Will AI Really Cause an Economic Collapse in 2028? New Metrics Reveal Another Possibility

比推Xuất bản vào 2026-02-25Cập nhật gần nhất vào 2026-02-25

Tóm tắt

A response to Citrini Research's "2028 Global Intelligence Crisis" paper argues against its prediction of an AI-induced economic collapse. The author posits that while AI will destroy the income side of the economy (wages, jobs), it will simultaneously and more rapidly destroy the cost side, leading to a "deflationary prosperity." Traditional economic metrics like GDP and unemployment rates are becoming obsolete in this new "post-human economy." The key measure of future prosperity will be "intelligence output per unit energy," which is exponentially increasing. This transition, though potentially turbulent, is not a crisis but a radical evolution. AI and automation are also seen as necessary to fill a looming demographic gap from a declining global workforce. The new economy will shift value creation towards uniquely human traits like empathy, creativity, and connection, which are not captured by traditional indicators.

Author: David Mattin

Compiled by: Deep Tide TechFlow

Original title: Refuting the '2028 Economic Collapse Theory': AI Takes Your Job, But Also Makes Everything Almost Free


Deep Tide Introduction: While the entire industry is panicking over the '2028 AI-induced global economic collapse' depicted by Citrini Research, tech thinker David Mattin steps forward with a completely different interpretation. He believes we are in the midst of a 'global intelligence transition,' where old economic indicators (such as GDP and unemployment rates) are becoming obsolete. This article delves into what happens when intelligence becomes as cheap and abundant as air: while the income side may suffer, the cost side will collapse even faster, ushering in a new era driven by 'intelligence output per unit of energy.' This is not just a crisis but a radical evolution towards a 'post-human economy.'

Full text as follows:

Everyone is talking about Citrini Research's paper, 'The 2028 Global Intelligence Crisis.' It's a great thought experiment: a speculative report from June 2028 envisioning a scenario where artificial intelligence (AI) triggers a chain-reaction economic collapse.

The following content serves as a response to that article. You can view it as a creative work in the same spirit as Citrini's original: a speculative 'reverse scenario.' It is an exploration of new ways of observing, rather than a claim to have all the answers (no one does). This article draws on years of research and analysis published by Raoul Pal and me at Global Macro Investor, as well as our jointly operated tech-focused research service, 'The Exponentialist.'

Citrini Research's paper has garnered significant attention, and for good reason. It is a brilliantly conceived thought experiment: a speculative briefing from June 2028, previewing an AI-induced chain-reaction economic meltdown. The S&P 500 drops 38%. The unemployment rate reaches 10.2%. Prime mortgages crack. The private credit complex collapses through a series of correlated bets on white-collar productivity growth.

This scenario is logically consistent, its financial mechanisms are meticulously researched, and its core argument—that an extreme abundance of intelligence destroys the consumer economy it was supposed to enhance—is highly provocative. Parts of it will likely prove prescient. There is real turbulence ahead, possibly even extreme hardship. The transition to an age of intelligence abundance will by no means be smooth.

For over five years, I have been immersed in this kind of thinking. I have been building frameworks to understand what happens when intelligence becomes abundant, the AI-energy flywheel begins to spin, and we transition from a human-centric economy to something utterly new. In related articles I've written, I have described this as a shift towards a fundamentally new type of economic system: a form of 'Post-human Economics.' From the perspective of this work, I want to offer a considered response to Citrini's argument—based on my years of analysis—that leads to a starkly different conclusion.

Citrini's argument is that abundant intelligence destroys the income side of the economy—wages, jobs, consumer spending—triggering a financial crisis. My argument is that abundant intelligence is also destroying the cost side of the economy, and potentially faster. When the prices of goods and services collapse along with wages, you are not facing a crisis. You are in the midst of a transition to a radically new system; a system in which all the old norms, rules, and metrics become incoherent.

So, what is the core error in Citrini's article? Their article is using the instruments of the 'human economy' to measure the 'post-human economy.' Then, it mistakes the instrument's erratic readings for the system's collapse.

No one has a crystal ball; no one has all the answers. We are all piecing together a seven-dimensional puzzle that no one fully understands. But I believe Citrini's article, though sophisticated, may be making a profound and instructive error. And my own work is pointing directly to it.

My timeframe is also longer than Citrini's. Their scenario unfolds over two years. I am looking at a ten to twenty-year span. I acknowledge there could be serious turbulence ahead: a 'Fourth Turning'-style moment of chaos, social unrest, and institutional collapse. Some version of what they describe might indeed come to pass. But my argument is that AI and the broader forces of the 'Exponential Age' can ultimately take us into a new kind of economy. One that actually functions. One that is, in many ways, better than anything we have known.

The Wrong Metrics

This is the core argument I want to make; if I'm right, it reframes everything.

Every data point used in Citrini's article to build its argument—the 10.2% unemployment rate, the 38% drop in the S&P 500, the surge in San Francisco mortgage delinquencies, the stagnation of money velocity—is all denominated in the old system. Every metric is native to the economy we have been living in. The one built around human labor input, conditions of material scarcity, and GDP as the scorecard.

It's understandable that the authors look at these readings and see disaster. But what if these indicators are not recording the death of the economy? What if they are recording the death of an 'economic measurement framework' that can no longer describe the reality is becoming?

Think of it another way. At the heart of Citrini's article is a powerful concept: 'Ghost GDP.' Output that appears in the national accounts but never circulates in the real economy. They present it as evidence of dysfunction. But I would flip this entirely. Ghost GDP is not a bug; it's a signal. It's telling us that GDP itself is breaking down as a meaningful indicator of the state of things. The instrument is failing, and Citrini is mistaking the failing instrument's readings for the true condition of the patient.

In my research on post-human economics, I have argued that as we transition to an economy built on automated inputs and extreme abundance, GDP becomes incoherent. It cannot capture an economy where the cost of many goods and services is trending towards zero—unevenly, across different domains, but surely. It cannot capture the massive uplift in human well-being when intelligence is hyper-abundant and nearly free. It certainly cannot capture the emergence of 'Autonomous Economic Activity'—where AIs transact with other AIs—which has no substantive link to human labor markets at all.

In the post-human economy, GDP is not a coherent measure of anything. So, what metrics should we watch?

Intelligence Output Per Unit Energy

This is my answer; this idea is at the core of my thinking about the future post-human economy.

In the coming economy, the most coherent measure of prosperity will be intelligence output per unit of energy. How efficiently is our civilization converting energy into useful intelligence?

This is the metric that resolves the paradox at the heart of the Citrini scenario. Because at the very moment their scenario shows GDP shrinking, the S&P plummeting, and unemployment soaring, intelligence output per unit of energy is going vertical.

Think about what is driving the crisis Citrini predicts. AI models are getting more powerful, compute costs are falling, and inference costs are crashing through the floor. Energy systems managed by AI are becoming more efficient. Each of these forces—the very ones destroying the old economic metrics—is simultaneously sending 'intelligence output per unit energy' soaring into the stratosphere.

This is the key insight: there are two lines on the chart. One line—GDP, employment, consumer spending—is going down; the other line—intelligence output per unit energy—is going up exponentially. Citrini's article stares only at the descending line and concludes we are in crisis. My contention is that the ascending line is the real signal, and the descending signal is just the noise of the old system dying.

In a world where intelligence becomes hyper-abundant, everything is downstream of better, more abundant intelligence. Scientific breakthroughs, new materials, advanced medicine, cheaper energy, better infrastructure, more efficient manufacturing—all of it flows from the same source: our relentlessly increasing ability to convert energy into intelligence.

Citrini's article looks at a GPU cluster in North Dakota and says: that machine just destroyed 10,000 white-collar jobs in Manhattan. I look at the same GPU cluster and say: that machine just collapsed the cost of drug discovery, materials science, legal services, education, energy management, and software development. Both observations are true, but that article stares only at the income side of the ledger and barely glances at the expenditure side.

And this is the deeper error.

Radical Prosperity

Yes, output is decoupling from the labor market. Citrini is right about that. But the same force that is destroying wages is also destroying costs. When AI pushes the price of legal services towards near-zero, you no longer need a $180,000 annual salary to afford a lawyer; when AI collapses the cost of medical diagnosis, you don't need expensive health insurance to get a diagnosis. When coding agents make software nearly free, the $500,000 annual SaaS renewal fees that Citrini frets about are not just a problem for the vendor—they are a massive saving for the buyer.

Viewed through the lens of GDP, this looks like the collapse of the consumer economy;但从另一个角度看, this is the birth of Deflationary Prosperity. It is wealth through abundance. Even as nominal incomes fall, real purchasing power explodes. The obtaining power of the average person surges in ways traditional metrics cannot capture.

If a person earns $50,000 but lives in a world where AI has pushed the cost of healthcare, education, legal advice, financial planning, software, entertainment, and creative services to near-zero, are they richer or poorer than the person earning $180,000 in 2024?

Citrini's paper never considers this. It tracks the fall in wages but not the synchronous fall in the 'cost of living.'

I can hear some readers screaming at me. I am not naive. There are important goods and services whose costs will not fall quickly, or perhaps at all, like housing, physical food, and (for a time at least) energy. This process will be wildly uneven. Some areas will see cost collapses within years, others may take a decade or more. This transition will be painful for many, a key social reality we must address, the depth of which is beyond this article, but I have written about it. I have written about the 'hairpin turn' ahead and warned that a 'Fourth Turning' moment is highly likely. There will be social and political turmoil, I do not disagree.

The Foundation Layer Flywheel: The Real Braking Mechanism

But Citrini's scenario paints this transition as a one-way spiral to ruin. They say there is no natural brake here, no bottom to the displacement loop.

I disagree. The braking mechanism is abundance itself.

This brings me to the engine I call the Foundation Layer Flywheel.

Back in 2023, I wrote about the deep symbiosis between AI and clean energy. AI needs vast amounts of energy, but AI is also the only technology that can manage the kind of incredibly complex, distributed energy systems we are building. More AI unlocks more energy, more energy powers more AI. Round and round it goes.

This flywheel is the foundation of the entire Exponential Age. It underpins everything that happens above it. This is also why there is a natural brake on Citrini's displacement spiral—and their model fails to account for it.

As intelligence output per unit energy increases, the flywheel spins faster. Cheaper, more abundant AI makes the energy system smarter; smarter energy systems provide cheaper energy; cheaper energy makes AI cheaper. Cheaper AI then permeates downstream into everything: cheaper materials science, cheaper manufacturing, cheaper healthcare, cheaper infrastructure.

Citrini's article imagines a negative feedback loop: AI destroys jobs -> unemployed workers consume less -> companies buy more AI -> repeat, with no natural brake.

But running in parallel is a positive feedback loop, and it is at least as powerful: AI gets smarter -> energy gets cheaper -> intelligence output per unit energy rises -> the cost of everything downstream of intelligence falls -> material conditions of life improve even as nominal GDP shrinks.

Which loop will dominate? That is the question. In my view, the positive loop has the laws of physics on its side. It is driven by the exponential improvement in converting energy to intelligence—a curve that has been steepening for years and shows no sign of slowing. The negative loop, by contrast, is driven by institutional and political inertia: slow-moving mortgage markets, fiscal policy, and labor market adjustments. These are real and will cause real pain, but they are not immutable laws of nature. They are human constructs, and humans can change them.

AI and Robotics Are Part of Demographics

There is another point, completely missed by Citrini's article, that is one of the most important macro forces of our time.

Demographics.

Developed nations are running out of workers. The working-age population is shrinking sharply in the US, Europe, Japan, South Korea, and China. This is the demographic doom loop I often write about. Fewer babies, longer lives, inverted population pyramids—nothing like this has existed in human history before.

As Raoul has long made clear, the golden rule is: GDP growth = population growth + productivity growth + debt growth. Population growth has vanished. It's been gone for a while. That means the only way to keep the GDP game going is to add debt. We borrow from tomorrow to keep today's party going.

Now think about what happens when AI and humanoid robots enter this environment. Citrini's article frames the arrival of machine intelligence as an invasion of a healthy labor market. AI crashes through the gates, and millions of workers are cast aside.

But that's not the reality. AI is entering a world that desperately needs it. We are running out of people. The working-age population in the Global North is shrinking fast, and without AI and robotics, GDP growth would be headed for structural decline anyway.

Kevin Kelly calls what's coming 'The Handover.' As the human population peaks and declines, billions of AI agents and tens of millions of humanoids come online to fill the gap. We are handing the economy over to non-human actors.

This doesn't erase the pain of individual transitions. Real people losing real jobs face real difficulties, and we need to face that. But at the macro level, AI and robotics are not replacing workers; they are filling a demographic hole that was about to swallow the entire economy.

Citrini's scenario imagines a world where AI destroys the job market and no one can find work. But what if by 2028 reality looks more like this: AI and humanoids fill millions of positions left vacant by labor shortages, and humans displaced from knowledge jobs—painfully, but with support—migrate into the emerging economy I'm about to describe?

The Human Residue

Because this is what Citrini's article never considers. As the old economy contracts, a new economy is self-organizing from the ground up.

I've written about the rise of the independent industrialist. Sam Altman talks about the one-person billion-dollar company. In some fields, AI tools and agents allow a single highly productive individual to output what required hundreds of employees before. We will see millions of these new economic actors—independent operators and micro-teams managing vast arrays of AI agents—creating enormous value in ways the old economic framework could not foresee.

Anthropic's research into how people use Claude reveals the contours of this future. Software development. Consulting. Financial services. Marketing. Content creation. In every field, high-capability individuals armed with AI are becoming one-person enterprises. This is new economic activity. And much of it will happen outside the structures monitored by Citrini's work.

But a deeper shift is underway. As machine intelligence takes over all the mental work—coding, legal documents, financial analysis, data processing—economic value migrates up the Maslow hierarchy to levels only humans can provide.

I call this 'The Human Residue.' The parts of value creation that require being human. The attention, empathy, and recognition from another person who truly sees you. It is art and narrative from a real, lived experience. It is the counselor who guides you through a stressful move, the guide who helps you navigate a life crisis, the community builder who creates a place you feel you belong.

When AI does all the paperwork, what becomes scarce? Feeling. Connection. Meaning. A vast new economy will form around these irreducible human outputs. It will command enormous value. But it won't be captured in GDP, nor tracked by the metrics in Citrini's article.

This is the economy emerging on the other side of the singularity. Not a dead zone of mass unemployment. But an old economy being composted to nourish something new, strange, and in many ways richer.

System Transition

Let's put this all together.

Citrini's article asks a core question: what happens when a scarce input (intelligence) becomes abundant?

This is exactly the right question. Throughout modern economic history, human intelligence has been that scarce, premium-priced input. They argue that premium is dissipating, and that is true. In more and more tasks, machine intelligence is becoming a competent and rapidly evolving substitute for human intelligence. On this, we agree.

But Citrini concludes that the dissipation of the human intelligence premium is a 'crisis.' I believe it is precisely the 'transition.' They are staring at the dissolving caterpillar and screaming that the creature is dying. In a sense, they are right—the caterpillar is dying. But inside the chrysalis, something else is forming.

What is forming is a Post-human Economy. An economy where intelligence is no longer scarce but abundant like air. An economy where the cost of knowledge work and eventually much physical production will trend towards zero—not overnight, not evenly across domains, but relentlessly. An economy where the fundamental measure of prosperity is no longer how much nominal economic output we produce, but how efficiently we convert energy into intelligence. An economy where the value humans exchange with each other migrates to a deeper place: empathy, meaning, connection, creativity, and the sheer experience of being alive with other conscious beings.

We are not heading for a 'Global Intelligence Crisis'; we are stepping into a 'Global Intelligence Transition.' We are entering a completely new economic system, one we are all struggling to understand. Yes, the transition will be bumpy, perhaps even violently turbulent. There will be chaos, pain, and political shock. A 'Fourth Turning' is likely real. Some of what Citrini describes—job losses, SaaS industry collapse, friction going to zero—is probably coming, and faster than most think.

But viewed from the longer timeframe I'm observing—ten to twenty years, not a mere two—their conclusion begins to look untenable. A Great Recession rivaling the GFC with a 57% drop and no natural brake? That conclusion depends entirely on an assumption: that those old metrics still reflect the truth of the system.

I don't think they do. There will be real pain, but that pain is characteristic of the transition process, not evidence that the destination is inevitably disaster.

There are two lines on the chart:

  • GDP is going down.

  • Intelligence output per unit energy is going up.

One of these lines is the real signal, and the other is just the noise of a dying measurement system.

If we want to understand what is happening around us now, we need to make sure we are watching both lines.


Twitter:https://twitter.com/BitpushNewsCN

Bitpush TG Discussion Group:https://t.me/BitPushCommunity

Bitpush TG Subscription: https://t.me/bitpush

Original link:https://www.bitpush.news/articles/7614423

Câu hỏi Liên quan

QWhat is the core argument of Citrini Research's paper 'The 2028 Global Intelligence Crisis'?

ACitrini Research argues that an abundance of AI-driven intelligence will destroy the income side of the economy (wages, jobs, consumer spending), triggering a chain reaction of financial collapse, including a 38% drop in the S&P 500 and 10.2% unemployment, with no natural braking mechanism to stop the downward spiral.

QAccording to David Mattin, what is the fundamental flaw in Citrini's analysis?

AMattin argues that Citrini's analysis uses outdated economic indicators from the 'human economy' (like GDP, unemployment rates) to measure the emerging 'post-human economy,' mistaking the breakdown of these old measurement tools for the breakdown of the entire economic system itself.

QWhat new metric does David Mattin propose as a more coherent measure of prosperity in a post-human economy?

AMattin proposes 'Intelligence output per unit energy' as the key metric, which measures how efficiently our civilization converts energy into useful intelligence. He argues this metric is soaring exponentially even as traditional indicators like GDP fall.

QHow does Mattin's 'Foundation Layer Flywheel' concept act as a natural brake on the economic collapse Citrini predicts?

AThe Foundation Layer Flywheel describes the symbiotic relationship between AI and energy: cheaper, more abundant AI makes energy systems more efficient, and cheaper energy makes AI even cheaper and more powerful. This creates a powerful positive feedback loop that drives down the cost of nearly everything downstream, acting as a deflationary brake and creating prosperity that offsets income destruction.

QWhat does Mattin mean by the 'human residue' in the future economy?

A'Human residue' refers to the economic value that migrates to uniquely human traits—such as empathy, connection, meaning, creativity, and the experience of conscious existence—once AI handles all intellectual and analytical tasks. A new economy will form around these irreducibly human outputs, creating value that traditional metrics cannot capture.

Nội dung Liên quan

Near Tái Xuất Hiện Trên Sân Khấu AI: Chuyển Đổi Thành Blockchain Công Cộng Vì 'Khó Trả Lương', Agent và Quyền Riêng Tư Trở Thành Câu Chuyện Tăng Trưởng Mới

Tác giả: Jae, PANews Dù đã trải qua nhiều chu kỳ thị trường với các xu hướng khác nhau, từ blockchain hiệu suất cao, phân mảnh đến trừu tượng chuỗi và gần đây là AI Agent, Near luôn có mặt. Được đồng sáng lập bởi Illia Polosukhin, một trong những tác giả của kiến trúc AI Transformer nổi tiếng, Near có nền tảng kỹ thuật vững chắc. Điều ít người biết là Near ban đầu là một công ty khởi nghiệp AI, tập trung vào "tổng hợp chương trình" (dạy máy viết code). Tuy nhiên, họ gặp khó khăn trong việc trả lương xuyên biên giới cho các nhà phát triển toàn cầu do hạn chế của hệ thống thanh toán truyền thống và phí gas cao, tốc độ chậm của các blockchain thời kỳ đầu. Điều này buộc họ tạm dừng giấc mơ AI và tự xây dựng một blockchain riêng - Near - vào năm 2018. Sau một thời gian phát triển công nghệ phân mảnh nhưng gặp khó khăn trong việc thu hút hệ sinh thái, Near tìm thấy cơ hội mới khi làn sóng AI bùng nổ. Danh tiếng của Polosukhin với tư cách là đồng tác giả Transformer được công nhận rộng rãi, đưa Near trở lại ánh đèn sân khấu với tư cách là một dự án có "dòng máu AI" chính thống. Near hiện tập trung vào hai hướng phát triển chính: Near Intents và giao dịch riêng tư (Confidential Transactions). **Near Intents** đơn giản hóa trải nghiệm giao dịch chuỗi chéo. Thay vì thực hiện nhiều thao tác thủ công trên các chuỗi khác nhau, người dùng chỉ cần nêu ý định (ví dụ: "đổi BTC lấy ETH"), và mạng lưới "trình giải quyết" (Solver) sẽ tự động tìm đường đi tối ưu. Cơ chế này đã xử lý hơn 200 tỷ USD khối lượng giao dịch tích lũy, tạo ra hơn 34 triệu USD phí giao dịch, với TVL đạt 85 triệu USD trên 25 blockchain. Tuy nhiên, nguy cơ tập trung hóa trong mạng lưới Solver là một rủi ro tiềm ẩn. **Giao dịch riêng tư** là lợi thế cạnh tranh khác. Tính năng "Hoán đổi Bảo mật" cho phép ẩn số lượng, hướng giao dịch trước khi thanh toán, bảo vệ người dùng khỏi MEV và trượt giá. Trong 30 ngày qua, giao dịch riêng tư chiếm tới 41,63% tổng khối lượng giao dịch trên Near (~87 triệu USD trong tổng số 209 triệu USD), phản ánh nhu cầu thị trường mạnh mẽ. Tuy nhiên, tỷ lệ cao này cũng có thể thu hút sự giám sát từ các cơ quan quản lý. Tóm lại, sau hành trình đầy biến động, Near đang định vị lại mình ở giao lộ của blockchain và AI, thông qua trừu tượng hóa chuỗi, cơ chế ý định và giao dịch riêng tư. Việc liệu những nỗ lực này có giúp Near xây dựng được hào rào cạnh tranh vững chắc hay không vẫn cần được theo dõi thêm.

marsbit48 phút trước

Near Tái Xuất Hiện Trên Sân Khấu AI: Chuyển Đổi Thành Blockchain Công Cộng Vì 'Khó Trả Lương', Agent và Quyền Riêng Tư Trở Thành Câu Chuyện Tăng Trưởng Mới

marsbit48 phút trước

Từ Ethereum đến "CROPS" của AI: Bộ "Biến số Chậm" mà Vitalik Liên Tục Nhấn Mạnh Rốt Cuộc Là Gì?

Bài viết này giải thích khái niệm CROPS, một thuật ngữ được Vitalik Buterin nhấn mạnh nhiều lần gần đây, liên quan đến định hướng phát triển cốt lõi của Ethereum và tương lai của trải nghiệm người dùng trong thời đại AI. CROPS là viết tắt của năm nguyên tắc: Kháng kiểm duyệt (Censorship Resistance), Kháng chiếm đoạt (Capture Resistance), Mã nguồn mở/Mở (Open Source/Openness), Quyền riêng tư (Privacy) và Bảo mật (Security). Đây không chỉ là giá trị cốt lõi của Ethereum mà còn là kim chỉ nam cho Quỹ Ethereum (EF) trong việc phân bổ nguồn lực vào các nhiệm vụ dài hạn, đảm bảo người dùng giữ được quyền kiểm soát tối thượng đối với tài sản và hành động số của họ. Bài viết chỉ ra rằng khi AI, đặc biệt là AI Agent, ngày càng đóng vai trò là "đại lý số" xử lý các tác vụ phức tạp (như giao dịch, quản lý tài sản), CROPS trở thành vấn đề sống còn. Một hệ thống AI tuân thủ CROPS cần chạy cục bộ (local) khi có thể, bảo vệ quyền riêng tư, minh bạch và trao cho người dùng quyền xác nhận cuối cùng, tránh biến thành một "hộp đen" tập trung. Giao điểm giữa "CROPS Ethereum Access Layer" và "CROPS AI" nằm ở việc giải quyết cùng một vấn đề: làm sao để người dùng truy cập các dịch vụ từ xa (như mô hình LLM hoặc dữ liệu blockchain) mà không phải hy sinh thông tin cá nhân, ý định hay quyền kiểm soát. Các giải pháp như gọi LLM từ xa thanh toán bằng ZK-proof hay đọc RPC Ethereum riêng tư là những ví dụ điển hình. Tóm lại, trong bối cảnh AI đang định hình lại tương tác kỹ thuật số, CROPS nổi lên như một khuôn khổ quan trọng đảm bảo rằng sự tiện lợi và quyền lực của công nghệ không đi kèm với cái giá phải trả là quyền tự chủ, bảo mật và quyền riêng tư của người dùng. Điều này sẽ định hướng cho sự phát triển của các lớp cơ sở hạ tầng, đặc biệt là ví tiền điện tử, trong tương lai.

marsbit59 phút trước

Từ Ethereum đến "CROPS" của AI: Bộ "Biến số Chậm" mà Vitalik Liên Tục Nhấn Mạnh Rốt Cuộc Là Gì?

marsbit59 phút trước

Lỗi Zcash Có Thể Đúc Vô Hạn ZEC Mà Không Bị Phát Hiện

Một lỗ hổng nghiêm trọng trong nhóm giao dịch được bảo vệ Orchard của Zcash có thể đã cho phép kẻ tấn công tạo ra lượng ZEC giả không giới hạn mà không bị phát hiện, theo tiết lộ mới từ Zooko Wilcox, Jason McGee và nhà nghiên cứu bảo mật Taylor Hornby. Lỗ hổng được phát hiện vào ngày 29 tháng 5, được khắc phục khẩn cấp trước ngày 2 tháng 6, và đã châm ngòi cho cuộc tranh luận về cách Zcash có thể chứng minh tính toàn vẹn nguồn cung trong một hệ thống bảo vệ quyền riêng tư. Lỗi nằm trong một quy tắc được viết thủ công trong mạch Orchard, khiến nó có thể chấp nhận thông tin sai nhưng vẫn cho phép giao dịch hợp lệ. Do tính chất bảo mật của Orchard, không có cách nào để chứng minh bằng mật mã liệu lỗ hổng có bị khai thác trước khi sửa chữa hay không, gây ra lo ngại về tính toàn vẹn nguồn cung. Để giải quyết, Shielded Labs đang xem xét đề xuất nâng cấp mạng để triển khai một nhóm bảo mật mới, nhằm cho phép bất kỳ ai cũng có thể xác minh nguồn cung ZEC. Họ cũng đang đẩy nhanh công việc xác minh chính thức mạch Orchard để ngăn chặn sự cố tương tự trong tương lai. Giá ZEC đã giảm gần 45% trong bối cảnh không chắc chắn này.

bitcoinist1 giờ trước

Lỗi Zcash Có Thể Đúc Vô Hạn ZEC Mà Không Bị Phát Hiện

bitcoinist1 giờ trước

Steve Hoffman, 'Cha đẻ đầu tư mạo hiểm' Thung lũng Silicon: Web3 + AI có thể là một cái bẫy

Ngày 28/5, công ty Anthropic đứng sau mô hình AI Claude đã huy động thành công 7,5 tỷ USD trong vòng tài trợ Series H, nâng định giá lên 96,5 tỷ USD, vượt mặt OpenAI. Trong bối cảnh các gã khổng lồ AI cạnh tranh khốc liệt về nền tảng tính toán, Steve Hoffman - nhà sáng lập Founder Space, được mệnh danh là "cha đỡ đầu" trong giới đầu tư mạo hiểm tại Thung lũng Silicon - đã có cuộc trò chuyện về tương lai của ngành. Hoffman nhận định, Thung lũng Silicon sẽ tiếp tục dẫn đầu trong nghiên cứu cơ bản về các mô hình lớn (foundation models), trong khi Trung Quốc sẽ chiến thắng trong việc triển khai ứng dụng và thương mại hóa, đặc biệt thống lĩnh lĩnh vực robot. Ông khuyến nghị các startup nên theo đuổi chiến lược "toàn cầu hóa ngay từ ngày đầu" (Global from Day 1) thay vì chỉ tập trung vào thị trường nội địa. Về tác động của AI, Hoffman dự đoán điểm bùng phát thực sự của các tác nhân tự trị (Autonomous Agents) - có khả năng phối hợp và xử lý các mục tiêu phức tạp - sẽ đến trong khoảng 2-4 năm tới, dẫn đến thay thế lao động trên quy mô lớn, bao gồm nhiều công việc tri thức. Giải pháp là thiết kế mô hình kinh doanh theo hướng "cộng tác người-máy" (Human-AI Collaboration) và cải cách chính sách về đào tạo lại, an sinh xã hội. Đối với các startup AI, Hoffman khuyên nên tập trung vào các lĩnh vực chuyên sâu, phức tạp, gắn với ngành cụ thể để tạo ra hàng rào phòng thủ trước các gã khổng lồ công nghệ. Tốc độ lặp lại sản phẩm nhanh chính là lợi thế cạnh tranh then chốt. Ông cũng chỉ ra cơ hội lớn trong lĩnh vực an ninh mạng và chống gian lận AI. Cuối cùng, Hoffman thẳng thắn bày tỏ quan điểm về "Web3 + AI". Ông cho rằng Web3 chủ yếu mang lại giá trị cho một nhóm người nhất định trong hệ sinh thái tiền mã hóa, nhưng không tạo ra tác động thực chất đối với thị trường đại chúng. Việc kết hợp Web3 với AI chủ yếu làm tăng thêm sự phức tạp và có thể là một cái bẫy đối với hầu hết các nhà sáng lập, thay vì một cơ hội. AI mới là công nghệ nền tảng phổ quát thực sự có khả năng chạm đến mọi ngành công nghiệp.

marsbit2 giờ trước

Steve Hoffman, 'Cha đẻ đầu tư mạo hiểm' Thung lũng Silicon: Web3 + AI có thể là một cái bẫy

marsbit2 giờ trước

Vượt qua "Bức tường Bộ nhớ": Cuộc Cách mạng ở Cấp độ Wafer và Lộ trình Tính toán trong Thời đại Suy luận AI

Năm 2026, chi phí đầu tư cho suy luận AI của các nhà cung cấp điện toán đám mây quy mô lớn lần đầu tiên vượt quá chi phí cho huấn luyện, đánh dấu bước chuyển từ "luyện mô hình lớn" sang "sử dụng mô hình lớn". Trong thời đại suy luận, điểm nghẽn chính chuyển sang "tường bộ nhớ" (memory wall), nơi chi phí và độ trễ di chuyển dữ liệu giữa GPU và DRAM (như HBM) vượt xa bản thân tính toán. Cerebras Systems, với kiến trúc động cơ quy mô wafer (WSE), đề xuất một giải pháp triệt để: thay vì cắt một tấm wafer thành nhiều chip nhỏ, họ sử dụng gần như toàn bộ wafer làm một chip khổng lồ duy nhất. Chip WSE-3 mới nhất cung cấp băng thông bộ nhớ trên chip cực cao nhờ 44GB SRAM, lên tới 21 PB/s, cao hơn 2625 lần so với GPU B200 của NVIDIA, giúp giảm đáng kể độ trễ trong suy luận mô hình lớn. Trong kiến trúc của Cerebras, trọng số mô hình được lưu trữ bên ngoài trên MemoryX và được truyền theo từng lớp đến chip khi cần, cho phép thông lượng token nhanh hơn từ 1.5 đến 5 lần so với B200 trong các mô hình khác nhau. Nó cũng có lợi thế lớn về hiệu suất năng lượng cho kết nối trên chip. Tuy nhiên, Cerebras phải đối mặt với những thách thức: lợi thế SRAM có thể chạm trần vật lý do giới hạn thu nhỏ theo tiến trình bán dẫn, yêu cầu hệ thống làm mát chuyên dụng, băng thông I/O ra bên ngoài thấp gây khó khăn cho mở rộng quy mô lớn, và hệ sinh thái phần mềm độc quyền. Các gã khổng lồ công nghệ đang theo đuổi nhiều con đường khác để giải quyết điểm nghẽn suy luận, bao gồm tự phát triển ASIC (như TPU, Maia), tận dụng công nghệ đóng gói tiên tiến phổ biến (như SoW của TSMC), và khám phá kết nối/quang học. Áp lực thương mại cũng rất lớn, khi Cerebras phải chuyển đổi thành nhà cung cấp dịch vụ đám mây và triển khai năng lực trung tâm dữ liệu khổng lồ theo các hợp đồng. Tóm lại, cuộc đua kiến trúc suy luận AI là về sự đánh đổi: Cerebras tối ưu hóa cực độ cho độ trễ thấp trên một wafer, trong khi NVIDIA duy trì tính linh hoạt và thông lượng cao thông qua kiến trúc cụm GPU. Tương lai của cả hai hướng đi vẫn chưa được định đoạt, phụ thuộc vào sự phát triển của tải công việc và công nghệ.

marsbit2 giờ trước

Vượt qua "Bức tường Bộ nhớ": Cuộc Cách mạng ở Cấp độ Wafer và Lộ trình Tính toán trong Thời đại Suy luận AI

marsbit2 giờ trước

Giao dịch

Giao ngay
Hợp đồng Tương lai
活动图片