Triển vọng kinh tế về tác nhân AI năm 2026: Định hình lại danh tính AI và dòng chảy giá trị mạng lưới

Tác giả: @BlazingKevin_ , nhà nghiên cứu tại Movemaker

Giới thiệu: Bước nhảy vọt về cấu trúc từ Trí tuệ nhân tạo tạo sinh sang "Hành vi tác nhân"

Năm 2026, lĩnh vực trí tuệ nhân tạo sẽ trải qua một bước nhảy vọt về cấu trúc từ "khả năng tạo sinh" sang "động lực dựa trên tác nhân". Nếu năm 2023-2024 là thời điểm chứng kiến ​​những khả năng tạo ngôn ngữ đáng kinh ngạc của các mô hình ngôn ngữ quy mô lớn, thì năm 2026 sẽ đánh dấu sự thành lập chính thức của "Nền kinh tế tác nhân AI".

Dựa trên dự đoán và phân tích của đội ngũ nghiên cứu a16z crypto , nghiên cứu sâu hơn của chúng tôi cho thấy năm 2026 sẽ là năm tích hợp độ sâu giữa AI, một công cụ tăng năng suất, và Crypto, một lớp phân phối giá trị.

Trí tuệ nhân tạo (AI) không còn chỉ là một công cụ thụ động phản hồi mệnh lệnh của con người, mà là một tác nhân tích cực có khả năng suy luận, lập kế hoạch, giao dịch và khám phá một cách tự chủ.

Dựa trên báo cáo triển vọng của a16z crypto , ba xu hướng cốt lõi sẽ định hình lại lĩnh vực AI+Crypto trong năm 2026 là:

1. Một mô hình mới cho nghiên cứu khoa học : từ các tác nhân đơn lẻ đến "Tác nhân bao bọc tác nhân".
2. Cuộc cách mạng về cơ sở hạ tầng tài chính : từ KYC đến KYA (Know Your Agent - Biết rõ đại lý của bạn).
3. Tái cấu trúc mô hình kinh tế : Giải quyết khủng hoảng "thuế ẩn" mà mở mạng đang phải đối mặt thông qua thanh toán và sở hữu trí tuệ lập trình được.

Ba xu hướng này không tách rời nhau: sự thay đổi trong mô hình nghiên cứu khoa học phụ thuộc vào sự hợp tác tiên tiến giữa các tác nhân; sự hợp tác tiên tiến đòi hỏi các tác nhân phải có danh tính có thể xác minh được (KYA); và các tác nhân có danh tính phải tuân theo các giao thức trao đổi giá trị mới khi thu thập dữ liệu.

1. Kỷ nguyên mới của các nhà bác học đa tài: Kiến trúc "Tác nhân bao bọc tác nhân" trong nghiên cứu tiên tiến

Bắt đầu từ năm nay, định nghĩa về "nghiên cứu có sự hỗ trợ của trí tuệ nhân tạo" sẽ có một bước tiến vượt bậc về chất lượng.

Chúng ta không còn chỉ nói về việc tìm kiếm tài liệu đơn giản hay tóm tắt văn bản, mà đang chứng kiến ​​các hệ thống AI có khả năng suy luận sâu sắc, tạo ra giả thuyết và thậm chí tự động giải quyết các vấn đề ở trình độ tiến sĩ.

Động lực lõi đằng sau sự chuyển đổi này nằm ở việc chuyển từ kỹ thuật gợi ý tuyến tính dựa trên một mô hình duy nhất sang các quy trình AWA phức tạp, đệ quy.

1.1 Bước đột phá trong khả năng suy luận: Vượt qua giới hạn của việc ghép mẫu

Scott Kominers của a16z chỉ ra rằng các mô hình AI đang phát triển từ việc chỉ đơn giản hiểu các chỉ dẫn đến khả năng nhận các chỉ dẫn trừu tượng (như hướng dẫn một nghiên cứu sinh tiến sĩ) và đưa ra các câu trả lời mới và được thực thi chính xác. Những tiến bộ công nghệ gần đây cho thấy các mô hình AI đang vượt qua giới hạn "chỉ biết lặp lại ngẫu nhiên", thể hiện khả năng suy luận chậm rãi, có chủ đích tương tự như tư duy "có hệ thống" của con người.

1.1.1 “Ảo ảnh hữu ích”

Khi khả năng suy luận được cải thiện, một phong cách nghiên cứu "đa ngành" mới đang nổi lên. Scott mô tả phong cách này như sau: "Sử dụng trí tuệ nhân tạo để vượt qua ranh giới các ngành và suy đoán về những mối liên hệ sâu sắc có thể có giữa tôpô học và kinh tế học, sinh học và khoa học vật liệu."

Bản chất "ảo tưởng" của các mô hình lớn, vốn bị chỉ trích, đang được tái cấu trúc thành một cơ chế "khám phá sáng tạo" trong bối cảnh khám phá khoa học:

• Nghiên cứu điển hình về thiết kế protein : Các nhà nghiên cứu tại Đại học Washington đã sử dụng khái niệm "ảo ảnh gia đình" để tạo ra hơn 1 triệu cấu trúc protein độc đáo không tồn tại trong tự nhiên. Trong đó, luciferase mới được sàng lọc có hoạt tính xúc tác tương đương với các enzyme tự nhiên, nhưng có tính đặc hiệu cơ chất cao hơn.
• Khám động lực chất lỏng : Sử dụng mạng nơ-ron thông tin vật lý (PINN), các nhà nghiên cứu đã phát hiện ra các điểm kỳ dị không ổn định mới trong phương trình Navier-Stokes, hé lộ những mô hình chưa từng được biết đến trước đây về chuyển động của chất lỏng.

Cốt lõi của phong cách nghiên cứu này nằm ở việc cho phép mô hình "suy nghĩ một cách phóng khoáng" trong không gian trừu tượng để tạo ra các giả thuyết có độ nhiễu cao, và sau đó sử dụng một công cụ kiểm chứng logic chặt chẽ để lọc các giả thuyết đó.

1.2 Giải thích chi tiết về kiến ​​trúc AWA

Để khai thác khả năng suy luận và tạo sinh mạnh mẽ này, quy trình nghiên cứu đang chuyển từ cấu trúc phẳng sang cấu trúc phân cấp. AWA (Ứng dụng Web Tự động ) không chỉ đề cập đến các cuộc đối thoại giữa nhiều tác nhân, mà còn cả cấu trúc điều khiển phân cấp, đệ quy.

1.2.1 Mô hình Orchestrator-Executor

Đây hiện là mô hình triển khai AWA phổ biến nhất. Một tác nhân "nhà nghiên cứu chính" chịu trách nhiệm duy trì bối cảnh toàn cầu và các mục tiêu nghiên cứu, đồng thời phân chia và phân phối nhiệm vụ cho một nhóm tác nhân "thực thi" chuyên trách.

• Ưu điểm về kiến ​​trúc : Dữ liệu nhân học cho thấy một hệ thống đa tác nhân bao gồm Claude Opus là tác nhân chính và Claude Sonnet là tác nhân phụ hoạt động hiệu quả hơn Claude Opus đơn lẻ trong nhiệm vụ nghiên cứu phức tạp với tỷ lệ chênh lệch 90,2% .

  Sự cải thiện hiệu suất này chủ yếu là do việc cô lập ngữ cảnh — tác nhân chủ đạo không cần phải xử lý thông tin dư thừa cho mỗi nhiệm vụ, do đó duy trì được sự rõ ràng trong lập luận.

1.2.2 Hoàn thiện và khung MOSAIC

Một đặc điểm quan trọng khác của kiến ​​trúc AWA là việc giới thiệu vòng lặp phản xạ. Khi tác nhân cơ bản không thực hiện được nhiệm vụ, thông báo lỗi sẽ được gửi ngược lại cho tác nhân "phê bình" để phân tích và sửa lỗi.

Khung MOSAIC (Hệ thống đa tác tử để tạo mã dựa trên trí tuệ nhân tạo) cải thiện đáng kể độ chính xác của việc tạo mã khoa học mà không cần dựa vào các trường hợp kiểm thử xác minh bằng cách giới thiệu các "tác tử tự phản chiếu" và "tác tử tạo nguyên tắc" chuyên biệt. Vòng lặp khép kín "thử và sai - phản chiếu - thử lại" này mô phỏng quá trình tư duy của các nhà khoa học đối diện những thất bại trong thí nghiệm.

1.3 Nghiên cứu điển hình: "Nhà khoa học AI" của Sakana AI

Ứng dụng AWA nổi bật nhất năm 2025 là hệ thống "Nhà khoa học AI" của Sakana AI. Đây là hệ thống được thiết kế để tự động hóa toàn bộ vòng đời của quá trình khám phá khoa học.

1.3.1 Quy trình khép kín nghiên cứu khoa học hoàn toàn tự động

1. Tạo ý tưởng : Dựa trên một mẫu mã ban đầu (chẳng hạn như NanoGPT), hệ thống sử dụng LLM như một "toán tử đột biến" để động não các hướng nghiên cứu đa dạng và gọi API của Semantic Scholar để truy xuất tài liệu nhằm đảm bảo tính mới mẻ.
2. Lặp lại thử nghiệm : Tác nhân "Người thử nghiệm" viết và thực thi mã. Nếu thử nghiệm thất bại, hệ thống sẽ thu thập nhật ký lỗi bằng công cụ Aider và tự động sửa chữa mã cho đến khi thu được biểu đồ trực quan.
3. Viết bài báo : Công cụ "Writer" sử dụng LaTeX để viết các bài báo khoa học hoàn chỉnh, bao gồm tóm tắt, phương pháp, kết quả thí nghiệm, và tự động tìm kiếm và tạo các tệp BibTeX bằng cách trích dẫn tài liệu tham khảo.
4. Đánh giá ngang hàng tự động : Bài báo được tạo ra sẽ được gửi đến một tác nhân "người đánh giá" mô phỏng, tác nhân này sẽ chấm điểm theo tiêu chuẩn của các hội nghị hàng đầu (như NeurIPS). Hệ thống thậm chí có thể thực hiện nhiều lần sửa đổi dựa trên nhận xét của người đánh giá.

1.3.2 Lợi ích kinh tế và chất lượng

Hiệu quả kinh tế của hệ thống "nhà khoa học AI" thật đáng kinh ngạc: chi phí tính toán để tạo ra một bài nghiên cứu hoàn chỉnh chỉ khoảng 15 đô la . Bài báo do hệ thống này tạo ra, "Compositional Regularization", thậm chí đã vượt qua vòng đánh giá ngang hàng tại hội thảo ICLR. Mặc dù vẫn còn những hạn chế như ảo tưởng trích dẫn và lỗi logic, trường hợp này chứng minh rằng AI đã có khả năng không chỉ hỗ trợ nghiên cứu mà còn thực hiện toàn bộ quy trình nghiên cứu.

2. Các lệnh liên quan đến định danh: Từ KYC đến KYA

Khi các "đại lý" được trao quyền thực hiện nhiệm vụ và giao dịch, nền kinh tế kỹ thuật số đang đối mặt với một cuộc khủng hoảng danh tính chưa từng có. Sean Neville (CEO của Catena Labs) cảnh báo rằng số lượng "danh tính phi con người" trong lĩnh vực dịch vụ tài chính gấp 96 lần số lượng nhân viên là con người, và trong một số thống kê, tỷ lệ này lên tới 100:1. Những "đại lý" này—không có tài khoản ngân hàng, chưa được xác minh, nhưng lại hoạt động với tốc độ máy móc—đại diện cho một lỗ hổng tuân thủ quy định khổng lồ. Ngành công nghiệp đang khẩn trương chuyển đổi từ quy trình KYC truyền thống sang KYA (Know Your Agent - Biết Đại lý của Bạn) .

2.1 Sự xuất hiện và rủi ro của bản sắc phi nhân loại (NHI)

2.1.1 “Trí tuệ nhân tạo bóng tối” và sự mất cân bằng 96:1

45% các tổ chức dịch vụ tài chính thừa nhận sự tồn tại của các "tác nhân AI ngầm" không được phê duyệt trong tổ chức của họ. Các tác nhân này tạo ra các "kho chứa danh tính" nằm ngoài khuôn khổ quản trị chính thức.

• Các kịch bản rủi ro : Một tác nhân thử nghiệm được sử dụng để tối ưu hóa tài nguyên đám mây có thể tự động mua các phiên bản dành riêng đắt tiền mà không cần sự can thiệp của con người; hoặc một bot giao dịch có thể kích hoạt các lệnh bán sai trong thời kỳ biến động thị trường.
• Vấn đề phân định trách nhiệm : Khi một tác nhân vi phạm quy định, ai là người chịu trách nhiệm? Kỹ sư đã phát triển nó? Người quản lý đã triển khai nó? Hay nhà cung cấp đã cung cấp mô hình cơ bản? Nếu không có KYA (Hiểu rõ khách hàng của bạn), những trách nhiệm này không thể được xác định.

2.2 Khung KYA: Nền tảng của niềm tin trong nền kinh tế máy móc

KYA không chỉ đơn thuần là cấp thẻ căn cước, mà còn hướng đến việc thiết lập một hệ thống danh tính số hoàn chỉnh bao gồm thông tin cá nhân, chứng chỉ, quyền hạn và uy tín.

2.2.1 Ba trụ cột của KYA

1. Đối tượng : Thực thể chịu trách nhiệm pháp lý đối với Đại lý. Đại lý phải được crypto và liên kết với tài khoản cá nhân hoặc doanh nghiệp đã được xác minh KYC/KYB.
2. Định danh đại lý : Một danh tính số duy nhất dựa trên mã định danh phi tập trung (DID ). DID được tạo ra crypto, bất biến và có thể sử dụng trên nhiều nền tảng.
3. Ủy quyền/Giấy ủy quyền : Một tuyên bố ủy quyền được cấp thông qua các giấy tờ chứng thực có thể xác minh (VC). Ví dụ, một giấy tờ chứng thực có thể ghi: "Người đại diện này được ủy quyền thực hiện các giao dịch mua hàng thay mặt Alice trên Amazon, với số tiền tối đa là 500 đô la."

2.2.2 Liên kết mật mã và Chuỗi tin cậy

Khi một đại lý khởi tạo giao dịch, họ sẽ phát hành một VC (Giá trị giao dịch). Bên xác minh không cần phải tin tưởng chính đại lý đó; họ chỉ cần xác minh rằng chữ ký số trên VC đến từ một tổ chức phát hành đáng tin cậy. Cơ chế này tạo ra một "Chuỗi tin cậy": ngân hàng tin tưởng công ty -> công ty phát hành VC cho đại lý -> người bán xác minh VC -> giao dịch được chấp thuận.

2.3 Cuộc tranh luận về ngăn xếp giao thức: Chuẩn hóa định danh tác nhân

2.3.1 Giao thức Skyfire và KYAPay

Skyfire đã ra mắt tiêu chuẩn mở KYAPay , với sự đổi mới cốt lõi nằm ở các token tổng hợp:

• Mã thông báo kya : Chứa thông tin nhận dạng (chẳng hạn như "đại lý doanh nghiệp đã được xác minh").
• Mã thanh toán : Chứa khả năng thanh toán (ví dụ: "đã ủy quyền trước 10 USDC").
• Mã thông báo kya+pay : Gói xác thực danh tính với thanh toán, cho phép các đại lý hoàn tất "thủ tục thanh toán cho khách truy cập" mà không cần điền biểu mẫu thủ công.

2.3.2 Catena Labs và ACK (Bộ công cụ thương mại đại lý)

Catena Labs, được thành lập bởi kiến ​​trúc sư USDC Sean, đã ra mắt ACK , với mục tiêu tạo ra "HTTP cho thương mại của các tác nhân thông minh". ACK nhấn mạnh việc tận dụng tiêu chuẩn W3C DID và Trừu tượng hóa tài khoản để cho phép các tác nhân trực tiếp kiểm soát ví hợp đồng thông minh Chuỗi, đạt được bảo mật mạnh mẽ hơn so với khóa API.

2.3.3 Mở rộng Google AP2 và x402

Giao thức thanh toán đại lý (AP2) của Google sử dụng "thư ủy quyền" để quản lý quyền hạn và đã hợp tác với Coinbase để phát triển tiện mở rộng AP2 x402 , tích hợp trực tiếp các tiêu chuẩn thanh toán crypto vào giao thức.

2.4 Chấm điểm tín dụng và kiểm soát rủi ro của đại lý

KYA cũng là bước khởi đầu của một hệ thống đánh giá uy tín.

• Uy tín trên Chuỗi(ERC-7007) : Thông qua ERC-7007 (tiêu chuẩn token nội dung do AI tạo ra có thể kiểm chứng), mọi tương tác thành công của Đại lý (chẳng hạn như thanh toán đúng hạn, tạo mã chất lượng cao) đều có thể được ghi lại trên Chuỗi, tạo thành một lịch sử có thể kiểm chứng.
• Cơ chế ngắt mạch thời gian thực : Các tổ chức tài chính đang triển khai các cổng AI có thể ngay lập tức thu hồi hoạt động giao dịch của tác nhân giao dịch (VC) nếu hành vi của tác nhân đó lệch khỏi chuẩn mực (chẳng hạn như giao dịch bất thường tần suất cao), kích hoạt "cơ chế ngăn chặn kỹ thuật số".

3. Tái cấu trúc kinh tế: Giải quyết "các loại thuế ẩn" của mở mạng

Liz của a16z chỉ ra rằng các tác nhân AI đang đánh một "thuế ngầm" lên mở mạng: để phục vụ người dùng, các tác nhân này trích xuất dữ liệu(lớp ngữ cảnh) một cách ồ ạt từ các trang web nội dung, nhưng lại bỏ qua một cách có hệ thống các mô hình quảng cáo và đăng ký hỗ trợ việc sản xuất nội dung này. Nếu mối quan hệ ký sinh này không được giải quyết, nó sẽ dẫn đến sự cạn kiệt hệ sinh thái nội dung.

3.1 "Sự tách rời vĩ đại": Sự xuất hiện đầy đủ của nền kinh tế không nhấn

Năm 2025, ngành xuất bản kỹ thuật số chứng kiến ​​một "sự tách rời lớn": lượng tìm kiếm tăng, nhưng số nhấn nhấp chuột vào các trang web lại giảm mạnh.

3.1.1 Dữ liệu thực tế về sự xói mòn do giao thông

• Tỷ lệ tìm kiếm không nhấn đang tăng vọt : a16z dự đoán rằng lưu lượng truy cập từ các công cụ tìm kiếm truyền thống sẽ giảm25% vào năm 2026. dữ liệu cho thấy tỷ lệ tìm kiếm không nhấn đã tăng lên 65% vào năm 2025.
• Tỷ lệ nhấn(CTR) giảm mạnh : DMG Media báo cáo rằng khi các bản tóm tắt do AI tạo ra xuất hiện phía trên kết quả tìm kiếm, tỷ lệ nhấn vào nội dung giảm mạnh tới 89% . Ngay cả kết quả tìm kiếm được xếp hạng cao nhất cũng mất 34,5% số nhấn khi được hiển thị kèm theo bản tóm tắt do AI tạo ra.

3.2 Chuyển đổi khỏi mô hình cấp phép cố định: Mô hình trả tiền theo mức sử dụng mới

Để đối phó với cuộc khủng hoảng này, ngành công nghiệp đang chuyển từ các giấy phép dữ liệu cố định hàng năm (như thỏa thuận giữa Reddit và OpenAI) sang hình thức bồi thường dựa trên mức độ sử dụng.

3.2.1 Mô hình Comet Plus về sự khó hiểu

Chương trình Comet Plus của Perplexity AI là một ví dụ điển hình cho nỗ lực ban đầu:

• Cơ chế : Một quỹ thu nhập ban đầu trị giá 42,5 triệu đô la được thiết lập. Việc chia sẻ thu nhập được kích hoạt khi AI Agent trích dẫn nội dung của nhà xuất bản trong câu trả lời của mình hoặc truy cập một trang thay mặt người dùng.
• Chia sẻ doanh thu : Các nhà xuất bản có thể nhận được tới 80% tổng thu nhập liên quan. Điều này thừa nhận giá trị thương mại của "quyền truy cập máy móc".

3.3 Tiêu chuẩn kỹ thuật: Thanh toán nano và phân bổ vi mô

Để mở rộng phạm vi bồi thường trên toàn mạng lưới, sê-ri các tiêu chuẩn kỹ thuật mở đang được triển khai.

3.3.1 Thanh toán và giao thức x402

Mã trạng thái HTTP 402 cuối cùng đã được kích hoạt. Giao thức x402 thiết lập tiêu chuẩn cho "thanh toán trực tiếp trên máy".

• Quy trình hoạt động : Đại lý yêu cầu tài nguyên -> Máy chủ trả về lỗi 402 Yêu cầu thanh toán và giá (ví dụ: 0.001 USDC) -> Đại lý tự động ký xác nhận thanh toán thông qua blockchain L2 (ví dụ: Base, Solana) hoặc Mạng Lightning -> Máy chủ xác minh và giải phóng dữ liệu.
• Hiệu quả kinh tế : Các cổng thanh toán truyền thống không thể xử lý các giao dịch trị giá vài xu, trong khi x402, kết hợp với Chuỗi có phí thấp, giảm chi phí xuống mức không đáng kể, giúp việc thanh toán trở nên khả thi.

3.3.2 Quyền có thể đọc được bằng máy: TDMRep và C2PA

• TDMRep (Text Dữ liệu Mining Reserved Protocol) : Một tiêu chuẩn cộng đồng của W3C cho phép các trang web khai báo trong robots.txt hoặc tiêu đề HTTP: "Quyền TDM được bảo lưu, yêu cầu trả phí/giấy phép". Điều này cung cấp một tín hiệu nhị phân rõ ràng cho tác nhân.
• C2PA (Liên minh Nguồn gốc và Tính xác thực Nội dung) : Bằng cách nhúng "chứng chỉ nội dung" không thể bị giả mạo, nó chứng minh nguồn gốc ban đầu của nội dung. Ngay cả khi nội dung được AI thu thập, chữ ký crypto do C2PA cung cấp đảm bảo Chuỗi ghi nhận nguồn gốc vẫn không bị gián đoạn, tạo cơ sở cho việc phân phối tiền bản quyền.

3.4 Quyền sở hữu IP trên Chuỗi: Giao thức Story

Một thay đổi triệt để hơn là token hóa chính bản thân tài sản trí tuệ. Story Protocol cam kết xây dựng một lớp "tài sản trí tuệ có thể lập trình".

• Cơ chế : Người sáng tạo đăng ký tác phẩm của họ dưới dạng " tài sản hữu trí tuệ" trên Story Network.
• Cấp phép tự động : Tài sản đi kèm với "giấy phép sở hữu trí tuệ có thể lập trình". Khi một tác nhân AI sử dụng dữ liệu, hợp đồng thông minh sẽ tự động thực thi các điều khoản cấp phép (chẳng hạn như "sử dụng thương mại yêu cầu phí bản quyền 5%") và tự động phân phối lợi nhuận. Điều này tạo ra một thị trường sở hữu trí thanh khoản cao mà không cần đến luật sư.

3.5 Triển vọng: Từ SEO đến AEO

Đến năm 2026, trọng tâm tiếp thị sẽ chuyển từ SEO sang AEO hoặc GEO .

• Mục tiêu : Thay vì theo đuổi "vị trí đầu tiên trong bảng xếp hạng tìm kiếm", mục tiêu là được **"trích dẫn" bởi AI** hoặc trở thành "nguồn dữ liệu ưu tiên" trong quá trình suy luận của nó.
• Bối cảnh được tài trợ : Tương lai của quảng cáo sẽ là "chèn ngữ cảnh". Đấu giá thương hiệu sẽ tham gia vào chuỗi suy luận của người dùng; ví dụ, việc nhờ một đại lý du lịch "nhớ lại" một khách sạn cụ thể khi lên kế hoạch cho chuyến đi là lựa chọn tốt nhất.

4. Kết luận

Bức tranh công nghệ năm 2026 cho thấy rõ sự xung đột giữa cơ sở hạ tầng internet lấy con người làm trung tâm và các yêu cầu lấy máy móc làm trung tâm đang buộc thế giới kỹ thuật số phải trải qua một cuộc cải tổ toàn diện.

1. Mô hình nghiên cứu : Trí tuệ nhân tạo đang chuyển từ hỗ trợ sang tự chủ. Kiến trúc AWA cho phép trí tuệ nhân tạo sản xuất hàng loạt các khám phá khoa học với chi phí thấp, biến "ảo tưởng" thành sự sáng tạo.
2. Hệ thống định danh : KYA đang trở thành một bước tiến mới trong việc tuân thủ các quy định tài chính, cung cấp cho hàng tỷ tác nhân AI một danh tính kinh tế hợp pháp, cho phép chúng điều hướng an toàn trên các mạng lưới giá trị.
3. Mô hình kinh tế : Nền kinh tế mạng đang chuyển từ mô hình quảng cáo dựa trên sự chú ý sang mô hình thanh toán dựa trên giá trị và IP lập trình được . x402, TDMRep và Story Protocol tạo thành đường ray của nền kinh tế mới, giải quyết vấn đề "thuế ẩn" và đảm bảo các nhà sản xuất dữ liệu vẫn có lợi nhuận trong kỷ nguyên không nhấn.

Chúng ta đang chứng kiến ​​sự ra đời của Nền kinh tế đại lý — một nền kinh tế trong đó phần mềm không chỉ giúp chúng ta làm việc mà bản thân nó còn là nhà sản xuất, người tiêu dùng và người giao dịch.