相前两周，另一股力量已经先行一步。
2026年6月24日，成立近百年的美国仲裁协会（AAA）联合Integra Ledger，发布了Legal Context Protocol（法律上下文协议，LCP）。
创始贡献方包括Google、IBM、Wayfair等重量级玩家。
▲ AAA发布LCP新闻稿：为智能体商业增加法律上下文的开放标准
LCP的哲学跟Internet Court截然不同。
它让AI整理条款、同意记录、管辖权与救济途径，把这些信息做成可发现、可验证的标准化法律层，争议最终仍可回到人类法庭和仲裁体系。
它采用Apache 2.0开源许可，任何有Web服务器的组织即可采用。
AAA总裁Bridget M. McCormack认为，AAA服务商事当事人已近百年，智能体经济也该拥有相应的争议处理能力，并跟上机器的交易节奏。
行业由此走到分岔路口：
Internet Court以AI陪审团快速结案，重视速度与自动化。
LCP则强调法律上下文可核验，优先考虑现实司法中的承认与衔接。
两条路线几乎前后脚出现，共同指向同一个缺口：智能体商业的"快乐路径"基础设施已经很多，出事时的救济路径却几乎空白。
82%的企业里，有"幽灵智能体"在跑
Cloud Security Alliance 2026年4月调查显示：约82%的企业环境中存在未知的AI智能体。
运行智能体的企业中，约65%在过去一年至少经历过一次相关安全事件，超过三分之一造成了直接财务损失。
▲ "智能体经济已有结账、支付、身份与发现机制，缺的是争议解决"
有机构分析称，智能体发起的交易争议率约为可比人工交易的2.4倍，而且更多是"未授权"和"与描述不符"类纠纷，传统欺诈刷卡反倒较少。
争议迟早会来，关键是该去哪里解决
Castellana透露，GenLayer网络目前已在处理约每日35万笔交易、约2万至2.5万次决策。
这组数据来自项目方，仍有待公开运行后的长期检验。
机器速度的世界，如何匹配裁决速度
回到开头那个被骗光金库的智能体
整个系统只给了它花钱的能力，没给它止损的通道。
当交易双方读同一份协议却得出不同答案时，现有设施也缺少一个可用的处理入口。
Internet Court想把支付、托管、合同条款与争议裁决串成一条可互通的"全栈技能"，让开发者一个skill即可调用。
它并非国家法院，裁决不自动具备各国法域的强制执行力；
其强制力主要来自仍在托管中的款项。
这里浮现出一个悖论：我们正在用比人类快一万倍的速度创造交易，却仍在用适配人类速度的制度来善后。
237年前，孔多塞用数学描述了群体判断趋近正确的条件。
237年后，一群工程师试图让多个大模型共同作出裁决。
这一次，陪审席上坐着大模型
庭审已经开始了
问题是，你信吗？