Pilkos spalvos tiria Blockchain AI infrastruktūros vaidmenį

Spalio 23 d. „Greyscale“ tyrimo pastaboje nagrinėjamas konkretesnis kriptovaliutų ir dirbtinio intelekto pasiūlymas, o ne bendras statymas dėl išmanesnės programinės įrangos: kas teikia mokymų duomenis, kas finansuoja aparatinę įrangą ir kas gauna mokėjimą, kai naudojami skaičiavimo pajėgumai.

Trys verslo modeliai yra už vienos plačios AI etiketės

Pastaboje tyrimų vadovas Zachas Pandlas aprašo DATA darbą su pateiktais mokymo duomenimis, USD.AI GPU remiamą skolinimą ir Pearl bandymą derinti AI skaičiavimą su „blockchain“ atlygiais. Tai yra Grayscale atrinkti pavyzdžiai ir lūkesčiai, o ne nepriklausomai įrodyti rezultatai visam sektoriui.

Kiekvienas modelis turi skirtingą klientą. Duomenų tinklui reikalingas kas nors, norintis licencijuoti jo duomenų rinkinius. Finansavimo protokolui reikalingi skolininkai, galintys aptarnauti skolas. Skaičiavimo tinklui reikia naudingų darbo krūvių ir būdo įvertinti pristatymą. Sujungus juos po AI žetono antrašte, galima daugiau paslėpti, nei atskleisti.

USD.AI dokumentuose kredito elementas yra aiškus. Jame aprašomos paskolos, užtikrintos GPU, ir susiję pinigų srautai, dažniausiai apsiribojama užstatu ir nurodytomis išimtimis. Jos pajamas duodanti priemonė remiasi paskolos mokėjimais ir su rezervais susijusiomis pajamomis.

Tai sukuria pažįstamus rizikos draudimo klausimus nauju platinimo formatu. Kas atsitiks, jei įranga praranda vertę greičiau nei tikėtasi? Kiek susikaupę klientai moka už naudojimąsi juo? Kas gali susigrąžinti ir parduoti užstatą, jei skolininkas žlunga? Blokų grandinės įrašas gali pagerinti pretenzijos matomumą neatsakant į visus tris.

Veiklos ir finansavimo skirtumai taip pat atsispindi „Bitdeer“ kasybos ir dirbtinio intelekto atskleidimo metu. Mašinos, finansuojami pajėgumai ir realizuotos klientų pajamos yra susijusios priemonės, tačiau jų negalima pakeisti.

Žetonas turi susieti su pagrindine veikla

Net sėkminga infrastruktūra automatiškai nesuteikia tokios pačios naudos kiekvienam susijusiam prieigos raktui. Valdymo žetonas, pretenzija dėl skolinimo pajamų ir žetonas, naudojamas apmokėti už paslaugą, gali turėti labai skirtingas teises.

Pavyzdžiui, USD.AI indėlininkų vadovas atskiria pelno neduodančią USDai priemonę, pajamas kaupiančią sUSDai priemonę ir CHIP valdymą. Vien protokolo įvardijimas nenustato, kokią apšvitą gauna turėtojas.

Ta pati disciplina galioja ir duomenims. Mokantys bendradarbiai gali paskatinti naudingą pasiūlą, tačiau tvari paklausa priklauso nuo to, ar pirkėjai mano, kad tie duomenys yra teisėti, svarbūs ir sunkiai gaunami kitur. Simbolinėmis paskatomis galima finansuoti pradinę veiklą neįrodžius, kad klientai ir toliau mokės, kai paskatos sumažės.

Žetonizuoto turto augimą taip pat reikia perskaityti per su žetonu susijusias teises. Su dirbtiniu intelektu susijusioms vartotojų programoms vis tiek reikia vartotojų, kurie grįžta, nes produktas yra naudingas.

Grayscale ataskaitoje pateikiamas verslo modelių rinkinys, kurį reikia ištirti. Priėmimas, vieneto ekonomika ir vykdytini ieškiniai suteiks tvirtesnių įrodymų, kad tie modeliai tampa patvariu verslu.

Parašė „News Desk“ ir redagavo Samuelis Rae.