Visa 加密業務負責人 Cuy Sheffield 指出，加密貨幣與 AI 正從「理論可行」走向「實踐落地」，2026 年將聚焦在基礎設施的穩步積累，重塑價值流轉與工作模式。本文源自 Cuy Sheffield 所著文章，由Foresight News整理、編譯及撰稿。
（前情提要：富比士解析 2026 加密貨幣關鍵走向：五大趨勢揭示產業正式走向成熟）
（背景補充：彭博統整華爾街50家機構2026年預期：AI帶動全球平均成長3%，估值高風險仍需警惕）

本文目錄

• 主題一：加密貨幣正從投機性資產類別向優質技術轉型
• 主題二：穩定幣是加密貨幣在「純粹實用性」上的明確成果
• 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
• 主題四：AI 智能體具備實用價值，影響正超越編碼領域
• 主題五：AI 的瓶頸已從「智能水準」轉向「信任度」
• 主題六：系統工程決定 AI 能否在生產場景落地
• 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
• 主題八：可編程貨幣催生新型智能體支付流
• 結語

隨著加密貨幣與 AI 逐步走向成熟，這兩大領域最重要的轉變已不再是「理論上可行」，而是「實踐中能可靠落地」。目前，兩項技術均已跨越關鍵門檻，性能實現顯著提升，但實際應用普及率仍不均衡。而 2026 年的核心發展動態，正是源於這一「性能與普及」的差距。

以下是我長期關注的幾大核心主題，以及對這些技術發展方向、價值積累領域，乃至「為何最終贏家可能與行業先驅截然不同」的初步思考。

主題一：加密貨幣正從投機性資產類別向優質技術轉型

加密貨幣發展的第一個十年，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，劇烈的波動性也讓加密貨幣交易比傳統金融市場更具活力與吸引力。

但與此同時，其底層技術尚未做好主流應用的準備：早期區塊鏈速度慢、成本高且穩定性不足。除投機場景外，加密貨幣在成本、速度或便利性上，幾乎從未超越過現有傳統系統。

如今，這種失衡局面正開始扭轉。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也不再是投機，而是基礎設施領域——尤其是結算與支付環節。隨著加密貨幣逐漸成為更成熟的技術，投機的核心地位會逐漸弱化：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

穩定幣與以往的加密貨幣敘事不同，它的成功基於具體、客觀的標準：在特定場景下，穩定幣比傳統支付管道更快、成本更低、覆蓋範圍更廣，同時還能無縫融入現代軟體系統。

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，穩定幣助力加密貨幣重新錨定「實用性」而非「投機性」，並為「加密貨幣如何成功落地」樹立了明確標竿。

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

過去，當加密貨幣主要扮演「投機工具」角色時，其「分銷」具有內生性——新代幣只需「存在」，就能自然積累流動性與關注度。

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。

這種轉變對兩類主體極為有利：一是擁有現有分銷管道、可靠客戶關係的企業；二是具備監管許可、合規體系與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大規模落地。

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，這一點在軟體開發領域體現得最為明顯——智能體工具加速了編碼、除錯、程式碼重構與環境搭建的效率。但近年來，這種「工具價值」正大幅向更多領域擴散。

以 Claude Code 這類工具為例，儘管它被定位為「開發者工具」，但其快速普及背後折射出更深層的趨勢：智能體系統正成為「知識工作的接口」，而非僅局限於編程領域。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、資料處理與營運任務——這些任務更偏向「通用專業工作」，而非傳統編程。

真正關鍵的並非「氛圍編碼」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」；

· 智能體跨檔案、工具與任務管理「上下文資訊」；

· 工作模式從「線性推進」轉向「迭代式、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、加速迭代效率，但在「開放式判斷」「責任歸屬」與「錯誤修復」方面仍存在短板。

因此，目前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」，而非完全獨立運行。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「智能水準」轉向「信任度」

AI 模型的智能水準已實現快速提升，如今的限制因素不再是「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」(生成虛假資訊)，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」的建立需要四大基礎：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 能否在生產場景落地

成功的 AI 產品，會將「模型」視為「組件」而非「成品」——其可靠性源於「架構設計」，而非「提示詞最佳化」。

這裡的「架構設計」包括狀態管理、控制流、評估與監控體系，以及故障處理與恢復機制。也正因此，如今 AI 的發展越來越接近「傳統軟體工程」，而非「前沿理論研究」。

長期價值將向兩類主體傾斜：一是系統建構者，二是控制工作流程與分銷管道的平台所有者。

隨著智能體工具從編碼領域擴展到研究、寫作、分析與營運流程，「系統工程」的重要性會進一步凸顯：知識工作往往複雜、依賴狀態資訊且上下文密集，這讓「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」這一問題，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，持續迭代最佳化。

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「廣泛分布的軟體」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——例如為服務付費、調用 API、向其他智能體支付報酬，或結算「基於使用量的互動費用」。

這一需求讓「穩定幣」重新受到關注：它被視為「機器原生貨幣」，具備可編程性、可審計性，且無需人工干預即可完成轉移。

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：支付流將以「API 形式」運行，而非傳統「結帳頁面」——這能讓軟體智能體之間實現「持續、精細化的交易」。

目前，這一領域仍顯稚嫩：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。

值得關注的是，其意義並非「為了自主而自主」，而是「當軟體能透過編程完成交易時，新的經濟行為將成為可能」。

結語

無論是加密貨幣還是人工智慧，早期發展階段更青睞「吸引眼球的概念」與「技術新穎性」；而在下一階段，「可靠性」「治理能力」與「分銷能力」將成為更重要的競爭維度。

如今，技術本身已不再是主要限制因素，「將技術嵌入實際系統」才是關鍵。

在我看來，2026 年的標誌性特徵並非「某一項突破性技術」，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」。