2026年展望：塑造加密货币与AI的关键主题

作者：Cuy Sheffield，Visa加密业务负责人；来源：X，@cuysheffield；编译：Shaw 金色财经

随着加密货币和人工智能的日趋成熟，最重要的转变不再是理论上的可能性，而是实践中可靠的可行性。这两项技术都已跨越了性能显著提升的门槛，但普及程度仍然参差不齐。2026年的关键发展趋势正源于这种差距。

以下是我一直在关注的一些主题，以及我对这些技术的发展趋势、价值可能积累的地方，以及为什么最终的赢家可能与先驱者有所不同的一些初步思考。

主题一：加密货币正在从投机性资产类别转型为更先进的技术

加密货币的第一个十年以投机性优势为特征。市场全球化、持续运作且极具表现力。极端的市场波动使得加密货币交易比传统金融市场更具活力和吸引力。

与此同时，其底层技术尚未准备好被主流市场接受。早期的区块链速度慢、成本高、可靠性差。抛开投机行为不谈，加密货币在成本、速度或便捷性方面很少能超越现有系统。

这种不平衡的局面正在开始转变。区块链速度更快、成本更低、可靠性更高。最具吸引力的加密货币应用场景不再是投机性的，而是基础设施，尤其是在结算和支付领域。随着加密货币技术的日趋成熟，投机的重要性也随之降低。投机不会消失，但它不再是价值的主要来源。

主题二：稳定币是加密货币在纯粹实用性方面最明显的成功

稳定币之所以与以往的加密货币叙事截然不同，是因为它们在狭窄而客观的标准上取得了成功。在特定情况下，与传统支付渠道相比，它们能够更快、更便宜、更全球化地转移资金，同时还能无缝集成到现代软件系统中。

它们并不要求人们信奉加密货币的意识形态。加密货币的普及往往悄然发生，融入到现有的产品和工作流程中。这使得稳定币对那些此前认为加密货币生态系统过于波动或不透明的机构和企业来说变得易于理解。

稳定币有助于将加密货币重新锚定在实用性而非投机性上，并为成功的加密货币普及树立明确的基准。

主题三：随着加密货币成为基础设施，流通比新颖性更重要

当加密货币主要用作赌场时，其流通是内生的。新代币只需存在本身就能吸引流动性和关注度。

随着加密货币逐渐成为基础设施，其应用范围也从市场扩展到了产品。加密货币被植入到支付流程、平台和企业系统中，而最终用户往往并未意识到它的存在。

这种转变极大地有利于那些拥有现有分销渠道、值得信赖的客户关系、监管许可和合规风险管理基础设施的公司。仅仅依靠协议的新颖性已不足以推动大规模应用。

主题四：人工智能代理很有价值，其影响已超出编程范畴

人工智能代理（AI agent）的应用日益广泛，但其作用常常被误解。最成功的代理并非自主决策者，而是能够降低工作流程中协调成本的工具。

从历史上看，这种现象在软件开发领域表现得最为明显。AI代理工具加速了编码、调试、重构和环境搭建。然而，近年来，这种模式已开始更广泛地传播。

Claude Code 等工具凸显了这种转变。虽然它被定位为开发者工具，但其迅速普及反映了更深层次的问题：AI代理系统正在成为知识工作的界面，而不仅仅是编程。用户正在将同样的代理驱动工作流程应用于研究、分析、写作、规划、数据处理和运营任务，这些任务看起来更像是通用的专业工作，而非传统的编程。

重要的不是“氛围编程”本身，而是其背后的模式：

1. 用户委托意图而非步骤；

2. 代理管理跨文件、工具和任务的上下文；

3. 工作方式从线性转变为迭代式和对话式。

AI代理擅长收集背景信息、执行限定性任务、减少交接环节，并加速各种知识型工作的迭代。但他们在开放式判断、责任追究和错误恢复方面存在不足。

因此，大多数生产代理仍然受到职责范围限制、监督和嵌入，而非独立运作。代理的实际影响体现在知识型工作的流程重组，而非取代劳动力或实现完全自主。

主题五：人工智能的瓶颈已从智能转移到信任

智能模型发展迅速。限制因素不再是孤立的流畅性或推理能力，而是实际系统中的可靠性。

生产环境会惩罚虚假信息、不一致性和不透明的故障模式。一旦人工智能涉及客户、资金或合规性，仅仅“大致正确”就变得不可接受。

信任需要基础、记忆、验证以及发现不确定性的能力。在这些特性健全之前，自主性必须受到限制。

主题六：系统工程决定人工智能在生产环境中的有效性

成功的AI产品将模型视为组件，而非产品。可靠性源于架构，而非提示。

这包括状态管理、控制流、评估和监控，以及故障处理和恢复。因此，人工智能的发展越来越像传统的软件工程，而不是前沿研究。

持久价值归于控制工作流程和分发的系统构建者和平台所有者。

随着AI代理工具的应用范围从编程扩展到研究、写作、分析和运营工作流程，这一系统需求变得愈发重要。知识工作本身就具有复杂性、状态性和依赖大量背景信息，因此，能够可靠地管理记忆、工具和迭代的代理（而不仅仅是生成输出）的价值就显得尤为突出。

主题七：开放模型和集中控制造成治理问题悬而未决

随着人工智能系统能力越来越强，并越来越深入地融入经济体系，一个核心矛盾开始浮现：谁拥有和控制最强大的模型？

前沿技术开发仍然是资本密集型的，并且日益集中化，受到计算资源获取、监管和地缘政治等因素的影响。与此同时，开放模型和开源工具也在不断改进，受益于广泛的实验和更便捷的部署。

这引发了一系列悬而未决的问题，例如依赖风险、可审计性、透明度、长期议价能力以及对关键基础设施的控制。最有可能的结果是混合模式，即前沿模型推动功能发展，而开放或半开放系统则将这些功能扩散到广泛分布的软件中。

主题八：可编程货币催生新型代理支付流

随着人工智能系统在工作流程中运行，它们越来越需要进行经济交互。这包括支付服务费用、访问API、补偿其他代理或结算基于使用量的交互。

这重新激发了人们对稳定币的兴趣，稳定币是一种机器原生货币，可编程、可审计，且无需人工干预即可流通。

以x402为代表的面向开发者的协议就体现了这一方向。尽管这些协议仍处于早期实验阶段，但它们预示着支付流程将以API而非结账页面的形式运行，从而实现软件代理之间持续且精细的交易。

目前来看，很多方面还不够成熟。交易量小，用户体验粗糙，安全性和权限管理也仍在完善中。但这往往是基础设施创新的开端。

其意义不在于自主性本身，而在于一旦软件能够以编程方式进行交易，新的经济行为就成为可能。

总结

在加密货币和人工智能领域，早期阶段都注重炫目和新颖性。而下一阶段则越来越重视可靠性、治理和分布。

技术本身已不再是主要制约因素，如何将它们应用到实际系统中才是。

对我而言，2026年的显著特征不是某一项突破，而是基础设施的稳步积累，这些基础设施默默地发挥作用，悄然地重塑价值的流动和工作完成的方式。