Penulis: Lao Bai
Judul Asli: Melihat Crypto × AI dari Pasar Primer: Eksperimen Halusinasi Tokenisasi
Setelah dua tahun, V kembali mengirim Twi, dan saya juga akan membahas laporan penelitian dari dua tahun yang lalu, bahkan waktunya persis sama, 10 Februari. (Bacaan terkait: ABCDE: Menyusun AI+Crypto dari Perspektif Pasar Primer)
Dua tahun lalu, V sebenarnya sudah secara implisit menyatakan bahwa dia tidak terlalu optimis dengan berbagai Crypto Membantu AI yang populer saat itu. Tiga kuda andalan yang populer di kalangan saat itu adalah asetisasi daya komputasi, asetisasi data, dan asetisasi model. Laporan penelitian saya dua tahun lalu juga terutama membahas fenomena dan pertanyaan seputar tiga kuda andalan ini yang diamati di pasar primer. Dari perspektif V, dia lebih optimis dengan AI Membantu 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;
Dua tahun terakhir, kami sebenarnya telah melakukan banyak percobaan di bidang Crypto Membantu AI, namun hasilnya sedikit, banyak sektor dan proyek hanya – menerbitkan token lalu selesai, tanpa Product-Market Fit (PMF) bisnis yang nyata, saya menyebutnya "halusinasi tokenisasi".
1. Asetisasi Daya Komputasi – Sebagian besar tidak dapat menyediakan SLA tingkat bisnis, tidak stabil, sering terputus. Hanya dapat menangani tugas inferensi model kecil dan sederhana, kebanyakan melayani pasar pinggiran, pendapatan tidak terkait dengan token......
2. Asetisasi Data – Gesekan besar di sisi penawaran (retail), keinginan rendah, ketidakpastian tinggi. Di sisi permintaan (perusahaan) membutuhkan penyedia data profesional yang terstruktur, bergantung pada konteks, memiliki kepercayaan dan tanggung jawab hukum, pihak proyek Web3 dengan entitas DAO sulit menyediakannya.
3. Asetisasi Model – Model itu sendiri adalah aset proses yang tidak langka, dapat disalin, dapat disesuaikan, terdepresiasi cepat, bukan aset keadaan akhir, Hugging Face sendiri adalah platform kolaborasi dan penyebaran, lebih mirip GitHub for ML, bukan App Store for models, jadi yang disebut "Hugging Face terdesentralisasi" untuk mentokenisasi model, pada dasarnya berakhir dengan kegagalan.
Selain itu, dua tahun terakhir kami juga mencoba berbagai "inferensi yang dapat diverifikasi", ini juga cerita khas mencari paku dengan palu. Dari ZKML ke OPML ke Teori Permainan dll, bahkan EigenLayer mengubah narasi Restaking-nya menjadi berbasis Verifiable AI.
Tapi pada dasarnya mirip dengan yang terjadi di sektor Restaking – sangat sedikit AVS yang bersedia membayar terus-menerus untuk keamanan tambahan yang dapat diverifikasi.
Demikian pula, inferensi yang dapat diverifikasi pada dasarnya memverifikasi "hal-hal yang tidak benar-benar perlu diverifikasi", model ancaman di sisi permintaan sangat kabur – sebenarnya melindungi dari siapa?
Kesalahan output AI (masalah kemampuan model) jauh lebih banyak daripada output AI yang dimanipulasi secara jahat (masalah adversarial), berbagai insiden keamanan di OpenClaw dan Moltbook beberapa waktu lalu juga bisa dilihat, masalah sebenarnya berasal dari:
-
Desain strategi yang salah
-
Izin yang diberikan terlalu banyak
-
Batas tidak dipikirkan dengan jelas
-
Interaksi tak terduga dari kombinasi alat
-
...
Hampir tidak ada "model yang dimanipulasi", "proses inferensi yang ditulis ulang secara jahat" seperti paku yang dibayangkan ini.
Tahun lalu saya memposting gambar ini, tidak tahu ada yang ingat atau tidak.
Beberapa ide yang diberikan V kali ini, jelas lebih matang dibandingkan dua tahun lalu, juga karena kemajuan yang kami capai dalam berbagai arah seperti privasi, X402, ERC8004, pasar prediksi, dll.
Dapat dilihat bahwa empat kuadran yang dia berikan kali ini, setengahnya termasuk AI Membantu Crypto, setengahnya lagi termasuk Crypto Membantu AI, dan tidak lagi jelas condong ke yang pertama seperti dua tahun lalu.
Kiri atas dan kiri bawah – Memanfaatkan desentralisasi dan transparansi Ethereum untuk memecahkan masalah kepercayaan dan kolaborasi ekonomi AI
1.Mengaktifkan interaksi AI yang tanpa kepercayaan dan privat (infrastruktur + kelangsungan hidup): Menggunakan teknologi seperti ZK, FHE untuk memastikan privasi dan keterverifikasian interaksi AI (tidak tahu apakah inferensi keterverifikasian yang saya sebutkan sebelumnya termasuk).
2. Ethereum sebagai lapisan ekonomi untuk AI (infrastruktur + kemakmuran): Memungkinkan agen cerdas (Agents) AI melakukan pembayaran ekonomi melalui Ethereum, merekrut bot lain, membayar jaminan atau membangun sistem reputasi, sehingga membangun arsitektur AI terdesentralisasi daripada terbatas pada platform tunggal raksasa.
Kanan atas dan kanan bawah – Memanfaatkan kemampuan kecerdasan AI untuk mengoptimalkan pengalaman pengguna, efisiensi, dan tata kelola ekosistem kripto:
3. Visi Cypherpunk mountain man dengan LLM lokal (dampak + kelangsungan hidup): AI sebagai "perisai" dan antarmuka pengguna. Misalnya, LLM (model bahasa besar) lokal dapat mengaudit kontrak pintar secara otomatis, memverifikasi transaksi, mengurangi ketergantungan pada halaman depan terpusat, menjamin kedaulatan digital individu.
4. Mewujudkan pasar dan tata kelola yang jauh lebih baik (dampak + kemakmuran): AI berpartisipasi mendalam dalam Pasar Prediksi (Prediction Markets) dan tata kelola DAO. AI dapat menjadi peserta yang efisien, memperbesar penilaian manusia melalui pemrosesan informasi skala besar, memecahkan berbagai masalah pasar dan tata kelola sebelumnya seperti perhatian manusia tidak cukup, biaya pengambilan keputusan terlalu tinggi, kelebihan informasi, apatis voting.
Sebelumnya kami sangat ingin membuat Crypto Membantu AI, V justru berada di sisi lain. Sekarang kami akhirnya bertemu di tengah, hanya saja diperkirakan tidak ada hubungannya dengan berbagai tokenisasi XX, atau AI Layer1 apa pun. Semoga dua tahun lagi ketika melihat kembali postingan hari ini, akan ada beberapa arah dan kejutan baru.
Twitter:https://twitter.com/BitpushNewsCN
Grup Komunikasi TG Bitpush:https://t.me/BitPushCommunity
Langganan TG Bitpush: https://t.me/bitpush
