Judul asli: "Membalik Koin Al"

Artikel asli oleh Gagra Ventures

Kompilasi asli: Fairy, ChainCatcher

Catatan editor: Melalui aura teknologi, penulis melihat hambatan terpanjang seperti modal dan perangkat keras yang dihadapi oleh proyek Web3 dalam mempromosikan pengembangan AI. Meskipun niat awal Web3 adalah untuk memecahkan sentralisasi dan mewujudkan cita-cita desentralisasi, dalam praktiknya, sering terombang-ambing oleh narasi pasar dan insentif Token, dan menyimpang dari niat awal.

ChainCatcher mengkompilasi teks asli sebagai berikut:

Seruan untuk kombinasi AI dan Web3 semakin keras, tetapi ini bukan lebih lama artikel VC yang optimis. Kami optimis tentang penggabungan dua teknologi, tetapi teks di bawah ini adalah panggilan. Jika tidak, optimisme ini tidak akan terwujud.

Mengapa? Karena mengembangkan dan menjalankan model AI terbaik membutuhkan pengeluaran modal yang besar, perangkat keras canggih seringkali sulit didapat, dan membutuhkan R&D di area yang sangat spesifik. Crowdsourcing sumber daya ini, seperti yang dilakukan long proyek AI Web3, melalui insentif enkripsi tidak cukup untuk mengimbangi puluhan miliar dolar yang diinvestasikan oleh perusahaan besar yang mengendalikan pengembangan AI. Mengingat keterbatasan perangkat keras, ini mungkin paradigma perangkat lunak berskala besar pertama yang tidak dapat dipecahkan oleh Satoshi dan insinyur kreatif di luar organisasi yang ada.

Perangkat lunak "melahap dunia" pada tingkat yang terus meningkat, dan akan segera naik secara eksponensial dengan percepatan kecerdasan buatan. Dalam skenario saat ini, semua "kue" ini akan diberikan kepada raksasa teknologi, dan pengguna akhir, termasuk pemerintah dan perusahaan besar, lebih dibatasi oleh kekuatan mereka.

Insentif yang salah tempat

Semua ini terjadi pada waktu yang tidak tepat – 90% peserta Jaringan Desentralisasi sibuk mengejar "telur emas" dari hasil fiat mudah yang digerakkan oleh narasi.

Pengembang mengikuti investor di industri kami, bukan sebaliknya. Ini memanifestasikan dirinya dalam berbagai cara, mulai dari pengakuan publik hingga motivasi bawah sadar yang lebih halus, tetapi narasi dan pasar yang terbentuk di sekitar mereka mendorong keputusan long di Web3. Seperti halnya gelembung reflektif tradisional, peserta terlalu fokus pada dunia batin untuk memperhatikan dunia luar kecuali itu membantu untuk memajukan narasi siklus. Dan AI jelas merupakan narasi terbesar, karena itu dalam dirinya sendiri.

Kami telah berbicara dengan lusinan tim di persimpangan AI dan Aset Kripto, dan kami dapat mengonfirmasi bahwa banyak long dari mereka adalah pembangun yang sangat cakap, digerakkan oleh misi, dan bersemangat. Tetapi sifat manusia adalah apa adanya, dan ketika dihadapkan dengan godaan, kita cenderung menyerah pada mereka dan kemudian merasionalisasi pilihan-pilihan itu setelah fakta.

Jalan menuju likuiditas yang mudah telah menjadi kutukan sejarah bagi industri enkripsi - dan pada titik ini, ia telah menghentikan pengembangan dan adopsi yang layak untuk tahun-tahun terpanjang. Itu telah membuat bahkan orang percaya Aset Kripto yang paling setia pun berbalik ke arah "menarik Token". Alasan rasionalisasi adalah bahwa pembangun yang memegang Token mungkin memiliki peluang yang lebih baik.

Rendahnya kompleksitas modal institusional dan ritel memberikan kesempatan bagi pembangun untuk membuat klaim di luar kenyataan sementara juga mendapat manfaat dari penilaian seolah-olah klaim tersebut telah direalisasikan. Hasil dari proses-proses ini sebenarnya adalah bahaya moral dan penghancuran modal yang mengakar, dan beberapa strategi semacam itu berhasil dalam jangka long. Kebutuhan adalah ibu dari semua penemuan, dan ketika kebutuhan hilang, penemuan menghilang.

Waktu ini tidak mungkin lebih buruk. Sementara semua pengusaha teknologi Satoshi, aktor negara, dan bisnis besar dan kecil berlomba untuk mengamankan sepotong revolusi AI, pendiri dan investor Aset Kripto memilih "10x lebih cepat." Dan dalam pandangan kami, itulah biaya peluang nyata.

Ikhtisar lanskap AI Web3

Mengingat insentif yang disebutkan di atas, klasifikasi proyek AI Web3 sebenarnya dapat dibagi menjadi:

• Wajar (bisa juga dibagi lagi menjadi realis dan idealis)
• Semi-wajar *Dipalsukan

Pada dasarnya, kami percaya bahwa pembangun proyek harus memiliki gagasan yang jelas tentang bagaimana mereka dapat bersaing dengan pesaing Web2 mereka dan mengetahui area mana yang kompetitif dan mana yang delusi, meskipun area delusional tersebut dapat dipasarkan ke VC dan publik.

Tujuan kami adalah untuk dapat bersaing di sini dan sekarang. Jika tidak, kecepatan pengembangan AI dapat meninggalkan Web3, dan dunia akan melompat ke "Web4" antara AI perusahaan Barat dan AI nasional China. Mereka yang tidak dapat bersaing dalam waktu dan mengandalkan teknologi terdistribusi untuk mengejar ketinggalan selama periode waktu yang lebih lama terlalu optimis untuk dianggap serius.

Jelas, ini hanya generalisasi yang sangat kasar, dan bahkan di antara kelompok "palsu" setidaknya ada beberapa tim serius (dan mungkin lebih long hanya delusi). Tetapi artikel ini adalah daya tarik, jadi kami tidak bermaksud untuk bersikap objektif, melainkan untuk menarik pembaca agar memiliki rasa urgensi.

Wajar:

Pendiri solusi terpanjang yang mengembangkan middleware "AI on the chain" memahami bahwa saat ini tidak layak atau bahkan tidak mungkin untuk mendesentralisasikan pelatihan atau inferensi model (yaitu, teknologi mutakhir) yang benar-benar dibutuhkan pengguna.

Oleh karena itu, menemukan cara untuk menghubungkan model terpusat terbaik ke lingkungan on-chain sehingga dapat memperoleh manfaat dari otomatisasi yang kompleks adalah langkah pertama yang cukup baik bagi mereka. Saat ini, TEE yang terisolasi perangkat keras (prosesor "lebih pendek terisolasi") yang dapat menampung titik akses API, Mesin Oracle dua arah (on-chain pengindeksan dua arah dan data off-chain), dan arsitektur koprosesor yang menyediakan broker dengan lingkungan komputasi off-chain yang dapat diverifikasi tampaknya menjadi solusi terbaik saat ini.

Ada juga arsitektur koprosesor yang menggunakan zk-SNARKs (ZKP) untuk snapshot perubahan status (daripada memvalidasi perhitungan penuh), yang kami yakini juga layak di jangka menengah.

Untuk masalah yang sama, pendekatan yang lebih ideal adalah mencoba memvalidasi penalaran off-chain untuk menyelaraskannya dengan perhitungan on-chain dalam hal asumsi kepercayaan.

Kami percaya bahwa tujuannya adalah untuk memungkinkan AI melakukan tugas on-chain dan off-chain dalam lingkungan operasi terpadu. Namun, para pendukung verifikasi inferensi kerinduan besar berbicara tentang tujuan rumit seperti "bobot model kepercayaan" yang benar-benar menjadi relevan dalam beberapa tahun, jika ada. Baru-baru ini, para pendiri kamp ini telah mulai mengeksplorasi cara-cara alternatif untuk memverifikasi penalaran, tetapi pada awalnya semua didasarkan pada ZKP. Sementara tim long Satoshi sedang mengerjakan ZKML (Zero-Knowledge Machine Learning), mereka mengantisipasi bahwa kecepatan pengoptimalan enkripsi akan melebihi kompleksitas dan persyaratan komputasi model AI, mengambil terlalu banyak risiko. Oleh karena itu, kami percaya bahwa mereka tidak cocok untuk kompetisi saat ini. Namun, beberapa perkembangan terakhir menarik dan tidak boleh diabaikan.

** Semi-wajar: **

Aplikasi konsumen menggunakan pembungkus yang merangkum model sumber tertutup dan Sumber Terbuka (misalnya, Difusi Stabil atau Midjourney untuk pembuatan gambar). Beberapa tim ini adalah yang pertama memasuki pasar dan dikenali oleh pengguna sebenarnya. Jadi tidak adil untuk menyebut mereka pemalsu, tetapi hanya segelintir tim yang berpikir secara mendalam tentang bagaimana mengembangkan model dasar mereka dengan cara desentralisasi dan berinovasi dalam desain insentif. Di bagian Token, ada juga beberapa desain tata kelola / kepemilikan yang menarik. Namun, sebagian besar long dalam proyek semacam itu hanyalah Token di atas API OpenAI, yang sebaliknya terpusat, pesanan untuk mendapatkan premi penilaian atau membawa Likuiditas lebih cepat ke tim.

Masalah yang tidak dipecahkan oleh kamp-kamp di atas adalah pelatihan dan kesimpulan model besar di lingkungan yang Desentralisasi. Saat ini, tidak mungkin untuk melatih model dasar dalam jumlah waktu yang wajar tanpa bergantung pada cluster perangkat keras yang terhubung erat. Mengingat tingkat persaingan, "waktu yang wajar" adalah faktor kunci.

Ada beberapa penelitian menjanjikan baru-baru ini yang secara teoritis menunjukkan bahwa metode seperti "Aliran Data Diferensial" dapat diperluas ke jaringan komputasi terdistribusi di masa depan untuk meningkatkan kapasitas mereka (karena kemampuan jaringan mengejar persyaratan aliran data). Namun, pelatihan model kompetitif masih memerlukan komunikasi lokal antar kluster, daripada satu perangkat terdistribusi dan komputasi mutakhir (GPU ritel menjadi semakin tidak kompetitif).

Penelitian inferensi lokal dengan mengurangi ukuran model (salah satu dari dua pendekatan untuk Desentralisasi) juga telah membuat kemajuan baru-baru ini, tetapi tidak ada protokol yang ada untuk memanfaatkannya di Web3.

Masalah Pelatihan dan Inferensi Desentralisasi secara logis membawa kita ke yang terakhir dari tiga kubu, dan sejauh ini yang paling penting, dan karena itu yang paling dipicu secara emosional bagi kita.

Palsu:

Aplikasi infrastruktur terutama terkonsentrasi di bidang server terdesentralisasi, menyediakan perangkat keras telanjang atau lingkungan pelatihan / hosting model terdesentralisasi. Ada juga proyek infrastruktur perangkat lunak yang mendorong protokol seperti pembelajaran federasi (pelatihan model terdesentralisasi), atau yang menggabungkan komponen perangkat lunak dan perangkat keras ke dalam platform di mana orang pada dasarnya dapat melatih dan menyebarkan model desentralisasi mereka dari ujung ke ujung. Terpanjang dari mereka tidak memiliki kompleksitas yang diperlukan untuk benar-benar memecahkan masalah yang dijelaskan, dan gagasan naif tentang "Insentif Token + Peningkatan Pasar" berlaku di sini. Tak satu pun dari solusi yang kita lihat di pasar publik dan swasta dapat bersaing secara berarti di sini dan saat ini. Beberapa solusi dapat berkembang menjadi produk yang layak (tetapi niche), tetapi yang kita butuhkan sekarang adalah solusi yang segar dan kompetitif. Dan ini hanya dapat dicapai melalui desain inovatif yang mengatasi kemacetan komputasi terdistribusi. Dalam pelatihan, kecepatan tidak hanya menjadi masalah besar, tetapi juga verifikasi pekerjaan yang dilakukan dan koordinasi beban kerja pelatihan, yang menambah kemacetan bandwidth.

Kita membutuhkan seperangkat model dasar yang kompetitif dan benar-benar terdesentralisasi yang membutuhkan Desentralisasi pelatihan dan inferensi agar efektif. Kehilangan AI dapat sepenuhnya meniadakan semua yang telah dicapai oleh "komputer dunia desentralisasi" sejak munculnya Ethereum. Jika komputer menjadi kecerdasan buatan, dan kecerdasan buatan terpusat, maka tidak akan ada komputer dunia untuk dibicarakan kecuali beberapa versi distopia.

Pelatihan dan inferensi adalah inti dari inovasi AI. Sementara seluruh dunia AI bergerak menuju arsitektur yang lebih ketat, Web3 membutuhkan beberapa solusi ortogonal untuk bersaing dengannya, karena persaingan head-to-head menjadi kurang layak.

Skala masalah

Ini semua tentang perhitungan. Semakin banyak investasi long dalam pelatihan dan inferensi, semakin baik hasilnya. Ya, mungkin ada beberapa tweak dan optimasi di sini, mungkin juga ada beberapa tweak dan optimasi di sana, dan perhitungannya sendiri tidak homogen. Ada berbagai macam cara baru untuk mengatasi kemacetan unit pemrosesan arsitektur von Neumann tradisional, tetapi semuanya masih bermuara pada seberapa cepat Anda dapat go long dan seberapa cepat Anda dapat go long dan seberapa cepat Anda dapat mengalikan matriks pada blok memori besar terpanjang.

Itulah mengapa kami melihat apa yang disebut "hyperscalers" membangun begitu kuat di sisi pusat data, semua ingin membuat tumpukan penuh dengan model AI di bagian atas dan perangkat keras yang mendukungnya di bagian bawah: OpenAI (model) + Microsoft (komputasi), Anthropic (model) + AWS (komputasi), Google (keduanya) dan Meta (keduanya semakin long dengan menggandakan membangun pusat data mereka sendiri). Ada nuansa terpanjang, dinamika interaksi, dan pihak-pihak yang terlibat, tetapi kami tidak akan list semuanya. Secara keseluruhan, hyperscaler menginvestasikan miliaran dolar dalam pembangunan pusat data dan menciptakan sinergi antara komputasi dan produk AI mereka, yang diharapkan dapat menghasilkan manfaat yang signifikan karena AI menjadi lebih banyak digunakan dalam ekonomi global.

Mari kita lihat tingkat konstruksi yang diharapkan dari 4 perusahaan ini hanya tahun ini:

™ Jensen Huang, CEO NVIDIA ®, telah mengusulkan total $ 1 triliun dalam akselerasi AI selama beberapa tahun ke depan. Baru-baru ini, ia menggandakan perkiraan itu menjadi $ 20.000, diduga karena ia melihat minat dari perusahaan berdaulat.

Analis Altimeter memperkirakan pengeluaran pusat data terkait AI global masing-masing mencapai $160 miliar dan sekitar $200 miliar pada tahun 2024 dan 2025.

Sekarang, bandingkan angka-angka ini dengan insentif yang ditawarkan Web3 kepada operator pusat data independen untuk mendorong mereka menskalakan belanja modal mereka pada perangkat keras AI terbaru:

Saat ini, total kapitalisasi pasar dari semua proyek Desentralisasi Physical Infrastructure (DePIn) saat ini sekitar $ 40 miliar, terutama terdiri dari likuiditas yang relatif dan token spekulatif. Pada dasarnya, kapitalisasi pasar jaringan ini sama dengan perkiraan batas atas dari total belanja modal kontributor mereka, karena mereka memberi insentif pada konstruksi ini dengan token. Namun, kapitalisasi pasar saat ini tidak banyak berguna karena telah dikeluarkan.

Jadi mari kita asumsikan bahwa dalam 3-5 tahun ke depan, sebagai insentif, akan ada lagi $ 80 miliar (2x lebih berharga sekarang) dari modal Token DePIn swasta dan publik, dan asumsikan bahwa Token ini akan 100% digunakan untuk kasus penggunaan AI. Bahkan jika kita membagi perkiraan yang sangat kasar ini dengan 3 (tahun) dan membandingkan nilai dolarnya dengan nilai tunai hyperscaler yang berinvestasi hanya pada tahun 2024, menjadi jelas bahwa memaksakan insentif Token pada sekelompok proyek "Jaringan GPU Desentralisasi" tidak cukup.

Selain itu, miliaran dolar permintaan investor diperlukan untuk menyerap Token ini, karena operator jaringan ini menjual Token yang ditambang dalam jumlah besar untuk menutupi biaya modal dan biaya operasional yang signifikan. Lebih banyak long funding diperlukan untuk mendorong Token pump ini dan memberi insentif pada konstruksi yang diperluas untuk melampaui hyperscaler.

Namun, seseorang dengan pengetahuan mendalam tentang bagaimana server Web3 saat ini beroperasi mungkin berpendapat bahwa sebagian besar "infrastruktur fisik desentralisasi" sebenarnya berjalan di layanan cloud hyperscaler ini. Tentu saja, lonjakan permintaan GPU dan perangkat keras khusus AI lainnya mendorong pasokan yang lebih long, yang pada akhirnya akan membuat penyewaan atau pembelian cloud lebih murah. Setidaknya itulah yang diharapkan orang.

Tetapi penting juga untuk dipertimbangkan: Nvidia sekarang perlu memprioritaskan permintaan pelanggan untuk GPU generasi terbarunya. Nvidia juga mulai bersaing dengan penyedia komputasi awan terbesar di wilayahnya sendiri – menawarkan layanan platform AI kepada pelanggan perusahaan yang sudah terkunci di superkomputer ini. Ini pada akhirnya akan mendorongnya untuk membangun pusat datanya sendiri dari waktu ke waktu (pada dasarnya mengikis keuntungan menguntungkan yang sekarang mereka nikmati, jadi tidak mungkin) atau secara signifikan membatasi penjualan perangkat keras AI-nya ke penyedia cloud jaringan yang bekerja dengannya.

Selain itu, pesaing Nvidia, yang meluncurkan perangkat keras khusus AI tambahan, sebagian besar long menggunakan chip yang sama yang dibuat oleh TSMC dengan Nvidia. Akibatnya, pada dasarnya semua perusahaan perangkat keras AI saat ini bersaing untuk mendapatkan kapasitas produksi TSMC. TSMC juga perlu memprioritaskan pelanggan tertentu. Samsung dan berpotensi Intel (yang mencoba untuk kembali ke manufaktur chip state-of-the-art sesegera mungkin untuk memproduksi chip untuk perangkat kerasnya sendiri) mungkin dapat menyerap permintaan tambahan, tetapi TSMC saat ini memproduksi chip terkait AI terpanjang, dan penskalaan dan kalibrasi manufaktur chip mutakhir (3 dan 2nm) akan memakan waktu bertahun-tahun.

Akhirnya, karena pembatasan AS pada NVIDIA dan TSMC, China sebagian besar berada di luar jangkauan perangkat keras AI generasi terbaru. Tidak seperti Web3, perusahaan China sebenarnya memiliki model kompetitif mereka sendiri, terutama LLM dari perusahaan seperti Baidu dan Alibaba, yang membutuhkan sejumlah besar perangkat generasi sebelumnya untuk dijalankan.

Ketika pertempuran AI semakin intensif dan lebih diutamakan daripada bisnis cloud karena satu atau kombinasi dari alasan-alasan ini, hyperscaler adalah risiko non-material untuk membatasi akses eksternal ke perangkat keras AI mereka. Pada dasarnya, ini adalah situasi di mana mereka mengambil semua kapasitas cloud terkait AI untuk diri mereka sendiri dan tidak memberikannya kepada orang lain, sementara juga melahap semua perangkat keras terbaru. Akibatnya, perusahaan besar lainnya, termasuk negara-negara berdaulat, akan menuntut lebih banyak dari pasokan komputasi yang tersisa. Pada saat yang sama, GPU konsumen yang tersisa menjadi semakin tidak kompetitif.

Jelas, ini hanya kasus yang ekstrem, tetapi jika kemacetan perangkat keras berlanjut, para pemain besar akan mundur karena kemenangannya terlalu tinggi. Akibatnya, operator Desentralisasi seperti pusat data sekunder dan pemilik perangkat keras tingkat ritel (terhitung mayoritas terpanjang dari penyedia Web3 DePIn) ditinggalkan dari persaingan.

Sisi lain dari koin keras

Sementara para pendiri Aset Kripto masih tertidur, raksasa AI mengawasi Aset Kripto. Tekanan dan persaingan pemerintah dapat mendorong mereka untuk mengadopsi Aset Kripto untuk menghindari penutupan atau diatur secara ketat.

Pengunduran diri pendiri Stability AI baru-baru ini pada tahun pesanan untuk memulai "desentralisasi" perusahaannya adalah salah satu petunjuk publik paling awal. Dia sebelumnya telah membuat penampilan publik tanpa menyembunyikan bahwa dia berencana untuk meluncurkan Token setelah listing sukses perusahaan, yang dalam beberapa cara mengungkap motif sebenarnya di balik tindakan yang dimaksudkan.

Demikian pula, sementara Sam Altman tidak terlibat dalam pengoperasian proyek enkripsi Worldcoin, yang ia dirikan bersama, Token-nya tidak diragukan lagi diperdagangkan seperti agen untuk OpenAI. Apakah ada cara untuk menghubungkan proyek Token internet dengan proyek R&D AI, hanya waktu yang akan menjawab, tetapi tim Worldcoin juga tampaknya menyadari bahwa pasar sedang menguji hipotesis ini.

Bagi kami, sangat masuk akal bagi raksasa AI untuk menjelajahi jalur desentralisasi yang berbeda. Masalah yang kita lihat di sini lagi adalah bahwa Web3 belum menghasilkan solusi yang berarti. long "token tata kelola" hanyalah meme saat ini, dan sekarang hanya Token seperti BTC dan ETH yang secara eksplisit menghindari hubungan langsung antara pemegang aset dan pengembangan jaringan serta operasi mereka yang benar-benar Desentralisasi Token.

Insentif yang memperlambat perkembangan teknologi juga mempengaruhi pengembangan tata kelola enkripsi desain jaringan yang berbeda. Tim start-up hanya menempatkan "token tata kelola" pada produk mereka, berharap menemukan jalan baru dalam proses mendapatkan momentum, hanya untuk akhirnya berpuas diri di "teater tata kelola" di sekitar alokasi sumber daya.

Kesimpulan

Perlombaan AI sedang berlangsung, dan semua orang menganggapnya sangat serius. Kami tidak dapat menemukan celah dalam pemikiran raksasa teknologi besar tentang memperluas daya komputasi – lebih banyak komputasi long berarti AI yang lebih baik, dan AI yang lebih baik berarti biaya Drop, pendapatan baru, dan pangsa pasar. Bagi kami, ini berarti gelembung itu dibenarkan, tetapi semua pemalsu masih akan dihilangkan dalam perombakan yang tak terhindarkan di masa depan.

AI perusahaan besar yang terpusat mendominasi lapangan, dan startup mengalami kesulitan untuk mengikutinya. Ruang Web3, sementara long terlambat, juga bergabung dalam keributan. Imbalan pasar untuk proyek AI enkripsi terlalu menguntungkan dibandingkan dengan startup di ruang Web2, yang telah menyebabkan para pendiri mengalihkan fokus mereka dari pengiriman produk ke mendorong pump harga Token pada saat kritis yang ditutup dengan cepat. Hingga saat ini, belum ada inovasi yang mampu mengakali scaling computing secara pesanan bersaing.

Sekarang, ada gerakan Sumber Terbuka yang kredibel di sekitar model yang dihadapi konsumen, dan pada awalnya, hanya beberapa perusahaan terpusat yang memilih untuk bersaing memperebutkan pangsa pasar dengan pesaing sumber tertutup yang lebih besar seperti Meta dan Stability AI. Tapi sekarang, komunitas mengejar, memberi tekanan pada perusahaan AI utama. Tekanan ini akan terus mempengaruhi pengembangan sumber tertutup produk AI, tetapi tidak begitu banyak sampai produk Sumber Terbuka menyusul. Ini adalah peluang besar lainnya di ruang Web3, tetapi hanya jika itu memecahkan masalah pelatihan dan inferensi model terdesentralisasi.

Jadi, sementara di permukaan, peluang pengganggu "klasik" ada, kenyataannya jauh dari itu. AI adalah tentang komputasi, dan itu tidak akan mengubahnya tanpa inovasi terobosan dalam 3-5 tahun ke depan, yang merupakan waktu kritis untuk memutuskan siapa yang mengendalikan dan mengarahkan pengembangan AI.

Menghitung pasar itu sendiri, meskipun permintaan mendorong upaya sisi penawaran, juga tidak mungkin menjadi "seratus bunga mekar" karena persaingan di antara produsen dibatasi oleh faktor struktural seperti manufaktur chip dan skala ekonomi.

Kami tetap optimis tentang kecerdikan Satoshi kemanusiaan dan yakin bahwa ada cukup banyak orang long Satoshi dan mulia untuk mencoba memecahkan teka-teki AI dengan cara yang menguntungkan dunia bebas daripada kontrol perusahaan atau pemerintah dari atas ke bawah. Namun, peluang ini tampaknya sangat tipis dan paling-paling sulit koin dilemparkan, tetapi para pendiri Web3 sibuk melemparkan koin keras untuk menghasilkan keuntungan ekonomi alih-alih membuat dampak nyata pada dunia.