a16z：2024年值得關注的加密技術

來源：a16z；編譯：松雪，金色財經

2023年12月7日，a16z發布“Big Idea in Tech 2024”報告。根據美國活力、生物、消費技術、加密貨幣、企業、金融科技、遊戲、基礎設施和其他領域的領域合作夥伴的說法，a16z 發布了技術構建者在未來一年可能實現的“大創意”綜合清單。 下面列出了一些讓各個加密貨幣合作夥伴對未來感到興奮的事情。 

進入去中心化新時代

正如我們一次又一次地看到的那樣，當一個強大系統或平台的控制權掌握在少數人（更不用說單一領導者）手中時，侵犯用戶自由變得太容易。這就是爲什么分權至關重要的原因：它是一種工具，通過實現具有可信中立性的、可組合的互聯網基礎設施，促進競爭和生態系統多樣性，並讓用戶擁有更多選擇和所有權，從而使我們能夠實現系統的民主化。

但在實際應用中，分權一直很難在規模上與中心化系統的效率和穩定性相抗衡。與此同時，大多數Web3治理模型涉及使用基於直接民主或公司治理的簡化但繁瑣的模型的DAOs（去中心化自治組織）——這些模型並未設計用於分權治理的社會政治現實。然而，由於過去幾年Web3的“生活實驗室”，越來越多關於分權的最佳實踐正在湧現。這些實踐包括可以適應具有更豐富功能的應用程序的分權模型；還包括DAOs採用權謀原則來設計更有效的分權治理，使領導層對其負責。隨着這些模型的發展，我們應該很快會看到前所未有的分權協調、運營功能和創新水平。

——Miles Jennings，總法律顧問兼權力下放主管（@milesjennings on Farcaster | on Twitter）

重置未來的用戶體驗（UX）

雖然人們對加密領域用戶體驗的不足多有詬病，但實際上，自2016年以來，加密用戶體驗的基本原理並沒有發生太大變化。仍然存在過於復雜的問題：自主保管祕密密鑰；將錢包與去中心化應用（dApps）連接；將籤名的交易發送到日益增多的網絡端點等。這些內容超出了我們可以期望用戶在使用加密應用的最初幾分鐘內學到的範圍。

然而，現在，开發者們正在積極測試和部署一些新工具，這些工具可能會在未來一年中重新定義加密前端用戶體驗（UX）。其中一種工具包括簡化用戶在各設備上登錄應用和網站的通行密鑰；與更容易受到威脅且需要用戶手動操作的密碼不同，通行密鑰是自動生成的，具有密碼學安全性。其他創新包括智能账戶，使账戶本身可編程，因此更容易管理；嵌入式錢包，內置在應用程序中，因此可以使用戶引導更爲流暢；多方計算（MPC），使第三方更容易在不保管用戶密鑰的情況下支持籤名；先進的遠程過程調用（RPC）端點，可以識別用戶需求並填補差距等等。所有這些不僅有助於推動Web3更加普及，還可以使用戶體驗比Web2更好、更安全。

——Eddy Lazzarin，CTO（Farcaster上的@eddy | Twitter上的@eddylazzarin）

模塊化技術堆棧的崛起

在網絡的世界中，總有一種力量無可避免地主導着其他力量：網絡效應。網絡效應往往非常強大，以至於實際上只有兩種類型的模塊化——一種是擴展和增強網絡效應的模塊化，另一種是分裂和削弱網絡效應的模塊化。在幾乎所有情況下，只有前者有意義，尤其是在涉及开源技術時。

整體架構的優勢在於允許深度集成和優化，跨越本來應該是模塊化邊界的領域，從而實現更高的性能……至少在一开始是這樣。但开源、模塊化技術堆棧的最大優勢在於它釋放了無需許可的創新；允許參與者專注於特定領域；並激發更多的競爭。我們在這個世界中需要更多這樣的模式。

—Ali Yahya，合夥人（Farcaster上的@alive.eth | Twitter上的@alive_eth）

人工智能+區塊鏈相結合

去中心化的區塊鏈是對中心化人工智能的一種制衡力量。目前，人工智能模型（比如ChatGPT）只能由少數幾家科技巨頭進行訓練和運營，因爲所需的計算資源和訓練數據對於規模較小的參與者來說是難以承受的。但通過加密技術，可以創建多方參與、全球範圍內、無需許可的市場，任何人都可以爲網絡提供計算資源或新的數據集，並因此獲得補償，而這些資源正是其他需要的人所需。利用這一長尾資源將使這些市場推動人工智能成本下降，使其更易獲得。

然而，隨着人工智能革新了我們信息生產的方式——改變了社會、文化、政治和經濟——它也創造了一個充滿人工智能生成內容的世界，包括深度僞造。加密技術同樣可以在這方面發揮作用，以打开黑匣子，追蹤我們在线看到的事物的來源等等。我們還需要找出分散生成式人工智能並進行民主治理的方法，以確保沒有單一的行爲者最終獲得爲所有其他人決策的權力；Web3是一個探索這一問題的實驗室。去中心化、开源的加密網絡將使人工智能創新實現民主化（而不是集中化），最終使其對消費者更加安全。

——Andy Hall，斯坦福大學教授 (@ahall_research)； Daren Matsuoka，數據科學家（@darenmatsuoka on Farcaster | on Twitter）； Ali Yahya，普通合夥人（Farcaster 上的@alive.eth | Twitter 上的@alive_eth）

“玩而賺”演變爲“玩和賺”

在“玩而賺”（P2E）遊戲中，玩家通常會根據他們在遊戲中花費的時間和精力而非虛擬的真實世界中賺取金錢。這一趨勢與正在改變遊戲及其周邊領域的更廣泛轉變相關——從創作者經濟的崛起到人們與平台之間關系的變化。Web3使我們能夠打破當前的常規，即遊戲和交易的所有收益僅流向遊戲公司。用戶在這些平台上花費了很多時間，並爲其創造了很多價值，因此他們也應該得到補償。

但是遊戲並不一定被設計成一個工作場所（至少對大多數玩家來說不是）。我們真正需要的是既有趣又能讓玩家捕捉更多他們創造的價值的遊戲。因此，P2E正越來越演變爲“玩和賺”，在遊戲和工作場所之間建立了重要的區別。隨着P2E超越其最初的成長階段，導致遊戲經濟的動態將繼續變化。然而，最終，這將不是一個獨立的趨勢，而將成爲遊戲的一部分。

——Arianna Simpson，合夥人（Twitter上的@AriannaSimpson）

當人工智能成爲遊戲制造者時，加密貨幣提供了保證

作爲一個花費大量時間思考Web3遊戲和遊戲未來的人，我清楚地認識到遊戲中的AI代理必須提供某些保證：它們基於特定的模型，並且這些模型在執行時沒有被篡改。否則，遊戲將失去完整性。

當傳說、地形、敘事和邏輯都是由程序生成時，換句話說，當AI成爲遊戲制作者時，我們將希望知道遊戲制作者是可信中立的。我們將希望知道這個世界是建立在保證之上的。加密技術提供的最重要的東西就是這些保證——包括在AI出現問題時理解、診斷和懲罰的能力。從這個意義上說，“AI對齊”實際上是一個激勵設計問題，就像處理任何人類代理一樣是一個激勵設計問題……而這正是加密技術所關注的。

——Carra Wu，投資合夥人（Farcaster上的@carra，Twitter上的@carrawu）

正式驗證變得不那么正式

雖然正式方法在驗證硬件系統方面很受歡迎，但在軟件开發中使用較少。對於大多數不涉及硬件或安全關鍵系統的开發人員來說，這些方法過於復雜，可能會增加顯著的成本和延遲。然而，智能合約开發人員有不同的需求：他們开發的系統處理數十億美元；漏洞將產生災難性的後果，通常無法即時修復。因此，在軟件开發，特別是智能合約开發中，需要更易於訪問的正式驗證方法。

在過去的一年裏，我們看到了一批新工具（包括我們的工具）湧現出來，它們在开發者體驗方面遠遠優於傳統的正式系統。這些工具利用了智能合約在架構上比常規軟件更簡單的事實——具有原子和確定性執行；沒有並發或異常；內存佔用小且循環較少。這些工具的性能也在迅速提升，借助了SMT求解器性能的最新突破（SMT求解器使用復雜的算法來識別或確認軟件和硬件邏輯中的錯誤）。隨着开發人員和安全專家在採用受正式方法啓發的工具方面的增加，我們可以預期下一波智能合約協議將更爲健壯，更不容易受到昂貴的黑客攻擊。

——Karma（Daniel Reynaud），研究工程合作夥伴（Farcaster上的@karma，Twitter上的@0xkarmacoma）

NFT變成無處不在的品牌資產

越來越多的知名品牌通過NFT的形式向主流消費者推出數字資產。例如，星巴克推出了一個遊戲化的忠誠計劃，參與者可以在探索公司的咖啡產品時收集數字資產（更不用說一個AR南瓜香料迷宮了！）。與此同時，耐克和Reddit开發了數字可收藏的NFT，並明確面向廣泛受衆進行推廣。但品牌可以做的遠不止這些：它們可以使用NFT代表和強化客戶身份和社區隸屬關系；連接實體商品和其數字表示；甚至可以與最忠實的愛好者共同創造新產品和體驗。去年，我們看到了一種趨勢，即以大規模收藏的方式推出價格較低的NFT，作爲消費品——通常通過托管錢包和/或相應低交易成本的“Layer 2”區塊鏈進行管理。進入2024年，許多條件都已具備，使NFT成爲各種公司和社區的數字品牌資產，正如我與Steve Kaczynski在一本即將出版的書中所解釋的。

——Scott Duke Kominers，研究合作夥伴（Farcaster上的@skominers | Twitter上）

SNARKs走向主流

在歷史上，技術專家一直採用以下策略來驗證計算工作負載：1）在受信任的計算機上重新執行計算；2）在專用於任務的機器上執行計算，即（TEE受信任執行環境）；或3）在可信任的基礎設施上執行計算，比如區塊鏈。每種策略在成本或網絡可擴展性方面都存在局限性，但現在，SNARKs（Succinct Non-interactive ARguments of Knowledge）正在變得更加可用。SNARKs允許通過一個不可僞造的不受信任的“證明者”計算某個計算工作負載的“加密收據”：過去計算這樣一個收據的成本是原始計算的10^9倍；最近的進展使這個數字更接近10^6。

因此，在初始計算提供者能夠承受10^6倍开銷而客戶無法重新執行或存儲初始數據的情況下，SNARKs變得可行。由此產生的用例有很多：物聯網中的邊緣設備可以驗證升級。媒體編輯軟件可以嵌入內容的真實性和轉換數據；而重新混合的模因可以向初始來源致敬。低級機器學習的推理可能包含真實性信息。我們可以有自驗證的IRS表格、不可僞造的銀行審計等等，這將使消費者受益。

——Sam Ragsdale，投資工程師（Farcaster上的@samrags，Twitter上的@samrags_）