Відео назва: Попит і пропозиція AI токенів | Інтерв’ю з Діланом Пателем
Автор відео: Invest Like The Best
Переклад: Peggy, BlockBeats

Редакторський коментар: На тлі постійного зростання можливостей AI-моделей, таких як Claude Code, Cursor та інших інструментів, що масово впроваджуються в бізнес, дискусії в галузі змінюються з «наскільки потужні моделі» на «як моделі потрапляють у виробництво». Але коли автоматизація програмування, аналітика та моделювання даних стають новим консенсусом, з’являється більш глибоке питання: коли швидко знижуються витрати на виконання, що є справжньою рідкістю — людські ресурси, капітал чи право користування передовими моделями та токенами?

Зліва — ведучий Patrick O'Shaughnessy, справа — Dylan Patel

Цей матеріал зібрано з бесіди Patrick O'Shaughnessy з засновником SemiAnalysis Dylan’ом Patel. Dylan довгий час зосереджений на інфраструктурі AI, ланцюжках постачання напівпровідників та економіці моделей. У цій розмові він, виходячи з різкого зростання витрат на Claude Code у своїй компанії, обговорює, як AI змінює організацію бізнесу, інформаційні сервіси, попит на токени, ланцюжки постачання обчислювальної потужності та суспільні настрої.

Найцікавіше у цій бесіді — не новий рекорд для якогось моделі, а спосіб розуміння економіки AI — сприймати AI як систему виробництва, що переорієнтовує розподіл виконавчих можливостей, організаційну ефективність і прибутки галузі, а не просто оновлення програмного забезпечення.

Розмова може бути зрозуміла з п’яти точок зору.

По-перше, — знищення витрат на виконання. Раніше ідеї не були дефіцитними, справжні труднощі полягали у перетворенні ідей у продукти, системи та послуги. Тепер Claude Code дозволяє нефахівцям писати код, створювати додатки, аналізувати дані — раніше цим займалася команда, яка потребувала довгого часу для підтримки. Тепер цю роботу виконують кілька людей із допомогою моделей. Щорічні витрати SemiAnalysis на Claude Code вже досягли 7 мільйонів доларів, що перевищує четверту частину їхньої зарплатної віддачі, — це свідчить, що AI вже не просто інструмент підвищення ефективності, а стає новим виробничим капіталом компанії.

По-друге, — перезапис індустрії інформаційних сервісів. Бізнес Dylan’а — це аналіз, консалтинг і створення датасетів, і саме ці сфери найбільше піддаються комерціалізації AI. Аналіз зворотного інжинірингу чипів, моделювання енергетичних мереж, побудова макроекономічних індикаторів — раніше це вимагало довгих зусиль команди, тепер кілька людей можуть за кілька тижнів створити робочий продукт. Це означає, що тиск на інформаційні компанії — не «чи замінить AI людину», а «хто швидше перепроектує продукти конкурентів». Компанії, що не використовують AI, будуть швидко комерціалізовані більш швидкими гравцями, а ті, що використовують — повинні постійно підвищувати стандарти, щоб не бути витісненими більш ефективними конкурентами.

Ще глибше — токени стають новими виробничими ресурсами. Раніше компанії купували підписки на софт, основне питання — зручність інструменту; тепер доступ до передових моделей, обмеження швидкості, корпоративні контракти та бюджет токенів безпосередньо визначають виробничу здатність. Моделі вищого рівня не обов’язково коштують дорожче — розумніший токен може виконати більше завдань за меншу кількість кроків. Конкуренція тепер зосереджена не на «хто використовує AI», а на «хто отримує найпотужнішу модель і використовує найдорожчі токени у найцінніших сценаріях».

Це попит поширюється по всьому ланцюжку постачання. Вибухове зростання використання токенів призведе до постійного тиску на GPU, CPU, пам’ять, FPGA, друковані платки, мідь, обладнання для напівпровідників і фабрики. У статті згадується «ефект бичачого хлиста» — логіка така: знизу здається, що зростає лише попит на виклики моделей, але зверху це може перетворитися на багатократні замовлення, розширення виробництва і підвищення цін. Прибутки індустрії AI не обмежаться компаніями, що створюють моделі або NVIDIA, а поширяться по всьому ланцюжку напівпровідників і дата-центрів.

І нарешті, — можливий передчасний суспільний відгук. Коли AI справді увійде у робочі процеси, зросте занепокоєння щодо заміни робочих місць, енергоспоживання, розширення дата-центрів і концентрації влади. Dylan навіть прогнозує, що за три місяці можуть початися масові протести проти AI. Для компаній, що створюють моделі, продовження наголосу на «AI змінить світ» не зменшить тривогу, а навпаки — посилить уявлення про неконтрольованість. Наступний крок — довести, що AI створює конкретну, відчутну суспільну цінність.

Зараз основна проблема AI — це не «що може зробити модель», а «хто має доступ до моделей, як їх використовує і хто може захопити цінність, яку вони створюють». У цьому сенсі об’єкт обговорення — не лише Claude Code, Anthropic чи окрема AI-компанія, а структурна перебудова, що стосується продуктивності, капітальних витрат, організаційної ефективності і суспільної прийнятності.

Нижче — оригінальний текст (з деякою редакцією для кращого сприйняття):

TL; DR

· Основний фактор AI змінюється з «можна зробити» на «варто зробити», і після різкого зниження витрат на виконання, справжньою рідкістю стають високовартісні ідеї, що можна масштабувати моделлю.

· Витрати на Claude Code становлять 25% від зарплат — це лише початок, AI перетворюється з інструменту підвищення ефективності у новий виробничий капітал.

· Конкуренція у передових моделях вже не просто за можливості, а за право отримати токени; хто швидше і стабільніше отримає найпотужнішу модель, той може створити новий бар’єр у бізнесі.

· Інформаційний сектор першим зазнає перезапису AI, оскільки вартість виробництва даних, аналізу і досліджень швидко знижується, і повільні компанії будуть витіснені більш швидкими.

· Попит на токени не зменшиться через зниження цін на старі моделі, адже кожне нове покращення відкриває нові високовартісні сценарії і підштовхує користувачів до більш передових моделей.

· Найбільша зміна — це не зменшення кількості роботи людей, а те, що кілька обраних зможуть за той самий час зробити у кілька разів більше; ті, хто не зможуть створювати і захоплювати цінність токенів, залишаться «вічно на нижньому рівні».

· Недостатність обчислювальної потужності поширюється по всьому ланцюжку напівпровідників — від GPU, CPU, пам’яті до друкованих плат, мідних фольг і обладнання — попит на AI вже тисне на ці галузі.

· Економічна цінність AI важко врахувати у ВВП; справжнє питання — не скільки заробляють компанії, а скільки «привидного ВВП» створює рішення на основі токенів, їхня ефективність і ланцюжки впливу.

Інтерв’ю:

Claude Code став новою робочою силою

Patrick O'Shaughnessy (ведучий):
Ти раніше розповідав мені цікаву історію про різке зростання використання токенів у вашій команді цього року. Можеш ще раз її повторити? Що вона дала тобі у розумінні того, що відбувається у світі?

Dylan Patel (засновник SemiAnalysis):
Минулого року ми думали, що вже є глибокими користувачами AI. Всі користувалися ChatGPT, всі — Claude, я також підписував різні сервіси для команди. Тоді наші витрати були кілька десятків тисяч доларів на рік.

Але цього року витрати почали стрімко зростати. Початок — наприкінці минулого року, з появою Opus. Там також був Doug, наш президент Douglas Lawler, який активно просував використання AI нефахівцями для написання коду. Він поступово залучив всю компанію. Звичайно, інженери вже користувалися, але з січня витрати різко зросли і швидко пішли вгору.

Після цього ми підписали корпоративний контракт з Anthropic. Минулого разу я казав, що наші річні витрати — близько 5 мільйонів доларів; зараз — вже 7 мільйонів.

Patrick O'Shaughnessy:
І це ще минулого тижня.

Dylan Patel:
Так, і значна частина — це саме обсяг використання. Найцікавіше — раніше ті, хто ніколи не писав код, тепер використовують Claude Code, і деякі витрачають тисячі доларів на день. Але в цілому, наші щорічні витрати на Claude Code вже досягли 7 мільйонів, а зарплатний фонд — близько 25 мільйонів. Тобто, витрати на Claude Code — понад 25% від зарплат.

Якщо ця тенденція триватиме, до кінця року вона може перевищити 100% від зарплат. Це трохи лякає. На щастя, зараз я не мушу обирати між «людьми» і «AI», бо компанія швидко зростає. Можна не наймати швидко, але витрачати більше на AI — і це працює, компанія зростає.

Але я думаю, що рано чи пізно інші компанії зіткнуться з цим питанням: якщо один працівник із Claude Code може виконати роботу 5, 10 або навіть 15 людей, що тоді робити? По-перше, можливо, потрібно скорочувати штати; по-друге, сценарії застосування дуже широкі.

Наприклад, у нас є лабораторія з реверсінженінгу в Орегоні, яка працює вже півтора року. Там багато високотехнологічного обладнання — мікроскопи, скануючі електронні мікроскопи. Основне — аналіз чипів, витяг архітектури, дослідження матеріалів. Це один із наших датасетів для продажу.

Раніше аналіз таких даних був дуже повільним. Тепер один співробітник, витративши кілька тисяч доларів у токенах, створив застосунок, що прискорює процес. Він запускає його на серверах CoreWeave. Надсилає зображення чипа — і автоматично позначає матеріали: мідь, тантал, германій, кобальт. Потім можна швидко зробити аналіз структури, візуалізацію і мати повний графічний інтерфейс.

Колишній інженер Intel сказав, що раніше це була команда з кількох людей, які цим займалися. Тепер — це можливо зробити одній людині за кілька тисяч доларів токенів. Це неймовірно.

Ще один цікавий приклад — Malcolm, колишній економіст великого банку. У банку було 100–200 економістів. Тепер він створив щось вражаюче.

Він під’єднав різні дані — FRED, звіти по зайнятості, API інших джерел. Ми підписали контракти з постачальниками даних, отримали доступ до API. Він провів регресії, аналізував вплив економічних змін на інфляцію і дефляцію.

У Бюро статистики праці є близько 2000 задач. Malcolm за допомогою AI оцінив, які з них вже можна виконувати автоматично, і за шкалою оцінив їхню складність. Виявилось, що близько 3% задач вже можна робити за допомогою AI.

Він створив індекс — скільки задач можна автоматизувати і який це матиме вплив на дефляцію. Виробництво зросте, але через зниження витрат ВВП може навіть зменшитися — він назвав це «Phantom GDP» (привидний ВВП).

На основі цього він зробив аналіз і створив новий benchmark для мовних моделей — близько 2000 оцінок.

Patrick O'Shaughnessy:
Це все він зробив сам?

Dylan Patel:
Так, все сам. Він сказав мені: «Брат, це раніше робила команда з 200 людей за рік». Тепер він цим займається цілком у Claude і каже, що все змінилося.

Patrick O'Shaughnessy:
Як бізнесмен, як ти це сприймаєш? Ви починали з майже нульових витрат, а тепер вони вже 25% від зарплат і зростають. Коли ти зрозумієш, що потрібно зупинитися? Можливо, зменшити витрати? Можливо, замінити найновіші моделі, наприклад Opus 4.7, на дешевші?

Dylan Patel:
В основі — це інформаційний бізнес. Ми продаємо аналіз, консалтинг і датасети. Я не бачу причин, чому це не стане повністю товаром дуже швидко.

Якщо я не буду постійно покращувати, то перший продукт, який я продавав, вже починають робити інші. Ми можемо ще продавати, бо покращуємо його, але зараз підхід до цього вже не дуже відрізняється від інших. Якщо я не підвищу стандарти, мене витіснять. Якщо я не буду швидким, втрачу перевагу.

Тому питання — так, AI товаризується, як і софт. Але ті, хто швидко адаптується, зберігають і зростають. Ті, хто не встигає — програють.

Це схоже на питання виживання: якщо я не використовую AI, інші зроблять це і мене обійдуть.

Ще один приклад — енергетика. Ми вже рік працювали з енергетичними аналітиками, намагалися побудувати модель енергоринку. Це дуже складний ринок, вартістю близько 9 мільярдів доларів. Ми мали команду, яка працювала рік, але ще не увійшли у цю сферу.

Потім прийшов «Claude Code психоз». Один із наших менеджерів у центрі даних і енергетиці, Jeremy, почав використовувати Claude Code. За три тижні він витратив багато грошей — близько 6 тисяч доларів на день — і створив карту американської енергосистеми, з усіма станціями, лініями, даними з відкритих джерел і потребами.

Ми зробили дашборд, щоб аналізувати дефіцит і надлишки електроенергії у регіонах. Це зайняло кілька тижнів.

Після цього ми показали його клієнтам, зокрема трейдерам енергоносіїв. Вони сказали: «Як швидко? Це круто, краще за конкурентів». Виявилося, що у конкурента — 100 людей і 10 років досвіду.

Звісно, наш продукт ще не такий стабільний, але в деяких аспектах вже краще. Тому я починаю комерціалізувати ці дані. Але якщо я не буду швидким, хтось інший зробить це раніше.

З точки зору бізнесу, питання — не «я витратив багато», а «що це мені дало?». Якщо додало доходу — тоді це варто.

Patrick O'Shaughnessy:
Чи не боїшся ти, що ті, хто контролює капітал і інвестиції, скажуть: «Ми самі маємо аналітиків, і вони теж розумні, тож можемо робити самі»? Якщо це так просто, то чи не повернеться все всередину інвестиційних компаній? Адже вони отримують найбільший леверидж від даних і інсайтів.

Dylan Patel:
Загалом, будь-який інформаційний бізнес — це так. Вартість інформації для клієнта — значно більша, ніж для продавця.

Якщо я продаю за 1 долар, то клієнт купує, бо вірить, що ця інформація допоможе йому заробити більше. Це — арбітраж. Виграш для клієнта — більший, ніж для мене.

Інвестиційні фонди теж мають свої дані. Наприклад, Jane Street, Citadel — вони дуже глибоко аналізують дані. Але вони все одно купують наші дані і продовжують це робити.

У цьому є «it factor»: ми швидше, гнучкі, команда менша і сфокусована на інфраструктурі AI, токенах і великих трансформаціях. Ми бачимо тренди раніше і швидше створюємо рішення.

Тому інвестори, звичайно, намагаються робити щось подібне самі. Але частіше вони купують наші дані і будують на їхній основі. Це дешевше, ніж робити з нуля. Звісно, рано чи пізно хтось зробить сам.

Токени — нові виробничі ресурси

Patrick O'Shaughnessy:
Я завжди повертаюся до питання — попит і пропозиція токенів. Це для мене найцікавіше. Ти з цим досвідом — що нового ти зрозумів про попит? Чи змінилося твоє ставлення, коли ти особисто відчув цю динаміку?

Dylan Patel:
Якщо подивитися глобально, то ARR Anthropic вже зросло з 9 мільярдів до 35-40 мільярдів доларів. Можливо, до виходу цього епізоду — вже 40-45 мільярдів.

Але їхні обчислювальні потужності не зросли так само. Якщо припустити, що вони не зменшували R&D — а вони не зменшували, бо випускають нові моделі — Metis, Opus 4, 4.7 — то це означає, що додаткові обчислювальні ресурси, навіть якщо вони йдуть на inference, дають мінімальний зиск — їхній валовий прибуток при цьому не нижчий за 72%.

Реальність — частина додаткових ресурсів іде у R&D, тому реальний валовий прибуток може бути ще вищим. На початку року з’явилася витік інформації з фінансових документів Anthropic, і там показано, що валовий прибуток — близько 30%.

Як за короткий час підняти валовий прибуток до такого рівня? В основному — через високий попит. Вони можуть обмежувати використання, ставити ліміти і так далі. Важливо мати менеджера клієнтів, корпоративний контракт і можливість підвищити ліміт швидко. Інакше токени стануть дуже дефіцитними.

Ті, хто може платити, — отримають доступ. Це — реальність капіталізму. Так, клієнти платять Anthropic сотні мільярдів доларів за токени, але цінність цих токенів для них — набагато більша.

Різні компанії отримують різну цінність від токенів. Але з ростом інтелекту моделей, важливо — хто отримає доступ до найпотужніших токенів і зможе використовувати їх у найвигідніших сценаріях.

Як людина, ти маєш вирішити: як використовувати ці токени для зростання бізнесу і створення цінності. Багато хто хоче токени і витрачає їх. Але звичайні SaaS-компанії у Сан-Франциско, що генерують продукти за допомогою Claude, не обов’язково створюють велику цінність. Тому рано чи пізно їх витіснять більш дорогі токени.

Patrick O'Shaughnessy:
Я сьогодні в дорозі побачив це на власному досвіді. Як тільки з’явився Opus 4.7, я одразу захотів його використати. Але мене обмежили — і я не зміг. Навіть уявити не можу, щоб продовжити користуватися 4.6, хоча він був дуже хорошим.

Ти дивуєшся, що люди так наполегливо прагнуть найновішої, найдорогої моделі?

Dylan Patel:
Зовсім ні. Мій найсмішніший досвід — це коли я з другом Leopold майже благав у співзасновника Anthropic дати нам доступ до Metis.

Ми знали, що вона існує, і казали: «Будь ласка, дозвольте нам спробувати». А він відповідав: «Я не знаю, про що ви говорите».

Patrick O'Shaughnessy:
Коли з’явиться цей «eval card» або ціна, що ти відчуваєш?

Dylan Patel:
Ще до появи цієї моделі у нас були чутки — ми знали, що вона буде дуже сильною. Якщо дивитися на benchmark, то Mephisto / Metis — це, ймовірно, найбільший прорив за останні два роки.

Це так важливо, що Anthropic навіть не хоче повністю її випускати. Вони вже повідомили частину ціни і обмежили доступ — наприклад, для сценаріїв безпеки. Вартість токенів у 5–10 разів вища, але вони не хочуть її повністю запускати, бо бояться впливу на реальний світ.

Зараз нам пропонують більш слабий варіант — Opus 4.7. У документації чітко зазначено, що вони спеціально знизили можливості у сфері безпеки. Можливо, ти це помітив.

Тому я кажу: будь-хто з достатнім капіталом — купуйте корпоративну підписку Anthropic, платіть за токени, а не за звичайний підпис. Так ви уникнете обмежень.

І подумайте, як використовувати ці токени у найвигідніших сценаріях і отримувати з цього прибуток. Адже через рік-два багато бізнесів будуть фактично торгувати токенами. Токени — потужний інструмент, але важливо — куди їх спрямовувати.

Через кілька років модель сама навчиться, як використовувати токени для максимізації цінності.

Якщо подивитися на будь-який benchmark, то побачимо: щоб досягти певного рівня можливостей, раніше потрібно було витратити X, а тепер — лише 1% або навіть 0,1% цієї суми. Наприклад, щоб GPT-4 досягла рівня, потрібно було 600 тисяч доларів, а зараз — у 6 разів менше. І ця ціна продовжує знижуватися.

Звісно, зараз вже не так важливо — всі прагнуть до GPT-4, бо найкращі моделі — це передові. Вони створюють реальну економічну цінність. Але старі моделі все ще корисні для менших задач.

Головне — не зниження цін на старі моделі, а з’явлення нових сценаріїв застосування. Зараз ви використовуєте Opus 4.6 або 4.7. Через рік, щоб отримати таку ж якість, потрібно буде витратити 7 тисяч доларів — у 100 разів дешевше.

Але це не так важливо, бо тоді ви будете використовувати ще потужнішу модель для більш цінних задач.

Модель Metis від Anthropic дорожча, але вона витрачає значно менше токенів для виконання тих самих завдань — тому в більшості випадків вона дешевша за Opus 4.6.

Dylan Patel:
Тому що вона значно ефективніша. Навіть якщо кожен токен дорожчий і «розумніший», вона виконає завдання меншею кількістю токенів.

Patrick O'Shaughnessy:
Коли ти казав, що Metis щойно з’явилася, ти говорив, що вона настільки сильна, що тебе трохи лякало. Що ти мав на увазі?

Dylan Patel:
Anthropic у 2025 році ставить ціль — до кінця 2025-го мати модель рівня L4 для програмування. Вони вже майже це зробили на базі Opus 4.6.

Але якщо подивитися на Metis і benchmark, то вона — наче L6, досвідчений інженер. Це — рівень, що значно вище за L4.

Я пам’ятаю, що Anthropic казали, що ще з лютого ця модель була внутрішньо доступна. Тобто за два місяці вона піднялася з рівня L4 до L6. Що буде далі?

Модель рухається дуже швидко. Вони зменшують час виходу нових моделей. Чому? Тому що для створення кращих моделей потрібно кілька речей.

По-перше, — потужні обчислювальні ресурси. Вони дуже дорогі і мають свій час. Ми слідкуємо за цим — ресурси зростають, але в короткостроковій перспективі це вже закладено. Вже підписані контракти, і їхня кількість майже фіксована.

По-друге, — потрібні найкращі дослідники, за яких платять десятки мільйонів доларів.

По-третє, — реалізація ідей. Це — найскладніше. Ідеї багато, але реалізувати їх — важко. Тепер ідеї з’являються скрізь, і реалізація стала дешевою. Вартість — висока, але зробити її просто.

Тому питання — як вирішити, які ідеї реалізовувати? Коли реалізація стала такою легкою, можна робити більше і швидше.

Це — і в дослідженнях моделей, і у швидкості виходу нових. Наприклад, я можу побудувати модель для аналізу всіх електростанцій у США і зробити регресії. Це — можливо вже зараз.

Ідеї — дешеві. Головне — зрозуміти, які з них мають сенс і варті вкладень. Це — найважливіша зміна.

Якщо ціни на реалізацію продовжать знижуватися — і вони дійсно знижуються — ми ще не отримали Metis. Всього кілька годин тому вийшов Opus 4.7, і команда вже дуже збуджена.

Що це означає для світу? Це — новий порядок у економіці.

Раніше важливим було виконання — воно було складним, і тому цінувалося. Ідеї були дешеві. Тепер ідеї не лише дешеві, а й дуже доступні, але їх реалізація стала ще дешевшою. Тому справжні цінні ідеї — ті, що доводять свою цінність навіть за дуже низьких витрат.

Patrick O'Shaughnessy:
Ти справді боїшся? Чи це просто новий рівень невизначеності?

Dylan Patel:
Невизначеність — так. Але я відчуваю, що це може викликати страх. Питання — як суспільство реорганізується?

Коли «здійснення» вже не так важливе, що стає головним? Важливо — обрати правильну ідею для AI, щоб вона реалізувалася; продати цю ідею або продукт, створений AI; залучити капітал у цю сферу. Це — ключові речі.

І знову повертаємося до питання: хто отримає найновішу модель?

Anthropic має проект, який я називаю Earwig (у жарт — «вушний жук»). Це — зовсім не офіційна назва, але мені подобається. Вони дають Metis лише кільком компаніям для сценаріїв кібербезпеки. Це — тренд: моделі будуть дедалі більш закритими і не для масового доступу.

Примітка: Earwig — «вушний жук», маленька комаха, в китайській мові — «вушна комаха». Тут — жартівлива назва, що натякає на «тайне проникнення» і «вплив зсередини».

Я знаю, що OpenAI, Anthropic і інші говорять, що хочуть зробити AI доступним усім. Але AI — дуже дорогий. Хто оплатить інфраструктуру на трильйони доларів? Ті, хто багатий і може створювати корисні продукти з AI.

І ти не хочеш, щоб хтось дистилював твою модель і поширював її масово. Тому її будуть давати все менше клієнтам. І ці клієнти почнуть змагатися за токени.

Якщо Anthropic підвищить ціну — вони цілком можуть подвоїти ціну Opus, і я все одно платитиму. Більшість користувачів теж. Але це не вирішить проблему обмеженості потужностей.

Отже, — де закінчиться цей цикл? Коли попит і цінність токенів зосередяться у кількох компаніях?

Я зараз не маю Metis, але хто має? Найбільші банки. Вони вже використовують її у кібербезпеці. Уявімо світ, де у мене є корпоративний контракт з Anthropic, і вони готові дати мені раніше доступ або вищий ліміт. Це — можливо.

Тоді я зможу обійти конкурентів, що не мають таких привілеїв.

Або — інша ситуація: Ken Griffin із Citadel, дуже впливовий і багатий, може підписати з OpenAI або Anthropic угоду: «Я щороку купую токенів на 10 мільярдів доларів. Ви продаєте мені перші 10 мільярдів — і тоді інші вже будуть змушені купувати у мене».

Що тоді станеться? Він зможе домінувати на ринку.

Це — один із сценаріїв. Так само можливо — у сфері кібербезпеки, де Anthropic боїться, що моделі стануть інструментом для зломів. Або у сфері інформаційних сервісів, де я можу «перекупити» інших.

Це — дуже широкий вплив. Ми не знаємо, що ці моделі здатні робити. Anthropic, OpenAI — ніхто не знає. Врешті-решт, все залежить від користувачів: де і як вони застосовуватимуть токени, що будуть створювати і як поширювати.

Це — може значно підвищити продуктивність і принести позитивний ефект, але ресурсна концентрація і контроль за використанням — питання.

Роботи підхоплюють новий попит

Patrick O'Shaughnessy:
Зараз кількість токенів, що витрачаються роботами і робототехнікою, — майже ігнорується. Як ти це бачиш? Чи стане це другою кривою попиту? Щодня з’являються нові стартапи, що створюють роботів для цікавих задач.

Dylan Patel:
Є концепція — «сингулярність лише у софтвері» (software-only singularity). Тобто, можливо, перша «сингулярність» — у світі софту, але більша частина світу — фізична. В кінці