互联网经济是已经在变化. 当开放网络崩溃为一个提示栏时，我们不得不思考：人工智能会导致一个开放的互联网，还是一个新的付费墙迷宫？而谁将控制它——大型集中化公司还是广泛的用户社区？

这就是加密货币的用武之地。我们已经讨论过人工智能与加密货币的交集相当多；但简而言之，区块链是一种构建互联网服务和建立去中心化网络的新方式，可信中立, 和 用户可拥有的. 他们提供一个对许多集中化力量的对抗我们已经在人工智能系统中看到，通过重新谈判支撑今天系统的经济，帮助实现一个更加开放、更强大的互联网。

加密货币可以帮助构建更好的人工智能系统，反之亦然的想法并不新鲜——但它往往定义不清。一些交叉领域——例如验证“人性证明”，考虑到其激增的情况，低成本人工智能系统——已经吸引了构建者和用户。但其他用例似乎还需要数年，甚至几十年。因此，在本文中，我们分享了11个加密和人工智能交汇处的用例，以帮助启动关于可能性、尚需解决的挑战等的讨论。它们都基于今天正在构建的技术，从处理大量的微支付到确保人类拥有与未来人工智能的关系。

类别

身份去中心化基础设施为AI新经济和激励模型拥有未来的AI

身份

1. AI交互中的持久数据和上下文

斯科特·杜克·科敏斯

生成式人工智能依赖于数据，但对于许多应用来说，上下文——与互动相关的状态和背景信息——同样重要，甚至更为重要。

理想情况下，AI系统——无论是代理、LLM界面还是其他应用——都应该记住您正在进行的项目类型、您的沟通风格以及您偏好的编程语言等众多细节。但是在实际操作中，用户常常需要在同一应用中的不同交互中重新建立这个上下文——就像当您启动一个新的ChatGPT或Claude shell时——更不用说在不同系统之间移动时了。

目前，一种生成性人工智能应用程序的上下文很少，甚至从未能移植到其他应用程序。

通过区块链，AI 系统可以使关键上下文元素作为持久数字资产存在，这些资产可以在会话开始时加载，并在 AI 平台之间无缝转移。此外，区块链可能是解决此问题的唯一方案，它既向前兼容，又建立了对互操作性的承诺，因为这些特性是基于区块链的协议的定义特征。

这个的自然应用是人工智能介导的游戏和媒体，其中偏好（从难度级别到按键绑定）可以在不同的游戏和环境中持续存在。但真正的价值在于知识应用，人工智能需要理解用户知道什么以及他们是如何学习的；以及在更专业化的人工智能用例中，比如编码。当然，个别企业已经开发出适合特定业务的全球上下文的定制机器人——但在这种情况下，上下文通常无法移植，即使是在组织内使用的不同人工智能系统之间。

组织刚刚开始理解这个问题，我们迄今为止看到的最接近的通用解决方案是具有固定、持久上下文的自定义机器人。但用户之间的上下文可移植性正在链外开始显现；波, 例如，用户可以将他们的自定义机器人租给其他人。

将这种活动上链将使我们互动的AI系统能够共享一个上下文层，其中包含我们所有数字活动的关键元素。它们将立即理解我们的偏好，并更好地调整和优化我们的体验。相反，正如链上知识产权注册, 使得AI能够引用持久的链上上下文，为围绕提示和信息模块的新型和更好的市场互动创造了可能性——例如，用户可以直接许可或货币化他们的专业知识，同时保留他们数据的控制权。当然，共享上下文将使许多我们尚未设想的事情成为可能。

2. 代理人的通用身份

萨姆·布罗纳

身份，作为事物是谁或是什么的规范记录，是推动当今数字发现、聚合和支付系统的无声管道。由于平台将这种管道隐藏在墙后，我们体验到身份作为一种成品：亚马逊为产品分配标识符（ASIN或FNSKU），将产品列在一个地方，并帮助用户发现和支付。Facebook 也类似：用户的身份是他们的动态和在应用程序中发现的基础，包括 Facebook Marketplace 列表、自然帖子和付费广告。

这一切都将发生变化，因为AI代理随着越来越多的公司使用代理 — 用于客户服务、物流、支付和其他用例 — 他们的平台看起来会越来越不像单一表面应用。相反，它们将存在于多个画布和平台上，积累深厚的上下文，并为用户执行更多任务。但将代理的身份仅绑定到一个市场，使其在其他重要场所（如电子邮件线程、Slack频道和其他产品内）变得不可用。

这就是为什么代理需要一个单一的、可携带的“护照”。没有它，就无法知道如何支付代理、验证其版本、查询其能力、了解代理是代表谁工作，或在应用程序和平台之间追踪其声誉。代理的身份需要充当钱包、API 注册表、变更日志和社交证明——这样任何接口（电子邮件、Slack、另一个代理）都可以以相同的方式解析和与之对话。如果没有“身份”的共享原语，每个集成都需要从头开始重建这些管道，发现仍然是临时的，用户在每次切换渠道或平台时都会失去上下文。

我们有机会从基本原则出发设计自主基础设施。那么，我们如何构建一个比DNS记录更丰富的可信中立身份层呢？与其重新发明单一的平台——在这些平台上身份与发现、聚合和支付相结合——代理应该能够接受支付、列出能力，并在多个生态系统中存在，而不必担心被锁定在任何特定平台上。这就是加密与人工智能交汇的地方，因为区块链网络提供了无权限的可组合性，这可以让构建者创造出更有用的代理和更好的用户体验。

一般来说，像Facebook或Amazon这样的垂直整合解决方案，目前拥有更好的用户体验——构建一个伟大产品的内在复杂性的一部分是确保各个部分自上而下地协调一致。但这种便利的代价很高，尤其是在构建聚合、市场营销、变现和分发代理的软件成本下降，以及代理应用的表面积扩大时。要匹配垂直整合提供商的用户体验需要努力，但一个可信的中立身份层将使企业家拥有自己的护照——并鼓励在分发和设计方面进行实验。

3. 向前兼容的人格证明

由 Jay Drain Jr. 和 Scott Duke Kominers

随着人工智能的普及——驱动着各种网络互动中的机器人和代理，包括深度伪造和社交媒体操控——越来越难以判断你是否在与真实的人进行在线互动。这种信任的侵蚀并不是未来的担忧；它已经存在。从X动态评论军团到约会应用上的机器人，现实开始变得模糊。在这种环境中，个人身份的证明变得至关重要。

证明你是人类的一种方式是通过数字身份（包括 TSA 使用的集中式身份）。数字身份包含一个人可以用来验证其身份的所有内容——用户名、PIN、密码和第三方证明（例如，公民身份或信用worthiness）以及其他凭证。这里去中心化的价值显而易见：当这些数据存储在集中系统中时，发行者可以撤销访问权限、施加费用或助长监控。去中心化改变了这种动态：用户，而不是平台看守者，控制自己的身份，使其更安全和抗审查。

与传统身份系统不同，去中心化的个人身份验证机制（如World’s 人类证明) 允许用户控制和保管自己的身份，并以一种隐私保护和可信中立的方式验证他们的人性。就像驾驶执照一样，无论何时何地颁发，去中心化的PoP都可以作为任何平台的可重用基础层，包括那些尚不存在的平台。换句话说，基于区块链的PoP是向前兼容的，因为它提供：

1. 可移植性：协议是任何平台都可以集成的公共标准。去中心化的PoP可以通过公共基础设施进行管理，并由用户控制。这使其完全可移植，任何平台现在或将来都可以与之兼容。
2. 无权限访问：平台可以独立选择是否识别PoP ID，而无需通过可能会对不同用例进行歧视的Gatekeeper API。

在这个领域的挑战是采用：虽然我们还没有看到许多具有实际规模的真实世界真实性证明用例，但我们预计用户的临界质量、一小部分早期合作伙伴关系和杀手级应用将加速采用。每个利用特定数字身份标准的应用程序使该身份类型对用户更加有价值；这驱动更多用户获取该身份；反过来使得该身份对应用程序整合作为认证真实性的方式更具吸引力。（而且由于链上身份是按设计互操作的，）网络效应可以成长快速.)

我们已经看到主流消费应用和服务在游戏, 约会, 和 社交媒体宣布与World ID建立合作关系，以帮助人们确认他们正在与真实的人类进行游戏、聊天和交易——实际上，就是他们所期待的特定人类。我们还看到今年出现了新的身份协议，包括Solana 认证服务（SAS）。虽然不是个人身份证明的发行者，SAS 允许用户将链外数据（例如，用于合规的 KYC 检查或投资的认证状态）私密地关联到 Solana 钱包，以构建用户的去中心化身份。所有这些都表明，去中心化 PoP 的拐点可能不远了。

身份证明不仅仅是禁止机器人，它还涉及在人工智能代理和人类网络之间建立明确的界限。它使用户和应用程序能够区分人类和机器的交互，为更好、更安全和更真实的数字体验创造空间。

去中心化的人工智能基础设施

4. 去中心化物理基础设施 (DePIN) 为人工智能

由盖·乌沃莱特

人工智能可能是一项数字服务，但其进步越来越受到物理基础设施的瓶颈限制。去中心化物理基础设施网络，或去中心化物理基础设施网络 — 提供了一种构建和运营现实世界系统的新模型 — 可以帮助民主化对支撑 AI 创新的计算基础设施的访问，使其成本更低，更具韧性，并且更能抵抗审查。

如何？人工智能发展的两个最大障碍是能源和芯片的获取。去中心化能源可以帮助提供更多的电力，但开发者也在利用去中心化物理基础设施网络（DePIN）来聚合来自游戏电脑、数据中心和其他来源的闲置芯片。这些计算机可以结合起来形成一个无权限的计算市场，为构建新的人工智能产品平衡竞争环境。

其他用例包括分布式训练和微调LLMs的分布式网络模型推理。去中心化的训练和推理可能会导致更低的成本，因为它们利用了本来处于闲置状态的计算资源。它们还可以提供审查抵抗，确保开发者不会被超大规模的云服务提供商——提供大规模可扩展计算基础设施的集中式服务提供商——去平台化。

人工智能模型的集中化在少数几家公司中是一种持续关注; 去中心化网络可以帮助创建更具成本效益、抗审查能力更强以及更具可扩展性的人工智能。

5. AI代理、最终服务提供商和用户之间互动的基础设施和保护措施

斯科特·杜克·科米纳斯

随着人工智能工具在解决复杂任务和执行多层次交互链方面变得越来越优秀，人工智能将越来越需要与其他人工智能互动，而不依赖于人类控制者。

例如，一个人工智能代理可能需要请求与计算相关的特定数据，或招募专门的人工智能代理来执行特定任务——例如，分配一个统计机器人来开发和运行模型模拟，或在创建营销材料的过程中使用一个图像生成机器人。人工智能代理还将在代表用户完成整个交易流程或任何其他活动中创造显著价值——比如根据某人的偏好找到并预订机票，或从他们最喜欢的类型中发现并订购一本新书。

今天没有建立的、普遍的代理与代理市场——这类跨查询大多仅通过明确的API连接可用，或者在维持代理间调用作为内部功能的AI代理生态系统中可用。

更广泛地说，如今大多数AI代理在孤立的生态系统中运作，具有相对封闭的API和普遍缺乏架构标准化。但区块链技术可以帮助协议建立开放标准，这对短期内的采用非常重要。从长远来看，这也支持向前兼容性：随着新类型的AI代理的演变和创建，它们可以期待能够插入到相同的基础网络中。鉴于其可互操作的、开源的、去中心化的以及通常更易升级的架构，区块链可以更容易地适应新颖的AI创新。

一些公司已经在为代理之间的互动构建区块链基础设施，随着市场的发展：哈利迪, 例如，最近推出了其协议，提供标准化的跨链架构，用于 AI 工作流和交互——具有协议级的保护，以确保 AI 不会超出用户的意图。Catena, 天火，和没关系, 同时，利用区块链支持一个AI代理向另一个AI代理进行支付，而不需要人类介入。还有许多这样的系统正在开发中，Coinbase甚至已经开始提供 基础设施支持为了这些努力。

6. 保持AI/氛围编码应用程序的同步

由萨姆·布罗纳和斯科特·杜克·科门斯

最近的生成性人工智能革命使得构建软件比以往任何时候都容易。编码的速度提高了数个数量级，或许最重要的是，可以使用自然语言进行，这样即使是没有经验的程序员也可以从现有程序中分叉，并从头开始构建新的程序。

但尽管 AI 辅助编码创造了这些新机会，它也在程序内部和跨程序引入了大量的熵。”氛围编码” 抽象化了软件底层复杂的依赖关系——但这也可能使程序在源库和其他输入变化时容易受到功能和安全缺陷的影响。与此同时，当人们使用人工智能创建自己个性化的应用程序和工作流程时，与其他人的系统接口变得更加困难。实际上，即使是两个执行相同任务的 vibe 编码程序，其操作和输出结构也可能截然不同。

历史上，为了确保一致性和兼容性，标准化最初是通过文件格式和操作系统提供的，最近则是通过共享软件和API集成提供的。但在一个软件实时演变、变化和分支的世界中，标准化层需要广泛可访问并不断可升级——同时保持用户信任。此外，单靠人工智能并不能解决激励人们建立和维护这些联系的问题。

区块链同时为这两个问题提供了解决方案：协议化的同步层，这些层被封装在用户自定义的软件构建中，并根据变化动态更新以确保跨兼容性。历史上，一个大型企业可能会花费数百万美元给像德勤这样的“系统集成商”来定制 Salesforce 实例。如今，一名工程师可以在一个周末内创建一个自定义界面来查看销售信息，但随着自定义软件数量的增加，开发人员将需要帮助以保持这些应用程序的同步和正常运行。

这与今天开源软件库开发的方式类似，不同之处在于它是持续更新而不是定期发布——并且有一个激励机制。这两者通过加密货币变得更容易实现。与其他基于区块链的协议一样，同步层的共享所有权激励积极投资于改善这些层。开发者、用户（和/或他们的 AI 代理）以及其他消费者可以因引入、使用和发展新功能和集成而获得奖励。

反之，共享所有权使所有用户在协议的整体成功中拥有一份利益，这为抵御不当行为提供了缓冲。就像微软因其用户和品牌的涟漪效应而不愿意破坏 .docx 文件标准一样，同步层的共同拥有者也会因为引入笨拙或恶意代码对协议造成的影响而受到抑制。

与我们之前看到的所有软件标准化架构一样，存在巨大的潜力网络效应在这里。随着AI编码软件的寒武纪大爆炸持续，必须保持相互通信的异构多样系统的网络将显著扩展。简而言之：氛围编码需要的不仅仅是氛围才能保持同步。加密货币是答案。

新经济和激励模型

7. 支持收入分享的微支付

作者：Liz Harkavy

AI代理和工具，如ChatGPT、Claude和Copilot，承诺提供一种方便的新方式来导航数字世界。但是，出于好坏原因，它们也在破坏开放互联网的经济。我们已经看到这种情况的发生——例如，教育平台正在看到 随着学生越来越多地使用人工智能工具，流量显著下降，几家美国报纸正在 起诉因版权侵权而对OpenAI采取法律行动。如果我们不重新调整激励机制，我们可能会看到一个越来越封闭的互联网，付费墙增多，内容创作者减少。

当然，总是有政策解决方案，但在这些方案通过法院的过程中，一些技术解决方案正在显现出来。也许最有前景（且技术上复杂）的解决方案是将收入分享的系统构建到网络的架构中。当一个由人工智能驱动的行为导致销售时，提供该决策信息的内容来源应该获得一部分收益。联盟营销生态系统已经执行了这样的归因跟踪和收入分享；一个更复杂的版本可以自动跟踪并奖励信息链中的所有贡献者。区块链显然可以在追踪这一来源链中发挥作用。

但这样的系统需要新的基础设施以及其他功能——特别是，能够处理来自多个来源的小额交易的微支付系统、公平评估不同类型贡献的归属协议，以及确保透明度和公平性的治理模型。许多现有的基于区块链的工具——例如 rollups 和 L2s，AI本土金融机构Catena Labs, 和金融基础设施协议 0xSplits — 在这里展示潜力，实现近乎零成本的交易和更精细的支付分割。

区块链将通过多种机制实现复杂的自主支付系统：

• 微支付可以分散到多个数据提供者，从而允许单个用户交互通过自动化智能合约触发对所有贡献来源的小额支付。
• 智能合约允许通过已完成的交易触发可执行的追溯性支付，在交易发生后补偿对购买决策有所贡献的信息来源，具有完全的透明度和可追溯性。
• 此外，区块链使复杂和可编程的支付分配得以分发，确保收入通过代码强制的规则而非中心化的决策得到公平分配，从而在自主代理之间建立无信任的金融关系。

随着这些新兴技术的发展，它们可以为媒体创造一个新的经济模型，捕捉从创作者到平台再到用户的完整价值链。

8. 区块链作为知识产权和来源的登记册

斯科特·杜克·科门斯

生成式人工智能带来了紧迫感需要为了高效和可编程的机制来注册和追踪知识产权——既要确保来源的真实性，又要能够围绕知识产权的访问、共享和重混建立商业模式。现有的知识产权框架——依赖于高成本的中介和事后执行——在一个人工智能瞬间消费内容并仅需一次点击就能生成新变体的世界中显得力不从心。

我们需要的是开放的公共登记册，能够提供清晰的所有权证明，IP 创作者可以轻松高效地与之互动，而 AI 和其他网络应用程序可以直接与之对接。区块链非常适合这个需求，因为它们使得在不依赖中介的情况下注册 IP 成为可能，并提供不可更改的来源证明；它们还使第三方应用程序能够轻松识别、许可和与该 IP 互动。

人们对技术能够以某种方式保护知识产权这一整体理念自然存在很多怀疑，因为互联网的前两个时代以及正在进行的人工智能革命常常与知识产权保护的下降相关联。一个问题是，今天许多基于知识产权的商业模型关注于排除衍生作品，而不是试图激励和货币化它们。但是可编程IP基础设施不仅使创作者、品牌和特许经营可以清晰地在数字空间中建立其知识产权的所有权——它还为以共享知识产权为中心的商业模式打开了大门，以用于生成性人工智能和其他数字应用。实际上，这将生成性人工智能对创作工作的主要威胁之一转变为机会。

我们已经看到创作者在NFT领域早期尝试更先进的模型，许多公司利用以太坊上的NFT资产来支持网络效应和价值积累。CC0 品牌建设. 最近，我们看到基础设施提供商构建协议甚至专门的区块链 (例如，故事协议) 用于标准化和可组合的知识产权注册和许可。一些艺术家已经开始使用这些工具，通过像 Alias、Neura 和 Titles 这样的协议为他们的风格和作品进行许可，以便进行创意 remix。激励‘s Emergence系列同时吸引其粉丝共同创造一个科幻宇宙及其角色，采用基于区块链的Story注册系统，跟踪谁创作了什么。

9. 帮助补偿内容创作者的网络爬虫

由Carra Wu

今天，产品市场契合度最高的人工智能代理并不是用于编码或娱乐的代理。它是网络爬虫——自主浏览网络，收集数据，并决定跟随哪些链接。

根据一些估计，近一半如今，所有互联网流量中有很大一部分来自非人类来源。机器人常常无视robots.txt的礼节——这个文件本应告知自动化网络爬虫它们是否受到欢迎，但实际上几乎没有权威性——并利用提取的数据来增强一些全球最大科技公司的防御能力。更糟糕的是，网站最终要为这些不请自来的客人买单，支付带宽和CPU资源的费用，面对似乎无止境的无面孔抓取者潮水般的涌来。对此，像Cloudflare和其他CDN（内容交付网络）这样的公司提供阻止服务。这是一种不应该存在的服务拼凑。

我们已经在……之前辩论互联网的原始协议——创作者与分发平台之间的经济契约——很可能会解体。这一点开始在数据中显现出来：在过去的十二个月里，网站所有者开始大量封锁面向AI的抓取工具。在2024年7月，只有大约九百分之前10,000个网站中，有阻止AI爬虫的网站数量，现在这个数字为37%随着更多网站运营商变得成熟，用户的挫败感不断增加，这种情况只会加剧。

那么，如果我们不让CDN直接阻止任何看起来可能是机器人的人，而是在某种程度上达成妥协呢？AI机器人可以为收集数据的权利付费，而不是依赖于一个旨在驱动人类流量到网站的系统。这就是区块链的作用：在这种情况下，每个网页爬虫代理都会拥有一些加密货币，并通过每个网站的“门卫”代理或付费墙协议进行链上谈判，或者付费。x402.（当然，挑战在于，robots.txt系统，也称为爬虫排除标准，自1990年代以来一直根植于互联网公司的商业模式。要克服这一点，需要大规模的集体协调，或者像Cloudflare这样的CDN参与其中。）

但人类在一个独立的轨道上，可以通过世界身份（World ID）证明他们的人性（见上文) 并免费获得内容。通过这种方式，内容创作者和网站所有者可以在收集时获得对大型 AI 数据集贡献的补偿，用户可以继续享受一个信息希望自由的互联网。

10. 保护隐私的广告是量身定制的，而不是令人毛骨悚然的

马特·格里森

人工智能已经开始影响我们在线购物的方式，但如果我们每天看到的广告是……有帮助的呢？人们不喜欢广告有很多显而易见的原因。无关的广告纯粹是噪音。同时，并非所有的个性化都是平等的。基于AI的广告如果过于精准——从大量消费者数据中提取——可能会让人感到侵犯隐私。其他应用程序则试图通过在不可跳过的广告后设置内容（例如，流媒体内容服务或游戏关卡）来实现货币化。

加密货币可以帮助解决其中一些问题，提供重新构想广告运作方式的机会。与区块链结合，个性化的人工智能代理可以缩小不相关与怪异之间的距离，根据用户定义的偏好投放广告。但重要的是，他们可以在不全球曝光用户数据的情况下做到这一点，同时补偿那些分享数据或直接与广告互动的用户。

这里的一些技术要求包括：

1. 低费用数字支付：为了补偿用户的广告互动（观看、点击、转化），公司需要发送小额、频繁的支付。要实现规模化运作，我们需要快速、高吞吐量且费用微乎其微的系统。
2. 隐私保护的数据验证：AI代理需要能够证明消费者符合某些人口属性。零知识证明可以在保护隐私的同时验证人口属性。
3. 激励模型：如果互联网接受基于微支付的货币化（例如，如上所述), 用户将能够选择通过广告获得小额支付，从而将当前的模式从提取转变为参与。

人们在线上已经尝试了数十年使广告相关性更强，而在线下则已经有几个世纪。然而，通过加密和人工智能的视角重新思考广告，最终可以使广告更具实用性。量身定制而不显得令人毛骨悚然，并以一种对所有人都有益的方式：对于建设者和广告商，它解锁了新的激励结构，这些结构更加可持续和一致。对于用户，它提供了更多发现和导航他们数字世界的方式。

所有这一切都会使广告位更有价值，而不是更少。这也可能会取代今天根深蒂固的、剥削性的广告经济，取而代之的是一种更以人为本的系统：一个用户被视为参与者，而不是产品的系统。

拥有人工智能的未来

11. 由人类拥有和控制的人工智能伴侣

由盖·乌沃莱特

许多人花更多时间在设备上而不是面对面互动，而这段时间越来越多地花在与AI模型和AI策划内容的互动上，尤其是。所有这些模型已经提供了一种陪伴形式，无论是娱乐、信息传递、满足小众兴趣，还是教孩子们我们可以轻易想象一个不久的将来，基于人工智能的教育、医疗、法律咨询和友谊伴侣将成为人类互动的一种流行方式。

未来的人工智能伴侣将具有无限的耐心，并针对特定个体及其特定用例进行定制。它们不仅仅是助手或机器人仆人，还可能成为高度珍视的关系。因此，谁将拥有和控制这些关系——无论是用户、公司还是其他中介——变得同样重要。如果你在过去十年已经对社交媒体的内容策划和审查感到担忧，那么在未来，这个问题将变得更加复杂，更加个人化。

这并不是一个新的论点（已经描述过这里 和 这里) 像区块链这样的抗审查托管平台提供了通往不可审查、用户控制的人工智能最有说服力的道路。确实，个人可以在设备上运行模型并购买自己的GPU，但大多数人要么负担不起，要么根本不知道该如何做。

虽然我们距离广泛普及的 AI 伴侣还有一段距离，但所有这些技术正在迅速改善：看似人类的基于文本的伴侣已经非常出色。视觉头像已经显著改善。区块链正在变得性能更强. 为了确保不可审查的伴侣易于使用，我们需要依赖更好的用户体验来支持加密应用程序。值得庆幸的是，钱包（像 幻影) 使与区块链的互动变得简单得多，嵌入式钱包, 通行密钥，和账户抽象让用户能够持有自我保管的钱包，而无需自己存储种子短语的复杂性。像高吞吐量的无信任计算机这样的技术，使用乐观和ZK 协处理器, 还将使与数字伴侣建立有意义和持久的关系成为可能。

在不久的将来，预计对话将从我们何时能看到几乎栩栩如生的数字伴侣和虚拟形象转向谁以及什么能够控制它们。

确保订阅我们的新闻通讯获取更多趋势更新、构建者指南、行业报告以及其他资源。

贡献者

萨姆·布罗纳是 a16z crypto 投资团队的合作伙伴。在加入 a16z 之前，Sam 曾是微软的一名软件工程师，他是 Fluid Framework 和 Microsoft Copilot Pages 的创始团队成员。Sam 还曾就读于麻省理工学院斯隆管理学院，在波士顿联邦储备银行参与了汉密尔顿项目，领导斯隆区块链俱乐部，主办斯隆的第一次人工智能峰会，并因创建创业社区而获得麻省理工学院的帕特里克·J·麦戈文奖。

杰伊·德雷恩 Jr.是 a16z crypto 的投资合伙人，专注于消费和应用层项目。在2022年加入 a16z 之前，Jay 是 Maven Ventures 的投资者，Maven Ventures 是一家种子阶段的消费软件基金，他在这里领导了公司的 web3 投资。此前，Jay 在高盛的全球市场部工作了两年。他毕业于阿默斯特学院，主修政治科学与法律，并且是男子田径队的成员。

马特·格里森是一名a16z crypto的安全工程师，帮助投资组合公司处理应用程序安全、事件响应以及其他审计或安全需求。他曾进行过审计，并在许多不同项目的部署前发现并帮助修复了代码中的关键漏洞。

莉兹·哈卡维是 a16z 加密投资团队的合伙人，专注于“铲子与镐”项目以及去中心化基础设施。在加入 a16z 加密之前，Liz 是 Corsali（现在的 Vana）的创始工程师，这是一家由风险投资支持的全栈机器学习平台，由高素质的员工标记数据以赚取加密货币。此之前，她曾在 Facebook 和 JPL 工作。Liz 在麻省理工学院获得了物理学和计算机科学的本科学位，以及计算机科学的硕士学位。

斯科特·杜克·科米纳斯是萨罗菲姆-罗克商学院的商业管理教授哈佛商学院, 一位教员附属的哈佛大学经济系, 以及a16z crypto的研究合作伙伴。他还为多家公司提供web3战略以及市场和激励设计方面的咨询；有关进一步的披露，请参见他的网站. Kominers的第一本书 — 万物代币：NFT和Web3将如何改变我们购买、销售和创造的方式, 与Steve Kaczynski合著——是现已可用.

Carra Wu是a16z加密投资团队的合作伙伴。Carra专注于加密领域的游戏、元宇宙、媒体和DAO投资。此前，她曾在微软担任软件工程师，为Hololens开发AR/VR应用和游戏，以及作为产品经理负责App Store的搜索系统和面向开发者的产品。Carra在哈佛大学学习应用数学、计算机科学与经济学，并与哈佛芭蕾舞团一起跳舞。

盖伊·乌沃莱特是a16z加密投资团队的合伙人。他专注于在各个层面投资加密货币。在加入a16z之前，Guy与Protocol Labs合作进行独立研究。他的工作重点是构建去中心化网络协议和升级互联网基础设施。他拥有斯坦福大学计算机科学学士学位，曾在校队划船。

此处表达的观点仅代表被引用的个别 AH Capital Management, L.L.C.（“a16z”）员工的观点，并不代表 a16z 或其附属机构的观点。这里包含的某些信息来自第三方来源，包括 a16z 管理的基金的投资组合公司。虽然这些信息来源被认为可靠，但 a16z 并未独立验证该信息，并且对于这些信息的当前或持续准确性以及其在特定情况下的适用性不作任何声明。此外，这些内容可能包含第三方广告；a16z 未对这些广告进行审查，也不认可其中包含的任何广告内容。

本内容仅供信息参考，不应被视为法律、商业、投资或税务建议。您应咨询自己的顾问以处理这些事项。提及的任何证券或数字资产仅用于说明目的，并不构成投资建议或提供投资顾问服务的要约。此外，本内容并不针对任何投资者或潜在投资者，且在任何情况下都不应在决定投资任何由a16z管理的基金时依赖。投资a16z基金的要约仅通过私募备忘录、认购协议以及任何此类基金的其他相关文件进行，应全面阅读这些文件。提到、引用或描述的任何投资或投资组合公司并不代表a16z管理的所有投资，且不能保证这些投资将是盈利的，或未来进行的其他投资将具有类似的特征或结果。由Andreessen Horowitz管理的基金所做投资的名单（不包括发行人未提供a16z公开披露许可的投资以及未公开的公开交易数字资产投资）可在此获得。https://a16z.com/investments/.

内容仅在所示日期时有效。此材料中表达的任何预测、估计、预测、目标、前景和/或意见均可能随时更改，且可能与他人表达的意见不同或相悖。请参见https://a16z.com/disclosures有关其他重要信息。

免责声明：

1. 本文转载自[a16zcrypto]. 所有版权归原作者所有 [斯科特·杜克·科门斯 山姆·布罗纳 杰伊·德雷恩 盖伊·伍莱特 伊丽莎白·哈卡维 卡拉·吴 马特·格里森]. 如果对这次重印有异议，请联系Gate Learn团队，他们会及时处理。
2. 责任免责声明：本文中表达的观点和意见仅代表作者个人，并不构成任何投资建议。
3. 文章的翻译由Gate Learn团队进行。除非另有说明，复制、分发或抄袭翻译文章是禁止的。