Основатели платёжной компании Stripe, Патрик и Джон Колисон, в ежегодном письме, опубликованном 25 февраля 2026 года, заявили, что блокчейн-инфраструктура столкнётся с беспрецедентным давлением из-за распространения искусственного интеллекта. По их мнению, AI-агенты вскоре станут основными участниками большинства онлайн-транзакций, что потребует от сетей способности обрабатывать более миллиарда транзакций в секунду (TPS). В противном случае существующие системы не справятся с нагрузкой.
Колисоны привели конкретный пример уязвимости текущей инфраструктуры: в прошлом году ажиотажная торговля мемкоинами на одной из крупных блокчейн-сетей привела к задержке выплат для пользователя Bridge более чем на 12 часов и росту стоимости транзакций в 35 раз. «Подобные операционные проблемы уже значительны, но они будут только усугубляться, поскольку мы ожидаем, что аппетит к транзакциям сильно вырастет», — написали они.
Текущие лидеры по скорости — Internet Computer Protocol и Solana — демонстрируют примерно 1 196 и 1 140 TPS соответственно. Их пиковые значения составляют 25 621 TPS и 5 289 TPS, а теоретические максимумы — 209 708 TPS и 65 000 TPS. Эти цифры на порядки отстают от прогнозируемого спроса в 1 млрд TPS.
Основатели Stripe также детализировали пять уровней развития возможностей AI-агентов:
1. Автоматизация форм.
2. Описательный поиск (по ситуации, а не конкретным параметрам).
3. Сохранение контекста (память о предпочтениях пользователя).
4. Делегирование (покупки от имени пользователя).
5. Антиципация (предложение решений без запроса).
По их оценке, текущие агенты находятся на границе первого и второго уровней. Ключом к прогрессу станет универсальная интероперабельность систем, позволяющая агентам свободно взаимодействовать, а не быть запертыми в «закрытых экосистемах».
Для удовлетворения будущего спроса, вероятно, потребуется горизонтальная архитектура из множества взаимодействующих цепочек, а не одна высокопроизводительная сеть. Также критически важным станет баланс между энергоэффективностью, децентрализацией и операционными затратами при масштабировании.
