On-Chain Credit Score

傳統信用評分（FICO）依賴三個核心要素：身份綁定（你的信用分和你的社會安全號碼/身份證不可分割）、時間積累（信用記錄越長越好）、行為追蹤（按時還款、負債率等）。鏈上信用評分試圖在保持假名性的同時實現類似的功能，但每個要素都面臨挑戰：身份綁定：以太坊地址可以隨時新增，沒有身份綁定機制（除非主動連結 ENS 或 Worldcoin 等身份系統）；時間積累：新地址沒有歷史記錄，遷移到新地址等於重置；行為追蹤：鏈上行為可驗證，但攻擊者可以用小量資金「表演良好行為」，然後在信用額度夠高後跑路。目前最成熟的鏈上信用評分方案是 Goldfinch 的 Pool Delegate 模型——把信用評估外包給有業務背景和利益衝突機制的機構（Pool Delegate），而不是純粹依賴算法分析鏈上行為。

Spectral Finance 的 MACRO Score 是目前最系統化的個人鏈上信用評分嘗試，值得深入了解其方法論。MACRO Score 的計算維度（5 個）：借款信用歷史——是否有過清算記錄（有清算 = 信用減分）；抵押品健康度——歷史上的 LTV 管理是否保守（平均 LTV 越低越好）；流動性——持有資產的多樣性和穩定性（長期持有多種優質資產 = 加分）；DeFi 活動深度——和多少不同的 DeFi 協議互動（廣泛參與 = 加分）；資產品質——持有的代幣組合的整體品質（持有垃圾代幣 = 減分）。MACRO Score 的範圍：0-1000，類似 FICO Score 的邏輯，越高越好。MACRO Score 的侷限：MACRO Score 目前只是作為「風險信號」被部分 DeFi 協議考慮，還沒有被任何主流協議作為「降低抵押要求」的主要依據；女巫攻擊問題讓評分系統無法完全信任；評分操縱（刻意在鏈上做出好行為以拉高評分，然後借款後跑路）是真實風險。

Goldfinch 的機構信用評估模型和 Spectral 的個人地址評分是兩種完全不同的路徑，代表了鏈上信用評分當前最成熟的兩個方向。Goldfinch 的 Pool Delegate 路徑（機構信用）：不評分個人地址，而是評估機構借款方（東南亞微型貸款機構、拉美小企業）；Pool Delegate 使用傳統信用分析工具（財務報表、業務模式、歷史違約率）評估機構信用；信用評估結果上鏈（哪些機構通過、哪些 Pool Delegate 的歷史表現），但評估過程本身是鏈下的人工判斷；這個模型的優點是信用評估有真實的業務依據，不受女巫攻擊影響（攻擊一個真實的機構借款方需要真正的欺詐，難度更大）。Spectral 的個人地址路徑：純鏈上算法評分，嘗試無需人工介入地評估個人地址；優點是去中心化、可擴展；缺點是女巫攻擊防禦弱、評分操縱風險高。對 RWA 投資者的意義：Goldfinch 的機構信用模型目前更可靠，適合作為 RWA 投資組合中私人信貸的底層信用評估機制；Spectral 的個人評分是更遠期的方向，目前不是可以依賴的機制。

鏈上信用評分在 2027-2030 年最可能的發展路徑。最近期（2027）：Worldcoin 或類似的生物識別身份系統（用虹膜掃描唯一識別真實人類）和鏈上信用評分整合——讓「一個人=一個地址」成為可驗證的事實，從根本上解決女巫攻擊問題。代價是嚴重的隱私犧牲。中期（2028-2029）：AI 輔助的混合信用評估——AI 分析企業的財務報表、鏈上行為和行業數據，生成補充的信用評估報告，讓機構信用評估部分自動化，降低 Pool Delegate 的人工成本。長期（2030+）：零知識信用證明（ZK Credit Proof）——你向智能合約提交一個「我的信用分高於 700」的零知識證明，合約驗證後給你信用額度，但合約不知道你具體的分數或身份。這讓「有信用評分但保持匿名」成為可能。技術上可行，但需要整個信用評分系統的基礎設施重建，是 2030 年後的事情。