ผู้เขียนต้นฉบับ: Kevin นักวิจัยที่ BlockBooster
สรุปโดยย่อ
การเกิดขึ้นของ DeepSeek ได้ทำลายกำแพงพลังการประมวลผล และการเพิ่มประสิทธิภาพพลังการประมวลผลที่นำโดยโมเดลโอเพนซอร์สได้กลายเป็นทิศทางใหม่
DeepSeek มีประโยชน์ต่อเลเยอร์โมเดลและเลเยอร์แอปพลิเคชันในอุตสาหกรรมต้นน้ำและปลายน้ำ แต่มีผลกระทบเชิงลบต่อโปรโตคอลพลังการประมวลผลในโครงสร้างพื้นฐาน
ข่าวดีของ DeepSeek ทำให้ฟองสุดท้ายของเส้นทางของตัวแทนแตกโดยไม่ได้ตั้งใจ และ DeFAI มีแนวโน้มสูงสุดที่จะให้กำเนิดชีวิตใหม่
คาดว่าเกมการระดมทุนโครงการที่ผลรวมเป็นศูนย์จะสิ้นสุดลง และวิธีการระดมทุนรูปแบบใหม่ด้วยการเปิดตัวชุมชน + VC จำนวนเล็กน้อยอาจกลายเป็นบรรทัดฐาน
ผลกระทบที่เกิดจาก DeepSeek จะส่งผลกระทบในวงกว้างต่ออุตสาหกรรม AI ทั้งต้นน้ำและปลายน้ำในปีนี้ DeepSeek ช่วยให้การ์ดจอสำหรับผู้บริโภคภายในบ้านสามารถทำภารกิจฝึกอบรมโมเดลขนาดใหญ่ที่เดิมทีทำได้โดย GPU ระดับไฮเอนด์จำนวนมากเท่านั้น คูน้ำแรกที่ล้อมรอบการพัฒนา AI หรือพลังการประมวลผล เริ่มพังทลายลง เมื่อประสิทธิภาพของอัลกอริทึมพุ่งสูงขึ้นถึง 68% ต่อปี และประสิทธิภาพของฮาร์ดแวร์เพิ่มขึ้นแบบเชิงเส้นตามกฎของมัวร์ โมเดลการประเมินค่าที่หยั่งรากลึกในช่วง 3 ปีที่ผ่านมาก็ไม่สามารถใช้ได้อีกต่อไป บทต่อไปของ AI จะเปิดขึ้นด้วยโมเดลโอเพนซอร์ส
แม้ว่าโปรโตคอล AI ของ Web3 จะแตกต่างจาก Web2 อย่างสิ้นเชิง แต่ก็ได้รับผลกระทบจาก DeepSeek อย่างหลีกเลี่ยงไม่ได้ ผลกระทบนี้จะส่งผลต่อทั้งต้นน้ำและปลายน้ำของ AI ของ Web3 ได้แก่ ชั้นโครงสร้างพื้นฐาน ชั้นมิดเดิลแวร์ ชั้นโมเดล และชั้นแอปพลิเคชัน ทำให้เกิดกรณีการใช้งานใหม่ๆ
การจัดเรียงความสัมพันธ์ความร่วมมือระหว่างข้อตกลงต้นน้ำและปลายน้ำ
ผ่านการวิเคราะห์สถาปัตยกรรมทางเทคนิค การวางตำแหน่งการทำงาน และกรณีการใช้งานจริง ฉันแบ่งระบบนิเวศทั้งหมดออกเป็น: ชั้นโครงสร้างพื้นฐาน ชั้นมิดเดิลแวร์ ชั้นโมเดล ชั้นแอปพลิเคชัน และจัดเรียงการอ้างอิงของสิ่งเหล่านี้:
ชั้นโครงสร้างพื้นฐาน
เลเยอร์โครงสร้างพื้นฐานจัดเตรียมทรัพยากรพื้นฐานแบบกระจายอำนาจ (พลังการประมวลผล พื้นที่เก็บข้อมูล L1) รวมถึงโปรโตคอลพลังการประมวลผล: Render, Akash, io.net เป็นต้น; โปรโตคอลพื้นที่เก็บข้อมูล: Arweave, Filecoin, Storj เป็นต้น; L1: NEAR, Olas, Fetch.ai เป็นต้น
โปรโตคอลชั้นการประมวลผลรองรับการฝึกแบบจำลอง การใช้เหตุผล และการทำงานของกรอบงาน โปรโตคอลการจัดเก็บข้อมูลจะบันทึกข้อมูลการฝึก พารามิเตอร์แบบจำลอง และบันทึกการโต้ตอบแบบออนไลน์ L1 ช่วยเพิ่มประสิทธิภาพในการส่งข้อมูลและลดเวลาแฝงผ่านโหนดเฉพาะ
ชั้นมิดเดิลแวร์
เลเยอร์มิดเดิลแวร์เป็นสะพานเชื่อมระหว่างโครงสร้างพื้นฐานและแอปพลิเคชันระดับบน โดยจัดเตรียมเครื่องมือพัฒนาเฟรมเวิร์ก บริการข้อมูล และการปกป้องความเป็นส่วนตัว โปรโตคอลการติดฉลากข้อมูลได้แก่ Grass, Masa, Vana เป็นต้น โปรโตคอลเฟรมเวิร์กการพัฒนาได้แก่ Eliza, ARC, Swarms เป็นต้น โปรโตคอลคอมพิวเตอร์เพื่อความเป็นส่วนตัวได้แก่ Phala เป็นต้น
เลเยอร์บริการข้อมูลทำหน้าที่เป็นเชื้อเพลิงสำหรับการฝึกอบรมโมเดล กรอบการพัฒนาอาศัยพลังการประมวลผลและพื้นที่เก็บข้อมูลของเลเยอร์โครงสร้างพื้นฐาน และเลเยอร์การประมวลผลความเป็นส่วนตัวจะปกป้องความปลอดภัยของข้อมูลระหว่างการฝึกอบรม/การอนุมาน
เลเยอร์โมเดล
เลเยอร์โมเดลใช้สำหรับการพัฒนาโมเดล การฝึกอบรม และการแจกจ่าย รวมถึงแพลตฟอร์มการฝึกอบรมโมเดลโอเพ่นซอร์ส: Bittentor
เลเยอร์โมเดลอาศัยพลังการประมวลผลของเลเยอร์โครงสร้างพื้นฐานและข้อมูลของเลเยอร์มิดเดิลแวร์ โมเดลจะถูกปรับใช้บนเครือข่ายผ่านกรอบการทำงานการพัฒนา และตลาดโมเดลจะส่งผลการฝึกอบรมไปยังเลเยอร์แอปพลิเคชัน
ชั้นแอปพลิเคชัน
เลเยอร์แอปพลิเคชันคือผลิตภัณฑ์ AI สำหรับผู้ใช้ปลายทาง รวมถึงตัวแทนเช่น GOAT และ AIXBT และโปรโตคอล DeFAI เช่น Griffain และ Buzz
เลเยอร์แอปพลิเคชันจะเรียกโมเดลที่ผ่านการฝึกอบรมล่วงหน้าของเลเยอร์โมเดล โดยอาศัยการประมวลผลความเป็นส่วนตัวที่เลเยอร์มิดเดิลแวร์ และแอปพลิเคชันที่ซับซ้อนจะต้องการพลังการประมวลผลแบบเรียลไทม์ที่เลเยอร์โครงสร้างพื้นฐาน
DeepSeek อาจส่งผลกระทบเชิงลบต่อพลังการประมวลผลแบบกระจายอำนาจ
จากการสำรวจตัวอย่าง พบว่าประมาณ 70% ของโครงการ Web3 AI เรียก OpenAI หรือแพลตฟอร์มคลาวด์รวมศูนย์ มีเพียง 15% ของโครงการเท่านั้นที่ใช้ GPU แบบกระจายอำนาจ (เช่น โมเดลซับเน็ต Bittensor) และ 15% ที่เหลือเป็นสถาปัตยกรรมไฮบริด (ข้อมูลที่ละเอียดอ่อนจะได้รับการประมวลผลภายในเครื่อง และงานทั่วไปจะดำเนินการบนคลาวด์)
อัตราการใช้งานจริงของโปรโตคอลพลังการประมวลผลแบบกระจายอำนาจนั้นต่ำกว่าที่คาดไว้มากและไม่ตรงกับมูลค่าตลาดที่แท้จริง มีสาเหตุสามประการที่ทำให้มีอัตราการใช้ที่ต่ำ: นักพัฒนา Web2 ยังคงใช้เครื่องมือเดิมเมื่อทำการโยกย้ายไปยัง Web3 แพลตฟอร์ม GPU แบบกระจายอำนาจยังไม่ได้รับข้อได้เปรียบด้านราคา โปรเจ็กต์บางโครงการหลบเลี่ยงการตรวจสอบการปฏิบัติตามข้อกำหนดด้านข้อมูลในนามของ การกระจายอำนาจ และพลังในการประมวลผลที่แท้จริงยังคงต้องอาศัยระบบคลาวด์แบบรวมศูนย์
AWS/GCP มีส่วนแบ่งการตลาดพลังการประมวลผล AI มากกว่า 90% เมื่อเปรียบเทียบกันแล้ว พลังการประมวลผลที่เทียบเท่าของ Akash อยู่ที่ 0.2% ของ AWS เท่านั้น คูน้ำของแพลตฟอร์มคลาวด์แบบรวมศูนย์ประกอบด้วย: การจัดการคลัสเตอร์, เครือข่ายความเร็วสูง RDMA และการปรับขนาดแบบยืดหยุ่น แพลตฟอร์มคลาวด์แบบกระจายศูนย์มีเทคโนโลยีเวอร์ชันที่ปรับปรุงแล้วข้างต้นใน Web3 แต่ข้อบกพร่องที่ไม่สามารถปรับปรุงได้ ได้แก่: ปัญหาความล่าช้า: ความล่าช้าในการสื่อสารของโหนดแบบกระจายมีค่ามากกว่าคลาวด์แบบรวมศูนย์ 6 เท่า; การแยกส่วนของห่วงโซ่เครื่องมือ: PyTorch/TensorFlow ไม่รองรับการกำหนดตารางเวลาแบบกระจายศูนย์โดยตรง
DeepSeek ลดการใช้พลังงานในการประมวลผลลง 50% ผ่านการฝึกอบรมแบบเบาบาง และการตัดแต่งโมเดลแบบไดนามิกช่วยให้ GPU ระดับผู้บริโภคสามารถฝึกอบรมโมเดลที่มีพารามิเตอร์นับหมื่นล้านรายการ ความคาดหวังของตลาดต่อความต้องการ GPU ระดับไฮเอนด์ในระยะสั้นลดลงอย่างมาก และศักยภาพทางการตลาดของการประมวลผลแบบ edge ได้รับการประเมินใหม่ ดังที่แสดงในภาพด้านบน ก่อนที่ DeepSeek จะเกิดขึ้น โปรโตคอลและแอปพลิเคชันส่วนใหญ่ในอุตสาหกรรมใช้แพลตฟอร์มเช่น AWS และมีการใช้งานเพียงไม่กี่กรณีเท่านั้นที่นำไปใช้ในเครือข่าย GPU แบบกระจายอำนาจ กรณีการใช้งานเหล่านี้ใช้ประโยชน์จากข้อได้เปรียบด้านราคาในแง่ของพลังการประมวลผลระดับผู้บริโภค และไม่ได้ให้ความสำคัญกับผลกระทบของเวลาแฝง
สถานการณ์นี้อาจเลวร้ายลงไปอีกด้วยการเกิดขึ้นของ DeepSeek DeepSeek ช่วยให้นักพัฒนาแบบ long-tail หลุดพ้นจากข้อจำกัดต่างๆ ได้ โมเดลการอนุมานที่มีต้นทุนต่ำและมีประสิทธิภาพจะได้รับความนิยมอย่างไม่เคยมีมาก่อน ในความเป็นจริง แพลตฟอร์มคลาวด์รวมศูนย์ที่กล่าวถึงข้างต้นและหลายประเทศได้เริ่มนำ DeepSeek มาใช้แล้ว การลดต้นทุนการอนุมานอย่างมีนัยสำคัญจะก่อให้เกิดแอปพลิเคชันฟรอนต์เอนด์จำนวนมาก ซึ่งมีความต้องการ GPU ระดับผู้บริโภคเป็นจำนวนมาก เมื่อเผชิญกับตลาดขนาดใหญ่ที่กำลังมาถึง แพลตฟอร์มคลาวด์แบบรวมศูนย์จะเปิดตัวการแข่งขันรอบใหม่สำหรับผู้ใช้ ไม่ใช่เพียงแข่งขันกับแพลตฟอร์มชั้นนำเท่านั้น แต่ยังแข่งขันกับแพลตฟอร์มคลาวด์แบบรวมศูนย์ขนาดเล็กอีกนับไม่ถ้วนอีกด้วย วิธีการแข่งขันโดยตรงที่สุดคือการลดราคา คาดการณ์ได้ว่าราคา 4,090 บนแพลตฟอร์มรวมศูนย์จะลดลง ซึ่งถือเป็นหายนะสำหรับแพลตฟอร์มพลังการประมวลผลของ Web3 เมื่อราคาไม่ใช่ปัจจัยเดียวที่สำคัญและแพลตฟอร์มพลังการประมวลผลในอุตสาหกรรมก็ถูกบังคับให้ลดราคาเช่นกัน ผลที่ตามมาคือสิ่งที่ io.net , Render และ Akash ไม่สามารถรับมือได้ สงครามราคาจะทำลายเพดานการประเมินมูลค่าที่เหลืออยู่ของหลัง และวงจรแห่งความตายที่เกิดจากรายได้ที่ลดลงและการสูญเสียผู้ใช้ อาจบังคับให้โปรโตคอลพลังการประมวลผลแบบกระจายอำนาจต้องเปลี่ยนแปลงไปในทิศทางใหม่
ความสำคัญเฉพาะของ DeepSeek ต่อโปรโตคอลต้นน้ำและปลายน้ำของอุตสาหกรรม
ตามที่แสดงในภาพ ฉันคิดว่า DeepSeek จะมีผลกระทบที่แตกต่างกันต่อเลเยอร์โครงสร้างพื้นฐาน เลเยอร์โมเดล และเลเยอร์แอปพลิเคชัน จากมุมมองเชิงบวก:
เลเยอร์แอปพลิเคชันจะได้รับประโยชน์จากการลดต้นทุนการอนุมานอย่างมีนัยสำคัญ แอปพลิเคชันเพิ่มเติมจะช่วยให้มั่นใจได้ว่าแอปพลิเคชันตัวแทนจะออนไลน์เป็นเวลานานและทำงานให้เสร็จได้แบบเรียลไทม์ด้วยต้นทุนที่ต่ำ
ในเวลาเดียวกัน ค่าใช้จ่ายของโมเดลต้นทุนต่ำของ DeepSeek ช่วยให้โปรโตคอล DeFAI สามารถสร้าง SWARM ที่ซับซ้อนยิ่งขึ้นได้ ตัวแทนหลายพันตัวถูกใช้สำหรับกรณีการใช้งานหนึ่งกรณี และการแบ่งงานของตัวแทนแต่ละตัวจะละเอียดอ่อนและชัดเจนมาก ซึ่งสามารถปรับปรุงประสบการณ์ของผู้ใช้ได้อย่างมาก และป้องกันไม่ให้อินพุตของผู้ใช้ถูกแยกส่วนและดำเนินการโดยโมเดลอย่างไม่ถูกต้อง
นักพัฒนาในเลเยอร์แอปพลิเคชันสามารถปรับแต่งโมเดลและป้อนราคา ข้อมูลและการวิเคราะห์บนเชน และข้อมูลการกำกับดูแลโปรโตคอลให้กับแอปพลิเคชัน AI ที่เกี่ยวข้องกับ DeFi โดยไม่ต้องจ่ายค่าธรรมเนียมใบอนุญาตสูง
เลเยอร์โมเดลโอเพ่นซอร์สได้รับการพิสูจน์ความสำคัญแล้วหลังจากเปิดตัว DeepSeek การเปิดโมเดลระดับไฮเอนด์ให้กับนักพัฒนาแบบ long-tail สามารถกระตุ้นให้เกิดความกระตือรือร้นในการพัฒนาอย่างกว้างขวาง
กำแพงพลังประมวลผลสูงที่สร้างขึ้นรอบ GPU ระดับไฮเอนด์ในช่วงสามปีที่ผ่านมาถูกทำลายลงอย่างสิ้นเชิง ทำให้ผู้พัฒนามีทางเลือกมากขึ้นและกำหนดทิศทางสำหรับโมเดลโอเพนซอร์ส ในอนาคต โมเดล AI จะไม่แข่งขันกันในเรื่องพลังประมวลผลอีกต่อไป แต่จะเป็นการแข่งขันกันในเรื่องอัลกอริทึม การเปลี่ยนแปลงความเชื่อนี้จะกลายเป็นรากฐานของความมั่นใจสำหรับนักพัฒนาโมเดลโอเพนซอร์ส
ซับเน็ตเฉพาะรอบ ๆ DeepSeek จะเกิดขึ้นทีละตัว พารามิเตอร์ของโมเดลจะเพิ่มขึ้นภายใต้พลังการประมวลผลเท่ากัน และนักพัฒนามากขึ้นจะเข้าร่วมชุมชนโอเพ่นซอร์ส
ในแง่ผลกระทบเชิงลบ:
ไม่สามารถปรับให้ความล่าช้าในการใช้งานตามวัตถุประสงค์ของโปรโตคอลพลังการประมวลผลในโครงสร้างพื้นฐานได้
นอกจากนี้ เครือข่ายไฮบริดที่ประกอบด้วย A 100 และ 4090 ยังมีข้อกำหนดสำหรับอัลกอริทึมการประสานงานที่สูงกว่า ซึ่งไม่ใช่ข้อได้เปรียบของแพลตฟอร์มแบบกระจายอำนาจ
DeepSeek ทำลายฟองสบู่สุดท้ายในเส้นทางของตัวแทน DeFAI อาจสร้างชีวิตใหม่ และวิธีการจัดหาเงินทุนของอุตสาหกรรมกำลังเปลี่ยนแปลงไป
Agent คือความหวังสุดท้ายของ AI ในอุตสาหกรรม การเกิดขึ้นของ DeepSeek ช่วยปลดปล่อยข้อจำกัดด้านพลังการประมวลผลและกำหนดความคาดหวังในอนาคตสำหรับแอปพลิเคชันที่ทรงประสิทธิภาพ เดิมทีสิ่งนี้ถือเป็นประโยชน์มหาศาลสำหรับการติดตามตัวแทน แต่เนื่องจากความสัมพันธ์อันแน่นแฟ้นระหว่างอุตสาหกรรมกับหุ้นสหรัฐฯ และนโยบายของธนาคารกลางสหรัฐฯ ฟองสบู่ที่เหลืออยู่จึงแตก และมูลค่าตลาดของการติดตามก็ลดลงไปอยู่ที่จุดต่ำสุด
ในคลื่นของการบูรณาการระหว่าง AI และอุตสาหกรรม ความก้าวหน้าทางเทคโนโลยีและการแข่งขันในตลาดมักจะมาควบคู่กันเสมอ ปฏิกิริยาลูกโซ่ที่เกิดจากความผันผวนของมูลค่าตลาดของ Nvidia นั้นเปรียบเสมือนกระจกวิเศษที่สะท้อนให้เห็นถึงความขัดแย้งอันลึกซึ้งของเรื่องราวด้าน AI ในอุตสาหกรรม: จาก On-chain Agent ไปจนถึง DeFAI engine แผนที่ระบบนิเวศที่ดูเหมือนสมบูรณ์ซ่อนความเป็นจริงอันโหดร้ายของโครงสร้างพื้นฐานทางเทคนิคที่อ่อนแอ ตรรกะของมูลค่าที่ว่างเปล่า และการครอบงำของทุน ระบบนิเวศบนเชนที่ดูเหมือนจะเจริญรุ่งเรืองนั้นซ่อนปัญหาที่ซ่อนอยู่เอาไว้: โทเค็น FDV สูงจำนวนมากแข่งขันกันเพื่อสภาพคล่องที่จำกัด สินทรัพย์ที่ล้าสมัยต้องอาศัยอารมณ์ FOMO เพื่อความอยู่รอด และนักพัฒนาก็ติดอยู่ในภาวะ PVP และใช้ศักยภาพด้านนวัตกรรมของตนไปจนหมด เมื่อการระดมทุนเพิ่มเติมและการเติบโตของผู้ใช้กระทบกับขีดจำกัด อุตสาหกรรมทั้งหมดจะตกอยู่ใน ภาวะที่กลืนไม่เข้าคายไม่ออกของผู้สร้างสรรค์ ซึ่งปรารถนาให้เรื่องราวที่ก้าวล้ำสามารถทะลุผ่านได้ แต่กลับพบว่าเป็นเรื่องยากที่จะปลดปล่อยตัวเองจากพันธนาการของการพึ่งพาเส้นทาง สถานะการแบ่งแยกดังกล่าวถือเป็นโอกาสครั้งประวัติศาสตร์สำหรับ AI Agent เพราะไม่เพียงแต่เป็นการอัพเกรดกล่องเครื่องมือทางเทคนิคเท่านั้น แต่ยังเป็นการสร้างแบบจำลองการสร้างมูลค่าเพิ่มอีกด้วย
ในช่วงปีที่ผ่านมา มีทีมงานในอุตสาหกรรมมากขึ้นเรื่อยๆ ที่ได้ค้นพบว่ารูปแบบการจัดหาเงินทุนแบบเดิมนั้นล้มเหลว ซึ่งกลยุทธ์ที่ให้ VC มีส่วนแบ่งเพียงเล็กน้อย รักษาระดับการควบคุมในระดับสูง แล้วรอให้การแลกเปลี่ยนเข้ามาดำเนินการนั้นไม่สามารถยั่งยืนได้อีกต่อไป เงินทุนจาก VC เริ่มหดตัว นักลงทุนรายย่อยปฏิเสธที่จะเข้ามาเทคโอเวอร์ และเกณฑ์สำหรับการจดทะเบียนเหรียญในตลาดแลกเปลี่ยนหลักก็สูง ภายใต้แรงกดดันสามประการนี้ วิธีการเล่นแบบใหม่ที่ปรับตัวเข้ากับตลาดขาลงได้ดีขึ้นกำลังเกิดขึ้น: การรวม KOL ชั้นนำ + VC จำนวนเล็กน้อย การเปิดตัวชุมชนขนาดใหญ่ และการเริ่มต้นแบบเย็นที่มีมูลค่าตลาดต่ำ
ผู้ริเริ่มนวัตกรรม เช่น Soon และ Pump Fun กำลังบุกเบิกเส้นทางใหม่ด้วยการ เปิดตัวชุมชน ซึ่งได้รับการสนับสนุนจาก KOL ชั้นนำร่วมกัน แจกจ่ายโทเค็น 40%-60% ให้กับชุมชนโดยตรง เปิดตัวโครงการที่มูลค่าต่ำถึง 10 ล้านดอลลาร์สหรัฐ (FDV) และได้รับเงินทุนหลายล้านดอลลาร์ โมเดลนี้สร้างฉันทามติ FOMO ผ่านอิทธิพลของ KOL ทำให้ทีมสามารถล็อกกำไรไว้ล่วงหน้าได้ ในขณะที่แลกเปลี่ยนสภาพคล่องสูงกับความลึกของตลาด แม้ว่าจะยอมสละข้อได้เปรียบในการควบคุมในระยะสั้น แต่ก็สามารถซื้อคืนโทเค็นในราคาต่ำในตลาดขาลงได้ผ่านกลไกการสร้างตลาดที่สอดคล้อง โดยพื้นฐานแล้ว นี่คือการเปลี่ยนแปลงขนานใหญ่ในโครงสร้างอำนาจ: จากเกมที่ VC ครองอยู่ซึ่งต้องส่งต่อพัสดุ (สถาบันเข้าควบคุม - ตลาดซื้อขาย - นักลงทุนรายย่อยเป็นผู้จ่าย) ไปสู่เกมที่โปร่งใสในการกำหนดราคาตามฉันทามติของชุมชน โดยที่เจ้าของโครงการและชุมชนจะสร้างความสัมพันธ์แบบพึ่งพาอาศัยกันใหม่ในเบี้ยประกันสภาพคล่อง ขณะที่อุตสาหกรรมเข้าสู่วัฏจักรการปฏิวัติความโปร่งใส โปรเจ็กต์ต่างๆ ที่ยึดติดกับตรรกะการควบคุมแบบดั้งเดิมอาจกลายเป็นเพียงสิ่งตกค้างจากยุคสมัยท่ามกลางคลื่นการถ่ายโอนอำนาจ
ความเจ็บปวดในตลาดในระยะสั้นพิสูจน์ให้เห็นว่าแนวโน้มเทคโนโลยีในระยะยาวนั้นไม่สามารถย้อนกลับได้ เมื่อ AI Agent ลดต้นทุนการโต้ตอบแบบออนเชนลงถึงสองเท่า และเมื่อโมเดลแบบปรับตัวได้ยังคงเพิ่มประสิทธิภาพของเงินทุนของโปรโตคอล DeFi คาดว่าอุตสาหกรรมจะเริ่มนำการนำมาใช้อย่างแพร่หลายตามที่รอคอยกันมายาวนาน การปฏิวัติครั้งนี้ไม่ได้อาศัยกระแสแนวคิดหรือการเร่งทุน แต่หยั่งรากลึกในความล้ำสมัยของเทคโนโลยีในการตอบสนองความต้องการที่แท้จริง เช่นเดียวกับการปฏิวัติพลังงานไฟฟ้าที่ไม่หยุดนิ่งเนื่องจากการล้มละลายของบริษัทหลอดไฟ Agent ในที่สุดแล้วจะกลายเป็นเส้นทางทองคำที่แท้จริงหลังจากที่ฟองสบู่แตก DeFAI อาจเป็นพื้นที่อันอุดมสมบูรณ์สำหรับชีวิตใหม่ เมื่อการใช้เหตุผลต้นทุนต่ำกลายมาเป็นกิจวัตรประจำวัน เราอาจได้เห็นการถือกำเนิดของกรณีการใช้งานที่ตัวแทนหลายร้อยตัวถูกผสมผสานเข้าเป็น Swarm ในไม่ช้านี้ ภายใต้พลังการประมวลผลที่เท่าเทียมกัน การเพิ่มพารามิเตอร์ของโมเดลอย่างมีนัยสำคัญจะช่วยให้มั่นใจได้ว่าเอเจนต์ในยุคโมเดลโอเพนซอร์สสามารถปรับแต่งได้อย่างสมบูรณ์ยิ่งขึ้น แม้จะต้องเผชิญกับคำสั่งอินพุตของผู้ใช้ที่ซับซ้อน คำสั่งเหล่านี้ก็สามารถแยกออกเป็นไปป์ไลน์งานที่สามารถดำเนินการได้อย่างสมบูรณ์ด้วยเอเจนต์ตัวเดียว ตัวแทนแต่ละตัวที่เพิ่มประสิทธิภาพการดำเนินการบนเชนอาจส่งเสริมให้มีกิจกรรมและสภาพคล่องที่เพิ่มขึ้นของโปรโตคอล DeFi โดยรวม ผลิตภัณฑ์ DeFi ที่ซับซ้อนมากขึ้น นำโดย DeFAI จะเกิดขึ้น และนี่คือจุดที่โอกาสใหม่ๆ เกิดขึ้นหลังจากฟองสบู่แตกรอบล่าสุด
เกี่ยวกับ BlockBooster
BlockBooster คือสตูดิโอการลงทุนด้าน Web3 ของเอเชียที่ได้รับการสนับสนุนจาก OKX Ventures และสถาบันชั้นนำอื่นๆ ซึ่งมุ่งมั่นที่จะเป็นพันธมิตรที่เชื่อถือได้สำหรับผู้ประกอบการที่โดดเด่น ผ่านการลงทุนเชิงกลยุทธ์และการบ่มเพาะเชิงลึก เราเชื่อมโยงโครงการ Web3 กับโลกแห่งความเป็นจริง และช่วยให้โครงการผู้ประกอบการที่มีคุณภาพสูงเติบโต
ข้อสงวนสิทธิ์: บทความ/บล็อกนี้มีไว้เพื่อวัตถุประสงค์ในการอ้างอิงเท่านั้นและแสดงถึงความคิดเห็นส่วนตัวของผู้เขียนและไม่จำเป็นต้องแสดงถึงตำแหน่งของ BlockBooster บทความนี้ไม่มีวัตถุประสงค์เพื่อให้คำแนะนำด้านการลงทุนหรือคำแนะนำด้านการลงทุน (ii) ข้อเสนอหรือการชักชวนให้ซื้อ ขายหรือถือสินทรัพย์ดิจิทัล หรือ (iii) คำแนะนำด้านการเงิน การบัญชี กฎหมาย หรือภาษี การถือครองสินทรัพย์ดิจิทัล รวมถึง stablecoin และ NFT มีความเสี่ยงอย่างยิ่ง โดยมีราคาที่ผันผวนอย่างมาก และอาจกลายเป็นไม่มีค่าได้ คุณควรพิจารณาอย่างรอบคอบว่าการซื้อขายหรือการถือครองสินทรัพย์ดิจิทัลเหมาะสมกับคุณหรือไม่โดยพิจารณาจากสถานะทางการเงินของคุณ หากคุณมีคำถามเกี่ยวกับสถานการณ์เฉพาะของคุณ โปรดปรึกษาที่ปรึกษากฎหมาย ภาษี หรือการลงทุนของคุณ ข้อมูลที่ให้ไว้ที่นี่ รวมถึงข้อมูลตลาดและสถิติ หากมี เป็นเพียงเพื่อวัตถุประสงค์ในการให้ข้อมูลทั่วไปเท่านั้น เราได้ใช้ความระมัดระวังอย่างสมเหตุสมผลในการจัดเตรียมข้อมูลและกราฟเหล่านี้ แต่จะไม่รับผิดชอบต่อข้อผิดพลาดเชิงข้อเท็จจริงหรือการละเว้นใดๆ ที่แสดงอยู่ในนั้น
