基础设施
初创企业驯服多模态数据的混沌
Jennifer Li—Andreessen Horowitz 的普通合伙人，负责领导基础设施投资，重点关注数据系统、开发者工具和人工智能。
非结构化、多模态数据一直是企业最大的瓶颈，也是其尚未开发的宝藏。每家公司都淹没在 PDF、截图、视频、日志、邮件以及半结构化的数据泥沼中。
模型越来越智能，但输入数据却越来越混乱，这导致 RAG 系统产生幻觉，智能体以微妙且代价高昂的方式崩溃，关键工作流仍严重依赖人工质检。
如今，AI 公司的限制因素已变为数据熵：在承载着企业 80%知识的非结构化宇宙中，新鲜度、结构性和真实性持续衰减的熵增过程。
这正是解开非结构化数据困局成为一代人机遇的原因。 企业需要持续清理、结构化、验证并治理多模态数据，才能让下游 AI 工作负载真正发挥作用。
应用场景无处不在：合同分析、入职流程、理赔处理、合规、支持、采购、工程搜索、销售赋能、分析管道，以及所有依赖可靠上下文的智能体工作流。
那些构建平台——能从文档、图像和视频中提取结构，协调冲突，修复管道，或保持数据新鲜可检索——的初创企业，将掌握企业知识与流程王国的钥匙。
AI 重振网络安全人才招聘
Joel de la Garza-是一位专注于信息安全相关投资及其他与混乱相关业务的合伙人。
在过去十年的大部分时间里，CISO（首席信息安全官）面临的最大挑战是招聘。
从 2013 年到 2021 年，未填补的网络安全岗位数量从不到 100 万增长到 300 万。这是因为安全团队雇佣高技能技术人员，让他们每天从事令人心力交瘁的一级安全工作，比如审查日志，而没有人愿意做这些工作。
问题在于，网络安全团队通过购买能检测所有威胁的产品， 制造了这种苦差事，这意味着他们的团队需要审查所有内容——这反过来又造成了人为的劳动力短缺。这是一个恶性循环。
到 2026 年，人工智能将通过自动化网络安全团队中大量重复和冗余的工作，打破这一循环，缩小招聘缺口。任何曾在大型安全团队工作过的人都知道，一半的工作都可以通过自动化轻松解决，但当人们被工作淹没时，根本不可能弄清楚该自动化什么。
能够为安全团队解决这一问题的 AI 原生工具，最终将解放他们，让他们去做自己想做的事：追捕坏人、构建新系统以及修复漏洞。
原生代理基础设施成为入场门槛
Malika Aubakirova—a16z 人工智能基础设施团队的投资者。
到2026年，最大的基础设施冲击将不再来自外部企业，而是来自内部。我们正从可预测、低并发的人类速度流量，转向递归式、突发性且规模庞大的“代理速度”工作负载。
当今的企业后端系统是为人类操作与系统响应之间 1:1 的比例而构建的。它并非为单一代理”目标”触发毫秒级内 5000 个子任务、数据库查询和内部 API 调用的递归扇出而设计。
当代理尝试重构代码库或修复安全日志时，其行为模式与用户截然不同。对传统数据库或速率限制器而言，这看起来就像一次 DDoS 攻击。
2026年为代理构建系统意味着重新设计控制平面。我们将见证”代理原生”基础设施的崛起。下一代系统必须将”惊群效应”模式视为默认状态。冷启动时间必须缩短，延迟波动必须消除，并发限制必须提升数个数量级。
瓶颈将转向协调层面：在大规模并行执行中实现路由、锁定、状态管理和策略执行。最终胜出的平台，将是唯一能承受随之而来的工具执行洪流的系统。
创意工具走向多模态化
Justine Moore—是安德森·霍洛维茨基金投资团队的合伙人，专注于人工智能领域——包括基础模型和应用开发。
我们现在已经拥有了用 AI 讲故事的基础模块：生成式语音、音乐、图像和视频。但对于任何超出单次片段的内容，想要获得理想输出往往既耗时又令人沮丧——甚至根本不可能实现，尤其是当你希望达到传统导演所拥有的那种控制程度时。
为什么我们不能向模型输入一段30秒的视频，然后要求它根据参考图像和声音创建的新角色来延续这个场景？或者重新拍摄一个片段，以便从不同角度观察场景，又或者让动作与参考视频相匹配？
2026 年将是 AI 走向多模态的一年。无论你拥有何种形式的参考内容，都可以将其输入模型，与之协作创作新内容或编辑现有场景。
我们已经看到一些早期产品，比如 Kling O1 和 Runway Aleph。但还有更多工作要做——我们需要在模型层和应用层同时进行创新。
内容创作是 AI 最典型的应用场景之一，预计我们将看到从表情包创作者到好莱坞导演等不同用户群体在各类应用场景中涌现出多款成功产品。
AI 原生数据栈持续演进。
Jason Cui—他是 Andreessen Horowitz 的合伙人，主要投资于基础设施和人工智能领域。
过去一年，我们看到“现代数据栈”领域出现了大量整合，数据公司从专注于数据摄取（ETL）、转换和计算等细分环节，转向了捆绑式服务和统一平台。例如：Fivetran 与 dbt 的合并，以及 Databricks 等统一平台的持续崛起。
尽管生态系统已明显更为成熟，但我们仍处于真正 AI 原生数据架构的初期阶段。我们期待 AI 持续变革数据堆栈的多个环节，并开始看到数据与 AI 基础设施正变得密不可分。
以下是我们期待的几个方向：
-
数据将如何持续流入高性能向量数据库，同时与传统结构化数据并存
-
AI 代理如何解决”上下文问题”：持续获取正确的数据上下文与语义层，以构建健壮的应用（如与你数据对话），确保在多个记录系统中始终拥有正确的业务定义
-
随着数据工作流变得更加智能化和自动化，传统 BI 工具和电子表格将如何演变
我们踏入视频世界的那一年
Yoko Li—Andreessen Horowitz 的合伙人，主要负责开发者工具、基础设施、人工智能和创意工具。
到 2026 年，视频将不再是我们被动观看的内容，而开始成为一个我们可以真正踏入的空间。
视频模型终于能够理解时间、记住它们已经展示给我们的内容、在我们做出动作时做出反应，并以我们期望于物理世界的稳定一致性来维持整体。
这些系统不再生成几秒钟的零散影像，而是能够持续维持角色、物体和物理规律，让行动变得有意义，让后果得以展开。
这一转变将视频变成了一种我们可以构建的媒介：一个机器人可以练习、游戏可以进化、设计师可以制作原型、智能体可以通过实践学习的空间。
由此产生的，更像是一个活生生的环境，而非一段剪辑——它开始弥合感知与行动之间的鸿沟。这是第一次，我们感觉可以真正栖居于自己生成的视频之中。
增长
记录系统失去主导地位
Sarah Wang—Andreessen Horowitz 增长团队的普通合伙人，负责领导人工智能、企业应用和基础设施领域的成长阶段投资。
到 2026 年，企业软件领域的真正颠覆在于： 记录系统将最终开始丧失其主导地位 。人工智能正在拉近意图与执行之间的距离：模型现在能够直接跨运营数据进行读取、写入和推理，将 ITSM 和 CRM 系统从被动数据库转变为自主工作流引擎。
随着推理模型和智能体工作流的最新进展不断叠加，这些系统不仅能够响应，还能预测、协调并执行端到端流程。界面演变为动态智能体层，而传统的记录系统则退居幕后，沦为商品化的持久化层——其战略杠杆将让位于掌控员工实际使用的智能执行环境的任何一方。
垂直人工智能从信息检索和推理扩展到多人协作领域
**Alex Immerman
—Andreessen Horowitz 增长团队的合伙人，主要关注金融科技、消费、企业和加密/Web3 公司**
人工智能推动垂直软件实现前所未有的增长。医疗、法律和住房领域的公司在几年内达到 1 亿美元以上的 ARR；金融和会计行业紧随其后。
最初的进化体现在信息检索上：查找、提取并总结正确信息。2025 年带来了推理能力：Hebbia 分析财务报表并构建模型，Basis 跨系统调节试算平衡，EliseAI 诊断维护问题并派遣合适的供应商。
2026年将开启多玩家模式。垂直软件得益于特定领域的界面、数据和集成，但垂直工作本质上涉及多方协作。如果智能体要代表劳动力，它们就需要协同合作。从买家和卖家，到租户、顾问和供应商，每一方都有独特的权限、工作流程和合规要求——只有垂直软件才能理解这些需求。
如今，各方都在各自为政地使用 AI，导致权责分离。分析采购合同的 AI 不会与首席财务官就其模型调整进行沟通；维护 AI 也不知道现场人员向租户承诺了什么。
通过跨利益相关方的协同——将任务路由至职能专家、保持上下文连贯、同步变更——实现了多方协作。交易对手方的 AI 会在参数范围内进行谈判，并将信息不对称之处标记出来供人工审核。高级合伙人的修订标注将训练整个企业的系统。由 AI 执行的任务，成功率将大幅提升。
当多人与多智能体协作带来的价值增加时，转换成本也随之上升。我们将看到 AI 应用一直未能实现的网络效应：协作层将成为护城河。
为智能体设计，而非人类
Stephenie Zhang—成长投资团队的合伙人，专注于企业科技公司。
到2026年，人们将开始通过智能体与网络交互。过去对人类消费至关重要的因素，对智能体消费而言可能不再重要。
多年来，我们始终针对可预测的人类行为进行优化：在谷歌搜索结果中排名靠前、在亚马逊商品列表中位列前几项、用”太长不看版”引导阅读。我高中上新闻课时，老师教我们写新闻要用”5W1H”要素，写特写要用”钩子”开头。人类可能错过深藏在第五页的真知灼见，但智能体不会。
这种转变同样关乎软件。应用程序过去是为人类视觉和点击操作设计的，优化意味着良好的用户界面和直观的流程。随着智能体接管信息检索和解读，视觉设计在理解过程中的核心地位逐渐削弱。
工程师不再需要盯着 Grafana 仪表盘，AI 站点可靠性工程师（SRE）可以解读遥测数据并在 Slack 中发布洞察；销售团队无需手动梳理 CRM 系统，智能体能够自动呈现模式与摘要。
我们不再为人类设计，而是为智能体设计。新的优化目标不再是视觉层次，而是机器可读性——这将改变我们的创作方式以及所使用的工具。
AI 应用中屏幕时间 KPI 的终结
Santiago Rodriguez—增长投资团队的合伙人，专注于金融科技、消费和加密技术公司
过去 15 年间，屏幕时长一直是衡量消费者和企业应用价值交付的最佳指标。我们长期处于以 Netflix 流媒体时长、医疗电子病历用户体验中的鼠标点击次数（用于证明有效使用），甚至 ChatGPT 使用时长作为关键绩效指标的范式之中。
随着我们迈向基于成果定价的未来——这种模式能完美对齐供应商与用户的激励机制——我们首先将告别屏幕时间报告体系。
这一转变已在实践中显现。当我在 ChatGPT 上运行 DeepResearch 查询时，尽管几乎没有屏幕交互时间，却获得了巨大价值。当 Abridge 神奇地捕捉医患对话并自动化后续流程时，医生几乎无需注视屏幕。
当 Cursor 端到端开发完整应用时，工程师正在规划下一个功能开发周期。而当 Hebbia 从数百份公开文件中起草演示文稿时，投资银行家终于能获得应有的睡眠。
这带来了一个独特的挑战：应用能为每位用户收取多少费用，需要更复杂的投资回报率衡量方法。医生满意度、开发者生产力、金融分析师福祉以及消费者幸福感，都因 AI 应用而提升。那些能用最简洁的销售说辞阐明投资回报率的公司，将继续超越竞争对手。
生物+健康
健康月活跃用户
Julie Yoo—生物+健康团队的普通合伙人，负责投资那些正在改变我们获取、支付和体验医疗保健方式的企业。
2026年，医疗保健领域将涌现出一类新的核心用户群体——“健康月活跃用户”。
传统医疗体系主要服务三类用户群体：(a)“疾病月活跃用户”：指偶发高成本医疗需求的人群；(b)“疾病日活跃用户”：如需要长期重症监护的患者；(c)“健康年活跃用户”：相对健康、很少就医的人群。
健康年活跃用户存在演变为疾病月活跃用户/日活跃用户的潜在风险，预防性护理可延缓这一转变。然而，我们重反应轻预防的医疗报销体系更倾向于治疗而非预防，导致主动式健康检查和监测服务未被优先考虑，且保险也极少覆盖此类项目。
如今健康月活跃用户登场：这些消费者并非处于疾病状态，但希望定期监测并了解自身健康状况——他们可能代表消费群体中占比最大的部分。我们预计将涌现一批企业——既有 AI 原生的初创公司，也有传统机构转型出的新型服务——通过提供周期性健康管理服务来服务这一用户群体。
随着人工智能有望降低医疗服务的成本结构，新型健康保险产品聚焦于预防领域，以及消费者更愿意自掏腰包为订阅制模式付费，“健康月活跃用户”将成为健康科技领域下一个高潜力的客户群体：他们持续参与、数据驱动、并以预防为导向。
是生物+健康团队的普通合伙人，负责投资那些正在改变我们获取、支付和体验医疗保健方式的企业。
速通
世界模型成为叙事焦点
Jonathan Lai—安德森·霍洛维茨基金（Andreessen Horowitz）的普通合伙人，专注于 a16z speedrun 项目。他投资于构建未来 AI 与创意融合领域的早期团队——涵盖开发者工具、3D 模拟、垂直智能体，以及横跨视频、游戏、音频等领域的新型叙事形式。
2026 年，由人工智能驱动的世界模型将通过交互式虚拟世界与数字经济彻底革新叙事方式。诸如 Marble（World Labs）和 Genie 3（DeepMind）等技术已能根据文本提示生成完整的 3D 环境，让用户如同在游戏中般进行探索。
随着创作者采用这些工具，全新的叙事形式将应运而生，并可能最终催生出一个”生成式《我的世界》”——玩家可以共同创造广阔且不断进化的宇宙。这些世界或将把游戏机制与自然语言编程相结合，例如通过指令”生成一支画笔，当我用它触碰任何物体时，该物体会变成粉色”来改变环境。
这类模型将模糊玩家与创作者之间的界限，将用户转变为动态共享现实的共同作者。这一演变可能催生相互连接的生成式多元宇宙，让奇幻、恐怖、冒险等不同类型的故事共存其中。
在这些宇宙里，数字经济将蓬勃发展——创作者通过制作资产、引导新手或开发新型交互工具来获取收入。除了娱乐领域，这些生成式世界还将成为训练 AI 智能体、机器人乃至通用人工智能（AGI）的丰富模拟环境。
世界模型的崛起不仅标志着一种全新游戏类型的诞生，更预示着一种全新的创意媒介与经济前沿。
“属于我的一年”
Joshua Lu —Andreessen Horowitz（a16z speedrun）的投资合伙人。
2026年将成为“我的元年”：产品不再批量生产，而是开始为你量身定制。
这一趋势已随处可见。
在教育领域，像 Alphaschool 这样的初创公司正在构建能适应每个学生学习节奏和好奇心的 AI 导师，为每个孩子提供与其步调及偏好学习方式相匹配的教育。这种程度的个性化关注，以往若没有为每个学生花费数万美元的辅导费用，根本不可能实现。
在健康领域，AI 能根据你的个体生物学特征，量身定制每日营养补剂组合、健身方案和膳食计划，无需依赖私人教练或实验室检测。
即便在媒体领域，AI 也能让创作者将新闻、节目和故事重新编排成完全符合你个人兴趣和喜好的个性化信息流。
The biggest companies of the last century won by finding 上个世纪的顶尖企业通过寻找“普通消费者”而获胜。
**下个世纪的巨头则将通过发现“普通消费者中的独特个体”而制胜。
2026 年是世界不再为所有人优化，而开始为你优化的一年。
第一所原生 AI 大学
Emily Bennett—a16z speedrun 的投资合伙人。
到 2026 年，我预计将会见证首所原生 AI 大学的诞生——这座机构将完全围绕智能系统从零构建。
过去数年间，大学院校已在 AI 辅助阅卷、辅导和排课等方面进行初步尝试。但如今浮现的变革更为深刻：一种能够实时自我学习与优化的自适应学术有机体正在萌芽。
试想这样一所学府：课程设置、学业指导、科研协作甚至楼宇运营，皆通过数据反馈循环持续自我调适。课表能自动优化，阅读清单会随着新论文的发表每夜自行迭代升级，学习路径则根据每位学生的进度与情境实时调整。
我们已经看到了先兆。亚利桑那州立大学与 OpenAI 的全校合作，在教学和行政领域催生了数百个 AI 驱动项目。纽约州立大学现已将 AI 素养纳入通识教育要求。这些正是更基础性部署的基石。
在 AI 原生大学中，教授成为学习架构师 ，负责策划数据、调优模型，并教导学生如何审视机器推理过程。
评估方式也随之改变。检测工具和抄袭禁令让位于 AI 感知型评价——根据学生如何使用 AI（而非是否使用）进行评分。透明与巧妙的运用取代了禁止。
当各行各业都在争相招募能够设计、治理并与 AI 系统协作的人才时，这种新型大学将成为训练场，培养出精通编排的毕业生，助力快速变革的劳动力队伍。
这所原生人工智能大学将成为新经济的人才引擎。
美国活力
构建 AI 原生的工业基础
David Ulevitch）— Andreessen Horowitz 的普通合伙人，负责领导公司的 American Dynamism 业务，并投资企业软件和 SaaS 软件。
美国正在重建经济中真正创造实力的部分。能源、制造、物流和基础设施重新成为焦点，而最重要的转变是崛起一个真正 AI 原生且软件优先的工业基础。这些企业从仿真、自动化设计和 AI 驱动运营起步。它们并非在现代化过去，而是在构建未来。
这为先进能源系统、重型机器人制造、下一代采矿、生物与酶催化工艺（生产各行业依赖的基础化学品）等领域打开了重大机遇。AI 能够设计更清洁的反应堆、优化开采流程、改良酶制剂，并以传统运营商无法企及的洞察力协调自主机器集群。
同样的变革正在重塑工厂之外的世界。自主传感器、无人机和现代人工智能模型如今能够持续监控港口、铁路、输电线路、管道、军事基地、数据中心以及其他曾经因规模过大而难以全面管理的关键系统。
现实世界需要新的软件。那些构建这些软件的创始人将塑造美国下一个世纪的繁荣。如果你正是这样的人，欢迎与我们交流。
美国工厂的复兴
Erin Price-Wright—安德森·霍洛维茨基金的一位普通合伙人，她投资于推动美国活力的企业，重点关注为物理世界构建人工智能的团队。
美国第一个伟大世纪建立在工业实力之上，但众所周知，我们已失去了许多这种力量——部分源于产业外迁，部分源于全社会有意的建设停滞。然而，生锈的齿轮正重新吱呀转动，我们正见证以软件和人工智能为核心的美国工厂的复兴。
我认为到2026年，企业将开始以工厂思维应对能源、挖矿、建筑和制造业等领域的挑战。这表现为人工智能与自主技术的模块化部署，与熟练工人协同作业，使复杂的定制化流程如同流水线般高效运转。具体包括：
-
快速且反复地驾驭复杂的监管与许可流程
-
加速设计周期，从一开始就践行面向制造的设计理念
-
更高效地管理大型项目协调工作
-
部署自主系统，以加速完成人类难以或危险管理的任务
通过运用亨利·福特一个世纪前开创的技术，从第零天起就规划规模化与可重复性，并融入人工智能的最新进展，我们很快将实现核反应堆的批量生产、建造满足国家需求的住房、以惊人速度建设数据中心，并迎来工业实力的新黄金时代。用埃隆·马斯克的话来说：“工厂就是产品。”
下一波可观测性将是物理层面的，而非数字层面
Zabie Elmgren—Andreessen Horowitz 的合伙人，她支持那些致力于强化关键基础设施、公共安全等领域的创始人。
过去十年间，软件可观测性彻底改变了我们监控数字系统的方式，通过日志、指标和追踪让代码库与服务器变得透明。同样的革命即将降临物理世界。
美国城市已部署超过十亿个联网摄像头和传感器， 物理可观测性 ——实时了解城市、电网及其他基础设施中发生的情况——正变得既紧迫又可行。这一新的感知层还将推动机器人与自主性的下一前沿发展，使机器依赖一个将物理世界变得像代码一样可观测的通用框架。
当然，这一转变也伴随着真实风险：能够检测野火或预防工地事故的同一工具，也可能催生反乌托邦的噩梦。
下一波浪潮的赢家将是那些同时赢得公众信任的人，他们构建保护隐私、可互操作、基于 AI 的系统 ，使社会更清晰可见，而不牺牲自由。谁构建了这一可信框架，谁就将定义未来十年的可观测性。
电气工业体系将驱动世界变革
Ryan McEntush—a16z 的投资合伙人，专注于投资推动美国活力的公司。
下一次工业革命将不仅发生在工厂里，更会发生在驱动工厂的机器内部。
软件改变了我们思考、设计和交流的方式。如今，它正在重塑我们移动、建造和生产的方式。电气化、材料科学和人工智能的进步正在融合，将真正的软件控制带入物理世界。机器开始自主感知、学习并采取行动。
这就是电气工业堆栈的崛起——它融合了驱动电动汽车、无人机、数据中心和现代制造业的各类技术。它将推动世界运转的原子与指挥世界的比特连接起来：矿物精炼成组件，能量储存在电池中，电力由功率电子器件调控，运动通过精密电机传递，所有环节均由软件协调。
这是物理自动化领域每一项突破背后的无形基石；它区分了仅仅能召唤出租车的软件与真正能掌控方向盘的软件。
但构建这一技术栈的能力——从提炼关键材料到制造先进芯片——正在逐渐流失。如果美国想引领下一个工业时代，就必须制造支撑这一时代的硬件。掌握电子工业技术栈的国家，将定义未来工业与军事技术的走向。
软件吞噬了世界。如今，它将驱动世界运转。
自主实验室加速科学发现
Oliver Hsu（徐奥利弗）—a16z 美国活力投资团队的合伙人，专注于新兴计算平台及实体世界应用领域。
随着模型能力在多模态领域的进步以及机器人操控能力的持续提升，各团队将加速推进自主科学发现的进程。
这些并行技术将催生能够闭环科学发现的自主实验室——从假设生成到实验设计与执行，再到推理分析、结果验证，并迭代未来研究方向。
构建这些实验室的团队将具有跨学科特性，整合人工智能、机器人技术、物理与生命科学、制造、运营等领域的专业知识，通过无人值守实验室实现跨领域的持续实验探索。
关键产业领域的数据革新
Will Bitsky—a16z 美国活力团队的投后支持合伙人。
2025 年，AI 的潮流由算力瓶颈和数据中心建设所定义；而到了 2026 年，数据瓶颈以及关键行业——数据征伐的下一个前沿——将成为定义这一年的核心。
我们的关键行业依然是潜在非结构化数据的富矿。每一次车辆派遣、仪表读取、维护作业、生产批次、装配和试火，都是模型训练的绝佳素材。但无论是数据采集、标注，还是模型训练，都尚未融入这些行业的通用话语体系。
市场对这些数据的需求并不匮乏。像 Scale、Mercor 这样的公司以及 AI 研究实验室，正不知疲倦地收集流程数据（不仅是“做了什么”，更是“如何做”）。为此，它们愿意为每一单位汗水数据的委托支付高昂的价格。
拥有现有物理基础设施和劳动力的工业企业，在数据收集方面具有比较优势，并将开始利用这一优势。它们的运营会产生海量数据，这些数据可以以近乎为零的边际成本获取，用于训练自有模型或授权给第三方。
我们应当期待初创公司会涌现出来提供帮助。初创公司将提供协调层：用于数据收集、标注和同意的软件工具；传感器硬件和软件开发工具包；强化学习环境和训练流程；最终，还有它们自己的智能机器。
应用
人工智能强化商业模式
David Haber—安德烈森·霍洛维茨基金普通合伙人，专注于企业级软件与金融服务领域的科技投资
最优秀的 AI 初创企业不仅仅是在实现任务自动化，更是在放大客户的经济效益。以风险代理律师为例，律所只有在胜诉时才能获得收入。
像 Eve 这样的公司利用专有的结果数据来预测案件成功率，帮助律所筛选更优质的案件、服务更多客户、提高胜诉率。
AI 本身强化了商业模式——它推动收入增长，而不仅仅是降低成本。到 2026 年，这一逻辑将在各行业持续延伸：AI 系统将更深度地与客户激励机制保持一致，从而形成传统软件无法企及的复利优势。
安德烈森·霍洛维茨基金普通合伙人，专注于企业级软件与金融服务领域的科技投资。
ChatGPT 成为 AI 应用商店
Anish Acharya 是一位企业家，也是 Andreessen Horowitz 的普通合伙人。在 a16z，他专注于消费投资，包括原生人工智能产品以及将助力开启富足新时代的公司。
消费级产品周期需要三大要素才能成功：新技术、新消费行为，以及新的分发渠道。
直到最近，人工智能浪潮已满足前两个条件，但尚未出现全新的原生分发渠道。大多数产品仍依赖 X 等现有网络的口碑传播实现增长。
然而，随着 OpenAI 应用软件开发工具包、苹果对迷你应用的支持以及 ChatGPT 群组消息功能的相继推出，消费者开发者如今可直接触达 ChatGPT 9 亿用户群体，并能借助 Wabi 等新型迷你应用网络实现增长。
作为消费端产品周期的最后一块拼图，这一全新分发渠道将在 2026 年开启消费科技领域十年一遇的淘金热。若等闲视之，风险自担。
语音代理占据空间
Olivia Moore—安德森·霍洛维茨基金投资团队的合伙人，专注于人工智能领域
过去 18 个月里，AI 语音代理为企业处理真实交互场景的构想已从科幻变为现实。从中小企业到大型企业，成千上万的公司正在使用语音 AI 来安排预约、完成预订、开展调查、进行信息录入等。这些代理不仅为企业节省成本、创造额外收入，还能解放人力，让员工专注于更高价值、更有趣的工作。
但由于该领域尚处于萌芽阶段，许多公司仍停留在”语音作为切入点”的阶段，仅提供一种或几种通话类型的点状解决方案。我期待看到语音代理能扩展至处理完整工作流（可能涉及多模态交互），甚至管理整个客户关系周期。
这很可能需要代理更深度地集成到企业系统中，并获得处理更复杂交互类型的自主权。随着底层模型持续进化——代理现已能调用工具并在系统间协同运作——每家企业都理应拥有以语音为先的 AI 产品，来运行并优化其业务关键环节。
无提示且主动式应用的到来
Marc Andrusko—Andreessen Horowitz 的合伙人，专注于 B2B 人工智能应用和金融科技领域。
2026 年标志着主流用户与提示框的诀别。新一代 AI 应用将实现零可见提示——它们会观察你的操作，主动介入并生成待审核的行动方案。
你的 IDE 会在你提出需求前就建议重构方案，CRM 系统在你通话结束后自动起草跟进邮件，设计工具在你工作时实时生成多个版本。聊天界面不过是辅助轮，如今 AI 正化身为无形架构，贯穿每个工作流程，由意图而非指令触发激活。
AI 将最终推动银行与保险基础设施的升级
Angela Strange—安德烈森·霍洛维茨基金的一名普通合伙人，专注于金融服务、保险以及（结合 AI 的）企业级软件领域。
许多银行和保险公司已经在传统系统基础上集成了 AI（如文档处理和 AI 语音客服），但只有当我们重建支撑 AI 的基础设施时，AI 才能真正变革金融服务。
到 2026 年，不进行全面现代化以充分利用 AI 的风险，将超过因尝试而失败的风险。届时，我们将会看到大型金融机构放弃传统供应商合同，开始部署更新、更原生的 AI 替代方案。这些公司不受过去行业分类边界的束缚，成为能够整合、标准化并丰富来自传统系统和外部来源底层数据的平台。
这将带来什么结果？
-
工作流程可以大幅简化并实现并行化，无需再在不同系统和界面之间切换。设想一下：你能在一个抵押贷款处理系统中同时查看并行处理数百项待完成的任务，甚至可以让代理自动完成其中更常规的操作。
-
我们熟知的分类将融合成更庞大的类别。例如，来自客户准入与过渡监控数据的 KYC 信息，现在可以整合到单一的风险管理平台中。
-
这些新兴赛道的赢家，其规模将是传统巨头的 10 倍：赛道本身更为广阔，而软件市场正在吞噬劳动力市场 。
金融服务的未来，不是把人工智能应用到旧系统中去，而是构建一个以人工智能为基石的崭新操作系统。
预部署机制将 AI 推广至 99%的应用场景
Joe Schmidt—安德森·霍洛维茨基金的合伙人，专注于软件、金融科技和保险科技领域的投资。
AI 是我们一生中最激动人心的技术突破。然而到目前为止，新创企业带来的大部分收益都流向了硅谷那 1%的公司——要么实际位于湾区，要么属于其延伸网络的一部分。
这也很合理：初创公司创始人希望将产品卖给那些他们熟悉且容易接触到的企业，无论是开车前往其办公室，还是通过董事会中的风投机构获得人脉。
到2026年，这一趋势将发生逆转。企业会意识到，人工智能带来的绝大多数机遇都蕴藏在硅谷之外，我们将看到新一代创始人采用前沿部署模式，去发现传统大型垂直行业中隐藏的更多机会。
在系统集成商和实施企业这类传统咨询与服务行业，以及制造业等发展较慢的行业中，都将蕴含着巨大机遇。
人工智能在《财富》世界500强中创造了新的协调层——以及新的角色。
Seema Amble—安德森·霍洛维茨基金的合伙人，专注于企业级软件和金融科技领域的投资
2026 年，企业将从孤立的 AI 工具进一步转向多智能体系统，这些系统需要像协调的数字团队一样运作。随着智能体开始管理复杂的相互依赖的工作流程——例如共同规划、分析和执行——组织将需要重新思考工作如何结构化，以及上下文如何在系统间流动。
我们已经看到像 AskLio 和 HappyRobot 这样的公司正在这样做，它们将智能体部署到整个流程中，而非单一任务。
《财富》世界500强企业将最深刻地感受到这一变化：它们拥有最庞大的数据孤岛、机构知识和运营复杂性，其中大部分存在于人的头脑中。将这些背景转化为自主工作者的共享基础，将释放更快的决策、压缩的周期以及不再依赖持续人工微观管理的端到端流程。
这一转变也将迫使领导者重新构想角色和软件。新的职能将应运而生，例如 AI 工作流设计师、智能体主管以及治理负责人，他们负责协调和审计协同工作的数字员工团队。
而在当今的记录系统之上，企业将需要协调系统：新的管理层级来管理多智能体交互、裁决上下文，并确保自主工作流的可靠性。
人类将专注于处理边缘和最为复杂的案例。多智能体系统的崛起不仅仅是自动化进程中的又一步；它代表着企业运营方式、决策制定方式以及最终价值创造方式的重构。
消费级人工智能从“帮帮我”转向“看见我”
Bryan Kim—安德森·霍洛维茨基金的合伙人，主要投资于面向消费者的 AI 应用领域。
2026 年标志着主流消费级人工智能产品从提升效率转向连接情感 。人工智能不再是帮你完成工作，而是让你更清晰地认识自己，并帮助你建立更牢固的人际关系。
需要说明的是：这很难。许多社交 AI 产品推出后都以失败告终。但得益于多模态上下文窗口和推理成本的下降，AI 产品现在能够从你生活的完整脉络中学习，而不仅仅是你告诉聊天机器人的内容。想想那些记录真实情感时刻的相册、根据对话对象不同而变化的 1 对 1 聊天和群聊模式，以及在压力下发生变化的日常习惯。
一旦这些产品真正落地，它们将成为我们日常生活的一部分。总体而言，”看见我”类产品比”帮助我”类产品具有更好的内在留存机制。”帮助我”类产品通过离散任务的高支付意愿实现盈利，并优化订阅用户留存；而”看见我”类产品则通过持续连接的日常互动实现盈利：支付意愿较低，但使用模式更具留存性。
人们早已习惯用数据换取价值：问题在于他们获得的东西是否值得。而很快，答案将是肯定的。
新模型原语解锁了此前不可能存在的公司形态
Kimberly Tan—Andreessen Horowitz 的投资合伙人，专注于 SaaS 和 AI 领域的投资。
到 2026 年，我们将见证一批公司的涌现——它们在过去因推理能力、多模态交互和计算机使用等模型突破尚未实现而根本无法存在。
迄今为止，许多行业（如法律或客户支持）仅通过改进推理能力来增强现有产品。但直到现在，我们才开始看到那些核心产品能力从根本上由这些新模型原语所驱动的公司。
推理能力的进步可能带来全新能力，用于评估复杂的财务主张，或基于密集的学术/分析研究报告采取行动（例如处理账单纠纷）。
多模态模型使得从扎根于实体世界的行业中提取潜在视频数据成为可能（如从制造现场的摄像头获取数据）。而计算机使用能力则能在那些价值长期被桌面软件、低效 API 和零散工作流所束缚的大型行业中实现自动化。
向其他 AI 初创公司销售的 AI 初创公司实现了规模化发展。
James da Costa—Andreessen Horowitz 的合伙人，专注于投资 B2B 软件和金融服务领域。
我们正处在一个前所未有的公司创建浪潮中，这波浪潮由当前的 AI 产品周期推动。但与以往的产品周期不同，现有企业并未掉以轻心；它们也在积极采用 AI。那么，初创公司要如何取胜呢？
初创公司战胜现有企业最有力但也最被低估的途径之一，就是在企业成立之初为其提供服务：也就是那些从零起步的公司（即全新业务）。如果你能吸引所有新成立的公司，并与它们共同成长，那么当你的客户成长为大型企业时，你也会成为一家巨头。
Stripe、Deel、Mercury、Ramp 等公司都遵循了这一策略。事实上，当 Stripe 成立时，它的许多客户甚至还不存在。
2026 年，我们将看到那些从零起步的初创公司在众多企业软件类别中达到规模化。 只需打造更好的产品，并执着地专注于那些不受现有企业束缚的新客户即可。
隐私将成为加密领域最重要的护城河
阿里·叶海亚—a16z crypto 的普通合伙人
隐私是全球金融体系迁移至链上的关键特性，也是当今几乎所有区块链都缺失的功能。对大多数链而言，隐私充其量只是事后才被考虑的问题。
但如今，隐私本身已具备足够吸引力，足以让一条链从众多竞争者中脱颖而出。隐私还实现了一个更重要的功能： 它创造了链的锁定效应 ——可以说是一种隐私网络效应。尤其是在这个仅凭性能竞争已不足以取胜的时代。
得益于桥接协议，只要一切公开，在不同链之间转移资产就变得轻而易举。然而，一旦涉及隐私，情况就截然不同了：转移代币容易，转移秘密却很难。在进出隐私区域时，始终存在风险——那些监视链、内存池或网络流量的人可能会识破你的身份。跨越隐私链与公链（甚至两条隐私链之间）的边界，会泄露交易时间、规模关联等各种元数据，从而更容易追踪到特定用户。
与众多同质化的新链不同（这些链上的区块空间本质上已趋同，竞争将把费用压至接近零），具备隐私功能的区块链能够产生更强大的网络效应 。
现实情况是，如果一条”通用型”链尚未拥有蓬勃发展的生态系统、杀手级应用或不公平的分发优势，那么几乎没有任何理由让用户使用它或在其上构建应用——更不用说对其保持忠诚了。
当用户在公有区块链上时，他们很容易与其他链上的用户进行交易——无论加入哪条链都无关紧要。反之，当用户处于私有区块链时，他们选择的链就显得至关重要，因为一旦加入某条链，便不太可能迁移并承担可能暴露的风险。这便形成了”赢家通吃”的态势。由于隐私性对大多数实际应用场景至关重要，少数隐私链或将主导整个加密货币领域。
预测市场将变得更大、更广、更智能
安德鲁·霍尔—a16z 加密团队的研究顾问
预测市场已进入主流视野，而在未来一年，随着其与加密技术和人工智能的深度融合，它们将变得规模更大、范围更广、更智能——同时也为构建者带来亟待解决的新挑战。
首先，将会有更多合约上线。这意味着我们不仅能获取重大选举或地缘政治事件的实时赔率，还能追踪各类细枝末节的结果以及复杂交织的事件。随着这些新合约揭示更多信息并融入新闻生态，它们将引发重要的社会议题：如何平衡这类信息的价值，以及如何优化合约设计以提升透明度、可审计性等——而加密技术正能实现这些目标。
为了处理数量庞大的合约，我们需要新的方式来达成共识以解决合约纠纷。中心化平台仲裁（例如：某事件是否真实发生？如何核实？）固然重要，但像泽连斯基诉讼事件市场 和委内瑞拉选举市场 这类争议案例已暴露出其局限性。为了应对这些边缘案例，并使预测市场扩展到更有价值的应用场景，新型去中心化治理机制和 LLM 预言机将有助于为争议结果确立真相。
人工智能为预言机带来了超越 LLMs 的更多可能性。例如，在这些平台上交易的 AI 代理可以搜寻全球信号以获取短期交易优势，从而帮助人们发现看待世界的新视角，并预测接下来会发生什么（Prophet Arena 等项目已揭示了这一领域的前景）。除了作为可供我们查询洞察的精妙政治分析师，这些代理在审视其涌现的策略时，还可能揭示复杂社会事件根源预测因素的新特征。
预测市场会取代民调吗？不会；相反，它能让民调变得更好（民调信息也能反馈到预测市场中）。作为一名政治学家，我最兴奋的是预测市场如何与丰富活跃的民调生态系统协同运作——但我们需要借助人工智能等新技术来优化调查体验，以及利用加密货币等技术来提供证明受访者非机器人而是人类的新方式，等等。
互联网成为银行
克里斯蒂安·克劳利
随着智能体大规模涌现，越来越多的商业活动在后台自动完成，而非通过用户点击实现，那么货币——即价值——的流动方式也必须随之改变。在一个系统根据意图而非分步指令行动的世界里——因为 AI 智能体识别需求、履行义务或触发结果而转移资金——价值的流动必须像今天的信息一样快速自由。这正是区块链、智能合约和新协议大显身手的领域。
智能合约已经能在数秒内完成全球范围内的美元支付结算。但到 2026 年，像 x402 这样的新兴原语将使这种结算变得可编程且可响应。智能体之间可以即时、无需许可地为数据、GPU 算力或 API 调用相互支付——无需开具发票、对账或批量处理。开发者发布软件更新时，可附带内置的支付规则、限额和审计追踪——无需法币集成、商户注册或银行。预测市场能在事件发生时实时自行结算——赔率更新、智能体交易、收益在全球数秒内清算……无需托管方或交易所。一旦价值能够以这种方式流动，“支付流”就不再是一个独立的运营层，而成为一种网络行为。银行成为互联网基础管道的一部分，资产则成为基础设施。如果金钱成为互联网可以路由的数据包，那么互联网就不仅仅是支撑金融系统——它本身就成了金融系统。
隐私将成为加密领域最重要的护城河
Ali Yahya — a16z crypto 的普通合伙人（Farcaster 上@alive.eth | X 上@alive_eth）
隐私是全球金融体系迁移至链上的关键特性，也是当今几乎所有区块链都缺失的功能。对大多数链而言，隐私充其量只是事后才被考虑的问题。
但现在，隐私本身已足够引人注目，足以让一条链从其他所有链中脱颖而出。隐私还承担了一项更重要的使命：如果你愿意的话，可以称之为隐私网络效应。尤其是在一个仅仅在性能上竞争已不再足够的时代。
得益于桥接协议，只要一切公开，在不同链之间转移资产就变得轻而易举。然而，一旦涉及隐私，情况就截然不同了：转移代币容易，转移秘密却很难。在进出隐私区域时，始终存在风险——那些监视链、内存池或网络流量的人可能会识破你的身份。跨越隐私链与公链（甚至两条隐私链之间）的边界，会泄露交易时间、规模关联等各种元数据，从而更容易追踪到特定用户。
与众多同质化的新链不同（这些链上的区块空间本质上已趋同，竞争将把费用压至接近零），具备隐私功能的区块链能够产生更强大的网络效应 。现实情况是，如果一条”通用型”链尚未拥有蓬勃发展的生态系统、杀手级应用或不公平的分发优势，那么几乎没有任何理由让用户使用它或在其上构建应用——更不用说对其保持忠诚了。
当用户在公有区块链上时，他们很容易与其他链上的用户进行交易——无论加入哪条链都无关紧要。反之，当用户处于私有区块链时，他们选择的链就显得至关重要，因为一旦加入某条链，便不太可能迁移并承担可能暴露的风险。这便形成了”赢家通吃”的态势。由于隐私性对大多数实际应用场景至关重要，少数隐私链或将主导整个加密货币领域。
预测市场将变得更大、更广、更智能
安德鲁·霍尔—a16z 加密团队的研究顾问
预测市场已进入主流视野，而在未来一年，随着其与加密技术和人工智能的深度融合，它们将变得规模更大、范围更广、更智能——同时也为构建者带来亟待解决的新挑战。
首先，将会有更多合约上线。这意味着我们不仅能获取重大选举或地缘政治事件的实时赔率，还能追踪各类细枝末节的结果以及复杂交织的事件。随着这些新合约揭示更多信息并融入新闻生态，它们将引发重要的社会议题：如何平衡这类信息的价值，以及如何优化合约设计以提升透明度、可审计性等——而加密技术正能实现这些目标。
为了处理数量庞大的合约，我们需要新的方式来达成共识以解决合约纠纷。中心化平台仲裁（例如：某事件是否真实发生？如何核实？）固然重要，但像泽连斯基诉讼事件市场 和委内瑞拉选举市场 这类争议案例已暴露出其局限性。为了应对这些边缘案例，并使预测市场扩展到更有价值的应用场景，新型去中心化治理机制和 LLM 预言机将有助于为争议结果确立真相。
人工智能为预言机带来了超越 LLMs 的更多可能性。例如，在这些平台上交易的 AI 代理可以搜寻全球信号以获取短期交易优势，从而帮助人们发现看待世界的新视角，并预测接下来会发生什么（Prophet Arena 等项目已揭示了这一领域的前景）。
除了作为可供我们查询洞察的精妙政治分析师，这些代理在审视其涌现的策略时，还可能揭示复杂社会事件根源预测因素的新特征。
预测市场会取代民调吗？不会；相反，它能让民调变得更好（民调信息也能反馈到预测市场中）。
作为一名政治学家，我最兴奋的是预测市场如何与丰富活跃的民调生态系统协同运作——但我们需要借助人工智能等新技术来优化调查体验，以及利用加密货币等技术来提供证明受访者非机器人而是人类的新方式，等等。
以更加密原生的方式思考真实世界资产的代币化以及稳定币问题。
盖伊·伍利特—安德森·霍洛维茨基金（Andreessen Horowitz）的普通合伙人，专注于加密领域的基础设施和应用层投资
我们看到银行、金融科技公司和资产管理公司对将美国股票、大宗商品、指数及其他传统资产上链表现出浓厚兴趣。随着更多传统资产上链，代币化通常是拟态式的——植根于当前对真实世界资产的认知，并未充分利用加密原生的特性。
然而，永续期货等合成表现形式能带来更深的流动性，且通常更易实施。永续合约还提供了易于理解的杠杆，因此我认为它们是产品市场契合度最强的加密原生衍生品。同时，我认为新兴市场权益是永续化最具吸引力的资产类别之一。（某些权益的零到期日期权市场，其交易流动性往往比现货市场更深，这将是永续化的一个有趣实验。）
一切都归结为“ 永续化 vs. 代币化 ”的问题；但无论如何，我们应在新的一年看到更多加密原生的 RWA（真实世界资产）代币化。
类似地，到2026年，在稳定币领域（该币种已于2025年成为主流），我们将看到更多“创造而非仅仅代币化”的趋势；流通中的稳定币发行量将持续增长。
但缺乏强大信用基础设施的稳定币，看起来就像只持有特定高流动性安全资产的狭义银行。虽然狭义银行是一种有效的产品，但我认为从长远来看，它不会成为链上经济的支柱。
我们看到许多新的资产管理机构、托管方和协议开始推动基于链下抵押品的链上资产抵押贷款。这些贷款通常先在链下发起，随后进行代币化处理。我认为代币化在此场景中优势有限，或许仅能惠及已存在于链上的用户群体。
因此，债务资产应当直接在链上发起，而非在链下发起后再进行代币化。链上发贷能降低贷款服务成本、后台结构成本，并提升可及性。当前面临的挑战在于合规与标准化，但开发者已着手解决这些问题。
将加密货币企业视为中转站，而非终点站
阿里安娜·辛普森— a16z crypto 的普通合伙人（X 平台账号：@AriannaSimpson）
如今除了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”，那么其他人该何去何从？如此多的参与者都在做同一件事，会蚕食大多数人的心智份额，最终只留下少数赢家。这意味着那些过早转向交易的公司，错失了构建更具防御性和持久性业务的机会。
虽然我非常理解那些努力让业务财务数据达标的创业者们，但一味追求即时的产品市场契合度也是有代价的。这个问题在加密货币领域尤为突出——围绕代币和投机的独特动态，可能引导创业者在寻找产品市场契合度的旅程中走上即时满足的道路……这就像一场棉花糖测试。
交易本身并无过错——它是重要的市场功能——但它不一定是最终归宿。那些专注于产品市场契合度中”产品”部分的创业者，最终可能成为更大的赢家。
从了解你的客户（KYC）到“了解你的代理”（KYA）
肖恩·内维尔— Circle 的联合创始人及 USDC 的架构师；Catena Labs 的首席执行官
智能体经济的瓶颈正从智能转向身份 。
在金融服务领域，“非人类身份”现在以 96 比 1 的比例超过人类员工——然而这些身份仍然是未被银行服务的幽灵。这里缺失的关键基础是 KYA：了解你的代理。
正如人类需要信用评分才能获得贷款，代理将需要加密签名的凭证来进行交易——将代理与其委托人、约束条件和责任联系起来。在这一点实现之前，商家将继续在防火墙处阻止代理。那个花了数十年建立 KYC 基础设施的行业，现在只有几个月的时间来弄清楚 KYA。
更优质、更智能的稳定币出入金通道
Jeremy Zhang—a16z 加密团队的全栈网页开发人员
稳定币去年交易量估计达 46 万亿美元 ，持续刷新历史纪录。这一数字相当于 PayPal 交易量的 20 倍以上；接近全球最大支付网络 Visa 交易量的 3 倍；并正逼近美国 ACH（用于直接存款等金融交易的电子网络）的交易规模。
如今，你可以在不到一秒钟内以不到一分钱的成本发送稳定币。然而，尚未解决的问题是如何将这些数字美元与人们日常实际使用的金融轨道连接起来——换句话说，就是稳定币的出入金通道。
新一代初创企业正填补这一空白，将稳定币与更熟悉的支付体系及当地货币相连接。有些企业运用密码学证明，让用户能以私密方式将本地余额兑换为数字美元；有些则整合了基于二维码、实时支付通道等功能的区域网络，实现银行间转账；而另一些企业正在构建更具互通性的全球钱包层和发卡平台，让用户能在日常商户处使用稳定币消费。
这些路径共同拓展了数字美元经济的参与范围——并可能加速稳定币作为主流支付工具的普及进程。
稳定币解锁银行账本升级周期——以及新的支付场景
Sam Broner—a16z 加密团队的投资合伙人。
普通银行运行的软件对现代开发者来说简直难以辨认：早在 20 世纪 60 至 70 年代，银行就率先采用了大型软件系统。第二代核心银行软件始于 20 世纪 80 至 90 年代（例如 Temenos 的 GLOBUS 和 Infosys 的 Finacle）。
但这些软件已经老化，升级速度过于缓慢。因此，银行业——尤其是追踪存款、抵押品及其他债务的关键核心账本数据库——至今仍常运行在大型主机上，使用 COBOL 编程，并采用批处理文件接口而非 API。
全球绝大多数资产仍存在于那些同样有数十年历史的核心账本上。尽管这些系统经过实战检验、受监管机构信任，并深度融入复杂的银行业务场景，但它们也阻碍了创新。添加实时支付等关键功能可能需要数月甚至数年时间，并且需要应对层层技术债务和监管复杂性。
这正是稳定币的用武之地。过去几年不仅是稳定币找到产品市场契合点并进入主流视野的时期，今年传统金融机构更是以前所未有的程度接纳了它们。
稳定币、代币化存款、代币化国债以及链上债券，使银行、金融科技公司和金融机构能够开发新产品、服务新客户。更重要的是，它们无需迫使这些机构重写其遗留系统——这些系统虽然老旧，但已可靠运行数十年。因此，稳定币为机构创新提供了一条新路径。
消息传递的（近）未来不仅是抗量子加密，更是去中心化
肖恩·麦克—MTP Labs 的联合创始人兼首席执行官
随着世界为量子计算做准备 ，许多基于加密技术的消息应用（如苹果、Signal、WhatsApp）已率先行动，都做出了卓越贡献。问题在于，所有主流即时通讯软件都依赖我们信任由单一组织运营的私有服务器。这些服务器极易成为政府关闭、植入后门或胁迫交出隐私数据的目标。
如果一个国家可以关闭你的服务器，如果一家公司握有私有服务器的密钥，甚至如果一家公司掌控着 私有服务器——那么量子加密还有什么意义？私有服务器需要“信任我”——但没有私有服务器则意味着“你无需信任我”。通信不需要任何单一公司作为中介。
消息传递需要开放协议，我们无需信任任何人。实现这一目标的途径是去中心化网络：没有私有服务器，没有单一应用，全部开源代码，并采用顶级加密技术——包括能够抵御量子威胁的加密。
在开放网络中，没有任何个人、公司、非营利组织或国家能够剥夺我们的通信能力。即便某个国家或公司关闭了一个应用，第二天就会涌现出500个新版本。关闭一个节点，也会有经济激励（得益于区块链等技术）促使新节点立即取而代之。
当人们像拥有自己的金钱一样拥有自己的信息—— 通过一把密钥 ——一切都会改变。应用可能会来来去去，但人们始终能掌控自己的信息和身份。终端用户现在可以拥有自己的信息，即使应用本身不属于他们。
这不仅仅是抗量子计算和加密技术的问题，而是关乎 所有权 和去中心化。如果缺少这两者，我们所做的一切不过是在构建即便无法破解、却依然可以被关闭的加密系统而已。
从”代码即法律”到”规范即法律”
Daejun Park— a16z 加密部门的高级区块链安全工程师，致力于为 Web3 安全开发形式化方法和工具，帮助投资组合公司乃至整个 Web3 社区提升安全标准。
近期的去中心化金融攻击事件，目标都是那些拥有强大团队、经过严格审计且已稳定运行多年的成熟协议。这些事件凸显了一个令人不安的现实：当下的标准安全实践在很大程度上仍依赖经验法则和个案处理。
若要走向成熟，去中心化金融安全需要从漏洞模式转向设计级属性，从“尽力而为”转向“遵循原则”的方法：
因此，现在我们不再假设所有漏洞都已被捕获，而是在代码本身中强制执行关键安全属性，自动回滚任何违反这些属性的交易。
这并非只是理论。在实践中，迄今为止几乎每一次漏洞利用都会在执行过程中触发这些检查中的某一项，从而可能阻止黑客攻击。
因此，曾经流行的”代码即法律”理念演变为”规范即法律”：即便是新型攻击也必须满足维持系统完整性的相同安全属性，因此唯一剩下的攻击要么微乎其微，要么极难实施。
作为一名数理经济学家，今年一月时，要让消费级 AI 理解我的工作流程都相当困难；但到了十一月，我已经能像指导博士生那样向模型下达抽象指令…而它们有时能给出新颖且执行准确的答案。除了我的亲身实践，我们正见证 AI 更广泛地应用于科研领域——尤其是在需要多步逻辑推理的场景，模型不仅直接辅助科学发现，还能挑战（或许是全球最难的高等数学考试）这类难题。
这种研究助手将在哪些领域发挥最大作用，以及如何发挥作用，目前仍是未解之谜。但我预期人工智能研究将催生并奖励一种新型的通才研究风格：这种风格偏好对观点之间的关联进行推测，并能从更具猜测性的答案中快速推断延伸。
这些答案可能不够精确，但至少能指向正确的方向（在某些拓扑结构下）。讽刺的是，这有点像利用模型幻觉的威力：当模型变得足够”聪明”时，给予它们抽象空间进行发散思考，虽然可能产生无意义的输出——但有时却能打开发现的突破口，正如人类在非线性、目标不明确的思维状态下反而最具创造力。
以这种方式进行推理将需要一种新型的 AI 工作流程——不仅涉及智能体之间的协作，更要构建”智能体嵌套智能体”的层级架构，即通过多层模型协助研究者评估早期模型的研究路径，逐步从海量信息中提炼真知灼见。我本人已在实践这种工作范式，其他研究者则将之用于专利检索、新型艺术形态创作，甚至（不幸的是）发现了新型智能合约攻击路径。
然而：要运行用于研究的包裹式推理智能体群组，需要在不同模型间建立可信执行环境，并设计可量化每个模型具体贡献的归属机制——这两个难题恰是加密货币的用武之地。
开放网络面临的隐性税负
Elizabeth Harkavy— a16z 加密投资团队的合伙人
AI 代理的崛起正在对开放网络施加一种隐性税负，从根本上动摇了其经济基础。这种破坏源于互联网上下文层与执行层之间日益加剧的错位：当前，AI 代理从依赖广告收入的网站（即上下文层）提取数据，在为用户提供便利的同时，系统性地规避了为内容提供资金支持的收益流（如广告和订阅）。
为防止开放网络的衰落，并保护支撑人工智能自身的多样化内容，我们需要大规模部署技术和经济解决方案。这可能包括新一代赞助内容、微归因系统或其他新型融资模型。现有的人工智能授权协议也被证明是财务上不可持续的权宜之计，通常仅以内容提供商因人工智能蚕食流量而损失的收入的一小部分作为补偿。
互联网需要一种新的技术经济模式，使价值能够自动流转。未来一年关键的转变将是从静态授权转向基于实时使用量的补偿。这意味着测试和扩大系统规模——可能利用区块链支持的纳米支付和精密的归因标准——来自动奖励每个为智能体成功完成任务贡献信息的实体。
“抵押媒体”的崛起
Robert Hackett—a16z 加密基金的运营合伙人兼内容与编辑主管，致力于打造以 Web3 为核心的媒体业务体系。
传统媒体模式——及其（所谓的）客观性——的裂痕早已显现。互联网赋予每个人发声的机会，如今越来越多的运营者、实践者和建设者直接面向公众发表观点。他们的视角反映了他们在世界中的利害关系，而反直觉的是，观众往往并非因为他们的兴趣而尊重他们，而是因为坦率承认这些兴趣。
这里的新变化并非社交媒体的兴起，而是密码学工具的到来——它们让人们能够做出公开可验证的承诺。随着人工智能可以生成无限内容——从任何视角或身份（真实的或虚构的）声称任何事情——仅仅依赖人们（或机器人）所说的话，可能已显得不够充分。
代币化的资产、可编程锁定机制以及链上历史记录，为信任提供了更坚实的基础：一位评论者可以发表论点，同时证明自己确实在“用钱说话”。
一位播客主播可以锁定代币，以表明自己并非机会主义地“快进快出”或“拉高出货”。一位分析师可以将预测与公开结算的市场挂钩，从而创建一份可审计的业绩记录。
这是我称之为“质押媒体”的雏形：这是一种不仅接纳“利益攸关”理念，更能提供实证的媒体形态。在这种模式下，可信度既非源于假装超然物外，也非来自空口无凭的主张；而是源于你能够公开透明、可供核验的利益承诺。
质押媒体不会取代其他媒体形式，而是对现有体系的补充。它传递着全新信号：不仅是“请相信我，我是中立的”，更是“这是我愿意承担的风险，以及你如何验证我所说的是真话”。
随着这些进出通道日益成熟，数字美元直接接入本地支付系统和商户工具，新的行为模式将涌现：跨境实时支付工资成为可能；商户无需银行账户即可接收全球美元支付；应用程序能即时向任何地点的用户结算价值。稳定币将从利基金融工具，根本性地转变为互联网的基础结算层。
加密技术为区块链之外的应用提供了一种新的基础工具
Justin Thaler—a16z 的研究合伙人，同时也是乔治城大学计算机科学系的副教授
多年来，——一种无需重新执行计算就能验证其正确性的密码学证明——基本上只是区块链专属技术。它的开销实在太高了：生成一次计算证明所需的工作量可能比直接运行计算要多出100万倍。当你在数千个验证节点之间分摊成本时，这种技术是值得的，但在其他任何场景下都显得不切实际。
这种情况即将改变。到 2026 年，zkVM 证明器的开销将降至约 10,000 倍，内存占用仅需几百兆字节——速度快到可以在手机上运行，成本低到可以随处部署。以下是 10,000 倍可能成为神奇数字的一个原因：高端 GPU 的并行吞吐量比笔记本电脑 CPU 高出约 10,000 倍。到 2026 年底，单个 GPU 将能够实时生成 CPU 执行的证明。
这可能开启一个愿景：。如果你出于某些原因（比如计算强度不足以使用 GPU、缺乏相关专业知识，或是遗留系统问题）仍在云端运行 CPU 工作负载，那么你将能够以合理的成本获得计算正确性的密码学证明。证明生成器本身已针对 GPU 进行了优化，你的代码无需做任何改动。
我们将用 AI 完成实质性研究任务
Scott Duke Kominers—a16z 加密领域的研究合伙人
‘机密即服务’
Adeniyi Abiodun—Mysten Labs 的首席产品官兼联合创始人。
每一个模型、智能体以及自动化系统的背后，都存在着一个简单的依赖关系：数据。然而，如今绝大多数数据管道——无论是输入模型还是模型输出的数据——都是不透明、可变且不可审计的。
这种情况在某些消费类应用中尚可接受，但对于许多行业和用户（如金融与医疗领域）而言，企业必须确保敏感数据的私密性。同时，这也极大地阻碍了当前试图将现实世界资产代币化的机构的发展进程。
那么，我们如何在保障安全、合规、自主且全球互通的创新的同时，维护隐私权呢？方法众多，但本文将聚焦于数据访问控制：谁掌握敏感数据？数据如何流转？又有谁（或什么）能够访问这些数据？
缺乏数据访问控制机制，当前任何希望保持数据机密性的个人都不得不使用中心化服务或自建定制方案——这不仅耗时且成本高昂，更阻碍传统金融机构及其他主体充分利用链上数据管理的特性与优势。随着用户开始自主浏览、交易和决策，各行业的用户与机构都需要密码学层面的保障，而非”尽力而为的信任”。
因此，我认为我们需要”秘密即服务”：能够提供可编程、原生数据访问规则的新技术；客户端加密；以及去中心化的密钥管理，强制执行谁可以在何种条件下、在多久时间内解密什么内容……这一切都在链上执行。
结合可验证的数据系统，秘密便能成为互联网基础公共基础设施的一部分——而非一个事后才添加隐私保护的应用程序层补丁——从而使隐私成为核心基础设施。
面向所有人的财富管理
Maggie Hsu— a16z crypto 的市场推广负责人
个性化财富管理服务传统上仅限于银行的高净值客户：提供量身定制的建议并跨资产类别个性化投资组合，既成本高昂又操作复杂。但随着更多资产类别实现代币化，加密基础设施使得策略——通过 AI 推荐和辅助工具实现个性化——能够以极低成本即时执行和再平衡。
这远不止是智能投顾：如今人人都能进行主动型投资组合管理，而不只是被动管理。2025 年，传统金融(TradFi)增加了对加密货币的投资组合敞口（银行通过直接或间接方式配置 2-5%），但这只是开始；到 2026 年，我们将看到专为”财富积累”（而非仅仅”财富保值”）而构建的平台——金融科技公司（如 Revolut 和 Robinhood）以及中心化交易所（如 Coinbase）正利用其技术栈优势抢占更多市场份额。
与此同时，去中心化金融(DeFi)工具（如 Morpho Vaults）会自动将资产配置到具有最佳风险调整收益的借贷市场，为核心投资组合提供收益型配置。将剩余流动性资产以稳定币（而非法定货币）形式持有，以及投资代币化货币市场基金（而非传统货币市场基金），将进一步拓展收益的可能性空间。
最后，散户投资者如今能更便捷地接触更多流动性较低的私募市场资产，如私募信贷、上市前公司股权及私募股权，因为代币化在保持合规与报告要求的同时，助力解锁这些市场。随着平衡投资组合中的各类资产（按风险谱系从债券、股票到私募及另类投资）逐步实现代币化，它们可自动进行再平衡，无需进行电汇等操作。
互联网成为银行
Christian Crowley—a16z加密领域的业务发展合伙人
随着智能体大规模涌现，越来越多的商业活动在后台自动完成，而非通过用户点击实现，那么货币——即价值——的流动方式也必须随之改变。在一个系统根据意图而非分步指令行动的世界里——因为 AI 智能体识别需求、履行义务或触发结果而转移资金——价值的流动必须像今天的信息一样快速自由。这正是区块链、智能合约和新协议大显身手的领域。
智能合约已经能在数秒内完成全球范围内的美元支付结算。但到 2026 年，像 x402 这样的新兴原语将使这种结算变得可编程且可响应。智能体之间可以即时、无需许可地为数据、GPU 算力或 API 调用相互支付——无需开具发票、对账或批量处理。
开发者发布软件更新时，可附带内置的支付规则、限额和审计追踪——无需法币集成、商户注册或银行。预测市场能在事件发生时实时自行结算——赔率更新、智能体交易、收益在全球数秒内清算……无需托管方或交易所。
一旦价值能够以这种方式流动，“支付流”就不再是一个独立的运营层，而成为一种网络行为。银行成为互联网基础管道的一部分，资产则成为基础设施。如果金钱成为互联网可以路由的数据包，那么互联网就不仅仅是支撑金融系统——它本身就成了金融系统。
释放区块链的全部潜力……当法律架构最终与技术架构相匹配时
迈尔斯·詹宁斯—担任 a16z crypto 的总法律顾问及去中心化业务主管
十年间，在美国构建区块链网络的最大就是法律不确定性之一。证券法被曲解并有选择性地执行，就像创业者们置身于为“公司”网络”设计的监管框架中。多年来，规避法律风险取代了产品战略；工程师沦为配角，律师主角成了。
这一事件导致了扭曲现象：创始人被要求避免透明化，代币分配在法律上变得公平，治理沦为形式主义，组织结构为法律掩护和优化，代币设计刻意规避经济价值/缺乏商业模式。更糟糕的是，那些游走边缘规则的加密项目往往跑赢了诚信建设的团队。
但加密货币市场结构监管——政府比以往任何时候都更接近——有望在接下来消除所有这些扭曲。若获悉，该立法将要求透明化、建立明确标准，并以更明确的融资、代币发行和去中心化路径取代“监管轮盘赌”。在GENIUS协议之后，稳定币的普及已呈现增长式现象；而围绕加密市场结构的立法将带来更重大的转变，不过这次是针对网络方面。
换言之，这样的监管使得区块链网络能够像网络一样运作——开放、自治、可组合、可信中立且去中心化。
