區塊鏈資本：從加密市場學到的教訓，AI 投資人應重新審視

作者：@jonah_b，區塊鏈資本研究員

編譯：Jiahua，ChainCatcher

很難不注意到當前 AI 狂熱與加密貨幣市場先前幾波熱潮之間的驚人相似之處。

加密貨幣市場是觀察人們面對重大科技浪潮時行為的合適場所：有正面、負面，以及最令人難以忍受的面向。這是因為加密貨幣市場的週期推進迅速，讓早期專案能獲得其他市場難以提供的流動性，且市場行為預設公開，因為區塊鏈數據本質上是開放的。

我們從這個市場學到很多，而這些經驗同樣適用於 AI。如果你正在投資 AI，這篇文章是為你而寫。

樂透式押注

巨大的成功會引發跟風行為並製造 FOMO。一旦某類資產出現改變遊戲規則的贏家，投資人便蜂擁而入，試圖複製其成功路徑。然而，第二波專案很少能達到第一波的高度，許多專案最終淪為空中樓閣，造成大量資本損失。

比特幣成為兆美元資產。隨後，以太坊成為千億美元資產，Solana 也成為數百億美元資產，證明這個市場能產出不只一個巨型贏家。

於是，投資新公鏈的狂熱興起。創投機構將這些專案視為樂透彩券；只要押中一個，就能獲得整個基金規模數倍的回報。

如今，許多新興 AI 實驗室的估值同樣建立在樂透式預期之上。

OpenAI 和 Anthropic 都正朝兆美元估值邁進。背後的公式很簡單：先有一個極度熱門的市場，然後出現一個被驗證的成功追隨者。於是，每個新進者都被視為下一張通往財富的樂透彩券。

過去，許多 Layer 1 專案幾乎僅憑一份白皮書和創始團隊就達到數十億美元估值。他們講述的故事也非常誘人：

如果全球經濟在我們的鏈上運行會怎樣？

同樣地，新興 AI 實驗室憑藉一系列研究構想和從 OpenAI、Anthropic 或 Google DeepMind 挖來的創始團隊，籌集了數十億美元。

如果他們真的能創造出「機器之神」呢？

然而，很多時候，這種投資只是在賭下一個出價更高的買家會出現。

許多早期投資人未必在評估公司當前的基本面和未來前景。他們知道，一位明星人才的加入或與大型雲端供應商的合作，就能吸引投資人再次推高公司估值。再加上次級市場流動性不斷增加，他們假設下一個買家總會出現。

市場混亂

正如 BCAP GP @CremeDeLaCrypto 在 Bankless 節目中所說，當大量資本流入市場時，總會有「一群追逐快錢的投機者和騙子，哪裡熱門就往哪裡衝」。

十多年來，加密貨幣投資人親眼見證了這一現象：一批又一批聲稱「代幣即產品」的專案，在可疑的造市手法、對投資人不友善的高 FDV/低流通結構、不利的 SAFT 協議，以及眾多其他市場伎倆下被推向市場。

如今，AI 產業正在上演類似戲碼。例如，那些由三層 SPV 組成、收取高昂費用的結構……

然而，兩者之間有一個關鍵差異：在加密貨幣市場，價格是公開的，代幣可以公開交易。而 AI 公司的價格和估值是在不透明、缺乏流動性的次級市場中形成的。

即使不討論投機行為，AI 投資人也能從加密貨幣市場看到，市場結構的變化將決定利潤最終流向何處。

例如，AI 投資人現在下的重注，最終可能淪為標準化商品。

加密貨幣市場案例：區塊空間淪為商品

區塊空間曾經稀缺且昂貴，導致資本湧入，試圖擴大供給。

然而，產業後來有點過頭了：越來越多的 Layer 1 鏈上線，以太坊也增加了 Layer 2。最終，區塊空間從稀缺轉為充裕，甚至過剩。

這對技術發展是好事，但對投資人未必如此。如今，許多替代性 Layer 1 產生的營收仍然非常有限。

早期市場普遍押注「胖協議」理論，但最終「胖應用」理論勝出。

隨著區塊空間變便宜，用戶為底層基礎設施支付的費用減少，而花在上層應用的支出增加。Tether、Hyperliquid、Aave 和 Polymarket 等應用最終擷取了大部分營收。

AI 案例：模型可能淪為商品

AI 可能正在重演加密貨幣市場的早期經歷。

中國 AI 實驗室持續公開越來越強大的模型權重。我已經就背後的誘因提供了解釋。

如果模型權重成為標準化商品，且模型價格持續下跌，價值將轉移到科技堆疊的上游和下游。

應用程式將成為主要受益者：如果使用模型的邊際成本逐漸接近運行模型的邊際成本，應用程式就不必再向模型層支付高額利潤。

OpenAI 和 Anthropic 可能不會直接受到此變化的影響，因為它們已經擁有用戶基礎、企業客戶關係，以及面向開發者的分銷管道。但它們是例外。

從這個意義上說，它們更像是 AI 領域的 Hyperliquid，而不只是像 Layer 1 那樣提供底層基礎設施。

換句話說，OpenAI 和 Anthropic 已實現垂直整合。其他無法直接觸及終端用戶的 AI 實驗室，可能會陷入更艱難的處境。

模型利潤率下滑的另一個結果是，科技堆疊底層的能源和硬體有機會獲得更高的利潤率。尤其是在運算力供給受到物理條件限制時，此趨勢可能更加明顯。

簡言之，硬體層和應用層可能拿走更多利潤，而模型層將受到擠壓。然而，大量投資資本卻正流入模型層。

這一切都不新鮮

從更廣泛的週期視角來看，這其實並不令人意外。

卡洛塔·佩蕾絲在《技術革命與金融資本》中主張，這類科技革命會經歷幾個階段：基礎設施鋪設期、狂熱期、崩盤期和部署期。

金融資本傾向在狂熱期過度投資基礎設施，但這些過度建設、如今價格低廉的基礎設施，將支持下一代應用的發展。

這有助於解釋為何加密貨幣市場出現區塊空間的過度建設。AI 領域的模型擴張可能成為下一個案例。

投資新興 AI 實驗室需要相信它們能從研發投資中獲得巨額回報。加密貨幣市場和替代性 Layer 1 的歷史，至少應該讓我們質疑這個假設。

當然，如果 AGI 出現，上述判斷可能不成立。因為我們完全不知道 AGI 到來後的經濟會是什麼樣子。