一个由35名成员组成、包括西塔实验室（Theta Labs）首席技术官杰伊·E·朗的研究团队在9日发表的一篇arXiv论文中表示，AI辅助工作流程将攻击用于比特币和以太坊签名的secp256k1椭圆曲线所需的一项关键量子资源估算降低了约一半。

该论文题为用于优化肖尔算法椭圆曲线点加法的开放式自动化研究。研究人员称，其将Q*T指标从29.93亿改善至约14.96亿。该研究聚焦于优化点加法的量子电路；点加法是在尝试从secp256k1椭圆曲线恢复私钥时反复执行的步骤。

该曲线支撑着比特币以及以太坊所使用的数字签名。论文称，这一改进来自一种“开放式自动化研究”方法，即人类研究人员与AI智能体合作完善结果。肖尔算法广为人知，是一种量子计算方法，能够比经典系统快得多地解决当今大部分公钥密码学背后的数学问题。

这一进展应被理解为对预估量子资源的理论性降低，而非比特币网络运行的变化。现有支持材料并不能证实AI已直接降低比特币原生加密计算负担或改变网络共识规则的说法。该论文探讨的实际上是针对一种广泛使用的签名方案的潜在未来量子攻击模型的效率。

从市场角度看，关键细节仍未明确，包括该结果与其他基准估算相比如何，以及当前量子硬件距离实际测试此类攻击所需的规模还有多远。论文发布于arXiv也意味着它是一篇预印本，而非经同行评审的正式研究成果。

重要性

该研究之所以重要，是因为它缩小了理论量子攻击与主要区块链所使用密码学之间差距的一部分。即使不存在迫在眉睫的运营威胁，任何降低破解secp256k1资源估算的研究，都与依赖数字签名安全长期可信度的比特币、以太坊、托管机构和钱包提供商相关。

它还增添了市场密切关注的第二个主题：AI正开始不仅影响交易、挖矿和基础设施运营，也影响敏感安全领域的技术研究。这可能加快密码学分析的速度，并提高人们对加密系统最终何时需要更强后量子防御的关注。