互聯網經濟是已經在變化. 當開放網路崩潰爲一個提示欄時，我們不得不思考：人工智能會導致一個開放的互聯網，還是一個新的付費牆迷宮？而誰將控制它——大型集中化公司還是廣泛的用戶社區？

這就是加密貨幣的用武之地。我們已經討論過人工智能與加密貨幣的交集相當多；但簡而言之，區塊鏈是一種構建互聯網服務和建立去中心化網路的新方式，可信中立, 和 用戶可擁有的. 他們提供一個對許多集中化力量的對抗我們已經在人工智能系統中看到，通過重新談判支撐今天系統的經濟，幫助實現一個更加開放、更強大的互聯網。

加密貨幣可以幫助構建更好的人工智能系統，反之亦然的想法並不新鮮——但它往往定義不清。一些交叉領域——例如驗證“人性證明”，考慮到其激增的情況，低成本人工智能系統——已經吸引了構建者和用戶。但其他用例似乎還需要數年，甚至幾十年。因此，在本文中，我們分享了11個加密和人工智能交匯處的用例，以幫助啓動關於可能性、尚需解決的挑戰等的討論。它們都基於今天正在構建的技術，從處理大量的微支付到確保人類擁有與未來人工智能的關係。

類別

身分去中心化基礎設施爲AI新經濟和激勵模型擁有未來的AI

身分

1. AI交互中的持久數據和上下文

斯科特·杜克·科敏斯

生成式人工智能依賴於數據，但對於許多應用來說，上下文——與互動相關的狀態和背景信息——同樣重要，甚至更爲重要。

理想情況下，AI系統——無論是代理、LLM界面還是其他應用——都應該記住您正在進行的項目類型、您的溝通風格以及您偏好的編程語言等衆多細節。但是在實際操作中，用戶常常需要在同一應用中的不同交互中重新建立這個上下文——就像當您啓動一個新的ChatGPT或Claude shell時——更不用說在不同系統之間移動時了。

目前，一種生成性人工智能應用程序的上下文很少，甚至從未能移植到其他應用程序。

通過區塊鏈，AI 系統可以使關鍵上下文元素作爲持久數字資產存在，這些資產可以在會話開始時加載，並在 AI 平台之間無縫轉移。此外，區塊鏈可能是解決此問題的唯一方案，它既向前兼容，又建立了對互操作性的承諾，因爲這些特性是基於區塊鏈的協議的定義特徵。

這個的自然應用是人工智能介導的遊戲和媒體，其中偏好（從難度級別到按鍵綁定）可以在不同的遊戲和環境中持續存在。但真正的價值在於知識應用，人工智能需要理解用戶知道什麼以及他們是如何學習的；以及在更專業化的人工智能用例中，比如編碼。當然，個別企業已經開發出適合特定業務的全球上下文的定制機器人——但在這種情況下，上下文通常無法移植，即使是在組織內使用的不同人工智能系統之間。

組織剛剛開始理解這個問題，我們迄今爲止看到的最接近的通用解決方案是具有固定、持久上下文的自定義機器人。但用戶之間的上下文可移植性正在鏈外開始顯現；波, 例如，用戶可以將他們的自定義機器人租給其他人。

將這種活動上鏈將使我們互動的AI系統能夠共享一個上下文層，其中包含我們所有數字活動的關鍵元素。它們將立即理解我們的偏好，並更好地調整和優化我們的體驗。相反，正如鏈上知識產權註冊, 使得AI能夠引用持久的鏈上上下文，爲圍繞提示和信息模塊的新型和更好的市場互動創造了可能性——例如，用戶可以直接許可或貨幣化他們的專業知識，同時保留他們數據的控制權。當然，共享上下文將使許多我們尚未設想的事情成爲可能。

2. 代理人的通用身分

薩姆·布羅納

身分，作爲事物是誰或是什麼的規範記錄，是推動當今數字發現、聚合和支付系統的無聲管道。由於平台將這種管道隱藏在牆後，我們體驗到身分作爲一種成品：亞馬遜爲產品分配標識符（ASIN或FNSKU），將產品列在一個地方，並幫助用戶發現和支付。Facebook 也類似：用戶的身分是他們的動態和在應用程序中發現的基礎，包括 Facebook Marketplace 列表、自然帖子和付費廣告。

這一切都將發生變化，因爲AI代理隨着越來越多的公司使用代理 — 用於客戶服務、物流、支付和其他用例 — 他們的平台看起來會越來越不像單一表面應用。相反，它們將存在於多個畫布和平台上，積累深厚的上下文，並爲用戶執行更多任務。但將代理的身分僅綁定到一個市場，使其在其他重要場所（如電子郵件線程、Slack頻道和其他產品內）變得不可用。

這就是爲什麼代理需要一個單一的、可攜帶的“護照”。沒有它，就無法知道如何支付代理、驗證其版本、查詢其能力、了解代理是代表誰工作，或在應用程序和平台之間追蹤其聲譽。代理的身分需要充當錢包、API 註冊表、變更日志和社交證明——這樣任何接口（電子郵件、Slack、另一個代理）都可以以相同的方式解析和與之對話。如果沒有“身分”的共享原語，每個集成都需要從頭開始重建這些管道，發現仍然是臨時的，用戶在每次切換渠道或平台時都會失去上下文。

我們有機會從基本原則出發設計自主基礎設施。那麼，我們如何構建一個比DNS記錄更豐富的可信中立身分層呢？與其重新發明單一的平台——在這些平台上身分與發現、聚合和支付相結合——代理應該能夠接受支付、列出能力，並在多個生態系統中存在，而不必擔心被鎖定在任何特定平台上。這就是加密與人工智能交匯的地方，因爲區塊鏈網路提供了無權限的可組合性，這可以讓構建者創造出更有用的代理和更好的用戶體驗。

一般來說，像Facebook或Amazon這樣的垂直整合解決方案，目前擁有更好的用戶體驗——構建一個偉大產品的內在復雜性的一部分是確保各個部分自上而下地協調一致。但這種便利的代價很高，尤其是在構建聚合、市場營銷、變現和分發代理的軟件成本下降，以及代理應用的表面積擴大時。要匹配垂直整合提供商的用戶體驗需要努力，但一個可信的中立身分層將使企業家擁有自己的護照——並鼓勵在分發和設計方面進行實驗。

3. 向前兼容的人格證明

由 Jay Drain Jr. 和 Scott Duke Kominers

隨着人工智能的普及——驅動着各種網路互動中的機器人和代理，包括深度僞造和社交媒體操控——越來越難以判斷你是否在與真實的人進行在線互動。這種信任的侵蝕並不是未來的擔憂；它已經存在。從X動態評論軍團到約會應用上的機器人，現實開始變得模糊。在這種環境中，個人身分的證明變得至關重要。

證明你是人類的一種方式是通過數字身份（包括 TSA 使用的集中式身分）。數字身份包含一個人可以用來驗證其身分的所有內容——用戶名、PIN、密碼和第三方證明（例如，公民身分或信用worthiness）以及其他憑證。這裏去中心化的價值顯而易見：當這些數據存儲在集中系統中時，發行者可以撤銷訪問權限、施加費用或助長監控。去中心化改變了這種動態：用戶，而不是平台看守者，控制自己的身分，使其更安全和抗審查。

與傳統身分系統不同，去中心化的個人身分驗證機制（如World’s 人類證明) 允許用戶控制和保管自己的身分，並以一種隱私保護和可信中立的方式驗證他們的人性。就像駕駛執照一樣，無論何時何地頒發，去中心化的PoP都可以作爲任何平台的可重用基礎層，包括那些尚不存在的平台。換句話說，基於區塊鏈的PoP是向前兼容的，因爲它提供：

1. 可移植性：協議是任何平台都可以集成的公共標準。去中心化的PoP可以通過公共基礎設施進行管理，並由用戶控制。這使其完全可移植，任何平台現在或將來都可以與之兼容。
2. 無權限訪問：平台可以獨立選擇是否識別PoP ID，而無需通過可能會對不同用例進行歧視的Gatekeeper API。

在這個領域的挑戰是採用：雖然我們還沒有看到許多具有實際規模的真實世界真實性證明用例，但我們預計用戶的臨界質量、一小部分早期合作夥伴關係和殺手級應用將加速採用。每個利用特定數字身份標準的應用程序使該身分類型對用戶更加有價值；這驅動更多用戶獲取該身分；反過來使得該身分對應用程序整合作爲認證真實性的方式更具吸引力。（而且由於鏈上身分是按設計互操作的，）網路效應可以成長快速.)

我們已經看到主流消費應用和服務在遊戲, 約會, 和 社交媒體宣布與World ID建立合作關係，以幫助人們確認他們正在與真實的人類進行遊戲、聊天和交易——實際上，就是他們所期待的特定人類。我們還看到今年出現了新的身分協議，包括Solana 認證服務（SAS）。雖然不是個人身分證明的發行者，SAS 允許用戶將鏈外數據（例如，用於合規的 KYC 檢查或投資的認證狀態）私密地關聯到 Solana 錢包，以構建用戶的去中心化身份。所有這些都表明，去中心化 PoP 的拐點可能不遠了。

身分證明不僅僅是禁止機器人，它還涉及在人工智能代理和人類網路之間建立明確的界限。它使用戶和應用程序能夠區分人類和機器的交互，爲更好、更安全和更真實的數字體驗創造空間。

去中心化的人工智能基礎設施

4. 去中心化物理基礎設施 (DePIN) 爲人工智能

由蓋·烏沃萊特

人工智能可能是一項數字服務，但其進步越來越受到物理基礎設施的瓶頸限制。去中心化物理基礎設施網路，或去中心化物理基礎設施網路 — 提供了一種構建和運營現實世界系統的新模型 — 可以幫助民主化對支撐 AI 創新的計算基礎設施的訪問，使其成本更低，更具韌性，並且更能抵抗審查。

如何？人工智能發展的兩個最大障礙是能源和芯片的獲取。去中心化能源可以幫助提供更多的電力，但開發者也在利用去中心化物理基礎設施網路（DePIN）來聚合來自遊戲電腦、數據中心和其他來源的閒置芯片。這些計算機可以結合起來形成一個無權限的計算市場，爲構建新的人工智能產品平衡競爭環境。

其他用例包括分布式訓練和微調LLMs的分布式網路模型推理。去中心化的訓練和推理可能會導致更低的成本，因爲它們利用了本來處於閒置狀態的計算資源。它們還可以提供審查抵抗，確保開發者不會被超大規模的雲服務提供商——提供大規模可擴展計算基礎設施的集中式服務提供商——去平台化。

人工智能模型的集中化在少數幾家公司中是一種持續關注; 去中心化網路可以幫助創建更具成本效益、抗審查能力更強以及更具可擴展性的人工智能。

5. AI代理、最終服務提供商和用戶之間互動的基礎設施和保護措施

斯科特·杜克·科米納斯

隨着人工智能工具在解決復雜任務和執行多層次交互鏈方面變得越來越優秀，人工智能將越來越需要與其他人工智能互動，而不依賴於人類控制者。

例如，一個人工智能代理可能需要請求與計算相關的特定數據，或招募專門的人工智能代理來執行特定任務——例如，分配一個統計機器人來開發和運行模型模擬，或在創建營銷材料的過程中使用一個圖像生成機器人。人工智能代理還將在代表用戶完成整個交易流程或任何其他活動中創造顯著價值——比如根據某人的偏好找到並預訂機票，或從他們最喜歡的類型中發現並訂購一本新書。

今天沒有建立的、普遍的代理與代理市場——這類跨查詢大多僅通過明確的API連接可用，或者在維持代理間調用作爲內部功能的AI代理生態系統中可用。

更廣泛地說，如今大多數AI代理在孤立的生態系統中運作，具有相對封閉的API和普遍缺乏架構標準化。但區塊鏈技術可以幫助協議建立開放標準，這對短期內的採用非常重要。從長遠來看，這也支持向前兼容性：隨着新類型的AI代理的演變和創建，它們可以期待能夠插入到相同的基礎網路中。鑑於其可互操作的、開源的、去中心化的以及通常更易升級的架構，區塊鏈可以更容易地適應新穎的AI創新。

一些公司已經在爲代理之間的互動構建區塊鏈基礎設施，隨着市場的發展：哈利迪, 例如，最近推出了其協議，提供標準化的跨鏈架構，用於 AI 工作流和交互——具有協議級的保護，以確保 AI 不會超出用戶的意圖。Catena, 天火，和沒關係, 同時，利用區塊鏈支持一個AI代理向另一個AI代理進行支付，而不需要人類介入。還有許多這樣的系統正在開發中，Coinbase甚至已經開始提供 基礎設施支持爲了這些努力。

6. 保持AI/氛圍編碼應用程序的同步

由薩姆·布羅納和斯科特·杜克·科門斯

最近的生成性人工智能革命使得構建軟件比以往任何時候都容易。編碼的速度提高了數個數量級，或許最重要的是，可以使用自然語言進行，這樣即使是沒有經驗的程序員也可以從現有程序中分叉，並從頭開始構建新的程序。

但盡管 AI 輔助編碼創造了這些新機會，它也在程序內部和跨程序引入了大量的熵。”氛圍編碼” 抽象化了軟件底層復雜的依賴關係——但這也可能使程序在源庫和其他輸入變化時容易受到功能和安全缺陷的影響。與此同時，當人們使用人工智能創建自己個性化的應用程序和工作流程時，與其他人的系統接口變得更加困難。實際上，即使是兩個執行相同任務的 vibe 編碼程序，其操作和輸出結構也可能截然不同。

歷史上，爲了確保一致性和兼容性，標準化最初是通過文件格式和操作系統提供的，最近則是通過共享軟件和API集成提供的。但在一個軟件實時演變、變化和分支的世界中，標準化層需要廣泛可訪問並不斷可升級——同時保持用戶信任。此外，單靠人工智能並不能解決激勵人們建立和維護這些聯繫的問題。

區塊鏈同時爲這兩個問題提供了解決方案：協議化的同步層，這些層被封裝在用戶自定義的軟件構建中，並根據變化動態更新以確保跨兼容性。歷史上，一個大型企業可能會花費數百萬美元給像德勤這樣的“系統集成商”來定制 Salesforce 實例。如今，一名工程師可以在一個周末內創建一個自定義界面來查看銷售信息，但隨着自定義軟件數量的增加，開發人員將需要幫助以保持這些應用程序的同步和正常運行。

這與今天開源軟體庫開發的方式類似，不同之處在於它是持續更新而不是定期發布——並且有一個激勵機制。這兩者通過加密貨幣變得更容易實現。與其他基於區塊鏈的協議一樣，同步層的共享所有權激勵積極投資於改善這些層。開發者、用戶（和/或他們的 AI 代理）以及其他消費者可以因引入、使用和發展新功能和集成而獲得獎勵。

反之，共享所有權使所有用戶在協議的整體成功中擁有一份利益，這爲抵御不當行爲提供了緩衝。就像微軟因其用戶和品牌的漣漪效應而不願意破壞 .docx 文件標準一樣，同步層的共同擁有者也會因爲引入笨拙或惡意代碼對協議造成的影響而受到抑制。

與我們之前看到的所有軟件標準化架構一樣，存在巨大的潛力網路效應在這裏。隨着AI編碼軟件的寒武紀大爆炸持續，必須保持相互通信的異構多樣系統的網路將顯著擴展。簡而言之：氛圍編碼需要的不僅僅是氛圍才能保持同步。加密貨幣是答案。

新經濟和激勵模型

7. 支持收入分享的微支付

作者：Liz Harkavy

AI代理和工具，如ChatGPT、Claude和Copilot，承諾提供一種方便的新方式來導航數字世界。但是，出於好壞原因，它們也在破壞開放互聯網的經濟。我們已經看到這種情況的發生——例如，教育平台正在看到 隨着學生越來越多地使用人工智能工具，流量顯著下降，幾家美國報紙正在 起訴因版權侵權而對OpenAI採取法律行動。如果我們不重新調整激勵機制，我們可能會看到一個越來越封閉的互聯網，付費牆增多，內容創作者減少。

當然，總是有政策解決方案，但在這些方案通過法院的過程中，一些技術解決方案正在顯現出來。也許最有前景（且技術上復雜）的解決方案是將收入分享的系統構建到網路的架構中。當一個由人工智能驅動的行爲導致銷售時，提供該決策信息的內容來源應該獲得一部分收益。聯盟營銷生態系統已經執行了這樣的歸因跟蹤和收入分享；一個更復雜的版本可以自動跟蹤並獎勵信息鏈中的所有貢獻者。區塊鏈顯然可以在追蹤這一來源鏈中發揮作用。

但這樣的系統需要新的基礎設施以及其他功能——特別是，能夠處理來自多個來源的小額交易的微支付系統、公平評估不同類型貢獻的歸屬協議，以及確保透明度和公平性的治理模型。許多現有的基於區塊鏈的工具——例如 rollups 和 L2s，AI本土金融機構Catena Labs, 和金融基礎設施協議 0xSplits — 在這裏展示潛力，實現近乎零成本的交易和更精細的支付分割。

區塊鏈將通過多種機制實現復雜的自主支付系統：

• 微支付可以分散到多個數據提供者，從而允許單個用戶交互通過自動化智能合約觸發對所有貢獻來源的小額支付。
• 智能合約允許通過已完成的交易觸發可執行的追溯性支付，在交易發生後補償對購買決策有所貢獻的信息來源，具有完全的透明度和可追溯性。
• 此外，區塊鏈使復雜和可編程的支付分配得以分發，確保收入通過代碼強制的規則而非中心化的決策得到公平分配，從而在自主代理之間建立無信任的金融關係。

隨着這些新興技術的發展，它們可以爲媒體創造一個新的經濟模型，捕捉從創作者到平台再到用戶的完整價值鏈。

8. 區塊鏈作爲知識產權和來源的登記冊

斯科特·杜克·科門斯

生成式人工智能帶來了緊迫感需要爲了高效和可編程的機制來註冊和追蹤知識產權——既要確保來源的真實性，又要能夠圍繞知識產權的訪問、共享和重混建立商業模式。現有的知識產權框架——依賴於高成本的中介和事後執行——在一個人工智能瞬間消費內容並僅需一次點擊就能生成新變體的世界中顯得力不從心。

我們需要的是開放的公共登記冊，能夠提供清晰的所有權證明，IP 創作者可以輕鬆高效地與之互動，而 AI 和其他網路應用程序可以直接與之對接。區塊鏈非常適合這個需求，因爲它們使得在不依賴中介的情況下注冊 IP 成爲可能，並提供不可更改的來源證明；它們還使第三方應用程序能夠輕鬆識別、許可和與該 IP 互動。

人們對技術能夠以某種方式保護知識產權這一整體理念自然存在很多懷疑，因爲互聯網的前兩個時代以及正在進行的人工智能革命常常與知識產權保護的下降相關聯。一個問題是，今天許多基於知識產權的商業模型關注於排除衍生作品，而不是試圖激勵和貨幣化它們。但是可編程IP基礎設施不僅使創作者、品牌和特許經營可以清晰地在數字空間中建立其知識產權的所有權——它還爲以共享知識產權爲中心的商業模式打開了大門，以用於生成性人工智能和其他數字應用。實際上，這將生成性人工智能對創作工作的主要威脅之一轉變爲機會。

我們已經看到創作者在NFT領域早期嘗試更先進的模型，許多公司利用以太坊上的NFT資產來支持網路效應和價值積累。CC0 品牌建設. 最近，我們看到基礎設施提供商構建協議甚至專門的區塊鏈 (例如，故事協議) 用於標準化和可組合的知識產權註冊和許可。一些藝術家已經開始使用這些工具，通過像 Alias、Neura 和 Titles 這樣的協議爲他們的風格和作品進行許可，以便進行創意 remix。激勵‘s Emergence系列同時吸引其粉絲共同創造一個科幻宇宙及其角色，採用基於區塊鏈的Story註冊系統，跟蹤誰創作了什麼。

9. 幫助補償內容創作者的網路爬蟲

由Carra Wu

今天，產品市場契合度最高的人工智能代理並不是用於編碼或娛樂的代理。它是網路爬蟲——自主瀏覽網路，收集數據，並決定跟隨哪些連結。

根據一些估計，近一半如今，所有互聯網流量中有很大一部分來自非人類來源。機器人常常無視robots.txt的禮節——這個文件本應告知自動化網路爬蟲它們是否受到歡迎，但實際上幾乎沒有權威性——並利用提取的數據來增強一些全球最大科技公司的防御能力。更糟糕的是，網站最終要爲這些不請自來的客人買單，支付帶寬和CPU資源的費用，面對似乎無止境的無面孔抓取者潮水般的湧來。對此，像Cloudflare和其他CDN（內容交付網路）這樣的公司提供阻止服務。這是一種不應該存在的服務拼湊。

我們已經在……之前辯論互聯網的原始協議——創作者與分發平台之間的經濟契約——很可能會解體。這一點開始在數據中顯現出來：在過去的十二個月裏，網站所有者開始大量封鎖面向AI的抓取工具。在2024年7月，只有大約九百分之前10,000個網站中，有阻止AI爬蟲的網站數量，現在這個數字爲37%隨着更多網站運營商變得成熟，用戶的挫敗感不斷增加，這種情況只會加劇。

那麼，如果我們不讓CDN直接阻止任何看起來可能是機器人的人，而是在某種程度上達成妥協呢？AI機器人可以爲收集數據的權利付費，而不是依賴於一個旨在驅動人類流量到網站的系統。這就是區塊鏈的作用：在這種情況下，每個網頁爬蟲代理都會擁有一些加密貨幣，並通過每個網站的“門衛”代理或付費牆協議進行鏈上談判，或者付費。x402.（當然，挑戰在於，robots.txt系統，也稱爲爬蟲排除標準，自1990年代以來一直根植於互聯網公司的商業模式。要克服這一點，需要大規模的集體協調，或者像Cloudflare這樣的CDN參與其中。）

但人類在一個獨立的軌道上，可以通過世界身分（World ID）證明他們的人性（見上文) 並免費獲得內容。通過這種方式，內容創作者和網站所有者可以在收集時獲得對大型 AI 數據集貢獻的補償，用戶可以繼續享受一個信息希望自由的互聯網。

10. 保護隱私的廣告是量身定制的，而不是令人毛骨悚然的

馬特·格裏森

人工智能已經開始影響我們在線購物的方式，但如果我們每天看到的廣告是……有幫助的呢？人們不喜歡廣告有很多顯而易見的原因。無關的廣告純粹是噪音。同時，並非所有的個性化都是平等的。基於AI的廣告如果過於精準——從大量消費者數據中提取——可能會讓人感到侵犯隱私。其他應用程序則試圖通過在不可跳過的廣告後設置內容（例如，流媒體內容服務或遊戲關卡）來實現貨幣化。

加密貨幣可以幫助解決其中一些問題，提供重新構想廣告運作方式的機會。與區塊鏈結合，個性化的人工智能代理可以縮小不相關與怪異之間的距離，根據用戶定義的偏好投放廣告。但重要的是，他們可以在不全球曝光用戶數據的情況下做到這一點，同時補償那些分享數據或直接與廣告互動的用戶。

這裏的一些技術要求包括：

1. 低費用數字支付：爲了補償用戶的廣告互動（觀看、點擊、轉化），公司需要發送小額、頻繁的支付。要實現規模化運作，我們需要快速、高吞吐量且費用微乎其微的系統。
2. 隱私保護的數據驗證：AI代理需要能夠證明消費者符合某些人口屬性。零知識證明可以在保護隱私的同時驗證人口屬性。
3. 激勵模型：如果互聯網接受基於微支付的貨幣化（例如，如上所述), 用戶將能夠選擇通過廣告獲得小額支付，從而將當前的模式從提取轉變爲參與。

人們在線上已經嘗試了數十年使廣告相關性更強，而在線下則已經有幾個世紀。然而，通過加密和人工智能的視角重新思考廣告，最終可以使廣告更具實用性。量身定制而不顯得令人毛骨悚然，並以一種對所有人都有益的方式：對於建設者和廣告商，它解鎖了新的激勵結構，這些結構更加可持續和一致。對於用戶，它提供了更多發現和導航他們數字世界的方式。

所有這一切都會使廣告位更有價值，而不是更少。這也可能會取代今天根深蒂固的、剝削性的廣告經濟，取而代之的是一種更以人爲本的系統：一個用戶被視爲參與者，而不是產品的系統。

擁有人工智能的未來

11. 由人類擁有和控制的人工智能伴侶

由蓋·烏沃萊特

許多人花更多時間在設備上而不是面對面互動，而這段時間越來越多地花在與AI模型和AI策劃內容的互動上，尤其是。所有這些模型已經提供了一種陪伴形式，無論是娛樂、信息傳遞、滿足小衆興趣，還是教孩子們我們可以輕易想象一個不久的將來，基於人工智能的教育、醫療、法律諮詢和友誼伴侶將成爲人類互動的一種流行方式。

未來的人工智能伴侶將具有無限的耐心，並針對特定個體及其特定用例進行定制。它們不僅僅是助手或機器人僕人，還可能成爲高度珍視的關係。因此，誰將擁有和控制這些關係——無論是用戶、公司還是其他中介——變得同樣重要。如果你在過去十年已經對社交媒體的內容策劃和審查感到擔憂，那麼在未來，這個問題將變得更加復雜，更加個人化。

這並不是一個新的論點（已經描述過這裏 和 這裏) 像區塊鏈這樣的抗審查托管平台提供了通往不可審查、用戶控制的人工智能最有說服力的道路。確實，個人可以在設備上運行模型並購買自己的GPU，但大多數人要麼負擔不起，要麼根本不知道該如何做。

雖然我們距離廣泛普及的 AI 伴侶還有一段距離，但所有這些技術正在迅速改善：看似人類的基於文本的伴侶已經非常出色。視覺頭像已經顯著改善。區塊鏈正在變得性能更強. 爲了確保不可審查的伴侶易於使用，我們需要依賴更好的用戶體驗來支持加密應用程序。值得慶幸的是，錢包（像 幻影) 使與區塊鏈的互動變得簡單得多，嵌入式錢包, 通行密鑰，和帳戶抽象讓用戶能夠持有自我保管的錢包，而無需自己存儲種子短語的復雜性。像高吞吐量的無信任計算機這樣的技術，使用樂觀和ZK 協處理器, 還將使與數字伴侶建立有意義和持久的關係成爲可能。

在不久的將來，預計對話將從我們何時能看到幾乎栩栩如生的數字伴侶和虛擬形象轉向誰以及什麼能夠控制它們。

確保訂閱我們的新聞通訊獲取更多趨勢更新、構建者指南、行業報告以及其他資源。

貢獻者

薩姆·布羅納是 a16z crypto 投資團隊的合作夥伴。在加入 a16z 之前，Sam 曾是微軟的一名軟件工程師，他是 Fluid Framework 和 Microsoft Copilot Pages 的創始團隊成員。Sam 還曾就讀於麻省理工學院斯隆管理學院，在波士頓聯邦儲備銀行參與了漢密爾頓項目，領導斯隆區塊鏈俱樂部，主辦斯隆的第一次人工智能峯會，並因創建創業社區而獲得麻省理工學院的帕特裏克·J·麥戈文獎。

傑伊·德雷恩 Jr.是 a16z crypto 的投資合夥人，專注於消費和應用層項目。在2022年加入 a16z 之前，Jay 是 Maven Ventures 的投資者，Maven Ventures 是一家種子階段的消費軟件基金，他在這裏領導了公司的 web3 投資。此前，Jay 在高盛的全球市場部工作了兩年。他畢業於阿默斯特學院，主修政治科學與法律，並且是男子田徑隊的成員。

馬特·格裏森是一名a16z crypto的安全工程師，幫助投資組合公司處理應用程序安全、事件響應以及其他審計或安全需求。他曾進行過審計，並在許多不同項目的部署前發現並幫助修復了代碼中的關鍵漏洞。

莉茲·哈卡維是 a16z 加密投資團隊的合夥人，專注於“鏟子與鎬”項目以及去中心化基礎設施。在加入 a16z 加密之前，Liz 是 Corsali（現在的 Vana）的創始工程師，這是一家由風險投資支持的全棧機器學習平台，由高素質的員工標記數據以賺取加密貨幣。此之前，她曾在 Facebook 和 JPL 工作。Liz 在麻省理工學院獲得了物理學和計算機科學的本科學位，以及計算機科學的碩士學位。

斯科特·杜克·科米納斯是薩羅菲姆-羅克商學院的商業管理教授哈佛商學院, 一位教員附屬的哈佛大學經濟系, 以及a16z crypto的研究合作夥伴。他還爲多家公司提供web3戰略以及市場和激勵設計方面的諮詢；有關進一步的披露，請參見他的網站. Kominers的第一本書 — 萬物代幣：NFT和Web3將如何改變我們購買、銷售和創造的方式, 與Steve Kaczynski合著——是現已可用.

Carra Wu是a16z加密投資團隊的合作夥伴。Carra專注於加密領域的遊戲、元宇宙、媒體和DAO投資。此前，她曾在微軟擔任軟件工程師，爲Hololens開發AR/VR應用和遊戲，以及作爲產品經理負責App Store的搜索系統和面向開發者的產品。Carra在哈佛大學學習應用數學、計算機科學與經濟學，並與哈佛芭蕾舞團一起跳舞。

蓋伊·烏沃萊特是a16z加密投資團隊的合夥人。他專注於在各個層面投資加密貨幣。在加入a16z之前，Guy與Protocol Labs合作進行獨立研究。他的工作重點是構建去中心化網路協議和升級互聯網基礎設施。他擁有斯坦福大學計算機科學學士學位，曾在校隊劃船。

此處表達的觀點僅代表被引用的個別 AH Capital Management, L.L.C.（“a16z”）員工的觀點，並不代表 a16z 或其附屬機構的觀點。這裏包含的某些信息來自第三方來源，包括 a16z 管理的基金的投資組合公司。雖然這些信息來源被認爲可靠，但 a16z 並未獨立驗證該信息，並且對於這些信息的當前或持續準確性以及其在特定情況下的適用性不作任何聲明。此外，這些內容可能包含第三方廣告；a16z 未對這些廣告進行審查，也不認可其中包含的任何廣告內容。

本內容僅供信息參考，不應被視爲法律、商業、投資或稅務建議。您應諮詢自己的顧問以處理這些事項。提及的任何證券或數字資產僅用於說明目的，並不構成投資建議或提供投資顧問服務的要約。此外，本內容並不針對任何投資者或潛在投資者，且在任何情況下都不應在決定投資任何由a16z管理的基金時依賴。投資a16z基金的要約僅通過私募備忘錄、認購協議以及任何此類基金的其他相關文件進行，應全面閱讀這些文件。提到、引用或描述的任何投資或投資組合公司並不代表a16z管理的所有投資，且不能保證這些投資將是盈利的，或未來進行的其他投資將具有類似的特徵或結果。由Andreessen Horowitz管理的基金所做投資的名單（不包括發行人未提供a16z公開披露許可的投資以及未公開的公開交易數字資產投資）可在此獲得。https://a16z.com/investments/.

內容僅在所示日期時有效。此材料中表達的任何預測、估計、預測、目標、前景和/或意見均可能隨時更改，且可能與他人表達的意見不同或相悖。請參見https://a16z.com/disclosures有關其他重要信息。

免責聲明：

1. 本文轉載自[a16zcrypto]. 所有版權歸原作者所有 [斯科特·杜克·科門斯 山姆·布羅納 傑伊·德雷恩 蓋伊·伍萊特 伊麗莎白·哈卡維 卡拉·吳 馬特·格裏森]. 如果對這次重印有異議，請聯繫Gate Learn團隊，他們會及時處理。
2. 責任免責聲明：本文中表達的觀點和意見僅代表作者個人，並不構成任何投資建議。
3. 文章的翻譯由Gate Learn團隊進行。除非另有說明，復制、分發或抄襲翻譯文章是禁止的。