a16z Crypto 合伙人:加密正被金融机构重新封装,潜能将远超想象

marsbit发布于2026-05-08更新于2026-05-08

文章摘要

作者从自身作为加密圈人士的困惑出发,探讨了为何华尔街和政界偏好使用“数字资产”一词。他指出,虽然日常生活中大多数资产(如银行账户、股票)已是数字形式,但金融业底层运作并未真正数字化,仍依赖割裂的系统和繁琐的对账流程。 文章认为,区块链技术正在被大型金融机构采纳,主要驱动力并非加密领域的去中心化理念,而是为了解决多方协作中的信任与协调难题。区块链提供了一个中立的共享账本,能明确资产所有权、简化结算并降低交易对手风险,这实质上是金融服务的数字化转型。 随着加密技术进入传统金融体系,它可能褪去部分反叛色彩,但将带来更深层的结构性变化:即可组合性。当金融资产构建在可编程的共享基础设施上,它们能够像软件模块一样被轻松组合、扩展和集成,从而催生更高效、创新的金融应用。最终,加密技术将以基础设施的形式被重新封装,其潜在影响力可能远超当前想象。

作者:Guy Wuollet

编译:佳欢,ChainCatcher

作为一个自认是"加密圈"的人,我一直想不通:为什么华尔街以及越来越多的华盛顿政客,非要用"数字资产"这个词。

我日常打交道的资产,几乎全是数字化的。

上次带现金出门是什么时候,我都想不起来了。从银行账户到券商账户,所有个人财务都在线上。连实体信用卡也很少掏出来用了。和同龄人聊过,我并不是个例。

发达国家的大多数人,真正非数字化的资产也就剩房子、车这类实物。这类东西被叫做"实物资产"(real assets),可这个词反而让人更糊涂,它默认了股票、债券、网络代币、衍生品这些东西,某种程度上不是"真的"。

但它们当然是真的。

不过这些年在金融科技领域做投资和搭建系统,我意识到一件事:金融的大部分领域,其实并没有我们以为的那么数字化。

经济中其他大部分行业,从媒体、零售到物流,都已经围绕软件被彻底重构了一遍。金融看起来和它们差不多,但底层基本没怎么动——移动互联网和云计算给全球经济带来的那波数字化浪潮,几乎绕开了金融业。

这件事,现在终于开始变了。

金融业的协调难题

金融机构在很多方面还停留在过去。

它们运行在一堆互相割裂的系统上,靠文件和反复对账来维持运转。光是搞清楚"谁持有什么"、"什么时候结算"、"交易怎么排序"、"适用哪条规则"这些事,就要花掉大量时间。

理论上,一个共享数据库就能解决问题。但实际操作起来,更难的问题马上冒出来:谁来控制这个数据库?谁有权限改?参与方之间互相不信任的时候,怎么办?

这就是为什么区块链正在一些看起来和早期加密圈完全不同的地方流行起来。

加密文化最初围绕"去中心化"和"金融主权"这类理念展开,这些到今天依然重要。但把大型金融机构推向这项技术的,不是意识形态,而是更现实的协调问题。

华尔街的逻辑一向比理念更实际。

每家交易公司对交易对手违约风险的敏感程度,和每家创业公司对平台风险(比如建在 Facebook 上的项目随时可能被一脚踢开)的敏感程度,其实是一样的。

交易对手风险要管,抗审查要管,公平排序和最佳执行也要管。华尔街不会把这些叫作"去中心化",但它要解决的,本质上就是同一件事。

在我看来,区块链是第一次给这些老问题提供了一个像样的答案。

它提供了一个中立的系统,让多方在不用把控制权交给某一个所有者的前提下完成协调。资产的所有权直接写进软件里,不需要再有一本独立的账本去对,也不存在另一份外部记录来裁定谁拥有什么。

资产本身,就是记录。

这就是华尔街开始认真拥抱区块链的真正原因:不是因为他们突然信奉了去中心化,而是因为区块链在多个交易对手之间提供了一个共同的"默认选项",让大家可以借此升级各自的后端系统。

这才是"数字资产"这个词真正想表达的意思——它代表的是金融服务的数字化转型,就像当年云服务代表了大型企业的数字化转型一样。

走向链上意味着什么

加密行业一边走向华尔街,一边也在褪去一部分叛逆气质,进入一个充满立领衬衫、合规审查和各种妥协的成年人世界。

但华尔街用区块链做数字化转型的同时,也在不知不觉中继承了加密领域最强的那项能力——也是软件行业已经拥有了几十年的能力:可组合性。

当金融资产运行在共享、可编程的基础设施上,它们就可以被组合、扩展、集成,不用每次都从零开始重新搭。

一部分好处是显而易见的,比如结算更快、成本更低。但更深的变化是结构性的:在这套系统之上做应用,会变得容易得多。

换句话说,加密技术进入金融机构之后并不会消失,只是被重新包装了。

这场运动正在变成基础设施。而当华尔街开始用上这套基础设施,它最终继承的加密精神,可能会比它原本预想的要多得多。

相关问答

Q文章作者为何认为金融行业并未真正实现数字化?

A作者指出,虽然其他行业(如媒体、零售、物流)已通过软件彻底重构,但金融行业在移动互联网和云计算带来的数字化浪潮中基本未受影响。金融机构仍依赖割裂的系统、文件和人工对账来运作,并未实现底层基础设施的根本性数字化变革。

Q华尔街等金融机构采用区块链技术的主要原因是什么?

A华尔街采用区块链技术并非基于去中心化或金融主权等意识形态,而是为了解决现实中的协调难题。区块链提供了一个中立、共享的系统,让互不信任的多个交易对手能够在无需将控制权交给单一所有者的前提下,进行高效的协调与结算,并降低交易对手风险和运营成本。

Q文中提到的‘数字资产’一词真正的含义是什么?

A文章中‘数字资产’一词的真正含义,是指金融服务的数字化转型。它代表的是将金融资产置于共享、可编程的基础设施(如区块链)之上,实现所有权记录、结算和流转的根本性数字化升级,类似于云服务对企业数字化转型的意义。

Q当金融资产‘上链’后,会带来哪些结构性的深层次变化?

A金融资产上链带来的结构性深层次变化,主要是引入了‘可组合性’。这意味着资产可以像软件模块一样,在共享、可编程的基础设施上被轻松地组合、扩展和集成。这将催生出更复杂、更高效的金融应用,而无需每次都从头构建基础设施,从而极大地提升金融创新的速度和多样性。

Q作者如何评价加密技术在融入传统金融体系后的前景?

A作者认为,加密技术在被金融机构采纳和重新包装的过程中,正从一种带有叛逆色彩的文化运动转变为重要的基础设施。在这一过程中,它可能会褪去部分早期特质,但华尔街在利用其进行数字化转型的同时,也将不可避免地继承加密技术最核心的能力(如可组合性),最终可能产生的创新和影响力,甚至会超过金融机构最初的预期。

你可能也喜欢

Deepseek 能否为中国节省 1 万亿美元?

《DeepSeek 能否为中国节省 1 万亿美元?》一文探讨了DeepSeek如何通过技术创新,可能大幅降低中国AI基础设施的建设成本。 核心在于,AI硬件的成本正从计算芯片向昂贵的内存(如HBM)倾斜。DeepSeek通过三方面技术突破,系统性降低了对这类稀缺硬件的依赖: 1. **压缩“记性”**:采用多头潜在注意力(MLA)等技术,将长上下文对话所需的缓存(KV Cache)压缩至原来的极小部分,极大节省显存。 2. **按需唤醒“身体”**:利用混合专家(MoE)模型架构,每次只激活部分参数,并结合智能的存储调度,将多数参数移出昂贵显存。 3. **复用计算结果**:将算过的上下文作为缓存复用,用低成本的内存读取替代高成本的重复计算。 这些技术协同,使DeepSeek V4等模型在长上下文场景下,用同等硬件可能产出数倍的有效Token,等效于大幅提升硬件效率、摊薄单位成本。 文章据此进行推演:到2030年,全球AI硬件投资预计达数万亿美元。若DeepSeek的技术路线能使中国未来AI基建的硬件需求等效减少75%,在日均Token消耗达到数千万亿级的规模时,节省的投资额可能接近1万亿美元(约7万亿元人民币),相当于少建数万座智算中心。 更重要的是,此举将产业价值从受制于人的尖端算力芯片,部分转移至中国已有所突破的存储芯片及系统工程领域,提升了供应链安全性。DeepSeek的意义不在于“消灭硬件”,而在于通过极致优化,降低行业对最昂贵、最稀缺硬件的边际依赖,让AI能力更普惠,重塑未来AI基建的账本。 (注:文中关于万亿节省的具体数字属于基于行业趋势的推演观点。)

marsbit31分钟前

Deepseek 能否为中国节省 1 万亿美元?

marsbit31分钟前

推翻主流治幻觉思路:元认知,才是大模型破幻觉的全新解法

谷歌研究院与特拉维夫大学联合发表论文,提出对抗大模型“幻觉”问题的新思路:与其追求让AI全知全能或过度拒答,不如培养其“元认知”能力,即让模型能够感知并诚实表达自身对每个答案的确信程度。 论文指出,当前主流方法存在局限:一味增加知识覆盖无法穷尽所有事实;而通过大幅拒答来降低错误率则会征收沉重的“实用性税”,牺牲大量本可正确回答的问题。核心原因在于模型缺乏“判别力”,难以精准区分具体问题的对错,导致校准良好但实用性低下。 论文重新定义了“幻觉”:问题不在于AI输出错误信息,而在于其“没有资格确定却以确定的语气给出错误信息”。因此,解决路径应是实现“忠实不确定性”——让AI语言表达的确信度与其内部状态的真实确信度对齐。这比消灭所有错误更可行,是一个依赖内部信号的闭环问题。 在AI代理(Agent)时代,元认知更为关键。没有它,Agent在调用外部工具(如搜索)时将陷入“盲飞”,无法智能决策何时需要搜索、如何评估信息可信度。 实现元认知面临几大挑战:“自举悖论”涉及用静态数据训练动态能力的困难;“对齐破坏信号”指RLHF等训练可能磨灭模型原有的内部不确定性信号;“因果性评估”则需区分真正的元认知与对其的表演。 论文建议,评估反幻觉方法应超越单一准确率指标,转而分析完整的“实用性-错误率权衡曲线”,并关注其在其他任务上的“附带损伤”。最终目标是让AI学会诚实地沟通其认知状态,从而在保留实用性的同时,将错误信息的危害降至最低,建立可靠信任。

marsbit35分钟前

推翻主流治幻觉思路:元认知,才是大模型破幻觉的全新解法

marsbit35分钟前

交易

现货
合约
活动图片