Я витратив більше часу на роздуми про те, що буде після угоди з AI-чилпом, і думаю, що ринок дивиться на ще більший «вузький» момент: ДАНІ

Не сирий інтернет-«шламі» або ще одна база даних із навішеним на неї ярликом AI.
Я маю на увазі чисті, ліцензовані, такі, що мають походження та все більш реальні дані з реального світу, на яких моделі можуть законно навчатися і з яких справді можуть дізнатися щось нове.
Обчислення досі важливі, але тепер це вже не єдиний дефіцитний вхідний ресурс.
Morgan Stanley бачить близько $2.9T до $3T витрат на інфраструктуру AI через 2028 рік, причому з того часу розгорнуто менше ніж 20%.
Буде більше #GPUs, більше дата-центрів, більше контрактів на електроенергію та більше ефективності для інференсу.
Те, що не масштабуються автоматично разом із цим, — свіжа людська обізнаність і досвід фізичного світу.
Фізичні дані для AI ще дорожчі, залежать від втілення (embodiment) і їх складно ідеально синтезувати та неможливо зібрати на достатню глибину.
Вузьке місце — у фіксації правильного подієвого сигналу з правильними сенсорами, за правильними правами, і в доказі того, звідки він походить.
Приватні ринки вже, схоже, це розуміють раніше за публічні.
– Scale AI оцінили майже в $29B після угоди Meta на $14.3B щодо 49% частки.
– Surge AI зробила більше ніж $1B у виручці в 2024 році, одночасно шукаючи оцінку $15B .
Отже, якщо якийсь великий каталізатор виходить у TradFi, то в crypto також може з’явитися своя «нога» в зборі AI-даних і їх походженні.
– @eigencloud | $Eigen: EigenDA забезпечує перевіряєму доступність даних, тоді як EigenCompute, EigenAI та EigenVerify дозволяють агентам доводити, звідки походять дані, і як були згенеровані вихідні результати.
– @grass | $Grass: перетворення неактивної пропускної здатності на перевіряємі дані для навчання AI. 2.5M+ нодів у 190+ країнах скрейплять ~100TB/день, а ZK-докази роблять кожен датасет трасованим і таким, що підлягає аудиту.
– @vana | $Vana: боротьба з «вузьким» місцем даних для AI шляхом перетворення даних користувача на дозволені, такі, що піддаються доказу, датасети для тренування. 1M+ учасників, DataDAOs і портативна AI-пам’ять — усе живе в одній мережі.
– @SaharaAI | $Sahara: AI-native L1, де учасники збирають, маркують і володіють датасетами, тоді як походження, ліцензування та роялті залишаються onchain. Намагаються зробити масштабованими високоякісні AI-дані.
– @datafdn | $Data: provenance, consent, licensing і audit-рейли onchain, тоді як шар Poseidon очищає та маркує дані з реального світу для навчання моделей.
– @oceanprotocol | $Ocean: перетворення даних на onchain-активи за допомогою Data NFTs, Compute-to-Data та рейлів provenance, щоб AI міг навчатися на приватних датасетах, не розкриваючи сирі дані.
– @origin_trail | $Trac: постачання DKG V10, де AI-агенти спільно використовують перевіряєму пам’ять. dRAG, provenance та пам’ять для мультиагентів роблять дані повторно використовуваними, не втрачаючи довіру.
– @datainetwork: перетворення сирих логів блокчейну на структуровану, придатну для машинного читання інтелектуальність. 3.5B+ txns індексовано, 2.5M контрактів замарковано, і 150M+ подій DeFi для того, щоб AI-агенти могли міркувати.
Це не заклик «апати» кожен тикер із цього. Це просто мапа того, хто будує інфраструктуру, перш ніж ринок оцінить їх у ціні.