Децентрализованные финансы (DeFi) произвели революцию в традиционных финансах, положив начало истории экспоненциального роста с помощью ряда простых, но мощных экономических примитивов, превратив блокчейн-сети в глобальный рынок, не требующий разрешений. С ростом DeFi несколько ключевых показателей стали лингва франка стоимости: общая заблокированная стоимость (TVL), годовая норма прибыли (APY/APR) и ликвидность. Эти точные показатели внушают вовлеченность и доверие. Например, TVL DeFi (долларовая стоимость активов, заблокированных в протоколе) взлетела в 14 раз в 2020 году, а затем снова выросла в четыре раза в 2021 году, достигнув пика выше 112 миллиардов долларов. Высокая доходность (некоторые платформы заявляют APY до 3000% во время бума фарминга ликвидности) привлекает ликвидность, в то время как глубина пулов ликвидности сигнализирует о более низком проскальзывании и более эффективном рынке. Короче говоря, TVL говорит нам «сколько денег задействовано», APR говорит нам «сколько вы можете заработать», а ликвидность указывает на то, «насколько легко торговать активами». Несмотря на свои недостатки, эти метрики позволили построить многомиллиардную финансовую экосистему с нуля. Превратив взаимодействие с пользователями в немедленную финансовую возможность, DeFi создали самоусиливающийся маховик внедрения, который быстро сделал его популярным, стимулируя массовое участие.
Сегодня ИИ находится на аналогичном перепутье. Но в отличие от DeFi, в нынешнем нарративе ИИ доминируют большие модели общего назначения, обученные на огромных интернет-наборах данных. Эти модели часто не могут обеспечить эффективные результаты в сегментах, специализированных задачах или индивидуальных потребностях. Их модель «один размер подходит всем» мощная, но хрупкая, универсальная, но несогласованная. Эта парадигма остро нуждается в смене парадигмы. Следующая эра ИИ не должна определяться размером или универсальностью моделей, а должна быть сосредоточена на «снизу вверх» — более мелких, узкоспециализированных моделях. Этот вид настраиваемого ИИ требует совершенно нового вида данных: высококачественных, согласованных с человеком и специфичных для предметной области. Но получить такого рода данные не так просто, как сканирование веб-страниц, это требует активного и сознательного участия отдельных людей, экспертов в предметной области и сообществ.
Для продвижения этой профессиональной эры AI, согласованной с человечеством, нам необходимо создать стимул, подобный тому, как DeFi был разработан для финансов. Это означает введение новых нативных примитивов AI для оценки качества данных, производительности модели, надежности агентов и стимулов к согласованию — эти показатели должны прямо отражать истинную ценность данных как актива (а не только как ввода).
В этой статье рассматриваются новые языки, которые могут стать основой для родной экономики ИИ. Мы объясним, как ИИ будет процветать, если будет создана правильная экономическая инфраструктура (то есть генерация качественных данных, разумные стимулы для их создания и использования, а также ориентация на индивидуум). Мы также проанализируем платформы, такие как LazAI, которые первыми начали строить эти родные рамки ИИ, задавая новый парадигму ценообразования и вознаграждения данных, обеспечивая импульс для следующего скачка в инновациях ИИ.
Стимуляторный механизм DeFi: TVL, доходность и ликвидность — краткий обзор
Восхождение DeFi не случайно, его дизайн делает участие как прибыльным, так и прозрачным. Общая заблокированная стоимость (TVL), годовая процентная ставка (APY/APR) и ликвидность - это ключевые показатели, которые не только цифры, но и примитивы, выравнивающие поведение пользователей с ростом сети. Эти показатели вместе создают здоровую цикличность, привлекающую пользователей и капитал, что, в свою очередь, способствует дальнейшим инновациям.
Total Value Locked (TVL): TVL измеряет общий капитал, вложенный в протоколы DeFi (например, кредитные пулы, пулы ликвидности) и становится синонимом «рыночной капитализации» проектов DeFi. Быстрый рост TVL рассматривается как признак доверия пользователей и здоровья протокола. Например, во время бума DeFi в 2020-2021 годах TVL подскочил с менее чем $10 млрд до более чем $100 млрд и превысил $150 млрд в 2023 году, продемонстрировав масштаб стоимости, которую участники готовы зафиксировать в децентрализованных приложениях. Высокий TVL создает гравитационный эффект: больше капитала означает больше ликвидности и стабильности, привлекая больше пользователей к поиску возможностей. В то время как критики отмечают, что слепая погоня за TVL может привести к тому, что протоколы будут маскировать неэффективность за счет предоставления неустойчивых стимулов (по сути, «покупки» TVL), раннему нарративу DeFi не хватало конкретного способа отслеживания без TVL.
Годовая норма доходности (APY/APR): Обязательства по доходности превращают вовлеченность в ощутимые возможности. Протоколы DeFi начинают предлагать удивительную годовую процентную ставку поставщикам ликвидности или финансирования. Например, Compound запустила токен COMP в середине 2020 года, став пионером в модели майнинга ликвидности — вознаграждая поставщиков ликвидности токенами управления. Это нововведение вызвало бешеную активность. Использование платформы — это уже не просто услуга, это инвестиция. Высокая годовая процентная доходность привлекает тех, кто ищет доход, что еще больше увеличивает TVL. Этот механизм вознаграждения стимулирует рост сети, напрямую стимулируя ранних последователей большими вознаграждениями.
Ликвидность: В финансах ликвидность относится к способности перемещать активы, не вызывая резких колебаний цен – краеугольный камень здорового рынка. Ликвидность в DeFi часто инициируется с помощью программ майнинга ликвидности, где пользователи зарабатывают токены за предоставление ликвидности. Высокая ликвидность децентрализованных бирж и кредитных пулов означает, что пользователи могут торговать или брать кредиты с низким уровнем трения, улучшая пользовательский опыт. Высокая ликвидность приводит к более высокому объему торгов и полезности, что, в свою очередь, привлекает больше ликвидности — классическая петля положительной обратной связи. Он также поддерживает компонуемость: разработчики могут создавать новые продукты (деривативы, агрегаторы и т. д.) поверх ликвидных рынков для стимулирования инноваций. В результате ликвидность становится источником жизненной силы сети, способствуя внедрению и появлению новых услуг.
Вместе эти примитивы образуют мощный мотивационный маховик. Участники, которые создают ценность за счет блокировки активов или предоставления ликвидности, немедленно вознаграждаются (за счет высокой доходности и стимулов в виде токенов), что способствует большему участию. Это превращает индивидуальное взаимодействие в широкие возможности — доходы пользователей и влияние на управление, — что, в свою очередь, создает сетевые эффекты, привлекающие тысячи пользователей. Результаты впечатляют: к 2024 году DeFi насчитывает более 10 миллионов пользователей, а его стоимость выросла почти в 30 раз за несколько лет. Очевидно, что широкомасштабное согласование стимулов — превращение пользователей в заинтересованных сторон — является ключом к экспоненциальному росту DeFi.
Текущий недостаток в AI-экономике
Если DeFi продемонстрировала, как участие снизу вверх и выравнивание стимулов могут запустить финансовую революцию, то сегодня экономике ИИ все еще не хватает базовых примитивов, поддерживающих подобные преобразования. В настоящее время ИИ доминируется крупными универсальными моделями, обученными на основе огромных наборов данных, собранных из Интернета. Эти базовые модели имеют колоссальный масштаб, но предназначены для решения всех проблем и, как правило, не могут эффективно обслуживать кого-либо в частности. Их «универсальная» архитектура с трудом адаптируется к специализированным областям, культурным различиям или индивидуальным предпочтениям, что приводит к слабым выводам, наличию слепых зон и все большей несоответствию с реальными потребностями.
Следующее поколение ИИ больше не будет определяться масштабом, а контекстуальным пониманием — способностью моделей понимать и обслуживать конкретные области, профессиональные сообщества и различные человеческие точки зрения. Однако этот контекстуальный интеллект требует других входных данных: высококачественных, согласованных с человеком данных. И это именно то, чего сейчас не хватает. В настоящее время не существует общепризнанного механизма измерения, идентификации, оценки или приоритизации этих данных, а также не существует открытого процесса, в рамках которого отдельные лица, сообщества или эксперты в предметной области могли бы поделиться своими взглядами и улучшить интеллектуальные системы, которые все больше влияют на их жизнь. В результате, стоимость по-прежнему сосредоточена в руках горстки поставщиков инфраструктуры, а массы не имеют доступа к потенциалу роста экономики ИИ. Только разрабатывая новые примитивы, которые обнаруживают, проверяют и вознаграждают ценный вклад (данные, обратная связь, сигналы согласования), мы можем открыть цикл совместного роста, на котором процветает DeFi.
Короче говоря, мы также должны задать вопрос:
Как мы можем измерить создаваемую ценность? Как построить самоусиливающийся механизм принятия, чтобы стимулировать участие данных, ориентированное на человека, снизу вверх?
Чтобы разблокировать подобную DeFi «AI нативную экономику», нам необходимо определить новые примитивы, которые преобразуют участие в возможности AI, что в свою очередь катализирует сетевые эффекты, невиданные в этой области до сих пор.
Нативный технологический стек ИИ: новый язык новой экономики
Мы больше не просто перемещаем токены между кошельками, а вводим данные в модели, преобразуем вывод модели в решения и приводим в действие AI-агентов. Это требует новых показателей и примитивов для количественной оценки интеллекта и согласования, так же как DeFi показатели количественно оценивают капитал. Например, LazAI создает сеть следующего поколения на блокчейне, решая проблему согласования данных AI путем введения новых стандартов активов для AI данных, поведения моделей и взаимодействий агентов.
Ниже приведены несколько ключевых примитивов, определяющих экономическую ценность AI на блокчейне:
Верифицируемые данные («ликвидность»): данные для ИИ — это то же самое, что ликвидность для DeFi — жизненная сила системы. В искусственном интеллекте, особенно в больших моделях, крайне важно иметь правильные данные. Но необработанные данные могут быть низкого качества или вводить в заблуждение, а нам нужны высококачественные данные, которые можно проверить в блокчейне. Возможными примитивами здесь являются "Proof of Data (PoD)/Proof of Value (PoDV)". Концепция будет измерять ценность вклада данных не только на основе количества, но и качества и его влияния на производительность ИИ. Думайте об этом как о аналоге майнинга ликвидности: участники, которые предоставляют полезные данные (или теги/отзывы), будут вознаграждаться в зависимости от ценности, которую приносят их данные. Ранние проекты таких систем уже обретают форму. Например, консенсус proof-of-data (PoD) блокчейн-проекта рассматривает данные как основной ресурс для проверки (аналогично энергии в Proof-of-Work или капиталу в Proof-of-Stake). В этой системе узлы вознаграждаются в зависимости от количества, качества и актуальности данных, которые они вносят.
Масштабируя это на общую экономику ИИ, мы можем увидеть «Total Data Value Locked (TDVL)» в качестве метрики: агрегированную меру всех ценных данных в сети, взвешенную по проверяемости и полезности. Проверенные пулы данных могут даже торговаться как пулы ликвидности — например, пул проверенных медицинских изображений для диагностического ИИ в сети может иметь измеримую ценность и использование. Источники данных (понимание источника данных, история изменений) будут ключевой частью этой метрики, чтобы гарантировать, что данные, поступающие в модель ИИ, являются надежными и отслеживаемыми. По сути, если ликвидность связана с доступным капиталом, то проверяемые данные — это доступные знания. Такие метрики, как Proof of Data Value (PoDV), фиксируют объем полезных знаний, заблокированных в сети, в то время как привязка данных в цепочке с помощью токена Data Anchoring Token (DAT) от LazAI делает ликвидность данных измеримым и стимулируемым экономическим уровнем.
• Производительность модели (новый класс активов): В экономике ИИ обученная модель (или услуга ИИ) становится самостоятельным активом или даже новым классом активов наряду с токенами и NFT. Хорошо обученные модели ИИ ценны из-за интеллекта, заключенного в их весах. Но как охарактеризовать и измерить эту ценность в сети? Нам могут потребоваться тесты производительности в цепочке или сертификация моделей. Например, точность модели на стандартном наборе данных или процент побед в соревновательной задаче могут быть записаны в сети в виде оценки производительности. Думайте об этом как о ончейн-«кредитном рейтинге» или KPI для модели ИИ. Эти оценки можно корректировать по мере тонкой настройки модели или обновления данных. Такие проекты, как Oraichain, изучали возможность объединения API моделей ИИ с оценкой надежности (проверкой того, что результат ИИ соответствует ожиданиям, с помощью тестовых случаев). В AI-native DeFi («AiFi») можно предусмотреть стейкинг на основе производительности модели — например, токены можно ставить, если разработчик считает, что его модель работает хорошо; Если независимый ончейн-аудит подтвердит его работоспособность, он будет вознагражден (если модель не покажет хороших результатов, стейк будет потерян). Это будет мотивировать разработчиков правдиво отчитываться и постоянно улучшать модель. Еще одна идея — токенизированные модели NFT, которые несут метаданные о производительности — «минимальная цена» моделей NFT может отражать их полезность. Такие практики уже появляются: некоторые маркетплейсы ИИ позволяют покупать и продавать модели для доступа к токенам, а такие протоколы, как LayerAI (ранее CryptoGPT), явно рассматривают данные и модели ИИ как новый класс активов в глобальной экономике ИИ. Короче говоря, DeFi спрашивает: «Сколько денег заблокировано?». AI-DeFi спросит: «Сколько интеллекта заблокировано?». — не только с точки зрения вычислительной мощности (хотя не менее важной), но и с точки зрения производительности и ценности моделей, работающих в сети. Новые метрики могут включать в себя «доказательства качества модели» или индексы временных рядов для повышения производительности ИИ в сети.
• Поведение и полезность прокси (ончейн-агенты ИИ): Одним из самых захватывающих и сложных дополнений к нативному блокчейну ИИ являются автономные ИИ-агенты, работающие в сети. Это могут быть торговые боты, кураторы данных, искусственный интеллект службы поддержки клиентов или сложные управляющие DAO — по сути, программные сущности, которые способны чувствовать, принимать решения и действовать от имени пользователей в сети или даже от своего имени. В мире DeFi есть только базовые «боты»; А в мире блокчейна ИИ агенты могут стать первоклассными экономическими агентами. Это создало потребность в показателях, связанных с поведением агентства, надежностью и полезностью. Мы можем увидеть такие механизмы, как «оценка полезности агентов» или репутационные системы. Представим, что каждый агент ИИ (возможно, представленный в виде NFT или полувзаимозаменяемого токена (SFT)) накапливает репутацию на основе своих действий (выполнение задач, совместная работа и т. д.). Такие баллы похожи на кредитные баллы или рейтинги пользователей, но для ИИ. Другие контракты могут использовать это для принятия решения о том, доверять или использовать прокси-сервисы. В концепции iDAO (Individual-Centric DAO) от LazAI каждый агент или пользователь владеет собственным доменом в цепочке и активами искусственного интеллекта. Вполне возможно, что эти iDAO или прокси устанавливают измеримые записи.
Существующие платформы начинают токенизировать ИИ-агентов и давать им ончейн-метрики: например, «Римский протокол» Rivalz создает ИИ-агентов на основе NFT (rAgents), а его последние репутационные метрики записываются в цепочке. Пользователи могут делать ставки или одалживать эти прокси, и их вознаграждение зависит от того, насколько хорошо они работают и влияют в коллективном «кластере» ИИ. По сути, это DeFi для агентов ИИ, и он демонстрирует важность метрик полезности прокси. В будущем мы можем говорить об «активных прокси с искусственным интеллектом» так же, как мы говорим об активных адресах, или об «экономическом влиянии прокси», когда мы говорим об объеме транзакций.
Траектории внимания могут стать еще одним примитивом — фиксированием того, на чем агент фокусируется в процессе принятия решения (какие данные, сигналы). Это делает агентов «черного ящика» более прозрачными, проверяемыми и связывает успех или неудачу агента с конкретными входными данными. Таким образом, метрики поведения прокси обеспечат подотчетность и согласованность: чтобы позволить автономным агентам доверять управление большими суммами денег или критически важными задачами, их надежность должна быть количественно оценена. Высокий рейтинг полезности агентов может стать обязательным условием для управления большими суммами средств для ончейн-агентов ИИ (аналогично порогу для крупных кредитов в традиционных финансах).
• Используйте стимулы для согласования показателей с ИИ: Наконец, экономика ИИ должна подумать о том, как стимулировать полезное использование и согласование. DeFi стимулирует рост за счет майнинга ликвидности, ранних раздач пользователей или возврата комиссий; В ИИ одного роста недостаточно, нам нужно стимулировать использование улучшенных результатов ИИ. На данный момент критически важны метрики, связанные с согласованием ИИ. Например, можно записывать циклы обратной связи с человеком (например, когда пользователи оценивают ответы ИИ или вносят исправления через iDAO, которые более подробно описаны ниже), и авторы отзывов зарабатывают «заработок за выравнивание». Или представьте себе «Proof of Attention» или «Proof of Engagement», где пользователи, которые вкладывают время в улучшение ИИ (предоставляя данные о предпочтениях, исправления или новые варианты использования), вознаграждаются. Метриками могут быть траектории внимания, фиксирующие высококачественную обратную связь, или сила человеческого внимания, вложенная в оптимизацию ИИ.
Как DeFi нуждается в блокчейн-эксплорерах и панелях управления (таких как DeFi Pulse, DefiLlama) для отслеживания TVL и доходности, так и AI-экономике нужен новый браузер для отслеживания этих централизованных показателей AI — представьте себе панель управления "AI-llama", отображающую общий объем согласованных данных, количество активных AI-агентов, накопленный доход от AI и т. д. Это имеет много общего с DeFi, но содержание совершенно новое.
Переход к DeFi-стилю AI-колеса
Мы должны построить инцентативный маховик для ИИ — рассматривать данные как первоклассный экономический актив, тем самым превращая разработку ИИ из закрытого дела в открытую, совместную экономику, как DeFi превращает финансы в открытое пространство ликвидности, управляемое пользователями.
Ранние исследования в этом направлении уже проявились. Например, такие проекты, как Vana, начали вознаграждать пользователей за участие в обмене данными. Сеть Vana позволяет пользователям вносить личные или общественные данные в DataDAO (децентрализованный пул данных) и зарабатывать токены, эксклюзивные для набора данных (которые можно обменивать на родные токены сети). Это важный шаг к монетизации вкладчиков данных.
Однако одного лишь вознаграждения за вклад недостаточно, чтобы повторить взрывной маховик DeFi. В DeFi поставщики ликвидности не только получают вознаграждение за внесение активов, но и предоставляют активы, которые они предоставляют, также имеют прозрачную рыночную стоимость, а доходность отражает фактическое использование (комиссии за транзакции, проценты по займам, а также поощрительные токены). Точно так же экономика данных ИИ должна выходить за рамки общих вознаграждений и напрямую ценить данные. В отсутствие экономического ценообразования, основанного на качестве данных, дефиците или степени улучшения модели, мы можем попасть в неглубокие стимулы. Простое распределение токенов для поощрения за участие может стимулировать количество, а не качество, или застопориться, когда токенам не хватает реальной привязки к полезности ИИ. Чтобы по-настоящему раскрыть потенциал инноваций, участники должны видеть четкие сигналы, обусловленные рынком, понимать ценность своих данных и пожинать плоды, когда данные действительно используются в системах искусственного интеллекта.
Нам нужна инфраструктура, более сосредоточенная на прямой оценке и вознаграждении за данные, чтобы создать централизованный цикл стимулирования данных: чем больше высококачественных данных люди вносят, тем лучше модель, что привлекает больше пользователей и спроса на данные, тем самым повышая вознаграждение для вкладчиков. Это превратит ИИ из закрытой гонки за большими данными в открытый рынок надежных и высококачественных данных.
Как эти идеи реализуются в реальных проектах? Например, LazAI — этот проект строит следующую версию децентрализованной AI экономики на блокчейн-сети и основных примитивах.
LazAI Введение — согласование ИИ с человеком
LazAI — это следующая генерация блокчейн-сети и протокола, специально разработанная для решения проблемы выравнивания данных AI, которая создает инфраструктуру децентрализованной AI-экономики, вводя новые стандарты активов для данных AI, поведения моделей и взаимодействия агентов.
LazAl предлагает один из самых дальновидных подходов к решению проблемы выравнивания ИИ, делая данные проверяемыми, стимулирующими и программируемыми в сети. Ниже в качестве примера будет использована структура LazAI, чтобы проиллюстрировать, как нативный блокчейн Al применяет эти принципы на практике.
Основная проблема — несоответствие данных и отсутствие справедливых стимулов
Согласование ИИ часто сводится к качеству обучающих данных, а будущее требует новых данных, согласованных с человеком, доверенных и управляемых. По мере того, как индустрия искусственного интеллекта переходит от централизованных моделей общего назначения к контекстуализированному, согласованному интеллекту, инфраструктура должна развиваться в тандеме. Следующая эра ИИ будет определяться согласованностью, точностью и отслеживаемостью. LazAI решает проблемы согласования данных и стимулирования, предлагая фундаментальное решение: выравнивание данных в источнике и прямое вознаграждение самих данных. Другими словами, убедитесь, что обучающие данные достоверно репрезентативны с точки зрения человека, защищены от шума и смещения и вознаграждаются на основе качества данных, дефицита или улучшения модели. Это смена парадигмы от возни с моделью к организации данных.
LazAI не только вводит примитивы, но и предлагает новую парадигму для сбора, ценообразования и управления данными. Его основные концепции включают токены, привязанные к данным (DAT) и индивидуально-ориентированные DAO (iDAO), которые работают вместе, чтобы обеспечить ценообразование, происхождение и программируемое использование данных.
Проверяемые и программируемые данные — токены привязки данных (DAT)
Чтобы достичь этого, LazAI представила новый ончейн-примитив, Data Anchor Token (DAT), новый стандарт токенов, разработанный специально для ассетизации данных ИИ. Каждый DAT представляет собой фрагмент привязанных данных в цепочке и его происхождение: идентификацию участника, эволюцию с течением времени и сценарии использования. Это создает верифицируемую историю каждого фрагмента данных — похожую на систему контроля версий для наборов данных (например, Git), но защищенную блокчейном. Поскольку DAT существуют в блокчейне, они программируемы: смарт-контракты управляют правилами их использования. Например, участник может указать, что его DAT, такой как набор медицинских изображений, должен быть ограничен определенными моделями ИИ или использоваться при определенных условиях (путем обеспечения конфиденциальности или этических ограничений с помощью кода). Стимул заключается в том, что DAT можно торговать или делать ставки — модель (или ее владелец) может заплатить за получение доступа к данным, если они представляют ценность для модели. По сути, LazAI создал рынок, где данные токенизированы и отслеживаемы. Это прямое отголосок метрики «верифицируемых данных», о которой говорилось ранее: изучая DAT, вы можете подтвердить, был ли он проверен, сколько моделей используется и какие улучшения производительности моделей это вызвало. Такие данные получат более высокую оценку. Связывая данные в цепочке и связывая экономические стимулы с качеством, LazAI гарантирует, что ИИ обучается на достоверных и измеримых данных. Речь идет о решении проблем путем стимулирования согласования — качественные данные вознаграждаются и выходят на первое место.
Центрированная на индивиде структура DAO (iDAO)
Вторым ключевым компонентом является концепция iDAO (Individual-Centric DAO) от LazAI, которая переопределяет управление в экономике искусственного интеллекта, ставя отдельных людей, а не организации, в центр принятия решений и владения данными. Традиционные DAO часто отдают приоритет коллективным организационным целям, непреднамеренно ослабляя индивидуальную волю. iDAO опровергает эту логику. Они представляют собой персонализированные единицы управления, которые позволяют отдельным лицам, сообществам или объектам, специфичным для предметной области, напрямую владеть, контролировать и проверять данные и модели, которые они вносят в систему ИИ. iDAO поддерживают настраиваемый, согласованный ИИ: в качестве структуры управления они гарантируют, что модель всегда следует ценностям или намерениям участников. С экономической точки зрения, iDAO также делают поведение ИИ программируемым сообществом — можно установить правила, ограничивающие то, как модель может использовать определенные данные, кто может получить доступ к модели и как будут распределяться преимущества от результатов модели. Например, iDAO могут предусмотреть, что всякий раз, когда вызывается их модель ИИ, например выполняется запрос API или завершается задача, часть выручки будет возвращена держателям DAT, которые предоставили соответствующие данные. Это создает прямую обратную связь между поведением прокси и вознаграждением участников — аналогично механизму в DeFi, где доходы поставщика ликвидности привязаны к использованию платформы. Кроме того, iDAO могут компонуемо взаимодействовать друг с другом через протокол: один агент ИИ (iDAO) может вызывать данные или модель другого iDAO на согласованных условиях.
Создавая эти примитивы, рамки LazAI превращают видение децентрализованной ИИ-экономики в реальность. Данные становятся активами, которыми могут владеть пользователи и извлекать из них прибыль, модели переходят от частных островов к совместным проектам, и каждый участник — от индивидуумов, создающих уникальные наборы данных, до разработчиков, создающих небольшие специализированные модели — может стать заинтересованной стороной в цепочке создания ценности ИИ. Это выравнивание стимулов обещает повторить взрывной рост DeFi: когда люди осознают, что участие в ИИ (внесение данных или экспертизы) напрямую переводится в возможности, они будут более активно вовлечены. С увеличением числа участников запускается эффект сети — больше данных порождает лучшие модели, привлекает больше пользователей, что, в свою очередь, создает больше данных и спроса, формируя положительный цикл.
Создание базы доверия для ИИ: проверяемая вычислительная структура
В этой экосистеме проверяемая вычислительная структура LazAI (Verified Computing Framework) является основным слоем для построения доверия. Эта структура обеспечивает наличие проверяемой цепочки обратной связи для каждого сгенерированного DAT, каждого решения iDAO (индивидуальной автономной организации) и каждого распределения стимулов, что делает право собственности на данные исполнимым, процесс управления подотчетным, а поведение агентов - подлежащим аудиту. Превращая iDAO и DAT из теоретической концепции в надежную и проверяемую систему, проверяемая вычислительная структура реализует смену парадигмы доверия — от зависимостей от предположений к гарантии определенности на основе математической проверки.
Реализация ценности децентрализованной AI экономики
Создание этого набора основных элементов позволяет реализовать видение децентрализованной AI экономики на практике:
Дата-активы: пользователи могут подтвердить свои права на владение дата-активами и получать доход.
Модельное сотрудничество: ИИ модели переходят от закрытых островов к открытым совместным продуктам
Участие в праве собственности: от поставщиков данных до разработчиков вертикальных моделей, все участники могут стать заинтересованными сторонами в цепочке создания ценности AI.
Этот дизайн с совместимостью стимулов обещает воспроизвести рост DeFi: когда пользователи осознают, что участие в строительстве ИИ (через предоставление данных или экспертных знаний) может непосредственно трансформироваться в экономические возможности, их вовлеченность будет разжжена. С увеличением числа участников проявляется сетевой эффект — больше качественных данных порождает лучшие модели, привлекая больше пользователей и, следовательно, создавая больший спрос на данные, формируя самоподдерживающийся рост.
Заключение: Путь к открытому AI-экономике
Путь DeFi показывает, что правильные примитивы могут освободить беспрецедентный рост. В предстоящей нативной экономике ИИ мы стоим на грани подобного прорыва. Определив и внедрив новые примитивы, которые придают значение данным и согласованию, мы можем преобразовать разработку ИИ из централизованного инжиниринга в децентрализованное сообщество. Этот путь не лишен вызовов: необходимо обеспечить, чтобы экономические механизмы ставили качество выше количества и избегали моральных ловушек, чтобы предотвратить ущерб для конфиденциальности или справедливости из-за стимулов данных. Но направление уже ясно. Практики LazAI, такие как DAT и iDAO, прокладывают путь к преобразованию абстрактной концепции «ИИ, согласованного с человеком», в конкретные механизмы собственности и управления.
Подобно тому, как ранние DeFi экспериментально оптимизировали TVL, майнинг ликвидности и управление, экономика ИИ будет повторять свои новые примитивы. В будущем неизбежно возникнут дебаты и инновации, связанные с измерением ценности данных, справедливым распределением вознаграждений, а также согласованием агентов и преимуществами ИИ. В этой статье мы лишь поверхностно коснемся моделей стимулов, которые могут способствовать демократизации ИИ, в надежде вызвать открытую дискуссию и глубокие исследования: как можно разработать больше экономических примитивов для ИИ? Каковы возможные непредвиденные последствия или возможности? При участии широкого сообщества мы с большей вероятностью построим будущее ИИ, которое будет не только технологически продвинутым, но и экономически инклюзивным и соответствующим человеческим ценностям.
Экспоненциальный рост DeFi не является магией — он управляется выравниванием стимулов. Сегодня у нас есть возможность инициировать возрождение ИИ через практики, основанные на данных и моделях. Превращая участие в возможности, а возможности в сетевые эффекты, мы можем запустить маховик, который переопределяет создание и распределение ценности в цифровую эпоху.
Давайте вместе строить это будущее — начиная с проверяемого набора данных, согласованного AI-агента и нового примитива.
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
LazAI研究：AI经济如何超越Децентрализованные финансы TVL神话
Введение
Децентрализованные финансы (DeFi) произвели революцию в традиционных финансах, положив начало истории экспоненциального роста с помощью ряда простых, но мощных экономических примитивов, превратив блокчейн-сети в глобальный рынок, не требующий разрешений. С ростом DeFi несколько ключевых показателей стали лингва франка стоимости: общая заблокированная стоимость (TVL), годовая норма прибыли (APY/APR) и ликвидность. Эти точные показатели внушают вовлеченность и доверие. Например, TVL DeFi (долларовая стоимость активов, заблокированных в протоколе) взлетела в 14 раз в 2020 году, а затем снова выросла в четыре раза в 2021 году, достигнув пика выше 112 миллиардов долларов. Высокая доходность (некоторые платформы заявляют APY до 3000% во время бума фарминга ликвидности) привлекает ликвидность, в то время как глубина пулов ликвидности сигнализирует о более низком проскальзывании и более эффективном рынке. Короче говоря, TVL говорит нам «сколько денег задействовано», APR говорит нам «сколько вы можете заработать», а ликвидность указывает на то, «насколько легко торговать активами». Несмотря на свои недостатки, эти метрики позволили построить многомиллиардную финансовую экосистему с нуля. Превратив взаимодействие с пользователями в немедленную финансовую возможность, DeFi создали самоусиливающийся маховик внедрения, который быстро сделал его популярным, стимулируя массовое участие.
Сегодня ИИ находится на аналогичном перепутье. Но в отличие от DeFi, в нынешнем нарративе ИИ доминируют большие модели общего назначения, обученные на огромных интернет-наборах данных. Эти модели часто не могут обеспечить эффективные результаты в сегментах, специализированных задачах или индивидуальных потребностях. Их модель «один размер подходит всем» мощная, но хрупкая, универсальная, но несогласованная. Эта парадигма остро нуждается в смене парадигмы. Следующая эра ИИ не должна определяться размером или универсальностью моделей, а должна быть сосредоточена на «снизу вверх» — более мелких, узкоспециализированных моделях. Этот вид настраиваемого ИИ требует совершенно нового вида данных: высококачественных, согласованных с человеком и специфичных для предметной области. Но получить такого рода данные не так просто, как сканирование веб-страниц, это требует активного и сознательного участия отдельных людей, экспертов в предметной области и сообществ.
Для продвижения этой профессиональной эры AI, согласованной с человечеством, нам необходимо создать стимул, подобный тому, как DeFi был разработан для финансов. Это означает введение новых нативных примитивов AI для оценки качества данных, производительности модели, надежности агентов и стимулов к согласованию — эти показатели должны прямо отражать истинную ценность данных как актива (а не только как ввода).
В этой статье рассматриваются новые языки, которые могут стать основой для родной экономики ИИ. Мы объясним, как ИИ будет процветать, если будет создана правильная экономическая инфраструктура (то есть генерация качественных данных, разумные стимулы для их создания и использования, а также ориентация на индивидуум). Мы также проанализируем платформы, такие как LazAI, которые первыми начали строить эти родные рамки ИИ, задавая новый парадигму ценообразования и вознаграждения данных, обеспечивая импульс для следующего скачка в инновациях ИИ.
Стимуляторный механизм DeFi: TVL, доходность и ликвидность — краткий обзор
Восхождение DeFi не случайно, его дизайн делает участие как прибыльным, так и прозрачным. Общая заблокированная стоимость (TVL), годовая процентная ставка (APY/APR) и ликвидность - это ключевые показатели, которые не только цифры, но и примитивы, выравнивающие поведение пользователей с ростом сети. Эти показатели вместе создают здоровую цикличность, привлекающую пользователей и капитал, что, в свою очередь, способствует дальнейшим инновациям.
Вместе эти примитивы образуют мощный мотивационный маховик. Участники, которые создают ценность за счет блокировки активов или предоставления ликвидности, немедленно вознаграждаются (за счет высокой доходности и стимулов в виде токенов), что способствует большему участию. Это превращает индивидуальное взаимодействие в широкие возможности — доходы пользователей и влияние на управление, — что, в свою очередь, создает сетевые эффекты, привлекающие тысячи пользователей. Результаты впечатляют: к 2024 году DeFi насчитывает более 10 миллионов пользователей, а его стоимость выросла почти в 30 раз за несколько лет. Очевидно, что широкомасштабное согласование стимулов — превращение пользователей в заинтересованных сторон — является ключом к экспоненциальному росту DeFi.
Текущий недостаток в AI-экономике
Если DeFi продемонстрировала, как участие снизу вверх и выравнивание стимулов могут запустить финансовую революцию, то сегодня экономике ИИ все еще не хватает базовых примитивов, поддерживающих подобные преобразования. В настоящее время ИИ доминируется крупными универсальными моделями, обученными на основе огромных наборов данных, собранных из Интернета. Эти базовые модели имеют колоссальный масштаб, но предназначены для решения всех проблем и, как правило, не могут эффективно обслуживать кого-либо в частности. Их «универсальная» архитектура с трудом адаптируется к специализированным областям, культурным различиям или индивидуальным предпочтениям, что приводит к слабым выводам, наличию слепых зон и все большей несоответствию с реальными потребностями.
Следующее поколение ИИ больше не будет определяться масштабом, а контекстуальным пониманием — способностью моделей понимать и обслуживать конкретные области, профессиональные сообщества и различные человеческие точки зрения. Однако этот контекстуальный интеллект требует других входных данных: высококачественных, согласованных с человеком данных. И это именно то, чего сейчас не хватает. В настоящее время не существует общепризнанного механизма измерения, идентификации, оценки или приоритизации этих данных, а также не существует открытого процесса, в рамках которого отдельные лица, сообщества или эксперты в предметной области могли бы поделиться своими взглядами и улучшить интеллектуальные системы, которые все больше влияют на их жизнь. В результате, стоимость по-прежнему сосредоточена в руках горстки поставщиков инфраструктуры, а массы не имеют доступа к потенциалу роста экономики ИИ. Только разрабатывая новые примитивы, которые обнаруживают, проверяют и вознаграждают ценный вклад (данные, обратная связь, сигналы согласования), мы можем открыть цикл совместного роста, на котором процветает DeFi.
Короче говоря, мы также должны задать вопрос:
Как мы можем измерить создаваемую ценность? Как построить самоусиливающийся механизм принятия, чтобы стимулировать участие данных, ориентированное на человека, снизу вверх?
Чтобы разблокировать подобную DeFi «AI нативную экономику», нам необходимо определить новые примитивы, которые преобразуют участие в возможности AI, что в свою очередь катализирует сетевые эффекты, невиданные в этой области до сих пор.
Нативный технологический стек ИИ: новый язык новой экономики
Мы больше не просто перемещаем токены между кошельками, а вводим данные в модели, преобразуем вывод модели в решения и приводим в действие AI-агентов. Это требует новых показателей и примитивов для количественной оценки интеллекта и согласования, так же как DeFi показатели количественно оценивают капитал. Например, LazAI создает сеть следующего поколения на блокчейне, решая проблему согласования данных AI путем введения новых стандартов активов для AI данных, поведения моделей и взаимодействий агентов.
Ниже приведены несколько ключевых примитивов, определяющих экономическую ценность AI на блокчейне:
Масштабируя это на общую экономику ИИ, мы можем увидеть «Total Data Value Locked (TDVL)» в качестве метрики: агрегированную меру всех ценных данных в сети, взвешенную по проверяемости и полезности. Проверенные пулы данных могут даже торговаться как пулы ликвидности — например, пул проверенных медицинских изображений для диагностического ИИ в сети может иметь измеримую ценность и использование. Источники данных (понимание источника данных, история изменений) будут ключевой частью этой метрики, чтобы гарантировать, что данные, поступающие в модель ИИ, являются надежными и отслеживаемыми. По сути, если ликвидность связана с доступным капиталом, то проверяемые данные — это доступные знания. Такие метрики, как Proof of Data Value (PoDV), фиксируют объем полезных знаний, заблокированных в сети, в то время как привязка данных в цепочке с помощью токена Data Anchoring Token (DAT) от LazAI делает ликвидность данных измеримым и стимулируемым экономическим уровнем.
• Производительность модели (новый класс активов): В экономике ИИ обученная модель (или услуга ИИ) становится самостоятельным активом или даже новым классом активов наряду с токенами и NFT. Хорошо обученные модели ИИ ценны из-за интеллекта, заключенного в их весах. Но как охарактеризовать и измерить эту ценность в сети? Нам могут потребоваться тесты производительности в цепочке или сертификация моделей. Например, точность модели на стандартном наборе данных или процент побед в соревновательной задаче могут быть записаны в сети в виде оценки производительности. Думайте об этом как о ончейн-«кредитном рейтинге» или KPI для модели ИИ. Эти оценки можно корректировать по мере тонкой настройки модели или обновления данных. Такие проекты, как Oraichain, изучали возможность объединения API моделей ИИ с оценкой надежности (проверкой того, что результат ИИ соответствует ожиданиям, с помощью тестовых случаев). В AI-native DeFi («AiFi») можно предусмотреть стейкинг на основе производительности модели — например, токены можно ставить, если разработчик считает, что его модель работает хорошо; Если независимый ончейн-аудит подтвердит его работоспособность, он будет вознагражден (если модель не покажет хороших результатов, стейк будет потерян). Это будет мотивировать разработчиков правдиво отчитываться и постоянно улучшать модель. Еще одна идея — токенизированные модели NFT, которые несут метаданные о производительности — «минимальная цена» моделей NFT может отражать их полезность. Такие практики уже появляются: некоторые маркетплейсы ИИ позволяют покупать и продавать модели для доступа к токенам, а такие протоколы, как LayerAI (ранее CryptoGPT), явно рассматривают данные и модели ИИ как новый класс активов в глобальной экономике ИИ. Короче говоря, DeFi спрашивает: «Сколько денег заблокировано?». AI-DeFi спросит: «Сколько интеллекта заблокировано?». — не только с точки зрения вычислительной мощности (хотя не менее важной), но и с точки зрения производительности и ценности моделей, работающих в сети. Новые метрики могут включать в себя «доказательства качества модели» или индексы временных рядов для повышения производительности ИИ в сети. • Поведение и полезность прокси (ончейн-агенты ИИ): Одним из самых захватывающих и сложных дополнений к нативному блокчейну ИИ являются автономные ИИ-агенты, работающие в сети. Это могут быть торговые боты, кураторы данных, искусственный интеллект службы поддержки клиентов или сложные управляющие DAO — по сути, программные сущности, которые способны чувствовать, принимать решения и действовать от имени пользователей в сети или даже от своего имени. В мире DeFi есть только базовые «боты»; А в мире блокчейна ИИ агенты могут стать первоклассными экономическими агентами. Это создало потребность в показателях, связанных с поведением агентства, надежностью и полезностью. Мы можем увидеть такие механизмы, как «оценка полезности агентов» или репутационные системы. Представим, что каждый агент ИИ (возможно, представленный в виде NFT или полувзаимозаменяемого токена (SFT)) накапливает репутацию на основе своих действий (выполнение задач, совместная работа и т. д.). Такие баллы похожи на кредитные баллы или рейтинги пользователей, но для ИИ. Другие контракты могут использовать это для принятия решения о том, доверять или использовать прокси-сервисы. В концепции iDAO (Individual-Centric DAO) от LazAI каждый агент или пользователь владеет собственным доменом в цепочке и активами искусственного интеллекта. Вполне возможно, что эти iDAO или прокси устанавливают измеримые записи.
Существующие платформы начинают токенизировать ИИ-агентов и давать им ончейн-метрики: например, «Римский протокол» Rivalz создает ИИ-агентов на основе NFT (rAgents), а его последние репутационные метрики записываются в цепочке. Пользователи могут делать ставки или одалживать эти прокси, и их вознаграждение зависит от того, насколько хорошо они работают и влияют в коллективном «кластере» ИИ. По сути, это DeFi для агентов ИИ, и он демонстрирует важность метрик полезности прокси. В будущем мы можем говорить об «активных прокси с искусственным интеллектом» так же, как мы говорим об активных адресах, или об «экономическом влиянии прокси», когда мы говорим об объеме транзакций.
Как DeFi нуждается в блокчейн-эксплорерах и панелях управления (таких как DeFi Pulse, DefiLlama) для отслеживания TVL и доходности, так и AI-экономике нужен новый браузер для отслеживания этих централизованных показателей AI — представьте себе панель управления "AI-llama", отображающую общий объем согласованных данных, количество активных AI-агентов, накопленный доход от AI и т. д. Это имеет много общего с DeFi, но содержание совершенно новое.
Переход к DeFi-стилю AI-колеса
Мы должны построить инцентативный маховик для ИИ — рассматривать данные как первоклассный экономический актив, тем самым превращая разработку ИИ из закрытого дела в открытую, совместную экономику, как DeFi превращает финансы в открытое пространство ликвидности, управляемое пользователями.
Ранние исследования в этом направлении уже проявились. Например, такие проекты, как Vana, начали вознаграждать пользователей за участие в обмене данными. Сеть Vana позволяет пользователям вносить личные или общественные данные в DataDAO (децентрализованный пул данных) и зарабатывать токены, эксклюзивные для набора данных (которые можно обменивать на родные токены сети). Это важный шаг к монетизации вкладчиков данных.
Однако одного лишь вознаграждения за вклад недостаточно, чтобы повторить взрывной маховик DeFi. В DeFi поставщики ликвидности не только получают вознаграждение за внесение активов, но и предоставляют активы, которые они предоставляют, также имеют прозрачную рыночную стоимость, а доходность отражает фактическое использование (комиссии за транзакции, проценты по займам, а также поощрительные токены). Точно так же экономика данных ИИ должна выходить за рамки общих вознаграждений и напрямую ценить данные. В отсутствие экономического ценообразования, основанного на качестве данных, дефиците или степени улучшения модели, мы можем попасть в неглубокие стимулы. Простое распределение токенов для поощрения за участие может стимулировать количество, а не качество, или застопориться, когда токенам не хватает реальной привязки к полезности ИИ. Чтобы по-настоящему раскрыть потенциал инноваций, участники должны видеть четкие сигналы, обусловленные рынком, понимать ценность своих данных и пожинать плоды, когда данные действительно используются в системах искусственного интеллекта.
Нам нужна инфраструктура, более сосредоточенная на прямой оценке и вознаграждении за данные, чтобы создать централизованный цикл стимулирования данных: чем больше высококачественных данных люди вносят, тем лучше модель, что привлекает больше пользователей и спроса на данные, тем самым повышая вознаграждение для вкладчиков. Это превратит ИИ из закрытой гонки за большими данными в открытый рынок надежных и высококачественных данных.
Как эти идеи реализуются в реальных проектах? Например, LazAI — этот проект строит следующую версию децентрализованной AI экономики на блокчейн-сети и основных примитивах.
LazAI Введение — согласование ИИ с человеком
LazAI — это следующая генерация блокчейн-сети и протокола, специально разработанная для решения проблемы выравнивания данных AI, которая создает инфраструктуру децентрализованной AI-экономики, вводя новые стандарты активов для данных AI, поведения моделей и взаимодействия агентов.
LazAl предлагает один из самых дальновидных подходов к решению проблемы выравнивания ИИ, делая данные проверяемыми, стимулирующими и программируемыми в сети. Ниже в качестве примера будет использована структура LazAI, чтобы проиллюстрировать, как нативный блокчейн Al применяет эти принципы на практике.
Основная проблема — несоответствие данных и отсутствие справедливых стимулов
Согласование ИИ часто сводится к качеству обучающих данных, а будущее требует новых данных, согласованных с человеком, доверенных и управляемых. По мере того, как индустрия искусственного интеллекта переходит от централизованных моделей общего назначения к контекстуализированному, согласованному интеллекту, инфраструктура должна развиваться в тандеме. Следующая эра ИИ будет определяться согласованностью, точностью и отслеживаемостью. LazAI решает проблемы согласования данных и стимулирования, предлагая фундаментальное решение: выравнивание данных в источнике и прямое вознаграждение самих данных. Другими словами, убедитесь, что обучающие данные достоверно репрезентативны с точки зрения человека, защищены от шума и смещения и вознаграждаются на основе качества данных, дефицита или улучшения модели. Это смена парадигмы от возни с моделью к организации данных.
LazAI не только вводит примитивы, но и предлагает новую парадигму для сбора, ценообразования и управления данными. Его основные концепции включают токены, привязанные к данным (DAT) и индивидуально-ориентированные DAO (iDAO), которые работают вместе, чтобы обеспечить ценообразование, происхождение и программируемое использование данных.
Проверяемые и программируемые данные — токены привязки данных (DAT)
Чтобы достичь этого, LazAI представила новый ончейн-примитив, Data Anchor Token (DAT), новый стандарт токенов, разработанный специально для ассетизации данных ИИ. Каждый DAT представляет собой фрагмент привязанных данных в цепочке и его происхождение: идентификацию участника, эволюцию с течением времени и сценарии использования. Это создает верифицируемую историю каждого фрагмента данных — похожую на систему контроля версий для наборов данных (например, Git), но защищенную блокчейном. Поскольку DAT существуют в блокчейне, они программируемы: смарт-контракты управляют правилами их использования. Например, участник может указать, что его DAT, такой как набор медицинских изображений, должен быть ограничен определенными моделями ИИ или использоваться при определенных условиях (путем обеспечения конфиденциальности или этических ограничений с помощью кода). Стимул заключается в том, что DAT можно торговать или делать ставки — модель (или ее владелец) может заплатить за получение доступа к данным, если они представляют ценность для модели. По сути, LazAI создал рынок, где данные токенизированы и отслеживаемы. Это прямое отголосок метрики «верифицируемых данных», о которой говорилось ранее: изучая DAT, вы можете подтвердить, был ли он проверен, сколько моделей используется и какие улучшения производительности моделей это вызвало. Такие данные получат более высокую оценку. Связывая данные в цепочке и связывая экономические стимулы с качеством, LazAI гарантирует, что ИИ обучается на достоверных и измеримых данных. Речь идет о решении проблем путем стимулирования согласования — качественные данные вознаграждаются и выходят на первое место.
Центрированная на индивиде структура DAO (iDAO)
Вторым ключевым компонентом является концепция iDAO (Individual-Centric DAO) от LazAI, которая переопределяет управление в экономике искусственного интеллекта, ставя отдельных людей, а не организации, в центр принятия решений и владения данными. Традиционные DAO часто отдают приоритет коллективным организационным целям, непреднамеренно ослабляя индивидуальную волю. iDAO опровергает эту логику. Они представляют собой персонализированные единицы управления, которые позволяют отдельным лицам, сообществам или объектам, специфичным для предметной области, напрямую владеть, контролировать и проверять данные и модели, которые они вносят в систему ИИ. iDAO поддерживают настраиваемый, согласованный ИИ: в качестве структуры управления они гарантируют, что модель всегда следует ценностям или намерениям участников. С экономической точки зрения, iDAO также делают поведение ИИ программируемым сообществом — можно установить правила, ограничивающие то, как модель может использовать определенные данные, кто может получить доступ к модели и как будут распределяться преимущества от результатов модели. Например, iDAO могут предусмотреть, что всякий раз, когда вызывается их модель ИИ, например выполняется запрос API или завершается задача, часть выручки будет возвращена держателям DAT, которые предоставили соответствующие данные. Это создает прямую обратную связь между поведением прокси и вознаграждением участников — аналогично механизму в DeFi, где доходы поставщика ликвидности привязаны к использованию платформы. Кроме того, iDAO могут компонуемо взаимодействовать друг с другом через протокол: один агент ИИ (iDAO) может вызывать данные или модель другого iDAO на согласованных условиях.
Создавая эти примитивы, рамки LazAI превращают видение децентрализованной ИИ-экономики в реальность. Данные становятся активами, которыми могут владеть пользователи и извлекать из них прибыль, модели переходят от частных островов к совместным проектам, и каждый участник — от индивидуумов, создающих уникальные наборы данных, до разработчиков, создающих небольшие специализированные модели — может стать заинтересованной стороной в цепочке создания ценности ИИ. Это выравнивание стимулов обещает повторить взрывной рост DeFi: когда люди осознают, что участие в ИИ (внесение данных или экспертизы) напрямую переводится в возможности, они будут более активно вовлечены. С увеличением числа участников запускается эффект сети — больше данных порождает лучшие модели, привлекает больше пользователей, что, в свою очередь, создает больше данных и спроса, формируя положительный цикл.
Создание базы доверия для ИИ: проверяемая вычислительная структура
В этой экосистеме проверяемая вычислительная структура LazAI (Verified Computing Framework) является основным слоем для построения доверия. Эта структура обеспечивает наличие проверяемой цепочки обратной связи для каждого сгенерированного DAT, каждого решения iDAO (индивидуальной автономной организации) и каждого распределения стимулов, что делает право собственности на данные исполнимым, процесс управления подотчетным, а поведение агентов - подлежащим аудиту. Превращая iDAO и DAT из теоретической концепции в надежную и проверяемую систему, проверяемая вычислительная структура реализует смену парадигмы доверия — от зависимостей от предположений к гарантии определенности на основе математической проверки.
Реализация ценности децентрализованной AI экономики Создание этого набора основных элементов позволяет реализовать видение децентрализованной AI экономики на практике:
Этот дизайн с совместимостью стимулов обещает воспроизвести рост DeFi: когда пользователи осознают, что участие в строительстве ИИ (через предоставление данных или экспертных знаний) может непосредственно трансформироваться в экономические возможности, их вовлеченность будет разжжена. С увеличением числа участников проявляется сетевой эффект — больше качественных данных порождает лучшие модели, привлекая больше пользователей и, следовательно, создавая больший спрос на данные, формируя самоподдерживающийся рост.
Заключение: Путь к открытому AI-экономике
Путь DeFi показывает, что правильные примитивы могут освободить беспрецедентный рост. В предстоящей нативной экономике ИИ мы стоим на грани подобного прорыва. Определив и внедрив новые примитивы, которые придают значение данным и согласованию, мы можем преобразовать разработку ИИ из централизованного инжиниринга в децентрализованное сообщество. Этот путь не лишен вызовов: необходимо обеспечить, чтобы экономические механизмы ставили качество выше количества и избегали моральных ловушек, чтобы предотвратить ущерб для конфиденциальности или справедливости из-за стимулов данных. Но направление уже ясно. Практики LazAI, такие как DAT и iDAO, прокладывают путь к преобразованию абстрактной концепции «ИИ, согласованного с человеком», в конкретные механизмы собственности и управления.
Подобно тому, как ранние DeFi экспериментально оптимизировали TVL, майнинг ликвидности и управление, экономика ИИ будет повторять свои новые примитивы. В будущем неизбежно возникнут дебаты и инновации, связанные с измерением ценности данных, справедливым распределением вознаграждений, а также согласованием агентов и преимуществами ИИ. В этой статье мы лишь поверхностно коснемся моделей стимулов, которые могут способствовать демократизации ИИ, в надежде вызвать открытую дискуссию и глубокие исследования: как можно разработать больше экономических примитивов для ИИ? Каковы возможные непредвиденные последствия или возможности? При участии широкого сообщества мы с большей вероятностью построим будущее ИИ, которое будет не только технологически продвинутым, но и экономически инклюзивным и соответствующим человеческим ценностям.
Экспоненциальный рост DeFi не является магией — он управляется выравниванием стимулов. Сегодня у нас есть возможность инициировать возрождение ИИ через практики, основанные на данных и моделях. Превращая участие в возможности, а возможности в сетевые эффекты, мы можем запустить маховик, который переопределяет создание и распределение ценности в цифровую эпоху.
Давайте вместе строить это будущее — начиная с проверяемого набора данных, согласованного AI-агента и нового примитива.