a16z 最近发布了其由 Apps、American Dynamism、Bio、Crypto、Growth、Infra 和 Speedrun 团队合伙人共同提出的“大创想”清单，预测未来一年科技创新者可能关注的方向。
以下是部分来自加密团队成员（以及几位特邀贡献者）关于未来趋势的“大创想”精选，涵盖智能体与 AI、稳定币、资产代币化与金融、隐私与安全、预测市场及其他应用等主题。想了解我们对 2026 年更多期待，请阅读完整文章。
关于建设
1. 交易只是加密企业的中转站——而非终点
目前，除稳定币和部分核心基础设施外，几乎所有表现良好的加密公司都已转向或正在转向交易业务。但如果“每家加密公司都变成交易平台”，行业会走向何方？如此多玩家做同样的事，必然导致注意力分散，最终只有少数赢家。这意味着那些过早转向交易的公司，错失了打造更具护城河、更持久业务的机会。
我非常理解所有创业者为实现财务平衡所做的努力，但一味追求产品与市场的即时契合也有代价。这个问题在加密领域尤为突出，代币和投机的特殊属性常常让创始人走上即时满足的道路。某种意义上，这是一种“棉花糖测试”。
交易本身并无问题——它是重要的市场功能——但不必成为终点。那些聚焦产品本身、真正实现产品与市场契合的创始人，最终或许才是真正的大赢家。
—— Arianna Simpson，a16z crypto 普通合伙人
关于稳定币、RWA 资产代币化、支付与金融
2. 以更加加密原生的方式思考现实世界资产和稳定币的代币化
我们观察到银行、金融科技公司和资产管理机构正积极推动美股、商品、指数及其他传统资产上链。随着越来越多传统资产上链，代币化往往是拟物化的——基于对现实世界资产的既有认知，未能充分利用加密原生特性。
但像永续合约（perps）这样的合成资产代表，能够带来更深的流动性，且实现更为简单。永续合约还提供了易于理解的杠杆，因此可能是产品与市场契合度最高的加密原生衍生品。新兴市场股票也许是最值得“永续化”的资产类别之一。（部分股票的 0 天到期期权市场流动性甚至超过现货市场，若能“永续化”将非常有趣。）
归根结底，这就是“永续化还是代币化”的问题；无论如何，明年我们将看到更多加密原生的 RWA 代币化。
类似地，2026 年，稳定币领域将出现“发行创新，而非仅仅代币化”，自 2025 年稳定币全面普及以来，流通量持续增长。
但缺乏强大信贷基础设施的稳定币更像是狭义银行，只持有被认为极为安全的流动性资产。虽然狭义银行本身是合规产品，但我认为它不会成为链上经济的长期支柱。
我们已看到越来越多新型资产管理人、策展人和协议，开始推动链上基于链下抵押品的资产抵押贷款。这些贷款通常先在链下发放，然后再代币化。我认为这里的代币化并无太多实际好处，除非是分发给已在链上的用户。因此，债务类资产应直接在链上发行，而不是链下发放后再代币化。链上发行可降低贷款服务和后台结构化成本，并提升可及性。难点在于合规和标准化，但相关建设者已在着手解决这些问题。
—— Guy Wuollet，a16z crypto 普通合伙人
3. 稳定币开启银行账本升级周期——以及全新支付场景
大多数银行运行的软件对现代开发者来说几乎陌生：上世纪 60、70 年代，银行率先采用大型软件系统。第二代核心银行软件始于 80、90 年代（如 Temenos 的 GLOBUS 和 InfoSys 的 Finacle）。但所有这些软件都在老化，升级进展缓慢。因此，银行业——尤其是关键的核心账本，即追踪存款、抵押品等义务的核心数据库——仍常常运行在主机上，使用 COBOL 编程，接口为批处理文件而非 API。
全球绝大多数资产都依赖这些已经数十年的核心账本。这些系统经受住了考验，获得监管信任，并深度嵌入复杂银行业务，但也严重制约创新。比如，增加实时支付等核心功能往往需要数月甚至数年，还需应对层层技术债务和监管复杂性。
这正是稳定币大显身手之时。过去几年是稳定币实现产品与市场契合并走向主流的关键节点，而今年，传统金融机构以全新姿态拥抱稳定币。稳定币、代币化存款、代币化国债和链上债券让银行、金融科技企业和金融机构能够开发新产品、服务新客户。更重要的是，这些创新无需推倒重写老旧系统——这些系统虽已陈旧，但几十年来一直稳定运行。因此，稳定币为机构创新提供了新路径。
—— Sam Broner
关于智能体与 AI
4. 我们将用 AI 执行实质性研究任务
作为数理经济学家，今年 1 月时，消费级 AI 模型难以理解我的工作流程；到了 11 月，我已能像指导博士生一样给模型下达抽象指令……它们有时还能返回新颖且正确的答案。除了我的亲身体验，我们也看到 AI 日益广泛地用于研究——尤其是在推理领域，模型已能直接辅助科学发现，甚至自主攻克 Putnam 难题（或许是全球最难的大学数学考试）。
这种研究助理模式究竟最适合哪些领域，以及具体如何赋能，仍有待观察。但我认为，AI 研究将催生并回馈一种全新的多学科研究范式：重在推测各类思想之间的联系，并能迅速从更具假设性的答案中外推。即使这些答案未必准确，却能为研究指明方向（至少在某些拓扑结构下如此）。某种程度上，这就像利用模型“幻觉”的力量：当模型足够“聪明”时，让它们在抽象空间自由碰撞，即使偶尔胡言乱语，也可能激发新发现——正如人类在非线性、非明确目标下往往更具创造力。
这种推理方式需要全新 AI 工作流——不仅是智能体之间的互动，更是“智能体包裹智能体”——多层模型协助研究者评估前一层模型的方案，并 逐步提炼 精华。我已用这种方法撰写论文，而其他人则在做专利检索、发明新型艺术，或（不幸的是）寻找新型智能合约攻击。
不过：要让包裹式推理智能体群高效服务研究，还需实现模型间更好的 互操作性，以及一种能识别并合理补偿 各模型贡献的机制——而这些正是加密技术能够助力解决的问题。
—— Scott Kominers，a16z crypto 研究团队成员、哈佛商学院教授
5. AI 智能体正为开放网络带来隐形税负
AI 智能体的崛起正在对开放网络施加隐形税负，根本性地扰乱了其经济基础。这一变化源于互联网上下文层与执行层之间日益加剧的不匹配：当前，AI 智能体从依赖广告的内容网站（上下文层）抓取数据，为用户带来便利，同时系统性绕开了支撑内容的广告和订阅等收入渠道。
为防止开放网络被侵蚀（并保留 AI 赖以成长的多元内容），我们需要大规模部署技术与经济解决方案。这可能包括下一代赞助内容、微型归属系统或其他创新资助模式。现有 AI 授权协议也被证明只是财务上的权宜之计，往往仅补偿内容方因 AI 流量蚕食而损失收入的一小部分。
网络亟需一种价值自动流转的新型技术经济模型。明年的关键转变在于，从静态授权转向基于实时使用的补偿。这意味着要测试和扩展系统——或可利用区块链赋能的纳米支付和先进归属标准——自动奖励为智能体任务成功做出信息贡献的每一个实体。
—— Liz Harkavy，a16z crypto 投资团队
关于隐私与安全
6. 隐私将成为加密领域最重要的护城河
隐私是全球金融上链的关键特性，也是当下几乎所有区块链都严重缺乏的。大多数链对隐私的关注仅停留在表面。
但如今，隐私本身已足以成为链的核心差异化。更重要的是，隐私还能带来链的“锁定效应”，即隐私网络效应。尤其是在性能竞争已无法拉开差距的今天。
由于跨链桥协议的存在，只要一切都是公开的，资产跨链变得极为容易。但一旦引入隐私，情况就大不相同：转移代币容易，转移秘密却很难。每当进出隐私区时，总有可能被监听链、内存池或网络流量的人识别身份。无论是在隐私链和公开链之间，还是在两条隐私链之间切换，都会泄露诸如交易时间、金额关联等元数据，使追踪更容易。
相比众多同质化新链（在激烈竞争下手续费大概率趋近于零，区块空间已无差异），具备隐私特性的区块链能形成更强的网络效应。现实是，如果一条“通用型”链没有繁荣生态、杀手级应用或分发优势，那就很难吸引用户，更谈不上用户忠诚度。
在公链上，用户很容易与其他链用户交互——加入哪条链并不重要。但在隐私链上，链的选择变得格外重要，因为一旦加入，用户很难离开以免暴露身份。这将形成“赢家通吃”格局。鉴于隐私对大多数现实场景至关重要，少数隐私链或许将占据加密市场的大部分份额。
—— Ali Yahya，a16z crypto 普通合伙人
关于其他行业与应用
7. 预测市场将更大、更广、更智能
预测市场已经走向主流，明年它们将在与加密和 AI 的交汇下变得更大、更广、更智能，同时也为建设者带来全新且重要的挑战。
首先，更多合约将被上线。这意味着我们不仅能实时获取重大选举或地缘事件的赔率，还能洞察各种细分结果和复杂交互事件。随着这些新合约不断释放信息并融入新闻生态系统（已在发生），它们也会引发重要的社会问题：我们如何平衡这些信息的价值？如何让市场更透明、可审计等——而加密技术正好能实现这些目标。
为应对更大规模的合约数量，我们需要全新方式来对合约结果达成共识。中心化平台的裁决（某事件是否发生、如何确认等）很重要，但像 泽连斯基西装市场 和委内瑞拉大选市场等争议案例也暴露了局限。为解决这些边界问题、推动预测市场扩展更有用的应用，去中心化治理和 LLM 预言机等新机制将有助于裁定争议结果。
AI 还为预言机带来 LLM 之外的更多可能。例如，AI 智能体在这些平台上自动交易，能在全球范围内搜寻信号，助力短线交易，从而激发全新思考方式和未来预测。（Prophet Arena 等项目已初见端倪。）这些智能体除了作为高级政治分析师可供查询外，还能通过其涌现策略揭示复杂社会事件的根本预测因子。
预测市场会取代民调吗？不会；它们会让民调更好（民调信息也可输入预测市场）。作为政治学者，我最期待预测市场与丰富多元的民调生态协同——但我们需要依赖 AI 等新技术提升调查体验，也需要加密技术 提供新方式证明 受访者是真人而非机器人等。
—— Andy Hall，a16z crypto 研究顾问、斯坦福大学政治经济学教授
8. 加密技术为区块链之外场景提供全新原语
多年来，SNARKs（可在无需重新执行的情况下验证计算的加密证明）一直几乎只在区块链领域应用。其计算开销极高：生成证明所需的工作量比直接运行计算高 100 万倍。虽然在成千上万验证者分摊成本时尚可接受，但在其他场景下并不现实。
这一切即将改变。到 2026 年，zkVM 证明器的开销将降至约 1 万倍，内存占用仅数百 MB——足以在手机上运行，成本低廉，可广泛部署。1 万倍这个数字意义重大：高端 GPU 的并行吞吐量约为笔记本 CPU 的 1 万倍。到 2026 年底，单块 GPU 就能实时生成 CPU 执行的计算证明。
这将释放早期研究论文中的设想：可验证云计算。如果你本就需要在云端运行 CPU 工作负载——无论因计算量不够大、缺乏 GPU 化能力还是历史原因——都能以合理的成本获得计算正确性的加密证明。证明器已针对 GPU 优化，无需更改你的代码。
—— Justin Thaler，a16z crypto 研究团队成员，乔治城大学计算机科学副教授
免责声明：
- 本文转载自 [a16zcrypto]。著作权归原作者 [a16zcrypto]所有。如对转载有异议，请联系 Gate Learn 团队，我们会及时处理。
- 风险提示：本文仅代表作者个人观点，不构成任何投资建议。
- 本文其他语种译文由 Gate Learn 团队翻译。除特别说明外，禁止复制、分发或剽窃译文内容。