З первинного ринку: Crypto × AI — експеримент ілюзії токенізації

Автор: Lao Bai

Після двох років В знову опублікував Твіт, і я також розповім про це відповідно до дослідження двох років тому — час і дата збігаються ідеально: 10 лютого. (Додаткове читання: ABCDE: огляд AI+Crypto з точки зору первинного ринку)

Два роки тому, Віртуальний Бог (V神) вже неявно висловлював свою скептичність щодо популярних тоді Crypto Helps AI, коли в колі панували три основні напрямки: активізація обчислювальних ресурсів, активізація даних та активізація моделей. Моя дослідження того часу зосереджувалась саме на цих трьох напрямках і спостереженнях у первинному ринку, а також на запитаннях щодо них. З точки зору В, він все ще більше підтримує концепцію AI Helps Crypto.

Приклади, які він навів тоді, були такими:

AI як учасник гри;

AI як інтерфейс гри;

AI як правила гри;

AI як ціль гри;

За останні два роки ми зробили багато спроб у напрямку Crypto Helps AI, але результати були малими — багато проектів і напрямків просто випускають токени і на цьому зупиняються, без реального бізнес-постійного попиту (PMF). Це я називаю «ілюзією токенізації».

1. Активізація обчислювальних ресурсів — більшість не здатні забезпечити комерційний рівень SLA, нестабільні, часто збої. Можуть обробляти лише прості та середні моделі для інференції, здебільшого обслуговують периферійний ринок, доходи не залежать від токенів…

2. Активізація даних — на стороні пропозиції (роздрібні користувачі) великі труднощі, низька мотивація, високий рівень невизначеності. На стороні попиту (компанії) потрібні структуровані дані з контекстною залежністю, з довірою та юридичною відповідальністю — важко знайти постачальників таких даних у Web3, таких як DAO-учасники.

3. Активізація моделей — сама модель є неконкурентним, копійованим, швидко деградуючим процесним активом, а не кінцевим активом. Hugging Face — це платформа для співпраці та поширення, більше схожа на GitHub для ML, ніж на App Store для моделей. Тому ідея «децентралізованого Hugging Face» для токенізації моделей зазнала багато невдач.

Крім того, за ці два роки ми експериментували з різними «перевіреними виведеннями», що є типовою історією з молотком і цвяхом. Від ZKML до OPML, Gaming Theory і навіть EigenLayer, який перетворив свою концепцію Restaking у Verifiable AI.

Але це схоже на те, що відбувається у напрямку Restaking — мало хто готовий платити за додаткову безпечну перевірку.

Так само, перевірене виведення зазвичай стосується підтвердження «того, що ніхто насправді не потребує перевірки». Моделі загроз на стороні запитів дуже розмиті — кого саме захищаємо?

Помилки AI (проблеми з моделлю) трапляються частіше, ніж зловмисне підроблення виводу (протидія). Недавні інциденти безпеки на OpenClaw і Moltbook це підтверджують. Реальні проблеми виникають через:

Неправильний дизайн стратегії;

Надання зайвих прав;

Недостатнє визначення меж;

Непередбачені взаємодії між інструментами;

…

Практично не існує уявлень про «злом моделей» або «злочинне переписування процесу виведення».

Минулого року я публікував цю діаграму — не знаю, чи пам’ятають її старі друзі.

Цього разу Віртуальний Бог запропонував кілька ідей, які явно більш зрілі, ніж два роки тому, і це пов’язано з нашим прогресом у приватності, X402, ERC8004, прогнозних ринках та інших напрямках.

Він поділив їх на чотири квадранти, половина з яких — AI Helps Crypto, інша — Crypto Helps AI, і тепер це вже не так явно схиляється до першого.

Лівий верхній і нижній — використання децентралізації Ethereum і прозорості для вирішення питань довіри та економічної співпраці AI:

1. Забезпечення бездовірливого та приватного взаємодії AI (інфраструктура + виживання): використання ZK, FHE та інших технологій для гарантування приватності та перевірюваності AI-взаємодії (чи вважаєте ви, що це — перевірюваний висновок?).

2. Ethereum як економічний рівень для AI (інфраструктура + процвітання): дозволити AI-агентам здійснювати економічні платежі, наймати інших роботів, вносити застави або створювати системи довіри, щоб побудувати децентралізовану архітектуру AI, а не залежати від одного гігантського платформи.

Правий верхній і нижній — використання інтелекту AI для покращення користувацького досвіду, ефективності та управління у криптоекосистемі:

3. Візія Cypherpunk mountain man з локальними LLM (вплив + виживання): AI як щит і інтерфейс користувача. Наприклад, локальні LLM можуть автоматично аудитувати смарт-контракти, перевіряти транзакції, зменшуючи залежність від централізованих фронтендів і захищаючи цифровий суверенітет.

4. Створення кращих ринків і управління (вплив + процвітання): глибока участь AI у прогнозних ринках і DAO. AI може виступати ефективним учасником, обробляючи великі обсяги інформації для розширення людської здатності приймати рішення, вирішуючи проблеми низької уваги, високих витрат на рішення, інформаційного перевантаження і байдужості голосів.

Раніше ми активно прагнули зробити Crypto Help AI, а Віртуальний Бог був на іншій стороні. Тепер ми нарешті зустрілися посередині, хоча, швидше за все, це не має багато спільного з різними XX-Tokenization або AI Layer1. Сподіваюся, через два роки переглянути цю статтю і знайти нові напрямки та несподіванки.