a16z 新文章:《我们 2024 年对加密货币领域中一些感到兴奋的事情》

a16z 列出了 2024 年加密行业即将令人兴奋的九大趋势,其中包括 AI + Crypto、模块化、链上游戏新阶段、NFT 发展前景等等......

文章来源:a16z

文章编译:Meta Era

根据 American Dynamism、生物、消费技术、加密、企业、金融科技、游戏、基础设施等领域合作伙伴的反馈,我们发布了技术构建者可能在未来一年中探索的大型创意综合清单。以下是部分加密合伙人认为 2024 年激动人心的趋势。

进入去中心化新时代

正如我们一次又一次地看到的那样,当一个强大系统或平台的控制权掌握在少数人(更不用说某位单一领导者)手中时,就会很容易侵犯到用户的自由。这就是为什么去中心化很重要的原因:

  1. 它是一种工具,使我们能够通过启用具有可信的中立性、可组合的互联网基础设施,来实现系统的民主化;
  2. 并促进竞争和生态系统的多样性;
  3. 以及允许用户能够拥有更多的选择,并掌握更多的所有权。

但是,在实践中,当与中心化系统的效率和稳定性相冲突时,实现大规模的去中心化就变得困难了。同时,大多数 Web3 治理模型都涉及 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重的治理模型,但这些模型并不是为了开创彻底通过去中心化来进行治理的社会现实而设计的。

然而,得益于几年前的「living laboratory」,Web3 中已经开始涌现出更多关于去中心化的最佳实践。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 DAO 采用 Machiavelli 原则来设计更有效的去中心化治理,让领导层能够承担责任。随着这些模型的发展,我们很快就会看到前所未有的去中心化协调、操作功能和创新水平。

— Miles Jennings,总法律顾问兼去中心化主管

重置未来的用户体验

自 2016 年以来,尽管人们对加密领域的用户体验上普遍存在着龃龉与诟病,但实际上,加密领域用户体验的基本原理并没有因此发生太大的变化,它仍然使用起来很复杂,既有的问题依然存在:

  1. 自主保管密钥;
  2. 将钱包与去中心化应用程序(dApps)连接起来;
  3. 将已签名的交易发送到日益增多的网络端点。

其实问题不仅于此,这对我们期望用户在使用加密应用程序的最初几分钟就需要学到的东西来说,实在是太过复杂了。

但现在,开发者们正在积极测试和部署新工具,这些工具有望在未来一年内重制加密领域的前端用户体验:

  1. 其中一种工具是简化登录应用程序和网站的通行证(passkeys)。与更容易受到攻击并且需要用户手动操作的密码不同,通行证是自动以加密方式生成的。
  2. 其他创新包括智能账户,使账户本身可编程,因此更容易管理;
  3. 嵌入式钱包,内置到应用程序中,因此可以使用户登录变得更为顺畅;
  4. 多方计算(MPC),使得第三方更容易支持签名,且无需托管用户密钥;
  5. 高级远程过程调用(RPC)端点,可以识别用户需求并填补差距。

当然,新的工具也不至于此,这些工具不仅有助让 Web3 变得更加主流,还可以使用户体验比 Web2 更好、更安全。

— Eddy Lazzarin,首席技术官

模块化技术堆栈的兴起

在网络的世界中,有一种力量总是支配其他一切 —— 网络效应。网络效应往往是如此强大,以至于实际上只存在两种模块化方式—— 一种是扩展和增强网络效应的模块化;另一种是使其分散和削弱的模块化。在除了极少数例外的情况下,只有前者是有意义的,尤其是在涉及开源问题时。

整体架构的优点是允许跨模块化边界进行深度集成和优化,从而实现更高的性能...至少在一开始是这样。但开源、模块化技术堆栈最大的优势在于它可以实现无需许可的创新;允许参与者专业化;并激励更多的竞争。这个世界中需要更多这样的东西。

— Ali Yahya,总合伙人

人工智能与区块链的融合

去中心化的区块链技术是中心化人工智能的一种制衡力量。目前,像 ChatGPT 这样的 AI 模型只能由少数科技巨头进行训练和操纵,因为其所需的计算资源和训练数据对于较小的参与者来说都是难以承受的消耗。但通过加密技术,就可以创建多边、全球化且无需许可的市场,在这其中,任何人都可以为网络技术做出贡献,为需要的人提供计算资源或新的数据集,并因此而获得报酬。利用这已长尾资源,将使这些市场降低人工智能的成本,使其更易于获得。

但随着人工智能彻底改变我们生产信息的方式 —— 改变社会、文化、政治和经济 —— 它还创造了一个充满丰富的人工智能生成内容的世界,包括深度造假。这里也可以使用加密技术来打开黑匣子,以追踪我们在网上看到的事物的起源等等。我们还需要找出一个既能分散生成式人工智能,又能以民主方式进行治理的方法,以防止某一方最终获得代替所有其他人做出决策的权力。Web3 正是一个用于找出这一答案的实验室。去中心化、开源的加密网络将使人工智能创新变得民主化(而不是集中化),最终使消费者更加安全。

— Andy Hall,斯坦福大学教授;Daren Matsuoka,数据科学家;Ali Yahya,总合伙人

从为了赚钱才玩游戏转变为边玩边赚钱

在「play to earn」(P2E)游戏中,玩家通常会根据他们玩游戏的时间和精力来赚取现实世界(而不仅仅是虚拟)的金钱。这一趋势与正在改变游戏及其他领域的更广泛的变革有关 —— 从创作者经济的崛起,到人与平台之间关系的变化。Web3 使我们能够打破当前的规范,即所有玩游戏和交易的收益都只归游戏公司所有。用户在这些平台上花费了如此多的时间,并为这些平台创造了如此多的价值,他们也应该得到补偿。 

但游戏并非是为了成为工作场所而设计的(至少对于大多数玩家而言并非如此)。我们真正需要的是既有趣又能让玩家获得更多创造价值的游戏。因此,P2E 越来越多地演变为「边玩边赚钱」,这在游戏和工作场所之间做出了重要的区分。随着我们看到 P2E 的发展超越了最初的成长阶段,由此产生的游戏经济管理方式将继续发生变化。然而,最终这不会成为一种单独的趋势,而只会成为游戏的一部分 。 

— Arianna Simpson,普通合伙人

当人工智能成为游戏制造者时,加密货币为其提供保证

作为一个花费大量时间思考 Web3 游戏和游戏未来的人,我很清楚游戏中的 AI 代理必须附带保证:即它们基于某些模型而构建,且这些模型在执行时不会被篡改。否则,游戏将失去完整性。 

当故事、地形、叙事和逻辑都是通过程序生成时 —— 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否能做到可信地保持中立。我们会想要确认这个世界是建立在保证的基础上的。

加密货币提供的最重要的事情就是这样的保证 —— 包括在 AI 出现问题时的理解、诊断和惩罚的能力。从这个意义上说,「AI 对齐」实际上是一个激励设计问题,就像处理任何人类代理一样,这也是一个激励设计问题…….而这正是加密所关注的。

— Carra Wu,投资合伙人

形式验证变得不那么正式

虽然形式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。对于大多数不涉及硬件或安全关键系统的开发者来说,这些方法过于复杂,可能会增加显著的成本和延迟。然而,智能合约开发商有不同的需求:他们开发的系统处理数十亿美元,出现错误将产生毁灭性后果,而且通常不能进行热修复。因此,在软件开发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的出现,其开发者体验比传统的形式系统好得多。这些工具都利用了这样一个事实:即智能合约在架构上比常规软件更简单。

  1. 具有原子和确定性执行;
  2. 没有并发或异常;
  3. 内存占用小,循环少。

通过利用SMT求解器性能的最新突破(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),这些工具的性能也在快速提高。随着开发人员和安全专家越来越多地采用受到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,并且不易遭受代价高昂的黑客攻击。

— Karma (Daniel Reynaud),研究工程合伙人

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推出数字资产。例如,星巴克推出了一项游戏化忠诚度计划,参与者可以在探索公司的咖啡产品时收集数字资产。与此同时, Nike 和Reddit 也开发了数字收藏品 NFT,并向广大受众进行推销。但品牌可以做得更多:

  1. 他们可以使用 NFT 来代表和强化客户身份和社区归属感;
  2. 连接实体商品及其数字表示;
  3. 甚至与最忠实的爱好者共同创造新产品和体验。

去年,我们看到了一种趋势,即以大规模收藏为消费品的廉价 NFT 越来越受欢迎 ——这类 NFT  通常通过托管钱包和/或「第二层」区块链进行管理,交易成本较低。走向 2024 年,NFT 成为数字品牌资产的普适性条件已经具备。

— Scott Duke Kominers,研究合伙人

SNARKs 成为主流

历史上,技术人员在验证计算工作量方面通常有以下策略:

  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(TEE 可信执行环境);
  3. 或者在可信的中立基础设施(如区块链)上执行计算。

过去,这些策略在成本或网络可扩展性方面都有限制,但现在,SNARKs(简洁的非交互式知识论证)正变得更加有用。SNARKs 允许通过不受信任的「证明者」计算某些计算工作负载的「加密收据」,且该「证明者」无法伪造:在过去,计算这样收据的成本是原始计算的 10^9 倍;而最新的进展将这个数字缩小到 10^6 左右。

因此,在初始计算提供者可以承担 10^6 开销并且客户端无法重新执行或存储初始数据的情况下,SNARKx 变得可行。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;重新混合的模因可以向最初的来源致敬。LLM 推断可以包括真实性信息。我们可以拥有自我验证的 IRS 表格、不可伪造的银行审计以及更多有利于未来消费者的用途。

— Sam Ragsdale,投资工程师