Иллюзия токенизации: Виталик больше верит в «AI, помогающий криптовалютам»

Статья: Lao Bai

Прошло два года, и В снова выпустил Тви. Я тоже расскажу о том же, что и два года назад в исследовательском отчёте — всё совпадает по времени, 10 февраля.

Два года назад В уже косвенно выразил своё мнение, что он не очень одобряет наш тогдашний тренд — Crypto Helps AI. В то время в крипто-сообществе доминировали три направления: активизация вычислительных мощностей, активизация данных и активизация моделей. Мой отчёт два года назад в основном касался этих трёх направлений, наблюдаемых на первичном рынке, и вызовов, связанных с ними. С точки зрения В, он всё же больше верит в AI Helps 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 в области Crypto Helps AI, но результаты были скромными: многие проекты и направления — просто запуск токена, без реального коммерческого продукта с подтверждённым рыночным соответствием (PMF). Я называю это «иллюзией токенизации».

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

2. Активизация данных — у поставщиков (частных лиц) большие трения, низкое желание участвовать, высокая неопределённость. Для потребителей (компаний) нужны структурированные, контекстозависимые, доверенные и юридически ответственные поставщики данных. DAO-проекты в Web3 сложно обеспечить такими.

3. Активизация моделей — модели сами по себе не являются дефицитными, их легко копировать, быстро дорабатывать и быстро обесцениваются. Они — не конечный продукт, Hugging Face — скорее платформа для совместной работы и распространения, больше похожа на GitHub для ML, чем на App Store для моделей. Поэтому попытки создать «децентрализованный Hugging Face» для токенизации моделей обычно терпят неудачу.

Кроме того, за эти два года мы экспериментировали с различными «подтверждаемыми выводами» — это типичный случай «молотка и гвоздя». От ZKML, OPML, Gaming Theory и до EigenLayer, который превратил 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 действительно не нуждается в подтверждении». Модель угроз со стороны потребителей очень размыта — кого именно защищать?

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

неправильным дизайном стратегии;

слишком широкими правами доступа;

недостаточным пониманием границ;

непреднамеренными взаимодействиями инструментов;

…

Практически не существует случаев «подделки модели» или «злонамеренного изменения процесса вывода», что является фантазией о гвоздях.

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

На этот раз В предложил более зрелые идеи, что связано с нашим прогрессом в области приватности, X402, ERC8004, предсказательных рынков и других направлений.

Можно заметить, что он разделил их на четыре квадранта, половина которых — AI Helps Crypto, а другая — Crypto Helps AI, и теперь это явно отличается от двухлетней давности, когда преобладало первое.

Левый верхний и левый нижний квадранты — использование децентрализации и прозрачности Ethereum для решения вопросов доверия и экономического сотрудничества в AI:

1. Обеспечение доверия и приватных взаимодействий с AI (инфраструктура + выживание): использование ZK, FHE и других технологий для обеспечения приватности и подтверждаемости AI-взаимодействий (не уверен, считаю ли я, что это подтверждаемое выводами).

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.

Правый верхний и правый нижний квадранты — использование интеллектуальных возможностей AI для улучшения пользовательского опыта, эффективности и управления в крипто-экосистеме:

3. Визия Cypherpunk 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. Реализовать более эффективные рынки и управление (влияние + процветание): глубокое участие AI в предсказательных рынках и DAO. AI как эффективный участник, обрабатывающий большие объемы информации, расширяя человеческое восприятие, решая проблемы низкой внимания, высоких издержек принятия решений, информационной перегрузки и апатии при голосовании.

Ранее мы активно стремились к тому, чтобы Crypto помогал AI, а В стоял на другой стороне. Теперь мы наконец встретились посередине, хотя, по всей видимости, это никак не связано с различными токенизациями или AI Layer1. Надеюсь, через два года перечитать этот пост и найти новые направления и сюрпризы.