作者：Cuy Sheffield，Visa 副总裁兼加密业务负责人 | 编译：Saoirse，Foresight News
加密货币与人工智能正从概念验证迈向大规模应用的关键节点。两者均已突破核心技术瓶颈，性能大幅跃升，但现实世界的采纳程度却参差不齐。展望2026年，最大的变革动力恰恰源自于“技术能力”与“实际普及”之间的鸿沟。
下文将深入探讨我长期观察的八个核心议题，涵盖技术演进路径、价值捕获领域，并分析为何最终的行业领导者可能与最初的开拓者大相径庭。
一、 加密货币：从投机资产到可信技术栈的蜕变
在第一个十年里，加密货币的核心吸引力在于其作为“投机资产”的特质：全球性、7/24不间断交易市场以及高波动性，共同构成了独特的交易魅力。
然而，彼时的底层技术难以支撑主流应用：早期区块链网络缓慢、昂贵且不稳定。除了投机，加密货币在成本、效率或用户体验上几乎从未超越过传统金融体系。
如今，这一局面正在反转。区块链技术变得更快、更便宜、更稳健，最具潜力的应用场景也从交易投机转向了基础设施层——特别是支付清算。随着加密货币技术日趋成熟，投机属性将逐渐淡化，它不会消失，但不再是价值增长的主要引擎。
二、 稳定币：加密货币实用价值的“标杆案例”
稳定币的成功逻辑与以往任何加密叙事都不同。它的价值主张具体而客观：在跨国支付、企业结算等场景中，它能提供比传统渠道更快、更经济、更广的覆盖范围，并能无缝集成至现有软件生态。
用户无需认同任何加密意识形态即可使用稳定币。它的应用常常“隐形”嵌入现有的产品流程中，这使得那些曾因市场波动和透明度问题而却步的传统机构与企业，能够清晰地认识到其工具价值。
可以说，稳定币成功地将加密货币的叙事锚点从“投机”拉回了“实用”，并为行业如何实现大规模落地树立了清晰范式。
三、 基础设施时代：分销与合规能力超越技术新颖性
当加密货币主要功能是投机时，“分销”几乎是内生的——一个新代币只要上线交易所，就可能获得流动性与关注。
然而，当它转型为底层基础设施时，应用场景从“交易市场”下沉到“产品内部”。它被嵌入支付网关、SaaS平台和企业财务系统，终端用户甚至感知不到其存在。
这种转变极大地利好两类参与者：一是拥有成熟客户网络和分销渠道的现有企业；二是具备相应监管牌照、合规框架和风控体系的金融机构。在这个阶段，仅凭协议的技术创新已不足以推动广泛采用。
四、 AI智能体：从编程助手到通用知识工作界面
AI智能体的实用性日益增强，但其角色常被误解。最成功的智能体并非完全自主的决策者，而是降低工作流中协调成本的强大工具。
这一趋势最初在软件开发领域显现，智能体工具显著提升了编码、调试和项目搭建的效率。但近年来，其“工具价值”正迅速向更广泛的知识工作领域渗透。
以Claude Code等工具为例，尽管被标记为开发者工具，但其迅速普及揭示了一个更深层趋势：智能体系统正在成为“知识工作的通用接口”，而不仅限于编程。用户开始将其应用于研究、数据分析、内容创作、项目规划及运营管理等任务中。
关键的模式转变在于：
- 用户下达的是“目标指令”，而非“逐步操作指南”；
- 智能体负责跨文件、跨工具管理复杂的“上下文信息”；
- 工作方式从“线性顺序执行”变为“迭代式、对话式协作”。
目前，智能体擅长在限定范围内收集信息、执行任务、减少流程摩擦，但在需要开放式判断、明确责任归属及复杂错误修正的环节仍有局限。因此，大多数生产级智能体仍需在受监督、有范围约束的系统内运行。其核心价值源于“重构工作流程”，而非完全取代人力。
五、 AI发展瓶颈：从智力竞赛转向信任构建
当前，AI模型的核心能力已取得飞跃，限制其广泛部署的关键不再是“智商”，而是“可信度”。
生产环境对三类问题容忍度为零：AI幻觉（输出虚假信息）、结果不一致以及故障模式不透明。一旦涉及客户交互、资金处理或合规环节，“基本正确”的输出已无法接受。
建立信任需要四大支柱：结果可追溯、具备持续记忆能力、输出可验证、能主动表达不确定性。在这些能力成熟之前，AI的自主性必须受到严格约束。
六、 系统工程：决定AI能否进入生产环境的关键
成功的AI产品将“模型”视为一个“系统组件”，而非完整产品本身。其可靠性来源于整体的“架构设计”，而非单纯的提示词工程。
这种架构设计包括状态管理、控制流、评估与监控体系，以及故障恢复机制。正因如此，AI的发展越来越趋近于“传统软件工程”，而不仅是前沿算法研究。
长期价值将向两类构建者聚集：一是能够设计稳健AI系统的工程师，二是掌控工作流与分销渠道的平台方。随着智能体工具渗透至研究、写作、分析等领域，系统工程的重要性将更加凸显，因为知识工作往往状态复杂、上下文密集，需要能够可靠管理记忆与工具交互的智能体。
七、 开放与集中：AI治理的未解之题
随着AI系统能力增强并与经济深度绑定，“谁拥有并控制最强AI模型”引发了根本性矛盾。
一方面，AI前沿研发仍是资本和算力密集型，受监管与地缘政治影响，呈现集中化趋势；另一方面，开源模型和工具凭借其可实验性、易部署性持续快速迭代。
这种“集中与开放并存”的格局，带来了一系列待解决的治理问题：供应链依赖风险、系统可审计性、透明度、长期议价权以及对关键基础设施的控制。最可能出现的是一种混合生态：前沿闭源模型推动能力边界，而开源或半开源系统则将这些能力整合进广泛分布的软件应用中。
八、 可编程货币：赋能智能体经济与新支付流
当AI智能体深度参与工作流时，它们对“经济交互”的需求自然产生——例如支付API服务费、酬劳其他智能体，或结算按使用量计费的资源。
这一需求让“稳定币”的价值被重新审视：它作为一种“机器原生货币”，具备可编程、可审计、可自动执行的特点，无需人工干预即可完成价值转移。
以x402等面向开发者的协议为例，它们虽处早期，但指明了一个清晰方向：支付将如“API调用”般无缝嵌入，而非传统的“结账页面”。这将使软件智能体之间实现持续、微额、自动化的交易。
目前该领域仍处萌芽期：交易规模小、用户体验待优化、安全架构在完善中。但历史表明，基础设施的创新往往始于这样的早期探索。其意义不在于追求完全的“自主性”，而在于当软件能通过编程直接完成交易时，一系列全新的经济行为将成为可能。
展望未来
无论是加密货币还是人工智能，早期阶段崇尚“颠覆性概念”与“技术新颖性”。而下一阶段的核心竞争维度将转向“可靠性”、“治理能力”与“市场分销力”。
技术本身已不再是主要障碍，真正的挑战在于“如何将技术无缝、可靠地嵌入现有经济与社会系统”。
我认为，2026年的标志性特征不会是某项炫目的技术突破，而是“基础设施层的扎实积累”——这些默默运行的基础构件，正在悄然重塑价值的流动方式与工作的组织模式。
