2026 AI Agent經濟展望：重塑AI身份與網絡價值流轉

原文作者： @BlazingKevin_ ，the Researcher at Movemaker

引言：從生成式 AI 到「Agent 行為」的結構性躍遷

在 2026 年，人工智慧領域將會經歷一場從「生成式能力」向「Agent 行動力」的結構躍遷。如果說 2023-2024 年是關於大語言模型驚豔的語言生成能力，那麼 2026 年將標誌著「AI Agent 經濟」的正式確立。

我們基於 a16z Crypto 研究團隊的預測與分析，進一步研究發現 2026 年將是 AI 這一生產力工具與 Crypto 這一價值分配層深度融合的一年。

AI 不再僅僅是響應人類指令的被動工具，而是具備推理、規劃、交易和自主發現能力的主動參與者。

基於 a16z Crypto 的展望報告， 2026 年重塑 AI+Crypto 格局的三大核心趨勢是：

1. 科研新範式：從單體 Agent 走向「Agent-Wrapping-Agent」。
2. 金融基礎設施革命：從 KYC 到 KYA（Know Your Agent）。
3. 經濟模型重構：透過納支付與可程式設計 IP，解決開放網路面臨的「隱形稅」危機。

這三大趨勢並非孤立存在：科研範式的轉變依賴於 Agent 之間的高階協作；高階協作要求智慧體具備可驗證的身份（KYA）；而擁有身份的智慧體在獲取資料時必須遵循新的價值交換協議。

1. 新博學家時代：高階研究中的「Agent-Wrapping-Agent」架構

從今年開始，「AI 輔助研究」的定義將發生質的飛躍。

我們不再談論簡單的文獻檢索或文字摘要，而是見證能夠進行實質性推理、假設生成甚至自主解決博士級難題的 AI 系統。

這一變革的核心動力在於從單一模型的線性提示工程，轉向複雜的、遞迴的 AWA 工作流。

1.1 推理能力的突破：跨越模式匹配的邊界

a16z 的 Scott Kominers 指出，AI 模型正在從單純的理解指令，進化到能夠接收抽象指令（如同指導博士生）並返回新穎且正確執行的答案 。最新的技術進展表明，AI 模型正在突破「隨機鸚鵡」的天花板，展現出類似於人類「系統」思維的慢速、深思熟慮的推理能力。

1.1.1 「有用的幻覺」

隨著推理能力的增強，一種新的「博學家」研究風格正在形成。Scott 描述這種風格為：「利用 AI 跨越學科邊界，推測拓撲學與經濟學、生物學與材料科學之間可能存在的深層聯絡」 。

大模型被人詬病的「幻覺」特性，在科學發現的語境下正在被重構為一種「生成式探索」機制：

• 蛋白質設計案例：華盛頓大學的研究人員利用「全家族幻覺」（概念，生成了超過 100 萬種自然界中不存在的獨特蛋白質結構。其中篩選出的新型螢光素酶在催化活性上與天然酶相當，但具有更高的底物特異性。
• 流體動力學發現：透過物理資訊神經網路（PINNs），研究人員發現了納維-斯托克斯方程（Navier-Stokes equations）中新的不穩定奇點，這些奇點揭示了流體運動中前所未知的模式。

這種研究風格的核心在於：允許模型在抽象空間中「胡思亂想」以產生高熵猜想，隨後利用嚴格的邏輯驗證器對猜想進行篩選。

1.2 AWA 架構詳解

為了駕馭這種強大的推理與生成能力，科研工作流正在從扁平化轉向層級化。AWA不僅是指多個 Agent 之間的對話，更是指一種遞迴的、分層的控制結構。

1.2.1 編排者-執行者模式

這是目前最主流的 AWA 實現模式。一個「首席研究員」Agent 負責維護全域上下文和研究目標，將任務分解並分發給一組專門的「執行者」Agent。

• 架構優勢：Anthropic 的資料顯示，由 Claude Opus 作為主導 Agent、Claude Sonnet 作為子 Agent 組成的多智慧體系統，在複雜研究任務上的表現比單一 Claude Opus Agent 高出 90.2%。
• 這種效能提升主要歸功於上下文的隔離——主導 Agent 不需要處理每個子任務的冗餘資訊，從而保持了推理的清晰度。

1.2.2 遞迴自我完善與 MOSAIC 框架

AWA 架構的另一個關鍵特徵是引入了 Reflexion（反思）迴圈。當底層 Agent 執行任務失敗時，錯誤資訊會反饋給一個「批評家」Agent 進行分析修正。

MOSAIC 框架（Multi-Agent System for AI-driven Code generation）透過引入專門的「自我反思 Agent」和「原理生成 Agent」，在不依賴驗證測試用例的情況下，顯著提高了科學程式碼生成的準確率 。這種「試錯-反思-重試」的閉環，模擬了人類科學家面對實驗失敗時的思考過程。

1.3 案例研究：Sakana AI 的「AI 科學家」

2025 年最引人注目的 AWA 應用案例是 Sakana AI 釋出的 "The AI Scientist" 系統。這是一個旨在全自動執行科學發現全生命週期的系統。

1.3.1 全自動化科研閉環流程

1. 創意生成：系統基於起始程式碼模板（如 NanoGPT），利用 LLM 作為「突變算子」，頭腦風暴出多樣化的研究方向，並呼叫 Semantic Scholar API 檢索文獻以確保新穎性。
2. 實驗迭代 ：「實驗者」Agent 編寫並執行程式碼。如果實驗失敗，系統會透過 Aider 工具捕獲錯誤日誌並自主修復程式碼，直到獲得視覺化圖表。
3. 論文撰寫 ：「作家」Agent 使用 LaTeX 編寫完整的科學論文，涵蓋摘要、方法、實驗結果，並自主查詢引用文獻生成 BibTeX。
4. 自動化同行評審：生成的論文被提交給模擬的「評審者」Agent，該 Agent 按照頂級會議（如 NeurIPS）的標準打分。系統甚至可以根據評審意見進行多輪修改 。

1.3.2 經濟效益與質量

「AI 科學家」系統的經濟效率令人咋舌：生成一篇完整研究論文的計算成本僅約為 15 美元 。該系統生成的論文《Compositional Regularization》甚至成功通過了 ICLR 研討會的同行評審 。儘管目前仍存在引用幻覺和邏輯缺陷等侷限性 ，但這一案例證明了 AI 已經具備了不僅輔助研究，而且執行完整研究過程的能力。

2. 身份的命令：從 KYC 到 KYA

隨著 Agent 被賦予執行任務和交易的權利，數字經濟面臨著前所未有的身份危機。Sean Neville (Catena Labs CEO) 警告稱，金融服務領域的「非人類身份」數量已達到人類員工數量的 96 倍，甚至在某些統計中高達 100:1。這些 Agent——無銀行帳戶、無實名認證、卻以機器速度執行——是巨大的合規黑洞。行業正在從傳統的 KYC 緊急轉向 KYA（Know Your Agent）。

2.1 非人類身份（NHI）的爆發與風險

2.1.1 「影子 AI」與 96:1 的失衡

45% 的金融服務機構承認內部存在未經批准的「影子 AI Agent」。這些 Agent 在正式治理框架之外建立了「身份孤島」。

• 風險場景：一個用於雲資源最佳化的測試 Agent，可能會在無人工干預下自主購買昂貴的保留例項；或者一個交易機器人在市場波動時觸發錯誤的拋售指令。
• 歸因難題：當 Agent 違規時，誰負責？是開發它的工程師？部署它的經理？還是提供基礎模型的廠商？沒有 KYA，這些責任無法界定。

2.2 KYA 框架：機器經濟的信任基石

KYA 不僅僅是發身份證，而是建立一套包含主體、憑證、許可權和信譽的完整數字身份體系。

2.2.1 KYA 的三大支柱

1. 主體：對 Agent 負法律責任的實體。智慧體必須透過加密手段連結到一個經過 KYC/KYB 驗證的人類或企業帳戶。
2. Agent 身份：基於 去中心化識別符號 的唯一數字身份。DID 是加密生成的，不可篡改，且可以跨平臺攜帶 。
3. 授權委託（Mandate/Delegation）：透過 可驗證憑證（Verifiable Credentials, VCs） 簽發的許可權宣告。例如，一份 VC 可以宣告：「該 Agent 被授權代表 Alice 在亞馬遜上消費，額度上限為 500 美元」 。

2.2.2 密碼學繫結與信任鏈

當 Agent 發起交易時，它會出示一個 VC。驗證方不需要信任 Agent 本身，只需要驗證 VC 上的數字簽名是否來自可信的發行方。這種機制創造了一個「信任鏈」：銀行信任企業 -> 企業簽發 VC 給 Agent -> 商家驗證 VC -> 交易透過。

2.3 協議棧之爭：Agent 身份的標準制定

2.3.1 Skyfire 與 KYAPay 協議

Skyfire 推出了 KYAPay 開放標準，其核心創新在於複合令牌：

• kya token：包含身份資訊（如「已驗證企業 Agent」）。
• pay token：包含支付能力（如「預授權 10 USDC」）。
• kya+pay token：將身份與支付打包，允許 Agent 在無需人工填表的情況下完成「訪客結帳」。

2.3.2 Catena Labs 與 ACK (Agent Commerce Kit)

由 USDC 架構師 Sean 創立的 Catena Labs 推出了 ACK，旨在打造「智慧體商業的 HTTP」 。ACK 強調利用 W3C DID 標準和帳戶抽象，讓 Agent 直接控制鏈上智慧合約錢包，實現比 API 金鑰更強的安全性。

2.3.3 Google AP2 與 x402 擴充套件

Google 推出的 Agent Payments Protocol (AP2) 利用「授權書」管理許可權，並與 Coinbase 合作開發了 AP2 x402 擴充套件，將加密支付標準直接整合到協議中。

2.4 智慧體信用評分與風險控制

KYA 還是信譽體系的開端。

• 鏈上信譽 (ERC-7007)：透過 ERC-7007（可驗證 AI 生成內容代幣標準），Agent 的每一次成功互動（如按時付款、生成高質量程式碼）都可以被記錄在鏈上，形成可驗證的履歷。
• 實時熔斷：金融機構正在部署 AI 閘道器，如果交易 Agent 行為偏離基準（如高頻異常交易），系統可立即撤銷其 VC，觸發「數字壓制」。

3. 經濟重構：解決開放網路的「隱形稅」

a16z 的 Liz 指出，AI Agent 正在對開放網路徵收一種「隱形稅」：Agent 為了服務使用者，大規模榨取內容網站的資料（上下文層），卻系統性地繞過了支撐這些內容生產的廣告和訂閱模式。這種寄生關係若不解決，將導致內容生態枯竭。

3.1 「大脫鉤」：零點選經濟的全面到來

2025 年，數字出版行業見證了「大脫鉤」：搜尋量上升，但流向網站的點選量斷崖式下跌。

3.1.1 流量侵蝕的殘酷資料

• 零點選率飆升：a16z 預測，到 2026 年傳統搜尋引擎流量將下降 25% 。Similarweb 資料顯示，2025 年零點選搜尋率已升至 65% 。
• 點選率（CTR）崩塌：DMG Media 報告稱，當 AI Overview 出現在搜尋結果上方時，其內容的點選率暴跌了 89% 。即使是排名第一的搜尋結果，在 AI 摘要面前也失去了 34.5% 的點選量 。

3.2 擺脫靜態許可：按用量付費的新模式

為了應對這一危機，行業正在從靜態的年度資料許可（如 Reddit 與 OpenAI 的交易）轉向基於用量的補償。

3.2.1 Perplexity 的 Comet Plus 模型

Perplexity AI 推出的 Comet Plus 計劃是一個典型的早期嘗試：

• 機制：設立初始 4250 萬美元 的收入池。當 AI Agent 在回答中引用發布商內容，或代表使用者存取頁面時，觸發收入分配。
• 分成：發布商可獲得相關收入池中高達 80% 的分成。這承認了「機器存取」的商業價值。

3.3 技術標準：納支付與微歸因

為了將補償擴充套件到全網，一系列開放技術標準正在落地。

3.3.1 納支付與 x402 協議

HTTP 402狀態碼終於被啟動。x402 協議制定了「機器原生支付」標準。

• 工作流：Agent 請求資源 -> 伺服器返回 402 Payment Required 及價格（如 0.001 USDC） -> Agent 透過 L2 區塊鏈（如 Base, Solana）或閃電網路自動簽名支付 -> 伺服器驗證後放行資料。
• 經濟性：傳統支付閘道器無法處理幾分錢的交易，而 x402 結合低費率鏈將成本壓低至忽略不計，使得納支付成為可能。

3.3.2 機器可讀權利：TDMRep 與 C2PA

• TDMRep (文字資料探勘預留協議)：W3C 社群標準，允許網站在 robots.txt 或 HTTP 頭中宣告：「保留 TDM 權利，需付費/許可」 。這為 Agent 提供了明確的二進位制訊號