A16Z合伙人预测2024年技术创新趋势

美国著名风险投资机构 Andreessen Horowitz（A16Z）40 位合伙人跟我们分享了他们对 2024 年一些与技术发展相关的预测，其中包括公共安全系统的升级、智能电网的发展、国防中的群集技术应用、软件在实体行业中的收购应用、计算机视觉和视频智能的新应用、海洋探索的新时代、医疗领域的创新、AI 在医疗中的应用以及语音技术的发展等。

加密货币

迈尔斯·詹宁斯：迈入去中心化新时代

我们经常目睹这样一种现象：当少数人（有时甚至是单一领导者）掌握着强大系统或平台的控制权时，用户的自由往往会受到威胁。去中心化的重要性，在于它提供了实现民主化系统的工具，通过可信赖、可组合的互联网基础设施，促进竞争和生态多样性，从而赋予用户更多的选择和所有权。

然而，去中心化在实际应用中也面临着挑战。与中心化系统相比，去中心化系统的效率和稳定性相对较低。此外，大部分 web3 的治理模型采用了 DAO（去中心化自治组织）模式，这些组织通常基于直接民主或企业治理的简化但复杂的治理模式，并不适合去中心化治理的社会政治现实。

幸运的是，近年来，web3 领域涌现出越来越多关于去中心化的最佳实践。这些实践包括适用于更复杂功能应用的去中心化模型，以及利用马基雅维利原则来设计更高效的去中心化治理模式的 DAO，确保领导层能够承担责任。随着这些模型的不断发展，我们很可能很快就能见证去中心化在协调、操作功能和创新方面达到新的高度。

迈尔斯·詹宁斯（Miles Jennings），A16Z crypto 加密风险基金总法律顾问、去中心化领域负责人

埃迪·拉扎林：加密用户体验迎来新变革

加密货币用户体验一直是人们关注的焦点，但自 2016 年以来，其基本原理却几乎没有改变。用户仍需要自己保管秘密密钥、连接钱包和去中心化应用 (dApps)，并向多个网络节点发送已签名的交易。这些对于初次使用加密应用的用户来说，并非短时间内可以轻松掌握的技能。

然而，随着开发人员不断探索新技术，加密领域的前端用户体验有望在未来一年发生重大变化。其中一个关键技术是 passkeys，它可以让用户在不同设备上轻松登录应用和网站。与容易受到攻击且需要用户手动输入的密码不同，passkeys 是自动生成的，并基于加密技术，因此比传统密码更加安全可靠。

此外，还有很多其他创新正在开发中，这些创新有望进一步简化加密用户体验。例如，智能账户可以让用户更轻松地管理账户；嵌入式钱包可以让用户无需额外操作即可使用加密功能；多方计算 (MPC) 可以让第三方在不保管用户密钥的情况下提供签名服务；先进的远程过程调用 (RPC) 端点可以让应用程序更好地满足用户需求。

这些创新不仅有助于推动 web3 成为主流，还可以让用户体验在安全性和便捷性上超越 web2 时代。

埃迪·拉扎林（Eddy Lazzarin），a16z crypto 首席技术官。

阿里·亚希亚：模块化技术栈的崛起

在网络世界里，网络效应无处不在。它指的是随着参与者的增加，系统的价值也随之增加的现象。它可以让用户群体迅速扩大，从而带来更大的价值。在网络效应的作用下，模块化技术栈可以分为两类：一种是加强网络效应的模块化，另一种是削弱网络效应的模块化。在大多数情况下，只有加强网络效应的模块化才真正有价值，特别是在开源领域。

单体架构可以实现深度整合和优化，但它也限制了创新。而模块化技术栈则可以让开发者专注于自己的领域，并与其他开发者协作，从而产生更大的创新。

在开源领域，模块化技术栈具有独特的优势。它可以让任何人参与到创新中来，从而推动竞争，促进技术进步。这种竞争和创新是当今世界所需要的。

Ali Yahya（阿里·亚希亚），a16z crypto 合伙人。

安德鲁·霍尔，达伦·松冈，阿里·亚希亚：“AI+区块链”赋能去中心化的未来

去中心化的区块链技术有可能成为制衡中心化 AI 的力量。目前，大多数 AI 模型都由少数大型科技公司开发和运营。这意味着这些公司拥有对 AI 技术的控制权，并有可能滥用这种权力。

加密货币为去中心化 AI 市场提供了可能。利用区块链技术，我们可以构建一个多方参与、全球范围、无需许可的 AI 市场。在这个市场上，任何人都可以为 AI 模型的开发和运营做出贡献，并获得相应的报酬。

区块链技术还可以帮助我们解决 AI 生成内容的安全性问题。例如，我们可以利用区块链技术追踪 AI 生成内容的来源，从而防止深度伪造技术的滥用。此外，我们还需要探索如何去中心化地管理生成式 AI。去中心化治理可以防止任何一个实体滥用生成式 AI 的技术。web3 正是探索这些问题的试验场。

总而言之，人工智能与区块链的融合有可能带来去中心化与民主化的未来。未来，AI 技术将不再由少数大型科技公司控制，而是由每个人共同拥有和管理。这将为消费者带来更多的安全保障，并促进 AI 技术的创新和发展。

安德鲁·霍尔（Andrew Hall），斯坦福商学院政治经济学教授，a16z crypto 研究实验室合作方。

达伦·松冈（Daren Matsuoka），a16z crypto 数据科学家。

阿里·亚希亚（Ali Yahya），a16z crypto 合伙人。

阿里安娜·辛普森：“玩游戏赚钱”变成“边玩边赚”

“玩游戏赚钱”（Play to Earn，P2E）游戏模式，可以让玩家在虚拟世界中玩耍的同时，还能通过投入时间和努力在现实世界中赚取金钱。这一趋势反映了游戏行业乃至更广泛领域的重大转变，包括创作者经济的兴起和人们与数字平台关系的变化。

Web3 技术发起了对传统模式的挑战。传统模式下，玩家在游戏中的投入和交易所产生的所有收益仅归游戏公司所有。考虑到玩家在这些平台上的巨大投入和为其创造的价值，他们同样值得获得相应的回报。

然而，设计游戏的本质并不完全是为了将其打造成一个工作场所（至少对大部分玩家来说都是如此）。玩家既希望能够在游戏中获得乐趣，又能获得更多其创造出来的价值。因此，P2E 模式正在逐渐演变为“边玩边赚”，这也能让大家进一步认清游戏和工作场所的区别。随着 P2E 模式超越其初期的成长挑战，游戏经济的管理方式也将继续发生变化。最终，这种模式将不再是一个孤立的趋势，而会成为游戏的组成部分。

阿里安娜·辛普森（Arianna Simpson），a16z crypto 核心合伙人。

卡拉·吴：加密技术为 AI 游戏提供可信度保证

对于像我这样深入研究 web3 游戏和游戏行业未来的人来说，游戏中的 AI 智能体必须要得到保障。这些智能体必须基于某些模型构建，并且这些模型在执行时不能有任何错误。否则，游戏就会失去其核心的可信度。

当游戏中的传说、地形、故事情节和逻辑都是通过程序自动生成时，AI 就成为了游戏的制作人。在这种情况下，我们需要确信这位游戏制作人是公正无私的。我们需要知道，这个虚拟世界是按照既定的规则构建的。

在这方面，加密技术可以提供保证。它可以帮助我们理解、诊断和惩罚 AI 出现的问题。从这个角度来看，“AI 对齐”实际上是一个关于激励设计的问题，就像处理任何人类智能体的问题一样，而这正是加密技术的核心所在。

卡拉·吴（Carra Wu），a16z crypto 投资合伙人。

丹尼尔·雷诺：正规验证向非传统化转变

正规验证是一种使用数学方法来证明软件或硬件系统正确性的技术。在硬件系统验证领域，正规验证方法已经得到了广泛应用。然而，在软件开发领域，正规验证方法的应用却相对较少。这是因为正规验证方法通常比较复杂，难以使用。对于大部分非关键安全系统的开发者而言，这些方法不仅会增加成本，还可能导致项目进度延误。

然而，智能合约开发者面临的挑战却与众不同。智能合约涉及数十亿美元资金，任何极小的漏洞都可能引发灾难性的后果，而且这些漏洞往往无法通过紧急修复来解决。因此，软件界，尤其是智能合约开发领域，迫切需要更易用、更普及的正规验证方法。

过去一年里，我们见证了新一代正规验证工具的涌现。这些工具相比传统正规验证系统，具有以下优势：

充分利用了智能合约在结构上的简洁性，使验证更加高效。

得益于最近在 SMT 求解器（用于识别或确认软件和硬件逻辑中的漏洞或其缺失）方面的重大进步，性能正在快速提升。

随着开发者和安全专家越来越多地采用这些新一代正规验证工具，我们期待下一代智能合约协议将更加稳固，减少因黑客攻击而带来的重大损失。

丹尼尔·雷诺（Daniel Reynaud），a16z crypto 研究工程合作伙伴。

斯科特·杜克·科米纳斯：NFT 成为品牌的未来

随着越来越多的知名品牌推出 NFT（非同质化代币），这种数字资产正逐渐成为品牌营销的重要工具。例如，星巴克推出了一种游戏化的积分计划，让消费者在了解其咖啡产品的同时收集 NFT。Nike 和社交新闻站点 Reddit 也推出了面向广泛受众的数字收藏版 NFT。

除了作为营销工具之外，NFT 还可以帮助品牌增强客户的身份感和归属感，将实体商品与数字化表现连接起来，甚至与粉丝共同打造新产品和体验。

近年来，低成本的 NFT 作为消费品的兴起，也为 NFT 的普及提供了条件。这些 NFT 通常通过托管钱包或“第二层”区块链来管理，降低了交易成本。展望 2024 年，NFT 将成为各类公司和社区广泛使用的数字品牌资产。

斯科特·杜克·科米纳斯（Scott Duke Kominers），a16z crypto 研究合伙人。

山姆·拉格斯代尔：SNARK 的崛起

在过去，技术专家们验证计算工作量的方法主要有三种：

在可靠的机器上重复执行计算。这需要大量的资源，而且很容易受到网络攻击。

在专为特定任务设计的机器上执行计算，也就是所谓的可信执行环境 (TEE)。这可以提高安全性，但成本也更高。

在公认的中立基础设施上进行计算，比如区块链。这可以实现去中心化，但效率较低。

这些方法都存在一定的局限性。最近，SNARK（简洁非交互式知识论证）的应用开始受到关注。SNARK 能够让不受信任的“证明者”创建某个计算任务的“加密证明”，这种证明无法被伪造。

以前，创建这样的证明所需的工作量是原始计算的 10^9 倍。然而，近期的技术进步已将这个数字降至接近 10^6 倍。

因此，在初始计算者能够承受 10^6 倍的额外工作量而客户端无法重复执行或存储原始数据的情况下，SNARK 显示出其实用价值。

SNARKs 的应用案例众多，例如：

物联网中的边缘设备可以验证其升级过程。

媒体编辑软件能够嵌入内容的真实性和转换信息。

混合模因可以向原始资源致敬。

大语言模型（LLM）的推断结果也可以包含真实性信息。

未来，SNARK 的应用范围还将进一步扩大。例如，我们可以使用自我验证的 IRS 表格、无法伪造的银行审计报告等，为消费者带来更多好处。

AI成长期科技

莎拉·王：AI 赋能叙事新时代

人工智能公司 Character.AI 首席执行官诺姆·沙泽（Noam Shazeer）曾将娱乐定义为“通用人工智能的首个应用场景”。他认为，AI 能够为我们提供更加个性化、沉浸式和引人入胜的娱乐体验。

在未来一年里，AI 将从基于文本的聊天迈向多模态模型。这意味着 AI 将能够同时处理文本、音频和视觉信息，从而创造出更加丰富、逼真的叙事体验。

此外，随着 AI 技术的不断发展，我们与 AI 的互动将更加深入。我们可以通过个性化设置和精细调整，来创造出符合我们个人需求的叙事体验。目前，开发全新叙事方式的任务落在了众多初创公司的肩上。

莎拉·王（Sarah Wang），A16Z 成长团队合伙人，专注于企业科技公司的发展。

乔·莫里西：AI 数据采集将成为 CRM 的未来

在销售过程中，数据是至关重要的。然而，由于销售人员往往忙于其他工作，很难确保数据的准确性。这导致了 CRM 数据质量不佳的问题，从而影响了销售团队的效率和效果。

AI 数据采集可以解决这一问题。AI 可以自动捕捉或生成客户互动数据，如会议记录、邮件和电话录音。这些数据可以帮助销售人员更好地了解客户，提高销售效率。

一些初创公司已经开始使用 AI 数据采集技术。这些公司的产品和服务在提高销售效率方面取得了显著成效。随着 AI 技术的不断发展，AI 数据采集将成为 CRM 发展的新动力。

乔·莫里西（Joe Morrissey），A16Z 成长团队合伙人，专注于企业技术公司的发展。

亚历克斯·伊默曼：模型不再是消费者 AI 领域的护城河

在过去，消费者 AI 领域的竞争焦点是模型。目前最受欢迎的消费者 AI 公司，如 ChatGPT、Character、Bard 和 Midjourney，成功的秘诀都在于它们自主开发的模型。谁能打造出最好的模型，谁就能赢得市场。然而，随着芯片供应改善、大多数基础模型可通过 API 获取以及开源模型日益强大等因素，这种情况正在发生变化。

基于他人模型的消费者级应用有望取得突破。这些应用可以专注于用户体验，而不仅仅是模型性能。例如，它们可以创造共享体验和多人模式，将多个模型整合到一个界面中，或专注于流程和工作流程以创造价值。

大语言模型（LLM）可以成为一种区别。LLM 可以生成逼真的文本、翻译语言、写不同类型的创意内容，并以信息丰富的方式回答问题。然而，传统的竞争壁垒，如网络效应、高切换成本、规模和品牌，仍将是长期成功的关键。

安杰尼·米德哈：AI 的可解释性

可解释性是指能够理解 AI 模型做出决策的原因，或者是对 AI 模型进行“逆向工程”。在过去几年，AI 领域主要关注扩展，即探索在大量计算和数据训练模型时能发生什么。然而，随着 AI 模型开始在现实世界中得到应用，可解释性变得越来越重要。

在 2024 年，可解释性将成为 AI 领域的一个重点话题。随着可解释性技术的不断发展，我们将能够更好地理解 AI 模型做出决策的原因。这将有助于我们建立信任、确保公平和保障安全。

安杰尼·米德哈（Anjney Midha），A16Z 合伙人，专注于 AI、基础设施和开源技术的投资。

珍妮弗·李：AI 赋能创意表达

创造力是人类的核心特征，是表达自我、探索世界的重要方式。然而，创造力往往抽象难以捉摸，清晰表达它们不仅需要时间，还需要技巧。

生成式 AI 的出现，为创造性表达开辟了一条全新的大众化道路。它可以帮助人们快速生成文字、图像、音频等创意内容，让每个人，不管是否具备相关技能，都能够自由创作。

这种创意工作流程的变革，彻底改变了一切。原型设计和创意构思过程变得极其互动。写作时遇到的障碍可以通过与智能辅助工具的反复迭代来克服，艺术技能也能通过不断尝试而非重复练习来提升。

在这种新格局下，涌现出一系列新工具，使我们能以多维度方式展现创造力。未来的关键将是学会运用不同模式进行创作，包括文字、视觉和音频。到 2024 年，这些新兴的 AI 平台将使创意表达更加普及。

珍妮弗·李（Jennifer Li），A16Z 合伙人，专注于数据基础设施和分析、开源、开发者工具及协作应用程序的企业投资。

泽雅·杨：深植于工作流程的 B2B AI 产品

根据麦肯锡的研究，生成式 AI 等技术有可能实现当前员工工作时间 70% 的自动化。这意味着，在未来，AI 将在 B2B 领域发挥越来越重要的作用。

在过去，AI 产品往往被视为一种辅助工具，用于提高员工的工作效率。然而，随着技术的不断发展，AI 产品正在逐渐成为工作流程的一部分。这些产品能够自主完成任务，如主动评论、更新记录和在得到用户简单批准后执行操作。

例如，AI 工具可以主动突出文档中的关键部分，而不必等待用户去查询长篇文档寻找相关信息。这可以帮助用户节省时间，并提高工作效率。

此外，在 B2B 产品领域，我们将看到从传统聊天用户界面向新形态的转变。聊天界面虽然在展示大语言模型的用途方面效果显著，但其最终会打断用户的工作流程。到了 2024 年，我认为将会看到更多创新性 AI 产品的出现，这些产品将更贴合用户现有的工作习惯。

泽雅·杨（Zeya Yang），A16Z 合伙人，专注于早期阶段企业和 SaaS 类公司。

金伯利·谭：大型语言模型赋能机器人流程自动化

到 2024 年，我非常期待看到由大型语言模型（LLM）驱动的机器人流程自动化（RPA）公司市场的崛起。当前，许多企业仍在使用过时的软件系统手动处理各种流程，这些系统难以完全替代或深度整合。在这种情况下，RPA 成为了一种理想的解决方案，它通过部署小型"机器人"来自动执行重复任务，例如数据录入。然而，现有的 RPA 系统往往操作复杂，容易出错，并且需要大量定制化的实施和服务。

借助 LLM，我们可以构建一个更加智能的 RPA 系统。这种系统能够理解其输入和操作的上下文，并能够动态调整，从而提供更加稳定和强大的解决方案。预计将出现多种针对不同自动化任务的定制解决方案，无论是面向财务部门的发票处理，还是面向客服部门的咨询响应，用户都可以选择最适合其工作流程和需求的解决方案。