花更多时间思考 AI 芯片交易之后会发生什么，我认为市场可能正盯着一个更大的瓶颈：数据

不是把“AI”标签随手贴在上面的原始互联网污泥或另一个带数据库。
我的意思是干净、获得许可、可归因且日益真实的现实世界数据，模型可以在法律允许的情况下合法训练，并且真的能从中学到新东西。
算力仍然重要，但它不再是唯一稀缺的投入。
摩根士丹利预计，到 2028 年，AI 基础设施支出约为 $3T （约 29000亿亿美元），目前部署比例不到 20%。
还会有更多 #GPUs、更多数据中心、更多电力合约以及更高的推理效率。
不会自动随之扩展的是新的人的知识和现实世界经验。
物理 AI 数据更昂贵、且特定于具体形态，难以完美合成，且不可能以足够的深度抓取。
瓶颈在于：在正确的事件、正确的传感器、在正确的权利条件下进行捕获，并证明这些数据来自哪里。
私人市场似乎已经比公开市场更早理解这一点。
– Scale AI 在 Meta 的 14.3B 美元（143 亿美元）交易后，49% 的股份估值接近 $29B 。
– Surge AI 在 2024 年的收入超过 $1B ，同时寻求 $15B 的估值。
所以如果 TradFi 中即将出现重大的催化剂，那么加密领域在 AI 数据采集与溯源方面也可能会有一席之地。
– @eigencloud | $Eigen：EigenDA 为可验证的数据可用性提供支持，而 EigenCompute、EigenAI 和 EigenVerify 让代理能够证明数据来自哪里以及输出是如何生成的。
– @grass | $Grass：把闲置带宽转化为可验证的 AI 训练数据。190+ 个国家的 250 万+ 节点抓取 ~100TB/天，并用 ZK 证明让每个数据集都可追溯、可审计。
– @vana | $Vana：通过把用户数据变成有权限、可证明的训练数据集来打击 AI 的数据瓶颈。100 万+ 贡献者、DataDAOs 和可移植的 AI 记忆都运行在同一网络上。
– @SaharaAI | $Sahara：原生 AI 的 L1，贡献者在这里收集、标注并拥有数据集，而溯源、许可和版税留在链上。试图让高质量 AI 数据实现可扩展。
– @datafdn | $Data：在链上提供溯源、同意、许可与审计通道，而 Poseidon 层会清洗并标注现实世界数据，用于模型训练。
– @oceanprotocol | $Ocean：通过 Data NFTs、Compute-to-Data 和溯源通道把数据变成链上资产，让 AI 能在不暴露原始数据的情况下训练私有数据集。
– @origin_trail | $Trac：交付 DKG V10，让 AI 代理共享可验证的记忆。dRAG、溯源和多代理记忆让数据在不丢失信任的情况下可复用。
– @datainetwork：把原始区块链日志转化为结构化、可被机器读取的智能。已索引 35 亿+ 笔交易、标注 250 万+ 合约，以及为 AI 代理推理准备了 1.5 亿+ 的 DeFi 事件。
不是让你冲动追逐以上每一个代币。只是一个图谱：谁在搭建这些基础设施，在市场给它们定价之前。