花更多時間思考 AI 晶片交易之後的事情，我認為市場可能正在面對更大的瓶頸：資料

不是把「AI」標籤直接貼上去的原始網路垃圾，或另一個帶有 AI 名義的資料庫。
我的意思是乾淨、授權、可歸因且越來越真實的、模型能合法訓練、並且真的能從中學到新東西的資料。
算力仍然重要，但它不再是唯一稀缺的投入。
摩根士丹利預估，2028 年前 AI 基礎設施的支出約為 2.9 萬億美元，$3T （目前已部署不足 20%）。
接下來會有更多 #GPUs、更多資料中心、更多電力合約，以及更高的推論效率。
不會隨之自動擴張的，是嶄新的人的知識與物理世界經驗。
物理 AI 資料更昂貴、且與具體實作（embodiment）高度綁定，難以完美合成，並且不可能在足夠深度上被爬取。
瓶頸在於：在正確的事件、正確的感測器、正確的權利之下完成採集，並證明它的來源。
私人市場似乎已經比公開市場更早理解這點。
– Scale AI 在 Meta 以 14.3B 美元交易取得 49% 股權後，估值近 $29B 。
– Surge AI 在 2024 年的營收超過 $1B ，同時尋求 $15B 的估值。
所以如果 TradFi 端即將出現重大催化劑，加密貨幣也可能在 AI 資料蒐集與資料來源（provenance）方面擁有一席之地。
– @eigencloud | $Eigen：EigenDA 提供可驗證的資料可用性；而 EigenCompute、EigenAI 與 EigenVerify 讓代理能證明資料從哪裡來，以及輸出是如何生成的。
– @grass | $Grass：把閒置頻寬轉成可驗證的 AI 訓練資料。190+ 個國家中的 250 萬+ 節點爬取約 100TB/天；ZK 證明讓每個資料集都可追溯且可稽核。
– @vana | $Vana：透過把使用者資料轉成具權限、可證明的訓練資料來攻擊 AI 的資料瓶頸。100 萬+ 貢獻者、DataDAOs 與可攜式 AI 記憶都運行在同一個網路上。
– @SaharaAI | $Sahara：AI 原生的 L1，讓貢獻者收集、標註並擁有資料集，而資料來源、授權與版稅則留在鏈上。目標是讓高品質 AI 資料可規模化。
– @datafdn | $Data：在鏈上提供資料來源、同意、授權與稽核的基礎設施；同時 Poseidon 層會清理並標註真實世界資料，供模型訓練使用。
– @oceanprotocol | $Ocean：把資料轉成鏈上資產，透過 Data NFTs、Compute-to-Data 與資料來源基礎設施，讓 AI 能在不暴露原始資料的情況下訓練私人資料集。
– @origin_trail | $Trac：推出 DKG V10，讓 AI 代理共享可驗證的記憶。dRAG、資料來源與多代理記憶讓資料可重用而不失去信任。
– @datainetwork：把原始的區塊鏈日誌轉成結構化、可被機器讀取的智慧。已索引 35 億+ 筆交易、標註 250 萬份合約，以及供 AI 代理推理用的 1.5 億+ DeFi 事件。
不是叫你去逐一追逐上面每個代幣的號召。只是地圖：在市場給出定價之前，誰正在打造這些基礎設施。