Dari pasar primer melihat Crypto × AI: Sebuah eksperimen ilusi tokenisasi

Penulis: Lao Bai

Setelah dua tahun, V kembali mengeluarkan Twi, dan saya juga akan mengikuti laporan riset dua tahun lalu, waktunya pun sama persis, 10 Februari. (Baca selengkapnya: ABCDE: Menyusun dari Perspektif Pasar Primer tentang AI+Crypto)

Dua tahun lalu, V神 sebenarnya sudah secara tersirat menyatakan bahwa dia tidak terlalu yakin dengan berbagai Crypto Helps AI yang sedang populer saat itu. Saat itu, tiga pilar utama yang sedang tren di komunitas adalah asetisasi daya komputasi, asetisasi data, dan asetisasi model. Artikel riset saya dua tahun lalu juga membahas fenomena dan keraguan yang diamati dari ketiga pilar ini di pasar primer. Dari sudut pandang V神, dia masih lebih percaya pada AI Helps Crypto.

Beberapa contoh yang dia berikan saat itu adalah:

AI sebagai peserta dalam permainan;

AI sebagai antarmuka permainan;

AI sebagai aturan permainan;

AI sebagai tujuan permainan;

Dalam dua tahun terakhir, kami sebenarnya telah melakukan berbagai percobaan terkait Crypto Helps AI, namun hasilnya minim, banyak jalur dan proyek hanya sekadar mengeluarkan token tanpa adanya PMF bisnis yang nyata, saya menyebutnya sebagai “ilusi tokenisasi”.

1. Asetisasi daya komputasi - Kebanyakan tidak mampu menyediakan SLA tingkat bisnis, tidak stabil, sering offline. Hanya mampu menangani tugas inferensi model kecil dan menengah, kebanyakan melayani pasar pinggiran, pendapatan tidak terkait token…

2. Asetisasi data - Friksi dari sisi penawaran (retail) besar, keinginan rendah, ketidakpastian tinggi. Dari sisi permintaan (perusahaan), yang dibutuhkan adalah data terstruktur, bergantung konteks, memiliki kepercayaan dan tanggung jawab hukum, penyedia data profesional, DAO dan proyek Web3 sulit untuk menyediakannya.

3. Asetisasi model - Model sendiri adalah aset yang tidak langka, dapat diduplikasi, disesuaikan, dan cepat menurun nilainya, bukan aset akhir. Hugging Face sendiri adalah platform kolaborasi dan distribusi, lebih mirip GitHub untuk ML, bukan App Store untuk model. Jadi, upaya tokenisasi model melalui “Hugging Face terdesentralisasi” biasanya gagal.

Selain itu, selama dua tahun ini kami juga mencoba berbagai “inferensi terverifikasi”, yang sebenarnya seperti cerita mencari paku dengan palu. Dari ZKML ke OPML, Gaming Theory, bahkan EigenLayer mengubah narasi Restaking menjadi berbasis Verifiable AI.

Namun, intinya sama seperti yang terjadi di jalur Restaking - sangat sedikit AVS yang bersedia membayar untuk keamanan terverifikasi secara berkelanjutan.

Begitu juga, inferensi terverifikasi umumnya hanya memverifikasi “hal yang sebenarnya tidak perlu diverifikasi”, model ancaman dari sisi permintaan sangat kabur - siapa yang sebenarnya dilindungi?

Kesalahan output AI (masalah kemampuan model) jauh lebih umum daripada output AI yang dimanipulasi secara jahat (masalah adversarial). Beberapa waktu lalu, kita juga melihat berbagai insiden keamanan di OpenClaw dan Moltbook, masalah utamanya berasal dari:

Desain strategi yang salah

Memberikan terlalu banyak hak akses

Batasan yang tidak dipikirkan dengan matang

Interaksi tak terduga antar alat

…

Hampir tidak ada konsep “model yang dimanipulasi” atau “proses inferensi yang diubah secara jahat” sebagai paku yang dibayangkan.

Tahun lalu, saya pernah memposting gambar ini, tidak tahu apakah ada yang ingat.

Gagasan yang diajukan V神 kali ini jelas lebih matang dibanding dua tahun lalu, berkat kemajuan yang kami raih di bidang privasi, X402, ERC8004, pasar prediksi, dan lain-lain.

Dapat dilihat bahwa dia membagi keempat kuadran ini, separuh termasuk AI Helps Crypto, dan separuh lagi Crypto Helps AI, tidak lagi seperti dua tahun lalu yang lebih condong ke arah yang pertama.

Kiri atas dan kiri bawah - Menggunakan desentralisasi dan transparansi Ethereum untuk mengatasi masalah kepercayaan dan kolaborasi ekonomi AI:

1. Memungkinkan interaksi AI tanpa kepercayaan dan privat (infrastruktur + keberlangsungan): Menggunakan teknologi ZK, FHE, dan lain-lain untuk memastikan privasi dan verifikasi dalam interaksi AI (belum tentu termasuk inferensi verifiable yang saya sebut sebelumnya).

2. Ethereum sebagai lapisan ekonomi untuk AI (infrastruktur + kemakmuran): Membuat agen AI dapat melakukan pembayaran ekonomi melalui Ethereum, merekrut robot lain, membayar jaminan, atau membangun sistem reputasi, sehingga membentuk arsitektur AI desentralisasi yang tidak bergantung pada satu platform raksasa.

Kanan atas dan kanan bawah - Menggunakan kecerdasan AI untuk meningkatkan pengalaman pengguna, efisiensi, dan tata kelola ekosistem crypto:

3. Visi cypherpunk mountain man dengan LLM lokal (pengaruh + keberlangsungan): AI sebagai “perisai” dan antarmuka pengguna. Misalnya, LLM lokal dapat secara otomatis mengaudit kontrak pintar, memverifikasi transaksi, mengurangi ketergantungan pada front-end terpusat, dan melindungi kedaulatan digital individu.

4. Mewujudkan pasar dan tata kelola yang lebih baik (pengaruh + kemakmuran): AI secara mendalam terlibat dalam prediksi pasar dan tata kelola DAO. AI dapat berperan sebagai peserta yang efisien, memproses informasi secara besar-besaran untuk memperbesar kemampuan penilaian manusia, mengatasi masalah kurang perhatian manusia, biaya pengambilan keputusan yang tinggi, overload informasi, dan apatis terhadap voting.

Dulu kami sangat ingin Crypto membantu AI, sementara V神 berada di sisi lain. Sekarang, kami akhirnya bertemu di tengah, meskipun tampaknya tidak banyak terkait dengan tokenisasi macam-macam atau AI Layer1. Semoga dua tahun lagi saat melihat kembali postingan ini, akan muncul arah dan kejutan baru.