Я потратил больше времени на размышления о том, что будет после торговли ИИ-чипами, и думаю, что рынок смотрит на ещё более серьёзное узкое место: ДАННЫЕ

Не сырой интернет-мусор и не очередная база данных с ярлыком «для ИИ».
Речь о чистых, лицензированных, поддающихся атрибуции и всё более реальных данных, на которых модели могут законно обучаться и действительно узнавать что-то новое.
Вычисления по-прежнему важны, но теперь это уже не единственный дефицитный ресурс.
Morgan Stanley оценивает примерно $2,9T на $3T расходов на инфраструктуру ИИ до 2028 года, при этом пока развернуто менее 20%.
Будет больше #GPUs, больше дата-центров, больше контрактов на электроэнергию и выше эффективность инференса.
То, что не масштабируется автоматически, — это свежие человеческие знания и опыт реального мира.
Физические данные для ИИ ещё дороже, зависят от воплощения, их сложно идеально синтезировать и практически невозможно надёжно скрейпить на достаточную глубину.
Узкое место — в фиксации правильного события с правильными датчиками, при правильных правах, и в доказательстве того, откуда оно взялось.
Похоже, частные рынки уже понимают это раньше, чем публичные.
– Scale AI оценили почти $29B после сделки Meta на $14,3B за 49% доли.
– Surge AI получила более $1B выручки в 2024 году, при этом искала оценку $15B .
Так что если в TradFi идёт крупный катализатор, в криптоиндустрии тоже может появиться «нога» в сборе AI-данных и подтверждении происхождения.
– @eigencloud | $Eigen: EigenDA обеспечивает верифицируемую доступность данных, а EigenCompute, EigenAI и EigenVerify позволяют агентам доказывать, откуда взялись данные, и как были сгенерированы выходные результаты.
– @grass | $Grass: превращает простаивающую пропускную способность в верифицируемые данные для обучения ИИ. 2,5M+ узлов в 190+ странах скрейпят ~100TB/день, а ZK-доказательства делают каждый датасет прослеживаемым и проверяемым.
– @vana | $Vana: борется с «датовым» узким местом ИИ, превращая пользовательские данные в разрешённые, доказуемые датасеты для обучения. 1M+ участников, DataDAOs и переносимая AI-память — всё на одной сети.
– @SaharaAI | $Sahara: L1, «заточенный» под ИИ, где участники собирают, маркируют и владеют датасетами, а происхождение, лицензирование и роялти остаются в onchain. Стремится сделать высококачественные данные для ИИ масштабируемыми.
– @datafdn | $Data: rails по происхождению, согласию, лицензиям и аудиту в onchain, а слой Poseidon очищает и маркирует реальные данные для обучения моделей.
– @oceanprotocol | $Ocean: превращает данные в onchain-активы с Data NFTs, Compute-to-Data и rails по происхождению, чтобы ИИ мог обучаться на приватных датасетах, не раскрывая сырые данные.
– @origin_trail | $Trac: поставляет DKG V10, где ИИ-агенты делятся верифицируемой памятью. dRAG, происхождение и память для multi-agent делают данные переиспользуемыми без потери доверия.
– @datainetwork: превращает сырые логи блокчейна в структурированную, машинно-читаемую «интеллектуальность». 3,5B+ транзакций проиндексированы, 2,5M контрактов размечены и 150M+ событий DeFi для того, чтобы AI-агенты могли рассуждать.
Это не призыв «залетать» в каждый тикер из списка. Просто карта того, кто строит инфраструктуру до того, как рынок начнёт за неё платить.