Публикация

Автор: @jonah_b, исследователь Blockchain Capital Перевод: Цзя Хуань, ChainCatcher Трудно не заметить поразительное сходство между нынешним ажиотажем вокруг AI и предыдущими волнами ажиотажа на крипторынке. Крипторынок отлично подходит для наблюдения за тем, как люди реагируют на крупные технологические волны: есть и положительные, и отрицательные, и самые неприятные стороны. Это связано с тем, что циклы крипторынка развиваются очень быстро, ранние проекты могут получить ликвидность через токены, которую сложно найти на других рынках, а поведение рынка по умолчанию является открытым, поскольку данные блокчейна изначально общедоступны. Мы многому научились на этом рынке, и эти уроки применимы и к AI. Если вы инвестируете в AI, эта статья для вас. Лотерейные ставки Огромный успех вызывает подражание и порождает FOMO. Как только в каком-то классе активов появляется крупный победитель, меняющий эпоху, инвесторы устремляются туда, пытаясь повторить его успех. Но проекты второго эшелона редко достигают высот первых, многие из них в итоге оказываются воздушными замками, и значительные средства оказываются потеряны. Биткоин стал активом с капитализацией в триллионы долларов. Затем Ethereum достиг капитализации в сотни миллиардов, Solana — в десятки миллиардов, что доказывает, что в этом рынке может появиться не один крупный победитель. Вслед за этим началась волна инвестиций в новые блокчейны. Венчурные фонды рассматривали эти проекты как лотерейные билеты: достаточно угадать с одним, чтобы заработать в несколько раз больше, чем размер фонда. Сегодня оценки многих новых AI-лабораторий тоже основаны на лотерейных ожиданиях. OpenAI и Anthropic движутся к оценке в триллионы долларов. Формула проста: сначала появляется рынок с огромным спросом, затем — доказавший успех поздний игрок. Каждый новый участник воспринимается как следующий выигрышный лотерейный билет. Раньше многие проекты L1 получали оценки в миллиарды долларов почти только на основе white paper и команды основателей. Их истории были заманчивы: А что если вся мировая экономика будет работать на нашей цепочке? Аналогично, новые AI-лаборатории собирают миллиарды долларов, опираясь на исследовательские концепции и команды основателей, привлечённых из OpenAI, Anthropic или Google DeepMind. А что если им действительно удастся создать «машину Бога»? Однако зачастую эти инвестиции — это ставка на появление следующего покупателя, готового заплатить ещё больше. Многие ранние инвесторы не обязательно оценивают текущие основы и перспективы компании. Они знают, что приход звёздного таланта или крупное партнёрство с облачным гигантом может поднять оценку компании на новый уровень. А учитывая растущую ликвидность вторичного рынка, они предполагают, что следующий покупатель обязательно найдётся. Рыночный хаос Как сказал BCAP GP @CremeDeLaCrypto в программе Bankless, когда в рынок вливается много денег, всегда появляются «толпы спекулянтов и мошенников, гоняющихся за быстрой прибылью и бегущих туда, где сейчас горячо». За последние десять лет криптоинвесторы неоднократно наблюдали такие явления: проекты, заявляющие «токен — это продукт», продвигаются на рынок с помощью сомнительных маркет-мейкинговых схем, крайне неблагоприятных для инвесторов структур с высоким FDV и низкой ликвидностью, невыгодных для инвесторов SAFT-соглашений и множества других рыночных трюков. Сегодня в AI-индустрии происходит нечто похожее. Например, структуры с тремя уровнями SPV и абсурдно высокими комиссиями... Однако есть ключевое отличие: в крипторынке цены открыты, токены торгуются публично. Цены и оценки AI-компаний формируются на непрозрачных, с ограниченной ликвидностью вторичных рынках. Даже не учитывая спекуляции, инвесторы в AI могут видеть на крипторынке, что изменения в структуре рынка определяют, кто в итоге получает прибыль. Например, то, на что сейчас делают крупные ставки AI-инвесторы, может в итоге превратиться в стандартизированный товар. Пример крипторынка: блок-пространство становится товаром Раньше блок-пространство было дефицитным и дорогим, капитал устремился туда, пытаясь увеличить предложение. Но отрасль зашла слишком далеко: появилось всё больше L1-блокчейнов, Ethereum добавил L2. В итоге блок-пространство перестало быть дефицитным, стало избыточным. Это хорошо для технологического развития, но не обязательно для инвесторов. До сих пор доходы многих альтернативных L1 остаются очень ограниченными. Рынок изначально ставил на теорию «толстого протокола», но в итоге победила теория «толстого приложения». С удешевлением блок-пространства пользователи стали меньше платить за инфраструктуру и больше — за приложения. Проекты уровня приложений, такие как Tether, Hyperliquid, Aave, Polymarket, забирают основную часть доходов. Пример AI: модели могут стать товаром AI, возможно, повторяет ранние этапы крипторынка. Китайские AI-лаборатории всё чаще публикуют веса моделей. Я объяснял мотивацию за этим. Если веса моделей станут стандартизированным товаром, а цены на модели продолжат падать, ценность сместится вверх и вниз по технологическому стеку. Основными бенефициарами станут приложения: если предельные издержки использования модели приблизятся к предельным издержкам её запуска, приложения перестанут платить высокую прибыль за уровень моделей. OpenAI и Anthropic не так сильно пострадают от этого, поскольку у них уже есть база пользователей, корпоративные клиенты и каналы распространения для разработчиков. Но они — исключение. В этом смысле они больше похожи на Hyperliquid в AI, а не просто на L1, предоставляющих инфраструктуру. Иными словами, OpenAI и Anthropic уже вертикально интегрированы. Другим AI-лабораториям, не имеющим прямого доступа к конечным пользователям, будет сложнее. Ещё один эффект снижения маржинальной прибыли моделей — возможность для нижних уровней технологического стека, таких как энергия и оборудование, получить более высокую маржу. Особенно это заметно при ограничениях физического предложения вычислительных мощностей. Проще говоря, аппаратный и прикладной уровни могут получить большую часть прибыли, а уровень моделей — меньше. Но значительные инвестиции направлены именно в уровень моделей. Всё это не ново В более широком цикле это не удивительно. Карлота Перес в книге «Технологическая революция и финансовый капитал» описывает несколько этапов таких технологических революций: период инфраструктуры, период ажиотажа, крах и период внедрения. Финансовый капитал в период ажиотажа чрезмерно инвестирует в инфраструктуру, но эта избыточно построенная и ныне дешевая инфраструктура поддерживает развитие следующего поколения приложений. Это помогает объяснить, почему на крипторынке произошло избыточное строительство блок-пространства. Расширение моделей в AI может стать следующим таким случаем. Инвестирование в новые AI-лаборатории предполагает веру в то, что их исследования принесут огромную отдачу. История крипторынка и альтернативных L1, по крайней мере, должна заставить нас усомниться в этом предположении. Конечно, если появится AGI, все эти оценки могут оказаться неверными. Мы совершенно не знаем, как изменится экономика после появления AGI.