a16z 合伙人们的 2024 展望:Web3 会有更简便的用户体验,NFT 终将进入大众视野

a16z Crypto热度: 16056

a16z Crypto的投资合伙人和工程师对2024年Web3的发展有了新的思考。他们讨论了去中心化、用户体验、技术模块化和AI与区块链的结合等多个领域。去中心化被认为是未来的发展方向,可以实现系统民主化、促进竞争和用户所有权。开发人员正在努力改善加密领域的用户体验,包括万能钥匙、智能账户和内置钱包等新工具。斯坦福大学教授和数据科学家期待人工智能和区块链的结合,认为去中心化区块链可以成为中心化人工智能的制衡力量。新的工具和技术的出现将带来更多便利和创新,如NFT的应用、SNARKs技术的发展等。

摘要由 Mars AI 生成
本摘要由 Mars AI 模型生成,其生成内容的准确性、完整性还处于迭代更新阶段。

原文来源:a16z Crypto

原文标题:new year, new ideas, new ways

原文作者:a16z Crypto

编译:深潮TechFlow

随着2024年的到来,a16z Crypto多位投资合伙人和工程师对新一年Web3的发展有了新的思考,本文探讨了A16Z不同合伙人对Web3多个领域的看法,包括去中心化、用户体验、技术栈模块化、AI与区块链的结合等多个领域。深潮对全文进行了编译。

进入去中心化的新时代

A16Z的法律顾问和去中心化负责人Miles Jennings认为我们即将进入去中心化的新时代。当一个强大系统或平台的控制权掌握在少数人(更不用说单一领导者)手中时,侵犯用户自由就太容易了。这就是去中心化的重要性所在:它是一种工具,使我们能够通过启用可信的中立、可组合的互联网基础设施来实现系统民主化;促进竞争和生态系统多样性;并让用户有更多的选择,以及更多的所有权。

但在实践中,当与中心化系统的效率和稳定性相冲突时,去中心化很难大规模实现。与此同时,大多数 web3 治理模型都涉及 DAO(去中心化自治组织),它们使用基于直接民主或公司治理的简化但繁重的治理模型,这些模型并不是为去中心化治理的社会政治现实而设计的。

然而,感谢过去几年Web3的发展,更好的去中心化实践已经出现。这些包括可以适应具有更丰富功能应用程序的去中心化模型;还包括采用马基雅维利原则的 DAO 等方法,以设计更有效的去中心化治理,让领导层承担责任。随随着此类模型的发展,我们很快就会看到去中心化协调、运营功能和创新达到前所未有的水平。

重置未来的用户体验

首席技术官Eddy Lazzarin认为Web3的用户体验会被改善。虽然已经被广泛诟病,但加密领域的用户体验基础实际上自2016年以来并没有太大变化。它仍然太复杂:自我保管秘密密钥;连接钱包与去中心化应用程序(dApp);向越来越多的网络端点发送签名交易等等。这超出了我们可以期望用户在第一次使用加密应用程序的几分钟内学习的范围。

但现在,开发人员正在积极测试和部署新工具,这些工具可以在未来一年重置加密的前端用户体验。其中一种工具包括万能钥匙,可以简化跨用户设备登录应用程序和网站的过程;与更容易受到攻击并且需要用户手动操作的密码不同,密码是自动以加密方式生成的。其他创新包括:

  • 智能账户:使账户本身可编程,因此更容易管理
  • 嵌入式钱包:内置于应用程序中,因此可以使登录变得顺畅
  • MPC(多方计算):使得第三方更容易支持签名,无需托管用户密钥
  • 高级 RPC(远程过程调用)端点:可以识别用户想要的内容并填补空白

所有这些不仅有助于web3更主流,而且可以使用户体验比web2更好、更安全。

模块化技术栈的兴起

普通合伙人Ali Yahya则期待着模块化的兴起。在网络世界中,一种力量总是支配着所有其他力量:网络效应。网络效应往往非常强大,以至于只有两种类型的模块化:增强和加强网络效应的模块化;以及破坏和削弱它们的模块化。在极少数情况下,只有前者才有意义,特别是在开源方面。与此同时,整体架构的优点是允许跨模块化边界进行深度集成和优化,从而带来更高的性能。

但开源、模块化技术堆栈的最大优势在于它可以实现无需许可的创新,允许参与者专业化,并激励更多竞争。我们需要更多这样的东西。

人工智能 + 区块链的结合

斯坦福大学教授Andy Hall和数据科学家Daren Matsuoka则在期待着AI和区块链的结合。他们认为去中心化区块链是中心化人工智能的制衡力量。目前,人工智能模型(如 ChatGPT)只能由少数科技巨头进行训练和操作,因为所需的计算和训练数据对于较小的参与者来说是令人望而却步的。但有了加密技术,就有可能创建多方、全球、无需许可的市场,任何人都可以为需要的人向网络贡献计算或新数据集而做出贡献并获得补偿。利用这种长尾资源将使这些市场降低人工智能的成本,使其更容易获得。

但随着人工智能彻底改变了我们生产信息的方式(改变社会、文化、政治、经济),它也创造了一个充满人工智能生成内容的世界,其中包括深度造假。这里也可以使用加密技术来打开黑匣子,追踪我们在网上看到的事物的起源等等。

我们还需要找出更多的方法来去中心化生成式AI,并以民主方式治理它,以便没有一个行为者最终获得为所有其他人做决定的权力。Web3就是找出如何做到这一点的归宿。去中心化、开源的加密网络将民主化(而不是集中)AI创新,最终使其对消费者更安全。

从“Play to Earn”变成“Play and Earn”

合伙人Arianna Simpson则认为链游会发生变化。在“Play to Earn”(P2E)游戏中,玩家通常可以根据他们在游戏中的时间和努力赚取现实世界的(而不仅仅是虚拟)金钱。这一趋势与正在改变游戏及其他领域的更广泛的转变有关——从创作者经济的兴起到人与平台之间关系的变化。Web3 使我们能够打破当前的规范,即所有玩游戏和交易的收益都只归游戏公司所有。用户在这些平台上花费了如此多的时间,并为这些平台创造了如此多的价值,他们也应该得到补偿。

但游戏不一定是为了成为工作场所而设计的(至少对于大多数玩家而言并非如此)。我们真正需要的是既有趣又能让玩家获得更多创造价值的游戏。因此,Play to Earn正逐渐演变为“Play and Earn”,在游戏和工作场所之间设定了重要的区别。

当AI成为游戏制作者时,加密提供保证

投资合伙人Carra Wu则期待着AI和Web3游戏的结合。作为一个花了很多时间思考 web3 游戏和游戏未来的人,他很清楚游戏中的 AI 代理必须有保证:它们基于某些模型,并且这些模型的执行没有损坏。否则,游戏就会失去完整性。

当故事、地形、叙事和逻辑都是程序生成时——换句话说,当人工智能成为游戏制作者时,我们将想知道游戏制作者是可信的中立。我们将想知道那个世界是带有保证构建的。加密货币提供的最重要的事情就是这样的保证——包括在人工智能出现问题时理解、诊断和惩罚的能力。

从这个意义上说,“人工智能对齐”实际上是一个激励设计问题,就像处理任何人类代理一样,这就是加密货币的全部内容。

形式验证变得不那么形式

研究工程合伙人Karma讨论的则是形式验证。虽然形式化方法在验证硬件系统方面很流行,但在软件开发中却不太常见。对于此类硬系统或安全关键系统之外的大多数开发人员来说,这些方法过于复杂,并且可能会增加大量成本和延迟。然而,智能合约开发商有不同的需求:他们开发的系统处理数十亿美元,错误会产生毁灭性的后果,并且通常无法修复。因此,软件尤其是智能合约开发中需要更易于访问的形式验证方法。

2023 年,我们看到了新一波工具(包括我们的工具)的出现,它们比传统的正式系统具有更好的开发人员体验。这些工具利用了这样一个事实:智能合约在架构上比常规软件更简单——具有原子性和确定性执行;无并发或异常;内存占用小,循环少。通过利用 SMT 求解器性能的最新突破(SMT 求解器使用复杂的算法来识别或确认软件和硬件逻辑中不存在错误),这些工具的性能也在快速提高。

随着开发人员和安全专家越来越多地采用受形式方法启发的工具,我们可以预期下一波智能合约协议将更加强大,并且不易遭受代价高昂的黑客攻击。

NFT成为无处不在的品牌资产

研究合伙人Scott Duke Kominers认为NFT会成为无处不在的品牌资产。越来越多的知名品牌通过NFT的形式向主流消费者推出数字资产。例如,星巴克推出了一项游戏化忠诚度计划,参与者在探索公司的咖啡产品时收集数字资产。与此同时,Nike 和 Reddit 开发了数字收藏品 NFT,并向广大受众推销。

但品牌可以做得更多:他们可以使用 NFT 来代表和强化客户身份和社区归属感;连接实体商品及其数字表现;甚至与他们最忠实的爱好者一起共同创造新产品和体验。在2022年和2023年,我们看到了将廉价 NFT 作为消费品进行大规模收藏的趋势不断增长——通常通过托管钱包和/或L2区块链管理,相应的交易成本也较低。

我相信,今年 NFT 作为数字品牌资产而成为无处不在的许多条件已经具备。

SNARKs走向主流

投资工程师Sam Ragsdale则认为SNARKs会走向主流。

历史上,技术专家验证计算工作量的策略有以下几种:

  1. 在可信机器上重新执行计算
  2. 在专门用于该任务的机器上执行计算,即(TEE 可信执行环境)
  3. 在像区块链这样的公信力强的基础设施上执行计算。

这些策略在成本或网络可扩展性方面都有限制,但现在,SNARKs(简洁非交互式知识论证)变得更易于使用。SNARKs允许由不受信任的证明者计算某些计算工作量的“加密收据”,而该证明者无法伪造:过去计算这样的收据比原始计算多出10^9的工作量;最近的进步正在将这个数字降低到接近10^6。

因此,SNARKs在初始计算提供者可以承担10^6的额外开销且客户无法重新执行或存储初始数据的情况下变得可行。结果产生的用例有很多:物联网中的边缘设备可以验证升级。媒体编辑软件可以嵌入内容真实性和转换数据;而重新混合的模因可以向初始来源致敬。LLM推断可以包含真实性信息。我们可以拥有自我验证的国税局表格、不可伪造的银行审计以及更多有利于未来消费者的用途。

声明:本文为入驻“MarsBit 专栏”作者作品,不代表MarsBit官方立场。
转载请联系网页底部:内容合作栏目,邮件进行授权。授权后转载时请注明出处、作者和本文链接。未经许可擅自转载本站文章,将追究相关法律责任,侵权必究。
提示:投资有风险,入市须谨慎,本资讯不作为投资理财建议。
免责声明:本文不构成投资建议,用户应考虑本文中的任何意见、观点或结论是否符合其特定状况,及遵守所在国家和地区的相关法律法规。
关键字:A16ZNFT