作者： @BlazingKevin_ ，the Researcher at Movemaker
引言：從生成式 AI 到“Agent行為”的結構性躍遷
在2026 年，人工智能領域將會經歷一場從“生成式能力”向“Agent行動力”的結構躍遷。如果說 2023-2024 年是關於大語言模型驚豔的語言生成能力，那麼 2026 年將標誌著“AI Agent經濟”的正式確立。
我們基於 a16z Crypto 研究團隊的預測與分析，進一步研究發現2026 年將是 AI 這一生產力工具與 Crypto 這一價值分配層深度融合的一年。
AI 不再僅僅是響應人類指令的被動工具，而是具備推理、規劃、交易和自主發現能力的主動參與者。
基於a16z Crypto的展望報告， 2026 年重塑AI+Crypto格局的三大核心趨勢是：
- 科研新範式：從單體Agent走向“Agent-Wrapping-Agent”。
- 金融基礎設施革命：從 KYC 到 KYA（Know Your Agent）。
- 經濟模型重構：通過納支付與可編程 IP，解決開放網絡面臨的“隱形稅”危機。
這三大趨勢並非孤立存在：科研範式的轉變依賴於Agent之間的高級協作；高級協作要求智能體具備可驗證的身份（KYA）；而擁有身份的智能體在獲取數據時必須遵循新的價值交換協議。
1. 新博學家時代：高階研究中的“Agent-Wrapping-Agent”架構
從今年開始，“AI 輔助研究”的定義將發生質的飛躍。
我們不再談論簡單的文獻檢索或文本摘要，而是見證能夠進行實質性推理、假設生成甚至自主解決博士級難題的 AI 系統。
這一變革的核心動力在於從單一模型的線性提示工程，轉向複雜的、遞歸的AWA工作流。
1.1 推理能力的突破：跨越模式匹配的邊界
a16z 的 Scott Kominers 指出，AI 模型正在從單純的理解指令，進化到能夠接收抽象指令（如同指導博士生）並返回新穎且正確執行的答案 。最新的技術進展表明，AI 模型正在突破“隨機鸚鵡”的天花板，展現出類似於人類“系統”思維的慢速、深思熟慮的推理能力。
1.1.1 “有用的幻覺”
隨著推理能力的增強，一種新的“博學家”研究風格正在形成。Scott 描述這種風格為：“利用 AI 跨越學科邊界，推測拓撲學與經濟學、生物學與材料科學之間可能存在的深層聯繫” 。
大模型被人詬病的“幻覺”特性，在科學發現的語境下正在被重構為一種“生成式探索”機制：
- 蛋白質設計案例：華盛頓大學的研究人員利用“全家族幻覺”（概念，生成了超過 100 萬種自然界中不存在的獨特蛋白質結構。其中篩選出的新型熒光素酶在催化活性上與天然酶相當，但具有更高的底物特異性。
- 流體動力學發現：通過物理信息神經網絡（PINNs），研究人員發現了納維-斯托克斯方程（Navier-Stokes equations）中新的不穩定奇點，這些奇點揭示了流體運動中前所未知的模式。
這種研究風格的核心在於：允許模型在抽象空間中“胡思亂想”以產生高熵猜想，隨後利用嚴格的邏輯驗證器對猜想進行篩選。
1.2 AWA架構詳解
為了駕馭這種強大的推理與生成能力，科研工作流正在從扁平化轉向層級化。AWA不僅是指多個Agent之間的對話，更是指一種遞歸的、分層的控制結構。
1.2.1 編排者-執行者模式
這是目前最主流的 AWA 實現模式。一個“首席研究員”Agent負責維護全局上下文和研究目標，將任務分解並分發給一組專門的“執行者”Agent。
架構優勢：Anthropic 的數據顯示，由 Claude Opus 作為主導Agent、Claude Sonnet 作為子Agent組成的多智能體系統，在複雜研究任務上的表現比單一 Claude Opus Agent高出 90.2%。
這種性能提升主要歸功於上下文的隔離——主導Agent不需要處理每個子任務的冗餘信息，從而保持了推理的清晰度。
1.2.2 遞歸自我完善與 MOSAIC 框架
AWA 架構的另一個關鍵特徵是引入了 Reflexion（反思）循環。當底層Agent執行任務失敗時，錯誤信息會反饋給一個“批評家”Agent進行分析修正。
MOSAIC 框架（Multi-Agent System for AI-driven Code generation）通過引入專門的“自我反思Agent”和“原理生成Agent”，在不依賴驗證測試用例的情況下，顯著提高了科學代碼生成的準確率 。這種“試錯-反思-重試”的閉環，模擬了人類科學家面對實驗失敗時的思考過程。
1.3 案例研究：Sakana AI 的“AI 科學家”
2025 年最引人注目的 AWA 應用案例是 Sakana AI 發佈的 "The AI Scientist" 系統。這是一個旨在全自動執行科學發現全生命週期的系統。
1.3.1 全自動化科研閉環流程
- 創意生成：系統基於起始代碼模板（如 NanoGPT），利用 LLM 作為“突變算子”，頭腦風暴出多樣化的研究方向，並調用 Semantic Scholar API 檢索文獻以確保新穎性。
- 實驗迭代 ：“實驗者”Agent編寫並執行代碼。如果實驗失敗，系統會通過 Aider 工具捕獲錯誤日誌並自主修復代碼，直到獲得可視化圖表。
- 論文撰寫 ：“作家”Agent使用 LaTeX 編寫完整的科學論文，涵蓋摘要、方法、實驗結果，並自主查找引用文獻生成 BibTeX。
- 自動化同行評審：生成的論文被提交給模擬的“評審者”Agent，該Agent按照頂級會議（如 NeurIPS）的標準打分。系統甚至可以根據評審意見進行多輪修改 。
1.3.2 經濟效益與質量
“AI 科學家”系統的經濟效率令人咋舌：生成一篇完整研究論文的計算成本僅約為 15 美元 。該系統生成的論文《Compositional Regularization》甚至成功通過了 ICLR 研討會的同行評審 。儘管目前仍存在引用幻覺和邏輯缺陷等侷限性 ，但這一案例證明了 AI 已經具備了不僅輔助研究，而且執行完整研究過程的能力。
2. 身份的命令：從 KYC 到 KYA
隨著Agent被賦予執行任務和交易的權利，數字經濟面臨著前所未有的身份危機。Sean Neville (Catena Labs CEO) 警告稱，金融服務領域的“非人類身份”數量已達到人類員工數量的 96 倍，甚至在某些統計中高達 100:1。這些Agent——無銀行賬戶、無實名認證、卻以機器速度運行——是巨大的合規黑洞。行業正在從傳統的 KYC 緊急轉向 KYA（Know Your Agent）。
2.1 非人類身份（NHI）的爆發與風險
2.1.1 “影子 AI”與 96:1 的失衡
45% 的金融服務機構承認內部存在未經批准的“影子 AI Agent”。這些Agent在正式治理框架之外創建了“身份孤島”。
- 風險場景：一個用於雲資源優化的測試Agent，可能會在無人工干預下自主購買昂貴的保留實例；或者一個交易機器人在市場波動時觸發錯誤的拋售指令。
- 歸因難題：當Agent違規時，誰負責？是開發它的工程師？部署它的經理？還是提供基礎模型的廠商？沒有 KYA，這些責任無法界定。
2.2 KYA 框架：機器經濟的信任基石
KYA不僅僅是發身份證，而是建立一套包含主體、憑證、權限和信譽的完整數字身份體系。
2.2.1 KYA 的三大支柱
- 主體：對Agent負法律責任的實體。智能體必須通過加密手段鏈接到一個經過 KYC/KYB 驗證的人類或企業賬戶。
- Agent身份：基於 去中心化標識符 的唯一數字身份。DID 是加密生成的，不可篡改，且可以跨平臺攜帶 。
- 授權委託（Mandate/Delegation）：通過 可驗證憑證（Verifiable Credentials, VCs） 簽發的權限聲明。例如，一份 VC 可以聲明：“該Agent被授權代表 Alice 在亞馬遜上消費，額度上限為 500 美元” 。
2.2.2 密碼學綁定與信任鏈
當Agent發起交易時，它會出示一個 VC。驗證方不需要信任Agent本身，只需要驗證 VC 上的數字簽名是否來自可信的發行方。這種機制創造了一個“信任鏈”：銀行信任企業 -> 企業簽發 VC 給Agent -> 商家驗證 VC -> 交易通過。
2.3 協議棧之爭：Agent身份的標準制定
2.3.1 Skyfire 與 KYAPay 協議
Skyfire 推出了 KYAPay 開放標準，其核心創新在於複合令牌：
- kya token：包含身份信息（如“已驗證企業Agent”）。
- pay token：包含支付能力（如“預授權 10 USDC”）。
- kya+pay token：將身份與支付打包，允許Agent在無需人工填表的情況下完成“訪客結賬”。
2.3.2 Catena Labs 與 ACK (Agent Commerce Kit)
由 USDC 架構師 Sean 創立的 Catena Labs 推出了 ACK，旨在打造“智能體商業的 HTTP” 。ACK 強調利用 W3C DID 標準和賬戶抽象，讓Agent直接控制鏈上智能合約錢包，實現比 API 密鑰更強的安全性。
2.3.3 Google AP2 與 x402 擴展
Google 推出的 Agent Payments Protocol (AP2) 利用“授權書”管理權限，並與 Coinbase 合作開發了 AP2 x402 擴展，將加密支付標準直接集成到協議中。
2.4 智能體信用評分與風險控制
KYA 還是信譽體系的開端。
- 鏈上信譽 (ERC-7007)：通過 ERC-7007（可驗證 AI 生成內容代幣標準），Agent的每一次成功交互（如按時付款、生成高質量代碼）都可以被記錄在鏈上，形成可驗證的履歷。
- 實時熔斷：金融機構正在部署 AI 網關，如果交易Agent行為偏離基準（如高頻異常交易），系統可立即撤銷其 VC，觸發“數字壓制”。
3. 經濟重構：解決開放網絡的“隱形稅”
a16z 的 Liz 指出，AI Agent正在對開放網絡徵收一種“隱形稅”：Agent為了服務用戶，大規模榨取內容網站的數據（上下文層），卻系統性地繞過了支撐這些內容生產的廣告和訂閱模式。這種寄生關係若不解決，將導致內容生態枯竭。
3.1 “大脫鉤”：零點擊經濟的全面到來
2025 年，數字出版行業見證了“大脫鉤”：搜索量上升，但流向網站的點擊量斷崖式下跌。
3.1.1 流量侵蝕的殘酷數據
- 零點擊率飆升：a16z預測，到 2026 年傳統搜索引擎流量將下降 25% 。Similarweb 數據顯示，2025 年零點擊搜索率已升至 65% 。
- 點擊率（CTR）崩塌：DMG Media 報告稱，當 AI Overview 出現在搜索結果上方時，其內容的點擊率暴跌了 89% 。即使是排名第一的搜索結果，在 AI 摘要面前也失去了 34.5% 的點擊量 。
3.2 擺脫靜態許可：按用量付費的新模式
為了應對這一危機，行業正在從靜態的年度數據許可（如 Reddit 與 OpenAI 的交易）轉向基於用量的補償。
3.2.1 Perplexity 的 Comet Plus 模型
Perplexity AI 推出的 Comet Plus 計劃是一個典型的早期嘗試：
- 機制：設立初始 4250 萬美元 的收入池。當 AI Agent在回答中引用發佈商內容，或代表用戶訪問頁面時，觸發收入分配。
- 分成：發佈商可獲得相關收入池中高達 80% 的分成。這承認了“機器訪問”的商業價值。
3.3 技術標準：納支付與微歸因
為了將補償擴展到全網，一系列開放技術標準正在落地。
3.3.1 納支付與 x402 協議
HTTP 402狀態碼終於被激活。x402 協議制定了“機器原生支付”標準。
- 工作流：Agent請求資源 -> 服務器返回 402 Payment Required 及價格（如 0.001 USDC） -> Agent通過 L2 區塊鏈（如 Base, Solana）或閃電網絡自動簽名支付 -> 服務器驗證後放行數據。
- 經濟性：傳統支付網關無法處理幾分錢的交易，而 x402 結合低費率鏈將成本壓低至忽略不計，使得納支付成為可能。
3.3.2 機器可讀權利：TDMRep 與 C2PA
- TDMRep (文本數據挖掘預留協議)：W3C 社區標準，允許網站在 robots.txt 或 HTTP 頭中聲明：“保留 TDM 權利，需付費/許可” 。這為Agent提供了明確的二進制信號。
- C2PA (內容來源與真實性聯盟)：通過嵌入防篡改的“內容憑證”，證明內容的原始出處。即使內容被 AI 攝取，C2PA 提供的加密簽名也能確保歸因鏈路不斷裂，為版稅分配提供依據 。
3.4 鏈上 IP 歸屬：Story Protocol
更激進的變革是將知識產權本身代幣化。Story Protocol 致力於構建“可編程 IP”層。
- 機制：創作者將作品註冊為 Story Network 上的“IP 資產”。
- 自動化許可：資產附帶“可編程 IP 許可證”。當 AI 智能體使用該數據時，智能合約自動執行許可條款（如“商業使用需支付 5% 版稅”），並自動分發收益。這創造了一個無需律師介入的高流動性 IP 市場。
3.5 展望：從 SEO 到 AEO
到 2026 年，營銷重心將從 SEO 轉向 AEO 或 GEO。
- 目標：不再追求“搜索排名第一”，而是追求被 AI **“引用”**或成為其推理過程中的“首選數據源”。
- 贊助上下文：未來的廣告模式將是“上下文注入”。品牌競價進入智能體的推理鏈條，例如讓旅行智能體在規劃行程時“回憶”起某酒店是最佳選項。
4. 結論
2026 年的技術圖景清晰地表明，人類中心化的互聯網基礎設施與機器中心化的需求之間的摩擦，正在迫使數字世界進行一次徹底的重建。
- 科研範式：AI 從輔助走向自主，AWA架構讓 AI 以低廉成本量產科學發現，將“幻覺”轉化為創造力。
- 身份體系：KYA 成為金融合規新前沿，賦予數十億 AI 智能體以合法的經濟身份，使其能安全地穿梭於價值網絡。
- 經濟模型：網絡經濟從基於注意力的廣告模式，轉向基於價值的納支付與可編程 IP模式。x402、TDMRep 和 Story Protocol 構成了新經濟的鐵軌，解決了“隱形稅”問題，確保數據生產者在零點擊時代依然有利可圖。
我們正在見證Agent經濟的誕生——在這個經濟體中，軟件不僅幫助我們工作，它們本身就是生產者、消費者和交易者。
