Catatan penelitian Grayscale tanggal 23 Oktober membahas proposisi crypto-dan-AI yang lebih spesifik daripada taruhan umum pada perangkat lunak yang lebih cerdas: siapa yang menyediakan data pelatihan, siapa yang membiayai perangkat keras, dan siapa yang menerima pembayaran ketika kapasitas komputasi digunakan.
TL;DR- Laporan tersebut menyoroti DATA, USD.AI, dan Pearl sebagai contoh peran infrastruktur yang berbeda.
- Pembiayaan perangkat keras memperkenalkan pertanyaan kredit bersamaan dengan mekanisme blockchain.
- Layanan yang berguna dan token yang berharga tetap merupakan proposisi yang terpisah.
Tiga model bisnis berada di balik satu label AI yang luas
Dalam catatan, kepala riset Zach Pandl menggambarkan pekerjaan DATA pada data pelatihan yang disumbangkan, pinjaman berbasis GPU USD.AI, dan upaya Pearl untuk menggabungkan komputasi AI dengan imbalan blockchain. Ini adalah contoh dan harapan yang dipilih oleh Grayscale, bukan hasil yang telah dibuktikan secara independen untuk seluruh sektor.
Setiap model memiliki pelanggan yang berbeda. Jaringan data membutuhkan seseorang yang bersedia melisensikan dataset-nya. Protokol pembiayaan membutuhkan peminjam yang dapat melayani utang. Jaringan komputasi membutuhkan beban kerja yang berguna dan cara untuk mengukur pengiriman. Menggabungkannya di bawah label AI-token dapat menyembunyikan lebih banyak daripada yang diungkapkan.
Dokumentasi USD.AI membuat elemen kredit menjadi jelas. Dokumen ini menjelaskan pinjaman yang dijaminkan oleh GPU dan arus kas terkait, dengan tanggung jawab umumnya terbatas pada jaminan dan pengecualian tertentu. Instrumen yang menghasilkan imbal hasil ini memanfaatkan pembayaran pinjaman dan pendapatan terkait cadangan.
Itu menciptakan pertanyaan underwriting yang familiar dalam format distribusi baru. Apa yang terjadi jika peralatan kehilangan nilai lebih cepat dari yang diharapkan? Seberapa terkonsentrasi pelanggan yang membayar untuk menggunakannya? Siapa yang dapat mengambil dan menjual jaminan jika peminjam gagal? Catatan blockchain dapat meningkatkan visibilitas terhadap klaim tanpa menjawab ketiganya.
Pembedaan antara operasional dan pembiayaan juga berlaku dalam pengungkapan penambangan dan AI Bitdeer. Mesin, kapasitas yang didanai, dan pendapatan pelanggan yang terwujud adalah ukuran yang saling terkait, tetapi tidak dapat dipertukarkan.
Token harus terhubung ke aktivitas mendasarnya
Infrastruktur yang sukses sekalipun tidak secara otomatis memberikan manfaat yang sama kepada setiap token terkait. Sebuah token tata kelola, klaim atas pendapatan pinjaman, dan token yang digunakan untuk membayar layanan dapat memiliki hak yang sangat berbeda.
Panduan deposan USD.AI, misalnya, memisahkan instrumen USDai yang tidak menghasilkan imbal hasil, instrumen sUSDai yang mengakumulasi pendapatan, dan tata kelola CHIP. Menyebut nama protokol saja tidak mengidentifikasi eksposur apa yang diterima pemegang.
Disiplin yang sama berlaku untuk data. Pembayaran kepada kontributor dapat mendorong pasokan yang berguna, tetapi permintaan yang berkelanjutan tergantung pada apakah pembeli menemukan data tersebut sah, relevan, dan sulit diperoleh di tempat lain. Insentif token dapat membiayai aktivitas awal tanpa membuktikan bahwa pelanggan akan terus membayar setelah insentif berkurang.
Pertumbuhan aset tertokenisasi juga perlu dibaca melalui hak-hak yang melekat pada token. Dan aplikasi konsumen yang menghadap AI masih membutuhkan pengguna yang kembali karena produknya bermanfaat.
Laporan Grayscale menyediakan serangkaian model bisnis untuk ditinjau. Adopsi, ekonomi unit, dan klaim yang dapat ditegakkan akan memberikan bukti yang lebih kuat bahwa model-model tersebut menjadi bisnis yang berkelanjutan.
Ditulis oleh Tim Berita dan diedit oleh Samuel Rae.

