来源：a16zcrypto；编译：松雪，金色财经
编者注：根据美国活力、生物、消费技术、加密货币、企业、金融科技、游戏、基础设施和其他领域的领域合作伙伴的说法，a16z 发布了技术构建者在未来一年可能实现的“大创意”综合清单。 下面列出了一些让各个加密货币合作伙伴对未来感到兴奋的事情。
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（更不用说单一领导者）手中时，侵犯用户自由变得太容易。这就是为什么分权至关重要的原因：它是一种工具，通过实现具有可信中立性的、可组合的互联网基础设施，促进竞争和生态系统多样性，并让用户拥有更多选择和所有权，从而使我们能够实现系统的民主化。
但在实际应用中，分权一直很难在规模上与中心化系统的效率和稳定性相抗衡。与此同时，大多数Web3治理模型涉及使用基于直接民主或公司治理的简化但繁琐的模型的DAOs（去中心化自治组织）——这些模型并未设计用于分权治理的社会政治现实。然而，由于过去几年Web3的“生活实验室”，越来越多关于分权的最佳实践正在涌现。这些实践包括可以适应具有更丰富功能的应用程序的分权模型；还包括DAOs采用权谋原则来设计更有效的分权治理，使领导层对其负责。随着这些模型的发展，我们应该很快会看到前所未有的分权协调、运营功能和创新水平。
——Miles Jennings，总法律顾问兼权力下放主管（@milesjennings on Farcaster | on Twitter）
重置未来的用户体验（UX）
虽然人们对加密领域用户体验的不足多有诟病，但实际上，自2016年以来，加密用户体验的基本原理并没有发生太大变化。仍然存在过于复杂的问题：自主保管秘密密钥；将钱包与去中心化应用（dApps）连接；将签名的交易发送到日益增多的网络端点等。这些内容超出了我们可以期望用户在使用加密应用的最初几分钟内学到的范围。
然而，现在，开发者们正在积极测试和部署一些新工具，这些工具可能会在未来一年中重新定义加密前端用户体验（UX）。其中一种工具包括简化用户在各设备上登录应用和网站的通行密钥；与更容易受到威胁且需要用户手动操作的密码不同，通行密钥是自动生成的，具有密码学安全性。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；嵌入式钱包，内置在应用程序中，因此可以使用户引导更为流畅；多方计算（MPC），使第三方更容易在不保管用户密钥的情况下支持签名；先进的远程过程调用（RPC）端点，可以识别用户需求并填补差距等等。所有这些不仅有助于推动Web3更加普及，还可以使用户体验比Web2更好、更安全。
——Eddy Lazzarin，CTO（Farcaster上的@eddy | Twitter上的@eddylazzarin）
模块化技术堆栈的崛起
在网络的世界中，总有一种力量无可避免地主导着其他力量：网络效应。网络效应往往非常强大，以至于实际上只有两种类型的模块化——一种是扩展和增强网络效应的模块化，另一种是分裂和削弱网络效应的模块化。在几乎所有情况下，只有前者有意义，尤其是在涉及开源技术时。
整体架构的优势在于允许深度集成和优化，跨越本来应该是模块化边界的领域，从而实现更高的性能……至少在一开始是这样。但开源、模块化技术堆栈的最大优势在于它释放了无需许可的创新；允许参与者专注于特定领域；并激发更多的竞争。我们在这个世界中需要更多这样的模式。
—Ali Yahya，合伙人（Farcaster上的@alive.eth | Twitter上的@alive_eth）
人工智能+区块链相结合
去中心化的区块链是对中心化人工智能的一种制衡力量。目前，人工智能模型（比如ChatGPT）只能由少数几家科技巨头进行训练和运营，因为所需的计算资源和训练数据对于规模较小的参与者来说是难以承受的。但通过加密技术，可以创建多方参与、全球范围内、无需许可的市场，任何人都可以为网络提供计算资源或新的数据集，并因此获得补偿，而这些资源正是其他需要的人所需。利用这一长尾资源将使这些市场推动人工智能成本下降，使其更易获得。
然而，随着人工智能革新了我们信息生产的方式——改变了社会、文化、政治和经济——它也创造了一个充满人工智能生成内容的世界，包括深度伪造。加密技术同样可以在这方面发挥作用，以打开黑匣子，追踪我们在线看到的事物的来源等等。我们还需要找出分散生成式人工智能并进行民主治理的方法，以确保没有单一的行为者最终获得为所有其他人决策的权力；Web3是一个探索这一问题的实验室。去中心化、开源的加密网络将使人工智能创新实现民主化（而不是集中化），最终使其对消费者更加安全。
——Andy Hall，斯坦福大学教授 (@ahall_research)； Daren Matsuoka，数据科学家（@darenmatsuoka on Farcaster | on Twitter）； Ali Yahya，普通合伙人（Farcaster 上的@alive.eth | Twitter 上的@alive_eth）
“玩而赚”演变为“玩和赚”
在“玩而赚”（P2E）游戏中，玩家通常会根据他们在游戏中花费的时间和精力而非虚拟的真实世界中赚取金钱。这一趋势与正在改变游戏及其周边领域的更广泛转变相关——从创作者经济的崛起到人们与平台之间关系的变化。Web3使我们能够打破当前的常规，即游戏和交易的所有收益仅流向游戏公司。用户在这些平台上花费了很多时间，并为其创造了很多价值，因此他们也应该得到补偿。
但是游戏并不一定被设计成一个工作场所（至少对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更多他们创造的价值的游戏。因此，P2E正越来越演变为“玩和赚”，在游戏和工作场所之间建立了重要的区别。随着P2E超越其最初的成长阶段，导致游戏经济的动态将继续变化。然而，最终，这将不是一个独立的趋势，而将成为游戏的一部分。
——Arianna Simpson，合伙人（Twitter上的@AriannaSimpson）
当人工智能成为游戏制造者时，加密货币提供了保证
作为一个花费大量时间思考Web3游戏和游戏未来的人，我清楚地认识到游戏中的AI代理必须提供某些保证：它们基于特定的模型，并且这些模型在执行时没有被篡改。否则，游戏将失去完整性。
当传说、地形、叙事和逻辑都是由程序生成时，换句话说，当AI成为游戏制作者时，我们将希望知道游戏制作者是可信中立的。我们将希望知道这个世界是建立在保证之上的。加密技术提供的最重要的东西就是这些保证——包括在AI出现问题时理解、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是一个激励设计问题……而这正是加密技术所关注的。
——Carra Wu，投资合伙人（Farcaster上的@carra，Twitter上的@carrawu）
正式验证变得不那么正式
虽然正式方法在验证硬件系统方面很受欢迎，但在软件开发中使用较少。对于大多数不涉及硬件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迟。然而，智能合约开发人员有不同的需求：他们开发的系统处理数十亿美元；漏洞将产生灾难性的后果，通常无法即时修复。因此，在软件开发，特别是智能合约开发中，需要更易于访问的正式验证方法。
在过去的一年里，我们看到了一批新工具（包括我们的工具）涌现出来，它们在开发者体验方面远远优于传统的正式系统。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——具有原子和确定性执行；没有并发或异常；内存占用小且循环较少。这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求解器使用复杂的算法来识别或确认软件和硬件逻辑中的错误）。随着开发人员和安全专家在采用受正式方法启发的工具方面的增加，我们可以预期下一波智能合约协议将更为健壮，更不容易受到昂贵的黑客攻击。
——Karma（Daniel Reynaud），研究工程合作伙伴（Farcaster上的@karma，Twitter上的@0xkarmacoma）
NFT变成无处不在的品牌资产
越来越多的知名品牌通过NFT的形式向主流消费者推出数字资产。例如，星巴克推出了一个游戏化的忠诚计划，参与者可以在探索公司的咖啡产品时收集数字资产（更不用说一个AR南瓜香料迷宫了！）。与此同时，耐克和Reddit开发了数字可收藏的NFT，并明确面向广泛受众进行推广。但品牌可以做的远不止这些：它们可以使用NFT代表和强化客户身份和社区隶属关系；连接实体商品和其数字表示；甚至可以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，即以大规模收藏的方式推出价格较低的NFT，作为消费品——通常通过托管钱包和/或相应低交易成本的“Layer 2”区块链进行管理。进入2024年，许多条件都已具备，使NFT成为各种公司和社区的数字品牌资产，正如我与Steve Kaczynski在一本即将出版的书中所解释的。
——Scott Duke Kominers，研究合作伙伴（Farcaster上的@skominers | Twitter上）
SNARKs走向主流
在历史上，技术专家一直采用以下策略来验证计算工作负载：1）在受信任的计算机上重新执行计算；2）在专用于任务的机器上执行计算，即（TEE受信任执行环境）；或3）在可信任的基础设施上执行计算，比如区块链。每种策略在成本或网络可扩展性方面都存在局限性，但现在，SNARKs（Succinct Non-interactive ARguments of Knowledge）正在变得更加可用。SNARKs允许通过一个不可伪造的不受信任的“证明者”计算某个计算工作负载的“加密收据”：过去计算这样一个收据的成本是原始计算的10^9倍；最近的进展使这个数字更接近10^6。
因此，在初始计算提供者能够承受10^6倍开销而客户无法重新执行或存储初始数据的情况下，SNARKs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的真实性和转换数据；而重新混合的模因可以向初始来源致敬。低级机器学习的推理可能包含真实性信息。我们可以有自验证的IRS表格、不可伪造的银行审计等等，这将使消费者受益。
——Sam Ragsdale，投资工程师（Farcaster上的@samrags，Twitter上的@samrags_）
JinseFinance
Bitcoinist
Nulltx
Cointelegraph