Нейтральная

Grayscale выделяет модели данных, кредита и вычислений за AI‑токенами

In English
3 мин
Grayscale выделяет модели данных, кредита и вычислений за AI‑токенами

Исследовательская записка Grayscale от 23 октября оценивает разные роли в инфраструктуре на стыке крипто и ИИ: кто поставляет обучающие данные, кто финансирует оборудование и кто получает выплаты при использовании вычислительных мощностей. В анализе приведены примеры DATA, USD.AI и Pearl. Это подбор и ожидания Grayscale, а не доказательство по всему сектору.

TL;DR

  • DATA, USD.AI и Pearl иллюстрируют три роли: предоставление данных, кредитование под залог GPU и вычислительные сети.
  • Финансирование оборудования добавляет кредитный риск в дополнение к механикам блокчейна.
  • Польза сервиса и стоимость токена не совпадают: права зависят от дизайна токена.

За широким ярлыком AI скрываются три бизнес-модели

В записке руководитель ресерча Zach Pandl описывает: у DATA — вклад в виде обучающих данных, у USD.AI — кредитование под залог GPU, у Pearl — сочетание ИИ-вычислений с блокчейн-наградами. Каждая модель обслуживает разного клиента: сети данных нужны покупатели лицензированных датасетов, финансовому протоколу — заемщики, которые вернут долг, вычислительной сети — полезные задачи с измеримой отдачей. Объединение их под ярлыком AI-токенов скрывает существенные различия.

Документация USD.AI формализует кредитную структуру: займы обеспечены GPU и денежными потоками, регресс в целом ограничен залогом с оговоренными исключениями. Доходный инструмент опирается на платежи по займам и доходы, связанные с резервами.

Это поднимает вопросы андеррайтинга, подаваемые в новом формате дистрибуции: что, если оборудование обесценивается быстрее модели, насколько сконцентрированы конечные клиенты, платящие за мощности, и кто контролирует возврат и ликвидацию залога при дефолте заемщика. Запись в блокчейне может повысить прозрачность требований, но не устраняет эти риски.

Разделение «операции против финансирования» также видно в раскрытиях Bitdeer по майнингу и ИИ: машины, профинансированная мощность и фактическая выручка от клиентов — взаимосвязанные, но не взаимозаменяемые метрики.

Токен должен быть связан с базовой деятельностью

Успех инфраструктуры не переносится автоматически на каждый ассоциированный токен. Токены управления, токены с правом на доход и utility-токены дают разные права и риски.

Руководство для вкладчиков USD.AI разделяет инструменты: USDai как бездоходный, sUSDai с начислением дохода и CHIP для управления. Название протокола не определяет экспозицию держателя.

Для сетей данных выплаты вкладчикам могут расширять предложение, но устойчивый спрос зависит от того, считают ли покупатели данные законными, релевантными и труднодоступными в другом месте. Токен-инцентивы могут разогреть активность, не доказывая, что клиенты продолжат платить после снижения стимулов.

Рост токенизированных активов нужно оценивать через права, встроенные в каждый токен. Потребительские приложения с ИИ по-прежнему требуют пользователей, которые возвращаются, потому что продукт полезен.

Отчет Grayscale задает рамки для оценки бизнес-моделей. Достоверные признаки устойчивости дадут метрики внедрения, юнит-экономика и исполнимость требований.

Написано редакцией News Desk, редактор — Samuel Rae.

Оригинальная публикация

Авторы, указанные в источнике: NewsBTC Editorial Team

Материал опубликован Holder на основе внешнего источника.