Ngunit ang tunay na pinag-uusapan ng artikulong ito ay hindi ang pansamantalang pagtaas ng VVV, kundi isang mas pangunahing tanong: Kung ang mga kakayahan ng modelo ay mabilis na maging komodidad, saan ba magkakaroon ng halaga ang mga platform ng AI?
Ang pangunahing pagtataya ng may-akda ay ang mga advanced AI lab tulad ng OpenAI at Anthropic ay nasa loob ng isang "trap ng equity structure": ang kanilang valuation ay batay sa pagpapalagay na ang model layer ay magiging matatag at may mataas na premium sa mahabang panahon, ngunit ang mga open-source model ng China, mababang gastos sa pagtuturo, bukas na ecosystem ng weights, at cloud deployment ay mabilis na nagpapababa sa presyo ng sariling kakayahan ng model. Sa ibang salita, ang pinakamahal na bahagi ng AI industry ay maaaring magiging pinakamahirap na panatilihin ang margin ng kita.
Sa ilalim ng framework na ito, itinuturing ng may-akda ang Venice bilang isang reverse structure: hindi ito nagtuturo ng model, kundi nagpapalakas ng kakayahan ng open-source model; hindi ito nakabatay sa sentralisadong pag-iingat ng data, kundi nagtataglay ng pagpapahalaga sa privacy at TEE proof; hindi ito ginagawang training data ang mga user, kundi sa pamamagitan ng mga mekanismo tulad ng VVV staking, subscription burn, at DIEM compute rights, ginagawa nitong bahagi ng platform economy ang mga user. Ang tunay na nais ipahiwatig ng may-akda ay ang Venice ay hindi isang “AI application na may token,” kundi isang eksperimento na gumagamit ng token upang muli ay istrukturan ang ugnayan sa consumer software.
Hindi ang pagkakaroon ng direkta nitong pagtutol kay OpenAI ang pinakamahalagang tandaan, kundi kung ang AI market ay naghihiwalay sa dalawang bahagi: isa ay patuloy na naglilingkod sa mga kliyente na handang magbayad para sa pinakamoderno na model, at tumatanggap ng enterprise-grade compliance at data retention; at ang isa pa ay lumilipat patungo sa mga open-source model na “sapat na mabuti”, at nagbibigay-diin sa privacy, walang censure, mababang gastos, native agent access, at user ownership. Kung mangyayari ang paghihiwalay na ito, ang pagkakataon ni Venice ay hindi sa pagtatagumpay sa buong labanan ng model, kundi sa pagiging inference layer at settlement layer sa open agent economy.
Kaya ang artikulong ito ay isang klasikong struktural na argumento para sa pagtaas: hindi ito nagtataya lamang sa pagtaas ng presyo ng VVV, kundi nagtataya sa pagkakasundo ng mga kurba ng komersyalisasyon ng model layer, paghahabol ng open-source model, paglago ng pagbabayad sa mga agent, at ekonomiya ng pagmamay-ari ng user.
Ang panganib ay nasa just dito—kung ang pag-unlad ng open-source model ay mabagal, kung ang pagpapalit ng token ay hindi na makakasabay sa paglago, o kung ang Venice ay hindi makapagpapadala ng totoong ugnayan sa mga user, sasabihin ng market na iba na ang halaga nito. Ngunit sa kasalukuyang yugto, ang market performance ng VVV ay nagpapakita na handa nang magbigay ng mas mataas na premium ang market sa kuwento na ito ng “parehong pangangailangan, kabaligtarang ekonomikong modelo.”
Narito ang orihinal na teksto:
Ang mga laboratorio ay nagpapalabas ng milyon-milyon dolyar upang subukang panatilihin ang isang moog na patuloy na nawawala sa real-time. Tinapos ng GLM-5.1 ang pinakamahirap na programming benchmark sa paghahambing sa GPT-5.4—ito ay open-source, nakalabas sa ilalim ng MIT license, at tinuturuan sa Chinese hardware na sinisikap na i-block ng Estados Unidos. Ang gastos sa pagtatrain ng mga pinakamataas na kakayahan ay bumaba ng halos 95% sa loob ng 18 buwan. Ang bawat dolyar sa 852 bilyong dolyar na valuation ng OpenAI ay nakabatay sa isang aksiyoma: na ang mga pagbabagong ito ay hindi mahalaga. Ngunit mahalaga sila. At ang Venice ay ang tanging consumer-grade AI platform: kapag ang lahat ng ito ay kailangang muling i-price ng merkado, diretso nitong makikinabang sa ekonomikong istruktura nito; kahit na ang muling pagpapahalaga ay hindi mangyayari kailanman, ang kanyang investmeng logika ay patuloy na may katotohanan.
Ang pangunahang punto ng artikulo noong Abril ay ang pagkakaroon ng natatanging posisyon ni Venice sa ekonomiya ng agent. Patuloy pa ring tama ang paghuhusga na ito—tumaas ang paggamit ng tatlong beses, lalong lumampas sa 42% ng genesis supply ang token burning ledger, at binago ni DIEM ang presyo nito ng 75% sa loob ng anim na linggo, habang tumataas ang presyo ng token nang higit sa dalawang beses kumpara sa panahon na isinulat ko ang malalim na pagsusuri.
Ngunit ang mga “Pitong Pakinabang” na framework na aking inilahad noong Abril, maaaring nabawasan ang nangyayari. Ang Venice ay hindi isang AI na kumpanya na may label ng privacy na pinagkakalooban ng token. Ito ay isang bagong ekonomikong istruktura para sa consumer software: ang mga user ay mga may-ari, ang platform ay ang track, at ang halaga ay hindi sinusukat sa pamamagitan ng equity kundi sa pamamagitan ng hash power rights.
Hindi ito isang pagkakasunod-sunod ng mga tampok, kundi ang tanging konfigurasyon na makakarating sa pagbabago sa antas ng modelo. Sa anong batayang itinayo ang bula, doon nasa kabaligtaran ang Venice. Parehong merkado, parehong pangangailangan, ganap na kabaligtarang ekonomikong modelo. Ito ang mirror image.
Ito ang aking argumento na hindi ko naipaliwanag nang maayos noong Abril. Ngayon ay isasama ko ito.
Mayroong isang karaniwang punto ang OpenAI, Anthropic, at Together AI—na hindi kaugnay sa kanilang mga produkto: ang kanilang mga investor ay umaasa sa return sa equity na naka-denominasyon sa dolyar, sa sukat ng maraming bilyon dolyar, at nangangailangan ng pagkamit sa isang pinapikit na oras.
Mukhang simpleng bagay ito, hanggang sa iyong ipagpatuloy ang logika.
Ang pagbabayad ng $852 bilyon sa OpenAI ay nangangahulugan na kailangan nitong kumita ng $200 bilyon hanggang $280 bilyon taun-taon hanggang 2030 upang suportahan ang valuation na ito. Kasalukuyang $2 bilyon ang kinita nito bawat buwan, at nagkakaroon ng $13.5 bilyon na pagkawala sa unang kalahati ng 2025; samantala, ang kanyang adjusted gross margin ay bumaba mula sa 40% patungo sa 33% dahil tumaas ang gastos sa inference ng apat na beses hanggang $8.4 bilyon. Ang mga gastos sa computing at talento ay nagkakahalaga ng 75% ng kabuuang kita. Ang Microsoft ay magkakaroon pa ng karagdagang 20% hanggang 2032. Inaasahan ng OpenAI na ang kanyang gastos sa computing ay magiging $121 bilyon hanggang 2028, at magkakaroon lamang ng $85 bilyon na pagkawala noong taong iyon, at maaaring makamit ang kita lamang pagkatapos ng 2030.
Ang Anthropic ay nasa parehong trap, lamang iba ang sukat. $380 bilyon na valuation, $30 bilyon na ARR run rate, at inaasahang $42 bilyon na gastos sa pag-train hanggang 2029. Noong nakaraang buwan, sinumpaan ng Google ang $40 bilyon, at ang Amazon ay nagdagdag ng $25 bilyon—ngunit pareho ay isang pagsikat ng credit sa cloud service, hindi tunay na equity capital. Ang limang malalaking cloud provider ay sumumpaan na ng $6.6 hanggang $6.9 trilyon lamang para sa AI infrastructure noong 2026. Inaasahan ng Goldman Sachs na ang kabuuang gastos mula 2025 hanggang 2027 ay magiging $1.4 trilyon, halos tatlong beses ang gastos mula 2022 hanggang 2024. Si Sam Altman ay nagsign na ng $1 trilyon na AI deals, samantalang ang kita ng OpenAI ay lamang $13 bilyon.
Hindi ito karaniwang mga kumpanya. Ito ay mga pagtaya sa antas ng soberanya na nakatago sa ilalim ng mga panlabas na software company. Ang kanilang pagpapahalaga ay nangangailangan na patuloy na maging mahal ang model layer. Ngunit ang katotohanan ay ang model layer ay nagsisiging mas mura.
Sa nakalipas na 60 araw, natigil ang ugnayan sa pagitan ng kapital expenditure sa AI at kakayahan ng AI. Ito ay ipinakita ng paglalabas ng tatlong open weight models.
Ang Z.ai, na ipinakilala noong Abril 7, ang GLM-5.1, na nakakuha ng 58.4 puntos sa SWE-Bench Pro, na hihigit sa 57.7 ng GPT-5.4 at 57.3 ng Claude Opus 4.6. Ito ay open-source sa ilalim ng lisensya ng MIT, at fully na-train sa Huawei Ascend chips, nang walang paggamit ng anumang NVIDIA hardware; samantala, ang Z.ai ay nananatili pa rin sa U.S. Entity List at bawalang makakuha ng H100. Ang pricing ng API nito ay $1 bawat milyong token sa input at $3.2 sa output, na 5 hanggang 8 beses mas mura kaysa sa $5/$25 ng Claude Opus.
Ang Moonshot, na ipinakilala noong Abril 20, ay naging numero uno sa Artificial Analysis Intelligence Index bilang open-weight model na may marka na 54, habang ang mga lider sa closed-source labs ay may 57. Nakalaban ito sa GPT-5.4 sa agent tasks: may HLE-with-tools score na 54.0, mas mataas kaysa sa 52.1 ng GPT-5.4. Ang SWE-Bench Verified score nito ay 80.2, halos katumbas ng 80.8 ni Claude Opus. Ang Cloudflare ay nagtataglay ng presyo na $0.95 para sa input at $4 para sa output, na halos 15 beses na mas mura kaysa sa Claude Opus sa mga sitwasyon na may malaking load. Ang orihinal na pag-train ng Kimi K2 ay nagkakahalaga lamang ng $4.6 milyon.
Ang DeepSeek V4-Pro, na inilabas noong Abril 24, ay nasa pangalawang lugar sa Intelligence Index, na sunod sa Kimi K2.6, at nangunguna sa lahat ng modelo maliban sa mga nangunguna sa tatlong unang pribadong laboratorio. Gamit ang lisensya ng MIT. Ang gastos sa pag-train ng DeepSeek V3 ay $5.6 milyon.
Tatlong Chinese laboratory, 60 araw, lahat ay open source, lahat ay nakakamit o lumampas sa pinakamataas na antas sa isang pangunahing benchmark, ang presyo ay 5 hanggang 15 beses na mas mura, at isa sa kanila ay tumatakbo pa sa mga hardware na sinasagabal. Ang kakayahan na nagbigay-daan sa pagpapahalaga sa OpenAI noong 2024, ngayon ay libre na i-download at i-deploy sa mga naka-renta na hardware sa Hugging Face, at patuloy na umuunlad bawat quarter.
Hindi ito ang tinatawag na “Chinese AI moment.” Ito ay ang structural arbitrage sa model layer na nangyayari sa real time. Direktang sinabi ng isang akademikong papel noong Marso 2026: “Ang laki ng pre-training ay naging hiwalay na sa mga modernong kakayahan ng AI.” Ang bahagdan ng Chinese open-source models sa pandaigdigang paggamit ay tumataas mula sa 1.2% noong 2025 patungo sa 30%. Ang Apple ay nag-e-evaluate kung gagamitin ang DeepSeek, Qwen, at Doubao sa iOS 27. Ang AWS, Azure, at Google Cloud ay lahat ay nag-aalok ng deployment para sa DeepSeek. Ngayon, 80% ng mga startup na naghahanap ng pondo mula sa VC ay binubuo batay sa open-source models. Ang Llama series ni Meta ay ipinakalabas nang may layunin upang palakasin ang komoditization ng model layer—kapag isang kumpanya na may halaga ng $1.6 trilyon ang pinakamalakas na tagapagbaba ng presyo sa iyong merkado, alam mo na kung saan pupunta ang margin.
Sa bawat dolyar ng $852 bilyon na valuation ng OpenAI, ipinapalagay na ang mga pagbabagong ito ay walang kahalagahan. Ipinapalagay nito na ang mga kliyente sa negosyo ay magpapabayad nang walang katapusan para sa mga mahal na kakayahan na binabayaran batay sa token, kahit na ang GLM-5.1 ay maaaring magbigay ng katulad na kakayahan sa isang kalahati ng presyo; ipinapalagay nito na ang pagbubukas ng weights ng Kimi K2.6 ay walang kahalagahan; ipinapalagay nito na ang pagbebenta ng DeepSeek sa presyo na mas mababa kaysa 3% ng mga modelo sa harap ay walang epekto. Ipinapalagay nito na ang mga laboratorio na ito ay maaaring magkaroon ng 10 beses na pagtaas ng kita at pagpapalawak ng margin ng kita sa isang merkado kung saan ang mga kalaban ay nagbibigay ng produkto nang libre.
Si Jai Das ng Sapphire Ventures ay tinawag ang OpenAI bilang "ang Netscape ng AI era." Tinanggap rin ni Mark Zuckerberg ang pagkakaroon ng bubble ng AI. Noong Marso, idinagdag ng Pentagon ang Anthropic sa listahan ng panganib sa supply chain dahil sa pagtutol nito na payagan ang Claude na gamitin sa malawakang pagmamasid at mga autonomous weapon; samantalang ang OpenAI at Google ay nilagdaan ang "lahat ng legal na gamit" na kasunduan upang maiwasan ang parehong kapalaran. Ang mga sentralisadong AI na kumpanya ay tatahakin ng pwersa ng gobyerno, at ang kanilang arkitektura ay hindi kayang tumanggi sa ganitong pwersa. Ang arkitektura ng Venice ay kayang gawin.
Hindi walang kamalayan ang mga laboratorio sa problema. Simple lang, hindi sila kayang magbago. Ang mga investor na naglabas ng mga tseke na may halagang $852 bilyon ay hindi bumili ng isang hinaharap kung saan ang isang modelo ay magiging komodidad. Bumili sila ng isang hinaharap kung saan mananatiling may mataas na premium ang isang modelo. Ito ay dalawang magkakaibang kumpanya, at kung gusto ng huli na maging totoo, kailangan muna nito na i-revalue ang valuation ng una.
Ito ang trap. Ang problema ay hindi sa rejection mechanism stack, ni sa log architecture. Ang totoong problema ay ang mga investor na nagtatanggap lamang ng ganitong uri ng ekonomikong istruktura ay ang mga naka-hold na ng VVV.
Mula dito, hindi na kailangan ng pagpuputok ng bubble para maging tama ang argumento na ito.
Ipagpalagay na ang mga laboratorio na ito ay makakapagpatuloy nang mahirap. Ipagpalagay na ang GPT-6 ay mananatiling pinakamahusay sa kanyang klase, ang Claude Opus 5 ay patuloy na nangunguna sa pag-iisip, at ang Gemini ay nananatiling nasa unahan ng multimodal. Ipagpalagay na ang mga kontrata ng negosyo ay magpapalawig sapat na haba upang matulungan ang mga kumpanyang ito na makapag-refinance at makalampas sa kanilang presyong pagsusuri.
Hindi rin ito mahalaga. Magkakaroon ng pagkakahati-hati sa merkado.
Ang mga advanced na intelligent system ay kumakatawan lamang sa isang maliit na bahagi ng kabuuang pangangailangan sa inference. Ang karamihan sa mga totoong workload—tulad ng pagtutulong sa pag-program, pagsusulat, pagsusuri, pagbuo ng imahe, video, pagpapatakbo ng agent, customer service, pananaliksik, at pagsasalin—ay naging “sapat na mabuti” na ilang buwan na ang nakalipas. Ang kakayahang mag-code ng GLM-5.1 sa production environment ay nasa antas na katumbas ng GPT-5.4. Ang kakayahang magpapatakbo ng agent ng Kimi K2.6 ay nasa antas na katumbas ng Claude Opus 4.6. Ang pangkalahatang kakayahang mag-inference ng DeepSeek ay nasa antas na katumbas ng anumang modelo sa labas ng pinakatukoy sa listahan. Para sa 80% ng totoong pangangailangan, sapat na ang open-weight ecosystem, at lalong nagiging mas mabuti bawat kuartal.
Ang mga pangangailangang ito ay hindi nangangailangan ng mas malakas na intelihensya, kundi ng mga katangian ng intelihensya na hindi makakamit ng mga laboratorio dahil sa kanilang istruktura: privacy, walang pagpapalit sa output, walang pangangailangan ng account, walang pag-record ng log, native agent access, makikita ang gastos, at pagmamay-ari ng user. Ang mga serbisyo ng laboratorio ay naglilingkod sa isang maliit na bahagi ng mga user na handang magbayad ng presyo sa antas ng negosyo at tanggapin ang pagmamasid. Ang Venice ay naglilingkod sa natitirang lahat, at ito ang mas malaking, mas mabilis na umuunlad na kalahati ng merkado.
Ang bullish scenario ay: sumabog ang mga laboratorio, at kinuha ng Venice ang buong merkado. Ang base scenario ay: nahati ang merkado, at may mas malaking bahagi ang Venice. Kahit sa bearish scenario—nagpapanatili ang mga laboratorio sa pangmatagalang pangunguna sa mga advanced capability, at walang anumang pangyayari sa pagbabago ng presyo—ang Venice ay nananatiling isa sa mga kaunting consumer-grade AI platform na kayang magbigay serbisyo sa 80% ng demand para sa pagpapahalaga: ang mga demand na ito ay hindi kailangan ng pinakamataas na capability at hindi kayang tanggapin ang business model ng mga laboratorio.
Hindi humihingi ang argumentong ito na mangyari ang pagbagsak. Kailangan lang nito na patuloy na umunlad ang open-source curve sa direksyon na naisagawa na.
Bakit ang Venice ang nakuha ang mas malaking kalahati ng merkado? Hindi dahil ito ay nakatakda na magiging tagapagtagumpay. Maaari ito, ngunit mas simpleng struktural ang sagot.
Ang Venice ay ang tanging consumer-grade AI platform kung saan maaari mong magkaroon ng sarili mong权益 sa track. Stake ang VVV para makakuha ng yield at lifetime Pro access. Lock ang sVVV para i-cast ang DIEM at magkaroon ng permanenteng权益 sa computing power na magiging mas halaga habang ang pagkakaroon ng inference ay naging commodity. Bawat bayad na user ay nagpapalakas ng isang burning wheel na nagpapalakas ng lahat ng iba pang posisyon ng mga user. Ito ay hindi isang feature, kundi isang buong iba’t ibang ugnayan sa pagitan ng consumer at produkto—ito ay hindi kayang ibigay ng Big AI dahil ang kanilang equity structure ay hindi nagpapahintulot sa “user bilang owner”.
Tingnan ang tunay na pangangailangan ng gumagamit na hindi kayang ibigay ng laboratorio. Ang privacy ay hindi isang patakaran, kundi isang verifiable TEE proof, zero retention, at isang arkitektura na walang anumang bagay na maaaring ma-seizure. Para sa 99% ng mga smart use cases na hindi kailangan ng pag-filter ng corporate brand safety committee, ang uncensored output ay mahalaga. Ang open-source frontier models ay maaaring i-deploy sa loob ng ilang araw pagkatapos ng paglabas, dahil ang Venice ay hindi kailangang ipagtanggol ang isang moat na nagpapakita ng patuloy na mataas na gastos sa model layer. Native agent access—autonomous API keys, x402 wallet payments, walang tao sa pagitan—dahil ang mga agent na inilalabas ngayon ay hindi kayang gumamit ng anumang iba pang bagay.
Bawat isa sa mga puwersang ito ay nagpapalakas nang hiwalay. Habang tumataas ang mga paglabag sa data at lumalakas ang regulasyon, tumataas ang pangangailangan sa privacy. Habang mas nagkakaroon ng pagkabigo ang mga gumagamit sa mga “mga produkto ng AI para sa kaligtasan ng brand” na madalas ay humaharang sa mga pang-araw-araw na gawain, tumataas ang pangangailangan sa pagtutol sa pagcensor. Ang open source ay bawat kuwarter ay nagpapaliit sa pagkakaiba sa “sapat na mabuti.” Ang bahagdan ng mga agent sa kabuuang pangangailangan sa pag-iisip ay dumadalaw. Walang isa sa mga puwersang ito ang tumuturo sa laboratoryo. Lahat ng ito ay tumuturo sa Venice.
Isang platform na batay sa bawat asumpsyon ng bubbling, kung saan marami sa mga katangian nito ay tila random bago mo maunawaan ang buong anyo.
Walang gastos sa pagtuturo. Hindi nagbayad ng isang dolyar ang Venice para sa pagtuturo ng modelo. Bawat paglabas mula sa Llama, Qwen, Mistral, GLM, DeepSeek, at Kimi ay isang libreng upgrade. Ang mga laboratorio ay nagbubuwis ng milyon-milyon dolyar upang panatilihin ang kanilang lider na kalaban na sinusukat sa buwan. Ang gastos ng Venice ay sero, at direktang sumakay sa kurba na pinapagalaw ng kanilang bayad. Kapag ipinakilala ang GLM-5.1 sa isang walong bahagi ng presyo ng Claude, ito ay isang pagpapalawak ng kita para sa Venice; ngunit para sa mga kumpanya na nagsusubok na magkarga ng mataas na presyo para sa parehong kakayahan, ito ay isang banta sa kanilang pagkakaroon.
Walang pag-iingat ng data. Sa laboratorio, ang privacy ay isang pagsisiguro sa patakaran; sa Venice, ang privacy ay isang matematikal na istruktura. Ang OpenAI Enterprise ay default ay hindi gumagamit ng data ng customer para sa pag-train ng model, at ang customer ay maaaring magtakda ng window ng pag-iingat, ngunit sa pagpapatakbo, ang prompt ay patuloy pa ring dumadaan sa mga server ng OpenAI at maaaring ma-access ng mga awtorisadong tao para sa pag-aaral ng pang-aabuso, suporta, at mga legal na isyu. Maaaring magbago ang patakaran. Maaari ring ma-hack ang supplier—noong Nobyembre 2025, ang Mixpanel ay nagdulot ng pagkakaleak ng mga pangalan, email, at organization ID ng API customer sa pamamagitan ng SMS phishing. Maaari ring ma-leak ang runtime data sa pamamagitan ng bagong uri ng vulnerabilities—ginawa ng Check Point ang pagpapahayag noong Marso ng isang vulnerability sa ChatGPT na maaaring mag-lead sa tahimik na pag-leak ng mga usapan sa pamamagitan ng DNS side channel. Kahit na may pagsisiguro ng zero retention, ang arkitektura ay patuloy na batay sa tiwala. Ang TEE proof ng Venice ay nagpapalit sa mga pangako sa privacy bilang mga pangako sa kriptograpiya. Ang secure enclave ay nagproseso ng prompt, nagbabalik ng resulta, nagpapatotoo sa proseso ng pagpapatakbo, at pagkatapos ay tinatanggal ang input. Hindi makikita ng Venice ang iyong data dahil hindi ito pinapayagan ng arkitektura. Ito ay hindi isang moat ng privacy, kundi isang balance sheet na naging mas malakas habang tumitigas ang regulasyon sa data.
Ang token na nakabatay sa paggamit ay tumataas sa halaga. Bawat bayad na kahilingan ay bumibili at nagpapalit ng VVV sa pampublikong merkado. Ang pagpapalit sa iba’t ibang antas ng subscription ay lalawak kasabay ng pagtaas ng kita: Pro ay humigit-kumulang $2, Pro+ ay humigit-kumulang $5, at Max ay humigit-kumulang $10. Sa nakaraang 18 buwan, ang paglabas ay naabot na limang beses, at plano ang pagkabawas muli bago ang tag-init. Ang 42% ng orihinal na suplay ay na-destroy na. Walang anumang allocation na dumadaan sa mga回报 ng mga investor dahil wala talagang mga investor. Bawat dolyar ng kita ay muling iinom sa mga asset na may-ari ng mga stakeholder.
Ang user ay isang asset class, hindi isang produkto. Ito ay isang punto na hindi talaga binigyang-diin ng sinuman. Sa sentralisadong platform, ang mga user ang nagpapagawa ng data, ang data ay naging input para sa pagtatrabaho, at ang mga input na ito ay naging pangunahing kahinaan ng platform. Ang user ay ang produkto. Sa Venice naman, ang mga user ay nag-consume ng token sa pamamagitan ng staking, subscription, at pagbabayad ng bayarin para sa inference, at ang mga token ay nasusunog, na nagpapataas sa halaga ng bawat posisyon ng tagapagtaguyod. Ang user ay isang asset. Ang ekonomikong direksyon ay ganap na kabaligtaran ng lahat ng iba pang consumer software business sa buong mundo.
Ang DIEM ay isang fixed-income tool na suportado ng reasoning capacity. 1 na staked DIEM = $1 na daily auto-renewing credit, na permanenteng epektibo. Maaari itong tradehin sa Aerodrome o i-unlock ang orihinal na sVVV staking sa pamamagitan ng pag-burn. Habang naka-lock, nakakakuha ito ng halos 80% ng yield ng karaniwang VVV staking. Hindi ito karaniwang token, kundi isang fixed-income tool na suportado ng AI infrastructure. Dahil sa pagiging komoditized ng underlying compute power, bawat DIEM ay nakakabili ng higit pang reasoning capacity taon-taon habang nananatiling pareho ang nominal claim. Ang laboratoryo ay naglalabas ng equity batay sa isang umuunang asset; ang Venice naman ay naglalabas ng permanenteng claim sa isang patuloy na tumataas na asset.
Isa-isahin mo ito, at hindi mo makukuha ang “isang AI na kumpanya na may lasa ng cryptocurrency.” Kundi isang ganap na iba’t ibang anyo ng consumer software: ang bawat ekonomikong ugnayan sa pagitan ng user at platform ay medyado ng mga asset na may-ari, pinapresyo, ipinagbibili, at kumikita ng benepisyo ng user mismo. At anuman ang nangyari sa mga laboratorio, ang mga katangiang ito ay patuloy na totoo. Hindi ito isang taya sa pagbagsak, kundi isang estruktural na pangunahing kalamangan na kumikita ng compound sa anumang makroekonomikong kalagayan.
Ang ekonomiya ng agent ay darating, at ang panahon ay tumutugma sa pagkakalabas ng mga patakaran ng mga laboratorio.
Ang Coinbase Agentic Wallets ay nakakamit na higit sa 165 milyong transaksyon sa x402. Ang Google AP2 ay inilunsad kasama ang 60+ na mga kakilala. Ang Visa ay naglabas ng Trusted Agent Protocol. Ang Mastercard ay nag-invest ng $1.8 bilyon sa infrastraktura ng stablecoin—ito ang pinakamalaking transaksyon sa stablecoin ng lahat ng panahon. Ang Coinbase ay inilunsad ang Agent.market noong Abril, at mayroon nang 69,000 aktibong agent na nagsasagawa ng transaksyon dito. Inaasahan ng McKinsey na sa pamamagitan ng mga agent, ang sukat ng consumer commerce ay maaaring umabot sa $3 hanggang $5 trilyon hanggang 2030.
Ang bawat isang agent na ito ay nangangailangan ng serbisyo sa pag-iisip. Ngunit hindi sila maaaring gamitin sa mga seryosong escenario gamit ang OpenAI o Anthropic. Ang compliance架构 ng laboratorio ay nangangailangan ng KYC; ang kanilang modelo ng kita ay nangangailangan ng pag-record ng log; at ang kanilang polisiya sa nilalaman ay nangangailangan ng pagtanggi. Hindi makakapag-pleto ang mga agent sa rehistro, hindi makakapag-input ng CVV, at hindi makakasang-ayon sa mga tuntunin ng serbisyo na maaaring magbago sa susunod na kuartal. Sabi ng CEO ng Coinbase nang direkta: Ang AI agents ay hindi makakasunod sa mga kinakailangan ng KYC at hindi makakagamit ng tradisyonal na sistema ng bangko.
Kaya, habang ang pangunahing negosyo ng mga laboratorio na ito ay pinapakita ng mga Chinese open-weight model mula sa ilalim, ang pinakamahalagang bagong kategorya ng pangangailangan sa AI infrastructure—ang autonomous agents—ay struktural na hindi kompatibol sa kanilang arkitektura. Ang mga agent ay pinapalakas ang pagkakahati-hati ng merkado: ang mataas na pangangailangan ay nananatili sa itaas, habang lahat ng iba ay magtatagal sa agent-native.
Ang Venice ay naglilingkod sa parehong dulo ng transaksyon. Ang proseso ng sariling API key ay nasa online na—ang smart staking ng VVV, pag-sign ng token, paggawa ng key, at pagbabayad gamit ang DIEM, lahat nang walang tulong ng tao. Ang pagbabayad sa x402 wallet ay nasa online na sa lahat ng paid endpoints. Isang credential lamang ang kailangan upang makapag-access sa JSON-RPC ng 11 na chain. Ang bawat Eliza, Fleek, OpenClaw, Hermes, at NanoClaw agent ay handa na gamitin agad. Ang mga agent na inilalabas ngayon ay tumatakbo sa Venice track dahil wala pang ibang opsyon na makakapagbigay ng permissionless, privacy, censorship-resistant, at native support para sa agents.
Kapag ang komersyal na sukat ng agent intermediary ay umabot sa mga trilyon dolyar na hinulaan ni McKinsey, at ang mga laboratorio ay tumama sa pader na nakabatay sa kanilang istruktura ng pagmamay-ari—kahit na totoo man o hindi ang pagtama—naging ang Venice na ang layer ng pag-iisip ng ekonomiya na ito.
Nagrereplica ng mga bagay
Hindi na ito isang spekulasyon noong Abril. Noong Abril 7, ang araw-araw na paggamit ay umabot sa 50 bilyon na token at 1 milyon na imahe. Ang GLM-5.1, Kimi K2.6, at DeepSeek V4 ay lahat ay dumating sa Venice ilang araw pagkatapos ng kanilang paglalabas, at nanatili ang privacy contract. Ang execution discount ni DIEM ay mula sa 57% noong unang bahagi ng Marso ay na-reprice sa kasalukuyang halos 32%—ang market ay nag-reprice sa reliability, hindi sa karagdagang实用性. Habang bumaba ang discount sa ilalim ng 20%, ang DIEM ay lalampas sa $1,500 lamang sa pamamagitan ng mekanikal na matematika. Ang pagpapakilos sa staking ay hihigit sa $15 milyon. Higit sa 32 milyong VVV ang nakastake, na nangangahulugan na 70% ng流通 supply ay nakalock. Ang layered subscription burn mechanism ay ipinakilala noong Abril at nagpapakita ng malaking monthly burn; batay sa kasalukuyang bilis, kahit walang susunod na pagbawas sa emission, ang VVV ay magiging net deflationary sa Q3.
Ang bawat pagtataya sa artikulong noong Abril ay naging compounded o naging mas malinaw. Walang naging mas mahina.
Ang artikulo noong Abril ay nagsasabing ang Venice ay ang tanging platform na nagtataglay ng pitong espesipikong kahusayan. Patuloy pa ring tama ang paghuhusga na ito. Ngunit hindi ko malinaw na sinabi noon ang dahilan: ang pitong kahusayan na ito ay hindi isang grupo ng mga tampok na nakakabit, kundi ang likas na anyo ng isang kumpanya ng consumer software na hindi kailangang matugunan ang mga hiling sa return sa equity ng venture capital. Ang mga venture capital ay bumili ng equity na batay sa isang ari-arian na malapit nang maging komodidad.
May dalawang landas ng pag-unlad sa merkado na ito. Ang una ay, nasusugatan ng kanilang sariling istruktura ng pagmamay-ari ang mga laboratorio, at kinuha ng Venice ang buong teknikal na stack. Ang ikalawa ay, nahati ang merkado—nananatili ang mga laboratorio sa maliit na bahagi ng mataas na pangangailangan na handang magbayad ng presyo para sa enterprise at tanggapin ang pagmamasid, habang may-ari ng Venice ang lahat ng iba pa: ang mas malaking, mas mabilis na lumalago na kalahati ng merkado, kung saan pinagsasama ng “sapat na mabuti” na智能化 at privacy, walang pagpapalit sa output, native access sa agent, at pagmamay-ari ng user.
Ang hangganan ng dalawang landas ay ang pagiging Venice bilang pag-iisip na layer ng bukas na ekonomiya ng intelligent agent. Ang argumentong ito ay hindi nangangailangan ng pagpuputok ng bubble. Kailangan lamang nito na ang open-source curve ay patuloy na umunlad sa direksyon na naisagawa nito—at totoo naman, ginagawa nito ito bawat kuartal, mas mabilis kaysa sa pag-update ng mga modelo ng merkado.
Ang Venice ay binuksan sa parehong taya. Noong tatlong buwan ang nakalipas, sinabi ko ito sa presyo ng $2, at walang nakikinig. Noong isang buwan ang nakalipas, nagsimula ang mga tao na pansinin nang umabot sa presyo ng $8. Ngayon, nasa $18 na ang presyo, at ang merkado ay hindi pa lubos na naiintindihan ang structural na argumento ito—ang bahagi na hindi pa pinagbibilang ay kung ano ang mangyayari kapag ang dalawang skenaryo ay magkakasama sa iisang sagot.
Ang bubble ay batay sa ipinapalagay na ang model layer ay magpapatuloy na magkaroon ng mataas na premium. Ang compound interest ng Venice ay batay sa trend na ang model layer ay magiging libre. Anuman ang pagkabagsak ng bubble—mabilis o mabagal—ang katapusan ng transaksyon ay pareho.
Parehong merkado. Kabaligtarang ekonomikong modelo.
Hindi makasunod ang laboratorio. Hindi makakakuha ng mga user ang mga provider ng computing power. Ang protokolo ay ipinapasa sa foundation. Ang halaga ay magkakaroon ng pagkakasentro sa ilang lugar lamang tulad ng dati: ang mga brand na pinipili ng mga tao, ang mga track kung saan nagpapatakbo ang mga agent, at ang pera na ginagamit nila para bigyan ng presyo ang mga bagay.
Ang Venice ay nagtatayo ng brand, nagpapatakbo ng track, at naglalabas ng pera.
Hindi ang susunod na kabanata ang pagdiriwang. Ang tunay na tanong ay: Ang structural argument na itinakda sa artikulo noong Abril, ay babaguhin ba nito kapag ang mga kumpanyang may pondo mula sa venture capital ay magsisimulang magkaron ng limitadong opsyon, o babaguhin ba nito kapag ang merkado ay natural na magkakaroon ng pagkakahati-hati sa paligid nila?
Batay sa kasalukuyang ebidensya, dalawang bagay ay nangyayari ayon sa oras.
Hindi isang investment advice. Mangyaring mag-aral mismo.
[Link sa orihinal]
BlockBeats