Habang mas magagamit ang mga modelo, tumataas ang pangangailangan sa compute Naniniwala ako nang malakas na ang pangangailangan sa inference ay magpapatuloy na lalampas sa suplay, na nagdadala sa mas mataas na presyo ng pag-rent ng GPU Open source o closed source, parehong kailangan ng chips, memorya, at kapangyarihan. Ito ay bullish para sa patuloy na pag-invest sa AI capex dahil mas mabilis at mabilis ang mga panahon ng pagbabalik.
Ang team ng Temporal ay mga skilled na developer Dapat mong magsimula na sumunod sa kanila dahil sila ang grupo na nagpapagawa ng microstructure ng Solana
Magkakaroon ng pinakamalaking likwididad sa isang chain. Ito ay sinasabi na namin ng ilang panahon sa Frictionless. Ang pamantayan ay ang market structure ng chain na iyon ay dapat magtrabaho para sa buong mundo, hindi lamang sa ilang hukuman.
Congrats @anza_xyz team! Malaking update sa network
Isang napakalaking istatistika ito kapag isipin mo. At ito ay kung saan lang ang spot. Mas lalong lumalaki ang pagkakataon kapag ang mga Perp at iba pang derivative ay lumilipat sa onchain.
Ipinapakita ang isang podcast kasama si @benfielding, Co-Founder at CEO sa @gensynai Nagsimula si Ben ng kanyang PhD sa deep learning noong 2015, maliban sa kasalukuyang alon ng atensyon sa AI. Sa episyod na ito, nais kong pag-usapan kung paano niya isipin ang progreso na natamo natin, ang ekonomiks ng pagbuo ng mas malalaking model, at ano ang susunod. Tinatalakay natin kung bakit niya isusulit kung babayaran ang pera na ipinapaloob sa centralized AI sa pamamagitan ng paggamit ng produkto, kung paano nakakaapekto ang open models sa negosyong ito, at bakit mas mahalaga ang pagkakaroon ng mga customer na patuloy na gumagamit ng iyong produkto kaysa manatiling nangunguna sa isang benchmark. Tinatalakay din natin kung paano nagbago ang Gensyn. Lumipat ang team mula sa pagpupokus sa decentralized compute patungo sa pagkolekta ng totoo na impormasyon mula sa mundo. Ipinaliwanag ni Ben kung bakit ginawa niya ang desisyong ito at kung paano ginagamit ng Delphi ang mga pamilihan upang i-ugnay at i-verify ang impormasyon batay sa totoong nangyayari. Ito ay nagdudulot sa forecasting. Naniniwala si Ben na ang pagbabanta ng mga hinaharap na pangyayari ay maaaring maging mas malaking gamit ng AI. Tinatalakay natin kung paano maaaring matutunan ng mga model ang kanilang pagkakamali o pagkakatotoo, bakit kailangan ng mga tao ang dahilan upang ibahagi ang kanilang kaalaman, at ano ang ibig sabihin ng pagkakaroon ng isang probability calculator na tumutulong sa pang-araw-araw na desisyon. Tinatalakay natin - Ang background ni Ben sa deep learning at kung paano nagsimula ang Gensyn - Ang ekonomiks ng mas malalaking AI model at kung makabuluhan ba ang paggastos - Open models, kompetisyon, at pagbuo ng mga produkto na patuloy na ginagamit ng mga tao - Bakit lumipat ang Gensyn mula sa pagpupokus sa compute - Ang pagsusuri sa machine learning at paggawa ng training na auditable gamit ang open-1b - Delphi, information markets, at pagkatuto mula sa totoong resulta - Pagbibigay ng reward sa mga tao para sa pagbabahagi ng ebidensya sa kanilang mga prediction - Forecasting, mas mabuting desisyon, at kung saan nakakatulong ang decentralization Mga Timestamp 0:00 – Maaari bang I-predict ng AI ang Kinabukasan? 1:14 – Ben Fielding at Ang Mga Pinagmulan ng Gensyn 7:26 – Pag-scaled ng AI Laban sa Mas Malalaking Cluster 13:29 – Bakit Maaaring Magkaroon ng Iba’t Ibang Pagkakataon ang Mga Startup 18:49 – Tiwala at Pagsusuri sa Machine Learning 23:59 – Ang Ekonomiks ng Centralized AI 27:29 – Bakit Lumipat ang Gensyn Mula sa Compute 31:09 – open-1b at Auditable AI Training 35:47 – Open Models at Closed Labs 43:29 – AI Products, Customers, at Neoclouds 50:13 – Mula sa LLMs patungo sa Forecasting 53:44 – Pag-train ng Models para sa Mas Mabuting Prediction 57:10 – Delphi at Information Markets 1:02:26 – Pagbibigay ng Reward sa Ebidensya ng Isang Prediction 1:04:34 – Kung Saan Talaga Nagkakasundo ang Crypto at AI 1:11:35 – Ang Susunod na Alon ng AI Nikikinig!
Ipinapakita ang isang podcast kasama si @mdudas, Managing Partner sa @6thManVentures Isang crypto business ay maaaring kumita nang hindi nakarating ang pera sa mga tagapagmaneho nito. Sa episyod na ito, nais kong usapin si Mike tungkol sa ano ang nagbibigay ng halaga sa isang token at sino ang nakikinabang kapag lumalago ang negosyo. Kumukuha tayo ng detalye kung paano niya itinayo ang 6MV, bakit siya nag-iinvest sa mga application, at kung paano niya isinusuri ang pagbabalik ng pera sa mga investor kapag ang negosyo ay maaaring hindi magtagal sa unahan. Malaking bahagi ng usapan ay tungkol sa mga token at equity. Naniniwala si Mike na kailangan ng mga team na ipaliwanag kung ano ang binibili ng mga tao, kung saan pupunta ang kita, at kung paano nakikinabang ang mga tagapagmaneho ng token. Usap namin ang mga buyback at kung gaano karaming kontrol ang mayroon ang mga tagapagmaneho. Kumukuha rin tayo ng detalye kung bakit kailangan ng mga trading app na mas magandang assets at mas kaunting paraan para sa mga user na mawalan ng pera, ang kanyang pananaw tungkol sa Solana, Hyperliquid, at Ethereum, at kung saan nakakasali ang crypto sa AI. Usap namin - Paano itinayo ni Mike ang 6MV - Ano ang nagpapatatag sa isang crypto business - Kailan dapat magbenta at ibalik ang pera sa mga investor - Stablecoins, pagpapautang, at prediction markets - Social trading, slippage, at pagpapanatili ng mga user - Solana, Hyperliquid, at ano ang nagbibigay ng halaga sa ETH - Tokens, equity, buybacks, at ano talaga ang may-ari ng mga tagapagmaneho - Bakit tinatawag ni Mike ang XRP at Cardano bilang “memes for suits” - AI agents, payments, at compute markets - Kung worth ba ng kanilang valuation ang mga AI company Timestamps 0:00 – Ano ang Nagbibigay ng Halaga sa mga Token? 0:58 – Mike Dudas at Ang Pinagmulan ng 6MV 6:20 – Liquidity at Pagbabalik ng Capital sa mga Investor 10:16 – Tunay na Adoption Kahit Labas sa Presyo ng Crypto Token 16:56 – Crypto Apathy at Pagtaas ng AI 21:43 – Bakit Binalikan ng 6MV Ang Kanyang Consumer Investing Thesis 26:34 – Social Trading, Slippage, at Mas Magandang Assets 36:25 – Solana, Hyperliquid, at Ang Chain Landscape 39:37 – Ang Problema sa Value Proposition ng ETH 43:16 – Tokens, Equity, at Kung Saan Pupunta ang Perang Ito 46:21 – Governance Tokens, XRP, at Cardano 49:40 – Kung Saan Nakakasali ang Crypto sa AI 55:38 – Nasa Bubble ba ang AI Valuations? 58:42 – Ang Susunod na Limang Taon ng Crypto Nikinabang!
Ang token ay ang simula, hindi ang wakas.
Pupunta ako sa QT dahil gusto kong patuloyin ang diskusyon Maaari mong i-break ito sa dalawang pangunahing isyu - Market Structure - Ang Total Addressable Market ng Global Finance Magsalita tayo muna tungkol sa market structure dahil naniniwala akong ito ang mas mahalaga, dahil diretso itong nagtatampok ng mas mabubuting produkto Hindi dapat magkaroon ng pagkakamali sa sinuman na nag-aral ng financial system na habang lumilipas ang panahon at lumipas tayo mula sa paper trading papunta sa electronic trading, mas mabilis ang mga sistema. Bilang resulta, ang pisikal na pagkakalapit sa matching engine ay nagbigay ng natatanging kahusayan sa mga trading firm mula sa pisikal na pagkakalapit sa parehong data center o may direkta na fiber link sa matching engine Kung hindi ka pa sumali sa rabbit hole na ito, inaanyayahan kita basahin ang kasaysayan ng Flash Boys. May dahilan kung bakit gugugol ang mga trading firm ng maraming pera para i-optimize ang mga network, microwave links at private fiber lines, dahil ang mga milliseconds sa latency ay maaaring magresulta sa milyon-milyon dolyar Kahit ang NYSE ay normalisado ang haba ng fiber para sa parehong serbisyo ng koneksyon sa loob ng kanyang Mahwah data center, anuman ang hall o cabinet na ginagamit ng isang firm. Ang layunin ay tanggalin ang kahusayan ng simpleng pagkakaroon ng mas malapit na rack. Ito ay nailalarawan sa ICE’s colocation specifications Ang natitirang mga isipin dito: https://t.co/8gs2vq9IdJ
