คริปโตกับ AI ไม่ได้มีแค่เหรียญ แต่คือโครงสร้างรายได้
คริปโตกับ AI คือการนำบล็อกเชนและโทเคนมาเชื่อมกับทรัพยากรที่ระบบปัญญาประดิษฐ์ต้องใช้ ตั้งแต่ข้อมูลฝึก เงินทุนซื้อฮาร์ดแวร์ ไปจนถึงกำลังประมวลผล โดยหวังให้ผู้ร่วมเครือข่ายได้รับส่วนแบ่งจากบริการจริง
Zach Pandl หัวหน้าฝ่ายวิจัยของ Grayscale ยก DATA Network, USD.AI และ Pearl เป็นตัวอย่างของแนวทางนี้ จุดที่น่าสนใจไม่ใช่เพียงการติดป้ายว่าเป็นเหรียญ AI แต่คือความพยายามผูกโทเคนเข้ากับงานที่มีผู้ต้องการใช้ ได้แก่ การจัดหาข้อมูล การระดมทุนซื้อ GPU และการให้บริการประมวลผล
สำหรับผู้ใช้ทั่วไป โอกาสที่จับต้องได้คือการส่งข้อมูลที่ได้รับอนุญาตเพื่อนำไปให้สิทธิ์แก่ผู้พัฒนา AI แล้วรับรางวัล หรือเข้าร่วมให้กำลังประมวลผลและรับค่าบริการควบคู่กับรางวัลจากบล็อกเชน อย่างไรก็ตาม การเติบโตของอุตสาหกรรมไม่ได้ทำให้โทเคนทุกตัวมีมูลค่าเพิ่มโดยอัตโนมัติ และการถูกกล่าวถึงโดย Grayscale ไม่ใช่คำแนะนำซื้อหรือหลักประกันผลตอบแทน

DATA Network เปลี่ยนข้อมูลที่ผู้ใช้ส่งให้เป็นวัตถุดิบ AI
DATA Network มุ่งรวบรวมภาพ วิดีโอ และเสียงที่เจ้าของอนุญาตให้ใช้ เพื่อจัดทำเป็นชุดข้อมูลสำหรับฝึกโมเดล AI ผู้ส่งข้อมูลอาจได้รับผลตอบแทน ขณะที่แอปพลิเคชันบนเครือข่ายสามารถให้สิทธิ์ชุดข้อมูลแก่ห้องปฏิบัติการ AI ได้ นี่เป็นแนวคิดที่เปิดช่องให้ผู้ใช้ทั่วไปมีส่วนร่วมกับตลาดข้อมูล แทนที่ข้อมูลจะไหลเข้าสู่บริษัทเพียงฝ่ายเดียว
แผนต่อไปคือการย้ายโปรโตคอลไปยังบล็อกเชน Sui และใช้ Walrus เป็นชั้นจัดเก็บข้อมูล โดยมีแผนโอนโทเคนเดิมในอัตราหนึ่งต่อหนึ่ง อีกทั้ง Sui Foundation ประกาศลงทุนในเครือข่ายดังกล่าว แต่เงินสนับสนุนและการย้ายระบบยังไม่พิสูจน์ว่าตลาดจะต้องการข้อมูลมากพอหรือผู้ให้ข้อมูลจะได้รับรายได้สม่ำเสมอ
ตัวชี้วัดที่ควรจับตาจึงไม่ใช่แค่จำนวนข้อมูลที่รวบรวมได้ แต่รวมถึงคุณภาพ ความหลากหลาย การตรวจสอบสิทธิ์ และการที่ผู้พัฒนา AI ยอมจ่ายเพื่อใช้ข้อมูลเหล่านั้น หากไม่มีผู้ซื้อที่ชัดเจน กลไกรางวัลก็อาจกลายเป็นแรงจูงใจที่ไม่มีรายได้จากบริการมารองรับ

USD.AI เชื่อมทุนบนบล็อกเชนกับ GPU ส่วน Pearl ขายพลังประมวลผล
USD.AI พยายามแก้คอขวดด้านเงินทุนของธุรกิจประมวลผล AI ด้วยสินเชื่อที่ใช้ GPU และกระแสเงินสดที่เกี่ยวข้องเป็นหลักประกัน ผู้กู้ต้องลงเงินตนเองอย่างน้อยร้อยละ 20 และชำระคืนเงินต้นภายในสามถึงห้าปี กลไกนี้เชื่อมเงินทุนในระบบคริปโตกับอุปกรณ์จริง แต่ผู้ให้กู้ยังรับความเสี่ยงจากการผิดนัด มูลค่าหลักประกันที่ลดลง และซอฟต์แวร์ล้มเหลว
อีกด้านหนึ่ง Pearl วางแนวทางให้ GPU ทำงาน AI ควบคู่กับการรักษาความปลอดภัยของบล็อกเชนแบบพิสูจน์การทำงาน ผู้ดำเนินการจึงอาจรับทั้งค่าบริการจากงาน AI และรางวัลโทเคนจากเครือข่าย นี่คือการพยายามเปลี่ยนกำลังประมวลผลให้เป็นสินทรัพย์ที่สร้างรายได้สองทาง แต่ความคุ้มค่าขึ้นกับว่ามีงาน AI เข้ามาใช้จริงและรายได้ครอบคลุมต้นทุนหรือไม่
ข้อมูล ณ วันที่ 24 ตุลาคมระบุว่า DATA ลดลงกว่า 42% ในรอบ 90 วัน ขณะที่ CHIP เพิ่มขึ้นเกือบ 48% และ PEARL เพิ่มขึ้นกว่า 528% ในช่วงเดียวกัน ตัวเลขเหล่านี้สะท้อนความผันผวน ไม่ใช่หลักฐานว่าผลตอบแทนจะเกิดซ้ำ และการประเมินระยะยาวยังต้องดูทั้งการใช้งานจริงกับความสามารถในการแข่งขันทางเศรษฐกิจ
จับตารายได้จริง มากกว่ากระแสเหรียญ AI
ทั้งสามโครงการสะท้อนเดิมพันคนละจุดในห่วงโซ่ AI: DATA ต้องพิสูจน์ว่าข้อมูลที่มีสิทธิ์ใช้งานมีผู้ซื้อ, USD.AI ต้องคัดกรองผู้กู้และบริหารหลักประกันได้, ส่วน Pearl ต้องแข่งขันด้านต้นทุนและหางานประมวลผลอย่างต่อเนื่อง ภาพรวมจึงน่าสนใจกว่าการเหมารวมว่าเหรียญ AI ทุกตัวจะได้ประโยชน์จากกระแสเดียวกัน
สำหรับผู้ติดตามตลาด คำถามสำคัญคือบริการสร้างรายได้จากลูกค้าจริงหรือไม่ โทเคนมีบทบาทจำเป็นต่อระบบแค่ไหน และอุปทานใหม่จะเพิ่มเร็วกว่าความต้องการหรือเปล่า ในสินเชื่อยังต้องพิจารณาความเสี่ยงผู้กู้ หลักประกัน และความผิดพลาดของซอฟต์แวร์ ขณะที่ผู้ร่วมให้ข้อมูลก็ควรตรวจสอบสิทธิ์การใช้ข้อมูลและเงื่อนไขรางวัล
ข้อสรุปคือ Grayscale ชี้ให้เห็นจุดเชื่อมที่ควรติดตามระหว่างคริปโตกับ AI ไม่ได้ยืนยันว่าโทเคนเหล่านี้จะให้ผลตอบแทน นักลงทุนจึงควรแยกการเติบโตของโครงสร้างพื้นฐานออกจากมูลค่าของเหรียญ และให้น้ำหนักกับการใช้งาน รายได้ ความเสี่ยง และเศรษฐศาสตร์โทเคน มากกว่าตัวเลขราคาที่พุ่งขึ้นในช่วงสั้น






