我们对加密货币（2024）中的一些事情感到兴奋

编辑注： a16z 发布了其综合性 列表，列出了技术建设者在未来一年可能迎接的 “大想法”，这源于来自美国动态、生命科学、消费科技、加密、企业、金融科技、游戏、基础设施等领域的合伙人的见解。以下是一些加密合伙人对未来充满期待的事物的清单。要查看去年的清单，请访问 这里。

进入去中心化的新纪元

我们一再看到，当强大的系统或平台的 控制权 掌握在少数人（更不用说单一领导者）手中时，侵犯用户自由的风险太大。这就是去中心化的意义所在：它是使我们能够通过建立可信中立、可组合的互联网基础设施来实现系统民主化的工具；促进竞争和生态系统多样性；让用户有更多选择和更多的拥有权。

然而，在与集中系统的效率和稳定性对抗时，去中心化在实践中 — 尤其是大规模下 — 一直很难实现。同时，大多数 web3 治理模型涉及了使用基于直接民主或公司治理的简化但笨重的模型的 DAO（去中心化自治组织） — 这些模型并不适应去中心化治理的社会政治现实。然而，得益于过去几年 web3 的“ 活实验室”，更多的去中心化最佳实践开始出现。这些包括 去中心化模型 可以容纳更多功能丰富的应用；还包括 DAOs 采用的 马基亚维利主义原则 以设计更有效的去中心化治理，从而追究领导者的责任。随着这些模型的发展，我们应该很快就能看到前所未有的去中心化协调、操作功能和创新。

—Miles Jennings，首席法律顾问及去中心化负责人 （@milesjennings 在 Farcaster | 在 Twitter)

重塑未来的用户体验

尽管人们对此多有感慨，但自 2016 年以来，加密领域用户体验的基础实际上没有发生太大的变化。它仍然太复杂：自我保管私钥；与去中心化应用程序 (dApps) 连接钱包；将签名事务发送到越来越多的网络端点；等等。这超出了我们对用户在加密应用程序中的前几分钟学习的期望。

但现在，开发人员正积极测试和部署可以重塑加密领域前端 UX（用户体验）的新工具。其中一个工具包括 passkeys，可以 简化登录 用户设备上的应用和网站；与脆弱且需要用户手动操作的密码不同，passkeys 是自动生成的，加密生成的。其他创新包括 智能账户，使得账户本身变得可编程，从而更易于管理；嵌入式钱包，内置于应用中，从而使得用户注册无缝流畅；MPC（多方计算），使得第三方更容易支持签名而不需保管用户的密钥；高级 RPC（远程过程调用）端点，能够识别用户的需求并填补空白；还有更多。这些不仅有助于 web3 走向主流，而且可以让用户体验比 web2 更好且更安全。

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

模块化技术栈的崛起

在网络世界，某种力量无疑统治着其他所有力量：网络效应。网络效应往往如此强大，以至于实际上只有 两种模块化 — 一种模块化扩展和增强网络效应；另一种则使其分裂和减弱。在除极少数情况外，只有前者才是有意义的，尤其是在开源相关领域。

单一架构的优势在于允许在本应为模块化的边界之间进行深度集成和优化，从而提高性能… 至少在开始时是这样的。然而，开源模块化技术栈的最大优势在于它解锁了无许可的创新；允许参与者专门化；并激励更多竞争。我们在这个世界中需要更多这样的东西。

—Ali Yahya，普通合伙人 _( @alive.eth 在 Farcaster | @alive_eth 在 Twitter)_

AI + 区块链的结合

去中心化区块链是对中心化 AI 的一种反制力。AI 模型（如 ChatGPT）目前只能由少数科技巨头进行训练和运行，因为所需的计算和训练数据对于较小的参与者来说过于庞大。但通过加密，人们可以创建多方的、全球性的、无许可的市场，任何人都可以为需要计算或新的数据集的网络做贡献，并获得 报酬。挖掘这一长尾资源将使这些市场降低 AI 成本，使其更加普及。

但是，随着 AI 革新我们生成信息的方式 — 改变社会、文化、政治和经济 — 它也创造了一个内容丰富的 AI 生成内容的世界，包括深度伪造。加密技术同样可以在这里发挥作用，打开黑匣子；追踪我们在网上看到的事物的来源；等等。我们还需要找到方法来去中心化生成式 AI，并以民主方式进行治理，以确保没有任何单一行动者会最终掌握决定他人的权力；web3 是一个探索如何做到这一点的实验室。去中心化的开源加密网络 将使 AI 创新实现民主化，从而最终能更让消费者安心。

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

从“游戏赚取”变为“游戏和赚取”

在“游戏赚取”（P2E）游戏中，玩家常常会根据他们在游戏中所花的时间和努力赚取真实世界的（而不只是虚拟）金钱。这一趋势与更广泛的趋势有关，这些趋势正在转变游戏及其他领域 — 从创作者经济的崛起到人们与平台之间的关系变化。Web3 使我们能够反制当前这样的常态，即玩和交易游戏的所有收益仅流入游戏公司。用户在这些平台上花了大量时间，并为这些平台创造了巨大的价值，他们同样应得到报酬。

但游戏并不一定是为作为一个 工作场所 设计的（至少，对于大多数玩家来说不是）。我们真正需要的是既有趣又能让玩家捕捉到更多他们所创造的价值的游戏。因此，P2E 正在逐渐演变为“玩-和-赚”，清楚地区分了游戏与工作场所。随着 P2E 发展超越其早期的成长烦恼，游戏经济的管理动态将继续发生变化。然而，最终，这不会是一个单独的趋势，而是将 成为 游戏 的一部分。

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

当 AI 成为游戏制造者时，加密提供保障

作为一个花了大量时间思考 web3 游戏 和游戏未来的人，对我来说，游戏中的 AI 代理必须带来保障：它们基于某些模型，并且这些模型在没有腐败的情况下执行。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 — 换句话说，当 AI 成为 游戏制造者 时 — 我们希望知道游戏制造者是可信中立的。我们希望知道这个世界是以某种保障构建的。加密提供的最重要的事情就是这样的保障 — 包括在 AI 出现问题时理解、诊断和处罚的能力。在这个意义上，“AI 对齐”实际上是一个激励设计问题，与涉及任何人类代理的激励设计问题完全相同… 这也正是加密的核心所在。

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

形式化验证变得不再“形式”

虽然 形式化方法 在验证硬件系统方面相对流行，但在软件开发中则较少见。对于大多数不处于硬或安全关键系统的开发人员来说，这些方法过于复杂，可能会增加显著的成本和延误。然而，智能合约开发者有着不同的需求：他们开发的系统管理数十亿美元；错误会造成毁灭性后果，通常无法热修复。因此，在软件，特别是智能合约开发中，对于更可获取的形式验证方法的需求显得尤为迫切。

在过去一年中，我们见证了一波新工具的出现（包括 我们的工具），这些工具比传统形式系统提供了更好的开发者体验。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 - 具备原子性和确定性执行；没有并发或异常；小内存占用和少量循环。这些工具的性能也在迅速提升，得益于在 SMT 求解器性能上的最新突破（SMT 求解器使用复杂算法来识别或确认软件和硬件逻辑中缺陷的存在）。随着开发者和安全专家对形式方法工具日益采用，我们可以期待下一波智能合约协议变得更加稳健，并且更难受到昂贵的黑客攻击。

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

NFT 成为普遍品牌资产

越来越多的知名品牌正在以 NFT 的形式将数字资产引入主流消费者。以星巴克为例，他们已经 推出 一项游戏化忠诚度计划，在这个计划中参与者收集数字资产，同时探索公司的咖啡产品（更不用说一个增强现实南瓜香料迷宫！）。而 Nike 和 Reddit 则开发了数字可收藏 NFT，明确面向广泛受众进行营销。但是品牌能够做到的远不止于此：它们可以利用 NFT 来表示和强化客户身份和社区关系；桥接 实体商品及其数字表现；甚至与他们最忠实的爱好者共同创造新的产品和体验。去年，我们看到便宜 NFT 趋势向大规模的消费品收藏迈进 — 这通常通过保管钱包和/或具有相应低交易成本的“二层”区块链管理。进入 2024 年，各种条件都已就绪，使 NFT 成为普遍的数字 品牌 资产 — 正如 Steve Kaczynski 和我在即将出版的 书籍 中所阐述的那样，适用于广泛的公司和社区。

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

SNARKs 走向主流

技术人员历史上有几种策略用于验证计算工作负载：1）在可信机器上重新执行计算；2）在专门化机器上执行计算，也称为（TEE 可信执行环境）；或 3）在可信中立的基础设施上执行计算，比如区块链。这些策略在成本或网络扩展性方面都有其局限性，但现在 SNARKs（简洁的非交互式知识证明）正变得更加可用。SNARKs 允许不被信任的 “证明者” 生成“加密收据”，证实某一计算工作负载的能力，且不可伪造：过去，生成这样的收据需要相比于原始计算量 10^9 的工作开销；而最近的进展使得这一数字越来越接近于 10^6。

因此，SNARKs 变得适用于初始计算提供商可以承担 10^6 的开销而客户无法重新执行或存储初始数据的情况。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的真实性和变更数据；而重混的模因可以向初始来源致敬。大规模语言模型（LLM）的推理可能包含真实性信息。我们可以拥有自我验证的报税表、不会伪造的银行审计，还有许多将益处带给消费者的其他用途。

—Sam Ragsdale，投资工程师（ @samrags 在 Farcaster, [@samrags](https://twitter.com/samrags_) 在 Twitter）_

编辑：Sonal Chokshi

• 原文链接： a16zcrypto.com/posts/art...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～