Aclarar la relación de colaboración entre los protocolos de arriba y abajo
A través del análisis de la arquitectura tecnológica, la posición funcional y los casos de uso reales, divido todo el ecosistema en: capa de infraestructura, capa de middleware, capa de modelo, capa de aplicación, y reviso sus relaciones de dependencia:
1、Capa de infraestructura
La capa de infraestructura proporciona recursos descentralizados subyacentes (potencia de cálculo, almacenamiento, L1), con protocolos de potencia de cálculo como Render, Akash, io.net, etc.; protocolos de almacenamiento como Arweave, Filecoin, Storj, etc.; L1 como NEAR, Olas, Fetch.ai, etc.
El protocolo de capa de potencia computacional soporta el entrenamiento, inferencia y ejecución de marcos; el protocolo de almacenamiento guarda los datos de entrenamiento, los parámetros del modelo y los registros de interacción en la cadena; L1 optimiza la eficiencia de la transmisión de datos y reduce la latencia a través de nodos especializados.
2、Capa de middleware
La capa de middleware es un puente entre la infraestructura subyacente y las aplicaciones de nivel superior, proporcionando herramientas de desarrollo de marcos, servicios de datos y protección de la privacidad. Entre los protocolos de marcado de datos se incluyen: Grass, Masa, Vana; protocolos de marcos de desarrollo incluyen: Eliza, ARC, Swarms; protocolos de cálculo de privacidad incluyen: Phala, etc.
La capa de servicios de datos proporciona combustible para el entrenamiento del modelo, el marco de desarrollo depende de la potencia de cálculo y el almacenamiento de la capa de infraestructura, y la capa de cálculo de privacidad protege la seguridad de los datos durante el entrenamiento / inferencia.
3、Capa del modelo
El nivel del modelo se utiliza para el desarrollo, entrenamiento y distribución de modelos, con la plataforma de entrenamiento de modelos de código abierto: Bittensor.
El nivel del modelo depende de la potencia informática de la capa de infraestructura y de los datos de la capa intermedia; el modelo se implementa en la cadena a través del marco de desarrollo; el mercado del modelo lleva los resultados del entrenamiento a la capa de la aplicación.
4、Capa de aplicación
La capa de aplicación es un producto de IA orientado al usuario final, que incluye agentes como: GOAT, AIXBT, etc.; El protocolo DeFAI incluye: Griffain, Buzz, etc.
Llamar al modelo preentrenado de la capa de modelo desde la capa de aplicación; cálculo de privacidad dependiente de la capa de middleware; las aplicaciones complejas necesitan la potencia informática en tiempo real de la capa de infraestructura.
En segundo lugar, tiene un impacto negativo en la potencia informática descentralizada
Según una encuesta de muestra, aproximadamente el 70% de los proyectos de IA Web3 en realidad utilizan OpenAI o plataformas de nube centralizadas, solo el 15% de los proyectos utilizan GPU descentralizadas (como el modelo de subred de Bittensor), y el resto es una arquitectura mixta (procesamiento local de datos sensibles, tareas generales en la nube).
La tasa de utilización real del protocolo de potencia de cálculo descentralizado es mucho menor de lo esperado, y no coincide con su valor de mercado real. Hay tres razones para la baja tasa de utilización: los desarrolladores de Web2 que se trasladan a Web3 siguen utilizando las herramientas existentes; las plataformas descentralizadas de GPU aún no han logrado ventajas de precio; algunos proyectos utilizan el término 'descentralizado' para evitar la revisión de cumplimiento de datos, y la potencia de cálculo real sigue dependiendo de la nube centralizada.
AWS/GCP domina más del 90% del mercado de potencia informática de IA, mientras que la potencia equivalente de Akash representa solo el 0,2% de la de AWS. Las ventajas del castillo de agua de las plataformas de nube centralizadas incluyen: gestión de clústeres, redes de alta velocidad RDMA, escalabilidad elástica; las plataformas de nube descentralizadas tienen versiones mejoradas de web3 de estas tecnologías, pero las deficiencias insuperables incluyen problemas de latencia: la latencia de comunicación entre nodos distribuidos es 6 veces mayor que la de la nube centralizada; la fragmentación de la cadena de herramientas: PyTorch/TensorFlow no admiten nativamente la programación descentralizada.
DeepSeek reduce el consumo de energía en un 50% a través del entrenamiento disperso (Sparse Training), y poda dinámica de modelos para entrenar modelos con cientos de miles de millones de parámetros en GPU de consumo. Se espera una fuerte disminución en la demanda de GPU de gama alta a corto plazo en el mercado, y el potencial del mercado de la informática en el borde se ha revaluado. Antes de la aparición de DeepSeek, la gran mayoría de los protocolos y aplicaciones en la industria se basaban en plataformas como AWS, y solo unos pocos casos de uso se desplegaban en redes descentralizadas de GPU, que valoraban la ventaja de precios de estas últimas en términos de consumo de energía y no prestaban atención a los efectos de latencia, como se muestra en la imagen.
Esta situación podría empeorar aún más con la aparición de DeepSeek. DeepSeek libera las restricciones de los desarrolladores de cola larga, y los modelos de razonamiento de bajo costo y alta eficiencia se difundirán a una velocidad sin precedentes. De hecho, en la actualidad, tanto las plataformas en la nube centralizadas como muchos países ya han comenzado a implementar DeepSeek. La drástica reducción de los costos de razonamiento generará una gran cantidad de aplicaciones frontales que demandarán una gran cantidad de GPU de consumo. Ante el inminente gran mercado, las plataformas en la nube centralizadas llevarán a cabo una nueva batalla por los usuarios, compitiendo no solo con las principales plataformas, sino también con innumerables plataformas en la nube centralizadas más pequeñas. La forma más directa de competencia es reducir los precios, y es previsible que el precio de 4090 en las plataformas centralizadas experimente un descenso, lo que podría ser un desastre para las plataformas de potencia informática de Web3. Cuando el precio ya no es el único foso protector de estas últimas, y los actores del sector se ven obligados a reducir los precios, el resultado es algo que io.net, Render, Akash, etc., no podrán soportar. La guerra de precios destruirá el límite superior de valoración que les queda a estas últimas, y la espiral de muerte causada por la disminución de los ingresos y la pérdida de usuarios puede llevar a los protocolos de potencia informática descentralizada a una nueva dirección.
Tres, el significado de los acuerdos aguas arriba y aguas abajo
Como se muestra en la imagen, creo que DeepSeek tendrá diferentes impactos en la capa de infraestructura, la capa de modelo y la capa de aplicación. En términos de impacto positivo:
La capa de aplicación se beneficiará de una gran reducción en el costo de razonamiento, lo que permitirá que más aplicaciones garanticen la permanencia en línea de la aplicación del Agente a bajo costo y completen tareas en tiempo real;
Al mismo tiempo, el modelo de bajo costo como DeepSeek puede permitir que los protocolos DeFAI se compongan en SWARM más complejos, con miles de agentes utilizados para un caso de uso, y el trabajo de cada agente será muy detallado y específico, lo que puede mejorar significativamente la experiencia del usuario y evitar que la entrada del usuario sea descompuesta y ejecutada erróneamente por el modelo.
Los desarrolladores de la capa de aplicación pueden ajustar los modelos, alimentar precios a las aplicaciones de IA relacionadas con DeFi, datos y análisis en cadena, datos de gobernanza de protocolo, sin tener que pagar costosos honorarios de licencia.
Después del nacimiento de DeepSeek, se demostró la existencia de un significado en la capa de modelos de código abierto, y los modelos de gama alta se abren a los desarrolladores de largo alcance, lo que puede estimular una amplia ola de desarrollo;
En los últimos tres años, el muro de potencia de cálculo construido en torno a GPU de gama alta ha sido completamente derribado, lo que brinda a los desarrolladores más opciones y establece la dirección de modelos más abiertos. En el futuro, la competencia de modelos de IA no se centrará en la potencia de cálculo, sino en los algoritmos. El cambio de enfoque se convertirá en la piedra angular de la confianza de los desarrolladores de modelos abiertos.
Las subredes específicas de DeepSeek están surgiendo constantemente, los parámetros del modelo aumentarán con la misma potencia de cálculo, y más desarrolladores se unirán a la comunidad de código abierto.
En términos de impacto negativo:
La infraestructura del protocolo de potencia de cálculo en el centro de datos tiene retrasos objetivos que no se pueden optimizar;
La red híbrida compuesta por A100 y 4090 requiere un mayor nivel de coordinación algorítmica, lo cual no es una ventaja para la plataforma descentralizada.
Romper la burbuja de Agent, DeFAI da a luz a una nueva era
El agente es la última esperanza de la IA en la industria. La aparición de DeepSeek ha liberado las limitaciones de la potencia de cálculo y ha delineado las expectativas futuras de explosión de aplicaciones. Esto debería haber sido una gran ventaja para la pista del agente, pero debido a la fuerte relación con la industria, las acciones estadounidenses y la política de la Reserva Federal, se ha pinchado la burbuja restante y el valor de mercado de la pista ha caído al fondo del valle.
En la ola de integración de la inteligencia artificial con la industria, los avances tecnológicos y la lucha por el mercado siempre van de la mano. La volatilidad del valor de mercado de NVIDIA ha desencadenado una reacción en cadena, como un espejo que revela los profundos problemas narrativos de la inteligencia artificial en la industria: desde el agente en cadena hasta el motor DeFAI, bajo la aparentemente completa ecología, se ocultan una débil infraestructura tecnológica, una lógica de valor vacía y una cruel realidad dominada por el capital. La próspera ecología en cadena oculta enfermedades ocultas: numerosos tokens con alto valor de capitalización de mercado compiten por una liquidez limitada, activos antiguos se aferran a la emoción de miedo a perderse (FOMO), y los desarrolladores se consumen en una competencia PVP, agotando su potencial innovador. Cuando el crecimiento de los fondos y de los usuarios alcanza un límite, toda la industria cae en la 'encrucijada del innovador', deseando tanto una narrativa disruptiva como liberarse de las cadenas de la dependencia del camino. Este estado de ruptura proporciona una oportunidad histórica para el agente de inteligencia artificial: no solo es una actualización del conjunto de herramientas tecnológicas, sino también una reestructuración del paradigma de creación de valor.
Durante el último año, cada vez más equipos de la industria han descubierto que el modelo tradicional de financiación está fallando: la estrategia de dar pequeñas participaciones a los VC, controlar en gran medida y depender de la manipulación en los intercambios ya no es sostenible. Con la restricción de fondos por parte de los VC, la negativa de los inversores minoristas a comprar acciones y el aumento del umbral para que los intercambios listeen monedas, surge un nuevo enfoque más adecuado para el mercado bajista: la colaboración entre KOL líderes y un pequeño número de VC, el lanzamiento masivo en la comunidad y el inicio en frío con una baja capitalización de mercado.
Los innovadores representados por Soon y Pump Fun están abriendo nuevos caminos a través del 'lanzamiento comunitario' - respaldado por los principales KOL, distribuyendo directamente entre el 40% y el 60% de los tokens a la comunidad, iniciando proyectos con una valoración tan baja como 100 millones de dólares FDV para recaudar millones de dólares. Este modelo construye consenso FOMO a través de la influencia de KOL, permitiendo que el equipo asegure ganancias por adelantado, al tiempo que obtiene alta liquidez a cambio de profundidad de mercado, renunciando así a la ventaja de control a corto plazo, pero pudiendo recomprar tokens a bajo precio en un mercado bajista a través de un mecanismo de creación de mercado conforme. En esencia, esto es un cambio de paradigma en la estructura de poder: desde el juego de 'pasa la patata' liderado por VC (instituciones compran - salen a bolsa - compran los minoristas), hacia un juego transparente de fijación de precios basado en el consenso de la comunidad, donde el equipo del proyecto y la comunidad establecen una nueva relación simbiótica en la prima de liquidez. A medida que la industria entra en un ciclo de vida transparente, los proyectos que se aferran a la lógica tradicional de control corren el riesgo de convertirse en las sombras de una era de transferencia de poder.
El dolor a corto plazo del mercado justifica precisamente la inevitabilidad de la larga ola tecnológica. Cuando el agente de IA reduce el costo de interacción en cadena en dos órdenes de magnitud, cuando el modelo adaptativo optimiza continuamente la eficiencia de los fondos de los protocolos DeFi, la industria puede finalmente anticipar la tan esperada Adopción Masiva. Esta revolución no depende de la especulación conceptual o de la maduración del capital, sino que se basa en la penetración tecnológica arraigada en necesidades reales, al igual que la revolución eléctrica no se detuvo por la quiebra de empresas de bombillas, el agente finalmente se convertirá en la verdadera pista de oro después de que la burbuja estalle. Y DeFAI podría ser el terreno fértil donde nacen las nuevas generaciones, cuando el razonamiento de bajo costo se convierta en algo común, pronto podríamos ver casos de uso en los que cientos de agentes se combinen en un enjambre. Con una potencia de cálculo equivalente, el aumento significativo de los parámetros del modelo puede garantizar que los agentes de la era de los modelos de código abierto se ajusten más completamente, incluso ante comandos de entrada complejos de los usuarios, pueden dividirse en tareas de pipeline que un único agente puede ejecutar completamente. Cada agente optimiza las operaciones en cadena, lo que puede fomentar un aumento en la actividad general de los protocolos DeFi y en la liquidez. Con DeFAI a la vanguardia, surgirán más productos DeFi complejos, y este es precisamente el lugar donde aparecen nuevas oportunidades después de que la burbuja anterior estalle.
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
El impacto de DeepSeek en los protocolos aguas arriba y aguas abajo de la inteligencia artificial Web3
Autor original: Kevin, BlockBooster
Reimpresión: Luke, Marte Finanzas
A través del análisis de la arquitectura tecnológica, la posición funcional y los casos de uso reales, divido todo el ecosistema en: capa de infraestructura, capa de middleware, capa de modelo, capa de aplicación, y reviso sus relaciones de dependencia:
1、Capa de infraestructura
La capa de infraestructura proporciona recursos descentralizados subyacentes (potencia de cálculo, almacenamiento, L1), con protocolos de potencia de cálculo como Render, Akash, io.net, etc.; protocolos de almacenamiento como Arweave, Filecoin, Storj, etc.; L1 como NEAR, Olas, Fetch.ai, etc.
El protocolo de capa de potencia computacional soporta el entrenamiento, inferencia y ejecución de marcos; el protocolo de almacenamiento guarda los datos de entrenamiento, los parámetros del modelo y los registros de interacción en la cadena; L1 optimiza la eficiencia de la transmisión de datos y reduce la latencia a través de nodos especializados.
2、Capa de middleware
La capa de middleware es un puente entre la infraestructura subyacente y las aplicaciones de nivel superior, proporcionando herramientas de desarrollo de marcos, servicios de datos y protección de la privacidad. Entre los protocolos de marcado de datos se incluyen: Grass, Masa, Vana; protocolos de marcos de desarrollo incluyen: Eliza, ARC, Swarms; protocolos de cálculo de privacidad incluyen: Phala, etc.
La capa de servicios de datos proporciona combustible para el entrenamiento del modelo, el marco de desarrollo depende de la potencia de cálculo y el almacenamiento de la capa de infraestructura, y la capa de cálculo de privacidad protege la seguridad de los datos durante el entrenamiento / inferencia.
3、Capa del modelo
El nivel del modelo se utiliza para el desarrollo, entrenamiento y distribución de modelos, con la plataforma de entrenamiento de modelos de código abierto: Bittensor.
El nivel del modelo depende de la potencia informática de la capa de infraestructura y de los datos de la capa intermedia; el modelo se implementa en la cadena a través del marco de desarrollo; el mercado del modelo lleva los resultados del entrenamiento a la capa de la aplicación.
4、Capa de aplicación
La capa de aplicación es un producto de IA orientado al usuario final, que incluye agentes como: GOAT, AIXBT, etc.; El protocolo DeFAI incluye: Griffain, Buzz, etc.
Llamar al modelo preentrenado de la capa de modelo desde la capa de aplicación; cálculo de privacidad dependiente de la capa de middleware; las aplicaciones complejas necesitan la potencia informática en tiempo real de la capa de infraestructura.
En segundo lugar, tiene un impacto negativo en la potencia informática descentralizada
Según una encuesta de muestra, aproximadamente el 70% de los proyectos de IA Web3 en realidad utilizan OpenAI o plataformas de nube centralizadas, solo el 15% de los proyectos utilizan GPU descentralizadas (como el modelo de subred de Bittensor), y el resto es una arquitectura mixta (procesamiento local de datos sensibles, tareas generales en la nube).
La tasa de utilización real del protocolo de potencia de cálculo descentralizado es mucho menor de lo esperado, y no coincide con su valor de mercado real. Hay tres razones para la baja tasa de utilización: los desarrolladores de Web2 que se trasladan a Web3 siguen utilizando las herramientas existentes; las plataformas descentralizadas de GPU aún no han logrado ventajas de precio; algunos proyectos utilizan el término 'descentralizado' para evitar la revisión de cumplimiento de datos, y la potencia de cálculo real sigue dependiendo de la nube centralizada.
AWS/GCP domina más del 90% del mercado de potencia informática de IA, mientras que la potencia equivalente de Akash representa solo el 0,2% de la de AWS. Las ventajas del castillo de agua de las plataformas de nube centralizadas incluyen: gestión de clústeres, redes de alta velocidad RDMA, escalabilidad elástica; las plataformas de nube descentralizadas tienen versiones mejoradas de web3 de estas tecnologías, pero las deficiencias insuperables incluyen problemas de latencia: la latencia de comunicación entre nodos distribuidos es 6 veces mayor que la de la nube centralizada; la fragmentación de la cadena de herramientas: PyTorch/TensorFlow no admiten nativamente la programación descentralizada.
DeepSeek reduce el consumo de energía en un 50% a través del entrenamiento disperso (Sparse Training), y poda dinámica de modelos para entrenar modelos con cientos de miles de millones de parámetros en GPU de consumo. Se espera una fuerte disminución en la demanda de GPU de gama alta a corto plazo en el mercado, y el potencial del mercado de la informática en el borde se ha revaluado. Antes de la aparición de DeepSeek, la gran mayoría de los protocolos y aplicaciones en la industria se basaban en plataformas como AWS, y solo unos pocos casos de uso se desplegaban en redes descentralizadas de GPU, que valoraban la ventaja de precios de estas últimas en términos de consumo de energía y no prestaban atención a los efectos de latencia, como se muestra en la imagen.
Esta situación podría empeorar aún más con la aparición de DeepSeek. DeepSeek libera las restricciones de los desarrolladores de cola larga, y los modelos de razonamiento de bajo costo y alta eficiencia se difundirán a una velocidad sin precedentes. De hecho, en la actualidad, tanto las plataformas en la nube centralizadas como muchos países ya han comenzado a implementar DeepSeek. La drástica reducción de los costos de razonamiento generará una gran cantidad de aplicaciones frontales que demandarán una gran cantidad de GPU de consumo. Ante el inminente gran mercado, las plataformas en la nube centralizadas llevarán a cabo una nueva batalla por los usuarios, compitiendo no solo con las principales plataformas, sino también con innumerables plataformas en la nube centralizadas más pequeñas. La forma más directa de competencia es reducir los precios, y es previsible que el precio de 4090 en las plataformas centralizadas experimente un descenso, lo que podría ser un desastre para las plataformas de potencia informática de Web3. Cuando el precio ya no es el único foso protector de estas últimas, y los actores del sector se ven obligados a reducir los precios, el resultado es algo que io.net, Render, Akash, etc., no podrán soportar. La guerra de precios destruirá el límite superior de valoración que les queda a estas últimas, y la espiral de muerte causada por la disminución de los ingresos y la pérdida de usuarios puede llevar a los protocolos de potencia informática descentralizada a una nueva dirección.
Tres, el significado de los acuerdos aguas arriba y aguas abajo
Como se muestra en la imagen, creo que DeepSeek tendrá diferentes impactos en la capa de infraestructura, la capa de modelo y la capa de aplicación. En términos de impacto positivo:
La capa de aplicación se beneficiará de una gran reducción en el costo de razonamiento, lo que permitirá que más aplicaciones garanticen la permanencia en línea de la aplicación del Agente a bajo costo y completen tareas en tiempo real;
Al mismo tiempo, el modelo de bajo costo como DeepSeek puede permitir que los protocolos DeFAI se compongan en SWARM más complejos, con miles de agentes utilizados para un caso de uso, y el trabajo de cada agente será muy detallado y específico, lo que puede mejorar significativamente la experiencia del usuario y evitar que la entrada del usuario sea descompuesta y ejecutada erróneamente por el modelo.
Los desarrolladores de la capa de aplicación pueden ajustar los modelos, alimentar precios a las aplicaciones de IA relacionadas con DeFi, datos y análisis en cadena, datos de gobernanza de protocolo, sin tener que pagar costosos honorarios de licencia.
Después del nacimiento de DeepSeek, se demostró la existencia de un significado en la capa de modelos de código abierto, y los modelos de gama alta se abren a los desarrolladores de largo alcance, lo que puede estimular una amplia ola de desarrollo;
En los últimos tres años, el muro de potencia de cálculo construido en torno a GPU de gama alta ha sido completamente derribado, lo que brinda a los desarrolladores más opciones y establece la dirección de modelos más abiertos. En el futuro, la competencia de modelos de IA no se centrará en la potencia de cálculo, sino en los algoritmos. El cambio de enfoque se convertirá en la piedra angular de la confianza de los desarrolladores de modelos abiertos.
Las subredes específicas de DeepSeek están surgiendo constantemente, los parámetros del modelo aumentarán con la misma potencia de cálculo, y más desarrolladores se unirán a la comunidad de código abierto.
En términos de impacto negativo:
La infraestructura del protocolo de potencia de cálculo en el centro de datos tiene retrasos objetivos que no se pueden optimizar;
La red híbrida compuesta por A100 y 4090 requiere un mayor nivel de coordinación algorítmica, lo cual no es una ventaja para la plataforma descentralizada.
Romper la burbuja de Agent, DeFAI da a luz a una nueva era
El agente es la última esperanza de la IA en la industria. La aparición de DeepSeek ha liberado las limitaciones de la potencia de cálculo y ha delineado las expectativas futuras de explosión de aplicaciones. Esto debería haber sido una gran ventaja para la pista del agente, pero debido a la fuerte relación con la industria, las acciones estadounidenses y la política de la Reserva Federal, se ha pinchado la burbuja restante y el valor de mercado de la pista ha caído al fondo del valle.
En la ola de integración de la inteligencia artificial con la industria, los avances tecnológicos y la lucha por el mercado siempre van de la mano. La volatilidad del valor de mercado de NVIDIA ha desencadenado una reacción en cadena, como un espejo que revela los profundos problemas narrativos de la inteligencia artificial en la industria: desde el agente en cadena hasta el motor DeFAI, bajo la aparentemente completa ecología, se ocultan una débil infraestructura tecnológica, una lógica de valor vacía y una cruel realidad dominada por el capital. La próspera ecología en cadena oculta enfermedades ocultas: numerosos tokens con alto valor de capitalización de mercado compiten por una liquidez limitada, activos antiguos se aferran a la emoción de miedo a perderse (FOMO), y los desarrolladores se consumen en una competencia PVP, agotando su potencial innovador. Cuando el crecimiento de los fondos y de los usuarios alcanza un límite, toda la industria cae en la 'encrucijada del innovador', deseando tanto una narrativa disruptiva como liberarse de las cadenas de la dependencia del camino. Este estado de ruptura proporciona una oportunidad histórica para el agente de inteligencia artificial: no solo es una actualización del conjunto de herramientas tecnológicas, sino también una reestructuración del paradigma de creación de valor.
Durante el último año, cada vez más equipos de la industria han descubierto que el modelo tradicional de financiación está fallando: la estrategia de dar pequeñas participaciones a los VC, controlar en gran medida y depender de la manipulación en los intercambios ya no es sostenible. Con la restricción de fondos por parte de los VC, la negativa de los inversores minoristas a comprar acciones y el aumento del umbral para que los intercambios listeen monedas, surge un nuevo enfoque más adecuado para el mercado bajista: la colaboración entre KOL líderes y un pequeño número de VC, el lanzamiento masivo en la comunidad y el inicio en frío con una baja capitalización de mercado.
Los innovadores representados por Soon y Pump Fun están abriendo nuevos caminos a través del 'lanzamiento comunitario' - respaldado por los principales KOL, distribuyendo directamente entre el 40% y el 60% de los tokens a la comunidad, iniciando proyectos con una valoración tan baja como 100 millones de dólares FDV para recaudar millones de dólares. Este modelo construye consenso FOMO a través de la influencia de KOL, permitiendo que el equipo asegure ganancias por adelantado, al tiempo que obtiene alta liquidez a cambio de profundidad de mercado, renunciando así a la ventaja de control a corto plazo, pero pudiendo recomprar tokens a bajo precio en un mercado bajista a través de un mecanismo de creación de mercado conforme. En esencia, esto es un cambio de paradigma en la estructura de poder: desde el juego de 'pasa la patata' liderado por VC (instituciones compran - salen a bolsa - compran los minoristas), hacia un juego transparente de fijación de precios basado en el consenso de la comunidad, donde el equipo del proyecto y la comunidad establecen una nueva relación simbiótica en la prima de liquidez. A medida que la industria entra en un ciclo de vida transparente, los proyectos que se aferran a la lógica tradicional de control corren el riesgo de convertirse en las sombras de una era de transferencia de poder.
El dolor a corto plazo del mercado justifica precisamente la inevitabilidad de la larga ola tecnológica. Cuando el agente de IA reduce el costo de interacción en cadena en dos órdenes de magnitud, cuando el modelo adaptativo optimiza continuamente la eficiencia de los fondos de los protocolos DeFi, la industria puede finalmente anticipar la tan esperada Adopción Masiva. Esta revolución no depende de la especulación conceptual o de la maduración del capital, sino que se basa en la penetración tecnológica arraigada en necesidades reales, al igual que la revolución eléctrica no se detuvo por la quiebra de empresas de bombillas, el agente finalmente se convertirá en la verdadera pista de oro después de que la burbuja estalle. Y DeFAI podría ser el terreno fértil donde nacen las nuevas generaciones, cuando el razonamiento de bajo costo se convierta en algo común, pronto podríamos ver casos de uso en los que cientos de agentes se combinen en un enjambre. Con una potencia de cálculo equivalente, el aumento significativo de los parámetros del modelo puede garantizar que los agentes de la era de los modelos de código abierto se ajusten más completamente, incluso ante comandos de entrada complejos de los usuarios, pueden dividirse en tareas de pipeline que un único agente puede ejecutar completamente. Cada agente optimiza las operaciones en cadena, lo que puede fomentar un aumento en la actividad general de los protocolos DeFi y en la liquidez. Con DeFAI a la vanguardia, surgirán más productos DeFi complejos, y este es precisamente el lugar donde aparecen nuevas oportunidades después de que la burbuja anterior estalle.