随著 2025 年下半年推理模型能力快速进化，AI 进入 2026 年的竞争焦点正从更聪明转向更能做事、能被信任、能被正确计价。a16z crypto 研究与投资团队三位成员近日分别从研究工作流、代理人（agent）身分基础设施，以及开放网路的经济模型三个面向，提出他们对 2026 年 AI 发展的三大趋势判断。
哈佛教授 Scott Kominers 预测 2026 年 AI 能从助理走向研究伙伴，提出具创造力的观点。他表示 2025 年 11 月他已经能够用近似博士生的抽象指令与模型互动，且得到新颖的答案。
Circle 共同创办人 Sean Neville 认为让 AI 代理可以作为一个主体交易，可追溯、可授权、可验证的 KYA (Know your Agent) 将是关键趋势。
a16z crypto 投资团队的 Liz Harkavy 则认为 AI 从网路上抽取内容、做大自己，却不为网路贡献广告流量，导致网路的语境层与执行层的利益高度错配。他主张应在在代理人任务成功时，将报酬分配给每一个提供资讯、数据或内容贡献的实体。她也提到，区块链支援的奈米支付（nanopayments）与更成熟的归因标准，可能是可行的技术路径之一。
趋势一：AI 从助理走向研究伙伴，更能承接实质研究任务
a16z crypto 研究团队、同时也是哈佛商学院教授的 Scott Kominers 表示，2025 年初要让消费级 AI 模型理解他的研究工作流仍相当困难，但到了 2025 年 11 月，他已能用近似指导博士生的抽象指令与模型互动，且模型有时会回传新颖、且正确执行的答案。
2026 AI 将出现新型博学式研究风格
Kominers 指出，AI 在研究领域的使用正变得更普遍，尤其在需要推理的学科中，模型已开始直接协助探索，甚至能自动解题如 Putnam 这类被认为极具难度的数学竞赛题型。至于哪些学科会最受益、以及受益方式为何，仍是未解问题。
但他预期 2026 年会出现一种新型博学式（polymath）研究风格：研究者更重视提出跨概念关联的猜想（conjecture）、并快速从仍偏猜想的答案中外推可验证的方向。
AI 研究进化仍伴随幻觉风险，加密技术可提供助力
他也坦言，这种研究法必然伴随不准确与幻觉风险，但在模型足够聪明时，给予抽象空间让其发散，反而可能像人类创造力一样，偶尔撞出突破点。他提出 2026 年研究型 AI 工作流将更像代理包装代理（agent-wrapping-agent）：用多层模型互相评估、校验、再综合结论。
不过，Kominers 也提醒，若要大规模运行这种推理代理人集群，需要更好的模型互通性（interoperability），以及能辨识并合理补偿各模型贡献的方法。而这两个问题，他认为加密技术可能提供助力。
趋势二：从 KYC 走向 KYA，认识你的代理人成代理经济瓶颈
Circle 共同创办人、USDC 架构设计者，现任 Catena Labs CEO 的 Sean Neville 则将焦点放在代理经济（agent economy）的关键瓶颈：正在从智能（intelligence）转向身分（identity）。
Neville 指出，在金融服务等场域，非人类身分（non-human identities）的数量已远超人类员工，甚至达到 96 比 1，但这些身分多数仍是无法开户、无法承担责任的幽灵。因此他主张，下一个关键原语（primitive）是 KYA（Know Your Agent）。
依其定义，KYA 要解决的是：代理人若要代表某个主体进行交易，必须具备可验证、可追溯、可责任归属的凭证。就像人类需要信用评分才能借贷，代理人也需要具加密签章的凭证来连结其委托人（principal）、行为约束（constraints）与责任（liability）。在 KYA 缺位之前，商家与服务提供者仍会选择在防火墙层级封锁代理人的存取，以避免诈欺、滥用与责任不明。
他也直言，过去花了数十年建立起来的 KYC 产业与监管框架，如今可能只有数个月时间去摸索并落地 KYA。
趋势三：AI 代理对网路施加隐形税，内容价值被抽取，收益被绕过
a16z crypto 投资团队的 Liz Harkavy 则聚焦在开放网路的经济基础正被代理人重塑。她形容，AI 代理人的崛起正在对 open web 施加一种隐形税 (invisible tax)：代理人从以广告支撑的网站抽取内容（她称为 Context layer），为使用者提供更便利的答案与操作（Execution layer），但过程中系统性绕过了支撑内容生产的收入来源：例如广告曝光、订阅转换与导流。
Harkavy 认为，这导致网路的语境层与执行层的利益高度错配：内容供给者承担成本、代理人与平台吸收价值、而原本的变现路径被截断。她指出，现行的 AI 授权交易（licensing deals）多半只是遮羞布，且常以内容方已损失流量收入的一小部分作为补偿，长期看仍可能财务不可持续。
她主张，若要避免开放网路被掏空（同时也保护 AI 依赖的多样内容来源），2026 年需要大规模部署技术与经济解法：例如新一代赞助内容模式、微型归因（micro-attribution）系统、或其他新型资助模型。关键转折在于把静态授权推进到即时、用量计价的补偿（real-time, usage-based compensation），让价值能自动流动。
并在代理人任务成功时，将报酬分配给每一个提供资讯、数据或内容贡献的实体。她也提到，区块链支援的奈米支付（nanopayments）与更成熟的归因标准，可能是可行的技术路径之一。
这篇文章 a16z 2026 AI 三大预测：研究型 AI 崛起、KYA 接棒 KYC、网路隐形税危机 最早出现于 链新闻 ABMedia。
