A medida que los modelos se vuelven más útiles, la demanda de cómputo crece. Creo firmemente que la demanda de inferencia continuará superando la oferta, impulsando los precios del alquiler de GPU a niveles más altos. Tanto de código abierto como cerrado, ambos necesitan chips, memoria y energía. Esto es alcista para la inversión continua en capex de IA, ya que los períodos de recuperación se vuelven cada vez más rápidos.
El equipo de Temporal son desarrolladores increíbles. Deberías comenzar a seguirlos, ya que son el equipo impulsando la microestructura de Solana.
La mayor parte de la liquidez se consolidará en una sola cadena. Lo hemos estado diciendo en Frictionless desde hace un tiempo. El requisito es que la estructura de mercado de esa cadena funcione para todo el mundo, no solo para algunas jurisdicciones.
¡Felicidades al equipo @anza_xyz! Gran actualización de la red
Esta es una estadística bastante loca cuando lo piensas. Y esto es solo spot. La oportunidad se vuelve mucho mayor cuando los Perp. y otros derivados se muevan onchain.
Lanzando un podcast con @benfielding, cofundador y CEO de @gensynai Ben comenzó su doctorado en aprendizaje profundo en 2015, mucho antes de la ola actual de atención hacia la IA. En este episodio, quería recorrer cómo él piensa sobre el progreso que hemos logrado, la economía de construir modelos más grandes y qué viene después. Entramos en por qué cuestiona si el dinero que se invierte en IA centralizada se recuperará a través del uso del producto, cómo los modelos abiertos afectan ese negocio y por qué tener clientes que sigan usando tu producto importa más que mantenerse por delante en una métrica de referencia. También recorremos cómo ha cambiado Gensyn. El equipo pasó de enfocarse en cómputo descentralizado a recopilar información veraz del mundo. Ben explica por qué tomaron esa decisión y cómo Delphi utiliza mercados para reunir información y verificarla contra lo que realmente sucede. Eso lleva a la predicción. Ben cree que predecir eventos futuros podría convertirse en un uso mucho más grande de la IA. Discutimos cómo los modelos podrían aprender de estar en lo cierto o en lo errado, por qué las personas necesitan una razón para compartir lo que saben y qué significaría tener una calculadora de probabilidades que ayude en decisiones cotidianas. Discutimos: - El historial de Ben en aprendizaje profundo y cómo comenzó Gensyn - La economía de los modelos de IA más grandes y si el gasto tiene sentido - Modelos abiertos, competencia y construcción de productos que la gente sigue usando - Por qué Gensyn dejó de enfocarse en el cómputo - Verificar el trabajo de aprendizaje automático y hacer el entrenamiento auditables con open-1b - Delphi, mercados de información y aprendizaje a partir de resultados reales - Recompensar a las personas por compartir la evidencia detrás de sus predicciones - Predicción, mejores decisiones y dónde ayuda la descentralización Marcas de tiempo 0:00 – ¿Puede la IA predecir el futuro? 1:14 – Ben Fielding y los orígenes de Gensyn 7:26 – Escalando la IA más allá de clusters más grandes 13:29 – Por qué las startups pueden adoptar un enfoque diferente 18:49 – Confianza y verificación del aprendizaje automático 23:59 – La economía de la IA centralizada 27:29 – Por qué Gensyn dejó de enfocarse en el cómputo 31:09 – open-1b y entrenamiento de IA auditables 35:47 – Modelos abiertos y laboratorios cerrados 43:29 – Productos de IA, clientes y neoclouds 50:13 – De los LLMs a la predicción 53:44 – Entrenar modelos para hacer predicciones mejores 57:10 – Delphi y mercados de información 1:02:26 – Recompensar la evidencia detrás de una predicción 1:04:34 – Dónde realmente se superponen Crypto e IA 1:11:35 – La próxima ola de IA ¡Disfrútenlo!
Armani tiene toda la razón. Toda la pila de mercados de capitales se está moviendo onchain, pero muchas personas están demasiado escépticas por el cripto como para verlo.
Lanzando un podcast con @mdudas, Socio Gerente en @6thManVentures Una empresa de cripto puede generar ganancias sin que ese dinero llegue a sus titulares de tokens. En este episodio quería hablar con Mike sobre qué le da valor a un token y quién se beneficia cuando crece la empresa. Abordamos cómo construyó 6MV, por qué invierte en aplicaciones y cómo piensa en devolver dinero a los inversores cuando un negocio podría no mantenerse a la vanguardia por mucho tiempo. Una gran parte de la conversación gira en torno a tokens y acciones. Mike cree que los equipos deben explicar qué es lo que las personas están comprando, adónde va el ingreso y cómo se benefician los titulares de tokens. Hablamos sobre recompras y cuánto control realmente tienen los titulares. También abordamos por qué las aplicaciones de trading necesitan mejores activos y menos formas para que los usuarios pierdan dinero, sus opiniones sobre Solana, Hyperliquid y Ethereum, y dónde encaja la cripto en la IA. Discutimos: - Cómo Mike construyó 6MV - Qué hace que una empresa cripto dure - Cuándo vender y devolver dinero a los inversores - Stablecoins, préstamos y mercados de predicción - Trading social, deslizamiento y retención de usuarios - Solana, Hyperliquid y qué le da valor a ETH - Tokens, acciones, recompras y qué poseen realmente los titulares - Por qué Mike llama a XRP y Cardano “memes para trajes” - Agentes de IA, pagos y mercados de cómputo - Si las valoraciones de las empresas de IA están en una burbuja Marcas de tiempo 0:00 – ¿Qué le da valor a los tokens? 0:58 – Mike Dudas y los orígenes de 6MV 6:20 – Liquidez y devolución de capital a los inversores 10:16 – Adopción real más allá de los precios de los tokens cripto 16:56 – Apatía cripto y el auge de la IA 21:43 – Por qué 6MV cambió su tesis de inversión para consumidores 26:34 – Trading social, deslizamiento y mejores activos 36:25 – Solana, Hyperliquid y el panorama de las cadenas 39:37 – El problema con la propuesta de valor de ETH 43:16 – Tokens, acciones y adónde va el dinero 46:21 – Tokens de gobernanza, XRP y Cardano 49:40 – Dónde se encuentra la cripto con la IA 55:38 – ¿Están las valoraciones de IA en una burbuja? 58:42 – Los próximos cinco años de la cripto ¡Disfrútenlo!
El token es el comienzo, no el final.
Voy a hacer QT porque quiero mantener la discusión en curso. Puedes dividirlo en dos problemas fundamentales: - Estructura del mercado - El mercado total disponible de las finanzas globales Hablemos primero de la estructura del mercado, porque creo que es realmente el más importante, ya que se traduce directamente en productos mejores. No debería sorprender a nadie que haya estudiado el sistema financiero que, con el tiempo, a medida que pasamos del trading en papel al trading electrónico, los sistemas se volvieron más rápidos. Como resultado, la proximidad física al motor de emparejamiento otorgó a las firmas de trading una ventaja única al estar físicamente coubicadas en el mismo centro de datos o tener un enlace de fibra directo al motor de emparejamiento. Si no has profundizado en este tema, te animo a leer la historia de Flash Boys. Hay una razón por la cual las firmas de trading invierten tanto dinero en optimizar redes, enlaces por microondas y líneas de fibra privadas, porque milisegundos de latencia pueden traducirse en miles de millones de dólares. Incluso la NYSE normaliza las longitudes de fibra para el mismo servicio de conexión dentro de su centro de datos en Mahwah, independientemente de qué sala o gabinete use una firma. El objetivo es eliminar la ventaja de simplemente tener un rack más cercano. Esto se describe en las especificaciones de coubicación de ICE. Pensamientos adicionales aquí: https://t.co/8gs2vq9IdJ
