加密牌照申請
加密支付合规
反洗钱风控系统
加密基金設立
秘書服務
Aiying 艾盈一家专注加密资产合规咨询服务机构，本文为团队原创，转载需授权。
📋 目录
– [发生了什么：AI入场合规工作流](#section-1)
– [90%效率提升的背后：人机协作新模式](#section-2)
– [对持牌VASP的启示：合规自动化路径](#section-3)
– [常见问题](#faq)
导语：当合规工作流遇上AI，变化悄然发生。Coinbase CEO Brian Armstrong近日透露，公司利用AI重构了合规体系——结果触目：账户限制解除时间缩短约90%。这不是科幻，而是持牌交易所正在发生的运营现实。
发生了什么：AI进场，合规工作流重写
2026年5月，Coinbase CEO Brian Armstrong在社交媒体上分享了一个关键数据点：公司利用AI”更新合规流程”并”重建几乎所有相关工作流”。其中最直观的指标——账户限制解除时间缩短约90%（Brian Armstrong, 2026-05）。
这意味着什么？当用户的账户因风险标记被限制时，过去的处理可能需要人工逐一审查、交叉验证、层层审批。而AI介入后，系统可以自动识别低风险场景、预判解除条件，将大量重复性操作自动化。
但Armstrong强调了一个关键：人类并未被取代。所有AI处理结果仍需人工验证，”以维持安全性并优化模型”。人力的角色从”执行者”转向”审查者和决策者”——这恰恰是合规工作最需要的方向。
90%效率提升的背后：人机协作新模式
AI承担了什么？
从Armstrong的描述中可以推断，AI目前主要处理的是高度标准化、规则明确的合规操作：
- 账户限制评估：基于交易模式、KYC状态、风险评分自动判断是否需要限制及何时解除
- 交易监控筛查：将制裁名单比对、异常交易标记等重复性任务交给AI初筛
- 报告生成：可疑交易报告（STR）的草稿撰写和标准化文件输出
人类转向了什么？
当AI接手重复性工作后，合规团队的重心转移到”更高层级决策”。虽然Armstrong未具体说明，但从行业实践来看，这包括：
- 边缘案例研判：AI无法自信判断的复杂场景，需要人类经验介入
- 监管策略制定：基于AI生成的数据洞察，优化整体合规策略
- 模型训练与审计：人类验证AI决策结果，形成反馈闭环
这种”AI初筛+人工终审”的双轨模式，在反洗钱（AML）领域并非新概念——传统金融机构已使用规则引擎多年。但Coinbase的实践表明，大语言模型和智能自动化正在将合规效率提升到新的量级。
对持牌VASP的启示：合规自动化路径
为什么这对牌照持有者重要？
对持有新加坡MAS MPI牌照、香港TCSP牌照、或正在申请VASP牌照的机构而言，合规运营成本是核心竞争力之一。人工合规团队的规模直接反映在损益表上——而AI驱动的自动化提供了在不增加人头的前提下提升处理能力的路径。
实操启示
- 从高重复性流程切入：先识别合规运营中频次高、规则明确的任务（如账户限制、KYC更新提醒、钱包地址筛查），作为AI介入的试点
- 保持人机验证闭环：Coinbase强调”所有AI结果均需人类验证”——这不是可有可无的步骤，而是满足监管对责任归属要求的关键
- 关注审计可追溯性：AI决策的”黑箱”问题是监管审查的潜在雷区。需确保每一步AI处理都有可审计的决策日志
- 牌照申请的新叙事：在提交给监管机构的合规方案中，AI驱动的自动化能力可以成为差异化因素——展示机构在合规基础设施上的投入和前瞻性
常见问题
Q: Coinbase具体用了什么AI技术？
A: Brian Armstrong未披露具体技术细节。但从”重建几乎所有相关工作流”的描述来看，可能涉及大语言模型（LLM）驱动的智能路由、自然语言处理的交易监控、以及自动化决策引擎的组合。
Q: 小型持牌机构能否复制这一模式？
A: 90%效率提升是针对Coinbase的量级而言。小型机构可以从更窄的场景入手（如单点KYC自动化），通过API调用现成的合规科技工具（如Chainalysis、Elliptic的AI增强功能），无需自建完整AI系统。
来源：