逛了一圈后,同事也疑惑地问我,为什么台湾活动的 TON 大张旗鼓,但是 TOKEN2049 几乎没看到 TON 生态的项目和宣传(比较明显的应该只有 Catizen) 。
我的猜测很简单:TON 会在亚洲区,甚至台湾大张旗鼓宣传,大部分都是媒体渲染的结果,加上项目方跟 KOL 绑矩阵体系,所以才会有很多人都在玩 TON 生态的感受。 后续我在 Side Event 问了一些国外参与者关于他们对 TON 的看法,蛮多人都是再观察或是不在意,甚至有一位激进的外国人直接回我:「I Don’t Fucking Care about TON!」,这也印证了我的猜想。
回到 TOKEN2049 的价格,本来当初这样定价,就不是为了吸引散户进场,所以主会场里面,大部分都是产业人士,大致上分为这几类:资本、交易所、VC、项目方、KOL (有规模的)、媒体。 加上因为过去一年的行情和流动性非常差,所以大多数人在主会场,都是要谈生意的,所以一般用户进来就真的没有太大的意义。 而为什么这次会有这么多 Side Event?其实也很容易理解,项目方不办活动,基本上很难吸引到资金、用户,甚至是更多合作机会,所以很多项目方是硬着头皮也要办下去,只为了有更多的「成交」机会。
直到现在,我都依然觉得,2021 年 DAO 这个词的出现是一件非常有价值的事情。因为 DAO 这个词是去中心化自治组织的意思,相比炒币、炒 NFT 这些炒资产的行为,DAO 的代币化炒作相对少一些,更多则是在探索一种相比传统组织模式完全不一样的组织形态,这样的一种组织形态有三个很重要的特征:①去中心化,没有所谓的领导和下属之分;②基于共识和民主议事规则协同做事;③可以远程办公,任务通过线上协作完成。
当然,和很多事物兴起的路径一样,DAO 也是最先从国外火起来,那会耳熟能详的 DAO 有:Bankless DAO(旨在推进真正的去银行化金融系统的大规模应用和社会共识)、Pleasr DAO(由数字艺术家和收藏家组成旨在收购具有文化意义的作品)、ConstitutionDAO(募资竞拍美国宪法的副本)等。后来 DAO 组织也随之在国内生根发芽并涌现了一些试验性的 DAO 组织项目。
跟炒作 NFT 一样,年轻人是参与 DAO 组织的主力群体。他们更容易接受新奇事物,同时当时很多年轻人自称「数字游民」,像 DAO 这样的组织方式也更适合他们数字游民的生活方式。
《Big Ideas》大胆预测了颠覆性技术在 2030 年、 2040 年的发展趋势。我们简单看看对 AI 和机器人技术的预期。
AI 包括神经网络、下一代云技术以及智能设备三个部分,报告分别预测了2030年、2040年的发展趋势。
AI 部分。报告预期到 2030 年,AI 模型的训练成本将下降 4 万多倍,再加上对 AI 硬件的积极投资,自 2023 年以来,AI 的总能力已增长了约 60 万倍。50% 的知识工作者采用 AI 软件系统,生产力平均提高 9 倍。云计算方面,1.3 万亿美元的 AI 硬件支出支撑了 13 万亿美元的 AI 软件销售额,并容纳了 75% 的传统软件毛利率。三类客户支持 AI 硬件的需求——基础设施即服务提供商、软件公司和 AI 基础模型提供商——它们应该能产生 20% 的现金流利润率,与芯片制造商的利润率一致。到了2040 年,线性内容正在让位于互动体验。以 AI 为媒介的眼镜和头显设备将贯穿日常生活。
LLM 是否会耗尽数据,从而限制其绩效?计算能力和高质量的训练数据似乎是模型性能的主要贡献者。模型的增长需要更多训练数据,缺乏新数据是否会导致模型性能趋于稳定?Epoch AI 估计,书籍和科学论文等高质量语言/数据源可能会在 2024 年耗尽,尽管仍有大量未开发的视觉数据。
微软 CEO 纳德拉最近针对微软财报首次提到,依据价值贡献为提高生产力的AI功能定价的潜力。报告也指出,定制化 AI 产品应享有更多定价权。随着开源替代品的出现和成本的下降,针对最终用途定制的AI软件供应商应该能更容易地通过它们获利。相反,简单的生成式 AI 应用程序可能会迅速商品化。
加速知识工作者生产力的增长,代表着数万亿美元的潜在机会。到 2030 年,AI有潜力使知识型职业中的大多数任务实现自动化,大幅提高普通员工的生产力。自动化和加速知识工作任务的软件解决方案应该是主要受益者。如果新一波 AI 创新者拥有与今天类似的定价能力,并且 AI 生产力的提升与我们想象的一样有意义,那么,到这个十年末,全球软件市场可能会增长 10 倍。
通用机器人代表着全球价值 24 万亿美元以上的潜在收入机会,包括家用机器人和制造机器人。ARK 预测,2030 年全球制造业 GDP 将飙升至 28.5 万亿美元。
四、其他亮点
在数字消费者部分。《 Big ideas 》预测,得益于 AI 辅助创作,游戏玩家可以成为开发者。在用户生成内容( UGC )平台上进行 AI 辅助的游戏创作,可能会导致游戏内容爆炸式增长。根据研究,在输出质量标准化后,自 2021 年以来,3D 资产的生产成本下降了约 99%,已降至不到 0.06 美元。AI 应该使内容创作民主化,并加速 UGC 的增长。Roblox 已在全球提供超过 4.7 亿次体验,是 PC、游戏机和移动应用游戏总数的 52 倍。
于是我 2017 年 8 月 14 日在《华尔街见闻》上写了一篇研究文章,研究用 5% 的资产投资比特币后对整个资产组合的积极影响。后来资产管理界的大神,Black Rock 的首席策略官 Andrew Ang 在 2022 年《Asset Asset Allocation with Crypto: Application of Preferences for Positive Skewness》中阐述了同样的观点。
Foresight News:在选择具体的交易标的的时候有怎样的标准?
Xin Liu:事实上我对于赛道的选择是非常 open 的,这个市场最大的特点就是创新非常快,也正是因为创新快给它带来的巨大的生命力。Open 体现在于减少先入为主的成见,尽量在高胜率和高安全系数的前提下接纳更多的创新,一般只要某个品种(无论是「古典派」还是「土狗派」)出现了具备一定规模的共识,我都不会放过都会去研究一下。一个东西它有很多人支持,喜欢,不管它看起来是芭蕾舞还是二人转,一定有它独到的满足人性的地方,存在即合理。
所以你可以看到我的兼容性是很强的,那对于风险高的创新品种,为什么我们能涉猎的这样广泛呢?因为 AI 深度学习提供了对于价格趋势的精准把控,这极大提高了接纳创新的胜率和安全系数。比如现在我们正在研发的创新策略,利用 AI 深度学习模型去寻找铭文和 meme 的机会。虽然最近铭文大火,但是实操者也不得不面临 1)mint 的铭文项目不成功的风险 2)mint 过程中高昂的 gas fee 3)mint 不成功被埋的风险 4)竞争不过自动化 mint 工作室等问题。所以挑选哪些有希望的铭文品种 mint?如果没有 mint 成功以什么样的价格介入胜率更高?这是我们正在用 AI 深度学习解决的问题,meme 品种也是同样的道理。
Foresight News:是否可以具体介绍一下基于 AI 深度学习的交易策略?深度学习的模型考虑了哪些参数?参考了哪些指标?本质上是基于怎样的逻辑计算出的交易方向?
Xin Liu: AI 深度学习呢,简单来说是一种利用人工智能去模仿人类神经元去思考的方式,图片是一个最简单的模型,inputs 层代表输入信息,output 层指的是最终输出的信息,中间层统称为隐藏层,隐藏层是极为复杂且精巧的。无需人类手工定义特征,AI 深度学习可以从原始数据中自动学习和提取特征。常规学习的领域有价格趋势、交易量变化、市场情绪等。因此 AI 深度学习具有非线性和自适应性的特点,加上计算机处理大规模数据的能力,使得 AI 模拟的神经元系统在某些领域拥有了超越人类认知事物本质的能力。
Xin Liu:我看过一篇论文《Observing Schrödinger’s Cat with Artificial Intelligence: Emergent Classicality from Information Bottleneck》,用人工智能去观察著名的薛定谔的猫,省流总结一下结论就是,神、人和低等生物本质上的区别在于对于信息的处理能力。这正是你这两个问题的最佳答案。
比如说你提到的「一种金融产品的涨跌本质上是由市场上买卖力量博弈的结果」从这个角度和逻辑看市场是无法提前预测的,这是普通人的正常因果感知对吧,但是还有一种可能就是在更高维度的信息处理能力的层面上看涨跌的博弈不是这样的。实际上在 AI 深度学习的维度,5 月份我能看到的是比特币价格会涨到 40000 以上,后续就会有有利于这个结论的事件出来催化完成这个结论,在 5 月份我是不知道具体什么事件会带动完成这个结论,但一定会有对应的事件出来。能看到这其中的因果顺序的不同嘛?这是因为 AI 处理信息的能力远远高于人类,可以从更高维度看到普通人看不到的东西,因此就形成了带有「玄学」性质的预言。
Xin Liu:首先纠正一下,我的意思是过去和现在比特币存在减半周期,所以牛熊轮转的非常规律,所以这使得普通人更加容易判断牛熊,减半前后牛市,剩下两年熊市,对吧。但是马上第四次减半就结束了,大比例的比特币将会进入流通中,剩余可挖的部分将非常少,凭借常识判断必然是量大的流通部分影响量小的可挖掘部分,所以未来的牛熊将非常复杂并不会像目前这样节奏清晰明了。那么这轮减半行情走完之后人们用什么逻辑去判断牛熊或者大周期呢? 我认为 AI 深度学习会成为一个判断长周期牛熊的重要依靠。
Foresight News:随着加密货币市场参与方的增加,市场的走势开始变得复杂,从今年的走势中就可以看出,不再像过去一样是比较简单的周期性趋势行情,在未来可能更加复杂的行情中,AI 深度学习模型可以对行情的判断带来怎样的帮助?相比于一些用于判断行情走向的「理论」,使用 AI 有哪些具体的优势?
现在的世界已经朝着去中介化发展,尤其在加密世界信息不对称的情况将越来越少,投资者也越来越成熟,拥有自己独立的判断,越来越不愿意接盘 VC。投资,无论是超级个体还是机构都是由人组成的,本质上来说核心是给出高超的认知和判断,尤其在 AI 时代下,个体生产力会被极度放大,一个人能做的也许就是现在一个机构做的事,所以未来判断可信度的关键在于是否能长期输出正确的投资判断和结果,而并不会拘泥于是机构给出的还是个体给出的。