Seiring model menjadi lebih berguna, permintaan akan komputasi terus meningkat. Saya sangat percaya permintaan inferensi akan terus melebihi pasokan, mendorong harga sewa GPU naik. Baik open source maupun closed source, keduanya membutuhkan chip, memori, dan daya. Ini bersifat bullish untuk investasi capex AI yang berkelanjutan, karena periode pengembalian semakin cepat.
Tim Temporal adalah pengembang hebat. Anda sebaiknya mulai mengikuti mereka, karena tim yang mendorong mikrostruktur Solana.
Sebagian besar likuiditas akan terkonsolidasi di satu rantai. Kami telah mengatakan ini di Frictionless selama beberapa waktu. Standarnya adalah struktur pasar rantai tersebut harus berfungsi untuk seluruh dunia, bukan hanya beberapa yurisdiksi.
Selamat kepada tim @anza_xyz! Pembaruan besar untuk jaringan
Ini adalah statistik yang cukup gila jika Anda memikirkannya Dan ini baru spot. Peluangnya menjadi jauh lebih besar ketika perp dan derivatif lainnya berpindah onchain
Menghadirkan podcast bersama @benfielding, Co-Founder dan CEO di @gensynai Ben memulai PhD-nya dalam deep learning pada 2015, jauh sebelum gelombang perhatian saat ini terhadap AI. Dalam episode ini, saya ingin membahas bagaimana ia memandang kemajuan yang telah kita capai, ekonomi dalam membangun model yang lebih besar, dan apa yang akan datang selanjutnya. Kita membahas mengapa ia mempertanyakan apakah uang yang dialirkan ke AI terpusat akan kembali melalui penggunaan produk, bagaimana model terbuka memengaruhi bisnis tersebut, dan mengapa memiliki pelanggan yang terus menggunakan produk Anda lebih penting daripada tetap unggul dalam benchmark. Kita juga membahas bagaimana Gensyn berubah. Tim beralih dari fokus pada komputasi terdesentralisasi menjadi mengumpulkan informasi yang benar dari dunia. Ben menjelaskan mengapa mereka membuat keputusan itu dan bagaimana Delphi menggunakan pasar untuk menggabungkan informasi serta memeriksanya terhadap kenyataan. Hal ini membawa kita ke peramalan. Ben berpikir memprediksi peristiwa masa depan bisa menjadi penggunaan AI yang jauh lebih besar. Kita membahas bagaimana model bisa belajar dari kebenaran atau kesalahan prediksinya, mengapa orang membutuhkan alasan untuk berbagi pengetahuan mereka, dan apa artinya memiliki kalkulator probabilitas yang membantu dalam pengambilan keputusan sehari-hari. Kita bahas: - Latar belakang Ben dalam deep learning dan asal-usul Gensyn - Ekonomi model AI yang lebih besar dan apakah pengeluaran tersebut masuk akal - Model terbuka, persaingan, dan membangun produk yang terus digunakan orang - Mengapa Gensyn meninggalkan fokus pada komputasi - Memverifikasi pekerjaan machine learning dan membuat pelatihan dapat diaudit dengan open-1b - Delphi, pasar informasi, dan belajar dari hasil nyata - Memberi insentif kepada orang yang berbagi bukti di balik prediksi mereka - Peramalan, keputusan lebih baik, dan di mana desentralisasi membantu Timestamp: 0:00 – Dapatkah AI Memprediksi Masa Depan? 1:14 – Ben Fielding dan Asal-Usul Gensyn 7:26 – Skalabilitas AI Melampaui Cluster yang Lebih Besar 13:29 – Mengapa Startup Bisa Mengambil Pendekatan Berbeda 18:49 – Kepercayaan dan Memverifikasi Machine Learning 23:59 – Ekonomi AI Terpusat 27:29 – Mengapa Gensyn Meninggalkan Fokus pada Komputasi 31:09 – open-1b dan Pelatihan AI yang Dapat Diaudit 35:47 – Model Terbuka dan Laboratorium Tertutup 43:29 – Produk AI, Pelanggan, dan Neoclouds 50:13 – Dari LLM ke Peramalan 53:44 – Melatih Model untuk Membuat Prediksi Lebih Baik 57:10 – Delphi dan Pasar Informasi 1:02:26 – Memberi Insentif pada Bukti di Balik Prediksi 1:04:34 – Di Mana Crypto dan AI Benar-Benar Beririsan 1:11:35 – Gelombang AI Berikutnya Nikmati!
Menghadirkan podcast bersama @mdudas, Managing Partner di @6thManVentures Sebuah bisnis kripto bisa menghasilkan uang tanpa uang tersebut sampai ke pemegang tokennya. Dalam episode ini, saya ingin berbicara dengan Mike tentang apa yang memberi nilai pada sebuah token dan siapa yang diuntungkan ketika bisnis berkembang. Kami membahas bagaimana ia membangun 6MV, mengapa ia berinvestasi pada aplikasi, dan bagaimana ia memikirkan pengembalian uang kepada investor ketika sebuah bisnis mungkin tidak bisa bertahan lama. Sebagian besar percakapan berfokus pada token dan ekuitas. Mike berpendapat bahwa tim perlu menjelaskan apa yang dibeli orang, ke mana uang pendapatan pergi, dan bagaimana pemegang token diuntungkan. Kami membahas pembelian kembali (buybacks) dan seberapa besar kendali yang benar-benar dimiliki pemegang. Kami juga membahas mengapa aplikasi perdagangan membutuhkan aset yang lebih baik dan lebih sedikit cara bagi pengguna untuk kehilangan uang, pandangannya tentang Solana, Hyperliquid, dan ethereum, serta di mana kripto berada dalam konteks AI. Kami membahas - Bagaimana Mike membangun 6MV - Apa yang membuat bisnis kripto bertahan lama - Kapan harus menjual dan mengembalikan uang kepada investor - Stablecoin, pinjaman, dan pasar prediksi - Perdagangan sosial, slippage, dan mempertahankan pengguna - Solana, Hyperliquid, dan apa yang memberi nilai pada ETH - Token, ekuitas, buybacks, dan apa yang sebenarnya dimiliki pemegang - Mengapa Mike menyebut XRP dan Cardano sebagai “meme untuk pakaian formal” - Agen AI, pembayaran, dan pasar komputasi - Apakah valuasi perusahaan AI sepadan dengan harganya Timestamp 0:00 – Apa yang Memberi Nilai pada Token? 0:58 – Mike Dudas dan Asal Usul 6MV 6:20 – Likuiditas dan Pengembalian Modal kepada Investor 10:16 – Adopsi Nyata di Luar Harga Token Kripto 16:56 – Apathy Kripto dan Munculnya AI 21:43 – Mengapa 6MV Mengubah Teori Investasi Konsumennya 26:34 – Perdagangan Sosial, Slippage, dan Aset yang Lebih Baik 36:25 – Solana, Hyperliquid, dan Lanskap Chain 39:37 – Masalah dengan Proposisi Nilai ETH 43:16 – Token, Ekuitas, dan Ke Mana Uangnya Pergi 46:21 – Token Tata Kelola, XRP, dan Cardano 49:40 – Di Mana Kripto Bertemu AI 55:38 – Apakah Valuasi AI dalam Gelembung? 58:42 – Lima Tahun Mendatang dari Kripto Nikmati!
Token adalah awal, bukan akhir.
Saya akan QT karena saya ingin menjaga diskusi ini berlanjut. Anda bisa membaginya menjadi dua isu inti: - Struktur Pasar - Pasar yang Dapat Dijangkau Secara Global di Bidang Keuangan Mari kita bahas struktur pasar terlebih dahulu karena menurut saya ini justru yang lebih penting, karena ini secara langsung berdampak pada pengembangan produk yang lebih baik. Tidak seharusnya mengejutkan siapa pun yang telah mempelajari sistem keuangan bahwa seiring waktu, sejak kita beralih dari perdagangan kertas ke perdagangan elektronik, sistem menjadi semakin cepat. Akibatnya, kedekatan fisik terhadap matching engine memberikan keunggulan unik kepada perusahaan perdagangan yang berlokasi fisik di pusat data yang sama atau memiliki koneksi serat optik langsung ke matching engine. Jika Anda belum menelusuri topik ini, saya mendorong Anda untuk membaca sejarah Flash Boys. Ada alasan mengapa perusahaan perdagangan menghabiskan begitu banyak uang untuk mengoptimalkan jaringan, tautan mikrowave, dan jalur serat optik pribadi, karena milidetik dalam latensi dapat berubah menjadi miliaran dolar. NYSE bahkan menormalkan panjang serat optik untuk layanan koneksi yang sama di pusat data Mahwah-nya, terlepas dari aula atau kabinet mana yang digunakan perusahaan. Tujuannya adalah menghilangkan keunggulan yang hanya berasal dari memiliki rak yang lebih dekat. Ini dijelaskan dalam spesifikasi colocation ICE. Pemikiran lanjutan di sini: https://t.co/8gs2vq9IdJ
