Сообщество ИИ не обращает внимания на блокчейн.

Автор: Ekko An, Ryan Yoon; Источник: Tiger Research; Перевод: BitpushNews

Индустрия искусственного интеллекта продолжает уверенный рост, не проявляя признаков замедления. Однако ситуация в области "блокчейн AI" совершенно иная. Почему ей не удалось привлечь соответствующего внимания?

Ключевые моменты

• На фоне бума AI блокчейн-индустрии необходимо рассматривать с точки зрения спроса: какие проблемы, не решаемые существующими системами, она решает, и какие уникальные возможности предоставляет?

• Децентрализованные вычисления и хранение действительно имеют логическое обоснование с точки зрения суверенитета данных и конкурентоспособности затрат. Препятствие заключается в том, что ни то, ни другое пока не продемонстрировало достаточно убедительного технологического превосходства, чтобы клиенты, уже привязанные к существующей облачной инфраструктуре, захотели рисковать миграцией.

• Проблемы, решаемые верификацией моделей и технологиями конфиденциальности, еще не достигли уровня срочности, который побудил бы предприятия к добровольным действиям. Такой спрос, скорее всего, последует за регуляторными требованиями, а не опередит их. Закон ЕС об ИИ является ярким примером: сначала стандарты, затем рынок.

• В категории агентных (Agent) фреймворков узким местом является не технология. Крупные компании по-прежнему сосредоточены на автоматизации внутренних рабочих процессов, в то время как блокчейн-проекты уже строят инфраструктурный слой для следующего этапа. Спросу нужно время, чтобы догнать технологию.

• Агентные платежи — это единственная область, где блокчейн и традиционные финансы находятся на одной стартовой линии. Ни одна из сторон еще не решила эту проблему, что делает ее единственной категорией, где оба сталкиваются с одинаковыми вызовами.

• В целом, блокчейн-индустрия AI испытывает трудности не из-за отсутствия логики в сочетании двух технологий, а из-за несоответствия: четыре категории сталкиваются с разными причинами незрелости спроса, и только агентные платежи в настоящее время готовы к конкуренции на равных.

1. Забытые блокчейн-проекты на фоне бума AI

Индустрия ИИ переживает беспрецедентные инвестиции в капитал и инфраструктуру. Экосистема больших языковых моделей, в которой доминируют крупные технологические компании, стала стандартной чертой повседневной жизни и промышленных операций. На фоне этого быстрого расширения криптовалютная индустрия также быстро эволюционирует, ища точки соприкосновения с технологиями ИИ.

Ранние усилия были сосредоточены на дополнении или копировании звеньев традиционной цепочки создания стоимости AI: децентрализованное предложение GPU, восстановление суверенитета данных и криптографическая верификация. В последнее время акцент сместился на устранение пробелов, которые трудно решить в рамках централизованной архитектуры, включая ончейн-автономную активность AI-агентов и расчеты в реальном времени между машинами (M2M).

Обобщение этой области как "AI плюс блокчейн" скрывает ее сложность. Необходим строгий анализ со стороны спроса: какие проблемы решает каждый сегмент? Предлагают ли блокчейн-нативные решения действительно дифференцированные решения?

2. Функциональность каждой категории

2.1. Децентрализованные вычисления

Современный рынок облачных вычислений структурно зависит от нескольких крупных технологических компаний, контролирующих вычислительные ресурсы. Высокопроизводительные GPU как труднодоступны, так и дороги, что создает высокий порог входа для стартапов и исследовательских групп AI, не имеющих доступа к крупномасштабной инфраструктуре.

Централизованные системы концентрируют ресурсы на крупнейших покупателях, и на рынке отсутствуют нейтральные каналы для перераспределения значительных объемов простаивающих мощностей GPU.

Децентрализованные вычисления решают эту централизацию и неэффективность двумя способами:

• Модель экономики совместного потребления: проекты агрегируют простаивающие ресурсы GPU, принадлежащие частным лицам и небольшим дата-центрам, в единую сеть, создавая более гибкую цепочку поставок вне существующих технологических монополий.

• Модель распределенных вычислений: пользователи могут арендовать вычислительные ресурсы по всему миру, не полагаясь на инфраструктуру единого поставщика, что повышает утилизацию оборудования и снижает порог доступа к высокопроизводительным вычислениям.

2.2. Децентрализованное хранение

Текущая архитектура хранения данных почти полностью опирается на централизованные облачные инфраструктуры, эксплуатируемые такими компаниями, как Google и Meta. Когда пользователи загружают данные на эти платформы, право собственности фактически переходит к платформе, укрепляя ее монопольный контроль над данными для обучения AI. Централизованная инфраструктура также вносит операционные риски: изменения политики, сбои в обслуживании или отказ платформы могут прервать доступ к данным или привести к их потере.

Децентрализованное хранение решает эти структурные проблемы двумя способами:

• Модель экономики совместного потребления: на примере Filecoin и Arweave, объединяет простаивающее пространство хранения участников в сеть, способную заменить существующие централизованные облачные сервисы.

• Модель постоянного хранения: распределенное копирование данных по узлам для обеспечения их долговечности, независимо от состояния работы одного сервера, и уменьшение зависимости от какой-либо одной платформы.

2.3. Рынки данных

Разработчикам AI требуются обучающие данные, но текущий рынок распространения данных работает в закрытой манере, где крупные платформы, такие как Hugging Face и облачные провайдеры, получают основную экономическую выгоду и контролируют ценообразование. Создатели данных практически не получают компенсации, а механизмы вознаграждения за сбор и вклад данных лишены прозрачности.

Ончейн-рынки устраняют посредников через смарт-контракты и устанавливают прозрачные условия сделок:

• Модель прямых транзакций: как Ocean Protocol, владельцы данных и разработчики AI торгуются напрямую через смарт-контракты с прозрачным распределением вознаграждения.

• Модель вознаграждения за вклад: как Grass, частные лица подключают простаивающую пропускную способность для сбора данных AI и получают вознаграждение, пропорциональное ценности их вклада.

@E3 @ 2.4. Верификация моделей и выводов / Конфиденциальность

Традиционные системы AI работают как "черные ящики": нет внешних средств для проверки правильности работы модели или безопасной обработки конфиденциальных пользовательских данных.

Машинное обучение с нулевым разглашением (ZKML) вводит криптографический слой верификации для выводов AI, обеспечивая конфиденциальность и аудируемость. В такой архитектуре модель выполняется традиционным образом вне сети, но процесс вычислений генерирует криптографическое доказательство того, что он был выполнен правильно в соответствии с заданными правилами.

В сети фиксируется это "доказательство", а не базовые данные. Например: в автоматизированной системе обработки страховых требований в здравоохранении больница предоставляет только доказательство правильности работы модели AI, не раскрывая полных медицинских записей. Страховая компания может проверить обоснованность требования без доступа к исходным данным.

2.5. Фреймворки AI-агентов

По мере того как AI-агенты становятся основными центрами трафика и создания стоимости, они эволюционируют от инструментов к автономным экономическим участникам. Существующие финансовые системы, созданные вокруг человеческих моделей потребления, структурно несовместимы с машинно-ориентированной платежной средой.

Экономика агентов требует микроплатежей, высокочастотных расчетов и кросс-граничных платежей с миллисекундной задержкой, к чему существующая финансовая инфраструктура не адаптирована.

Ончейн-инфраструктура агентов решает эту проблему двумя механизмами:

• Механизм автономного выполнения и контроля: присвоение уникальных кошельков и идентификаторов AI-агентам, позволяющее им напрямую подписывать транзакции, с установкой лимитов расходов и защитой от непредвиденных действий.

• Механизм расчетов на основе протоколов: использование протоколов платежей в стейблкоинах, таких как x402, для расчета микроплатежей и высокочастотных платежей в реальном времени, минуя конвертацию валют и процедуры утверждения.

3. Почему блокчейн AI отошел от цепочки создания стоимости AI

Цепочка создания стоимости AI формируется вокруг "последовательного устранения узких мест". С ростом спроса на AI возникают дефициты памяти, затем ограничения в электроснабжении и пропускной способности передачи данных. Те компании, которые быстро решают эти проблемы (например, производители HBM и поставщики энергетической инфраструктуры), привлекают огромные капиталы и рост рыночной стоимости. Рынок четко оценивает те решения, которые устраняют препятствия для роста.

Хотя блокчейн-проекты AI выявляют реальные проблемы, они не получают того же уровня рыночного внимания. Если бы эти проблемы были так же срочны, как утверждается, они уже должны были бы вызвать значительный сдвиг рынка.

Блокчейн-проекты AI, продвигая такие обоснованные цели, как "уменьшение централизации GPU" и "восстановление суверенитета данных", в то же время не могут привлечь основной капитал, потому что существует огромный разрыв между приоритетами технологических поставщиков и приоритетами покупателей, контролирующих распределение капитала.

Индустрия AI работает в конкурентных временных рамках, и покупатели (в основном крупные технологические компании и корпоративные клиенты) масштабно инвестируют в технологии, которые быстрее всего решают их текущие операционные узкие места. Они не тратят время на оценку непроверенной инфраструктуры. Их приоритеты: производительность вычислений, надежность инфраструктуры и подтвержденная окупаемость инвестиций.

Например: когда скорость передачи данных стала узким местом при обучении моделей, крупные капиталы потекли в оптоволоконную инфраструктуру для замены медных кабелей; когда пропускная способность памяти стала основным ограничением, SK Hynix и Samsung Electronics решили эту критическую проблему с помощью HBM (высокопропускной памяти), получив мировое признание. Схема одинакова: капитал следует за теми, кто устраняет факторы, сдерживающие прогресс.

Основная проблема блокчейн AI заключается в "позиционировании". Покупатели с крупными бюджетами капитала сосредоточены только на краткосрочном повышении производительности и снижении затрат. В отличие от этого, блокчейн AI занимается проблемами, которые покупатели считают "второстепенными" или относящимися к "будущему состоянию". Технологические амбиции со стороны предложения не совпадают с текущими операционными требованиями со стороны спроса.

3.1. Технологические ограничения

Некоторые проекты демонстрируют потенциал и дизайнерские концепции децентрализованной инфраструктуры с помощью бенчмарков. Но более фундаментальная проблема в том, что эта работа пока не привела к решающему технологическому прорыву, способному заменить доминирующих игроков на основном рынке.

Для новой технологии, стремящейся отнять долю у таких централизованных облачных провайдеров, как AWS или GCP, которые уже обладают огромным капиталом и инфраструктурой, она должна предложить огромное преимущество в производительности, настолько значительное, чтобы разрыв с существующими гигантами перестал иметь значение.

Когда Apple перешла с чипов Intel на M1 (и взяла на себя огромный риск нарушения совместимости ПО), это было оправдано трехкратным повышением энергоэффективности — разрывом, достаточным, чтобы сделать переход стоящим.

Для корпоративных покупателей, для которых синхронизация петабайт данных и сверхнизкая задержка являются базовыми условиями, блокчейн AI пока не предоставил достаточно убедительного обоснования, чтобы они приняли риск перехода.

3.2. Несовпадение спроса

В децентрализованных вычислениях некоторые проекты вводят "соглашения об уровне обслуживания" (SLA) в качестве механизма снижения рисков, но корпоративные покупатели все еще не убеждены. Причина структурная, а не контрактная. Крупные облачные провайдеры предлагают контролируемые, выделенные дата-центры. Блокчейн-сети полагаются на разрозненное, анонимное участие узлов.

Если узел отключается и прерывает задачу обучения модели стоимостью в сотни миллионов вон, никакая токенная компенсация или финансовое возмещение не вернут упущенную выгоду и время. Для корпоративных покупателей, работающих в конкурентных временных рамках, стабильность системы не является параметром для переговоров. Даже при наличии механизмов хеджирования у большинства покупателей нет стимула брать на себя остаточный риск неопределенности.

3.3. Спрос еще не сформирован

Блокчейн-фреймворки для агентов разработаны для сложных экосистем (т.е. множества AI-агентов, работающих автономно в сотрудничестве), но между этим видением и текущим состоянием основного рынка существует разрыв в зрелости.

Внедрение AI-агентов предприятиями ускоряется под руководством таких компаний, как Microsoft и Salesforce, но текущий акцент твердо сделан на "автоматизации рабочих процессов", работающих в контролируемых внутренних сетях. Блокчейн-проекты строят инфраструктуру для следующего этапа: независимых AI-агентов, автономно работающих во внешних сетях за пределами каких-либо организационных границ. Большинство предприятий по-прежнему сосредоточены на установлении стабильности и окупаемости своих развернутых систем AI. Многоагентное сотрудничество через внешние сети пока не является приоритетом в дорожных картах корпоративной инфраструктуры.

Ограниченность спроса на текущем этапе отражает "время", а не "технологический провал". Это следует понимать скорее как долгосрочные инфраструктурные инвестиции в будущую экономику агентов, а не как возможность получения дохода в ближайшей перспективе.

3.4. Регуляторные предпосылки

Доказательства с нулевым разглашением и технологии конфиденциальности являются ключевыми решениями для укрепления доверия к AI, но на ранних этапах внедрения AI спрос предприятий на инфраструктуру конфиденциальности ограничен. Спонтанное внедрение предприятиями вряд ли приведет к значимому распространению; более вероятный путь — регуляторные стандарты создадут спрос, а затем технология подключится.

Ужесточение глобальной регуляторной базы, включая Закон ЕС об ИИ, является в этом отношении позитивным событием. По мере того как правовые требования к происхождению и безопасности данных становятся конкретными, передовые возможности верификации блокчейна могут стать обязательным требованием соответствия в корпоративных развертываниях, а не опциональной функцией.

Регуляторное развитие в этой области лучше всего понимать как катализатор формирования рынка, а не как сдерживание. Четкие регуляторные стандарты уменьшают рыночную неопределенность и тем самым создают стабильный путь, по которому блокчейн AI сможет сформировать основной спрос в рамках институциональной системы.

3.5. Недостаточно примеров использования

Эти структурные факторы вместе приводят к более фундаментальной проблеме: отсутствию "определяющего успешного примера", который мог бы доказать ценность в масштабе. Традиционная индустрия AI построила свою текущую позицию с помощью маховика внедрения, инициированного ChatGPT, используя конкретный и широко заметный продукт для привлечения капитала и талантов, необходимых для поддержания дальнейшего роста.

Блокчейн-проекты AI пока не продемонстрировали сопоставимых доказательств соответствия продукта рынку (Product-Market Fit) в масштабе. За пределами раннего энтузиазма сообщества ни один проект не смог доказать уровень внедрения, достаточный для того, чтобы заслужить серьезное внимание основного капитала в корпоративных операциях или повседневной жизни потребителей. Отсутствие убедительных референтных примеров остается самым большим препятствием на пути привлечения консервативных институциональных инвестиций, которые могли бы ускорить более широкое внедрение.

4. Есть ли ценность в их сочетании?

Блокчейн AI пока не нашел своего места в основной цепочке создания стоимости AI. Но означает ли это, что их сочетание бессмысленно?

Нет.

Основная причина, по которой блокчейн-проекты AI в настоящее время игнорируются, заключается не в том, что логика их сочетания противоречива, а в том, что в каждом сегменте существует несоответствие между требованиями сложившейся индустрии и направлением, которое предлагает эта технология.

Приоритеты традиционной индустрии AI ясны: краткосрочная производительность, оптимизация затрат и строгая надежность инфраструктуры. Многие текущие предложения блокчейн AI, напротив, сосредоточены на праве собственности на данные, прозрачности вычислений и децентрализации.

Эти проблемы не считаются "немедленными узкими местами" для устоявшихся участников индустрии, и их достижение часто требует принятия потерь производительности, которые слишком высоки по сравнению с выгодами.

До бума AI компании по производству энергетической инфраструктуры широко классифицировались как зрелые, низкорослые предприятия. Спрос на электроэнергию, вызванный дата-центрами, изменил это, и с тех пор они привлекли огромное внимание рынка. Текущая прохладность по отношению к блокчейн AI может отражать аналогичное отставание — переходный период, прежде чем новая парадигма создаст условия, в которых ее ценность может быть осознана.

В этот переходный период ключевым является то, как индустрия реагирует на реальные потребности рынка.

Путь вперед разделяется на два направления: активная адаптация к существующим стандартам цепочки создания стоимости AI, чтобы как можно быстрее сократить текущий разрыв в производительности, или сохранение существующих возможностей при одновременном продолжении строительства инфраструктуры, необходимой для развертывания AI следующего поколения.

Конечный результат будет зависеть от того, какой выбор лучше соответствует будущему направлению спроса.