作者：a16z crypto编译：深潮 TechFlow今年，AI 将承担更多实质性研究任务作为一名数理经济学家，早在 2025 年 1 月，我很难让消费级 AI 模型理解我的工作流程；然而到了 2025 年 11 月，我已经可以像对博士生下达抽象指令那样对 AI 模型进行指令传达……而它们有时还能返回一些新颖且正确的答案。除了我的个人经历之外，AI 正在更广泛地被应用于研究领域，尤其是在推理领域。这些模型不仅直接协助了发现过程，还能自主解决诸如 Putnam 问题（或许是世界上最难的大学数学考试）这样的难题。目前仍然不确定这种研究辅助方式究竟会在哪些领域产生最大帮助，以及具体如何实现。但我预计，今年 AI 研究将推动并奖励一种全新的“多面手”研究风格：这种风格更注重构想各种想法之间的关系，并能够快速从更具假设性的答案中进行推断。这些答案可能并不完全准确，但它们仍能指引研究朝着正确的方向前进（至少在某种拓扑结构下）。颇具讽刺意味的是，这有点像在利用模型“幻觉”的力量：当模型“足够聪明”时，赋予它们抽象的空间去激荡思维，可能仍会产生一些无意义的结果——但有时也会带来突破性的发现，就像人类在不按线性思维或明确方向工作时，反而可能会最具创造力。以这种方式进行推理需要一种新的 AI 工作流程风格——不仅是“代理对代理”的简单互动，而是“代理嵌套代理”的复杂协作模式。在这种模式中，不同层次的模型协助研究者评估早期模型的方案，并逐步从中提炼出精华。我自己已经在用这种方法撰写论文，而其他人则在进行专利检索、发明新形式的艺术作品，甚至（令人遗憾的是）发现新的智能合约攻击方式。然而，要操作这些嵌套推理代理的组合以进行研究，仍需更好的模型之间的互操作性，以及一种识别并适当补偿每个模型贡献的方法——而这些问题，区块链技术或许能够帮助解决。——Scott Kominers（@skominers），a16z 加密研究团队成员，哈佛商学院教授解决开放网络的“隐形税”问题：AI 时代的经济挑战AI 代理的崛起正在对开放网络施加一种“隐形税”，从根本上扰乱了其经济基础。这种扰乱源于互联网“上下文层”（Context layer）和“执行层”（Execution layer）之间日益加剧的不匹配：目前，AI 代理从依赖广告支持的网站（上下文层）中提取数据，为用户提供便利的同时，却系统性地绕过了支撑内容的收入来源（如广告和订阅）。为了防止开放网络的逐步衰退（并保护那些为 AI 提供燃料的多样化内容），我们需要大规模部署技术和经济解决方案。这些方案可能包括下一代赞助内容模式、微归因系统或其他新型的资金支持模式。然而，现有的 AI 授权协议已经证明其在财务上是不可持续的，这些协议往往只能弥补内容提供者因 AI 流量分流而损失收入的一小部分。网络亟需一个全新的技术经济模型，让价值能够自动流动。未来一年中的关键转变，将是从静态的授权模式转向基于实时使用的补偿机制。这意味着需要测试和扩展相关系统——可能利用区块链支持的纳米支付（nanopayments）和复杂的归因标准——以自动奖励每一个为 AI 代理成功完成任务贡献信息的实体。——Liz Harkavy（@liz_harkavy），a16z 加密投资团队