С первичного рынка: Crypto × AI — эксперимент иллюзии токенизации

Автор: Lao Bai

Прошло два года, и В снова опубликовал твит. Я тоже расскажу о том же, что и два года назад в аналитическом отчёте — всё совпадает по времени: 10 февраля. (Читайте также: ABCDE: обзор AI+Crypto с точки зрения первичного рынка)

Два года назад В神 уже косвенно выразил своё недоверие к популярной тогда идее, что Crypto помогает AI. В то время в сообществе доминировали три направления: капитализация вычислительных ресурсов, капитализация данных и моделий. Мой отчёт того времени в основном касался наблюдаемых явлений и сомнений по этим трём направлениям на первичном рынке. С точки зрения В神, он всё же больше верит в то, что AI помогает Crypto.

Он приводил несколько примеров:

AI как участник игры;

AI как интерфейс игры;

AI как правила игры;

AI как цель игры;

За прошедшие два года мы предприняли множество попыток реализовать идеи Crypto Helps AI, но результаты были скромными: многие проекты и направления — это просто выпуск токена, без реальной бизнес-масштабируемой продуктовой рыночной функции (PMF). Я называю это «иллюзией токенизации».

1. Капитализация вычислительных ресурсов — большинство не могут обеспечить бизнес-уровень SLA, нестабильны, часто отключаются. Могут обрабатывать только простые и средние модели для inference, в основном обслуживают edge-рынки, доходы не связаны с токенами…

2. Капитализация данных — на стороне предложения (частные инвесторы) большие трения, низкая мотивация, высокая неопределённость. На стороне спроса (компании) нужны структурированные, контекст-зависимые, доверенные и юридически ответственные поставщики данных. DAO-проекты в Web3 сложно обеспечить такими данными.

3. Модели как активы — модели сами по себе не являются дефицитными, их легко копировать, быстро обесцениваются, — это процессные активы, а не конечные продукты. Hugging Face — платформа для совместной работы и распространения, больше похожа на GitHub для ML, а не на App Store для моделей. Поэтому попытки токенизации моделей через «децентрализованный Hugging Face» обычно терпят неудачу.

Также за эти два года мы экспериментировали с различными «подтверждаемыми выводами» — это типичный случай поиска иголки в стоге сена. От ZKML, OPML, Gaming Theory и даже EigenLayer, который превращает свою концепцию Restaking в Verifiable AI.

Но всё это похоже на то, что происходит в сфере Restaking — мало кто готов платить за дополнительную безопасность и подтверждение.

Также, подтверждаемые выводы в основном проверяют «то, что никто на самом деле не нуждается подтверждать». Модель угроз со стороны спроса очень размыта — кого именно защищают?

Ошибки AI (проблемы модели) случаются гораздо чаще, чем злонамеренное вмешательство (атаки). Недавние инциденты с безопасностью на OpenClaw и Moltbook показывают, что настоящие проблемы связаны с:

неправильным дизайном стратегии;

слишком широкими правами доступа;

непонятными границами;

случайным взаимодействием инструментов;

и так далее.

Практически не существует сценариев «подделки модели» или «злонамеренного изменения процесса вывода», которые можно было бы назвать реальными угрозами.

В прошлом году я публиковал эту диаграмму — не уверен, помнят ли её старожилы.

Новые идеи В神, которые он предложил, явно более зрелые, чем два года назад, благодаря нашим успехам в области приватности, X402, ERC8004, предсказательных рынков и других направлений.

На этой разметке он выделил четыре квадранта: половина — это AI Helps Crypto, другая половина — Crypto Helps AI, и теперь это уже не так явно склоняется к первому, как раньше.

В левом верхнем и левом нижнем квадрантах — использование децентрализации и прозрачности Ethereum для решения вопросов доверия и экономического взаимодействия в AI:

1. Обеспечение доверия и приватных взаимодействий AI (инфраструктура + выживание): использование ZK, FHE и других технологий для обеспечения приватности и подтверждаемости AI-взаимодействий (не уверен, входит ли сюда понятие подтверждаемого вывода).

2. Ethereum как экономический слой для AI (инфраструктура + процветание): позволить AI-агентам осуществлять платежи, нанимать других роботов, вносить залоги или строить системы доверия, создавая децентрализованную архитектуру AI, а не полагаться на крупные платформы.

В правом верхнем и правом нижнем квадрантах — использование интеллектуальных возможностей AI для улучшения пользовательского опыта, эффективности и управления в криптоэкосистеме:

3. Визия cypherpunk-горных людей с локальными LLM (влияние + выживание): AI как щит и интерфейс пользователя. Например, локальные LLM могут автоматически аудитировать смарт-контракты, проверять транзакции, снижая зависимость от централизованных фронтендов и защищая цифровое суверенитет.

4. Создание более эффективных рынков и реализация управления (влияние + процветание): глубокое участие AI в предсказательных рынках и DAO. AI как эффективный участник, обрабатывающий большие объемы информации, расширяя возможности человеческого суждения, решая проблемы низкой внимания, высоких издержек принятия решений, информационной перегрузки и апатии голосующих.

Ранее мы активно продвигали идею, что Crypto помогает AI, а В神 — стоял на противоположной стороне. Теперь мы наконец встретились посередине, хотя, по моему мнению, это всё равно не связано с различными токенизациями или AI Layer1. Надеюсь, через два года перечитать этот пост и найти новые направления и сюрпризы.