Token VVV dari Venice AI mencapai rekod baru hari ini, sempat menembus $25. Kenaikan ini dipicu oleh perdebatan dalam kajian matematik yang membuat ramai menyedari kepentingan "推理 privasi".

Matematikawan Universiti New York, Tristan Buckmaster, menulis dalam pernyataan awam bahawa beliau dan rakan kongsi telah memasukkan draf keseluruhan projek ke dalam Codex. Setelah mengetahui bahawa pasukan dalaman OpenAI juga mencapai kemajuan berkaitan, beliau menanyakan sama ada model mereka telah mengakses sesi-sesi tersebut atau menggunakannya untuk latihan. Jawapan yang diterima ialah model tersebut tidak mengakses data pengguna, tetapi pertanyaan lanjut mengenai bahagian latihan tidak mendapat jawapan.

Respons OpenAI menyangkal bahawa penyelidik atau agen mengakses data pengguna tertentu untuk menyelesaikan masalah, sambil mengakui bahawa walaupun tidak mungkin, ia tidak dapat mengecualikan bahawa data tanpa identiti daripada perbualan peribadi pasukan dengan Codex mungkin telah membantu meningkatkan model.

Komuniti mulai mempertanyakan, apabila keuntungan cukup besar, adakah makmal-makmal ini mampu melihat seluruh kerja anda dan mengambil hasilnya lebih awal daripada anda?

Pengendali based16z telah mengumumkan posisinya. Beliau mengungkapkan pembelian VVV melalui pasaran spot, kontrak berterusan, dan opsi beli luar bursa dengan harga pelaksanaan $25. Menurut beliau, peristiwa ini telah meningkatkan kesedaran umum terhadap kepentingan privasi, dan Venice merupakan aset likuid yang paling sesuai untuk meneruskan naratif ini. Beliau juga membandingkan kapitalisasi pasaran beredar VVV dengan ZEC pada harga $50. Ini merupakan penilaian beliau terhadap penilaian semula nilai privasi.

Apabila AI berpindah dari menjawab soalan fakta umum kepada menyertai kertas kerja, kod, pengembangan produk dan strategi perdagangan, kandungan yang muncul di kotak input pengguna juga menjadi lebih bernilai.

Siapakah yang boleh membolehkan seseorang mengekalkan kawalan atas kandungan dan proses pelaksanaan kerja semasa menggunakan AI? Tiga projek Web3 memberikan jawapan masing-masing.

VVV: Membuat privasi sebagai satu perniagaan

Venice AI yang ditubuhkan oleh Erik Voorhees menyediakan aplikasi perbualan kepada pengguna dan API untuk pengembang memanggil model. Ia menggabungkan pelbagai model, dengan privasi dan kurang sekatan sebagai perbezaan produk.

Privasi Venice AI dibahagikan kepada tiga tahap. Mod "Anonim" Venice menyembunyikan identiti pengguna, tetapi model hulu masih dapat melihat kandungan permintaan. Mod "Tiada Simpanan" bergantung pada penyedia perkhidmatan untuk mematuhi janji mereka. Mod "TEE" meletakkan inferens dalam persekitaran peranti yang dilindungi; mod "Penyulitan End-to-End" pula mengenkripsi dari peranti pengguna sehingga masuk ke persekitaran yang dilindungi sebelum dinyahsulit.

Perniagaan ini telah mencapai skala awal. Banyan yang terlibat dalam pelaburan mengungkapkan, pendapatan tahunan Venice meningkat dari $14 juta pada Januari tahun ini kepada lebih daripada $100 juta pada Ogos.

VVV ialah token yang dikeluarkan oleh Venice di atas rangkaian Base, di mana setiap pengguna membeli $100 kredit API Venice, $5 akan digunakan untuk membeli dan membakar VVV. Dari segi penawaran, pengeluaran baru VVV juga menurun; pada 1 September, kadar tahunan pengeluaran turun dari 3 juta kepada 2.5 juta token, dan dijadualkan untuk diturunkan lagi kepada 2 juta pada 1 Oktober.

Sumber permintaan lain untuk VVV ialah DIEM. Pemegang boleh mengunci VVV yang telah di-stake untuk mencetak DIEM; dengan men-stake 1 DIEM, mereka akan mendapat kredit API bernilai $1 setiap hari. Dengan ini, pembangun dan agen boleh memiliki aset yang menghasilkan kredit penggunaan secara berterusan, bersedia untuk pemanggilan model di masa depan.

Pada 14 September, pasokan sasaran DIEM akan menyelesaikan peningkatan bertahap dari 38,000 hingga 40,000 unit untuk memberi ruang kepada penciptaan baru. Langkah ini juga mengisyaratkan sikap optimis pasukan Venice terhadap pertumbuhan pengguna.

Logik belian VVV sangat jelas; di bawah ancaman privasi AI, Venice telah menemukan kedudukan pasarnya, lebih ramai membayar untuk menggunakan Venice, yang membawa lebih banyak pembelian semula; lebih ramai memerlukan kuasa inferens berterusan, yang mencipta permintaan untuk penguncian.

NEAR: Penarikan Privasi yang Boleh Diverifikasi

Mengikuti jejak Venice AI, kita juga akan menemui sosok yang sudah dikenal, NEAR. Rantai awam ini sedang memperluas penggunaan token NEAR melalui komputasi rahsia dan perkhidmatan agen.

Pada Mac tahun ini, Venice dan NEAR AI mengumumkan integrasi, di mana pengguna boleh memilih perkhidmatan inferens privasi yang boleh diverifikasi yang disediakan oleh NEAR AI. Pengguna membuat permintaan di Venice, sementara keupayaan pengiraan privasi di bawahnya disediakan oleh penyedia perkhidmatan seperti NEAR AI.

Kemampuan utama NEAR AI Cloud ialah membolehkan model berjalan di dalam TEE, iaitu persekitaran pelaksanaan boleh percaya yang dipisahkan secara peranti. Menurut rekabentuknya, teks biasa semasa pengiraan dibatasi kepada kawasan dilindungi, sehingga pengendali infrastruktur tidak dapat membaca secara langsung; pengguna boleh mengesahkan bukti peranti untuk memastikan permintaan masuk ke persekitaran yang sesuai. Ini memberikan pilihan pengiraan awan kepada pasukan yang ingin melindungi data penyelidikan dan perniagaan.

Model dengan bobot terbuka boleh dideploy dalam persekitaran ini. Semasa memanggil model tertutup seperti Claude, GPT, Gemini melalui gateway, permintaan masih akan dihantar kepada penyedia perkhidmatan hulu, dan pengiraan rahsia NEAR menjamin tidak dapat menimpa pelayan pihak lawan. Nilai NEAR dalam laluan ini datang dari perlindungan proses pengiraan dan kemampuan mengurus perkhidmatan model.

Kemampuan ini telah dikaitkan dengan token NEAR. Pembayaran staking yang dilancarkan pada 30 Julai membolehkan pemegang token menukar hasil staking NEAR menjadi kuasa inferens, di mana kuasa tersebut berubah mengikut jumlah staking, harga token, dan kadar faedah. Pengguna kekal memiliki kepemilikan token asas dan boleh membatalkan staking untuk keluar. Bagi pasukan yang secara berterusan memanggil model, ini menambah satu penggunaan tambahan untuk memegang NEAR.

Peluang lain NEAR terletak pada pembayaran. Untuk menyelesaikan tugas, Agen AI selain memanggil model, juga perlu membeli data, membayar perkhidmatan, dan menggerakkan aset di pelbagai rantai. Cara pelaksanaan niat yang disediakan oleh NEAR Intents membenarkan pengguna menghantar hasil yang diinginkan, kemudian penyelesaian bersaing untuk menyelesaikan pertukaran dan pelaksanaan. Infrastruktur ini boleh menghubungkan operasi lintas rantai yang kompleks ke dalam alur tugas Agen AI.

Menurut statistik DeFillama, NEAR Intents menghasilkan jumlah yuran sebanyak $9.32 juta pada suku ketiga tahun ini, dengan protokol mengekalkan kira-kira $1.5 juta; pendapatan yang dikekalkan digunakan untuk membeli semula NEAR di pasaran.

Oleh itu, naratif bullish NEAR disokong oleh dua perniagaan: menyediakan pengiraan untuk tugas-tugas sensitif dan melaksanakan serta membayar tugas lintas rantai. Yang pertama boleh menjangkau pengguna melalui aplikasi seperti Venice, manakala yang kedua mempunyai peluang untuk berkembang bersama AI Agent.

TAO: Model AI yang ditawarkan secara terbuka

Bittensor telah menjadi projek AI paling diperhatikan dalam kripto. TAO adalah token asli rangkaian Bittensor.

Bittensor mengorganisasi pelbagai tugas ke dalam sub-jaringan yang berasingan, di mana penambang menyediakan perkhidmatan seperti inferens, penyimpanan, dan ramalan, manakala pemeriksa menilai kualiti perkhidmatan, dan jaringan membahagikan ganjaran mengikut peraturan. Satu pasukan boleh mengorganisasi persaingan berdasarkan keperluan tertentu, sementara keseluruhan jaringan mampu menampung pelbagai pasaran seperti ini.

Selepas permintaan AI meningkat, aplikasi memerlukan lebih banyak pembekal yang boleh ditukar, dan pasukan kecil perlu mencari pelanggan, sumber pengiraan, dan dana. Bittensor cuba mengatur sebahagian bekalan ini melalui pasaran insentif terbuka, membolehkan pelbagai pasukan bersaing dalam tugas-tugas tertentu.

Sudah ada sub-jaringan yang mula mendapat pendapatan luar. Sebagai contoh, Chutes yang menyediakan perkhidmatan inferens model, pendapatannya pada suku kedua tahun ini kira-kira $1.37 juta, bersumber daripada langganan, penggunaan berdasarkan penggunaan, dan perkhidmatan contoh.

Bagaimana TAO menangani pertumbuhan ini? Setiap sub-jaringan memiliki token alfa sendiri dan dipasangkan dengan TAO untuk membentuk pasaran perdagangan. Menyatakan TAO ke dalam satu sub-jaringan sebenarnya menukar ia kepada token alfa yang berkaitan; dengan itu, TAO berperan sebagai aset asas untuk pengagihan dana antara sub-jaringan. Jika lebih banyak perkhidmatan yang kompetitif muncul dalam rangkaian ini, permintaan untuk menyertai pasaran-pasaran ini berpotensi meningkat.

Di sisi penawaran, TAO mempertahankan reka bentuk kelangkaan yang dikenali dalam pasaran kripto. Jumlah maksimum TAO ialah 21 juta unit, dan pengurangan separuh pertama telah selesai pada Disember 2025, dengan kini 0.5 unit dikeluarkan setiap blok, atau kira-kira 3,600 unit sehari.

Kenaikan tajam VVV memberi kita jendela untuk memerhatikan. Semakin kuat model, semakin banyak maklumat sensitif yang diberikan kepada ia, dan "AI kripto/privasi" dengan logiknya menemui PMF sendiri.