a16z 2026 AI 三大預測：研究型 AI 崛起、KYA 接棒 KYC、網路隱形稅危機 

隨著 2025 年下半年推理模型能力快速進化，AI 進入 2026 年的競爭焦點正從更聰明轉向更能做事、能被信任、能被正確計價。a16z crypto 研究與投資團隊三位成員近日分別從研究工作流、代理人（agent）身分基礎設施，以及開放網路的經濟模型三個面向，提出他們對 2026 年 AI 發展的三大趨勢判斷。

哈佛教授 Scott Kominers 預測 2026 年 AI 能從助理走向研究夥伴，提出具創造力的觀點。他表示 2025 年 11 月他已經能夠用近似博士生的抽象指令與模型互動，且得到新穎的答案。

Circle 共同創辦人 Sean Neville 認為讓 AI 代理可以作為一個主體交易，可追溯、可授權、可驗證的 KYA (Know your Agent) 將是關鍵趨勢。

a16z crypto 投資團隊的 Liz Harkavy 則認為 AI 從網路上抽取內容、做大自己，卻不為網路貢獻廣告流量，導致網路的語境層與執行層的利益高度錯配。他主張應在在代理人任務成功時，將報酬分配給每一個提供資訊、數據或內容貢獻的實體。她也提到，區塊鏈支援的奈米支付（nanopayments）與更成熟的歸因標準，可能是可行的技術路徑之一。

趨勢一：AI 從助理走向研究夥伴，更能承接實質研究任務

a16z crypto 研究團隊、同時也是哈佛商學院教授的 Scott Kominers 表示，2025 年初要讓消費級 AI 模型理解他的研究工作流仍相當困難，但到了 2025 年 11 月，他已能用近似指導博士生的抽象指令與模型互動，且模型有時會回傳新穎、且正確執行的答案。

2026 AI 將出現新型博學式研究風格

Kominers 指出，AI 在研究領域的使用正變得更普遍，尤其在需要推理的學科中，模型已開始直接協助探索，甚至能自動解題如 Putnam 這類被認為極具難度的數學競賽題型。至於哪些學科會最受益、以及受益方式為何，仍是未解問題。

但他預期 2026 年會出現一種新型博學式（polymath）研究風格：研究者更重視提出跨概念關聯的猜想（conjecture）、並快速從仍偏猜想的答案中外推可驗證的方向。

AI 研究進化仍伴隨幻覺風險，加密技術可提供助力

他也坦言，這種研究法必然伴隨不準確與幻覺風險，但在模型足夠聰明時，給予抽象空間讓其發散，反而可能像人類創造力一樣，偶爾撞出突破點。他提出 2026 年研究型 AI 工作流將更像代理包裝代理（agent-wrapping-agent）：用多層模型互相評估、校驗、再綜合結論。

不過，Kominers 也提醒，若要大規模運行這種推理代理人集群，需要更好的模型互通性（interoperability），以及能辨識並合理補償各模型貢獻的方法。而這兩個問題，他認為加密技術可能提供助力。

趨勢二：從 KYC 走向 KYA，認識你的代理人成代理經濟瓶頸

Circle 共同創辦人、USDC 架構設計者，現任 Catena Labs CEO 的 Sean Neville 則將焦點放在代理經濟（agent economy）的關鍵瓶頸：正在從智能（intelligence）轉向身分（identity）。

Neville 指出，在金融服務等場域，非人類身分（non-human identities）的數量已遠超人類員工，甚至達到 96 比 1，但這些身分多數仍是無法開戶、無法承擔責任的幽靈。因此他主張，下一個關鍵原語（primitive）是 KYA（Know Your Agent）。

依其定義，KYA 要解決的是：代理人若要代表某個主體進行交易，必須具備可驗證、可追溯、可責任歸屬的憑證。就像人類需要信用評分才能借貸，代理人也需要具加密簽章的憑證來連結其委託人（principal）、行為約束（constraints）與責任（liability）。在 KYA 缺位之前，商家與服務提供者仍會選擇在防火牆層級封鎖代理人的存取，以避免詐欺、濫用與責任不明。

他也直言，過去花了數十年建立起來的 KYC 產業與監管框架，如今可能只有數個月時間去摸索並落地 KYA。

趨勢三：AI 代理對網路施加隱形稅，內容價值被抽取，收益被繞過

a16z crypto 投資團隊的 Liz Harkavy 則聚焦在開放網路的經濟基礎正被代理人重塑。她形容，AI 代理人的崛起正在對 open web 施加一種隱形稅 (invisible tax)：代理人從以廣告支撐的網站抽取內容（她稱為 Context layer），為使用者提供更便利的答案與操作（Execution layer），但過程中系統性繞過了支撐內容生產的收入來源：例如廣告曝光、訂閱轉換與導流。

Harkavy 認為，這導致網路的語境層與執行層的利益高度錯配：內容供給者承擔成本、代理人與平台吸收價值、而原本的變現路徑被截斷。她指出，現行的 AI 授權交易（licensing deals）多半只是遮羞布，且常以內容方已損失流量收入的一小部分作為補償，長期看仍可能財務不可持續。

她主張，若要避免開放網路被掏空（同時也保護 AI 依賴的多樣內容來源），2026 年需要大規模部署技術與經濟解法：例如新一代贊助內容模式、微型歸因（micro-attribution）系統、或其他新型資助模型。關鍵轉折在於把靜態授權推進到即時、用量計價的補償（real-time, usage-based compensation），讓價值能自動流動。

並在代理人任務成功時，將報酬分配給每一個提供資訊、數據或內容貢獻的實體。她也提到，區塊鏈支援的奈米支付（nanopayments）與更成熟的歸因標準，可能是可行的技術路徑之一。