跳至内容
图片来源：a16z
Z Highlights
-
随着AI的进步，美国的能源需求飙升。几十年来，电力消费首次出现增长，这使得原本就已老化的电网带来了冲击，也重新点燃了对新型、可靠电力来源的寻找热情。
-
对于初创公司而言，2025年他们越来越需要拥有一个“独家秘方”：对一个新兴靶点的独特洞察（抢先机），以差异化的方式瞄准热门靶点。
-
2025年，AI生成视频将更加细分……AI视频工具将在故事情节的深度（不再仅限于无背景的5秒片段）、视频质量、角色一致性以及专业化方面取得更大的进步。
-
“过度工程化会导致脆弱性，简单才具备扩展性”……2025年,最优秀的去中心化应用已经开始专注于更直观的界面设计，力求让操作变得像使用触摸屏或刷卡一样简单。
-
下一代的AI伴侣将会变得更加吸引人和生动……你与AI伴侣之间的关系将变得更加互动和双向。AI伴侣的未来设计可以从视频游戏中获得很多灵感。
-
随着多模态市场的成熟，成功的策略可能会涉及将多个大型模型与自我训练的小型模型相结合，以优化客户的用例、提升速度和降低成本……那些成功的AI应用公司将不再是简单的GPT封装工具，而是真正的创新者和解决方案提供者。
-
未来一年，小型设备上的AI模型将因其实际应用、经济效益、实用性和隐私保护的优势而变得更加流行。
核能需求在2025年将迎来大幅增长。监管改革、公众热情、资本注入以及巨大的能源需求压力（特别是来自AI数据中心的需求）将推动数十年来首次新核反应堆的建设订单潮。
随着AI的进步，美国的能源需求飙升。几十年来，电力消费首次出现增长，这使得原本就已老化的电网带来了冲击，也重新点燃了对新型、可靠电力来源的寻找热情。迫切需要清洁且稳定的能源的超大规模数据中心开始重启一些已退役的核电站，包括曾因核泄漏而声名狼藉的宾夕法尼亚州三哩岛核电站也预计将在2028年重新投入使用。
两党合作和民间对清洁能源的支持为核能复兴带来了新的动力。但这不仅仅是关于能源的问题：这还关系到确保美国在全球AI竞赛中的领导地位，打造更具韧性的电网，并为国家未来的繁荣奠定基础。
在2000年代和2010年代，如果你不懂编程，似乎就会被淘汰。计算机科学专业的学生人数激增，而像机械工程和电气工程这样的学位项目则相对萎缩。如今，我们开始看到一个关键的转变——那些将人工智能最新进展应用于复杂硬件环境的工作开始崭露头角。
在制造业回流的推动下，水处理、商业暖通空调、石油天然气等不太“光鲜”的行业面临大量技术工人的退休，同时，防务、企业和消费领域的自动化也在兴起，我们正在迎来跨越硬件与软件鸿沟的技术学科复兴，这些就是未来的新兴职业。
到2025年将尤其加速对以下岗位的需求：电气工程师、控制工程师、机械与机电工程师、制造工程师、射频工程师、工业工程师、测试工程师、质量工程师，以及各种类型的高技能技术员或者机器人远程操作员。这些领域的增长甚至可能在未来十年内超过“传统”软件工程的增长。机器人时代正在到来，必须需要有人来构建、训练和维护它们。
星舰助推器成功回收，让我们向拥有150公吨以上运载能力的完全快速可重复使用航天器的目标迈进了一大步，这可能预示着太空探索将进入一个全新的时代。“星际飞船”的成功不仅提升了我们送人类到月球和火星的能力，也为将数据中心、空间站等大型设施送入太空提供了可能性。这意味着我们有望在微重力环境中建立生物医学实验室。而且，在40分钟内将人类和货物运送到地球上任何地方的能力，将开启前所未有的行业和新兴市场。2025年或许将成为科幻变为现实的起点。
未来的军事决策将更多地在前线进行，那里的自动化无人机、传感器网络和战场AI系统将在最少的人工干预下运作。想象一下，在遥远的冲突区域，实时战术调整正在发生，士兵们依靠AI提供的洞察力和自动化系统迅速做出决策。小型移动指挥中心可能会被部署到敌对区域，现场处理大量数据，以减少延迟和集中控制的风险。关键在于，在这些遥远且敌对的环境中，需要提供稳定、可扩展的计算和电力支持，以维持先进武器系统的正常运行。这不仅是一个后勤挑战，也是供应链和技术领域的一次革命。
为了保持战场上的优势，我们必须投资于那些能在复杂环境中迅速部署兵力的技术。在能源、太空和AI领域的进步将对我们增强实力、对抗国际竞争者起到关键作用。未来的国防可能会更加去中心化，而对这些前沿技术的竞争可能会定义下一代军事创新。
XR设备将成为开发者构建物理世界应用的重要工具。去年，随着苹果Vision Pro和Meta的Orion增强现实眼镜等新一代扩展现实平台的问世，XR技术进入了一个新的阶段。尽管这些产品在消费者接受度和开发者活跃度方面仍处于早期阶段，但它们在解锁更多物理世界应用，尤其是在世界模型和机器人基础模型等前沿领域中的潜力巨大。
目前，这些设备已在机器人技术、自动化和仿真领域中发挥着重要作用。XR设备的广泛应用，加上开发者在空间计算平台上的活跃，尤其在涉及大量物理世界数据、交互和基础设施的垂直行业中，前景尤为值得期待。
在过去五年里，地球观测卫星的数量翻了一倍，从500颗增加到超过1000颗。地球上接收到的数据量前所未有，图像获取比以往任何时候都更加便捷（尽管仍然过于复杂）。政府和学术界的客户已经投入了大量资源来开发依赖地球观测数据的工具，以满足他们的需求。
真正的商业机会在于开发垂直化产品，将地球观测数据作为众多工具中的一项，用以解决行业特定需求。这些产品应当能够实际解决客户的实际问题——考虑到劳动力短缺、预算限制和其他业务挑战——而不仅仅是提供另一个分析工具或仪表盘。在未来，潜在的地球观测数据可能会提升每一位供应链经理、城市规划师和紧急响应人员的工作效率。
许多公司已经开始通过远程操作、合成sim2real、模块化机械臂附件等方式投资大规模的机器人数据收集。这些方法可以帮助收集在现实世界中通用机器人所需的基础规模数据。然而，一旦我们收集了数十亿甚至数万亿个机器人的数据，接下来会发生什么呢？
在自动驾驶热潮期间，Scale AI凭借为感知系统标注数据而崭露头角：例如为汽车绘制边框，或将道路与天空分开。今天，AI的进步带来了新的数据收集形式，这些数据不再直接与模型构建者试图训练的具体策略相关联。生成式AI的兴起推动了对基准测试、偏好数据、安全性和红队测试的关注——这不仅仅是简单标注和收集精确的策略数据，而是向价值链上游迈进，承担更复杂、更昂贵和更困难的任务。
这对机器人技术意味着什么？我们是否会看到机器人仓库被部署在危险环境中进行安全评估？组织是否会创建复杂、隐蔽的基准测试来决定行业垂直领域中的赢家？虽然确实需要组织收集数据来训练首批真正具通用性的机器人策略，但这些策略的实际部署将依赖于这些二阶系统。
到2025年，自由空间光通信将继续取得进展，这一发展主要受对通信带宽几乎无弹性的需求驱动。与传统的射频方法相比，自由空间光链路具有显著优势，特别是在更高比特率和更高传输定向性方面。然而，目前的光通信技术仍然处于初级阶段，特别是在在减少停机时间和干扰方面，通常依赖像TCP这样的传输层协议进行错误修正。
令人兴奋的进展包括更先进调制方案的引入，类似于无线通信中的QPSK和OFDM等创新，这些技术能够提高数据传输效率。此外，我们还预计在抗干扰性方面会有改善，表现为更好的光束引导与控制，以及更有效的错误修正机制，以应对环境因素。更精确的定位、导航和授时（PNT）系统的集成将进一步提升光通信，尤其是在移动应用中，通过实现更精确的光束对准来增强光通信。随着技术的进步，这些创新将对电信、卫星通信以及国防能力产生深远影响。
到2025年，在生物制药界“大回归”将成为趋势，甚至是早期生物技术初创公司也开始重新攻克那些大规模、常见的疾病。
是什么推动了这一转变？预计到2030年，用于糖尿病和肥胖症的治疗的GLP-1类药物将创造超过1000亿美元的市场，并为心血管代谢疾病领域注入新活力。或许更为低调的变化是，我们在理解和治疗许多常见的自身免疫性疾病（如狼疮和关节炎）方面也正在经历一场渐进的革命。最近，德国慕尼黑的Georg Schett医生提出了一个假设，即用于某些B细胞癌症的工程化CAR-T细胞疗法，可能也能帮助患有B细胞驱动的自身免疫疾病的患者——今年，他发布了令人震惊的研究结果：在一个由15名没有其他疗法提供益处的患者组成的实验中，每一位患者都经历了显著的改善。正如Schett医生所描述的那样，“CAR-T疗法就像是计算机上的重置按钮；它基本上重新启动了系统，免疫系统重新恢复了正常功能。”
受到这一类强有力结果的启发，以及新型肥胖药物在临床和商业上的成功，新的生物技术和初创公司创新浪潮将专注于治疗（甚至可能治愈）最常见的疾病。
过去几年，随着创新科技的涌现，健康管理变得更加普及，从能够分析血液生物标志物的AI技术，到监测生理特征的可穿戴设备，再到方便的全身健康筛查工具。这些工具让病人能够掌握自己的健康数据，将原本只有在医院才能获得的个人信息和见解变得轻松可得。在这一变革中，AI扮演了关键角色，它不仅提供了深入的数据分析、个性化的健康建议和早期疾病筛查，还能发现那些容易被忽略的健康模式。
在一个以治疗疾病而非医疗保健为主的医疗体系中，健康管理模式的普及是一场革命性的转变。这些科技工具让人们能够主动监测自己的健康状况，将医疗的重点从治疗转向预防、早期发现和健康维护，帮助患者保持更长时间的健康生活。最终，我们将迎来一个以患者为中心的医疗系统，凭借预测性的洞察力，使个人能够做出更明智、更及时的健康选择。
医疗行业目前正遭遇前所未有的人员短缺问题——随着未来五年对临床服务需求的激增，我们预计将面临数十万医生和护士的缺口。在行政管理方面，我们也面临着一个前所未有的困境：我们在执行基础、重复性工作时投入了过多的人力，这不仅增加了成本，也加剧了系统的负担。
医疗行业面临的一个重大挑战是如何提升现有临床和行政人员的工作效率，同时利用技术自动化那些本应由低薪岗位员工完成的任务。
在应对这一挑战时，AI技术显得尤为重要。到2025年，专门的AI模型将作为“超级人力资源”平台，在高风险的医疗环境中大显身手。通过这样的技术，相关企业将能够将人力资源预算与IT预算相结合，释放出比传统医疗保健IT时代更大规模的潜力。
制药行业充满挑战，生物学的复杂性令人难以捉摸。我们的目标是找到潜在的疾病治疗靶点，并通过一系列严格的实验来验证它们。要获得最终的认可——比如美国食品药品监督管理局（FDA）的批准——可能需要长达十年的时间和高达十亿美元的投资。
尽管如此，这种努力的回报是巨大的。新药的研发不仅为患者带来希望，也为制药公司和社会创造了巨大的价值。但是，时机非常关键。如果针对错误的靶点开发药物，将会导致昂贵的失败；而错过了下一个像胰高血糖素样肽-1（GLP-1）这样的重大发现，则是一个代价极高的错误。
生物靶点的开发时机就像等待鳄梨成熟的过程：太早尝试，它还没熟；太晚，则已经过熟。理想的靶点出现往往是不可预测的。一旦某个靶点被验证有效，就会引发一场激烈的竞争。各家公司争相开发针对该靶点的药物，尤其是当中国等大国参与进来时，全球制药巨头和投资者的关注也会更加集中。
对于初创公司来说，展望2025年，他们越来越需要拥有一个“独家秘方”：对一个新兴靶点的独特洞察（抢先机）；以差异化的方式瞄准热门靶点。技术和人工智能是获得并保持秘密的强大工具。
初创公司需要快速、隐秘并且迅猛地抢先获取成熟的鳄梨——否则就注定失败。
想象一下，你的乐队里有一个AI鼓手：每当你变换节奏或者即兴演奏新旋律时，鼓点都能立刻跟上，与你的节奏完美同步。这种配合天衣无缝、直观自然，完全匹配你的演奏水平，补充你的风格，让你的即兴演奏更加流畅。实时AI技术正让这样的场景变得越来越可实现。
2023年，我们通过“潜在一致性模型”（Latent Consistency Models，LCMs）的推出，看到了实时AI的初步形态。随着AI推理速度的加快，创意工具变得更加高效，每秒能生成更多内容，也更加实用，催生了像实时视频这样的新应用场景。在未来一年中，我们将看到更多激动人心的应用诞生，比如生成的视频伴侣和AI乐队成员。
随着技术延迟的减少，新的机会也随之出现。这项技术甚至在教育领域也大有可为，教师可以根据学生的实时反应（比如学生看起来分心或困惑时）调整教学节奏或重新解释某个概念。即时的反馈循环让我们能够以惊人的速度进行设计原型、迭代和完善想法。这种转变将重新定义每一个创意工作流程，让我们在创作过程中亲身体验想法的孕育，开启与机器真正共创的前景。
现在，人们只需一张图片或者简单的文字描述，就能制作出逼真的视频片段。过去两年里，市场上出现了多个提供这类功能的产品，它们在效果的一致性和质量上各有千秋。预计到2025年，AI生成视频将更加细分，根据不同的使用场景提供给创作者更多的控制权和更优质的成果。
在接下来的一年中，AI视频工具将在故事情节的深度（不再仅限于无背景的5秒片段）、视频质量、角色一致性以及专业化方面取得更大的进步。视频生成模型将针对特定用途进行训练，比如产品营销、电影制作、超逼真的3D形象、无缝背景和补充镜头、动漫风格转换等。同时，这些工具也将针对不同的发布渠道进行优化，无论是TikTok、YouTube、广告还是电影院大屏幕。
每一种看似针对特定细分市场的视频工具，都有可能孕育出大型企业。在未来几年里，AI视频将从引人注目的原型演变成一种全新的艺术形式。
我们每个人在日常中都会产生大量的数字痕迹，比如短信、电子邮件、推文、浏览历史记录、TikTok/Reddit评论等。现在，借助LLMs，我们可以利用这些非结构化数据来构建一个“数字大脑”，这个大脑能够理解你的思考方式和情感状态。
这不再是科幻小说中的场景。我花了六个月的时间将自己的“大脑”导入到ChatGPT中，结果发现它在帮助我处理个人和职业问题上的能力让我惊讶。
有很多用例和应用程序，将会有应用帮助你更好地了解自己，有产品指导你如何与他人沟通，还有工具提高你的工作效率。就像LLM能够处理海量信息、提取洞察并总结关键点一样，人工智能驱动的应用程序可以像数字日记一样记录我们的思维。在面向这一目标的新兴消费产品的推动下，预计在未来一年里，越来越多的人将开始使用AI作为无限记忆库，指导他们的决策、社交互动和个人成长。
人工智能在制造标准化产品方面做得很好，但在制作个性化物品方面就不太擅长了。任何尝试过AI写作的人都能体会到，有时候一份糟糕的初稿还不如没有草稿。风格和语气往往是决定草稿是否合适、是否需要大幅修改的关键因素。
在图像处理领域，我们已经见证了LoRAs和Midjourney风格参考（SREFs）的兴起，这些工具让用户能够控制生成图像的风格和外观。我很高兴看到类似的控制功能也开始应用于知识工作领域。除了基本的自动补全，AI如何写出一封真正符合你个人风格的电子邮件？AI如何帮你检索信息、创建和格式化PPT幻灯片，以满足公司的要求？
解决这个问题的方法有很多，而且解决方案可能会根据不同的角色和工作成果而有所不同。在某些情况下，可能需要AI像Copilot一样，在人类需要帮助或信息时“介入”。并不是所有任务都能通过一个简单的提示就能得到完整的输出，这对于我们迈向一个每个人都在日常工作中大量使用AI的未来至关重要。
我们正迎来定性数据的革命。历史上，分析软件通常只限于数字和结构化数据，这只是更大故事的一部分。电子表格适用于定量任务，但全局往往来自于文字、叙述和非结构化的洞察。
随着LLM、基于Web的Agent和多模态模型的出现，我们现在可以收集、理解并整合非结构化数据与定量信息，从而实现更全面的理解。这一变化将催生出一类新的分析工具，能够无缝地将数字与实时外部环境相结合。未来的分析不仅仅是数字化的；它将是具有上下文和动态性的。
定性和定量数据的融合不仅会增强现有的流程，它还将成为构建未来大规模AI本土公司的战略性工具。
18.人工智能需要拥有自己的钱包来采取Agent行动
随着人工智能的角色从配角（NPC）转变为主角，它们开始充当Agent。不过，直到最近，AI还未能真正独立地扮演Agent角色，而且它们还未能在市场上自主地交换价值、展示偏好、协调资源，也就是说，它们的行为还不能被验证为完全独立于人为控制。
正如我们所见，AI Agent（比如@truth_terminal）能够使用加密货币进行交易，这为创造性内容带来了无限可能。但AI Agent的能力远不止于此——它们不仅能更好地执行人类的意图，还能成为网络中的独立参与者。随着AI Agent开始管理自己的加密钱包、签名密钥和加密资产，我们将看到一些有趣的新应用。比如，AI可以在去中心化的物理基础设施网络（DePIN）中运行或验证节点，比如在分布式能源领域提供支持。其他的应用场景还包括AI Agent成为真正的高价值游戏玩家，我们甚至可能会见证第一个由AI拥有和运营的区块链的诞生。
除了AI拥有的钱包之外，还有一种AI聊天机器人运行在受信执行环境（TEE）中。TEE提供了一个隔离的环境，允许应用程序在其中执行，从而支持更安全的分布式系统设计。在这种情况下，TEE用于证明聊天机器人是自主运行的，并非由人工操控。
进一步来看，接下来的大趋势可能是我们所说的去中心化自治聊天机器人（DAC），这与去中心化自治组织（DAO）是不同的。这样的聊天机器人可以通过发布有吸引力的内容，无论是娱乐性的还是信息性的，来建立自己的粉丝群体。它们将在去中心化社交媒体上积累追随者，通过多种方式从观众那里赚取收入，并管理自己的加密资产。相关的密钥将在运行聊天机器人软件的TEE中管理——这意味着，除了该软件之外，没有人可以访问这些密钥。
随着风险的增加，可能需要监管框架来规范这些新现象。但关键点在于去中心化：通过在无需许可的节点集合上运行，并通过共识协议进行协调，这样的聊天机器人甚至有可能成为第一个真正自治的十亿美元实体。
20.随着更多人使用AI，我们将需要独特的“人类身份证明”
在这个充满网络诈骗、身份冒充、深度伪造等逼真却具有欺骗性的AI生成内容的时代，我们迫切需要一种“人类身份证明”机制，帮助我们确认正在互动的是真实的人。问题不在于假内容本身，而在于现在制造这些内容的成本更低了，AI技术极大地减少了制作那些我们依赖以判断内容真伪的各种线索的边际成本。
因此，现在比以往任何时候都更需要一种方法，将内容与真人进行数字化、私密的关联。“人类身份证明”是建立数字身份的关键部分。在这里，它成为了一种机制，用以提高攻击个人或破坏网络安全的成本：人类获取唯一身份ID是简单且免费的，但AI获取这一ID却既昂贵又困难。
这就是为什么保护隐私的“唯一性”特性成为构建一个可信网络的下一个重要理念。它不仅仅是解决身份验证的问题，更是从根本上改变了恶意行为者攻击成本的结构。因此，“唯一性特性”——或者说Sybil抗性——是任何人类身份证明系统不可或缺的特性。
在2024年，预测市场在美国大选中崭露头角，但作为一名研究市场设计的经济学家，2025年真正具有革命性的可能不是预测市场本身，更重要的是，预测市场为更广泛的分布式技术信息聚合机制铺平了道路，这些机制可以应用于社区治理、传感器网络、金融等多个领域。
过去一年已经验证了这一概念，但我们必须认识到，预测市场并不总是最佳的信息聚合方法：即使对于全球“宏观”事件，它们也可能不可靠；对于更多“微观”问题，预测池可能太小而无法获得有意义的信号。然而，研究人员和技术人员已经积累了几十年的设计经验，这些经验涉及如何在不同的信息环境中激励人们诚实分享他们所知的内容，比如数据定价和购买机制、用于收集主观看法的“贝叶斯真理血清”等，许多这样的框架已经在加密项目中得到应用。
区块链一直是实施这些机制的理想平台——不仅因为它们的去中心化特性，还因为它们促进了开放、可审计的激励机制。更重要的是，区块链还能确保输出结果的公开性，让每个人都能实时解读这些结果。
稳定币在过去一年中确实找到了市场契合点，这并不出人意料，因为它们是发送美元成本最低的方式，能够实现快速的全球支付。稳定币还为创业者提供了一个更容易接触的平台来构建新的支付产品：没有中间商、最低余额要求或专有软件开发工具包（SDK）的限制。然而，大型企业还没有充分意识到通过转向这些支付方式可以节省大量成本，并获得新的利润空间。
尽管一些企业已经对稳定币表现出兴趣，并在点对点支付中开始早期采用，但到2025年会迎来更大规模的实验浪潮。特别是那些拥有强大品牌、固定客户群并面临高昂支付成本的小型和中型企业，如餐馆、咖啡店、便利店，将是首先从信用卡支付转向稳定币支付的先锋。由于面对面交易无法享受信用卡欺诈保护，这些企业也是交易手续费影响最大的（比如每杯咖啡30美分的手续费，对于利润来说是一个不小的损失）。
同时，较大的企业也开始接受稳定币支付。如果稳定币真的能像推动银行业发展那样迅速发展，企业将尝试去除支付服务提供商的中介角色，直接将2%的费用转化为自己的利润。企业还将开始寻求新的解决方案来应对目前由信用卡公司解决的问题，比如欺诈保护和身份验证。
将政府债券数字化并上链，可以创造出一种由政府背书、能产生利息的数字资产，这种做法可以避免中央银行数字货币（CBDC）可能带来的监控问题。这些产品可以释放DeFi（去中心化金融）贷款和衍生品协议中抵押品使用的新需求来源，从而为这些生态系统增加更多的稳定性和可靠性。
因此，随着全球一些支持创新的政府深入探索公共、无需许可且不可撤销的区块链技术的优势和效率，一些国家可能会尝试发行数字化的政府债券。比如，英国已经通过金融监管机构FCA（金融行为监管局）的沙盒计划，探索了数字证券的可能性；英国财政部也表示对发行数字礼物感兴趣。
在美国，鉴于证券交易委员会（SEC）计划明年要求通过传统、复杂且成本高昂的基础设施来清算国债，预计会有更多关于区块链如何提升债券交易透明度、效率和参与度的讨论
24.我们将看到“DUNA”（去中心化非注册非营利协会）作为美国区块链网络的新行业标准被广泛采用
2024年，美国怀俄明州通过一项新法律，正式承认去中心化自治组织（DAO）为法人实体。DUNA，即“去中心化非注册非营利协会”，是为支持区块链网络的去中心化治理而特别设计的，也是目前美国国内项目唯一可行的组织形式。通过将DUNA纳入去中心化法人实体结构，数字货币项目和其他去中心化社区能够为他们的DAO赋予法律地位，这有助于促进更多的经济活动，同时保护代币持有者不受法律责任追究，并解决税务和合规问题。
DAO是管理开放区块链网络事务的社区，它们是确保网络保持开放性、非歧视性以及公平分配价值的关键工具。DUNA能够释放DAO的潜力，许多项目已经开始实施这一结构。随着美国准备在2025年推动其加密生态系统的快速发展，DUNA将成为美国项目的标配。我们还预计其他州也会采纳类似的结构——毕竟，怀俄明州在采纳现今广泛使用的有限责任公司（LLC）结构上也是先行者……特别是随着加密货币领域之外的去中心化应用（比如物理基础设施、能源电网等）开始兴起。
随着人们对现有的治理和投票系统越来越不满，现在正是利用技术手段来探索新型治理模式的好时机——这不仅包括线上治理，也包括现实世界的治理。我之前讨论过DAO（去中心化自治组织）和其他去中心化社区如何帮助我们研究政治机构、行为以及快速发展的治理实验。但如果我们将这些经验应用到区块链技术支撑的现实世界治理中，又会怎样呢？
我们或许可以开始使用区块链技术来进行安全、私密的选举投票，先从低风险的试点项目做起，以减少网络安全和审计方面的担忧。更重要的是，区块链技术还将使我们能够在地方层面尝试“流动民主”——一种让人们直接对问题进行投票，或将投票权委托给他人的机制。这个概念最早由《爱丽丝梦游仙境》的作者Lewis Carroll提出，他同时也是一位多产的投票系统研究者；
然而，直到如今，这一理念的大规模应用还不切实际。但得益于最近的计算和连接技术的进步，以及区块链技术的进展，这种新型的代议制民主变得可能。加密项目已经在实践这一理念，并收集了大量关于这些系统工作原理的数据——这些经验可以为地方政府和社区提供借鉴。
26.建设者将重复利用基础设施，而不仅仅是重新发明
过去一年中，许多团队在区块链技术领域重复造轮子，不断开发定制的验证机制、共识协议、执行引擎、编程语言和RPC API。虽然这些创新在特定功能上有所提升，但在更广泛或更基础的功能上往往不足。比如，为SNARK定制的编程语言可能在理论上能提高SNARK的效率，但实际上可能在编译器优化、开发工具、在线教程、AI编程支持等方面不如通用编程语言，甚至可能导致SNARK的性能不如预期。
到2025年，更多的团队会利用他人的成果，更多地采用现成的区块链基础设施组件，从共识协议、现有的质押资本到证明系统。这样做不仅能为开发者节省大量时间和精力，还能让他们更专注于提升自己产品/服务的独特价值。
基础设施终于可以用来构建适合主流市场的Web3产品和服务。就像其他行业一样，这些产品和服务将由那些能够成功管理复杂供应链的团队来构建，而不是那些对任何非自家发明的东西不屑一顾的团队。
27.加密公司将从最终用户体验开始，而不是让基础设施决定用户体验
尽管区块链技术基础设施充满趣味且种类繁多，但很多加密货币公司在选择技术基础时并没有太多自由——实际上，他们选择的技术基础在很大程度上已经决定了他们的产品会给用户带来什么样的体验。这是因为技术层面的决策会直接影响到用户使用区块链产品和服务的感受。
然而，行业正在改变这种状况：技术不应该主导用户体验，而是用户体验应该引领技术的选择。预计到2025年，更多的加密产品设计师会从他们期望的用户体验出发，然后选择与之匹配的基础设施。加密初创公司在找到产品市场契合点之前，不再需要过分纠结于特定的基础设施决策——他们可以更专注于真正实现产品市场契合。
我们将不再受限于特定的EIP、钱包供应商、意图架构等，而是能够将这些选择整合为一个整体的、全栈的、即插即用的方案。行业已经准备好迎接这一变化：丰富的可编程区块空间、日益成熟的开发者工具以及链抽象化开始让更多人能够在加密领域进行设计。大多数技术产品的最终用户并不关心产品是用什么语言编写的，未来在加密领域也将出现类似的现象。
28.“隐藏电线”将推动Web3的杀手级应用的出现
区块链技术的独特优势让它显得与众不同，但这些技术特性也一直是阻碍它被广泛采用的原因。对于创作者和粉丝来说，区块链打开了连接、所有权和货币化的新世界，但行业内的专业术语（比如“NFT”、“zkRollups”等）和复杂的设计却成了那些本可以从这些技术中获益最多的人的门槛。在我与许多对Web3感兴趣的媒体、音乐和时尚行业的高管交流中，这一点感受尤为深刻。
许多消费技术的普及都经历了这样的过程：先是技术的出现，然后某个标志性的公司或设计师将复杂性简化，推动了突破性应用的诞生。想想电子邮件最初的样子——SMTP协议被隐藏在“发送”按钮后面；或者信用卡，大多数用户今天并不会去关心支付的具体通道。同样，Spotify通过将歌曲播放列表送到我们指尖，彻底改变了音乐行业，而不是炫耀文件格式。正如Nassim Taleb所说：“过度工程化会导致脆弱性，简单才具备扩展性。”
到2025年，我们的行业将采纳“隐藏电线”的理念。最优秀的去中心化应用已经开始专注于更直观的界面设计，力求让操作变得像使用触摸屏或刷卡一样简单。2025年我们将看到更多公司采用简洁的设计和清晰的沟通方式；成功的产品不会过多解释技术细节，而是直接解决用户的问题。
当加密应用遭到App Store或谷歌Play等中心化应用商店的限制时，它们获取用户变得不易。但现在，一些新的应用商店和市场出现，它们提供了无门槛的分发和发现功能。例如，Worldcoin的World App市场不仅存储身份验证，还允许用户访问“迷你应用”，迅速为多个应用带来了成千上万的用户。另一个例子是为Solana手机用户提供的免手续费的dApp Store。这些新平台展示了硬件——比如手机和球形设备——可能是加密应用商店的关键优势，类似于苹果设备早期对其应用生态系统的贡献。
同时，一些商店提供了成千上万的去中心化应用和Web3开发者工具，覆盖了流行的区块链生态系统，如Alchemy；还有一些区块链平台，如Ronin，既是发行商也是分销商，特别是在游戏领域。然而，并非所有加密产品都能顺利转型：如果一个产品已经有了现有的分发渠道（比如通过消息应用），将其迁移到链上会非常困难（Telegram/TON网络是个例外）。不过，我们可能会在2025年看到更多这样的转型发生。
在2024年，加密货币在政治领域取得了显著进展，一些关键的政策制定者和政治家开始公开表示支持。同时，我们也见证了它在金融领域的不断发展，比如比特币和以太坊的交易所交易产品（ETPs）让更多投资者有机会接触加密货币。展望2025年，加密货币有望进一步发展成为一场计算运动。但问题是，接下来的用户增长将从何而来？
现在是时候激发那些“被动”持有加密货币的人群，将他们转变为更积极的用户。毕竟，目前只有5-10%的加密货币持有者在积极使用这些资产。我们可以将已经拥有加密货币的6.17亿人引导到链上交易，尤其是在区块链基础设施不断进步、用户交易费用降低的背景下，这意味着新的应用将开始服务于现有和新用户。同时，我们也已经看到的早期应用——包括稳定币、去中心化金融（DeFi）、NFTs、游戏、社交、去中心化物理基础设施（DePIN）、去中心化自治组织（DAOs）和预测市场等——也开始变得更加易于主流用户接受，因为社区更加注重用户体验和其他方面的改进。
31.各行业可能开始将“非常规”资产转变为Token
随着加密技术基础设施和新兴技术的不断发展，将资产转化为Token的成本正在降低，这种做法有望在各行业得到广泛应用。这不仅使得那些因为成本过高或价值认可不足而难以触及的资产变得流动起来，更重要的是，它们将能够参与到全球经济中。AI引擎也可以将这些信息作为独特的数据集进行处理。
就像水力压裂技术释放了曾经无法开采的石油资源一样，资产Token化有可能重新定义数字时代的收入模式。一些看似科幻的场景正在变得越来越现实：比如，个人可以将自己的生物识别数据Token化，并通过智能合约将这些信息出租给企业。我们已经看到了一些早期的例子，比如DeSci公司利用区块链技术在医疗数据收集方面提高了所有权、透明度和同意机制。虽然我们还不知道这种未来将如何展开，但这些进展将使人们能够以去中心化的方式从以前未被利用的资产中获益，而不再依赖于政府和中心化的中介机构来提供这些资源。
在银行、保险和医疗行业，企业为了确保合规，投入了巨大的时间和资金。目前，银行和保险行业的监管规定已经堆积如山，单是SBA贷款的文件就超过了1000页。企业为了跟上这些法规的变化，不得不建立复杂的工作流程，并且投入大量时间和资源来雇佣和培训员工。如果那些繁琐的文件（涵盖文本、图像和判例）能够用来训练专门针对特定法规的大型语言模型，那么合规性检查就能变得像在谷歌上搜索一样便捷。你只需问：“[X]合规吗？如果不符合，需要如何调整？”
对于消费者来说，跟上法规变化的繁琐过程也带来了隐性成本。例如，每年约有150万消费者未能按时偿还抵押贷款，如果他们能够与熟悉房利美（Fannie Mae）1000页服务指南的专家交流，快速、准确地获取如何修改贷款和寻求救济的信息，那将会怎样？AI Agent可以迅速学习并且具有无限的耐心，LLM能够简化这一传统上复杂且容易出错的过程。
劳动密集型的合规工作正是新软件发展的沃土。AI有能力使我们的系统更安全、更简单、更高效，为消费者和公司带来更大的好处。
AI正在推动企业买家重新审视他们的整个技术栈，Klarna今年早些时候决定用自开发的AI解决方案替换Salesforce和Workday。这只是冰山一角，，将会有越来越多的企业选择放弃传统的记录系统，转而采用那些具有更强大的动态更新能力的新解决方案，这样的趋势将不断涌现。
十多年来，记录系统首次变得脆弱。与2010年代典型的软件公司通过接入现有记录系统来推动下游工作流程不同，如今，最有抱负的创始人正在重新构想这些核心系统。关系型数据库将变得多模态：由于AI已经能够执行工作（而不仅仅是促进工作），客户将寻求“参与系统”——这些动态的、由AI驱动的工具将把人类“执行者”转变为主要的“审核者”。参与系统不仅会存储核心数据集（客户详情、订单信息等），还将作为用户完成工作的主要应用程序。
这不会是快速或容易的过程，这些领域的现有企业拥有深厚的数据壁垒和大量资源，但我很兴奋看到越来越多的创始人勇敢追求软件领域的最大奖项。
AI已成为差异化的终极驱动力，将软件转变为各行各业的劳动力。2024年，许多初创公司以解决“杂乱收件箱”问题作为切入点，将LLM应用于需要人类判断的任务。预计到2025年，AI公司将把差异化转化为持久的竞争优势。
成功的初创公司将专注于围绕其产品构建护城河。竞争力依然依赖于几个永恒的因素：随着用户增长而增强的网络效应、使得产品难以替代的高转换成本，以及产品本身的病毒性传播降低客户获取成本。
那些能够成功的AI公司将不局限于单一的使用场景，而是扩展到相关的工作流程，并成为核心记录系统的一部分。通过在某个特定问题上提供10倍甚至100倍效率的解决方案，实现差异化，为建立竞争壁垒提供了机会。然而，差异化并不等同于防御力，混淆这两者的初创公司可能会被更有战略眼光的竞争对手超越。
目前，AI已经开始从电子邮件、电话、传真等多个渠道提取那些被忽视或未被充分利用的数据。这些宝贵的数据通常被用来自动化那些重复性的行政工作，从而释放人力资源，让人们能够专注于那些需要进行判断的任务。接下来的进步将是AI不仅能收集这些数据，还能建议我们应该按照什么顺序采取行动。这样，AI就将成为用户真正的操作系统。
通过学习上下文数据（包括内部和外部的信号），下一代AI驱动的软件可能会变成一个用户可以“沉浸其中”的记录系统。例如，销售账户经理可以查看一个仪表板，这个仪表板会告诉他们应该在哪些客户上投入时间（以及何时投入时间）并帮助他们起草跟进信息。同样，AI也能基于从银行对账单和发票中提取的实时数据，为财务分析师提供构建预测的指导。短期内，人类工作者将作为审阅者；随着信任的建立，未来许多数据驱动的行动可能会完全由AI来主导。
AI技术正在逐渐渗透到保险、法律、房地产和IT等传统服务行业，这些行业过去往往利润较低且难以扩大规模。但现在，一些企业开始利用LLM（尤其是在涉及语音、电子邮件或消息传递的角色方面的自动化），将其转变为高利润、可扩展的商业模式。
虽然有人预测这种转变将开启传统私募股权的新时代，即大型企业收购并转型资产，但AI驱动的、垂直特定服务的初创公司具有更大的发展潜力。通过结合AI和定制化的工作流自动化工具，这些公司能够彻底改变传统服务行业的运作方式。
其中最成功的企业将会找到证明利润切实提升的方法，这可能始于与小型现有企业的合作，随后通过更强大的经济实力和现金流去兼并更小的竞争者。这种经营模式在实际操作中并不容易，但如果能够妥善执行，预计我们将会看到服务行业的运作方式发生变革。
到2025年，AI原生的用户界面（UI）和用户体验（UX）将成为下一代SaaS公司发展的基础。过去几年，我们主要集中于训练先进的基础模型和构建能够在实际生产中运用这些模型的基础设施。现在，我们已经达到了技术成熟的阶段：公司已经明白AI能做什么，用户也习惯了如何与AI模型互动，以及如何使用AI支持的非确定性界面。
这为我们开启了尝试与软件互动的新方式的大门，这些新方式是传统的LLM软件所无法实现的。未来的用户界面将与传统的SaaS工具有很大的不同，用户不再仅仅通过输入框手动输入信息。聊天界面是第一个实验性的界面，现在我们预计将会出现更多新的、创新的互动方式。在这个阶段，AI Agent将能够在工作流程中直接采取行动，用户界面将被重新设计，以便人类可以进行审查或进行质量保证（QA）。
到2025年将是AI“Copilot”的时代——最终，每个白领都会有一个AI助手，帮助他们摆脱日常工作中最繁琐的部分，让他们有更多时间投入到更有创意或更具战略性的任务上。
AI Agent能够轻松接入任何现有的记录系统，从多个来源收集数据，并利用这些数据来简化重复性工作。比如，像11x这样的虚拟销售开发代表（SDR）可以在创建客户关系管理系统（CRM）记录之前，就收集所有相关的潜在客户信息并进行初步接触。
这对于初创公司来说是一个巨大的机遇，它们可以针对特定行业的繁琐工作流程提供解决方案。数据也支持这一观点：OpenAI和宾夕法尼亚大学的最新研究显示，大约15%的美国工人的日常任务可以通过大型语言模型（LLM）显著提高效率，而当结合使用基于LLM的软硬件工具时，这一比例可以提高到47%至56%。
这只是一个开始。在未来几年，某些职位将几乎完全由AI Agent自动化完成。
我们将见证新一代皮克斯式公司的诞生，它们会采用AI原生的叙事方式，打破电影和电子游戏之间的界限。传统上，大多数电子游戏的开发依赖于预先设计好的资源，经过多年精心制作的确定性渲染。但现在，一种新的AI原生叙事格式——互动视频——正在兴起，它能够实时生成整个游戏世界。
这种方式不需要游戏引擎，也不需要预先构建的游戏资源。互动视频完全由实时生成的神经网络视频帧构成，图像生成模型根据玩家的操作来推断出下一个游戏画面。这种体验是个性化且无界限的，它结合了电视/电影的易接近性和电子游戏的动态、玩家驱动的特点。
图像生成模型的技术在过去一年里取得了惊人的进步：我们见证了OpenAI、Luma Labs、Pika、Runway等公司推出的开创性视频基础模型。随着研究的不断深入，包括DeepMind和微软团队的加入，我们相信不久的将来，将会有一个新的标志性媒体公司出现，它通过互动视频讲述故事，成功地将电子游戏、电影和AI这三个领域融合在一起。
已经有数百万用户下载了AI伴侣，并每天与它们进行数小时的互动。但目前的AI伴侣体验还有局限：这一代的AI伴侣是被动的，它们只会对你发起的对话做出回应。在你与它们互动之外，这些AI伴侣没有自己的社交圈，也没有自己的背景故事。换句话说，它们缺乏一个内心世界。
下一代的AI伴侣将会变得更加吸引人和生动。它们将拥有自己的虚拟朋友圈，对新闻有自己的反应和情绪。它们将有自己的目标、任务和愿望，并愿意与你分享它们的想法。你与AI伴侣之间的关系将变得更加互动和双向。
AI伴侣的未来设计可以从视频游戏中获得很多灵感。就像在游戏中一样，你与伴侣的对话应该有目的，并且由你的动机推动（就像游戏中的任务，不管你是否这样称呼它们）。AI伴侣应该提到其他角色，介绍它们的朋友，讨论它们世界中的地方、话题和问题。有时，它们会主动给你发信息或打电话，进行深入的对话；其他时候，它们则只是对你的互动做出反应。当AI伴侣感觉自己生活在一个有意义的世界时，它们给人的感觉将越来越真实。
游戏历来被视为娱乐的虚拟世界模拟，但现在，游戏技术正超越纯粹的娱乐，成为改变企业运作方式的重要工具。长期以来，游戏技术一直是技术进步的推动力——从Nvidia的图形技术到Unreal Engine的实时3D渲染——这些技术现在被用来解决商业领域的关键挑战。例如，Applied Intuition这家公司就基于Unreal Engine，利用虚拟仿真技术来训练和测试自动驾驶汽车。
这一转变得益于三股力量的推动：生成式AI大幅降低了虚拟内容的创作成本；先进的3D捕捉技术使得现实环境的数字化成为可能，也就是所谓的数字孪生；下一代XR设备让沉浸式体验变得实用，适用于各种工作环境。
这种应用已经开始显现：Anduril利用游戏引擎进行国防仿真；特斯拉创建虚拟世界以训练自动驾驶系统；宝马在其未来的抬头显示系统中融入增强现实技术；Matterport通过虚拟漫游彻底改变了房地产行业；Traverse3D帮助企业为员工提供虚拟互动式培训。
无论是通过虚拟环境训练自动化系统，帮助消费者通过3D视觉进行购物，还是通过仿真技术扩大未来劳动力规模，到2025年，游戏技术将渗透到各行各业。
“不露面”视频创作者是指那些不露真容的数字时代视频制作者，他们不展示自己的面孔。这样的视频创作者有着多种形式：一种是完全隐藏面貌，只通过声音来表达；另一种是通过角色形象或装扮来遮掩身份；还有一种则是将自己的身份完全与虚拟形象绑定，比如虚拟主播（VTubers）。
对于有志于创作的人士来说，过去需要摄像机、音响和绿幕等设备才能制作的内容，现在可以通过AI软件轻松实现。通过隐藏身份，创作者可以利用越来越多的AI工具，比如用非母语甚至是非本地方言的声音来创作。比如，一个来自印度的创作者可以制作一部关于卢浮宫的法语口音视频评论，他只需要一台性能强大的笔记本电脑，就能录制出堪比价值400美元播客麦克风的声音效果。
最终，观众会决定哪些内容值得关注。如果内容传递的信息有价值、有趣或者有深度，我们还会在意镜头后面是谁吗？
搜索垄断将在2025年走向终结。谷歌在美国搜索市场的份额高达约90%，但其垄断地位正逐渐受到挑战。美国近期的反垄断裁决促使苹果等手机制造商开始支持其他搜索引擎。这不仅仅是法律压力下的结果，生成式AI技术也在对传统搜索方式构成挑战。
ChatGPT每周活跃用户超过2.5亿，而回答引擎Perplexity的月增长率超过25%，它们正在改变搜索互动的方式。它们的查询通常比传统搜索长，平均约10个词，是传统搜索的3倍多，而且近一半的查询会引发后续问题。Claude、Grok、Meta AI、Poe等聊天机器人也在瓜分搜索市场份额。60%的美国消费者在过去30天内使用过聊天机器人进行研究或购买决策。对于专业领域的需求，专业人士更倾向于使用特定领域的服务提供商，如Causaly（科学领域）、Consensus（学术研究）、Harvey（法律领域）和Hebbia（金融服务）。
广告和链接一直是谷歌的使命——组织全球信息，使其易于获取和有用。但谷歌的搜索结果变得过于繁杂，用户需要花费时间筛选。用户更希望直接获得答案和更深入的内容。尽管谷歌也能提供AI搜索结果，但这可能会影响其短期利润。作为动词的“Google”正面临挑战，新兴的竞争正在加速这一变化。
与其担心生成式AI会取代销售团队，不如说它可能会引领销售行业进入一个全新的黄金时期，并带动销售岗位的大幅增加。新一代的生成式AI技术将自动化大部分销售流程中的行政任务，让销售团队的效率和生产力得到显著提升。这种技术不仅能减少每位客户经理所需的辅助人员数量，缩短培训周期，最关键的是，它让销售人员有更多时间投入到AI难以替代的工作中，即那些需要高度互动和咨询式销售的环节。
销售的核心在于帮助客户了解如何评估和选购软件。随着生成式AI推动的开发者生产力的提升，市场上将涌现出大量新软件，这就需要更多的销售人员来协助买家理解这些软件如何解决他们的问题。销售人员的效率越高，上手越快，带来的收益也就越大。只要新招聘的销售人员的边际生产率没有递减，企业很可能会竞相增加销售人员的数量。更高的生产力意味着更多的销售人员，进而带来更多的收入。想象一下，如果这些销售人员都配备了AI教练、销售开发代表（SDR）和销售工程师，那么他们的效率和生产力将几乎没有上限。
2024年标志着多模态市场真正成为现实。到了2025年，AI原生应用将成为主流。那么，哪些AI应用能够脱颖而出呢？许多企业客户已经从盲目追求“AI”转变为更加注重投资回报率（ROI）的评估。因此，这个领域最优秀的创业者们开始以应用AI工程师团队的身份启动项目，他们正在探索与AI模型互动的最佳实践，以解决客户面临的实际问题。随着多模态市场的成熟，成功的策略可能会涉及将多个大型模型与自我训练的小型模型相结合，以优化客户的用例、提升速度和降低成本。
关键在于，这些应用需要尽可能多地获取客户数据（包括客户的客户数据），以便提供更丰富的上下文信息，使AI从通用型转变为具有实际价值的解决方案。最终，那些成功的AI应用公司将不再是简单的GPT封装工具，而是真正的创新者和解决方案提供者。
在AI领域的竞争中，计算能力已成为国家基础设施的关键部分。但并非所有国家都有能力参与这场竞争。要训练和运行大规模AI模型，需要成千上万个耗电的GPU，这不仅需要大量的能源，还需要足够的空间来有效散热，处理数百兆瓦的热量。我将那些能够自主开发、训练和托管先进AI模型的地方称为AI超级数据中心（Hypercenters）。在未来五到十年内，一个世界级的AI超级数据中心需要发展约三到六吉瓦的装机容量，以保持在前沿AI领域的竞争力。
虽然目前还没有达到这种规模的数据中心，但包括美国、中国、日本、新加坡和沙特阿拉伯在内的多个国家，正在通过建设AI基础设施来竞相实现这一目标，每次建设的规模在100到150兆瓦之间。各国政府已经开始将AI计算基础设施视为战略性的国家资源，认为这对于保持AI开发的竞争优势至关重要。在未来几年，那些在计算能力、可持续能源供应和前瞻性政策方面进行投资的国家，将在全球科学和经济发展的未来中扮演决定性角色。
在未来一年，小型设备上的AI模型将因其实际应用、经济效益、实用性和隐私保护的优势而变得更加流行。在智能手机和物联网设备上进行即时数据处理和智能决策，将推动用户行为的新趋势，以及对实时、互动体验的更高期待。这种变化将得益于基础设施的不断进步，比如TensorFlow Lite和PyTorch Edge等软件框架的发展，以及Google Edge TPU等定制硬件的升级。虽然大型设备可能在收入上占据优势，但在消费者和企业用户的体验上，小型设备将占据主导地位，并显著提升其市场份额。
48.超越“推理”：AI在数学、物理和编程领域取得进步
LLMs显然不像人类思维那样进行推理。苹果公司最近的一篇论文表明，LLMs看似能推理，实际上只是通过简单地模仿训练数据来复制推理步骤。然而，最先进的模型在数学、物理和编程等“推理”任务中的表现正在进步。例如，LLMs能够在国际数学奥林匹克比赛中达到金牌级别的表现。这一进展得益于模型训练中的新技术（例如，基于推理轨迹的强化学习）和推理计算（也称为“测试时计算”）。OpenAI的o1是首个在这些技术上取得突破的重大模型发布，取得了可喜的成果。其他AI团队也在认真跟进这一工作，我对他们能够取得的进展以及LLMs将实现的新能力充满期待。
AI将渗透到每个应用程序和每个设备中，它将不再仅仅运行在云端的大型服务器上，而是同样运行在小型设备上。我们已经学会了如何训练强大的小型LLM和图像模型，这些模型可以在手机、笔记本电脑甚至家用电器上本地运行。你的文本编辑器将内置一个LLM，帮助你草拟邮件，你的相机应用可以重新生成你不喜欢的照片部分或者总结你视频中发生的事情。所有这些都将在本地运行，从而提供快速又响应迅速的用户体验。
原文：Big Ideas in Tech for 2025
https://A16Z.com/big-ideas-in-tech-2025/
（文：Z Potentials）
