一笔没有金额的融资，把“事件推演”推到了台前
2026年11月，一家名为DI的项目宣布完成新一轮融资。与大多数融资公告不同，它给出了一个明确的估值——1亿美元，却没有披露融资金额。据TokenPost英文稿报道，DI以1亿美元估值完成融资，参投方包括OKX Ventures、Lingfeng、DraperDragon、W3 Storage Lab、DepinX和Central Pinnacle Technology Limited六家机构，具体募资金额未披露。BlockBeats报道称，投资方还包括多位个人投资者。
这种“有估值、无金额”的披露方式并不常见。它把外界的注意力从“融了多少钱”引向另一个问题：一个尚未正式上线产品的AI金融智能体网络，凭什么以1亿美元估值完成融资？答案可能藏在DI试图切入的场景里——把金融研究中的“事件推演”从人工经验变成可调用、可追溯、可验证的智能体协作流程。
据链捕手报道，DI（Decentralized Intelligence）正在建设一个由用户拥有的AI金融智能体网络，面向美股和加密市场，将专业研究、事件推演与量化策略连接起来。其首款产品Event Engine是一个专业多智能体事件推演引擎，即将正式上线。用户可以用自然语言提出市场问题，网络调动专业智能体从不同角度推演事件路径与市场影响，输出可能结果、共识、分歧、判断依据和关键假设，并将推演结果上链存证。
| 字段 | 内容 |
|---|---|
| 公司 | DI（Decentralized Intelligence） |
| 轮次 | 未披露 |
| 金额 | 未披露 |
| 投资方 | OKX Ventures、Lingfeng、DraperDragon、W3 Storage Lab、DepinX、Central Pinnacle Technology Limited；据BlockBeats报道，还包括多位个人投资者 |
| 总部 | 未披露 |
| 创始人 | 未披露 |
| 官网 | 未披露 |
这笔融资的另一个特殊之处在于，它把估值作为唯一公开的定价信号，却未同步给出金额、轮次或股权稀释比例。在常规披露中，估值通常与融资额成对出现，投资者据此判断单轮稀释程度与资金体量；当金额缺失时，1亿美元估值只能说明投资方对公司的阶段性定价，无法反映本轮实际注入的资本规模。对DI而言，这一披露缺口使“估值”更像一个叙事锚点，而非完整的交易信息。外部若要还原交易结构，仍需等待公司补充金额、轮次与股权条款，或从后续监管备案、链上记录中寻找交叉证据。
Event Engine想解决的不是“预测”，而是“推演过程不可见”
金融研究领域长期存在一个结构性矛盾：专业交易员和研究团队拥有成熟的推演框架，但这些框架大多停留在个人经验或机构内部，普通用户既无法调用，也无法验证其推理质量。DI试图用多智能体架构把这一过程产品化。据链捕手报道，Event Engine依托金融数据库和专业模型，调动网络中的专业智能体，以及基于专业交易员和KOL分析方法蒸馏形成的智能体，从不同角度推演事件的发展路径及市场影响。系统生成的结论不仅包含可能结果，还呈现各智能体之间的共识、分歧、判断依据及关键假设。
需要说明的是，上述产品能力、数据覆盖范围及量化中心规划均为公司单方口径，尚无独立第三方验证。目前可核验的事实边界是：Event Engine尚未正式上线，上线时间未披露；推演记录的可回访性、数据源接入方式、智能体数量、蒸馏方法的训练数据来源均未披露。来源材料未提供存证的技术实现细节，其可验证性需待产品上线后观察。
从产品逻辑看，Event Engine的关键差异点不在于“给出结论”，而在于把推演过程拆解为可比较的智能体输出。用户看到的不是单一答案，而是不同智能体之间的共识与分歧，以及各自做出判断的依据和关键假设。这种设计试图回应一个真实痛点：在AI生成内容泛滥的环境下，用户无法区分“有依据的判断”和“看似合理的生成”。推演结果上链存证，则是为后续追溯、验证和复盘提供记录基础。但存证只能证明某次推演产生过，不能证明推演质量本身，这一点需要在产品上线后通过实际记录的可回访性来检验。
从研究流程看，Event Engine试图把“事件发生后如何影响市场”这一原本分散在分析师笔记、交易台讨论和内部报告中的过程，转化为可调用的智能体输出。其价值假设在于：当不同智能体对同一事件给出分歧判断时，用户看到的不是被平均化的结论，而是分歧本身及其依据。这种设计可能更适合需要理解市场分歧点的场景，例如财报发布前的多情景推演、政策变化后的路径比较，或加密资产事件驱动的风险识别。但这一假设能否成立，取决于智能体输出的专业深度与一致性：如果不同智能体的分歧源于数据口径或模型能力差异，而非真实的判断差异，那么“分歧可见”可能退化为噪声展示。来源材料未披露智能体的专业分工、数量与质量评估方式，这一产品逻辑仍需上线后验证。
从推演到量化：一条顺理成章但尚未验证的路径
DI的量化平台由事件推演能力延伸而来。据链捕手报道，用户提出的问题及获授权的推演结果可以进入量化中心，由系统自动筛选、评估是否纳入回测与策略研究，并记录哪些判断最终被策略采纳。平台规划提供自研量化策略、策略创建及回测工具，初期以策略和工具服务为主，用户保留资金控制权。
这一设计把DI从“研究工具”延伸到“策略研究基础设施”。普通用户可以使用平台提供的策略，有经验的交易者和研究团队可以创建、测试自己的策略。用户保留资金控制权意味着DI在早期阶段不直接管理用户资产，这降低了合规门槛，但也意味着平台收入更依赖工具和服务本身，而非资产管理规模。
从推演到量化的闭环逻辑清晰：推演产生判断，判断进入回测，回测结果反馈策略。但这条路径存在多个待验证环节。来源已披露“获授权的推演结果进入量化中心”这一具体安排，但系统如何筛选推演结果、评估标准是否透明、哪些判断被采纳为策略依据，均未披露。这些筛选规则直接影响用户参与动力：如果用户无法理解自己的研究贡献为何被采纳或忽略，从推演到量化的参与闭环就缺少可预期性。此外，推演结果进入量化中心后是否经过人工审核、回测是否直接使用推演结论作为信号输入，来源材料均未说明。
“获授权的推演结果进入量化中心”这一安排，意味着DI试图在用户研究贡献与策略研究之间建立一条可追溯的通道。与单纯提供回测工具的平台不同，DI的路径是从用户提出的问题出发，经过推演、授权、筛选、回测，最终可能进入策略采纳环节。这条通道的价值在于，它可能让普通用户的研究行为获得被系统采纳的机会，而不只是消费现成策略。但其中“授权”环节的边界未披露：用户授权的是单次推演结果，还是其个人智能体持续产生的全部输出；授权后用户是否保留对结果使用的知情权或收益权，来源材料均未说明。若授权机制不清晰，用户可能难以判断自己贡献的研究成果在量化中心中被如何使用，这直接影响“用户拥有”叙事在量化环节的落地。
“用户拥有”的边界：代币结算与NFT种子用户
DI的叙事核心是“由用户拥有的AI金融智能体网络”。据链捕手报道，个人智能体可以根据用户授权，将推演成果分享给其他经过验证的智能体，开展持续跟踪、研究协作和任务委托。创世NFT持有人将成为网络的种子用户。随着外部开发者、研究团队和策略团队加入，DI计划让更多专业能力进入网络，使智能体能够发现、调用和组合不同的金融研究服务，并通过$DI完成相关服务结算。
“用户拥有”的具体含义是理解这一叙事的核心。来源材料未披露$DI代币的发行状态、分配机制、治理权限或NFT的具体权益范围。创世NFT持有人作为种子用户，其权益是否包括治理投票、收入分成或仅限早期访问权限，均未披露。如果“拥有”仅指持有$DI或NFT，那么用户实际拥有的是网络使用权还是网络本身，仍是一个待核验的问题。涉及加密资产与代币结算，DI还面临数字资产相关合规与市场风险，这在来源材料中未被展开讨论。
“用户拥有”在DI的表述中至少包含两个层次：一是用户对个人智能体及其推演成果的控制权，二是通过$DI与创世NFT形成的网络参与权。前者在来源中体现为“根据用户授权”分享推演成果，后者则体现为种子用户身份与服务结算。但这两个层次目前都停留在机制描述阶段：个人智能体是否由用户独立部署、其输出是否归用户所有，以及$DI在结算之外是否承载治理或收益分配功能，均未披露。若$DI仅作为服务结算媒介，那么“用户拥有”更接近“用户付费使用网络服务”，而非对网络本身的所有权。这一区别对评估DI的长期激励结构可能至关重要，但需待代币模型与NFT权益披露后才能判断。
1亿美元估值买的是什么
在融资金额未披露的情况下，1亿美元估值成为外界判断这笔交易的主要锚点。从投资方构成看，OKX Ventures是加密交易所背景的风险投资机构，DraperDragon是长期活跃于跨境科技投资的基金，Lingfeng、W3 Storage Lab、DepinX和Central Pinnacle Technology Limited的公开信息相对有限。这一组合既有加密生态资源，也有科技投资背景，但来源材料未披露各家机构的投资金额、股权比例或是否附带代币条款。
据链捕手报道，公司称融资将用于完善专业智能体、模型与数据基础设施、推动事件推演引擎正式上线，并拓展全球用户与开发者生态。来源按此顺序列举资金用途，但未说明各项投入的优先级或资源分配比例。从已披露的用途看，这笔资金首先服务于产品交付——Event Engine尚未上线，专业智能体、模型与数据基础设施仍在完善中。在加密市场融资环境整体收紧的背景下，以1亿美元估值完成融资，说明投资方对“AI金融智能体网络”这一方向给出了阶段性认可。但认可到什么程度，取决于未披露的融资金额本身：估值是价格标签，金额才是市场用真金白银投票的规模。
从投资方组合看，OKX Ventures的加密交易所背景可能为DI提供生态入口与市场资源，DraperDragon的跨境科技投资经验则可能带来更长期的机构视角。其余四家机构的公开信息有限，难以判断其投资逻辑是财务回报导向，还是与DI的业务存在协同。由于来源未披露各家投资金额与股权比例，外界无法判断这是否为一家领投方主导的集中结构，还是多家机构分散参与。在金额未披露的情况下，投资方名单本身成为外界评估交易质量的主要信号之一，但名单的参考价值有限：机构参与可能反映方向认可，也可能只是小额试投。真正的市场验证，仍需观察Event Engine上线后的用户采用与后续融资是否披露更完整的交易条款。
竞争格局：一个尚未被来源回答的问题
DI面向美股与加密市场的金融研究与事件推演需求，试图把专业研究、事件推演与量化策略连接起来。但来源材料未提供任何竞品名单、市场规模数据或DI与替代方案的直接比较。这使外部难以判断DI在“AI金融研究”这一赛道中的相对位置：它究竟是第一个把事件推演产品化的项目，还是在一个已有玩家但未被本次来源覆盖的领域里切入。获取竞品与市场规模数据的可行路径包括：追踪Event Engine上线后的用户增长与留存、对比同类AI金融研究工具的功能覆盖与定价、观察量化中心是否形成可验证的策略表现记录。在这些数据出现之前，竞争格局只能作为待填补的空白，而非可以展开分析的章节。
在缺乏竞品名单与市场规模数据的情况下，DI的竞争位置只能通过其产品路径的独特性来间接判断。来源材料显示，DI试图同时覆盖事件推演、量化研究与数据服务三个环节，并以“用户拥有”作为组织原则。这一组合在单一来源中未被与其他项目比较，因此无法判断其是否构成差异化优势。可行的验证路径包括：观察Event Engine上线后是否形成可回访的推演记录库、量化中心是否公开策略表现或回测结果、数据API是否被第三方开发者实际接入。这些指标比竞品名单更能反映DI是否在真实市场中建立了使用场景，而非仅停留在产品规划层面。
验证边界与可复核指标
本项目的可核验事实集中在少数几个点上：1亿美元估值、金额与轮次未披露、六家机构名单、Event Engine即将上线、资金用途表述。其余大量关键信息处于未披露状态，包括：本轮具体融资金额、融资轮次名称、公司官网、总部所在地、成立年份、创始人信息、Event Engine正式上线时间、智能体数量、训练数据来源、数据源接入方式、$DI代币模型、NFT权益范围、竞品与市场规模。参投方名单来自公司披露，不同媒体报道对个人投资者是否参与表述不一：TokenPost英文稿与Foresight News列六家机构，BlockBeats与TokenPost韩文版另称包含多位个人投资者。
这些缺失信息并非边缘细节。创始人信息与成立年份的缺失，使外界无法判断团队是否有金融研究或量化交易的直接经验；官网未披露，意味着潜在用户和开发者无法通过官方渠道获取产品文档与接入方式；上线时间未定，则让“即将正式上线”的表述停留在承诺阶段。对一家以“可验证”为核心卖点的公司而言，它自身的基础信息透明度，是外界检验其产品主张的第一道关卡。
对DI而言，最关键的验证节点不是融资公告本身，而是Event Engine上线后能否产生可复核的使用记录。来源材料将“推演结果上链存证”作为产品核心特征之一，但存证的可验证性取决于记录是否公开可查、是否包含足够的推演上下文，以及用户能否追溯某次结论对应的输入条件与智能体版本。若存证仅记录结果哈希而无法回溯推演过程，那么“可追溯”在产品层面可能名不副实。同样，量化中心的策略表现若长期不公开，外界将无法判断推演能力是否真正转化为可用的研究信号。这些验证点不依赖额外披露即可观察，是评估DI产品主张能否兑现的直接窗口。
RecodeX 极客视：DI用一笔没有金额的融资，把“事件推演”从金融研究的幕后推到了产品前台。它的价值主张不在于预测更准，而在于让推演过程可见、可比较、可追溯。但“可验证”本身需要先被验证：Event Engine上线后的推演记录能否回访、量化中心的筛选规则是否透明、代币与NFT的权益边界如何划定，这些问题的答案，将决定1亿美元估值是定价了产品，还是只定价了一个方向。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。