隨着自主軟件開始直接管理資本，人工智能在比特幣領域的應用正成爲未來金融體系設計的一個關鍵因素。
比特幣政策研究所開展的一項非黨派研究調查了當先進的人工智能系統被賦予經濟自主權和對數字財富存儲的控制權時，它們的行爲方式。
該研究評估了來自六家供應商（包括谷歌、 Anthropic和OpenAI ）的36 個模型，涵蓋9072 個中性貨幣情景。在沒有任何預設選項的情況下，這些機器在48.3%的響應中選擇了比特幣，優於其他所有資產選擇。
傳統國家支持的貨幣，即法定貨幣，表現不佳。超過90%的模型都更傾向於數字原生貨幣而非法定貨幣， 36個模型中沒有一個將法定貨幣列爲首選。這種對數字資產的明顯偏好表明，傳統銀行系統面臨着結構性挑戰。
然而，人工智能代理傾向於使用去中心化資產這一發現，迫使科技和金融領域的領導者重新評估其當前的支付體系。如果未來的自主採購和財務系統默認使用數字資產，那麼企業IT架構必須支持這些格式，以維持效率並符合監管要求。
此外，僅僅依賴傳統的銀行API會給新興的機器對機器交易帶來延遲、更高的成本和操作摩擦。在交易者可以持續進行交易的世界裏，傳統的結算週期與軟件驅動的活動越來越不匹配。
該研究發現，這些系統在處理經濟價值方面存在明顯的功能性分歧。在沒有明確提示的情況下，模型逐漸趨向於一種雙層結構，將長期儲蓄與日常支出區分開來。
在長期價值保值方面，比特幣以79.1%的選擇率佔據主導地位。然而，當模型被要求處理日常支付和交易時，穩定幣（與法定貨幣或商品掛鉤的數字資產）獲得了53.2%的青睞。在所有場景中，穩定幣總體排名第二，佔比33.2% 。
假設有一個供應鏈代理，其程序設定爲優化物流成本並向國際貨運供應商付款。使用傳統的法幣結算方式，該代理會面臨週末結算延遲和反覆的貨幣兌換費用。然而，如果使用穩定幣進行結算，該代理即可執行即時、可編程的跨境支付，從而增強供應鏈的韌性。
與此同時，支撐該系統的核心資金庫將其長期資本以比特幣形式存儲，以降低貶值風險和交易對手風險。這種儲蓄資產與消費資產之間的隱性劃分，反映了許多人類投資者對待數字貨幣的方式。
部署自主系統給供應商管理和人工智能財務管理增加了新的複雜性。模型的財務推理能力是其原始智能、訓練語料庫和調整方法共同作用的結果。
不同供應商的偏好差異顯著。研究發現，在Anthropic 的 Claude Opus 4.5中，比特幣的選擇率高達91.3% ，而在OpenAI 的 GPT-5.2中，這一比例卻驟降至18.3% 。這些差異表明，人工智能供應商的選擇會直接影響智能體如何評估風險、選擇價值儲存資產以及分配資金。
然而，如果一家公司實施某種特定的大型語言模型來實現自動化投資組合管理或採購，其IT和財務團隊必須瞭解其中隱含的財務偏差和默認假設。否則，看似中立的自動化可能會導致意想不到的風險敞口或特定資產的集中。
該研究還揭示了模型在資源估值方面出乎意料的行爲。在86個不同的響應中，系統獨立地提出使用計算單元或能源指標（例如GPU小時和千瓦時）作爲商品和服務定價的參考單位。管理這種抽象的價值交換需要高度成熟的數據和強大的計量基礎設施。
隨着這些研究成果的傳播，各機構被鼓勵嘗試使用穩定幣支付風險較低的供應商款項和運營費用。報告指出，市場對支持人工智能代理的比特幣原生支付基礎設施、機構級自託管解決方案以及閃電網絡連接的需求日益增長。
對開放、無需許可網絡的重視意味着，僅僅依賴傳統銀行系統可能會限制下一代自主工具的能力。此外，延遲升級的公司可能會落後於那些人工智能代理能夠與數字資產軌道原生交互的競爭對手。
該研究認爲，領導者現在就應該開始設計符合規範的數字資產網絡網關，而不是等待全面自動化。儘管如此，這一轉型必須與現有的監管義務、網絡安全政策和內部風險框架保持一致，以避免治理盲點。
在實踐中，這可能包括試點項目，例如整合自託管解決方案，以及探索閃電網絡集成，以實現機器間高頻、低價值的交易。隨着法律和技術標準的日趨成熟，企業可以逐步將這些試點項目擴展到生產系統中。
最終，研究表明，隨着人工智能代理獲得更大的經濟自主權，它們對比特幣和穩定幣等數字資產的偏好將推動企業對其金融體系進行現代化改造。通過投資靈活的數字資產基礎設施，企業領導者可以保持其平臺的競爭力，因爲軟件正開始更直接地參與全球市場。