发布日期：2026 年 7 月 23 日 · 币贝研究院
关于这一主题的延伸研究，参见币贝研究院《加密货币市场的羊群效应与激励错位研究》。
执行摘要
链上数据是化名的、而非匿名的，而这个单一区分是每一套巨鲸追踪与聪明钱策略的基础。每一笔交易都公开且永久，故挑战从来不是看见什么在移动、而是知道谁在移动它——而到 2026 年，这道鸿沟已大体合拢。Arkham Intelligence 与 Nansen 这类平台把真实世界的实体标签贴到数百万个地址上，其中 Arkham 的 AI 驱动引擎专攻把地址去匿名化成有名的风投基金、做市商与个体巨鲸，而 Nansen 标注钱包、并推出一个追踪历史上盈利交易模式地址的"聪明钱"仪表盘 [1][2]。为这一切供能的区块链分析市场在 2026 年达到约 17.6 亿美元，而 AI 如今自动做着两年前没有任何人类分析师能做的事：把相关钱包大规模聚类成单一实体 [3][4]。原始账本已变成一张"谁在做什么"的被标注地图。
但一张被标注的地图，只有配上一门读它的纪律才有用，因为揭示一头巨鲸的同一份透明，也让操纵者伪造出分析师所跟随的信号。本报告把这门纪律建成一套钱包实体分类与法证检测框架，分四部分。第一是分类本身——把一个地址归入决定其行为意味着什么的实体类型，因为一笔来自交易所、风投基金、协议金库、聪明钱钱包与洗量者的大额转账，是五个穿着同一件链上外衣的、完全不同的信号。第二是聚类——把许多地址连到一个控制方的启发式，没有它，一个跨十个钱包移动的单一实体看起来像十个独立决定。第三是一份建立在"把真实活动与制造出的成交量分开"的法证启发式之上的洗量检测记分卡。第四是一份持有集中度与交易所流读数，把一枚代币的分布与其交易所流的方向变成一份意图声明。
其影响并非纸上谈兵。Chainalysis 在其 2025 年分析里识别出主要链上约 25.7 亿美元的疑似洗量，而其法证方法被估计 85% 的美国执法机构所依赖——这意味着抓罪犯的同一套技术，正是一个严肃分析师为避免被伪造的链上信号所骗而必须使用的 [6][11]。合起来读，四个组件把公开账本从一串看似匿名的转账，变成一张关于实体、意图与操纵的可读地图。此处一切均为教育性分析，而非投资建议。
第一部分 · 化名而非匿名：标注作为基础
对区块链究竟揭示什么保持精确，是其余一切的基础。一个区块链地址不是一个名字，但它也不是一个秘密：它曾做过的每一笔交易都公开且永久，而足够多的公开行为，最终会像指纹一样确凿地识别出地址背后的行为者。这正是整个追踪产业所建立于其上的属性——链是化名的，而化名可以通过把链上模式与链下信息（一次被标注的交易所存款、一次公开的风投投资、一个被起底的创始人钱包）交叉引用而被去匿名化。Arkham 的核心产品恰是这个：一个把真实世界实体标签贴到地址上的 AI 驱动算法引擎，让一个分析师直接查看一家有名风投或做市商的组合，而 Nansen 在数百万个钱包上维护标签，使一笔大额交易读起来不是"一个未知地址移动了资金"、而是"这家特定的基金、协议、或交易所干的"[1][2]。
其后果是原始的看地址已被看实体所取代，而两者不是同一项技能。跟随一个未标注的巨鲸地址告诉你一个大持有者在做某事；跟随一个被标注的实体告诉你哪一类持有者在做它，而这正是噪声与信号之别。自动化在此与标注同等重要：平台如今以两年前对人类分析师都不可能的规模，聚类相关钱包、并浮现关系与交易模式，故一个分析师的工作已从手动拼凑钱包簇，转向解读工具产出的实体地图 [4]。但那一转变造出它自己的陷阱——标签只与其背后的推断一样好，而标签与它们所附着的行为都能被操弄，这正是为何框架的其余部分既关乎跟随信念、也同等关乎检测欺骗。基础说来简单、却易被忘记：链上是一份化名实体的公开记录，而整场博弈就是把化名变成实体、把实体变成意图。
第二部分 · 钱包实体分类
第一个分析组件是一套分类，因为同一个链上动作依执行它的实体不同而意味着相反的事，而误分类行为者是最常见、也最昂贵的追踪错误。一笔大额代币转账在你知道它来自交易所、风投基金、做市商、协议金库、聪明钱钱包、还是洗量者之前，都不是一个信号——六个实体类型，对同一笔交易有六种不同的含义。一个移动代币的交易所钱包通常是运营性的（热钱包管理、用户流），故其转账多为噪声，除非被读作聚合的流入或流出。一个在解锁附近移动代币的风投基金或早期投资者，是潜在供应打向市场。一个循环库存的做市商在提供流动性、而非表达观点。一个协议金库——可识别，因为它接收协议费、持有治理代币、资助开发、且常运行多元化的收益耕作持仓——移动资金可能是运营支出或一次治理导向的行动、而非一次市场判断 [9]。一个由历史盈利交易战绩所定义的聪明钱钱包，移动进一个持仓，是交易者真正想跟的信号 [2][15]。而一个生成成交量的洗量者是一个被设计来欺骗的信号，第四部分被造来抓它。
分类所强制的纪律是：分类永远先于解读。链上分析里最有用的单一习惯，是拒绝在任何大额交易背后的实体被识别之前去读它，因为同一笔流——比如一千万枚代币离开一个钱包——是看涨、看跌、还是毫无意义，完全取决于那钱包是一个在获利了结的聪明钱吸筹者、一个在资助拨款的金库、一个在再平衡的交易所、还是一个在循环库存的做市商。标注平台自动做了大部分这种分类，但分析师仍必须验证标签、且关键地理解每个实体类型的行为签名，因为那签名正是让一个标签可信的东西：交易所显示特征性的冷/热模式，金库显示收费与治理活动，做市商显示高频双边流，而聪明钱显示一份盈利的历史记录。当一个钱包的行为与其标签的签名相符，标签就可信；当它不符，标签——或分析师对它的读法——就是那个该被质疑的东西。
第三部分 · 聚类：从地址到实体
分类假设你能分辨哪个实体拥有一个地址，而那个假设建立在框架最技术性的组件之上：地址聚类。一个单一行为者几乎从不从一个钱包运营——一个基金、一个交易所、或一头巨鲸把活动摊在许多地址上，无论是为了运营安全、为了模糊其足迹、还是仅仅作为使用许多服务的副产品——故把每个地址当作一个独立行为者，会系统性地错数真实参与者的数量与其真实的持仓大小。聚类是把多个钱包连到一个控制实体的那套启发式，也是把"十个地址各买了一点"变成远更有意义的"一个实体跨十个钱包吸了一个大持仓"的东西 [1][4][10]。地址聚类把钱包连到一个控制实体，而交易图分析把它们之间的资金流可视化，这与追踪欺诈中循环流的是同一项技术 [10]。
聚类启发式是推断性的，而理解它们正是让分析师能判断一个簇该被信任多少的东西。反复从一个共同源头出资、以协调时机移动、只彼此互动、或共享行为指纹的钱包，被推断属于一个行为者——而聚类一家合法基金钱包的同一批信号，也聚类一个操纵者的，这正是为何聚类是实体追踪与欺诈检测之间的桥。这恰是为何自动化是双刃的：AI 聚类以人类不可能的规模浮现关系，但它也产出假阳性——两个恰好共享一个出资交易所或一个共同对手方的独立钱包，可能被错误地聚到一起，虚增一个实体的表观大小、或伪造一个并不真实的连接 [4]。因此框架的纪律是把一个簇当作一个带置信水平的假设、而非一个事实：一个建立在许多强、独立信号（共享出资、协调时机、排他互动）之上的簇是高置信的，而一个建立在单一弱信号（一个数百万人使用的共享交易所）之上的是低置信的、绝不可被读作一个单一行为者。聚类是让分类可操作的东西，但只有在其推断本质被尊重时。
第四部分 · 洗量检测记分卡
第三个组件把同样的聚类与行为分析转向其最重要的防御性用途：检测制造出的成交量，因为一套无法分辨真假活动的巨鲸追踪框架比无用更糟——它跟随的正是一个操纵者种下的信号。洗量，即同一行为者身处一笔交易的两侧以制造无真实经济转移的人为成交量，并不罕见：Chainalysis 在其 2025 年分析里识别出主要链上约 25.7 亿美元的疑似洗量，而检测它的链上法证已成熟成一份具体的记分卡 [6]。由 Chainalysis 形式化的经典启发式是具体且可核对的：一个地址在约 25 个区块内（约五分钟）执行一次买入和一次卖出、两者间美元量差小于 1%（表明无有意义的盈利动机）、且单个地址在研究期内执行三次或更多这样的往返交易 [5]。每个条件单独都弱；合起来，它们描述了一种有交易之形、却无交易之经济实质的活动。
在时机—规模启发式之外，框架叠上法证调查者所用的结构性暗示，因为老练的洗量会摊到多个钱包上以躲过单地址测试。来回对倒——钱包 A 卖给钱包 B、然后 B 卖回给 A——制造无净持仓变化的成交量，且在交易图分析里作为循环流可见 [7][10]。共用出资源头——"买方"与"卖方"钱包都从同一源头出资——是"一个单一行为者控制两侧"的最强暗示之一 [7]。而最活跃钱包核对——识别生成最多成交量的钱包、并测试它们是否是反复彼此交易的同一批地址——抓住了一个逐地址测试所错过的协同洗量团伙 [7]。诸如面向 ERC-20 代币的链上洗量检测系统这样的学术工作，已把这些模式大规模量化，而实用产出是一份记分卡：对任一代币或钱包簇，满足了多少这些条件，告诉你有多少"成交量"是真的 [14]。框架把一个高洗量分数不当作一条小注意事项、而当作一个取消资格项，因为一枚成交量被制造的代币，在其他三个组件里没有任何可靠信号——集中度、流、与聪明钱活动全都被假交易扭曲了。
第五部分 · 持有集中度与交易所流
第四个组件读两个实体地图使之可读的聚合信号：一枚代币的所有权有多集中、以及它相对于交易所朝哪个方向流。集中度是那份结构性风险读数——分析师检查持有者间的分布，因为一枚顶部钱包控制大部分供应的代币是可操纵且脆弱的，配一条粗略的行业线：若前 10 个钱包持有超过 90% 的供应，操纵潜力就高，因为那些持有者能随意移动价格 [8]。但集中度只有在聚类之后才有意义，因为看着独立的十个钱包可能是一个实体，而真实集中度是被聚类的分布所显示的、而非原始地址列表——一枚看着跨 10,000 个地址去中心化的代币，若聚类揭示少数实体控制那些地址的大多数，就可能危险地集中 [8][10]。在未聚类地址上读集中度会系统性地低估真实风险。
交易所流是那份意图读数，那个把运营性交易所转账从噪声变成信息的聚合信号。流入交易所的代币在定位待卖——在订单簿上积累为潜在供应——而流出交易所进入私人钱包的代币暗示吸筹与持有意图，把供应从立即可卖的池子里移走 [13][16]。在单笔转账层面读这是噪声，但在聚合层面读——一个窗口上的净交易所流入对流出——它是链上分析里较干净的方向信号之一，因为它捕捉了持有者朝向或远离"卖出能力"移动的集体决定。两个读数组合：一枚（聚类后）高度集中、且显示大额净流入交易所的代币，是一枚其少数大持有者正定位着"卖进任何存在的需求"的代币——那个最常先于一次大持有者退出的链上配置。集中度告诉你谁能移动价格；交易所流告诉你他们朝哪个方向倾；而只有那张被聚类、被标注的实体地图让任一读数可信。
第六部分 · 读聪明钱 对 噪声
框架最被求索的用途是跟随聪明钱——那些有历史盈利交易战绩、被 Nansen 这类平台浮现的钱包——但这里的纪律是知道那个信号能与不能做什么。一个聪明钱标签是一份关于过去的声明：这个钱包曾盈利，这是真实信息，因为技能与门路在某种程度上会持续，而一个持续早早进入好持仓的钱包，比一个随机地址更值得看 [2][15]。框架的四个组件让聪明钱读数可信、而非天真：聚类确认聪明钱钱包是一个单一真实行为者、而非一份摊在协同钱包上的伪造战绩；洗量记分卡确认其利润来自真实交易、而非制造出的；实体分类确认它是一个独立交易者、而非一个"利润"是价差的做市商；而集中度读数确认其持仓相对于代币是有意义的。一个挺过全部四道核对的聪明钱信号，远比一个原始的"盈利钱包"标签值钱得多。
但框架对这个信号的局限同样清楚，因为跟随聪明钱本质上是反身性的。一个钱包被公开标注为聪明钱的那一刻，它的动作就被盯、被抢跑，故让它盈利的那份优势随它变得为人所知而侵蚀——最被跟随的聪明钱钱包，最不可能仍拥有优势，恰因为人人都在抄它 [2]。更糟，一个知道自己钱包被标注的老练行为者能利用跟随者，在一个未标注钱包里安静吸筹、同时在被标注的那个里做出可见的动作以诱导人群。因此框架的纪律是把聪明钱标签当作一个调查的起点、而非一个可抄的交易信号：价值在于理解为何一个熟练实体以某种方式定位——它可能知道什么市场尚未定价——而非在它的交易已经公开、已经被数千人抢跑之后机械地镜像它。聪明钱是一条待调查的线索、被其他三个组件验证；它绝非一个可盲跟的信号。
第七部分 · 局限与诚实的失效模式
一个法证框架靠指明它做不到什么来赢得信任，而链上情报有锋利的局限，恰因为它在每一步都是推断性的。最大的是标签与簇是假设、而非事实：一个实体标签是从公开行为与链下数据得来的推断，能是错的、过时的、或被刻意伪装的，而一个钱包簇是一个概率性分组，能错误地合并独立行为者、或拆开一个单一的。在一个被误标的钱包或一个假簇上搭起一个论点，是老练的链上分析出错的最常见方式，而让标注可规模化的自动化也让它的错误可规模化——一个错标传播到每一个使用该平台的分析师。
另有四条局限值得像框架一样醒目。对抗性操弄：框架所读的每一个信号都能被制造——洗量伪造成交量、协同钱包伪造去中心化、一个被标注钱包能被用来诱饵跟随者，而一个理解这些启发式的行为者能专门构造链上行为来骗它们，故分析师永远与"知道自己正被盯着"的对手方处于一场博弈 [5][7]。隐私工具与跨链缺口：混币器、隐私协议、跨链桥与中心化交易所内部转账打断交易图，故一个实体能刻意斩断线索，而跨链或穿过一个交易所的综合钱包聚类往往不可能 [10]。反身性：最有价值的信号——一次聪明钱入场、一次巨鲸吸筹——在它们公开且被跟随的那一刻失去优势，故框架最好的产出与其名气成正比地自我瓦解 [2]。"为何"不可见：链上数据展示一个实体做了什么、从不展示为何，故分析师永远供上那份解读，而被观测的交易与其真实动机之间的差距，正是大多数错误论点栖居之处。作为一门把公开账本变成实体地图、并检测种在其中的操纵的纪律，框架是锋利的；作为对任何单一行为者意图之确定性的来源，它是一个对着对手的推断。
结论 · 从地址到意图
链上分析奖赏那个把账本当作化名而非匿名、并建起一门"把地址变成实体、把实体变成意图"纪律的分析师。链展示一切、却藏起谁；标注与聚类合拢那道鸿沟，把一串转账变成一张有名行为者的地图，但只有在标签被验证、簇被当作有置信的假设而非事实时 [1][4][10]。在那张地图上，钱包实体分类决定每个动作意味着什么，洗量记分卡把真实活动与"否则会腐蚀每一次读数的约 25.7 亿美元制造成交量"分开，集中度与流分析把所有权与交易所方向变成"谁能移动价格、他们朝哪个方向倾"的声明，而聪明钱读数——被其他三个验证——指向值得调查的实体 [6][8][13]。组合起来，四个组件把公开账本从一串不透明的流，变成一张关于"谁在做什么"的可读、且可辩护的地图。
这些判断所依托的更深层基元——地址聚类实际上如何推断共同控制、交易所冷热钱包架构如何塑造流信号、以及洗量与协同钱包的机制实际上如何制造框架必须检测的模式——每一个都值得单独理解，因为一次链上读数只与分析师对"正被观测与被操弄的机制"的把握一样好。把框架当作一门分类实体、检测操纵、并从公开账本读意图的纪律，绝不当作对动机之确定性的来源，并始终觉知：每一个值得跟随的信号，也是一个对手能种下的信号。
参考资料
[1] Startupik, Arkham Intelligence vs Nansen: Which Wallet Tracking Tool Is Better?（Arkham AI 驱动实体标注与去匿名化；Nansen 钱包标签）。 startupik.com
[2] Nansen, Smart Money 仪表盘与钱包标注（数百万钱包上的标签；追踪历史盈利钱包）；KuCoin, Top 5 Free Tools to Track Smart Money in Real-Time in 2026。 nansen.ai
[3] 区块链分析市场在 2026 年估值约 17.6 亿美元（赛道规模语境，见追踪工具分析援引）。 startupik.com
[4] Cryptowisser, Advanced On-Chain Analysis: Wallet Tracking & Smart Money Flows, 2026-03（自动化 AI 钱包聚类，大规模浮现关系）。 cryptowisser.com
[5] Chainalysis, Crypto Market Manipulation 2025: Suspected Wash Trading, Pump and Dump（洗量启发式：约 25 个区块内买+卖、美元量差 < 1%、单地址 3+ 次往返）。 chainalysis.com
[6] Chainalysis, 2025 分析：主要链上约 25.7 亿美元疑似洗量。 chainalysis.com
[7] FinanceFeeds, Detecting Crypto Wash-Trading Patterns Using On-Chain Signals；Crypto Trace Labs, What Are Wash Trading Patterns and How Do Investigators Detect Them?（A↔B 来回对倒、共用出资源头、最活跃钱包核对）。 financefeeds.com
[8] DEXTools News, How to Use Bubblemaps to Spot Token Manipulation (2026)（持有集中度读数；前十 > 90% 供应作高操纵潜力）。 dextools.io
[9] Cryptowisser, Advanced On-Chain Analysis（金库识别：协议费接收、治理代币持有、开发资助、多元化收益耕作）。 cryptowisser.com
[10] Chainalysis, Address clustering and transaction-graph analysis（把钱包连到一个控制实体；把循环资金流可视化）。 chainalysis.com
[11] Chainalysis, Blockchain forensic capabilities（被估计 85% 的美国执法机构使用）。 chainalysis.com
[12] DEXTools News, How to Use Bubblemaps to Spot Token Manipulation (2026)（可视化钱包簇气泡图）。 dextools.io
[13] Ledger Academy, How to Track Crypto Whale Movements（交易所流入/流出作吸筹/派发信号）；Mintarex, On-Chain Whale Activity 2026。 ledger.com
[14] WTEYE: On-Chain Wash-Trade Detection and Quantification for ERC-20 Cryptocurrencies, ResearchGate（大规模学术洗量检测）。 researchgate.net
[15] Altrady, How to Track Crypto Whale Wallets & Smart Money (2026)（聪明钱定义为历史盈利钱包；追踪方法论）。 altrady.com
[16] Mintarex, On-Chain Whale Activity 2026: Reading Large Holder Moves（解读巨鲸吸筹与交易所流）。 mintarex.com
[17] Gate, How to Use On-Chain Data Analysis Tools to Track Active Addresses, Whale Movements, and Transaction Volumes in 2026。 web3.gate.com
[18] West Africa Trade Hub, Crypto Whale Tracker Guide 2026: Tools, Alerts & Strategies。 westafricatradehub.com
[19] AXE TAX, Whale Wallet Activity: Your Key to Smart Money Tracking in Crypto。 axe-tax.com
[20] Nadcab, How to Prevent NFT Wash Trading（洗量机制与检测策略）。 nadcab.com
方法论与披露：本报告综合了截至 2026 年年中的链上情报公开数据与从业文献（实体标注与聚类平台 Arkham 与 Nansen [1][2][4]；约 17.6 亿美元区块链分析市场 [3]；Chainalysis 洗量启发式与约 25.7 亿美元疑似洗量数字 [5][6][10][11]；结构性洗量暗示 [7][14]；持有集中度与 Bubblemaps 操纵读数 [8][12]；金库识别信号 [9]；以及交易所流解读 [13][16][17]）。钱包实体分类、聚类纪律、洗量检测记分卡、与集中度—流读数，是用于分类链上实体并检测操纵的、教育性的序数分析构造；图中所示钱包面貌为框架示意、而非真实实体，所引数字用以说明框架、而非识别任何具体行为者。此处一切均非评级、推荐或价格目标。
免责声明：本文为币贝研究院的教育性内容，仅供参考。它不构成投资、交易、税务或财务建议。链上标签与簇是可能出错的概率性推断。写作时点为 2026 年 7 月；标注数据、聚类方法与链上状况持续变化，请始终以最新的一手数据为准，并在做任何决定前自行研究。
