a16z 近期發佈了由 Apps、American Dynamism、Bio、Crypto、Growth、Infra 及 Speedrun 團隊合夥人共同提出的「大創想」清單,預測未來一年科技創新者可能聚焦的重點方向。
以下精選自 a16z 加密團隊成員(及數位特邀貢獻者)對未來趨勢的「大創想」,涵蓋智能體與 AI、穩定幣、資產代幣化與金融、隱私與安全、預測市場及其他應用等主題。若想深入了解我們對 2026 年的更多展望,請參閱完整文章。

目前,除了穩定幣及部分核心基礎設施外,幾乎所有表現優異的加密公司都已轉型或正朝交易業務發展。但若「每一家加密公司都成為交易平台」,產業將走向何方?當市場上眾多玩家都做同樣的事,勢必導致資源分散,最終僅有少數佼佼者勝出。這也代表那些過早投入交易業務的公司,錯失了打造更具護城河、長期發展業務的契機。
我非常理解所有創業者為財務平衡所付出的努力,但過度追求產品與市場的即時契合也有其代價。這一現象在加密領域尤為明顯,代幣與投機的特殊屬性常讓創辦人走向即時滿足之路。某種程度而言,這是一場「棉花糖測試」。
交易本身並無問題——它是市場的重要功能——但不應視為終點。專注於產品本質、真正實現產品與市場契合的創辦人,或許才是最終的大贏家。
—— Arianna Simpson,a16z crypto 普通合夥人

我們觀察到銀行、金融科技公司及資產管理機構正積極推動美股、商品、指數等傳統資產上鏈。隨著傳統資產逐步上鏈,代幣化多半僅停留在模仿現實世界資產,未能充分發揮加密原生的優勢。
然而,像永續合約(perps)這類合成資產,具備更深的流動性,且運作更為簡單。永續合約還提供易於理解的槓桿機制,因此或許是加密原生衍生品中產品與市場契合度最高的代表。新興市場股票可能是最值得「永續化」的資產類別之一。(部分股票的 0 天到期期權市場流動性甚至超越現貨市場,若能「永續化」將非常有趣。)
歸根究底,這就是「永續化還是代幣化」的抉擇;無論如何,明年我們將見證更多加密原生的 RWA 代幣化案例。
同樣地,2026 年穩定幣領域將出現「發行創新,而非僅僅代幣化」的新局,繼 2025 年穩定幣全面普及後,流通量持續攀升。
但缺乏強大信貸基礎設施的穩定幣更像是狹義銀行,只持有極為安全的流動性資產。雖然狹義銀行本身是合規產品,但我認為它不會成為鏈上經濟的長期支柱。
我們已見越來越多新型資產管理人、策展人及協議,推動鏈上、基於鏈下抵押品的資產抵押貸款。這些貸款通常先在鏈下發放,再進行代幣化。我認為這種代幣化實際效益有限,除非分發對象本就已在鏈上的用戶。因此,債務類資產應直接鏈上發行,而非鏈下發放後再進行代幣化。鏈上發行可降低貸款服務及後台結構化成本,並提升可及性。雖然合規與標準化仍是挑戰,但相關建設者已積極著手解決。
—— Guy Wuollet,a16z crypto 普通合夥人
多數銀行現行軟體對現代開發者來說幾乎是陌生領域:早在 1960、1970 年代,銀行率先導入大型軟體系統。第二代核心銀行軟體於 1980、1990 年代問世(如 Temenos 的 GLOBUS 及 InfoSys 的 Finacle)。但這些系統均已老化,升級進度緩慢。因此,銀行業——特別是追蹤存款、抵押品等義務的核心帳本——至今仍多運作於主機,採用 COBOL 程式語言,介面以批次檔案而非 API 為主。
全球絕大多數資產都仰賴這些歷經數十年的核心帳本。雖然這些系統經得起考驗,深獲監管信任並嵌入複雜銀行業務,但同時也極大限制創新發展。例如,新增即時支付等核心功能往往需時數月甚至數年,還得面對層層技術債與監管複雜度。
這正是穩定幣大顯身手的時刻。過去幾年是穩定幣實現產品與市場契合、走向主流的關鍵時期,而今年,傳統金融機構以全新姿態擁抱穩定幣。穩定幣、代幣化存款、代幣化國債及鏈上債券讓銀行、金融科技與金融機構得以開發新產品、服務新客戶。更重要的是,這些創新無需推翻重建老舊系統——這些系統雖然老化,但數十年來運作穩定。因此,穩定幣為機構創新開啟了新路徑。
—— Sam Broner

身為數理經濟學家,今年 1 月,消費級 AI 模型尚難理解我的工作流程;但到了 11 月,我已能像指導博士生般給模型下達抽象指令……它們有時甚至能給出新穎且正確的解答。除了自身經驗,AI 也正廣泛應用於研究——特別是在推理領域,模型已能直接協助科學發現,甚至自主解決 Putnam 難題(或許是全球最難的大學數學考試)。
這種研究助理模式究竟最適合哪些領域、如何賦能,仍待觀察。但我認為,AI 研究將催生並回饋全新多學科研究範式:專注於推測不同思想間的聯繫,並能迅速從假設性解答中進行外推。即使這些答案未必精確,卻能為研究指引方向(至少在某些拓撲結構下如此)。某種程度上,這就像善用模型「幻覺」:當模型足夠「聰明」,讓其在抽象空間自由碰撞,即使偶有謬誤,也可能啟發新發現——正如人類在非線性、非明確目標下更具創造力。
這種推理方式需要全新 AI 工作流——不僅是智能體間的互動,更是「智能體包裹智能體」——多層模型協助研究者評估前一層模型的方案,並 逐步萃取精華。我已用此法撰寫論文,其他人則用於專利檢索、創作新型藝術,或(不幸的是)尋找新型智能合約攻擊。
然而,若要讓包裹式推理智能體群高效服務研究,仍需實現模型間更佳的 互操作性,以及一套能識別並合理補償各模型貢獻的機制——這正是加密技術可望解決的問題。
—— Scott Kominers,a16z crypto 研究團隊成員、哈佛商學院教授
AI 智能體興起,正對開放網路施加隱形稅負,並根本性擾亂其經濟基礎。這一變化來自網路上下文層與執行層之間日益嚴重的不匹配:現今 AI 智能體自依賴廣告的內容網站(上下文層)抓取資料,為用戶帶來便利,同時系統性繞開了支撐內容的廣告與訂閱等收入來源。
為防止開放網路被侵蝕(並保留 AI 賴以成長的多元內容),我們需大規模部署技術與經濟解決方案,可能包括新一代贊助內容、微型歸屬系統或其他創新資助模式。現有 AI 授權協議僅屬財務權宜之計,往往只補償內容方因 AI 流量侵蝕所損失收入的一小部分。
網路亟需一套價值自動流轉的新型技術經濟模型。明年關鍵變革在於,從靜態授權轉向基於即時使用的補償。這代表需測試並擴展系統——或可運用區塊鏈賦能的奈米支付與先進歸屬標準——自動獎勵每位對智能體任務成功有貢獻的資訊提供者。
—— Liz Harkavy,a16z crypto 投資團隊

隱私是全球金融上鏈的關鍵特性,也是現今幾乎所有區塊鏈嚴重缺乏的要素。多數鏈對隱私的重視僅止於表面。
然而,隱私本身已足以成為鏈的核心差異化。更重要的是,隱私還能帶來鏈的「鎖定效應」,即隱私網路效應。尤其在性能競爭已趨同質化的今日,更顯關鍵。
由於跨鏈橋協議存在,只要一切公開透明,資產跨鏈變得極為容易。但一旦納入隱私,情況就大不相同:轉移代幣容易,轉移秘密卻極為困難。每當進出隱私區時,總有可能被監聽鏈、記憶池或網路流量的人識別身分。無論在隱私鏈與公開鏈之間,或兩條隱私鏈間切換,都會洩露如交易時間、金額關聯等元資料,使追蹤更為容易。
相較於眾多同質化新鏈(在激烈競爭下手續費幾近於零、區塊空間無差異),具備隱私特性的區塊鏈可形成更強網路效應。事實上,若「通用型」鏈缺乏繁榮生態、殺手級應用或分發優勢,難以吸引用戶,更遑論用戶忠誠度。
在公鏈上,用戶能輕易與其他鏈用戶互動——選擇哪條鏈並不重要。但在隱私鏈上,鏈的選擇格外重要,因為一旦加入,用戶難以離開以免身分曝光。這將導致「贏者全拿」格局。鑑於隱私對大多數現實場景至關重要,少數隱私鏈或將主導加密市場大部分份額。
—— Ali Yahya,a16z crypto 普通合夥人

預測市場已邁向主流,明年在加密與 AI 的交匯下將變得更大、更廣、更智慧,同時也為建設者帶來全新且關鍵的挑戰。
首先,更多合約將陸續上線。這代表我們不僅能即時掌握重大選舉或地緣事件的賠率,還能洞見各種細分結果與複雜交互事件。隨著這些新合約持續釋放資訊並融入新聞生態系(已在發生),也將引發重要社會議題:我們該如何平衡這些資訊價值?如何提升市場透明度與可稽核性——而加密技術正好能實現這些目標。
為因應更大規模的合約數量,我們需要全新共識方式來決定合約結果。中心化平台的裁決(如事件是否發生、如何確認等)固然重要,但如 澤連斯基西裝市場及委內瑞拉大選市場等爭議案例也暴露其侷限。為解決這些邊界問題、推動預測市場擴展更有價值的應用,去中心化治理與 LLM 預言機等新機制將有助於裁定爭議結果。
AI 也為預言機帶來 LLM 之外更多可能。舉例來說,AI 智能體能在這些平台自動交易,於全球範圍搜尋信號,助力短線操作,激發全新思維與未來預測。(如 Prophet Arena 等專案已見端倪。)這些智能體除了可作為高階政治分析師查詢外,亦可藉由其湧現策略揭示複雜社會事件的根本預測因子。
預測市場會取代民調嗎?不會;但它們能讓民調更精準(民調資訊也能輸入預測市場)。身為政治學者,我最期待預測市場與多元民調生態協同——但我們需仰賴 AI 等新技術優化調查體驗,也需加密技術 提供新方式證明 受訪者為真人而非機器人等。
—— Andy Hall,a16z crypto 研究顧問、史丹福大學政治經濟學教授
多年來,SNARKs(可在無需重複執行下驗證計算的加密證明)幾乎僅應用於區塊鏈領域。其計算開銷極高:生成證明所需工作量比直接執行計算高出 100 萬倍。雖然在成千上萬驗證者分攤成本下尚可接受,但於其他場景則難以落地。
這一切即將翻轉。至 2026 年,zkVM 證明器開銷將降至約 1 萬倍,記憶體用量僅數百 MB——足以於手機運行,成本低廉,易於廣泛部署。1 萬倍這個數字意義重大:高階 GPU 的平行運算能力約為筆電 CPU 的 1 萬倍。至 2026 年底,單張 GPU 即可即時產生 CPU 執行的計算證明。
這將實現早期研究論文中的設想:可驗證雲端計算。若你本就需於雲端執行 CPU 工作負載——無論因計算量不大、缺乏 GPU 化或歷史因素——都能以合理成本取得計算正確性的加密證明。證明器已針對 GPU 優化,無需更動原始程式碼。
—— Justin Thaler,a16z crypto 研究團隊成員,喬治城大學計算機科學副教授





