一個由 35 名成員組成、包括 Theta Labs 技術長 Jay E. Long 在內的研究團隊在 9 日發表的 arXiv 論文中表示，AI 輔助工作流程將攻擊用於比特幣和以太坊簽名的 secp256k1 橢圓曲線所需的一項關鍵量子資源估算降低約一半。

該論文題為 用於最佳化 Shor 演算法橢圓曲線點加法的開放式自動化研究。研究人員表示，該研究將 Q*T 指標從 29.93 億降至約 14.96 億。研究重點是最佳化點加法的量子電路；點加法是在嘗試從 secp256k1 橢圓曲線復原私鑰時會重複執行的步驟。

該曲線是比特幣以及以太坊所使用數位簽名的基礎。論文稱，這項改進來自「開放式自動化研究」方法，即人類研究人員與 AI 代理協作以完善結果。Shor 演算法廣為人知，是一種量子運算方法，能比傳統系統快得多地解決當今大部分公開金鑰密碼學背後的數學問題。

這項進展應被視為對估算量子資源的理論性降低，而非比特幣網路運作的改變。現有佐證材料並不支持 AI 已直接降低比特幣原生密碼學工作負載或改變網路共識規則的說法。該論文探討的反而是針對廣泛使用簽名機制之潛在未來量子攻擊模型的效率。

從市場角度看，關鍵細節仍未明朗，包括該結果與其他基準估算相比如何，以及目前量子硬體距離實際測試此類攻擊所需規模還有多遠。論文發表於 arXiv 也意味著它是預印本，而非經同行評審的正式標準。

重要性何在

這項研究之所以重要，是因為它縮小了理論量子攻擊與主要區塊鏈所使用密碼學之間的一部分差距。即使不存在即時的營運威脅，降低破解 secp256k1 所需資源估算的研究，仍與仰賴數位簽名安全長期信心的比特幣、以太坊、託管機構及錢包供應商相關。

它也增添了市場密切關注的第二個主題：AI 開始不僅影響交易、挖礦和基礎設施營運，也影響敏感安全領域的技術研究。這可能加快密碼學分析的步伐，並提高市場對加密貨幣系統最終何時需要更強後量子防護的關注。