Menghabiskan lebih banyak waktu untuk memikirkan apa yang datang setelah perdagangan chip AI, dan saya pikir pasar mungkin sedang menatap bottleneck yang bahkan lebih besar: DATA

Bukan sampah mentah internet atau database lain yang diberi label AI begitu saja.
Maksud saya adalah data yang bersih, berlisensi, dapat ditelusuri, dan semakin nyata di dunia nyata—yang bisa dilatih secara legal oleh model dan benar-benar mempelajari hal baru darinya.
Komputasi masih penting, tapi itu bukan lagi satu-satunya input yang langka.
Morgan Stanley memperkirakan sekitar $2,9 triliun hingga $3T untuk belanja infrastruktur AI sepanjang 2028, dengan kurang dari 20% yang sudah dideploy sejauh ini.
Akan ada lebih banyak #GPU, lebih banyak pusat data, lebih banyak kontrak daya, dan lebih efisien untuk inferensi.
Yang tidak otomatis ikut diskalakan bersama semuanya adalah pengetahuan manusia yang segar dan pengalaman dunia fisik.
Data AI berbasis fisik bahkan lebih mahal, spesifik pada embodiment, sulit disintesis dengan sempurna, dan mustahil di-scrape hingga kedalaman yang cukup.
Bottleneck-nya adalah menangkap event yang tepat—dengan sensor yang tepat—di bawah hak yang tepat, serta membuktikan dari mana asalnya.
Pasar privat tampaknya sudah memahaminya sebelum pasar publik.
– Scale AI dinilai hampir $29B setelah kesepakatan Meta senilai $14,3 miliar untuk kepemilikan 49%.
– Surge AI menghasilkan lebih dari $1B dalam pendapatan pada 2024 sambil mengejar penilaian $15B .
Jadi jika katalis besar datang di TradFi, kripto juga bisa punya langkah dalam pengumpulan data AI dan provenance.
– @eigencloud | $Eigen: EigenDA menyediakan verifiable data availability, sementara EigenCompute, EigenAI, dan EigenVerify memungkinkan agen membuktikan dari mana data berasal dan bagaimana output dihasilkan.
– @grass | $Grass: mengubah bandwidth yang menganggur menjadi data pelatihan AI yang dapat diverifikasi. 2,5 juta+ node di lebih dari 190 negara meng-scrape ~100TB/hari, dengan bukti ZK yang membuat setiap dataset dapat dilacak dan diaudit.
– @vana | $Vana: mengatasi bottleneck data AI dengan mengubah data pengguna menjadi dataset pelatihan yang berizin dan dapat dibuktikan. 1 juta+ kontributor, DataDAOs, dan portable AI memory semuanya hidup di satu jaringan.
– @SaharaAI | $Sahara: AI-native L1 di mana para kontributor mengumpulkan, melabeli, dan memiliki dataset sementara provenance, lisensi, dan royalti tetap onchain. Berusaha membuat data AI berkualitas tinggi bisa diskalakan.
– @datafdn | $Data: provenance, consent, licensing, dan audit rails onchain, sementara lapisan Poseidon membersihkan dan melabeli data dunia nyata untuk pelatihan model.
– @oceanprotocol | $Ocean: mengubah data menjadi aset onchain dengan Data NFTs, Compute-to-Data, dan provenance rails sehingga AI bisa melatih pada dataset privat tanpa mengekspos data mentah.
– @origin_trail | $Trac: mengirimkan DKG V10 di mana agen AI berbagi memori yang bisa diverifikasi. dRAG, provenance, dan multi-agent memory membuat data bisa digunakan ulang tanpa kehilangan kepercayaan.
– @datainetwork: mengubah log blockchain mentah menjadi kecerdasan terstruktur yang dapat dibaca mesin. 3,5 miliar+ transaksi diindeks, 2,5 juta kontrak diberi label, dan 150 juta+ event DeFi untuk agen AI agar bisa bernalar.
Bukan ajakan untuk nge-bet ke setiap ticker di atas. Hanya peta siapa yang sedang membangun infrastruktur sebelum pasar memberi harga pada mereka.