近期，a16z（Andreessen Horowitz）携手其旗下Apps、American Dynamism、生物科技、加密货币、增长、基础设施及Speedrun等团队的合伙人，共同梳理并发布了针对2026年技术领域潜在重大突破的“大想法”清单。
本文精选了其中关于加密货币板块的核心观点，涵盖智能代理与人工智能（AI）、稳定币、资产通证化与金融重构、隐私安全以及预测市场等多个维度。若需查阅完整的科技前景分析，请参阅原文。
构建未来
交易平台只是起点，而非终点
当前，除稳定币和部分底层基础设施外，绝大多数表现优异的加密企业已转型或正朝着交易平台方向演进。然而，倘若“每家加密公司都沦为交易平台”，最终后果是什么？同质化的激烈竞争不仅会稀释用户注意力，还可能导致市场仅剩少数寡头。那些急于转向交易业务的公司，或许因此错失了打造更具竞争力且持久商业模式的良机。
我深知创始人在维持公司财务健康方面的艰辛，但盲目追求短期的产品市场契合度（Product-Market Fit）往往伴随高昂代价。在加密行业，这一现象尤为显著，因为围绕通证和投机的独特生态常诱导创始人陷入“即时满足”的陷阱，如同面对一场“棉花糖测试”。
交易本身并非错误——它是市场运作不可或缺的一环——但它不应被视为终极目标。那些深耕产品本质、以长远视角寻求产品市场契合点的创始人，更有可能成为最终的赢家。
– Arianna Simpson，a16z 加密团队总合伙人
关于稳定币、RWA 通证化、支付与金融的新思考
用更贴近加密原生的方式思考现实世界资产（RWA）通证化与稳定币
我们观察到，银行、金融科技公司及资产管理机构对将美国股票、大宗商品、指数等传统资产上链表现出浓厚兴趣。然而，随着传统资产大规模涌入区块链，其通证化路径往往呈现“拟物化”特征——即沿袭现有现实世界的资产概念，未能充分释放加密原生特性。
相比之下，永续合约（perpetual futures，简称 perps）这类合成资产形态能提供更深厚的流动性，且实现逻辑更为简洁。永续合约还提供了易于理解的杠杆机制，堪称目前最契合加密市场需求原生衍生品。新兴市场股票或许是极具潜力的资产类别之一，值得尝试“永续化”（perpify）。例如，部分股票的“零到期日”（0DTE）期权市场流动性甚至深于现货市场，这为“永续化”实验提供了有力支撑。
归根结底，核心在于“永续化 vs。 通证化”的战略选择；无论结果如何，我们有理由期待在未来一年见证更多加密原生的现实世界资产通证化实践。
与之类似，2026年的稳定币领域也将涌现更多“发行层面的创新”，而不仅仅是简单的通证化映射。稳定币已在2025年确立主流地位，其发行量持续攀升。
然而，缺乏强大信用基础设施支撑的稳定币更像是“窄银行”（narrow banks），即仅持有特定高流动性且被视为极安全的资产。尽管窄银行模式行之有效，但我认为它难以成为链上经济的长期支柱。
我们已目睹许多新兴资产管理者、策展人和协议开始推动基于链上的资产抵押贷款，这些贷款以链下抵押品为担保。通常，此类贷款先在链下生成，随后进行通证化。然而，我认为这种先线下后线上的通证化优势有限，主要价值仅在于向既有的链上用户分发。因此，债务资产应直接在链上生成，而非依赖链下产出后的通证化。链上直接生成债务资产可降低贷款服务成本、简化后台架构并提升可访问性。目前的挑战集中于合规性与标准化，但开发者们正积极攻克这些难题。
– Guy Wuollet，a16z 加密团队总合伙人
稳定币推动银行核心账本升级，开辟全新支付场景
如今，多数银行仍运行着令现代开发者晦涩难懂的老旧系统：早在20世纪60年代和70年代，银行业便成为大型软件系统的早期采纳者。至80和90年代，第二代核心银行软件应运而生（如Temenos的GLOBUS和InfoSys的Finacle）。然而，这些软件日益老化，升级步伐迟缓。因此，银行业诸多关键核心账本——记录存款、抵押品及其他义务的关键数据库——依然依托使用COBOL编程语言的主机计算机，依赖批处理文件接口，而非现代API。
全球大部分资产仍存储在这些历经数十年考验的核心账本中。尽管这些系统经受了时间检验，获得监管机构信任，并深度嵌入复杂银行业务，但它们也已成为创新的桎梏。例如，添加实时支付等关键功能可能耗时数月乃至数年，还需克服大量技术债务和复杂的监管壁垒。
这正是稳定币发挥作用的契机。在过去几年间，稳定币成功找到产品市场契合点并进入主流金融视野。今年，传统金融（TradFi）机构更是以前所未有的姿态接纳稳定币。稳定币、通证化存款、通证化国债及链上债券等金融工具，使银行、金融科技公司和金融机构得以开发新产品并触达更多客户。更重要的是，这些创新无需迫使机构重写其遗留系统——尽管这些系统已显老态，但数十年来运行稳定。稳定币由此为机构提供了一种全新的创新路径。
– Sam Broner
关于智能代理与 AI 的未来
利用 AI 执行实质性研究任务
作为一名数学经济学家，年初时我发现让消费级AI模型理解我的工作流程颇为困难；然而，到了11月，我已能像对待博士生一样给模型下达抽象指令……它们有时还能返回全新且正确执行的答案。不仅如此，我们开始看到AI在更广泛的研究领域中被应用——尤其是在推理领域，AI模型现在不仅能够直接辅助发现，还能自主解决Putnam问题（或许是世界上最难的大学数学考试）。
目前尚不明确的是，这种研究辅助方式将在哪些领域产生最大效用，以及如何发挥作用。但我预计，AI的研究能力将催生并激励一种新的“博学家”研究风格：这种风格更倾向于在各种想法之间推测关系，并快速从更具假设性的答案中进行推演。这些答案可能并不完全准确，但至少在某些逻辑框架下，它们能够指引正确的方向。讽刺的是，这种方法有点像利用模型“幻觉”的力量：当这些模型变得足够“聪明”时，让它们在抽象空间中自由探索，尽管可能会产生一些无稽之谈，但有时也会带来突破性的发现，就像人类在摆脱线性思维、跳出清晰的方向时最具创造力一样。
以这种方式思考问题需要一种全新的AI工作流——不仅是“代理对代理”的模式，而是更复杂的“代理包裹代理”的模式——在这种模式中，不同层次的模型协助研究人员评估前期模型的方案，并逐步从中提炼出有价值的内容。我已经利用这种方法撰写论文，而其他人则用它进行专利检索、发明新形式的艺术，甚至（很遗憾地）发现新的智能合约攻击方式。
然而，要运行这种“包裹式推理代理”的研究模式，需要实现模型之间更好的互操作性，并找到一种方法来识别并合理补偿每个模型的贡献——而这些问题，正是加密技术可以帮助解决的。
– Scott Kominers，a16z 加密研究团队成员、哈佛商学院教授
AI 代理对开放网络施加的隐形税
随着AI代理的崛起，一种“隐形税”正在压迫开放网络，并从根本上扰乱其经济基础。这种干扰源于互联网的上下文层和执行层之间日益加剧的不对称性：当前，AI代理从依赖广告支持的内容网站（上下文层）中提取数据，为用户提供便利的同时，却系统性地绕过了支撑内容创作的收入来源（如广告和订阅）。
为了防止开放网络的进一步衰退（以及保护为AI提供燃料的多样化内容），我们需要大规模部署技术和经济解决方案。这可能包括下一代赞助内容、微归因系统（micro-attribution systems）或其他创新的资助模式。现有的AI授权协议也被证明只是短暂的权宜之计，通常只能为内容提供者补偿一小部分因AI流量侵占而损失的收入。
网络需要一种全新的技术经济模型，让价值能够自动流动。明年最关键的转变将是从静态授权模式过渡到基于实时使用的补偿模式。这意味着需要测试和扩展系统——可能利用区块链支持的微支付（nanopayments）和复杂的归因标准——以自动奖励为AI代理成功完成任务贡献信息的每个实体。
– Liz Harkavy，a16z 加密投资团队
隐私即护城河
隐私将成为加密领域最重要的护城河
隐私是推动全球金融上链的关键特性之一。然而，这也是当今几乎所有区块链所缺乏的一个重要元素。对于大多数区块链来说，隐私问题往往只是事后才被考虑的附带问题。
但如今，隐私本身已经足够成为区块链差异化的关键特性。更重要的是，隐私还能带来一种“锁链效应”（chain lock-in），或者说是一种隐私网络效应。特别是在性能竞争已经不足以成为优势的时代，隐私显得尤为重要。
借助跨链桥协议，只要一切信息是公开的，用户在不同链之间迁移变得十分简单。但一旦引入隐私，这种便利就不复存在：跨链传输代币很容易，但跨链传递隐私却极其困难。用户在从一个隐私链进出时，无论是切换到公链还是其他隐私链，都会面临风险，因为观察链上数据、内存池（mempool）或网络流量的人可能会推测出用户的身份。跨越隐私链与公链之间的边界，甚至是两个隐私链之间的边界，都会泄露各种元数据，比如交易时间和金额的关联性，这些信息可能使追踪用户变得更加容易。
与许多同质化的新链相比，这些链的交易费用可能会因竞争而被压低至接近零，而具有隐私特性的区块链则能形成更强的网络效应。现实情况是，如果一个“通用型”区块链没有已经成熟的生态系统、杀手级应用或不公平的分发优势，那么几乎没有理由让用户选择使用或在其上构建，更别提对其产生忠诚度了。
在公共区块链上，用户可以轻松地与其他链上的用户进行交易——他们加入哪个链并不重要。然而，在私人区块链上，用户选择加入的链就显得尤为重要，因为一旦加入，他们就不太可能转移到其他链上以避免隐私暴露的风险。这种现象创造了一种“赢家通吃”的动态。而由于隐私对大多数现实世界的应用场景至关重要，少数几条隐私链可能最终会占据加密领域的主导地位。
– Ali Yahya，a16z 加密团队总合伙人
其他的产业和应用
预测市场将变得更大、更广、更智能
预测市场已经逐渐进入主流，而在即将到来的一年里，随着与加密技术和人工智能（AI）的交汇，它们将变得更大规模、更广泛应用、更智能化，同时也将为开发者带来新的重要挑战。
首先，预测市场中将会有更多的合约被列出。这意味着我们不仅可以获取重大选举或地缘政治事件的实时赔率，还能对各种细致入微的结果以及复杂的交叉事件进行预测。随着这些新合约不断挖掘出更多信息，并逐渐融入新闻生态系统（这一趋势已经开始），它们将引发重要的社会问题，例如如何平衡信息的价值，以及如何更好地设计这些市场，使其更加透明、可审计等——而这些问题通过加密技术是可以解决的。
为应对大量新增的合约，我们需要新的方式来达成对真实事件的共识，以解决这些合约。集中化的平台解决方案（例如确认某一事件是否真实发生）固然重要，但像泽连斯基诉讼市场和委内瑞拉选举市场这样的争议案例也暴露了其局限性。为了应对这些边缘案例，并帮助预测市场扩展到更多实用的应用场景，新型的去中心化治理机制和大语言模型（LLM）预言机可以协助判定有争议结果的真相。
AI 的潜力不仅限于 LLM 驱动的预言机。例如，活跃于这些平台上的 AI 代理可以在全球范围内搜集信号，从而获得短期交易优势。这不仅能帮助我们以全新视角看待世界，还能更准确地预测未来的发展趋势。（像 Prophet Arena 这样的项目已经让这一领域充满了期待。）除了可以作为复杂的政治分析师，为我们提供洞见外，这些 AI 代理在我们研究其涌现出的策略时，还可能揭示出复杂社会事件的根本预测因素。
预测市场会取代民 意调查吗？不会。相反，它们会让民 意调查变得更好（而民 意调查的信息也可以被输入到预测市场中）。作为一名政治经济学教授，我对预测市场与丰富多彩的民 意调查生态系统协同工作的潜力感到最为兴奋——但我们需要依赖新技术，比如 AI，它可以改善问卷调查的体验；以及加密技术，它可以提供全新的方式来验证调查和问卷的参与者是人类而非机器人。
– Andy Hall，a16z 加密研究顾问、斯坦福大学政治经济学教授
加密技术将拓展至区块链之外的全新应用
多年来，SNARKs（零知识简洁非交互式证明，一种无需重新执行计算即可验证其正确性的加密证明）主要被用于区块链领域。这是因为其计算开销过于庞大：证明一项计算的工作量可能比直接运行这项计算高出 100 万倍。在需要分摊到成千上万个验证者的场景中，这种开销是值得的，但在其他场景中则显得不切实际。
而这一状况即将改变。到 2026 年，zkVM（零知识虚拟机）证明器的计算开销将降低到大约 1 万倍，同时其内存占用仅需几百兆字节——这已经足够快，可以在手机上运行，也足够便宜，可以广泛应用于各种场景。这里有一个原因说明“1 万倍”可能是一个关键的临界点：高端 GPU 的并行吞吐能力约为笔记本电脑 CPU 的 1 万倍。到 2026 年年底，一台单独的 GPU 就能够实时生成 CPU 执行的计算证明。
这将解锁一些早期研究论文中提出的愿景：可验证的云计算。如果你已经在云端运行 CPU 工作负载（因为你的计算任务不足以用 GPU 加速，或者你缺乏相关专业知识，或者因历史原因），那么你将能够以合理的成本开销获得计算正确性的加密证明。而且，证明器已经针对 GPU 进行了优化，你的代码无需额外调整。
– Justin Thaler，a16z 加密研究团队成员，乔治城大学计算机科学副教授
—— a16z 加密编辑团队