根据 a16z crypto 的观点，人工智能正进入一个新阶段，主要瓶颈不再是模型能力，而是缺乏经济和治理基础设施。
在一系列前瞻性评估中，该公司研究和投资团队成员认为，AI 系统如今已经能够完成实质性工作，从学术研究到金融任务，但缺乏在大规模运作时所需的身份、归因和报酬机制。
因此，a16z 将基于区块链的系统定位为基础设施，而非纯粹的投机性技术。
AI 从“助理”走向“发现”
a16z 加密研究团队成员、哈佛商学院教授 Scott Kominers 表示，在过去一年里，AI 模型取得了快速进展。
他指出，系统已经从难以理解抽象指令，演变为能够以接近高级研究生水平的方式，对复杂问题进行推理的模型。
Kominers 称，AI 越来越多地被用于推理密集型领域的“发现”，包括数学，在这些领域中，模型已经展现出解决顶尖大学水平难题的能力。
这催生了一种以猜想、综合与探索为核心的新研究范式，即便中间输出并不完美。
不过，他也指出，这类工作流往往依赖多层系统，多种模型相互评估并改进彼此输出，由此产生了尚未解决的互操作性问题，以及“如何确认并奖励各种贡献”的问题。
从 KYC 到“了解你的代理”（Know Your Agent）
a16z 提到的另一大挑战是身份问题。
Sean Neville，Circle 联合创始人、Catena Labs 首席执行官表示，如今约束“代理经济”的不再是智能，而是信任。
Neville 指出，在各类金融体系中，非人类身份的数量已经超过人类员工，但多数在实际意义上仍处于“无银行账户”状态。
他认为，正如金融机构对自然人执行 KYC（了解你的客户）规则一样，AI 代理也需要可通过密码学验证的凭证，他将这一框架称为“Know Your Agent（了解你的代理）”。
Neville 表示，如果缺乏这类系统，商家和平台就会继续阻止自主代理在大规模环境下进行交易。
AI 对开放网络的压力
a16z 加密团队投资人 Liz Harkavy 警告称，AI 代理正在对开放网络施加一种“隐形税”，即在绕过广告与订阅等盈利模式的同时，从内容中攫取价值。
她表示，现有授权协议已被证明远远不够，并主张网络需要实时、基于使用量的补偿系统。
她认为，借助区块链的微支付与归因标准，价值可以自动流向内容贡献者。