Ilusi tokenisasi: Vitalik lebih mendukung 「AI membantu Crypto」

Tulisan oleh: Lao Bai

Setelah dua tahun, V kembali mengeluarkan Twi, dan saya juga akan mengikuti laporan riset dua tahun lalu, karena waktunya sama persis, 10 Februari.

Dua tahun lalu, V sebenarnya sudah secara tersirat menyatakan bahwa dia tidak terlalu yakin dengan berbagai Crypto Helps AI yang sedang populer saat itu. Saat itu, tiga pilar utama di komunitas adalah asetisasi daya komputasi, asetisasi data, dan asetisasi model. Artikel riset saya dua tahun lalu juga membahas fenomena dan keraguan yang diamati di pasar primer dari ketiga pilar tersebut. Dari sudut pandang V, dia tetap lebih percaya pada AI Helps Crypto.

Beberapa contoh yang dia berikan saat itu adalah:

AI sebagai peserta dalam permainan;

AI sebagai antarmuka permainan;

AI sebagai aturan permainan;

AI sebagai tujuan permainan;

Dua tahun terakhir, kami sebenarnya telah melakukan banyak percobaan terkait Crypto Helps AI, namun hasilnya minim, banyak jalur dan proyek hanya sekadar mengeluarkan token, tanpa adanya PMF bisnis yang nyata. Saya menyebut ini sebagai “ilusi tokenisasi”.

1. Asetisasi daya komputasi - Kebanyakan tidak mampu menyediakan SLA tingkat bisnis, tidak stabil, sering offline. Hanya mampu menangani tugas inferensi model kecil dan menengah, kebanyakan melayani pasar pinggiran, pendapatan tidak terkait token…

2. Asetisasi data - Friksi dari sisi penawaran (retail) besar, keinginan rendah, ketidakpastian tinggi. Dari sisi permintaan (perusahaan), yang dibutuhkan adalah data terstruktur, bergantung konteks, memiliki kepercayaan dan tanggung jawab hukum, yang sulit disediakan oleh proyek Web3 berbasis DAO.

3. Asetisasi model - Model sebenarnya adalah aset proses yang tidak langka, dapat diduplikasi, disesuaikan, dan cepat menurun nilainya, bukan aset akhir. Hugging Face sendiri adalah platform kolaborasi dan distribusi, lebih mirip GitHub untuk ML daripada App Store untuk model. Jadi, upaya “Hugging Face terdesentralisasi” untuk tokenisasi model biasanya gagal.

Selain itu, selama dua tahun ini kami juga mencoba berbagai “inferensi terverifikasi”, yang sebenarnya adalah cerita mencari paku dengan palu. Dari ZKML ke OPML, Gaming Theory, bahkan EigenLayer mengubah narasi Restaking menjadi berbasis Verifiable AI.

Namun, secara umum, ini mirip dengan apa yang terjadi di jalur Restaking - sangat sedikit AVS yang bersedia membayar lebih untuk keamanan yang dapat diverifikasi secara berkelanjutan.

Begitu juga, inferensi terverifikasi umumnya hanya memverifikasi “hal yang sebenarnya tidak perlu diverifikasi”, dan model ancaman dari sisi permintaan sangat kabur - siapa yang sebenarnya dilindungi?

Kesalahan output AI (kemampuan model) jauh lebih umum daripada output AI yang dimanipulasi secara jahat (masalah adversarial). Beberapa waktu lalu, kita juga melihat berbagai insiden keamanan di OpenClaw dan Moltbook. Masalah utama berasal dari:

Desain strategi yang salah

Hak akses yang terlalu banyak

Batasan yang tidak dipikirkan matang-matang

Interaksi tak terduga antar alat

…

Hampir tidak ada kasus “model dimanipulasi” atau “proses inferensi diubah secara jahat” yang merupakan anggapan berlebihan.

Tahun lalu, saya pernah memposting gambar ini, tidak tahu apakah ada yang ingat.

Kali ini, beberapa ide yang diberikan V jauh lebih matang dibanding dua tahun lalu, berkat kemajuan yang kami raih di bidang privasi, X402, ERC8004, pasar prediksi, dan lain-lain.

Dapat dilihat bahwa dia membagi keempat kuadran ini, separuh termasuk AI Helps Crypto, dan separuh lagi Crypto Helps AI, tidak lagi condong ke arah yang lebih dulu lebih dominan dua tahun lalu.

Kiri atas dan kiri bawah - Menggunakan desentralisasi Ethereum dan transparansi untuk mengatasi masalah kepercayaan dan kolaborasi ekonomi AI:

1. Meningkatkan interaksi AI tanpa kepercayaan dan privat (infrastruktur + keberlangsungan): Menggunakan teknologi ZK, FHE, dan lain-lain untuk memastikan privasi dan verifikasi dalam interaksi AI (belum tentu termasuk inferensi terverifikasi yang saya sebutkan sebelumnya).

2. Ethereum sebagai lapisan ekonomi untuk AI (infrastruktur + kemakmuran): Membuat agen AI mampu melakukan pembayaran ekonomi melalui Ethereum, merekrut robot lain, membayar jaminan, atau membangun sistem reputasi, sehingga membentuk arsitektur AI desentralisasi yang tidak bergantung pada satu platform raksasa.

Kanan atas dan kanan bawah - Menggunakan kecerdasan AI untuk meningkatkan pengalaman pengguna, efisiensi, dan tata kelola ekosistem kripto:

3. Visi cypherpunk dengan LLM lokal (pengaruh + keberlangsungan): AI sebagai “perisai” dan antarmuka pengguna. Misalnya, LLM lokal dapat secara otomatis mengaudit kontrak pintar, memverifikasi transaksi, mengurangi ketergantungan pada antarmuka pusat, dan melindungi kedaulatan digital individu.

4. Mewujudkan pasar dan tata kelola yang lebih baik (pengaruh + kemakmuran): AI secara mendalam terlibat dalam pasar prediksi dan tata kelola DAO. AI dapat berperan sebagai peserta yang efisien, memproses informasi secara besar-besaran untuk memperbesar kemampuan penilaian manusia, mengatasi masalah perhatian manusia yang terbatas, biaya pengambilan keputusan yang tinggi, overload informasi, dan apatis terhadap voting.

Dulu kami sangat ingin Crypto membantu AI, sementara V menganggap sebaliknya. Sekarang, kami akhirnya bertemu di tengah, meskipun tampaknya tidak ada hubungannya dengan tokenisasi XX atau Layer1 AI. Semoga dua tahun lagi, saat melihat kembali postingan hari ini, akan muncul arah baru dan kejutan.