作者：a16z crypto

編譯：深潮 TechFlow

今年，AI 將承擔更多實質性研究任務

作為一名數理經濟學家，早在 2025 年 1 月，我很難讓消費級 AI 模型理解我的工作流程；然而到了 2025 年 11 月，我已經可以像對博士生下達抽象指令那樣對 AI 模型進行指令傳達……而它們有時還能返回一些新穎且正確的答案。除了我的個人經歷之外，AI 正在更廣泛地被應用於研究領域，尤其是在推理領域。這些模型不僅直接協助了發現過程，還能自主解決諸如 Putnam 問題（或許是世界上最難的大學數學考試）這樣的難題。

目前仍然不確定這種研究輔助方式究竟會在哪些領域產生最大幫助，以及具體如何實現。但我預計，今年 AI 研究將推動並獎勵一種全新的“多面手”研究風格：這種風格更注重構想各種想法之間的關係，並能夠快速從更具假設性的答案中進行推斷。

這些答案可能並不完全準確，但它們仍能指引研究朝著正確的方向前進（至少在某種拓撲結構下）。頗具諷刺意味的是，這有點像在利用模型“幻覺”的力量：當模型“足夠聰明”時，賦予它們抽象的空間去激盪思維，可能仍會產生一些無意義的結果——但有時也會帶來突破性的發現，就像人類在不按線性思維或明確方向工作時，反而可能會最具創造力。

以這種方式進行推理需要一種新的 AI 工作流程風格——不僅是“代理對代理”的簡單互動，而是“代理嵌套代理”的複雜協作模式。在這種模式中，不同層次的模型協助研究者評估早期模型的方案，並逐步從中提煉出精華。我自己已經在用這種方法撰寫論文，而其他人則在進行專利檢索、發明新形式的藝術作品，甚至（令人遺憾的是）發現新的智能合約攻擊方式。

然而，要操作這些嵌套推理代理的組合以進行研究，仍需更好的模型之間的互操作性，以及一種識別並適當補償每個模型貢獻的方法——而這些問題，區塊鏈技術或許能夠幫助解決。

——Scott Kominers（@skominers），a16z 加密研究團隊成員，哈佛商學院教授

從“瞭解你的客戶”（KYC）到“瞭解你的代理”（KYA）：身份驗證的轉變

代理經濟的瓶頸正在從智能轉向身份認證。在金融服務領域，“非人類身份”的數量如今已經超過了人類員工的 96 倍——然而，這些“身份”卻仍然是無法獲得銀行服務的“幽靈”。

這裡缺失的關鍵基礎設施就是“瞭解你的代理”（KYA，Know Your Agent）。正如人類需要信用評分來獲取貸款一樣，代理也需要加密簽名的憑證來進行交易——這些憑證將代理與其主體、約束條件以及責任相關聯。在這種基礎設施建立之前，商家將繼續在防火牆處阻止這些代理。

過去幾十年間構建 KYC（瞭解你的客戶）基礎設施的行業，現在只有幾個月的時間來研究如何實現 KYA。

——Sean Neville（@psneville），Circle 聯合創始人、USDC 架構師；Catena Labs 首席執行官

解決開放網絡的“隱形稅”問題：AI 時代的經濟挑戰

AI 代理的崛起正在對開放網絡施加一種“隱形稅”，從根本上擾亂了其經濟基礎。這種擾亂源於互聯網“上下文層”（Context layer）和“執行層”（Execution layer）之間日益加劇的不匹配：目前，AI 代理從依賴廣告支持的網站（上下文層）中提取數據，為用戶提供便利的同時，卻系統性地繞過了支撐內容的收入來源（如廣告和訂閱）。

為了防止開放網絡的逐步衰退（並保護那些為 AI 提供燃料的多樣化內容），我們需要大規模部署技術和經濟解決方案。這些方案可能包括下一代贊助內容模式、微歸因系統或其他新型的資金支持模式。然而，現有的 AI 授權協議已經證明其在財務上是不可持續的，這些協議往往只能彌補內容提供者因 AI 流量分流而損失收入的一小部分。

網絡亟需一個全新的技術經濟模型，讓價值能夠自動流動。未來一年中的關鍵轉變，將是從靜態的授權模式轉向基於實時使用的補償機制。這意味著需要測試和擴展相關係統——可能利用區塊鏈支持的納米支付（nanopayments）和複雜的歸因標準——以自動獎勵每一個為 AI 代理成功完成任務貢獻信息的實體。

——Liz Harkavy（@liz_harkavy），a16z 加密投資團隊