Archetype：探索 2026 投资视角，重点关注这些赛道的变化

 

 

 

 

核心判断其实很明确：真正有竞争力的区块链，会越来越多地为「具体应用」而生。

 

不是先有一条通用链，再去勉强适配各种应用；而是从一开始，就围绕应用本身的需求来设计、搭建，并持续调整。这类链，在接下来一年里会表现得非常强势。

 

原因在于，新一轮进入加密世界的开发者、用户、机构和资金，已经和早期完全不同。他们有清晰的文化偏好，也有对用户体验非常具体的要求，而不再优先纠结那些抽象层面的价值主张。在现实中，这些需求有时可以被现有基础设施满足，但更多时候并不能。

 

以 Blackbird、Farcaster 这类高度弱化加密感知、面向普通用户的应用为例，一些在三年前仍被视为「不可接受」的设计选择，例如节点集中部署、单一排序器、甚至完全定制的数据系统。在今天，反而成为提升体验的合理方案。

 

对 Hyperliquid 、GTE 这类交易或稳定币相关的应用来说，更是如此。这类系统的竞争，本质上取决于延迟、撮合效率和价格质量。在毫秒级别决定生死的场景下，很多「原则性问题」自然会让位于体验本身。

 

当然，并不是所有应用都适合走这条路。

 

一个正在形成的重要制衡因素，是机构和散户对隐私需求的明显上升。不同应用面对的用户群体、使用场景和风险偏好差异极大，因此，它们所依赖的基础设施，也理应呈现出不同形态。

 

好的一点是，如今为应用量身定制一条链，已经不再是高门槛工程。相比两年前，现在这件事更像是组装一台定制电脑。

 

你可以选择完全自行配置每一个组件，也可以基于成熟方案进行调整。像 Digital Storm 或 Framework 提供的模式，本质上就是：在已经验证可行的组合基础上，按需替换或精简部分模块，既保证性能，又避免不必要的复杂度。这种方式带来的，是更高的模块化与可控性。应用可以只保留真正需要的组件，同时确保整体系统稳定、可扩展。

 

当共识机制、执行层、数据存储和流动性等基础模块，变成可以自由组合和调整的原语时，应用本身就会自然形成高度差异化的「链形态」。这些形态，会持续反映各自对用户体验的理解，并服务于非常明确的目标群体。

 

这种差异，就像不同类型的计算设备：ToughBook、ThinkPad、台式机或 MacBook，看起来差别很大，但底层仍然共享大量通用逻辑。关键在于，每一个组件都成为可调节的参数，而不是必须继承的限制。从 Circle 收购 Informal Systems 的 Malachite 这一动作中，可以清楚看到一个趋势：对专属区块空间主权的重视，正在成为共识。

 

接下来一年，很可能会出现类似「区块链领域的 HashiCorp 或 Stripe Atlas」的角色,由 Commonware、Delta 等团队提供标准化原语与默认配置，让应用可以更轻松地定义并掌控自己的链资源。

 

最终，这种模式会让应用真正做到一件事：直接拥有自身的区块空间与现金流，并把链本身变成长期竞争优势的一部分。

 

 

 

本轮周期里，预测市场无疑是最受关注的应用类别之一。

 

当所有加密预测市场平台的周交易量突破 20 亿美元时，这个赛道已经用数据证明，它不再只是一个小众实验。

 

热度上来后，随之而来的，是大量试图复制、取而代之，甚至正面挑战 Polymarket、Kalshi 等头部平台的项目。但在情绪之外，真正重要的问题只有一个：哪些团队在解决核心结构问题，哪些只是蹭热度。

从市场结构来看，最值得关注的，依然是如何压缩价差、提升未平仓量。即便目前市场创建仍然偏向许可制，预测市场在做市端和交易端的整体流动性，依旧偏薄。

 

无论是更优的订单路由机制、更合适的流动性模型，还是通过借贷等方式提升资金使用效率，这些层面都存在明显的改进空间，也决定了产品能否真正放大规模。交易品类的结构，同样会直接影响平台竞争力。例如，Kalshi 在 11 月超过 90% 的交易量来自体育类市场，这说明它在特定流动性结构中具备天然优势。而 Polymarket 在加密和政治相关市场上的交易量，则明显领先，规模达到 Kalshi 的数倍。即便如此，链上预测市场距离真正的主流规模，仍然有不小差距。

 

2025 年超级碗就是一个直观的对比 ：仅一天时间，传统链下投注平台的交易量就达到 230 亿美元，远高于当前所有链上预测市场的单日总和。

 

要缩小这道差距，靠的不是营销或叙事，而是能够真正解决结构性问题的团队。这也是接下来一年里，最值得持续观察的地方。

 

 

DeFi 的资产管理层存在两种极端模式：纯算法（硬编码的利率曲线、固定的再平衡规则）或纯人工（风险委员会、主动型基金经理）。Agent 型策展人，代表的是第三种模式：它们并不是简单执行预设规则，而是通过 AI Agent（LLM + 工具 + 反馈机制），对风险、收益和策略进行持续判断，并参与参数制定。

 

以 Morpho 市场为例，要构建一个可持续的收益产品，必须明确抵押政策、LTV 上限和风险参数。当前，这过程高度依赖人工判断，天然存在扩展瓶颈。Agent 的引入，本质上就是在尝试解决这一问题。

 

接下来，我们很可能会看到 Agent 型策展人与传统算法模型、人工管理者，在同一市场中正面竞争。

 

关于 AI 在交易和资产管理中的作用，市场观点往往走向两个极端：要么认为它会迅速取代人类交易员，要么认为它根本无法应对真实市场的不确定性。

 

但真正的变化，并不在「取代」本身，而在于架构层面的调整。Agent 更可能承担的是策略设计、约束制定和组合管理的角色，而不是直接参与那些对延迟高度敏感的底层执行。当推理成本持续下降，算力本身就会成为新的竞争要素。

 

这种环境下，最具优势的 DeFi 产品，未必来自最聪明的个人，而来自能够规模化部署智能决策系统的团队。

 

 

短视频正在成为人们发现、理解，并最终购买内容的主要入口。

 

TikTok Shop 在 2025 年上半年实现超过 200 亿美元 GMV，并且仍在高速增长，这本身已经说明了趋势的强度。

Instagram 也在将 Reels 从防御性功能，逐步转变为核心商业引擎。Whatnot 的实践，则进一步证明了实时、人格化内容在转化效率上的优势，明显高于传统电商模式。

 

背后的逻辑并不复杂。在观看实时内容时，更容易快速做出决策。当推荐流与结算流程逐渐融合，内容本身就变成了交易界面，而创作者，也自然演化为分发节点。AI 的加入，让这一过程进一步加速。内容生产成本持续下降，测试频率不断提高，平台开始对视频的每一秒进行转化效率优化。

 

这种环境下，支付系统必须足够快、足够便宜、同时具备高度可组合性。微支付、自动分账、贡献归因，都会成为基础能力。

 

正是加密系统天然适配的场景。以流媒体为原生形态的商业体系中，很难想象没有加密作为底层结算与激励工具。

 

 

过去几年，AI 的注意力主要集中在大型云厂商与头部创业公司之间的竞争上。但与此同时，一批加密原生团队，正在分布式训练与推理领域取得实质进展。

 

这些尝试，已经从理论阶段，逐步走向测试，甚至进入生产环境。Ritual、Pluralis、Exo、Odyn、Ambient、Bagel 等团队，正处在这一波探索的前沿。通过在全球分布式环境中训练模型，并结合异步通信与并行机制，传统的扩展瓶颈正在被重新定义。

 

与此同时，新的共识机制和隐私技术，使得可验证、可保密的推理开始具备现实可行性。更进一步，一些新的区块链架构，正在尝试把智能合约与更通用的计算结构真正结合起来，为自治 Agent 提供运行基础。

基础能力已经具备。

 

接下来的关键，在于能否扩展到生产级规模，并证明这条路径不仅是理念实验，而是真正推动 AI 能力演进的方式。

 

 

关于 RWA，行业已经讨论多年。但随着稳定币的普及、出入金通道的成熟，以及监管环境逐步清晰，代币化终于开始进入规模化阶段。

根据 RWA.xyz 的数据，目前链上已发行的代币化资产规模超过 180 亿美元，而一年前，这一数字还不到 40 亿。

需要明确区分的是两种模式。

 

代币化，是把链下资产映射到链上；而 Vault，则是让链上资本直接参与链下收益。未来，上链的资产类型会越来越广，从大宗商品、私人信贷，到股票、外汇，甚至一些非传统资产。

但重点并不只是「资产种类变多」。

 

真正的意义在于，通过区块链，把原本低效、不透明的资本配置过程，变得更可编程、更具流动性。

当然，这一过程中仍会面临转让限制、流动性不足和风险管理等问题，因此，相应的基础设施，同样值得关注。

 

 

下一代互联网的交互核心，正在从「平台」转向「Agent」。无论链上还是链下，自动化 Agent 已经承担了相当比例的网络活动。在加密领域，它们参与交易、资产管理、信息筛选、合约审计，甚至内容生产。

 

2026 年，很可能会成为一个明确拐点。

 

加密产品的设计，会开始优先考虑 Agent，而不是人类界面。理想的形态，不是更多按钮，而是更少操作。用户只需要通过对话式接口下达目标，由 Agent 负责信息筛选、策略执行和结果反馈。支撑这一切的基础设施，其实已经存在：开放数据、程序化支付、链上身份以及跨链流动性。

 

相比 Web2，区块链对 Agent 更友好，因为它们面对的是开放接口，而不是封闭系统。这不仅是效率提升，而是一种交互方式的转变。当搜索、交易和执行逐渐被 Agent 接管，人类可以把精力放在更高层次的判断上。

 

随着更多资产和活动上链，该循环会不断放大：机会增加，Agent 增多，价值释放。

 

真正的问题只剩一个：我们现在构建的系统，究竟是在放大价值，还是在放大噪音。