原文作者:Cuy Sheffield,Visa 副总裁兼加密业务负责人
原文编译:Saoirse,Foresight News
随着加密货币与 AI 逐步走向成熟,这两大领域最重要的转变已不再是「理论上可行」,而是「实践中能可靠落地」。目前,两项技术均已跨越关键门槛,性能实现显著提升,但实际应用普及率仍不均衡。而 2026 年的核心发展动态,正是源于这一「性能与普及」的差距。
以下是我长期关注的几大核心主题,以及对这些技术发展方向、价值积累领域,乃至「为何最终赢家可能与行业先驱截然不同」的初步思考。
主题一:加密货币正从投机性资产类别向优质技术转型
加密货币发展的第一个十年,核心特征是「投机优势」—— 其市场具有全球性、连续性和高度开放性,剧烈的波动性也让加密货币交易比传统金融市场更具活力与吸引力。
但与此同时,其底层技术尚未做好主流应用的准备:早期区块链速度慢、成本高且稳定性不足。除投机场景外,加密货币在成本、速度或便利性上,几乎从未超越过现有传统系统。
如今,这种失衡局面正开始扭转。区块链技术已变得更快、更经济、更可靠,加密货币最具吸引力的应用场景也不再是投机,而是基础设施领域 —— 尤其是结算与支付环节。随着加密货币逐渐成为更成熟的技术,投机的核心地位会逐渐弱化:它不会完全消失,但将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」上的明确成果
稳定币与以往的加密货币叙事不同,它的成功基于具体、客观的标准:在特定场景下,稳定币比传统支付渠道更快、成本更低、覆盖范围更广,同时还能无缝融入现代软件系统。
稳定币无需用户将加密货币视为「意识形态」去信奉,其应用往往在现有产品与工作流程中「隐性发生」—— 这也让此前认为加密货币生态「波动过大、不够透明」的机构与企业,终于能清晰理解其价值。
可以说,稳定币助力加密货币重新锚定「实用性」而非「投机性」,并为「加密货币如何成功落地」树立了明确标杆。
主题三:当加密货币成为基础设施,「分销能力」比「技术新颖性」更重要
过去,当加密货币主要扮演「投机工具」角色时,其「分销」具有内生性 —— 新代币只需「存在」,就能自然积累流动性与关注度。
而当加密货币成为基础设施后,其应用场景正从「市场层面」转向「产品层面」:它被嵌入支付流程、平台与企业系统中,终端用户往往意识不到它的存在。
这种转变对两类主体极为有利:一是拥有现有分销渠道、可靠客户关系的企业;二是具备监管许可、合规体系与风险防控基础设施的机构。仅凭「协议新颖性」,已不足以推动加密货币的大规模落地。
主题四:AI 智能体具备实用价值,影响正超越编码领域
AI 智能体(Agents)的实用性日益凸显,但其作用常被误解:最成功的智能体并非「自主决策者」,而是「降低工作流程中协调成本的工具」。
从历史来看,这一点在软件开发领域体现得最为明显 —— 智能体工具加速了编码、调试、代码重构与环境搭建的效率。但近年来,这种「工具价值」正大幅向更多领域扩散。
以 Claude Code 这类工具为例,尽管它被定位为「开发者工具」,但其快速普及背后折射出更深层的趋势:智能体系统正成为「知识工作的接口」,而非仅局限于编程领域。用户开始将「智能体驱动的工作流程」应用于研究、分析、写作、规划、数据处理与运营任务 —— 这些任务更偏向「通用专业工作」,而非传统编程。
真正关键的并非「氛围编码」本身,而是其背后的核心模式:
- 用户委托的是「目标意图」,而非「具体步骤」;
- 智能体跨文件、工具与任务管理「上下文信息」;
- 工作模式从「线性推进」转向「迭代式、对话式」。
在各类知识工作中,智能体擅长收集上下文、执行限定任务、减少流程交接、加速迭代效率,但在「开放式判断」「责任归属」与「错误修复」方面仍存在短板。
因此,目前多数用于生产场景的智能体仍需「限定范围、接受监督、嵌入系统」,而非完全独立运行。智能体的实际价值,源于「知识工作流程的重构」,而非「替代劳动力」或「实现完全自主」。
主题五:AI 的瓶颈已从「智能水平」转向「信任度」
AI 模型的智能水平已实现快速提升,如今的限制因素不再是「单一的语言流畅度或推理能力」,而是「在实际系统中的可靠性」。
生产环境对三类问题零容忍:一是 AI「幻觉」(生成虚假信息),二是输出结果不一致,三是故障模式不透明。一旦 AI 涉及客户服务、资金往来或合规环节,「大致正确」的结果已无法被接受。
「信任」的建立需要四大基础:一是结果可溯源,二是具备记忆能力,三是可验证,四是能主动暴露「不确定性」。在这些能力足够成熟前,AI 的自主性必须受到限制。
主题六:系统工程决定 AI 能否在生产场景落地
成功的 AI 产品,会将「模型」视为「组件」而非「成品」—— 其可靠性源于「架构设计」,而非「提示词优化」。
这里的「架构设计」包括状态管理、控制流、评估与监控体系,以及故障处理与恢复机制。也正因此,如今 AI 的发展越来越接近「传统软件工程」,而非「前沿理论研究」。
长期价值将向两类主体倾斜:一是系统构建者,二是控制工作流程与分销渠道的平台所有者。
随着智能体工具从编码领域扩展到研究、写作、分析与运营流程,「系统工程」的重要性会进一步凸显:知识工作往往复杂、依赖状态信息且上下文密集,这让「能可靠管理记忆、工具与迭代过程」的智能体(而非仅能生成输出的智能体)更具价值。
主题七:开放模型与集中控制的矛盾,引发尚未解决的治理问题
随着 AI 系统能力增强、与经济领域融合加深,「谁拥有并控制最强大的 AI 模型」这一问题,正引发核心矛盾。
一方面,AI 前沿领域的研发仍属「资本密集型」,且受「算力获取、监管政策与地缘政治」影响,集中度日益提升;另一方面,开源模型与开源工具在「广泛实验、便捷部署」的推动下,持续迭代优化。
这种「集中与开放并存」的格局,引发了一系列悬而未决的问题: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权。最可能的结果是「混合模式」—— 前沿模型推动技术能力突破,而开放或半开放系统则将这些能力融入「广泛分布的软件」中。
主题八:可编程货币催生新型智能体支付流
当 AI 系统在工作流程中发挥作用时,它们对「经济互动」的需求日益增加 —— 例如为服务付费、调用 API、向其他智能体支付报酬,或结算「基于使用量的互动费用」。
这一需求让「稳定币」重新受到关注:它被视为「机器原生货币」,具备可编程性、可审计性,且无需人工干预即可完成转移。
以 x402 这类「面向开发者的协议」为例,尽管目前仍处于早期实验阶段,但其指向的方向十分明确:支付流将以「API 形式」运行,而非传统「结账页面」—— 这能让软件智能体之间实现「持续、精细化的交易」。
目前,这一领域仍显稚嫩:交易规模小、用户体验粗糙、安全与权限体系仍在完善中。但基础设施的创新,往往就是从这样的「早期探索」开始的。
值得关注的是,其意义并非「为了自主而自主」,而是「当软件能通过编程完成交易时,新的经济行为将成为可能」。
结语
无论是加密货币还是人工智能,早期发展阶段更青睐「吸引眼球的概念」与「技术新颖性」;而在下一阶段,「可靠性」「治理能力」与「分销能力」将成为更重要的竞争维度。
如今,技术本身已不再是主要限制因素,「将技术嵌入实际系统」才是关键。
在我看来,2026 年的标志性特征并非「某一项突破性技术」,而是「基础设施的稳步积累」—— 这些设施在默默运转的同时,也在悄然重塑「价值流转方式」与「工作开展模式」。
