Blockchain Capital: Lehren aus dem Kryptomarkt, die KI-Investoren erneut prüfen sollten

Autor: @jonah_b, Researcher bei Blockchain Capital

Zusammengestellt von: Jiahua, ChainCatcher

Es ist schwer, die auffälligen Ähnlichkeiten zwischen der aktuellen KI-Euphorie und früheren Wellen der Begeisterung auf dem Kryptowährungsmarkt zu übersehen.

Der Kryptowährungsmarkt ist ein geeigneter Ort, um zu beobachten, wie Menschen angesichts einer bedeutenden technologischen Welle handeln: Es gibt positive Aspekte, negative Aspekte und die unerträglichsten Aspekte. Dies liegt daran, dass die Zyklen auf dem Kryptowährungsmarkt schnell voranschreiten, sodass frühe Projekte Liquidität erlangen können, die andere Märkte nur schwer bereitstellen können, und das Marktverhalten standardmäßig öffentlich zugänglich ist, da Blockchain-Daten von Natur aus offen sind.

Wir haben aus diesem Markt viel gelernt, und diese Erfahrungen sind gleichermaßen auf KI anwendbar. Wenn Sie in KI investieren, ist dieser Artikel für Sie.

Lotterieartiges Wetten

Riesige Erfolge lösen Herdenverhalten aus und erzeugen FOMO. Sobald eine Anlageklasse einen bahnbrechenden Gewinner hervorbringt, strömen Investoren herbei und versuchen, dessen Erfolgsweg zu replizieren. Die zweite Welle von Projekten erreicht jedoch selten die Höhen der ersten Welle, und viele Projekte erweisen sich letztlich als Luftschlösser, was zu erheblichen Kapitalverlusten führt.

Bitcoin wurde zu einem Billionen-Dollar-Asset. Anschließend wurde Ethereum zu einem Hundert-Milliarden-Dollar-Asset, und auch Solana wurde zu einem Multi-Milliarden-Dollar-Asset, was beweist, dass dieser Markt mehr als einen riesigen Gewinner hervorbringen kann.

So entstand der Hype um Investitionen in neue öffentliche Blockchains. Risikokapitalfirmen behandelten diese Projekte wie Lottoscheine; ein einziger Treffer konnte ein Vielfaches der gesamten Fondsgröße einbringen.

Heute basieren auch die Bewertungen vieler aufstrebender KI-Labore auf lotterieartigen Erwartungen.

OpenAI und Anthropic bewegen sich beide auf Billionen-Dollar-Bewertungen zu. Die Formel dahinter ist einfach: Zuerst gibt es einen äußerst beliebten Markt, dann entsteht ein nachweislich erfolgreicher Nachahmer. So wird jeder neue Marktteilnehmer als der nächste Lottoschein zum Reichtum angesehen.

In der Vergangenheit erreichten viele Layer-1-Projekte Bewertungen in Milliardenhöhe, fast ausschließlich auf der Grundlage eines Whitepapers und eines Gründerteams. Die Geschichten, die sie erzählten, waren ebenfalls sehr verlockend:

Was wäre, wenn die Weltwirtschaft auf unserer Chain laufen würde?

Ähnlich haben aufstrebende KI-Labore Milliarden eingesammelt, basierend auf einer Reihe von Forschungsideen und Gründerteams, die von OpenAI, Anthropic oder Google DeepMind abgeworben wurden.

Was wäre, wenn sie wirklich den „Gott der Maschinen“ erschaffen könnten?

Doch oft ist diese Investition lediglich eine Wette darauf, dass ein nächster Käufer zu einem höheren Preis auftaucht.

Viele frühe Investoren bewerten nicht unbedingt die aktuellen Fundamentaldaten und Zukunftsaussichten des Unternehmens. Sie wissen, dass die Aufnahme eines Star-Talents oder eine Partnerschaft mit einem riesigen Cloud-Anbieter Investoren anziehen könnte, um die Bewertung des Unternehmens erneut in die Höhe zu treiben. In Verbindung mit der zunehmenden Liquidität auf dem Sekundärmarkt gehen sie davon aus, dass der nächste Käufer immer auftauchen wird.

Marktchaos

Wie BCAP GP @CremeDeLaCrypto in der Sendung Bankless erwähnte, wird es, wenn große Kapitalmengen in den Markt fließen, immer „eine Gruppe von Spekulanten und Betrügern geben, die dem schnellen Geld hinterherjagen und dorthin eilen, wo es heiß ist.“

Seit über einem Jahrzehnt erleben Kryptowährungsinvestoren dieses Phänomen aus erster Hand: Charge um Charge von Projekten, die behaupten, „Token sind das Produkt“, wurden unter fragwürdigen Market-Making-Praktiken, anlegerunfreundlichen Strukturen mit hoher FDV und geringem Umlauf, ungünstigen SAFT-Vereinbarungen und einer Vielzahl anderer Markttricks auf den Markt gebracht.

Nun spielt sich in der KI-Branche ein ähnliches Szenario ab. Zum Beispiel jene Strukturen, die aus drei Ebenen von SPVs bestehen und exorbitante Gebühren verlangen…

Es gibt jedoch einen entscheidenden Unterschied zwischen beiden: Auf dem Kryptowährungsmarkt sind die Preise öffentlich, und Token können offen gehandelt werden. Die Preise und Bewertungen von KI-Unternehmen bilden sich in intransparenten, illiquiden Sekundärmärkten.

Selbst ohne über spekulatives Verhalten zu sprechen, können KI-Investoren am Kryptowährungsmarkt erkennen, dass Veränderungen in der Marktstruktur bestimmen werden, wohin die Gewinne letztlich fließen.

Beispielsweise könnten die hohen Einsätze, die KI-Investoren jetzt platzieren, letztlich zu einer standardisierten Ware werden.

Fall aus dem Kryptowährungsmarkt: Block Space wurde zur Ware

Block Space war einst knapp und teuer, was dazu führte, dass Kapital einströmte und versuchte, das Angebot auszuweiten.

Die Branche trieb es dann jedoch etwas zu weit: Immer mehr Layer-1-Chains wurden gestartet, und Ethereum fügte ebenfalls Layer 2 hinzu. Letztlich wandelte sich Block Space von Knappheit zu Überfluss, ja sogar Überschuss.

Das ist gut für die technologische Entwicklung, aber nicht unbedingt für Investoren. Heute erzielen viele alternative Layer-1s immer noch sehr begrenzte Einnahmen.

Der frühe Markt wettete im Allgemeinen auf die „Fat Protocol“-Theorie, doch letztlich setzte sich die „Fat Application“-Theorie durch.

Als Block Space billiger wurde, zahlten die Nutzer weniger für die zugrunde liegende Infrastruktur, während sie mehr für Anwendungen auf oberer Ebene ausgaben. Anwendungen wie Tether, Hyperliquid, Aave und Polymarket sicherten sich letztlich den Großteil der Einnahmen.

Fall aus der KI: Modelle könnten zur Ware werden

Die KI könnte die frühen Erfahrungen des Kryptowährungsmarktes wiederholen.

Chinesische KI-Labore machen kontinuierlich immer leistungsfähigere Modellgewichte öffentlich. Ich habe eine Erklärung zu den Anreizen dahinter geliefert.

Wenn Modellgewichte zu standardisierten Waren werden und die Modellpreise weiter sinken, wird sich der Wert nach oben und unten im Tech-Stack verlagern.

Anwendungen werden die Hauptnutznießer sein: Wenn die Grenzkosten für die Nutzung von Modellen allmählich die Grenzkosten für den Betrieb von Modellen erreichen, müssen Anwendungen keine hohen Gewinne mehr auf der Modellebene zahlen.

OpenAI und Anthropic sind von dieser Veränderung möglicherweise nicht direkt betroffen, da sie bereits über Nutzerbasis, Unternehmenskundenbeziehungen und Vertriebskanäle für Entwickler verfügen. Aber sie sind Ausnahmen.

In diesem Sinne sind sie eher das Hyperliquid des KI-Bereichs, als dass sie lediglich zugrunde liegende Infrastruktur wie Layer 1 bereitstellen.

Mit anderen Worten: OpenAI und Anthropic haben eine vertikale Integration erreicht. Andere KI-Labore, die Endnutzer nicht direkt erreichen können, könnten sich in einer schwierigeren Lage befinden.

Ein weiteres Ergebnis sinkender Modellgewinnmargen ist, dass Energie und Hardware am unteren Ende des Tech-Stacks die Möglichkeit haben, höhere Gewinnmargen zu erzielen. Insbesondere wenn das Angebot an Rechenleistung durch physische Bedingungen eingeschränkt ist, könnte sich dieser Trend verstärken.

Kurz gesagt: Die Hardware-Ebene und die Anwendungsebene könnten mehr Gewinne abschöpfen, während die Modellebene unter Druck gerät. Doch ein erheblicher Teil des Investitionskapitals fließt genau in die Modellebene.

Nichts davon ist neu

Aus einer breiteren zyklischen Perspektive ist dies eigentlich nicht überraschend.

Carlota Perez argumentiert in „Technological Revolutions and Financial Capital“, dass solche technologischen Revolutionen mehrere Phasen durchlaufen: Phase der Infrastrukturbereitstellung, Phase des Rausches, Phase des Crashs und Phase der Bereitstellung.

Finanzkapital neigt dazu, während der Rauschphase übermäßig in Infrastruktur zu investieren, aber diese überbauten Infrastrukturen, die nun niedrig bepreist sind, werden die Entwicklung der nächsten Generation von Anwendungen unterstützen.

Dies hilft zu erklären, warum es auf dem Kryptowährungsmarkt zu einem Überbau an Block Space kam. Die Ausweitung der Modelle im KI-Bereich könnte der nächste Fall werden.

In aufstrebende KI-Labore zu investieren, erfordert den Glauben, dass sie enorme Renditen auf F&E-Investitionen erzielen können. Die Geschichte des Kryptowährungsmarktes und alternativer Layer-1s sollte uns diese Annahme zumindest in Frage stellen lassen.

Wenn AGI entsteht, könnten die obigen Einschätzungen natürlich nicht zutreffen. Denn wir haben keine Ahnung, wie die Wirtschaft nach der Ankunft von AGI aussehen wird.