Kathleen Wrynn

Kathleen Wrynn 是跨国资产管理公司景顺（Invesco Ltd.）的数字资产全球主管，因其在推动金融服务领域数字资产战略方面的关键作用而闻名。Wrynn 在区块链技术和资产管理方面拥有资深背景，曾先后在摩根大通（JPMorgan Chase）和德意志资产管理（DWS Group）担任领导职务，专注于数字资产计划和区块链应用。^{[1] [2]}​

早年生活与教育

Kathleen Wrynn 的基础教育在布兰迪斯大学（Brandeis University）完成，她在那里获得了国际与全球研究学士学位，随后在布兰迪斯国际商学院获得了国际经济与金融硕士学位。这些学术追求为她在金融和技术创新领域（特别是区块链行业）采用成熟的方法奠定了基础。^[2]​

职业生涯

西北互助（Northwestern Mutual）

2007年6月至2007年8月，Kathleen Wrynn 在纽约大都会区的西北互助银行担任财务顾问实习生，这为她后来从事数字资产工作奠定了基础。

德意志银行（Deutsche Bank）

Wrynn 通过分析师培训计划加入德意志银行，并于2008年6月至2009年11月担任实习生。

2009年11月至2014年3月，她担任资产管理部数字营销经理。2014年4月至2016年1月，她在资产与财富管理部首席知识办公室工作。2016年2月至2018年3月，她担任指数投资部首席运营办公室副总裁。

德意志资产管理（DWS Group）

Wrynn 于2018年3月至2022年9月在 DWS Group 工作，在资产管理运营、产品战略和数字产品部门任职。

2018年3月至2019年8月，她担任主动与被动资产管理部首席运营办公室副总裁。2019年9月至2020年8月，她担任产品战略与开发副总裁。2020年8月至2022年4月，她担任产品部美洲区首席运营官总监。2021年10月至2022年9月，她担任产品部全球数字产品总监。

摩根大通（JPMorgan Chase & Co.）

Wrynn 于2022年9月加入摩根大通。2022年9月至2024年4月，她担任首席技术官办公室分布式账本技术（DLT）战略负责人、执行董事。她的工作包括与分布式账本技术和区块链计划相关的战略，包括开发 Web3 生态系统产品。

2024年4月至2025年6月，她担任全球技术战略执行董事。

LWT

自2023年7月起，Wrynn 担任 LWT 的董事会成员。

AI 2030

2024年1月至2025年6月，Wrynn 担任 AI 2030 Web3 董事会成员。

景顺（Invesco Ltd.）

自2025年6月起，Wrynn 担任景顺（Invesco Ltd.）驻纽约的董事总经理兼数字资产全球主管。她的职责包括监督公司的数字资产活动，包括价值16亿美元的加密货币 ETF 和代币化资产组合。她的角色还包括与景顺基金代币化相关的工作，以及将加密货币投资策略纳入公司的资产管理活动中。

在任职期间，景顺与 Superstate 合作开展了投资产品的代币化以及在基金管理中使用链上基础设施。Wrynn 还参加了行业活动，包括巴黎区块链周峰会的会议以及探讨代币化和资本市场变化的专题讨论。

世界经济论坛（World Economic Forum）

自2025年10月起，Wrynn 担任世界经济论坛数字资产指导委员会成员。

Nicsa

自2025年10月起，Wrynn 担任 Nicsa 数字资产委员会联席主席。

专业认证

Wrynn 持有区块链理事会（Blockchain Council）颁发的认证 Quorum 开发人员、认证区块链专家™、认证 DeFi 专家™ 和认证 NFT 专家™ 认证。她还完成了沃顿商学院在线课程的区块链与数字资产经济学课程，以及麻省理工学院斯隆管理学院的区块链技术课程。^{[1] [2] [3] [4] [5] [6] [7]}

采访

AI 与区块链的融合 #01

2024年8月22日，摩根大通执行董事兼首席技术官战略咨询小组成员 Kathleen Wrynn 在 AI4 YouTube 频道发布的采访中讨论了人工智能（AI）与区块链技术的融合。在演讲开始时，Wrynn 表示所表达的观点仅代表其个人，不代表摩根大通。

Wrynn 将 AI 和区块链描述为功能不同但互补的技术。AI 可以处理大量数据、识别模式和异常、支持决策并自动化工作流程。区块链为记录和共享数据提供了分布式基础设施，具有加密验证、可追溯性、可审计性和抗篡改性等特征。Wrynn 认为，结合这些功能可以应用于数据管理、自动化和业务流程。

演讲探讨了 AI 与区块链互动的三个领域：智能合约自动化、AI 相关参与的代币化和激励，以及零知识机器学习。在智能合约的背景下，Wrynn 描述了使用 AI 执行诸如分析区块链数据、检测潜在欺诈、自动化谈判以及根据预定义条件支持决策等任务。讨论的示例包括供应链管理、患者记录管理和保险相关流程。

Wrynn 还谈到了在去中心化 AI 系统中使用代币化。在这种情况下，基于区块链的代币可用于补偿为 AI 模型开发贡献数据或计算资源的参与者。她提到联邦学习、数据交换和治理机制是基于代币的系统可以应用的领域。代币化被描述为将资产或其他价值项转换为数字资产，其所有权可以在区块链上进行追踪。

讨论的另一个领域是零知识机器学习。Wrynn 解释说，零知识证明允许一方在不披露基础数据的情况下验证信息。应用于机器学习时，这种方法可用于处理或验证私人数据集，同时限制对基础信息的访问。她描述了三种应用：隐私保护机器学习、模型训练中使用的数据集验证，以及检查在云基础设施等环境中运行的机器学习模型完整性的机制。

演讲还指出了与 AI 和区块链结合相关的若干技术和运营限制。这些包括两种技术的计算要求、区块链交易吞吐量的限制、基础设施和实施成本、区块链网络与 AI 平台之间的互操作性，以及用于 AI 模型开发的合适数据的可用性。Wrynn 指出，区块链可以提供数据完整性和透明度的机制，但 AI 系统的有效性仍然取决于用于训练的数据质量。

在最后一部分，Wrynn 将 AI 和区块链置于更广泛的技术栈中。她将区块链描述为数据和分布式计算层的一部分，将 AI 描述为逻辑和认知计算层的一部分。她还将物理和空间计算技术（包括增强现实、虚拟现实和物联网）描述为界面层的组成部分。因此，演讲将这些技术的融合框架化为分布式数据基础设施、计算智能以及数字或物理界面之间的互动。^[7]