a16z：令人兴奋的九大加密新事物（2024）

编者按：a16z发布了一份综合清单，列出了未来一年科技公司可能要解决的“大创意”，这些创意来自美国活力、生物、消费科技、加密、企业、金融科技、游戏、基础设施和其他领域的领域合作伙伴。以下是一些让各种加密合作伙伴对未来感到兴奋的事情。查看去年的榜单，请点击这里。欲了解更多趋势更新、资源和报告，请订阅我们的时事通讯。

1、新去中心化时代的到来

正如我们一次又一次地看到的那样，当一个强大的系统或平台的控制权掌握在少数人手中(更不用说一个领导者了)，就很容易侵犯用户的自由。这就是为什么去中心化很重要：它是一种工具，通过实现可靠的中立、可组合的互联网基础设施，使我们能够使系统民主化，促进竞争和生态系统多样性，并允许用户有更多的选择，以及更多的所有权。

但是，在与中心化系统的效率和稳定性相抗衡的情况下，去中心化很难在实践中大规模实现。与此同时，大多数web3治理模型都涉及到DAO(去中心化自治组织)，它们使用基于直接民主或公司治理的简化但繁琐的治理模型——这不是为去中心化治理的社会政治现实而设计的。然而，由于过去几年web3的“living laboratory”，更多的去中心化最佳实践已经出现。其中包括可以容纳具有更丰富功能的应用程序的去中心化模型，还包括采用马基雅维利原则的DAO等方法，以设计更有效的去中心化治理，使领导层负起责任。随着这种模式的发展，我们很快就会看到前所未有的去中心化协调、运营功能和创新水平。

——Miles Jennings，总法律顾问兼去中心化负责人(@milesjennings on Farcaster | on Twitter)

2、重置未来的用户体验

尽管人们对此感到非常遗憾，但自2016年以来，加密货币用户体验的基本原则实际上并没有太大变化。它仍然太复杂：自我保管密钥，将钱包与去中心化应用程序(dApps)连接起来，将签名的交易发送到越来越多的网络端点，更多。这比我们期望用户在加密应用程序的头几分钟学到的要多。

但是现在，开发人员正在积极地测试和部署新的工具，这些工具可以在未来一年为加密货币重置前端UX(用户体验)。其中一个工具包括简化跨用户设备登录应用程序和网站的密码，与密码不同，密码更容易受到攻击，需要用户手工操作，而密码是自动加密生成的。其他创新包括智能账户，它使账户本身可编程，因此更容易管理，嵌入式钱包，内置于应用程序中，因此可以使登录变得顺畅，MPC(多方计算)，这使得第三方更容易支持签名，而无需保管用户的密钥，高级RPC(远程过程调用)端点，可以识别用户的需求并填补空白，还有更多。所有这些不仅有助于web3走向主流，而且可以使用户体验比web2更好、更安全。

—— Eddy Lazzarin，首席技术官（@eddy on Farcaster | @eddylazzarin on Twitter）

3、模块化技术堆栈的崛起

在网络世界中，有一种力量总是支配着所有其他力量：网络效应。网络效应往往是如此强大，以至于实际上只有两种模块化——扩展和加强网络效应的模块化，模块化将它们分割和削弱。在大多数情况下，只有前者是有意义的，尤其是涉及到开源时。

单片架构的优点是允许跨模块化边界进行深度集成和优化，从而带来更高的性能……至少在一开始。但开源、模块化技术栈的最大优势在于，它开启了无需许可的创新，允许参与者专业化，并刺激更多的竞争。在这个世界上我们需要更多这样的人。

—— Ali Yahya，普通合伙人（@alive.eth on Farcaster | @alive_ethon Twitter）

4、人工智能+区块链的结合

去中心化的区块链是对中心化人工智能的一种平衡力量。人工智能模型(如ChatGPT)目前只能由少数科技巨头进行训练和操作，因为所需的计算和训练数据对于较小的参与者来说是令人望而却步的。但有了加密货币，就有可能创建多边、全球、无需许可的市场，任何人都可以为网络贡献计算或为需要的人提供新的数据集，并获得补偿。利用这一长尾资源将使这些市场降低人工智能的成本，使其更容易获得。

但随着人工智能彻底改变了我们生产信息的方式——改变了社会、文化、政治和经济——它也创造了一个人工智能生成内容丰富的世界，包括深度造假。这里也可以使用加密技术来打开黑匣子，追踪我们在网上看到的东西的来源，还有更多。我们还需要想办法去中心化生成式人工智能，并民主地管理它，这样就不会有任何参与者最终拥有为所有其他人做决定的权力，Web3是研究如何做到这一点的实验室。去中心化、开源的加密网络将使人工智能创新民主化(相对于集中化)，最终使其对消费者更安全。

—— Andy Hall，斯坦福大学教授 ( @ahall_research )；Daren Matsuoka，数据科学家（@darenmatsuoka on Farcaster | on Twitter）；Ali Yahya，普通合伙人（@alive.eth on Farcaster| @alive_eth on Twitter ）

5、「Play to Earn」向「Play and Earn」转变

在“为了赚钱而玩”(P2E)游戏中，玩家通常会根据自己在游戏中的时间和精力来赚取现实世界(而不仅仅是虚拟世界)的金钱。这一趋势与改变游戏及其他领域的更广泛的转变有关——从创造者经济的兴起到人与平台之间关系的变化。Web3让我们能够对抗当前的规则，即游戏中的所有收益和交易都只属于游戏公司。用户在这些平台上花费了如此多的时间，创造了如此多的价值，他们也应该得到补偿。

但游戏并不一定被设计成一个工作场所(至少不适合大多数玩家)。我们真正需要的是既有趣又能让玩家获得更多价值的游戏。正因如此，P2E逐渐演变为“玩-赚”，这在游戏和工作场所之间建立了重要的区别。随着P2E从最初的成长阵痛中走出来，由此产生的游戏经济管理方式将继续发生变化。但最终，这不会成为一个独立的趋势，而只会成为游戏的一部分。

—— Arianna Simpson，普通合伙人(@AriannaSimpson)

6、当人工智能成为游戏制造者时，加密提供保障

作为一个花了很多时间思考web3游戏和游戏未来的人，我很清楚游戏中的AI Agents必须有保证：它们基于特定的模型，并且这些模型的执行不会受到破坏。否则，游戏将失去完整性。

当故事、地形、叙事和逻辑都是程序生成的，换句话说，当AI成为游戏制作者时，我们会想知道游戏制作者是可靠的中立者。我们想知道这个世界是有保证的。加密货币提供的最重要的东西就是这样的保证——包括当人工智能出现问题时理解、诊断和惩罚的能力。从这个意义上说，“人工智能对齐”确实是一个激励设计问题，同样地，处理任何人类代理都是一个激励设计问题，这就是加密货币的全部内容。

—— Carra Wu，投资合伙人(@carra on Farcaster, @carrawu on Twitter)

7、形式验证变得更加通俗

虽然形式化方法在验证硬件系统方面很流行，但在软件开发中却不太常见。对于这些硬系统或安全关键系统之外的大多数开发人员来说，这些方法过于复杂，可能会增加显著的成本和延迟。然而，智能合约开发人员有不同的需求：他们开发的系统处理数十亿美元，bug会带来毁灭性的后果，而且通常无法通过热修复。因此，在软件，特别是智能合约开发中，需要更易于访问的形式验证方法。

在过去的一年里，我们看到了新一波工具(包括我们的工具)的出现，它们比传统的正式系统具有更好的开发人员体验。这些工具利用了智能合约在架构上比常规软件更简单的事实——具有原子性和确定性的执行，无并发性或异常，内存占用小，循环少。通过利用最近在SMT求解器性能方面的突破，这些工具的性能也在迅速提高(SMT求解器使用复杂的算法来识别或确认软件和硬件逻辑中不存在错误)。随着开发人员和安全专家越来越多地采用形式化方法启发的工具，我们可以预期下一波智能合约协议将更加强大，更不容易受到代价高昂的黑客攻击。

—— Karma (Daniel Reynaud)，研究工程合伙人（@karma on Farcaster，@0xkarmacoma on Twitter）

8、NFT成为无处不在的品牌资产

越来越多的知名品牌以NFT的形式向主流消费者介绍数字资产。例如，星巴克推出了一个游戏化的忠诚度计划，参与者在探索公司的咖啡产品时收集数字资产(更不用说AR南瓜香料迷宫了！)。与此同时，耐克(Nike)和Reddit也开发了可收藏的数字NFT，并明确向广大受众进行了推销。但品牌可以做得更多：它们可以利用NFT来代表和加强客户身份和社区关系，连接实体商品和它们的数字表征，甚至与他们最忠实的爱好者共同创造新产品和体验。去年，我们看到了将廉价 NFT 作为消费品进行大规模收集的趋势不断增长——通常通过托管钱包和/或交易成本相应较低的“第二层”区块链进行管理。正如Steve Kaczynski和我在一本即将出版的书中所解释的那样，进入2024年，NFT作为数字品牌资产在众多公司和社区中无处不在的许多条件已经具备。

—— Scott Duke Kominers，研究合伙人（@skominers on Farcaster | on Twitter）

9、SNARKs成为主流

技术人员历来采用以下策略来验证计算工作负载：1)在可信机器上重新执行计算，2)在专门用于该任务的机器上执行计算，即TEE可信执行环境，或者3)在可信的中立基础设施(如区块链)上执行计算。每种策略在成本或网络可扩展性方面都有限制，但现在，SNARK (简洁的非交互式知识参数)正变得越来越可用。SNARK允许一个不受信任、不可能伪造的“证明者”计算某些计算工作负载的“加密收据”：在过去的计算中，这样的收据比原始计算花费10^9的工作开销，最近的进展使这个数字接近10^6。

因此，在初始计算提供商可以承受10^6的开销并且客户端不能重新执行或存储初始数据的情况下，SNARK是可行的。由此产生的用例有很多：物联网中的边缘设备可以验证升级。媒体编辑软件可以嵌入内容真实性和转换数据，而重新混合的memes可以向最初的来源致敬。LLM推论可以包含真实性信息。我们可以拥有自我验证的国税局表格、不可伪造的银行审计，以及更多有利于消费者的用途。

—— Sam Ragsdale，投资工程师（@samrags on Farcaster，@samrags_ on Twitter）