จากตลาดระดับหนึ่งดู Crypto × AI: การทดลองในเรื่องภาพลวงตาของการทำโทเค็น

ผู้เขียน: Lao Bai

หลังจากผ่านไปสองปี V ก็ได้โพสต์ทวีตอีกครั้ง ผมก็เลยขอพูดถึงรายงานวิจัยเมื่อสองปีก่อน ซึ่งเวลายังตรงกันเป๊ะ วันที่ 10 กุมภาพันธ์ (อ่านเพิ่มเติม: ABCDE: วิเคราะห์ AI+Crypto จากมุมมองตลาดระดับแรก)

เมื่อสองปีก่อน จริงๆ แล้ว V ได้แสดงออกอย่างเป็นนัยว่าเขาไม่ค่อยเชื่อมั่นในแนวคิด Crypto Helps AI ที่เป็นที่นิยมในตอนนั้น ช่วงเวลานั้น กระแสหลักในวงการคือการแปลงสินทรัพย์ด้านพลังการคำนวณ ข้อมูล และโมเดลเป็นสินทรัพย์ทางการเงิน ผมเขียนรายงานเมื่อสองปีก่อนก็เน้นไปที่สามแนวทางนี้ ซึ่งสะท้อนปรากฏการณ์และข้อสงสัยในตลาดระดับแรก จากมุมมองของ V เขายังเชื่อมั่นว่า AI Helps Crypto มากกว่า

ตัวอย่างที่เขายกมามีดังนี้:

AI ในฐานะผู้มีส่วนร่วมในเกม;

AI ในฐานะอินเทอร์เฟซของเกม;

AI ในฐานะกติกาของเกม;

AI ในฐานะเป้าหมายของเกม;

ในสองปีที่ผ่านมา เราได้ลองทำหลายอย่างเกี่ยวกับ Crypto Helps AI แต่ผลลัพธ์ก็ยังน้อยมาก หลายเส้นทางและโปรเจกต์เป็นแค่การปล่อยโทเคนแล้วจบ ไม่มี PMF ทางธุรกิจที่แท้จริง ผมเรียกสิ่งนี้ว่า “ภาพลวงตาแห่งการสร้างโทเคน”

1. การแปลงพลังการคำนวณเป็นสินทรัพย์ - ส่วนใหญ่ไม่สามารถให้ SLA ระดับธุรกิจได้ ไม่เสถียร หลุดบ่อย จัดการงาน inference โมเดลขนาดกลางและเล็กได้เท่านั้น ส่วนใหญ่ให้บริการในตลาดขอบเขต รายได้ไม่ผูกกับโทเคน…

2. การแปลงข้อมูลเป็นสินทรัพย์ - ฝั่งซัพพลาย (นักลงทุนรายย่อย) มีอุปสรรคสูง ความเต็มใจต่ำ ความไม่แน่นอนสูง ฝั่งดีมานด์ (องค์กร) ต้องการข้อมูลที่เป็นโครงสร้าง มีบริบทอ้างอิง มีความน่าเชื่อถือและรับผิดชอบตามกฎหมาย ซึ่ง DAO และโปรเจกต์ Web3 ยากที่จะให้บริการเช่นนี้

3. การแปลงโมเดลเป็นสินทรัพย์ - โมเดลเป็นทรัพย์สินที่ไม่หายาก สามารถคัดลอก ปรับแต่งได้รวดเร็ว และมูลค่าลดลงอย่างรวดเร็ว ไม่ใช่สินทรัพย์สุดท้าย Hugging Face เป็นแพลตฟอร์มสำหรับความร่วมมือและเผยแพร่ มากกว่าจะเป็น App Store สำหรับโมเดล ดังนั้น การสร้าง “Hugging Face แบบกระจายศูนย์” เพื่อโทเคนโมเดล จึงมักล้มเหลว

นอกจากนี้ในสองปีที่ผ่านมา เรายังพยายามทำ “การพิสูจน์ความถูกต้องของการอนุมาน” ซึ่งเป็นเรื่องที่เหมือนการใช้ค้อนหาตะปู จาก ZKML ถึง OPML ถึง Gaming Theory และแม้แต่ EigenLayer ก็เปลี่ยนเรื่องราว Restaking เป็น Verifiable AI

แต่ก็คล้ายกับสิ่งที่เกิดขึ้นในเส้นทาง Restaking - มีน้อย AVS ที่เต็มใจจ่ายเงินเพื่อความปลอดภัยที่สามารถพิสูจน์ได้เพิ่มเติม

เช่นเดียวกัน การพิสูจน์ความถูกต้องของการอนุมานมักจะเป็นการตรวจสอบ “สิ่งที่ไม่มีใครจำเป็นต้องพิสูจน์จริงๆ” ฝั่งความต้องการมีโมเดลความเสี่ยงที่ค่อนข้างคลุมเครือ - จะป้องกันใครกันแน่?

ข้อผิดพลาดของ AI (ความสามารถของโมเดล) เกิดขึ้นบ่อยกว่าการถูกแก้ไขโดยเจตนา (ปัญหาการต่อต้าน) ช่วงหลังๆ เห็นเหตุการณ์ด้านความปลอดภัยบน OpenClaw และ Moltbook ก็ชัดเจนว่า ปัญหาจริงๆ มาจาก:

การออกแบบกลยุทธ์ผิด

การให้สิทธิ์มากเกินไป

ขอบเขตไม่ได้คิดให้ชัดเจน

การผสมเครื่องมือที่เกิดการโต้ตอบกันโดยบังเอิญ

…

แทบจะไม่มีความคิดว่า “โมเดลถูกแก้ไข” หรือ “กระบวนการอนุมานถูกดัดแปลงโดยเจตนา” เป็นเรื่องที่เกิดขึ้นจริง

เมื่อปีที่แล้ว ผมเคยโพสต์ภาพนี้ไว้ ไม่แน่ใจว่ามีเพื่อนๆ จำได้ไหม

แนวคิดที่ V ยกขึ้นมาครั้งนี้ ชัดเจนว่ามีความสมบูรณ์มากกว่าปีก่อน เพราะเรามีความก้าวหน้าในด้านความเป็นส่วนตัว X402 ERC8004 และตลาดทำนาย

จากภาพที่เขาแบ่งเป็น 4 ควอแดนซ์ ครึ่งหนึ่งเป็น AI Helps Crypto อีกครึ่งเป็น Crypto Helps AI ซึ่งไม่ใช่แนวโน้มที่ชัดเจนเหมือนสองปีก่อนอีกต่อไป

ซ้ายบนและซ้ายล่าง - ใช้ความเป็น decentralization และความโปร่งใสของ Ethereum เพื่อแก้ปัญหาความน่าเชื่อถือและความร่วมมือทางเศรษฐกิจของ AI

1. การสร้างความเชื่อมั่นและการโต้ตอบ AI ที่เป็นส่วนตัวและไร้ความเชื่อถือ (Infrastructure + Survival): ใช้เทคโนโลยี ZK, FHE เพื่อรับรองความเป็นส่วนตัวและความสามารถในการพิสูจน์ของการโต้ตอบ AI (ไม่แน่ใจว่านี่คือการพิสูจน์ความถูกต้องของการอนุมานที่กล่าวไปหรือไม่)

2. Ethereum เป็นชั้นเศรษฐกิจสำหรับ AI (Infrastructure + Prosperity): ให้ AI Agents สามารถทำธุรกรรมทางเศรษฐกิจ จ้างงาน หักค่ามัดจำ หรือสร้างระบบความน่าเชื่อถือบน Ethereum เพื่อสร้างโครงสร้าง AI แบบกระจายศูนย์ ไม่ขึ้นอยู่กับแพลตฟอร์มยักษ์เดียว

ขวาบนและขวาล่าง - ใช้ความสามารถอัจฉริยะของ AI เพื่อปรับปรุงประสบการณ์ผู้ใช้ ประสิทธิภาพ และการบริหารจัดการในระบบนิเวศคริปโต:

3. วิสัยทัศน์ Cypherpunk กับ LLMs ท้องถิ่น (Impact + Survival): AI เป็น “โล่” และอินเทอร์เฟซของผู้ใช้ เช่น LLM ท้องถิ่นสามารถตรวจสอบสัญญาอัจฉริยะและยืนยันธุรกรรม ลดการพึ่งพาหน้าเว็บศูนย์กลาง คุ้มครองอธิปไตยดิจิทัลของบุคคล

4. ทำให้ตลาดและการบริหารจัดการที่ดีขึ้นกลายเป็นจริง (Impact + Prosperity): AI เข้าร่วมลึกซึ้งใน Prediction Markets และ DAO อย่างเต็มที่ AI สามารถเป็นผู้มีส่วนร่วมที่มีประสิทธิภาพ โดยการประมวลผลข้อมูลจำนวนมากเพื่อขยายขีดความสามารถในการตัดสินใจของมนุษย์ แก้ปัญหาที่เคยมีอยู่ เช่น การขาดความสนใจ การตัดสินใจที่มีต้นทุนสูง ข้อมูลล้นหลาม และความเฉื่อยชาในการโหวต

ก่อนหน้านี้ เราเคยคิดอย่างแรงกล้าว่า Crypto ควรช่วย AI แต่ V ก็ยืนอยู่ฝั่งตรงข้าม ตอนนี้เราได้พบกันตรงกลางแล้ว เพียงแต่ดูเหมือนว่าจะไม่เกี่ยวข้องกับการโทเคนหรือ AI Layer1 มากนัก หวังว่าอีกสองปีข้างหน้า เมื่อย้อนดูโพสต์วันนี้ จะมีทิศทางใหม่ๆ และความประหลาดใจรออยู่