原文作者：Cuy Sheffield，Visa 副總裁及加密業務主管
原文翻譯：Saoirse，遠見新聞
隨著加密貨幣與人工智慧逐步走向成熟，這兩個領域最重要的轉變已不再只是「理論上可行」，而是「在實踐中能可靠落實」。目前，這兩項技術都已跨越關鍵門檻，性能實現了顯著提升，但實際應用的普及率仍然不均。而2026年的核心發展動態，正是源於這「性能與普及」之間的差距。
以下是我長期關注的幾個核心主題，以及對這些技術發展方向、價值積累領域，以至「為何最終的勝出者可能與行業先驅截然不同」的初步想法。
主題一：加密貨幣正由投機性資產類別轉向高質技術
加密貨幣發展的第一個十年，其核心特徵是「投機優勢」——其市場具有全球性、連續性和高度開放性，劇烈的波動性也令加密貨幣交易比傳統金融市場更具生氣與吸引力。
然而，同時其底層技術尚未準備好主流應用：早期區塊鏈速度慢、成本高且穩定性不足。除了投機場景外，加密貨幣在成本、速度或便利性方面，幾乎從未超越現有傳統系統。
現今，這種不平衡的局面正開始轉變。區塊鏈技術已變得更快、更經濟、更可靠，加密貨幣最具吸引力的應用場景已不再是投機，而是基礎設施領域——特別是結算與支付環節。隨著加密貨幣逐漸成為更成熟技術，投機的核心地位將會逐漸減弱：它不會完全消失，但將不再是價值的主要來源。
主題二：穩定幣是加密貨幣在「純粹實用性」上的明確成果
與以往的加密貨幣敘事不同，穩定幣的成功基於具體和客觀的標準：在特定情境下，穩定幣比傳統支付渠道更快、成本更低、覆蓋範圍更廣，同時能無縫融入現代軟件系統。
穩定幣無需用戶將加密貨幣視為「意識形態」去信奉，其應用往往在現有產品與工作流程中「隱性發生」—— 這也讓此前認為加密貨幣生態「波動過大、不夠透明」的機構與企業，終於能清晰理解其價值。
可以說，穩定幣有助於加密貨幣重新錨定「實用性」而非「投機性」，並為「加密貨幣如何成功落地」樹立了明確的標杆。
主題三：當加密貨幣成為基礎設施，「分銷能力」比「技術新穎性」更重要
過往加密貨幣主要擔當「投機工具」角色時，其「分銷」具有內生性——新代幣只需「存在」，便能自然累積流動性與關注度。
而當加密貨幣成為基礎設施後，其應用場景正從「市場層面」轉向「產品層面」：它被嵌入支付流程、平台與企業系統中，終端用戶往往意識不到它的存在。
這項轉變對兩類主體特別有利：一是擁有現有分銷渠道和可靠客戶關係的企業；二是具備監管許可、合規體系和風險防控基礎設施的機構。僅憑「協議新穎性」，已不足以推動加密貨幣的規模化落地。
主題四：AI 智能體具備實用價值，影響正超越編碼領域
AI智能體（Agents）的實用性日益凸顯，但其作用常被誤解：最成功的智能體並非「自主決策者」，而是「降低工作流程中協調成本的工具」。
從歷史來看，這一點在軟件開發領域體現得最為明顯——智能體工具加快了編碼、調試、程式碼重構與環境搭建的效率。但近年來，這種「工具價值」正大幅擴散至更多領域。
以 Claude Code 這類工具為例，儘管它被定位為「開發者工具」，但其快速普及背後反映出更深入的趨勢：智能體系統正成為「知識工作的介面」，而不再僅限於程式領域。用戶開始將「智能體驅動的工作流程」應用於研究、分析、寫作、規劃、數據處理及營運任務——這些任務更偏向「通用專業工作」，而非傳統程式設計。
真正關鍵的並非「氣氛編碼」本身，而是其背後的核心模式：
- 用戶委託的是「目標意圖」，而非「具體步驟」；
- 智能體跨文件、工具與任務管理「上下文資訊」；
- 工作模式由「線性推進」轉向「反覆性、對話式」。
在各類知識工作中，智能體擅長收集上下文、執行限定任務、減少流程交接、加快迭代效率，但在「開放式判斷」、「責任歸屬」與「錯誤修復」方面仍存在不足。
因此，目前大多數用於生產場景的智能體仍需「限定範圍、接受監督、嵌入系統」，而非完全獨立運作。智能體的實際價值，源於「知識工作流程的重構」，而非「替代勞動力」或「實現完全自主」。
主題五：AI 的瓶頸已從「智能水平」轉向「信任度」
AI模型的智慧水平已經實現快速提升，現今的限制因素已不再是「單一的語言流暢度或推理能力」，而是「在實際系統中的可靠性」。
生產環境對三類問題零容忍：一是 AI「幻覺」（產生虛假資訊），二是輸出結果不一致，三是故障模式不透明。一旦 AI 涉及客戶服務、資金往來或合規環節，「大致正確」的結果已無法被接受。
「信任」的建立需要四個基礎：一是結果可溯源，二是具備記憶能力，三是可驗證，四是能主動暴露「不確定性」。在這些能力足夠成熟前，AI 的自主性必須受到限制。
主題六：系統工程決定 AI 是否能在生產場景中落實
成功的 AI 產品，會把「模型」視為「組件」而非「成品」—— 其可靠性源於「架構設計」，而非「提示詞優化」。
這裡的「架構設計」包括狀態管理、控制流程、評估與監控系統，以及故障處理及恢復機制。也正因如此，現今 AI 的發展越來越接近「傳統軟體工程」，而非「前沿理論研究」。
長期價值將會傾斜至兩類實體：一是系統建設者，二是擁有控制工作流程與分銷渠道的平台擁有者。
當智能體工具從程式編碼領域擴展至研究、寫作、分析及營運流程時，「系統工程」的重要性將進一步凸顯：知識工作往往複雜、依賴狀態資訊且上下文密集，這使得「能可靠管理記憶、工具與迭代過程」的智能體（而非僅能生成輸出的智能體）更具價值。
主題七：開放模型與集中控制的矛盾，引發尚未解決的治理問題
隨著 AI 系統能力增強，與經濟領域融合加深，「誰擁有並控制最強大的 AI 模型」這個問題，正引發核心矛盾。
一方面，AI 前沿領域的研發仍屬「資本密集型」，且受「算力獲取、監管政策與地緣政治」影響，集中度日益提升；另一方面，開源模型與開源工具在「廣泛實驗、便捷部署」的推動下，持續迭代優化。
這種「集中與開放並存」的格局，引發了一系列懸而未決的問題：依賴風險、可審計性、透明度、長期議價能力，以及對關鍵基礎設施的控制權。最有可能的結果是「混合模式」—— 前沿模型推動技術能力突破，而開放或半開放系統則將這些能力融入「廣泛分佈的軟件」之中。
主題八：可編程貨幣催生新型智能體支付流
當 AI 系統在工作流程中發揮作用時，它們對「經濟互動」的需求日益增加——例如為服務付款、調用 API、向其他智能體支付報酬，或結算「按使用量計算的互動費用」。
這項需求令「穩定幣」重新受到關注：它被視為「機械原生貨幣」，具備可編程、可審計，而且無需人工干預便可完成轉移。
以 x402 這類「面向開發者的協議」為例，儘管目前仍處於早期實驗階段，但其指向的方向十分明確：支付流程將以「API 形式」運行，而非傳統的「結賬頁面」—— 這能讓軟件智能體之間實現「持續、精細化的交易」。
現時，這個領域仍處於幼稚階段：交易規模小、用戶體驗粗糙、安全與權限體系仍在完善中。但基礎設施的創新，往往就是從這樣的「早期探索」開始的。
值得注意的是，其意義並非「為自主而自主」，而是「當軟件能透過程式完成交易時，新的經濟行為將成為可能」。
結語
不論是加密貨幣還是人工智慧，在發展初期都更偏愛「吸引眼球的概念」與「技術新穎性」；而在下一個階段，「可靠性」、「治理能力」與「分銷能力」將成為更重要的競爭維度。
現今，技術本身已不再是最主要的限制因素，關鍵在於「將技術嵌入實際系統」。
在我看來，2026 年的標誌性特徵並非「某項突破性技術」，而是「基礎設施的穩步積累」—— 這些設施在默默運轉的同時，也在悄然重塑「價值流轉方式」與「工作開展模式」。