a16z（Andreessen Horowitz）近日公布了其对2026年技术趋势的“大想法”清单，由旗下Apps、American Dynamism、生物科技、加密货币、增长、基础设施及Speedrun团队的合伙人共同贡献。

大家都在用的虚拟币交易平台推荐：

• OKX（欧易）>>>进入官网<<< >>>官方下载<<<
• Binance（币安）>>>进入官网<<< >>>官方下载<<<

以下聚焦加密货币领域，涵盖智能袋里与AI、稳定币、通证化与金融、隐私与安全、预测市场等多个主题。这些想法不是简单的预测，而是对方向感的判断。

构建未来

交易平台只是起点，而非终点

现阶段，除了稳定币和部分核心基础设施，几乎所有表现不错的加密货币公司都或多或少在向交易平台转型。但如果“每家加密公司都变成了交易平台”，结果会是什么？大量同质化竞争，用户注意力被分散，最终可能只剩少数几家赢家。而那些过早转向交易的公司，很可能错过了构建更持久、更有竞争力的商业模式的机会。

创始人们努力让公司财务状况好转的艰难处境完全可以理解。但一味追求短期的产品市场契合度（Product-Market Fit），往往会付出代价。在加密行业，这一点尤为突出——围绕通证和投机的独特动态，天然容易引导创始人走上“即时满足”的道路，就像一场棉花糖测试。

交易本身没有错——它是市场运作的重要功能——但不一定是终极目标。能够专注于产品本身、以长期视角寻找产品市场契合点的创始人，更有可能笑到最后。

— 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

银&行、金融科技公司和资产管理机构对将美国股票、大宗商品、指数等传统资产链上化表现出了浓厚兴趣。然而，随着越来越多传统资产被引入区块链，通证化的方式往往是“拟物化”的——即基于现有的现实世界资产概念，没有充分利用加密原生特性。

相比之下，像永续合约（perpetual futures，简称 perps）这样的合成资产形式，能够提供更深的流动性，实现起来也更简单。永续合约还自带易于理解的杠杆机制，因此可能是目前最契合加密市场需求的原生衍生品。新兴市场股票或许是“永续化”实验中最有趣的资产类别之一。例如，某些股票的“零到期日”（0DTE）期权市场流动性往往比现货市场更深，这让“永续化”成为一个值得尝试的方向。

归根结底，关键在于“永续化 vs. 通证化”的选择。无论哪种路径，有理由期待未来一年看到更多加密原生的现实世界资产通证化。

类似地，2026年稳定币领域也将出现更多“发行创新，而不仅仅是通证化”。稳定币在2025年已经进入主流，发行量仍在持续增长。

缺乏强大信用基础设施的稳定币更像“窄银&行”（narrow banks）——持有特定高流动性、被认为极为安全的资产。窄银&行是一种有效的产品，但很难成为链上经济的长期支柱。

目前已出现不少新兴的资产管理者、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。通常情况下，贷款先是在链下生成，然后被通证化。但这种通证化方式的优势可能有限——仅仅是把资产分发给已经在链上的用户。因此，债务资产应直接在链上生成，而不是先在链下生成再通证化。在链上生成债务资产可以降低贷款服务成本、后台结构成本，并提高可访问性。合规性和标准化是挑战，但开发者们已经在努力解决这些问题。

— 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

如今大多数银&行仍在运行着老旧的软件系统——20世纪60年代和70年代，银&行是大型软件系统的早期采用者；80和90年代，第二代核心银&行软件出现（如Temenos的GLOBUS和InfoSys的Finacle）。但这些软件已经老化，升级速度缓慢。许多银&行关键的核心账本——记录存款、抵押品和其他义务的数据库——仍然运行在使用COBOL编程语言的主机上，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已有数十年历史的核心账本中。系统虽然经过长时间验证，得到监管机构信任，并深度嵌入复杂的银&行业务场景，但也成为创新的阻碍。例如，添加实时支付等关键功能可能需要数月甚至数年，还要应对大量技术债务和监管要求。

这正是稳定币的用武之地。过去几年，稳定币找到了产品市场契合点并进入主流金融。而今年，传统金融（TradFi）机构更是以全新高度接纳了稳定币。稳定币、通证化存款、通证化国债以及链上债券等金融工具，让银&行、金融科技公司和金融机构能够开发新产品、服务更多客户。更重要的是，这些创新无需迫使机构重写遗留系统——尽管这些系统老化，但几十年来运行稳定。稳定币因此为机构提供了一条全新的创新路径。

— Sam Broner

关于智能袋里与 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，年初时发现让消费级AI模型理解自己的工作流程非常困难；到11月时，已经可以像对博士生一样给模型下达抽象指令……而它们有时能返回全新且正确执行的答案。不仅如此，AI在更广泛的研究领域中被使用——尤其在推理领域，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）。

目前还不完全清楚这种研究辅助方式将在哪些领域产生最大帮助，以及如何帮助。但可以预期，AI的研究能力将催生一种新的“博学家”研究风格：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，能够指引正确方向。讽刺的是，这种方法有点像利用模型的“幻觉”力量：当模型变得足够“聪明”时，让它们在抽象空间中自由探索，尽管可能产生无稽之谈，但有时也会带来突破性发现——就像人类在摆脱线性思维、跳出清晰方向时最具创造力一样。

以这种方式思考问题需要全新的AI工作流——不仅是“袋里对袋里”的模式，而是更复杂的“袋里包裹袋里”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方案，并逐步提炼出有价值的内容。这种方法已经被用于撰写论文，也有人用它进行专利检索、发明新艺术形式，甚至（很遗憾地）发现新的智能合约攻击方式。

要运行这种“包裹式推理袋里”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——而这些正是加密技术可以解决的问题。

— Scott Kominers，a16z 加密研究团队成员、哈佛商学院教授

AI 袋里对开放网络施加的隐形税

随着AI袋里的崛起，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：AI袋里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，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）。

为了防止开放网络进一步衰退（以及保护为AI提供燃料的多样化内容），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、微归因系统或其他创新的资助模式。现有的AI授权协议已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和复杂的归因标准——以自动奖励为AI袋里成功完成任务贡献信息的每个实体。

— Liz Harka vy，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，但也是当今几乎所有区块链都缺乏的重要元素。大多数区块链往往在事后才考虑隐私问题。

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。尤其在性能竞争已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，只要一切信息公开，用户在不同链之间迁移十分简单。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。用户从隐私链进出（无论是切换到公链还是其他隐私链）时，观察链上数据、内存池或网络流量的人可能推测出用户身份。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——这些信息可能让追踪用户变得更容易。

与许多同质化的新链相比（交易费用会因竞争被压低至接近零），具有隐私特性的区块链能形成更强的网络效应。现实是，如果一个“通用型”区块链没有成熟的生态系统、杀手级应用或不公平的分发优势，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，用户可以轻松与其他链上的用户交易——他们加入哪个链并不重要。但在私人区块链上，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风险。这种现象创造了“赢家通吃”的动态。由于隐私对大多数现实世界应用场景至关重要，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。在即将到来的一年里，借助与加密技术和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，预测市场中会有更多合约被列出。这意味着不仅可以获取重大选举或地缘整治事件的实时反赌，还能对各种细微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，如何更好地设计这些市场，使其更透明、可审计——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，需要新的方式来达成对真实事件的共识。集中化的平台解决方案（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，活跃在平台上的AI袋里可以在全球范围内搜集信号，从而获得短期交易优势。这不仅能帮助以全新视角看待世界，还能更准确地预测未来发展趋势。（像Prophet Arena这样的项目已经让这一领域充满期待。）除了作为复杂的整治分析师提供洞见外，这些AI袋里在研究其涌现策略时，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）。作为整治经济学教授，最令人兴奋的其实是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——但需要依赖新技术，比如AI改善问卷调查体验，以及加密技术提供全新方式来验证参与者是人类而非机器人。

— Andy Hall，a16z 加密研究顾问、斯坦福大学整治经济学教授

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。

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。为什么“1万倍”可能是关键临界点？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。如果已经在云端运行CPU工作负载（因为计算任务不足以用GPU加速，或缺乏相关专业知识，或因历史原因），那么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，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