8 แนวโน้มหลักของอุตสาหกรรมคริปโตที่ a16z คาดการณ์สำหรับปี 2026: การเติบโตของบล็อกเชนที่เน้นความเป็นส่วนตัว การเปลี่ยนแปลงแพลตฟอร์มธุรกรรม และอื่นๆ

ผู้เขียน: a16z

รวบรวมโดย: Deep Tide TechFlow

a16z (Andreessen Horowitz) เพิ่งเปิดตัวรายการ "ไอเดียใหญ่" ที่อาจเกิดขึ้นในภาคเทคโนโลยีในปี 2026 ไอเดียเหล่านี้ถูกเสนอโดยพันธมิตรจากทีม Apps, American Dynamism, Biotechnology, Cryptocurrency, Growth, Infrastructure และ Speedrun

ต่อไปนี้เป็นไอเดียและข้อมูลเชิงลึกที่สำคัญที่คัดสรรมาจากผู้มีส่วนร่วมพิเศษในด้านคริปโทเคอร์เรนซี ครอบคลุมหัวข้อที่หลากหลายตั้งแต่ตัวแทนอัจฉริยะและปัญญาประดิษฐ์ (AI), สเตเบิลคอยน์, โทเค็นไนเซชันและการเงิน, ความเป็นส่วนตัวและความปลอดภัย ไปจนถึงตลาดการคาดการณ์และแอปพลิเคชันอื่นๆ สำหรับข้อมูลเพิ่มเติมเกี่ยวกับมุมมองเทคโนโลยีสำหรับปี 2026 โปรดอ่านบทความฉบับเต็ม

สร้างอนาคต

แพลตฟอร์มการซื้อขายเป็นเพียงจุดเริ่มต้น ไม่ใช่จุดสิ้นสุด

ในปัจจุบัน นอกเหนือจากสเตเบิลคอยน์และโครงสร้างพื้นฐานหลักบางส่วน บริษัทคริปโทเคอร์เรนซีที่มีผลงานดีเกือบทั้งหมดได้เปลี่ยนไปเป็นหรืออยู่ระหว่างการเปลี่ยนไปเป็นแพลตฟอร์มการซื้อขาย อย่างไรก็ตาม ผลลัพธ์สุดท้ายจะเป็นอย่างไรหาก "ทุกบริษัทคริปโทกลายเป็นแพลตฟอร์มการซื้อขาย"? การแข่งขันที่เป็นเนื้อเดียวกันจำนวนมากจะไม่เพียงทำให้ผู้ใช้ไขว้เขว แต่อาจทำให้เหลือเพียงผู้ชนะไม่กี่ราย บริษัทที่เปลี่ยนไปทำการซื้อขายเร็วเกินไปอาจพลาดโอกาสในการสร้างโมเดลธุรกิจที่มีความสามารถในการแข่งขันและยั่งยืนมากขึ้น

ฉันเข้าใจดีถึงความท้าทายที่ผู้ก่อตั้งเผชิญในการรักษาสถานะทางการเงินที่มีสุขภาพดี แต่การแสวงหาความเหมาะสมระหว่างผลิตภัณฑ์และตลาดในระยะสั้นเท่านั้นอาจมาพร้อมกับต้นทุน สิ่งนี้เด่นชัดเป็นพิเศษในอุตสาหกรรมคริปโท ซึ่งพลวัตที่เป็นเอกลักษณ์รอบๆ โทเค็นและการเก็งกำไรมักนำพาผู้ก่อตั้งไปสู่เส้นทางของ "ความพึงพอใจทันที" เหมือนกับ "การทดสอบมาร์ชแมลโลว์"

ไม่มีอะไรผิดกับธุรกรรมเอง—พวกเขาเป็นหน้าที่สำคัญของการดำเนินงานตลาดจริงๆ—แต่พวกเขาไม่จำเป็นต้องเป็นเป้าหมายสูงสุด ผู้ก่อตั้งที่มุ่งเน้นที่ตัวผลิตภัณฑ์เองและแสวงหาความเหมาะสมระหว่างผลิตภัณฑ์และตลาดด้วยมุมมองระยะยาวมีแนวโน้มที่จะเป็นผู้ชนะที่ใหญ่กว่าในที่สุด

– Arianna Simpson, หุ้นส่วนทั่วไป, ทีม a16z Crypto

ความคิดใหม่เกี่ยวกับสเตเบิลคอยน์, การโทเค็นไนซ์ RWA, การชำระเงินและการเงิน

การคิดเกี่ยวกับการโทเค็นไนซ์สินทรัพย์ในโลกจริง (RWA) และสเตเบิลคอยน์ในลักษณะที่เป็นคริปโทเนทีฟมากขึ้น

เราได้เห็นธนาคาร บริษัทฟินเทค และบริษัทบริหารสินทรัพย์แสดงความสนใจอย่างมากในการนำหุ้นสหรัฐฯ สินค้าโภคภัณฑ์ ดัชนี และสินทรัพย์แบบดั้งเดิมอื่นๆ มาสู่บล็อกเชน อย่างไรก็ตาม เมื่อสินทรัพย์แบบดั้งเดิมมากขึ้นถูกนำมาสู่บล็อกเชน การโทเค็นไนซ์ของพวกเขามักเป็นแบบ "ทางกายภาพ"—นั่นคือ อิงตามแนวคิดสินทรัพย์ในโลกจริงที่มีอยู่ โดยไม่ได้ใช้ประโยชน์จากคุณสมบัติเนทีฟของคริปโทอย่างเต็มที่

ในทางตรงกันข้าม รูปแบบสินทรัพย์สังเคราะห์อย่างสัญญาซื้อขายล่วงหน้าแบบถาวร (perps) เสนอสภาพคล่องที่ลึกกว่าและใช้งานได้ง่ายกว่า Perps ยังให้กลไกเลเวอเรจที่เข้าใจได้ง่าย ทำให้พวกมันอาจเป็นตราสารอนุพันธ์เนทีฟที่เหมาะสมที่สุดสำหรับตลาดคริปโท หุ้นของตลาดเกิดใหม่อาจเป็นหนึ่งในคลาสสินทรัพย์ที่น่าสนใจที่สุดในการสำรวจสำหรับ "perpify" ตัวอย่างเช่น สำหรับหุ้นบางตัว สภาพคล่องของตลาดออปชั่นที่ไม่มีวันหมดอายุ (0DTE) มักจะลึกกว่าตลาดสปอต ทำให้ perpify เป็นการทดลองที่คุ้มค่า

ในที่สุด ทุกอย่างก็กลับมาสู่ทางเลือกระหว่าง "ความต่อเนื่อง" และ "การโทเค็นไนซ์"; ไม่ว่าจะอย่างไร เราก็มีเหตุผลที่จะคาดหวังว่าจะเห็นการโทเค็นไนซ์สินทรัพย์ในโลกจริงแบบคริปโทเนทีฟมากขึ้นในปีหน้า

ในทำนองเดียวกัน ในปี 2026 ภาคสเตเบิลคอยน์จะเห็น "นวัตกรรมการออก ไม่ใช่เพียงการโทเค็นไนซ์" มากขึ้น สเตเบิลคอยน์กลายเป็นกระแสหลักในปี 2025 และการออกของพวกมันยังคงเติบโต

อย่างไรก็ตาม สเตเบิลคอยน์ที่ขาดโครงสร้างพื้นฐานด้านเครดิตที่แข็งแกร่งมีลักษณะคล้าย "ธนาคารแคบ" มากขึ้น ถือสินทรัพย์เฉพาะที่มีสภาพคล่องสูงซึ่งถือว่าปลอดภัยอย่างยิ่ง แม้ว่าธนาคารแคบจะเป็นผลิตภัณฑ์ที่มีประสิทธิภาพ แต่ฉันไม่เชื่อว่าพวกมันจะกลายเป็นเสาหลักระยะยาวของเศรษฐกิจบนเชน

เราได้เห็นผู้จัดการสินทรัพย์เกิดใหม่ ผู้ดูแล และโปรโตคอลจำนวนมากผลักดันการให้สินเชื่อที่มีสินทรัพย์เป็นหลักประกันบนเชนที่มีหลักประกันนอกเชน โดยทั่วไป สินเชื่อเหล่านี้ถูกสร้างนอกเชนแล้วจึงถูกโทเค็นไนซ์ อย่างไรก็ตาม ฉันเชื่อว่าวิธีการโทเค็นไนซ์นี้มีข้อได้เปรียบจำกัด บางทีอาจจะเฉพาะในการกระจายพวกมันไปยังผู้ใช้ที่อยู่บนเชนแล้วเท่านั้น ดังนั้น สินทรัพย์หนี้ควรถูกสร้างโดยตรงบนเชน มากกว่าสร้างนอกเชนแล้วจึงโทเค็นไนซ์ การสร้างสินทรัพย์หนี้บนเชนลดต้นทุนการบริการสินเชื่อ ต้นทุนโครงสร้างพื้นฐานแบ็กเอนด์ และปรับปรุงการเข้าถึง ความท้าทายอยู่ที่การปฏิบัติตามกฎระเบียบและการมาตรฐาน แต่นักพัฒนากำลังทำงานเพื่อแก้ไขปัญหาเหล่านี้

– Guy Wuollet, หุ้นส่วนทั่วไป, ทีม a16z Crypto

สเตเบิลคอยน์ผลักดันการอัปเกรดบัญชีแยกประเภทหลักของธนาคาร เปิดสถานการณ์การชำระเงินใหม่ทั้งหมด

ในปัจจุบัน ธนาคารส่วนใหญ่ยังคงใช้ระบบซอฟต์แวร์ล้าสมัยที่นักพัฒนาสมัยใหม่ยากที่จะรู้จัก: ธนาคารเป็นผู้นำในการนำระบบซอฟต์แวร์ขนาดใหญ่มาใช้ตั้งแต่ช่วงทศวรรษ 1960 และ 70 ภายในทศวรรษ 1980 และ 90 ซอฟต์แวร์ธนาคารหลักรุ่นที่สองเริ่มปรากฏ (เช่น GLOBUS ของ Temenos และ Finacle ของ InfoSys) อย่างไรก็ตาม ซอฟต์แวร์นี้กลายเป็นเก่าแก่ และการอัปเกรดช้าเกินไป เป็นผลให้บัญชีแยกประเภทหลักที่สำคัญของอุตสาหกรรมธนาคารจำนวนมาก—ฐานข้อมูลสำคัญเหล่านี้ที่บันทึกเงินฝาก หลักประกัน และภาระผูกพันอื่นๆ—ยังคงทำงานบนคอมพิวเตอร์เมนเฟรมโดยใช้ภาษาโปรแกรม COBOL อาศัยอินเทอร์เฟซไฟล์แบตช์แทนที่จะเป็น API สมัยใหม่

สินทรัพย์ส่วนใหญ่ของโลกยังคงถูกเก็บไว้ในบัญชีแยกประเภทหลักที่มีอายุหลายสิบปีเหล่านี้ แม้ว่าระบบเหล่านี้จะได้รับการพิสูจน์ในทางปฏิบัติ ได้รับความไว้วางใจจากหน่วยงานกำกับดูแล และบูรณาการอย่างลึกซึ้งเข้ากับสถานการณ์ธนาคารที่ซับซ้อน แต่พวกมันก็กลายเป็นอุปสรรคต่อนวัตกรรม ตัวอย่างเช่น การเพิ่มคุณสมบัติสำคัญเช่นการชำระเงินแบบเรียลไทม์อาจใช้เวลาหลายเดือนหรือแม้กระทั่งหลายปี และเกี่ยวข้องกับการจัดการกับหนี้ทางเทคโนโลยีจำนวนมากและข้อกำหนดด้านกฎระเบียบที่ซับซ้อน

นี่คือที่ที่สเตเบิลคอยน์เข้ามา ในช่วงไม่กี่ปีที่ผ่านมา สเตเบิลคอยน์ได้พบความเหมาะสมระหว่างผลิตภัณฑ์และตลาดและประสบความสำเร็จเข้าสู่เวทีการเงินหลัก ในปีนี้ สถาบันการเงินแบบดั้งเดิม (TradFi) ได้ยอมรับสเตเบิลคอยน์ในระดับที่ไม่เคยมีมาก่อน เครื่องมือทางการเงินเช่นสเตเบิลคอยน์ เงินฝากที่โทเค็นไนซ์ พันธบัตรรัฐบาลที่โทเค็นไนซ์ และพันธบัตรบนเชน ช่วยให้ธนาคาร บริษัทฟินเทค และสถาบันการเงินสามารถพัฒนาผลิตภัณฑ์ใหม่และให้บริการลูกค้าได้มากขึ้น สิ่งที่สำคัญกว่านั้น นวัตกรรมเหล่านี้ไม่ได้บังคับให้สถาบันเขียนระบบเดิมของพวกเขาใหม่—แม้ว่าระบบเหล่านี้จะเก่าแก่ แต่พวกมันก็ทำงานได้อย่างมั่นคงมาหลายสิบปีแล้ว สเตเบิลคอยน์จึงมอบวิธีใหม่ทั้งหมดให้สถาบันในการสร้างนวัตกรรม

– Sam Broner

อนาคตของตัวแทนอัจฉริยะและ AI

การใช้ AI เพื่อดำเนินการงานวิจัยที่สำคัญ

ในฐานะนักเศรษฐศาสตร์คณิตศาสตร์ ตอนต้นปีนี้ ฉันพบว่ามันยากอย่างไม่น่าเชื่อที่จะทำให้โมเดล AI ระดับผู้บริโภคเข้าใจขั้นตอนการทำงานของฉัน อย่างไรก็ตาม ภายในเดือนพฤศจิกายน ฉันสามารถให้คำแนะนำที่เป็นนามธรรมแก่พวกมันได้เหมือนกับว่าพวกมันเป็นนักศึกษาปริญญาเอก... และบางครั้งพวกมันก็ส่งคืนคำตอบที่ใหม่ทั้งหมดและถูกต้อง นอกจากนี้ เรากำลังเริ่มเห็น AI ถูกใช้ในพื้นที่การวิจัยที่กว้างขึ้น—โดยเฉพาะอย่างยิ่งในการให้เหตุผล ซึ่งโมเดล AI ตอนนี้ไม่เพียงช่วยเหลือโดยตรงในการค้นพบ แต่ยังแก้ปัญหา Putnam โดยอิสระ (บางทีเป็นการสอบคณิตศาสตร์ระดับวิทยาลัยที่ยากที่สุดในโลก)

สิ่งที่ยังไม่ชัดเจนคือแนวทางช่วยเหลือการวิจัยนี้จะเป็นประโยชน์มากที่สุดในด้านใดและอย่างไร อย่างไรก็ตาม ฉันคาดการณ์ว่าความสามารถในการวิจัยของ AI จะส่งเสริมและสร้างแรงบันดาลใจให้กับสไตล์การวิจัยแบบ "นักวิชาการผู้รอบรู้" ใหม่: สไตล์หนึ่งที่มีแนวโน้มที่จะคาดเดาความสัมพันธ์ระหว่างไอเดียต่างๆ และอนุมานอย่างรวดเร็วจากคำตอบที่เป็นสมมติฐานมากขึ้น คำตอบเหล่านี้อาจไม่ถูกต้องทั้งหมด แต่อย่างน้อยภายในกรอบตรรกะบางอย่าง พวกมันสามารถชี้ไปในทิศทางที่ถูกต้องได้ อย่างน่าขันคือ แนวทางนี้เหมือนกับการควบคุมพลังของ "ภาพลวงตา" ของโมเดล: เมื่อโมเดลเหล่านี้กลายเป็น "ฉลาด" เพียงพอ การปล่อยให้พวกมันสำรวจพื้นที่เชิงนามธรรมอย่างอิสระอาจสร้างไอเดียที่ไร้สาระบางอย่าง แต่บางครั้งก็อาจนำไปสู่การค้นพบที่ก้าวล้ำ คล้ายกับว่ามนุษย์มีความคิดสร้างสรรค์มากที่สุดเมื่อพวกเขาหลุดพ้นจากการคิดเชิงเส้นและก้าวออกนอกทิศทางที่ชัดเจน

การคิดเกี่ยวกับปัญหาในลักษณะนี้ต้องการขั้นตอนการทำงานของ AI ใหม่ทั้งหมด—ไม่ใช่เพียงโมเดล "พร็อกซี่สู่พร็อกซี่" แต่เป็นโมเดล "พร็อกซี่ห่อพร็อกซี่" ที่ซับซ้อนกว่า—ในนั้นชั้นต่างๆ ของโมเดลช่วยเหลือนักวิจัยในการประเมินโมเดลระยะเริ่มต้นและค่อยๆ สกัดความรู้ที่มีคุณค่า ฉันได้ใช้วิธีนี้เพื่อเขียนบทความ ในขณะที่คนอื่นได้ใช้มันสำหรับการค้นหาสิทธิบัตร การประดิษฐ์รูปแบบศิลปะใหม่ และแม้กระทั่ง (น่าเสียดาย) การค้นพบวิธีการโจมตีสัญญาอัจฉริยะใหม่

อย่างไรก็ตาม เพื่อใช้งานโมเดลการวิจัย "ตัวแทนให้เหตุผลแบบห่อ" นี้ จำเป็นต้องมีความสามารถในการทำงานร่วมกันที่ดีขึ้นระหว่างโมเดล และจำเป็นต้องมีวิธีระบุและชดเชยอย่างสมเหตุสมผลสำหรับการมีส่วนร่วมของแต่ละโมเดล—และนี่คือปัญหาที่เทคโนโลยีเข้ารหัสสามารถช่วยแก้ไขได้

– Scott Kominers, สมาชิกทีมวิจัยเข้ารหัสลับ a16z, ศาสตราจารย์ที่ Harvard Business School

ภาษีที่ซ่อนเร้นที่เก็บจากเครือข่ายเปิดโดยตัวแทน AI

ด้วยการเพิ่มขึ้นของตัวแทน AI ภาษี "ที่ซ่อนเร้น" ชนิดหนึ่งกำลังกดขี่อินเทอร์เน็ตเปิดและทำลายรากฐานทางเศรษฐกิจอย่างพื้นฐาน การทำลายนี้เกิดจากความไม่สมมาตรที่เพิ่มขึ้นระหว่างชั้นบริบทและชั้นการดำเนินการของอินเทอร์เน็ต : ปัจจุบัน ตัวแทน AI สกัดข้อมูลจากเว็บไซต์เนื้อหาที่รองรับโฆษณา (ชั้นบริบท) เพื่อให้ความสะดวกแก่ผู้ใช้ ในขณะที่หลีกเลี่ยงอย่างเป็นระบบกระแสรายได้ที่สนับสนุนการสร้างเนื้อหา (เช่นโฆษณาและการสมัครสมาชิก)

เพื่อป้องกันไม่ให้เว็บเปิดเสื่อมโทรมเพิ่มเติม (และเพื่อปกป้องเนื้อหาที่หลากหลายที่ขับเคลื่อน AI) เราจำเป็นต้องปรับใช้โซลูชันทางเทคโนโลยีและเศรษฐกิจในวงกว้าง ซึ่งอาจรวมถึงเนื้อหาสนับสนุนรุ่นต่อไป ระบบการระบุแหล่งที่มาขนาดเล็ก หรือโมเดลการจัดหาเงินทุนที่เป็นนวัตกรรมอื่นๆ ข้อตกลงการอนุญาตใช้สิทธิ์ AI ที่มีอยู่ก็ได้พิสูจน์แล้วว่าเป็นมาตรการชั่วคราวที่สายตาสั้น โดยทั่วไปชดเชยผู้ให้บริการเนื้อหาเพียงเศษเสี้ยวของรายได้ที่สูญหายเนื่องจากการละเมิดการเข้าชมของ AI

อินเทอร์เน็ตต้องการโมเดลเทคโนโลยี-เศรษฐกิจใหม่ทั้งหมดที่ให้มูลค่าไหลโดยอัตโนมัติ การเปลี่ยนแปลงที่สำคัญที่สุดในปีหน้าจะเป็นการเปลี่ยนจากโมเดลการอนุญาตแบบคงที่ไปสู่โมเดลการชดเชยที่อิงจากการใช้งานแบบเรียลไทม์ ซึ่งหมายถึงการทดสอบและขยายระบบ—อาจใช้ประโยชน์จากการชำระเงินนาโนที่สนับสนุนด้วยบล็อกเชนและเกณฑ์การระบุแหล่งที่มาที่ซับซ้อน—เพื่อให้รางวัลโดยอัตโนมัติแก่แต่ละหน่วยงานที่มีส่วนร่วมข้อมูลเพื่อความสำเร็จในการทำงานโดยตัวแทน AI

– Liz Harkavy, ทีมการลงทุน a16z Crypto

ความเป็นส่วนตัวคือคูคลอง

ความเป็นส่วนตัวจะกลายเป็นคูคลองที่สำคัญที่สุดในพื้นที่คริปโท

ความเป็นส่วนตัวเป็นหนึ่งในคุณสมบัติสำคัญที่ผลักดันการเงินทั่วโลกมาสู่บล็อกเชน อย่างไรก็ตาม มันก็เป็นองค์ประกอบสำคัญที่ขาดหายไปในเกือบทุกบล็อกเชนในปัจจุบัน สำหรับบล็อกเชนส่วนใหญ่ ความเป็นส่วนตัวมักเป็นเพียงสิ่งที่เสริม สิ่งที่คิดภายหลัง

อย่างไรก็ตาม ความเป็นส่วนตัวเองตอนนี้เป็นปัจจัยความแตกต่างสำคัญสำหรับเทคโนโลยีบล็อกเชน สิ่งที่สำคัญกว่านั้น ความเป็นส่วนตัวยังสามารถสร้าง "การล็อคเชน" หรือเอฟเฟกต์เครือข่ายความเป็นส่วนตัว นี่เป็นสิ่งสำคัญโดยเฉพาะในยุคที่การแข่งขันด้านประสิทธิภาพไม่ใช่ความได้เปรียบที่เพียงพออีกต่อไป

โปรโตคอลบริดจ์ข้ามเชนทำให้การย้ายระหว่างเชนต่างๆ ง่ายอย่างไม่น่าเชื่อ ตราบใดที่ข้อมูลทั้งหมดเป็นสาธารณะ อย่างไรก็ตาม ความสะดวกนี้หายไปเมื่อมีการแนะนำความเป็นส่วนตัว: การโอนโทเค็นข้ามเชนเป็นเรื่องง่าย แต่การโอนความเป็นส่วนตัวข้ามเชนเป็นเรื่องยากอย่างยิ่ง ผู้ใช้เผชิญความเสี่ยงเมื่อเข้าและออกจากเชนความเป็นส่วนตัว ไม่ว่าจะเปลี่ยนไปเป็นเชนสาธารณะหรือเชนความเป็นส่วนตัวอื่น เพราะผู้ที่สังเกตข้อมูลบนเชน เมมพูล หรือการจราจรเครือข่าย อาจสามารถอนุมานตัวตนของพวกเขาได้ การข้ามขอบเขตระหว่างเชนความเป็นส่วนตัวและเชนสาธารณะ หรือแม้กระทั่งระหว่างสองเชนความเป็นส่วนตัว อาจรั่วไหลเมตาดาต้าต่างๆ เช่นความสัมพันธ์ระหว่างเวลาและจำนวนธุรกรรม—ข้อมูลที่อาจทำให้การติดตามผู้ใช้ง่ายขึ้นมาก

เปรียบเทียบกับเชนใหม่ที่เป็นเนื้อเดียวกันจำนวนมากที่ค่าธรรมเนียมธุรกรรมอาจถูกดันลงมาใกล้ศูนย์เนื่องจากการแข่งขัน บล็อกเชนที่มีคุณสมบัติความเป็นส่วนตัวสามารถสร้างเอฟเฟกต์เครือข่ายที่แข็งแกร่งขึ้น ความเป็นจริงคือหากบล็อกเชน "ใช้งานทั่วไป" ไม่มีระบบนิเวศที่เป็นผู้ใหญ่ แอปพลิเคชันที่เป็นเลิศ หรือข้อได้เปรียบในการจัดจำหน่ายที่ไม่เป็นธรรม มีเหตุผลเพียงเล็กน้อยที่ผู้ใช้จะเลือกใช้หรือสร้างบนมัน ไม่ต้องพูดถึงการพัฒนาความภักดี

บนบล็อกเชนสาธารณะ ผู้ใช้สามารถทำธุรกรรมกับผู้ใช้บนเชนอื่นได้อย่างง่ายดาย—ไม่สำคัญว่าพวกเขาเข้าร่วมเชนใด อย่างไรก็ตาม บนบล็อกเชนส่วนตัว เชนที่ผู้ใช้เลือกเข้าร่วมกลายเป็นสิ่งสำคัญเป็นพิเศษ เพราะเมื่อเข้าร่วมแล้ว พวกเขามีโอกาสน้อยที่จะย้ายไปยังเชนอื่นเพื่อหลีกเลี่ยงความเสี่ยงของการเปิดเผยความเป็นส่วนตัว ปรากฏการณ์นี้สร้างพลวัต "ผู้ชนะได้ทั้งหมด" และเนื่องจากความเป็นส่วนตัวมีความสำคัญต่อแอปพลิเคชันในโลกจริงส่วนใหญ่ เชนความเป็นส่วนตัวไม่กี่เชนอาจครอบงำพื้นที่คริปโทในที่สุด

– Ali Yahya, หุ้นส่วนทั่วไปของทีม a16z Crypto

อุตสาหกรรมและแอปพลิเคชันอื่นๆ

ตลาดการคาดการณ์จะมีขนาดใหญ่ขึ้น กว้างขึ้น และฉลาดขึ้น

ตลาดการคาดการณ์ได้เข้าสู่กระแสหลักอย่างค่อยเป็นค่อยไป และในปีหน้า ด้วยการบรรจบกันกับการเข้ารหัสลับและปัญญาประดิษฐ์ (AI) พวกมันจะมีขนาดใหญ่ขึ้น ถูกใช้กันอย่างแพร่หลายมากขึ้น และฉลาดมากขึ้น ในขณะเดียวกันก็นำความท้าทายใหม่และสำคัญมาสู่นักพัฒนา

ประการแรก สัญญามากขึ้นจะถูกจดทะเบียนในตลาดการคาดการณ์ ซึ่งหมายความว่าเราจะไม่เพียงเข้าถึงอัตราต่อรองแบบเรียลไทม์เกี่ยวกับการเลือกตั้งครั้งใหญ่หรือเหตุการณ์ทางภูมิรัฐศาสตร์ แต่ยังมีการคาดการณ์สำหรับผลลัพธ์ที่ละเอียดอ่อนและเหตุการณ์ข้ามที่ซับซ้อนในวงกว้าง เมื่อสัญญาใหม่เหล่านี้เปิดเผยข้อมูลมากขึ้นและค่อยๆ บูรณาการเข้ากับระบบนิเวศข่าว (แนวโน้มที่เริ่มต้นแล้ว) พวกมันจะยกระดับคำถามสังคมที่สำคัญ เช่นวิธีการสร้างสมดุลระหว่างมูลค่าของข้อมูลและวิธีออกแบบตลาดเหล่านี้ให้ดีขึ้นเพื่อให้โปร่งใสและตรวจสอบได้มากขึ้น—คำถามที่สามารถจัดการผ่านการเข้ารหัสลับ

เพื่อจัดการกับการเพิ่มขึ้นของสัญญาใหม่ เราต้องการวิธีใหม่ในการบรรลุฉันทามติเกี่ยวกับเหตุการณ์ในโลกจริงเพื่อแก้ไขสัญญาเหล่านี้ แม้ว่าโซลูชันแพลตฟอร์มแบบรวมศูนย์ (เช่นการยืนยันว่าเหตุการณ์เกิดขึ้นจริงหรือไม่) จะเป็นสิ่งสำคัญ แต่ข้อจำกัดของพวกมันก็ถูกเปิดเผยในกรณีที่ก่อให้เกิดความขัดแย้ง เช่นตลาดคดี Zelensky และตลาดการเลือกตั้งเวเนซุเอลา เพื่อจัดการกับกรณีชายขอบเหล่านี้และช่วยขยายตลาดการคาดการณ์ไปสู่แอปพลิเคชันที่ใช้งานได้จริงมากขึ้น กลไกการกำกับดูแลแบบกระจายอำนาจที่แปลกใหม่และ Oracle ของ Large Language Model (LLM) สามารถช่วยในการกำหนดความจริงเบื้องหลังผลลัพธ์ที่ถกเถียงกัน

ศักยภาพของ AI ขยายไกลเกินกว่า Oracle ที่ขับเคลื่อนด้วย LLM ตัวอย่างเช่น ตัวแทน AI ที่ทำงานบนแพลตฟอร์มเหล่านี้สามารถรวบรวมสัญญาณทั่วโลกเพื่อรับความได้เปรียบในการซื้อขายระยะสั้น สิ่งนี้ไม่เพียงช่วยให้เราเห็นโลกจากมุมมองใหม่ทั้งหมด แต่ยังอนุญาตให้มีการคาดการณ์แนวโน้มอนาคตที่แม่นยำยิ่งขึ้น (โปรเจกต์อย่าง Prophet Arena ได้เติมเชื้อเพลิงให้กับความตื่นเต้นของสนามแล้ว) นอกเหนือจากการให้ข้อมูลเชิงลึกในฐานะนักวิเคราะห์การเมืองที่ซับซ้อน ตัวแทน AI เหล่านี้อาจเปิดเผยปัจจัยการคาดการณ์พื้นฐานสำหรับเหตุการณ์ทางสังคมที่ซับซ้อนขณะที่เราตรวจสอบกลยุทธ์ที่เกิดขึ้นใหม่ของพวกมัน

ตลาดการคาดการณ์จะแทนที่การสำรวจความคิดเห็นหรือไม่? ไม่ใช่ ตรงกันข้าม พวกมันจะปรับปรุงการสำรวจความคิดเห็น (และข้อมูลการสำรวจความคิดเห็นก็สามารถถูกป้อนเข้าสู่ตลาดการคาดการณ์ได้) ในฐานะศาสตราจารย์เศรษฐศาสตร์การเมือง ฉันตื่นเต้นมากที่สุดเกี่ยวกับศักยภาพสำหรับตลาดการคาดการณ์ที่จะทำงานร่วมกับระบบนิเวศที่หลากหลายของการสำรวจความคิดเห็น—แต่เราจะต้องอาศัยเทคโนโลยีใหม่ เช่น AI ซึ่งสามารถปรับปรุงประสบการณ์การสำรวจ และการเข้ารหัส ซึ่งสามารถให้วิธีใหม่ทั้งหมดในการตรวจสอบว่าผู้เข้าร่วมการสำรวจและแบบสอบถามเป็นมนุษย์และไม่ใช่หุ่นยนต์

– Andy Hall, ที่ปรึกษาวิจัยคริปโทที่ a16z, ศาสตราจารย์เศรษฐศาสตร์การเมืองที่ Stanford University

เทคโนโลยีเข้ารหัสลับจะขยายไปสู่แอปพลิเคชันใหม่ทั้งหมดเกินกว่าบล็อกเชน

มาหลายปีแล้ว SNARKs (การพิสูจน์แบบไม่โต้ตอบที่กระชับแบบความรู้เป็นศูนย์ ประเภทหนึ่งของการพิสูจน์ทางการเข้ารหัสลับที่ตรวจสอบความถูกต้องของการพิสูจน์โดยไม่ต้องดำเนินการคำนวณใหม่) ถูกใช้ในสนามบล็อกเชนเป็นหลัก นี่เป็นเพราะค่าใช้จ่ายในการคำนวณของพวกมันสูงเกินห้ามใจ: การพิสูจน์การคำนวณอาจลำบากกว่าการรันการคำนวณโดยตรงถึงล้านเท่า ในสถานการณ์ที่ค่าใช้จ่ายนี้ต้องกระจายระหว่างตัวตรวจสอบหลายหมื่นตัว มันคุ้มค่า แต่ในสถานการณ์อื่นมันไม่ใช่เรื่องปฏิบัติได้

สถานการณ์นี้กำลังจะเปลี่ยนแปลง ภายในปี 2026 ค่าใช้จ่ายในการคำนวณของผู้พิสูจน์ zkVM (เครื่องเสมือนความรู้เป็นศูนย์) จะลดลงเหลือประมาณ 10,000 เท่า ในขณะที่รอยเท้าของหน่วยความจำจะเป็นเพียงไม่กี่ร้อยเมกะไบต์—เร็วพอที่จะทำงานบนโทรศัพท์มือถือและถูกพอสำหรับการใช้งานที่แพร่หลายในสถานการณ์ต่างๆ เหตุผลหนึ่งที่ว่าทำไม "10,000 เท่า" นี้อาจเป็นจุดเปลี่ยนสำคัญก็คือปริมาณงานแบบขนานของ GPU ระดับไฮเอนด์อยู่ที่ประมาณ 10,000 เท่าของ CPU แล็ปท็อป ภายในสิ้นปี 2026 GPU เดี่ยวจะสามารถสร้างการพิสูจน์การคำนวณที่จะต้องใช้การทำงานของ CPU แบบเรียลไทม์

สิ่งนี้จะปลดล็อควิสัยทัศน์บางอย่างที่เสนอในเอกสารวิจัยก่อนหน้า: การคำนวณบนคลาวด์ที่ตรวจสอบได้ หากคุณกำลังรันภาระงาน CPU บนคลาวด์อยู่แล้ว (เพราะงานคำนวณของคุณไม่เพียงพอสำหรับการเร่งด้วย GPU หรือคุณขาดความเชี่ยวชาญที่เกี่ยวข้อง หรือด้วยเหตุผลทางประวัติศาสตร์) คุณจะสามารถรับการพิสูจน์ทางการเข้ารหัสลับของความถูกต้องในการคำนวณในราคาที่สมเหตุสมผล นอกจากนี้ ผู้พิสูจน์ได้รับการปรับให้เหมาะสมสำหรับ GPU แล้ว ไม่ต้องปรับแต่งโค้ดของคุณเพิ่มเติม

– Justin Thaler, สมาชิกทีมวิจัยเข้ารหัสลับ a16z, รองศาสตราจารย์วิทยาการคอมพิวเตอร์ที่ Georgetown University

— ทีมบรรณาธิการเข้ารหัสลับ a16z