Big Ideas 2026: New Infrastructure Primitives

播客摘要：加密原生思维、自主科学与绿地战略——2026年三大基础设施构想

概述

本期a16z播客探讨了2026年三大前瞻性基础设施构想：可编程货币的演进、自主科学实验室的兴起以及面向初创公司的“绿地分销战略”。这些构想并非对现有系统的渐进式改进，而是可能催生全新市场和工作流程的基础性变革。核心观点在于：采用加密原生思维、降低运营摩擦、抢占早期生态位将成为未来创新的关键。

关键话题与核心观点

1. 可编程货币的下一阶段：从稳定币到链上信贷与合成资产

主讲人：Guy Wiliet (a16z加密团队普通合伙人)

• 现状与局限：稳定币已走向主流，但其当前模式类似“狭义银行”（将存款以法币或国债形式持有），难以支撑链上金融的大规模扩展。
• 核心构想：链上信贷发起和资产永续化，而非简单地将传统资产代币化（复制上链）。
  • 链上信贷发起：直接在区块链上原生地创建贷款，而非先将链下贷款代币化。这能大幅降低后台成本（如贷款服务费，可占1%-3%），并增强不同DeFi协议间的可组合性。
  • 资产永续化：为传统资产（如股票）创建链上永续期货衍生品，而非直接代币化。这种方式更容易扩展至高名义价值，尤其适用于新兴市场（如印度股市），因为其衍生品市场（如零日期权）需求旺盛。
• 未来方向：
  • 合成美元：由一篮子链下金融资产或结构化产品（如现金套利交易、基础设施资产）抵押的美元计价代币，能提供更高收益和更丰富的抵押品选择。
  • 机会领域：创建“合成美元工厂”，将有趣的交易策略产品化；帮助管理现有稳定币的抵押品，发挥更积极的作用。

关键引言：

“从长远来看，我认为我们不太可能完全通过狭义银行来扩展链上金融……我一直在更多地思考如何促进链上的信贷和资本形成。”
“在链上创建传统资产的合成表示，比今天在链上创建这些资产的字面副本更容易扩展。”

2. 自主科学：AI推理与机器人学习加速实验室自动化

主讲人：Oliver Shou (a16z美国活力团队合伙人)

• 当前阶段：我们正处于科学家、AI系统与实验室自动化机器人协作的阶段，而非完全自主的科学。
• 近期关键：可解释性与可追溯性。对于科学研究，理解AI系统“为何”做出特定实验决策至关重要，需要详细记录协作过程。
• 最终愿景：实现完全自主的科学闭环——AI自主提出假设、规划并执行实验、分析结果、迭代优化，无需人工干预。这需要AI在数学推理、物理推理、模拟和机器人学习等领域的能力进一步提升。
• 采纳驱动力：自主实验室将首先在研究成果有成熟买家的市场被采纳，例如：
  • 生命科学与制药
  • 化学工业
  • 材料科学
• 生态现状：已有初创公司（如Periodic Labs, Medra, Chemify）专注于此，同时存在政府、学术界与私营部门的广泛合作（如美国能源部的Genesis Mission），共同推动AI驱动的科学发现。

关键引言：

“对于研究来说，真正重要的是你希望真正理解系统为什么在做它正在做的事情……为科学研究专门构建的系统可能会非常注重可解释性。”
“自主实验室和自主科学首先被采纳的地方，可能更多取决于其所在市场的特性。”

3. 绿地分销战略：在创立阶段锁定初创公司客户

主讲人：James da Costa (a16z应用投资团队合伙人)

• 核心挑战：初创公司如何在与积极添加AI功能的现有企业的竞争中，快速实现分销规模化？
• 破局战略：“绿地战略”——专注于向其他处于创立阶段的初创公司（尤其是AI原生初创公司）销售产品。
• 战略优势：
  1. 决策简单：客户利益相关者少，通常只需说服CEO或几位创始人。
  2. 需求匹配：客户不需要完整、复杂的解决方案，且当前无现有方案，转换成本为零。
  3. 共同成长：伴随客户从初创公司成长为大型企业，供应商也能随之壮大，并积累成功案例。
• 成功案例：Stripe早期服务当时尚不存在的初创公司，并伴随其成长；Mercury与大量Y Combinator孵化公司合作。
• 执行要点：
  1. 寻找持续客户源：与YC、Speedrun等创业加速器合作，接触每一批新公司。
  2. 聚焦单一痛点：找到一个狭窄的切入点（如AI优化的CRM、HR工具），并用AI做出显著改进。
  3. 快速迭代与扩展：随着客户成长，快速增加功能，扩展产品范围，降低客户流失风险。
  4. 把握“毕业时刻”：当客户从小型工具（如QuickBooks）升级到企业级方案（如NetSuite）时，提供平滑的迁移路径。

关键引言：

“现有企业很难向初创公司销售产品，因为他们受制于利润表的规则……作为一个新的初创公司，你还在摸索阶段，你只需要让你的初始产品进入客户手中。”
“如果你能在公司创立阶段吸引所有新公司，然后与它们共同成长，那么当你的客户成长为大型企业时，你也会随之壮大。”

核心要点与启示

1. 思维模式转变：无论是金融、科学还是软件，采用原生、可组合、低摩擦的构建方式（如加密原生思维）往往比简单复制旧模式更具效率和扩展潜力。
2. 基础设施的复合效应：真正强大的新基础设施（如链上信贷原语、自主实验室系统、绿地分销网络）能催生全新的系统和市场，而不仅仅是优化现有流程。
3. 抢占生态位是关键：在技术变革期，服务于新兴生态的早期建设者（如向其他AI初创公司销售）是一个被低估但强有力的增长策略，能建立深厚的客户关系和竞争壁垒。
4. 可解释性是信任基石：在AI深入参与关键领域（如科研）时，过程的透明与可解释性是获得采纳和信任的前提。
5. 从协作走向自主：高级自动化（如自主科学）的发展路径通常是从人机协作开始，在能力逐步完善后，再迈向完全自主的闭环。

总结：本期播客描绘了一个由更高效的金融基础设施、AI增强的科学发现流程和聚焦新生态的分销策略共同构成的未来图景。成功的关键在于拥抱原生思维、降低系统摩擦，并敏锐地抓住新兴生态系统的早期增长机会。