Pantera Capital:加密领域值得关注的三个方向

Odaily星球日报Dipublikasikan tanggal 2023-11-03Terakhir diperbarui pada 2023-11-03

Abstrak

从「人工智能 + 区块链」用例的出现,到稳定币在金融市场中日益重要的作用,再到零知识证明的成熟,我相信尽管市场环境波动,但这些领域仍保持弹性。

原文作者:Paul VeradittakitPantera Capital 管理合伙人

原文编译:Luffy,Foresight News

我将探索 Pantera 正在关注的一些领域。

1. 社交和消费者用例

Web2 已经从社交转向金融,而 Web3 正在从金融转向社交。从 Friend.tech 到链上忠诚度,最近 Web3 的社交元素受到越来越多的关注,寻求利用代币化来改变社交行为。随着消费者在链上的交易可能变得更加频繁,我们相信稳定币作为 DeFi 和 TradFi 之间的入口和出口结算解决方案发将挥越来越重要的作用。

此外,生成式人工智能的最新进展可能会带来更加抽象、个性化和简化的用户体验。随着人工智能抽象的推广,我们希望它能够减少 Web3 的入门和教育障碍,使非技术背景的人更容易访问区块链数据。

2. ZK 支持的模块化和可组合性

我们相信,零知识证明(ZKP)将继续成熟,无论是递归证明方面的新理论进步,还是特定垂直领域公司的逐渐专业化,例如协同处理、证明执行、zkDevOps、隐私层等。至此,我们开始使用 ZKP 作为在模块化技术堆栈的不同层之间建立通用接口的一种方式。

模块化是指区块链堆栈的不同层(共识、执行、数据可用性等)由不同的提供商负责。这个想法允许以类似乐高的「即插即用」区块链架构的形式增加可组合性。这意味着项目可以根据面向消费者的应用程序的具体需求定制其区块链技术堆栈。此外,使用 Rust 等通用语言增强智能合约的可组合性可以提高开发人员的熟悉度,从而降低 Web3 开发人员的进入壁垒。

3. 比特币生态系统

我们认为,未来一年左右值得关注的第三个领域是整个比特币生态系统,在预期的 2024 年减半之前,该生态系统已经重新引起了人们的兴趣。这包括 SEC 可能批准主要传统金融基金的 ETF,以及允许更多可组合智能合约的模块化比特币区块链。

Pantera Capital:加密领域值得关注的三个方向

Ordinals 铭文的崛起,来源:Dune Analytics, 10 月 6 日

也许最有趣的创新之一是由类似 Ordinals 技术支持的比特币数字资产的崛起。由此,我们可能会看到 NFT 的使用出现分歧,以太坊 NFT 可能会专注于交易实用性,而比特币 NFT 由于链的文化意义,可能会演变成一种「数字珠宝」和艺术、时尚收藏品的形式。

Bacaan Terkait

Dari Ethereum ke "CROPS" AI: 'Variabel Lambat' yang Ditekankan Berulang oleh Vitalik Ini, Apa Sebenarnya?

Dalam beberapa kali kesempatan, Vitalik Buterin menekankan konsep "CROPS," singkatan dari Censorship Resistance (Tahan Sensor), Capture Resistance (Tahan Penangkapan), Open Source (Sumber Terbuka), Privacy (Privasi), dan Security (Keamanan). Konsep ini merupakan panduan inti bagi Ethereum Foundation, memfokuskan sumber dayanya untuk membangun kemampuan dasar yang memungkinkan pengguna mengelola aset, identitas, dan transaksi tanpa bergantung pada platform tunggal atau menyerahkan kendali akhir. Signifikansi CROPS semakin kritis dengan kemunculan AI, khususnya AI Agent yang menangani tugas seperti manajemen aset dan eksekusi transaksi otomatis. Tantangan utama adalah memastikan bahwa ketika AI bertindak sebagai perwakilan digital, ia tidak menjadi "kotak hitam" yang mengorbankan privasi, keamanan, dan kedaulatan pengguna. Oleh karena itu, diperlukan "CROPS AI" – AI yang dapat berjalan secara lokal, mengurangi ketergantungan pada layanan cloud terpusat, serta transparan dan terverifikasi. Terdapat titik temu antara "CROPS Ethereum Access Layer" dan "CROPS AI." Keduanya berusaha menjawab pertanyaan serupa: bagaimana pengguna dapat mengakses kemampuan jarak jauh (seperti RPC blockchain atau model bahasa besar/LLM) tanpa mengekspos informasi pribadi, identitas, atau niat mereka secara penuh? Solusi yang diusulkan termasuk penggunaan bukti tanpa pengetahuan (zero-knowledge proofs) untuk panggilan LLM berbayar yang privat dan pembacaan RPC Ethereum yang aman. Pada akhirnya, CROPS bukan sekadar konsep abstrak. Dalam era di mana AI semakin menguasai dunia digital, prinsip-prinsip ini akan membentuk arah pengembangan produk Web3, terutama di lapisan dompet digital, untuk memastikan pengguna tetap memegang kendali atas kehidupan digital mereka. Ini adalah variabel jangka panjang yang menentukan nilai Ethereum di masa depan.

marsbitBaru saja

Dari Ethereum ke "CROPS" AI: 'Variabel Lambat' yang Ditekankan Berulang oleh Vitalik Ini, Apa Sebenarnya?

marsbitBaru saja

"Bapak Godfather Venture Capital" Lembah Silikon Steve Hoffman: Web3 + AI Bisa Jadi Sebuah Jebakan

Stevie Hoffman, "Godfather of Silicon Valley Venture Capital", menyatakan bahwa integrasi Web3 dan AI bisa menjadi sebuah jebakan. Dalam wawancara, ia berbagi pandangannya tentang tren AI global dan peluang startup. Hoffman percaya Silicon Valley akan tetap memimpin riset dasar model AI canggih, sementara China akan unggul dalam implementasi aplikasi praktis dan dominasi di bidang robotika. Ia menekankan pentingnya pendekatan "Global from Day 1" untuk startup, karena adaptasi nanti jauh lebih sulit dan mahal. Mengenai Autonomous Agents, Hoffman memperkirakan titik balik nyata di mana agen dapat berkolaborasi secara mandiri akan datang dalam 2-4 tahun, yang akan menyebabkan penggantian tenaga kerja berskala besar. Solusinya adalah mendesain bisnis untuk kolaborasi manusia-AI, bukan otomatisasi penuh, serta reformasi sistem pelatihan ulang dan jaminan sosial. Untuk startup AI awal, saran Hoffman adalah fokus pada inovasi mendalam di ceruk vertikal spesifik yang membutuhkan keahlian domain, karena ini adalah benteng pertahanan terhadap raksasa teknologi. Kecepatan iterasi adalah parit pertahanan terpenting. Dalam menanggapi pertanyaan tentang Web3 + AI, Hoffman dengan tegas menyatakan bahwa bagi kebanyakan konsumen dan bisnis mainstream, Web3 menambah friksi dan kompleksitas tanpa menyelesaikan kebutuhan inti mereka. AI adalah teknologi dasar universal yang benar-benar mengubah industri. Memaksakan integrasi Web3 dan AI adalah sebuah jebakan yang menambah kompleksitas tanpa melipatgandakan nilai bagi pasar mainstream. Hoffman juga membagikan rencana nirlabanya untuk mendirikan pusat penelitian di universitas guna melatih calon pemimpin dalam inovasi AI yang bertanggung jawab dan selaras dengan nilai-nilai inti manusia.

marsbit1j yang lalu

"Bapak Godfather Venture Capital" Lembah Silikon Steve Hoffman: Web3 + AI Bisa Jadi Sebuah Jebakan

marsbit1j yang lalu

Token Tidak Ekonomis, Ekonomi Tidak Token

Dengan rencana IPO OpenAI dan investasi besar dari raksasa seperti Berkshire Hathaway di Alphabet, industri AI kini mencapai titik balik penting. Dua narasi utama mendominasi: "kekurangan dana" dan "pemisahan aset" (spin-off). Kekurangan dana terjadi karena struktur biaya AI yang unik. Berbeda dengan platform internet tradisional di mana biaya marjinal mendekati nol, model AI seperti ChatGPT justru meningkatkan biaya komputasi (inference cost) seiring pertumbuhan pengguna. Selain itu, pola investasi seperti "kredit cloud" yang digunakan Microsoft untuk mendanai OpenAI menciptakan "pencatatan sirkular", di mana uang yang sama dihitung sebagai pendapatan, menyamarkan tekanan arus kas yang sebenarnya. OpenAI, misalnya, diperkirakan baru akan profit pada 2029. Di sisi lain, tren spin-off aset AI oleh perusahaan besar (seperti Ke Ling dari Kuaishou dan Kunlunxin dari Baidu) mengungkap logika valuasi baru. Di dalam perusahaan induk, unit AI sering dianggap sebagai pusat biaya yang menekan margin. Namun, setelah dipisah, aset yang sama bisa mendapatkan valuasi 3x lipat lebih tinggi di pasar modal, karena dinilai berdasarkan kelangkaan, prospek pertumbuhan, dan potensi ceruk pasar sebagai "aset infrastruktur AI". Perubahan ini menandai pergeseran mendasar dari narasi yang didominasi teknologi menjadi efisiensi modal. Industri bergerak dari "kultus model" terkuat menuju "realisasi nilai" yang dapat dikomersialkan. Inti persaingan mulai bergeser dari perlombaan daya komputasi chip tunggal (GPU) menuju efisiensi sistemik menyeluruh, di mana CPU dan perangkat lunak orchestration menjadi krusial untuk profitabilitas. Singkatnya, tahun 2026 menjadi momen penentuan di mana industri AI harus menjawab pertanyaan mendasar: berapa sebenarnya nilai teknologi ini? Jawabannya akan membentuk lanskap kekuatan industri untuk dekade mendatang.

marsbit1j yang lalu

Token Tidak Ekonomis, Ekonomi Tidak Token

marsbit1j yang lalu

Melampaui 'Tembok Memori', Revolusi Tingkat Wafer dan Rute Kekuatan Komputasi di Era Inferensi AI

Pada tahun 2026, titik balik global AI muncul: belanja modal *inference* penyedia awan melebihi *training*, menandai pergeseran dari "membuat" ke "menggunakan" model besar. Hambatan utama bergeser dari daya komputasi ke "dinding memori"—bottleneck dalam memindahkan data (seperti berat model dan KV Cache) antara DRAM dan GPU, yang menyebabkan konsumsi energi tinggi dan penundaan. Arsitektur alternatif seperti Cerebras menawarkan solusi radikal melalui Wafer-Scale Engine (WSE). Daripada memotong wafer, Cerebras menggunakannya utuh sebagai satu chip raksasa (WSE-3), menampung 44GB SRAM *on-chip* dengan bandwidth 21 PB/detik—ribuan kali lebih cepat dari HBM tradisional. Ini memungkinkan aliran berat model dari memori eksternal (MemoryX) ke chip dengan latency sangat rendah, meningkatkan kecepatan *token* inferensi hingga 1,5–5x dibandingkan GPU seperti NVIDIA B200. Selain itu, daya interkoneksinya jauh lebih efisien (0,15 pJ/bit vs 10 pJ/bit GPU). Namun, pendekatan ini menghadapi tantangan: skala SRAM terhambat batas fisik, memerlukan sistem pendingin khusus, bandwidth I/O eksternal terbatas, dan ekosistem perangkat lunaknya yang kurang umum. Sementara itu, raksasa teknologi merespons dengan tiga jalur: chip ASIC khusus inferensi (seperti Microsoft Maia), kemasan *wafer-scale* yang semakin umum (misal, TSMC SoW), serta eksplorasi interkoneksi optik. Tekanan komersial juga besar bagi Cerebras, yang kini harus membangun pusat data skala besar untuk memenuhi pesanan. Intinya, tidak ada solusi sempurna. Cerebras mengoptimalkan latency ekstrem untuk beban kerja tertentu, sementara NVIDIA mempertahankan fleksibilitas untuk beban beragam. Pertarungan arsitektur ini masih terbuka dalam lanskap komputasi AI yang terus berubah.

marsbit1j yang lalu

Melampaui 'Tembok Memori', Revolusi Tingkat Wafer dan Rute Kekuatan Komputasi di Era Inferensi AI

marsbit1j yang lalu

Trading

Spot
Futures
活动图片