Kevin Simback

下一波加密货币浪潮可能非常简单——出售AI推理
为什么选择加密货币？
> 无许可供应接入（更好的模型现在可以在普通硬件上运行）
> 每个代币的稳定币微支付（适合代理应用）
> 大型实验室永远不会托管的模型市场（无审查、隐私等）
> 代币激励以启动客户获取
@venice / $VVV 是目前最清晰的表达，PMF难以否认
什么在汇聚：
> 推理需求正呈指数级增长，没有放缓迹象，为许多参与者提供空间
> 专业化和微调模型爆炸——长尾是前沿实验室永远无法交付的
> 5-15千美元的消费者设备现在可以运行70-200B范围的高效量化模型——向专业用户开放供应端，类似于早期ASIC时期的挖矿中心化之前
> 稳定币轨道终于使每个代币定价成为可能，非常适合代理应用
> 可验证推理的巨大机会——你付了钱拿到的模型是真的，还是提供者削弱了？
什么会扼杀这个论点：
> 超大规模提供商将推理价格压低到去中心化单位经济学以下
> 前沿质量超出专业用户硬件能支持的范围
你必须相信的唯一假设是边际买家是真实的——不能基于隐藏在代币补贴背后的虚假需求
最初的边际买家可能是希望获得无审查模型、隐私保护推理或按使用付费的专业微调的开发者和技术熟练的消费者
这是一个值得关注的市场规模，并且很可能会大幅增长
将所有因素结合起来，AI推理是加密货币的一个完美应用场景

注销并去打电话给你妈妈

VeniceAI $VVV 代币是否被高估了？
我非常喜欢@AskVenice，并且已经使用这个产品大约2年了
最近VVV一直在大幅上涨，所以我想把数字掰开揉碎看看
在产品层面，最接近的对标可能是OpenRouter，它目前的推理量大约是前者的60倍，估值大约是前者的2倍
这对VVV来说不是什么好信号，至少从第一眼来看如此
但Venice有点不一样——它提供隐私（高端服务），并且会将一部分流量通过它自有的GPU来路由，而OpenRouter并不拥有任何基础设施
所以或许更好的对比对象是TogetherAI，它也拥有GPU
Together的推理量大约是前者的45倍，估值大约是前者的11倍（目前正在筹集75亿美元的融资）
看起来要好一些，但用这些对比很难说VVV在任何程度上是被低估的
收入会是一个更好的指标，因为推理量本身几乎不太重要，除非它能转化为收入
据报道，OpenRouter的$50m ARR为$1b ，而TogetherAI的收入为$350k
Venice的收入数据并未披露，但我们可以通过VVV代币销毁以及一些假设推断一部分
在过去30天里，大约有32.6k个VVV被销毁，相当于大约的“销毁期价值”
如果假设50%的销毁率，那么Venice的ARR大约为840万美元
这意味着以营收倍数计算，Venice约为80x，而

如果我是一个拥有100多名员工的公司的CEO，知道Claude代码和AI代理的可能性，我不知道我晚上怎么睡得着觉
我会想在整个公司推动AI 24/7
规模较小的公司，你可以一对一地为每个人提供帮助，但在100多人的情况下，这不容易扩展，你需要好的帮助

谷歌刚刚为 x402 构建了支持，但选择了 @solana 而不是 Base？
谷歌作为第一个将 x402 集成到按请求付费的超大规模云服务中的公司，这非常值得注意——代理可以在链上结算 GCP 使用量
x402 正在悄然迎来一个重要的一周，是时候更加关注了

“让企业部署代理变得容易”的解决方案正在推出
这里的关键将是分发，而不一定是最好的产品，只需看看Copilot即可

不久前还觉得谷歌处于领先地位
现在感觉像是OpenAI和Anthropic之间的两马竞争
但很可能今年我们会看到谷歌、xAI甚至Meta带来更多的飞跃
这也是让一切变得如此令人兴奋的原因之一

我对开源人工智能非常看好
并不否认前沿实验室或闭源解决方案
但提升的速度、社区的活力，以及由激增的AI需求带来的巨大经济压力，都指向一个方向

如果你想看到经济的真正劳动者，早上6点在纽约市走一走
送货司机、咖啡馆老板、街道清洁工，以及其他让这座城市为400万工作的人们运转的人
他们在凌晨3-4点起床，通勤一个小时，基本上不被注意到

构建产品从未如此容易，知道该构建什么从未如此困难

周末是用来建设的……除了今天大部分时间都在清理杂乱的代码
所以我发布了一个我制作的技能，帮你节省一些时间——它是一个命令 /tech-debt-skill
你会得到一份非常详细的审查文件，列出所有需要解决的问题
不仅仅是漏洞和问题，还有那些可以改进或优化的工作
我花了一半的时间在清理 Hermes Atlas，然后对所有已完成的工作进行了审查，将其整合到这个技能中，然后在另一个项目上运行，结果发现了很多问题
在我开始之前，我以为 Claude Code 可能内置一些相关技能，但实际上并没有，尤其是没有从整体角度看待技术债务的功能
所以如果 AI 在进行所有编码工作，并且你在项目中逐步构建，你就会100%积累大量的技术债务——不时使用这个技能来清理它，之后再感谢我吧

听到很多人说我们“计算受限”，因为这正是我们最近在使用模型时的感受
但问题实际上是从订购GPU到生成令牌之间发生的物理工作
数据中心延迟和取消：
- 还记得星门（Stargate）吗？2025年1月宣布10GW，14个月后上线约200MW，600MW的阿比林（Abilene）扩展 reportedly 被取消
- 宣布的2026年美国AI数据中心容量约16GW，只有约5GW在建
- 预计2026年美国数据中心建设的一半将被推迟或取消，主要原因是缺乏电力
组件短缺：
- 变压器的交货时间现在超过5年，2020年前为24-30个月
- 西门子、通用电气、Vertiv、伊顿都报告了创纪录的积压订单
劳动力短缺：
- 微软报告电工是其数据中心扩展的第一大阻碍
- 北弗吉尼亚的电工人数自2018年以来翻倍，达到14,700人，但仍不够
- 学徒培训需要4-5年
你不得不想象，$700B 在2026年的资本支出如何部署，超大规模云服务商和实验室实际上无法通过花钱来解决这个问题
思考这对未来的影响，其中一个非常明显——本地AI将继续增长，并成为一件大事