CSSZS

Najlepsze modele obrazu zaczynają wyglądać zaskakująco podobnie
Kilka nocy temu wygenerowałem ten sam prompt w GPT Image, Gemini i Seedream 4.0. Tbh spodziewałem się, że jeden model całkowicie zdominuje pozostałe. Tak się nie stało.
GPT dobrze przestrzegał instrukcji. Gemini naturalnie radziło sobie z edycjami. Seedream 4.0 zaskoczyło mnie tym, jak konsekwentne pozostało podczas generowania i edycji. To nie przypadek: ByteDance zaprojektowało Seedream 4.0 w oparciu o ujednoliconą architekturę, dzięki której ten sam model może tworzyć i edytować obrazy, zamiast przełączać się między osobnymi systemami.
To skłoniło mnie do myślenia. Może dochodzimy do momentu, w którym wybór modelu obrazu nie jest już najtrudniejszą decyzją. Najtrudniejszy może być wybór infrastruktury wokół niego.
Właśnie to było dla mnie ciekawe w OpenGradient Image Studio. Zamiast zamykać użytkowników na jeden model, pozwala korzystać z różnych modeli z „frontu” — w tym Seedream 4.0 — z jednego miejsca, jednocześnie stawiając na prywatność dzięki szyfrowaniu żądań i rozdzielaniu tożsamości, zanim trafią do modelu.
Ten sam model.
Inne wrażenia.
Może właśnie tam przesunie się kolejny poziom rywalizacji. Nie chodzi o to, kto tworzy najlepszy model, ale kto tworzy najlepszy sposób korzystania ze wszystkich modeli. Bo modele będą się wciąż zmieniać. Infrastruktura trwa znacznie dłużej.
@OpenGradient $OPG #OPG

Kilka tygodni temu zarezerwowałem Airbnb, które wyglądało prawie identycznie z innym obiektem w pobliżu. To samo miasto. Ta sama wielkość. Podobne zdjęcia. Różnica? Jedno było mniej więcej o 30% droższe.
Tbh nadal zarezerwowałem to droższe.
Nie dlatego, że apartament był lepszy. Tylko dlatego, że miał setki recenzji, zweryfikowane zdjęcia i lata historii rezerwacji. Apartament nie był tym, za co dopłacałem. Dopłacałem za pewność.
Te myśli wróciły do mnie, kiedy patrzyłem na RENDER i OpenGradient.
W dużym skrócie oba rozwiązania są powiązane z tym samym zasobem: obliczeniami na GPU. RENDER zbudował jedną z największych zdecentralizowanych giełd GPU w crypto. Koncepcja jest prosta. Połącz niewykorzystaną moc obliczeniową z osobami, które jej potrzebują. Model działa, bo zapotrzebowanie na renderowanie i AI stale rośnie.
Ale OpenGradient zdaje się zadawać trochę inne pytanie.
Co jeśli sama moc obliczeniowa nie wystarczy? Co jeśli użytkownicy muszą mieć też pewność, że obliczenia zostały wykonane dokładnie tak, jak deklarowano?
Wtedy robi się ciekawie, jeśli chodzi o warstwę dowodu. Obudowy TEE zabezpieczają wykonanie. Przeprowadzalne weryfikowalne wnioskowanie i dowody zkML tworzą dowody na to, że wyniki nie zostały po prostu wygenerowane, ale można je zweryfikować.
W pewnym sensie RENDER przypomina Airbnb dla GPU. OpenGradient przypomina Airbnb dla GPU oraz system, który dowodzi, co wydarzyło się w środku pokoju.
Ten sam bazowy zasób. Inny produkt.
I może właśnie tak ewoluują rynki. Na początku wartość bierze się z dostępu. Później wartość bierze się z zaufania. Ludzie nie płacą premium za to, co istnieje. Płacą premium za to, co można zweryfikować.
Nie wiem, czy w tym miejscu kończy się infrastruktura AI. Ale jeśli inteligencja stanie się powszechna, kolejnym brakującym zasobem może nie być moc obliczeniowa.
Może to być pewność.
@OpenGradient $OPG #OPG $RENDER

Kilka dni temu przyglądałem się dwóm projektom AI i zauważyłem coś zabawnego. Oba są ostatecznie związane z tym samym: GPU. Jednak biznesy, które tworzą, nie mogą być bardziej różne.
Przez większość cyklu AI w krypto, założenie wydawało się oczywiste. Większe zapotrzebowanie na AI oznacza większe zapotrzebowanie na moc obliczeniową. Większa moc obliczeniowa oznacza więcej GPU. Więcej GPU oznacza więcej przychodu. To zasadniczo zakład stojący za Aethir. Agregować zasoby GPU, wynajmować je przedsiębiorstwom i przekształcać moc obliczeniową w rynek.
I żeby być sprawiedliwym, logika ma sens. AI potrzebuje infrastruktury. Infrastruktura potrzebuje mocy obliczeniowej. Liczby odzwierciedlają tę rzeczywistość.
Jednak im głębiej zanurzałem się w króliczą norę AI, tym więcej zaczynałem się zastanawiać, czy moc obliczeniowa naprawdę jest już rzadkim zasobem.
Kilka miesięcy temu spędziłbym dni na budowaniu prototypu. Teraz kilka podpowiedzi może mnie zaskakująco daleko zaprowadzić. Modele stają się tańsze. Wnioskowanie staje się szybsze. Dostęp do inteligencji ciągle się rozszerza.
Więc pytanie, które ciągle wraca, to nie "Czy mogę zdobyć AI?"
To "Czy mogę zaufać temu, co daje mi AI?"
Właśnie tam OpenGradient zaczęło się wydawać fundamentalnie inne. Aethir monetyzuje obliczenia. OpenGradient monetyzuje weryfikację. Jeden sprzedaje zdolność generowania inteligencji. Drugi buduje infrastrukturę do weryfikacji inteligencji.
Szczerze mówiąc, nie sądzę, żeby to była naprawdę debata o GPU. To debata o tym, gdzie gromadzi się wartość, gdy AI dojrzewa.
W wczesnych etapach moc obliczeniowa jest rzadka. Później, gdy inteligencja staje się obfita, zaufanie może stać się rzadkim zasobem. Jedna strona stawia na to, że zapotrzebowanie na AI nadal płynie w kierunku sprzętu. Druga stawia na to, że zapotrzebowanie na AI ostatecznie płynie w kierunku weryfikowalności.
Nie wiem, który zakład wygrywa. Ale historia ma zabawną tendencję do przesuwania wartości od tego, co coś tworzy, w kierunku tego, co sprawia, że ta rzecz jest godna zaufania.
@OpenGradient $OPG $ATH #OPG

Kilka nocy temu przeglądałem stare projekty AI, które zaksięgowałem lata temu i znalazłem coś zabawnego.
Niektóre z pomysłów w tamtym czasie wydawały się niesamowicie wczesne. Orakle AI. Weryfikowalna AI. Infrastruktura AI. Wtedy większość ludzi nadal debatuje, czy w ogóle potrzebna jest AI w krypto.
Szczerze mówiąc, przypomniało mi to, jak często mylimy bycie na wczesnym etapie z byciem w słusznej pozycji.
Krypto uwielbia pierwszych graczy. Założenie jest proste: przyjdź pierwszy, zbuduj sieć, utrzymaj przewagę.
Potem zacząłem przyglądać się ORAI i OpenGradient.
Ciekawe jest to, że obie próbują rozwiązać zaskakująco podobny problem. Jak uczynić wyniki AI użytecznymi w systemach, które nie mogą ich po prostu zaufać?
ORAI mówiło o oraklach AI lata temu, zanim większość ludzi się tym zainteresowała. W wielu aspektach pomogło zdefiniować tę kategorię.
OpenGradient wydaje się podchodzić do problemu z innego kąta. Mniej skoncentrowane na łączeniu AI z blockchainami, a bardziej na uczynieniu samego AI weryfikowalnym.
Ta różnica brzmi subtelnie.
Nie jestem pewien, czy tak jest.
Ponieważ rynki technologiczne rzadko nagradzają pierwszy pomysł. Nagradza się pierwszy pomysł, który osiągnie znaczną adopcję.
Dziś OpenGradient przetworzył już miliony weryfikowalnych inferencji i setki tysięcy dowodów zkML. W pewnym momencie rozmowa przestaje dotyczyć tego, kto był pierwszy, a zaczyna dotyczyć tego, kto faktycznie dostarcza użycie.
Może w tym tkwi lekcja.
Bycie na wczesnym etapie udowadnia, że widziałeś przyszłość.
Adopcja udowadnia, że przyszłość nadeszła.
@OpenGradient $OPG #OPG

Nikt nie narzeka na wolne windy.

Dopóki nie skorzysta z szybszej.

Nikt nie myśli zbyt wiele o płatności jednym kliknięciem.

Dopóki nie musi wszystkiego wpisywać ręcznie znowu.

Wygoda w ciekawy sposób zmienia oczekiwania.

I szczerze mówiąc, tak zazwyczaj ewoluuje technologia.

Nie przez przełomy.

Przez nawyki.

Przez lata czekanie w kolejce wydawało się normalne.

Wpisywanie haseł wydawało się normalne.

Nawet pobieranie piosenek wydawało się normalne.

Dopóki tak nie było.

AI wydaje się trochę podobna.

Tłumaczenie siebie.

Powtarzanie preferencji.

Odbudowywanie kontekstu.

Zaczynanie od nowa.

Na razie wydaje się to normalne.

Bo wszyscy to robią.

To, co zwróciło moją uwagę podczas przeglądania OpenGradient, nie było kolejną próbą poprawy wydajności modelu.

To było coś prostszego.

Może inteligencja to nie doświadczenie.

Może to oczekiwania są ważne.

Pamięć AI wydaje się mniej jak dodawanie możliwości.

A bardziej jak podnoszenie standardu.

Ludzie rzadko wracają do tyłu, gdy wygoda staje się niewidoczna.

Jedna rzecz, którą jestem ciekaw, to czy stały kontekst w końcu staje się czymś, czego użytkownicy oczekują, a nie doceniają.

Bo oczekiwania mają dziwny sposób stawania się wymogami.

Może tak technologie cicho dorastają.
@OpenGradient #OPG $OPG

Kilka nocy temu spędziłem prawie 40 minut, kłócąc się z trzema różnymi modelami AI.
Nie dlatego, że były zepsute.
Bo wszystkie brzmiały przekonująco.
Zadałem im to samo pytanie. Jeden zasugerował podejście A. Inny był przekonany, że podejście B jest lepsze. Trzeci w jakiś sposób nie zgadzał się z żadnym z nich, brzmiąc równie pewnie.
W pewnym momencie przestałem porównywać odpowiedzi i zacząłem myśleć o czymś innym.
Dziesięć lat temu wyzwaniem było znalezienie informacji.
Teraz wyzwaniem jest decyzja, której inteligencji można zaufać.
To wydawało się znacznie większą zmianą niż jakiekolwiek wydanie modelu.
Bo gdy AI zaczyna pisać kod, przeglądać pomysły, pomagać w podejmowaniu decyzji, generować treści, itd., inteligencja przestaje być wąskim gardłem.
Zaufanie staje się wąskim gardłem.
To wysłało mnie w króliczą norę wokół projektów takich jak Bittensor i OpenGradient.
Ciekawe jest to, że oba starają się rozwiązać ten sam problem, ale z zupełnie różnych kierunków.
TAO traktuje inteligencję jak rynek. Niech górnicy konkurują. Niech zachęty decydują. Niech sieć odkryje, kto konsekwentnie produkuje najcenniejsze wyniki.
OPG wydaje się zaczynać od innego założenia.
A co jeśli inteligencja nie powinna potrzebować konkurencji, aby zdobyć zaufanie?
Co jeśli mogłaby być weryfikowana?
Enklawy TEE zapewniają bezpieczne wykonanie. Systemy dowodowe mają na celu uczynienie wnioskowania weryfikowalnym, a nie tylko zaufanym.
Szczerze, nie sądzę, że to naprawdę debata o modelach AI.
To bardziej debata o tym, jak ludzie decydują, co zasługuje na wiarygodność.
Jedna strona obstawia na rynkach.
Druga obstawia na dowodach.
Nie wiem, które podejście wygra.
Ale im bardziej zdolne staje się AI, tym mniej obchodzi mnie, czy model brzmi inteligentnie.
Zaczynam się martwić, czy sama inteligencja może być zaufana.
@OpenGradient $OPG #OPG $TAO

Najcenniejszy prompt, którego nigdy nie napiszesz
Prawdopodobnie mam setki rozmów z AI do tej pory. Pytania dotyczące kodowania, pomysły na treści, losowe badania. Ale najcenniejszy prompt, jaki przychodzi mi do głowy, nigdy nie został napisany.
Szczerze mówiąc, to trochę dziwne.
Kilka godzin temu korzystałem z AI, aby przemyśleć pomysł na projekt. W połowie pisania promptu usunąłem cały akapit. Nie dlatego, że był nielegalny. Nie dlatego, że był kontrowersyjny. Po prostu nie czułem się komfortowo, wysyłając całe to.
Zabawne jest to, że AI nigdy nie wiedziało, co jest brakujące. I tak dało mi odpowiedź. Ale wiedziałem, że odpowiedź opierała się na niekompletnych informacjach.
I wtedy coś zaskoczyło.
Ludzie mówią o AI, jakby inteligencja była rzadkim zasobem. Zaczynam myśleć, że to kontekst jest kluczowy.
Najmądrzejszy model na świecie może jedynie rozumować na podstawie tego, co otrzymuje. Jeśli użytkownicy usuną 20% historii, model nigdy nie dostaje szansy, aby pomyśleć o najważniejszych 20%.
Co oznacza, że najcenniejsze dane w AI mogą nie być danymi, które są zbierane. Mogą być to dane, które nigdy nie zostały przesłane. Pomysły, które pozostają w trybie roboczym. Pytania, które ludzie przepisują trzy razy przed wysłaniem. Szczegóły, które celowo pomijają.
Prompty, które nigdy nie trafiają do okna czatu.
Dlatego OpenGradient przykuło moją uwagę. Większość platform AI prosi użytkowników o zaufanie polityce prywatności. OpenGradient podchodzi do tego inaczej. Wiadomości są szyfrowane przed dotarciem do modelu, tożsamości są oddzielane od zapytań, a prywatność jest zapewniana przez kryptografię i sprzęt, a nie obietnice.
Może największym kosztem słabej prywatności nie są wyciekające dane.
Może to utracona inteligencja.
Ponieważ za każdym razem, gdy ktoś wstrzymuje kontekst, AI staje się trochę mniej użyteczne, niż mogłoby być. A najcenniejszy prompt, którego nigdy nie napiszesz, może być także najcenniejszą odpowiedzią, której nigdy nie otrzymasz.
@OpenGradient $OPG #OPG $RE

Kilka godzin temu zarejestrowałem się w nowym narzędziu AI i kliknąłem "Zgadzam się" na polityce prywatności, nie czytając ani słowa. Szczerze mówiąc, nie sądzę, żebym kiedykolwiek spotkał kogoś, kto rzeczywiście czyta te rzeczy.
Co jest trochę zabawne, gdy się nad tym zastanowisz.
Gdzieś w tym dokumencie jest obietnica dotycząca tego, jak moje dane będą obsługiwane, przechowywane, chronione, udostępniane, zachowywane itp. A mój wkład w ten proces to w zasadzie jedno kliknięcie.
Przez lata wydawało się to normalne. Potem wydarzyła się AI.
Teraz ludzie nie tylko przesyłają pliki. Przesyłają pomysły na biznes, badania, osobiste myśli i rzeczy, których prawdopodobnie nie powiedzieliby nawet innej osobie. Wtedy zaczęłem myśleć o czymś dziwnym.
Dlaczego prywatność w AI wciąż opiera się na obietnicach?
Większość platform AI zasadniczo mówi: ufaj naszej firmie, ufaj naszej polityce, ufaj, że zrobimy to, co właściwe. Może tak będzie. Może nie. Ale to wciąż zaufanie.
A kryptowaluty stały się interesujące, ponieważ zostały zbudowane w celu redukcji zaufania. Nikt nie używa Bitcoina, ponieważ firma obiecała się zachować. Cały sens polega na tym, że system działa, nawet jeśli nikt nikomu nie ufa.
To właśnie sprawiło, że OpenGradient stał się dla mnie interesujący. Wydaje się, że zaczyna od zupełnie innego założenia. Zamiast prosić użytkowników o zaufanie polityce prywatności, stara się przenieść prywatność do samej architektury. Wiadomości są szyfrowane zanim dotrą do modelu. Tożsamość jest oddzielona od żądań. Prywatność staje się egzekwowana przez kryptografię i sprzęt, a nie przez akapit napisany przez prawników.
Może to jest prawdziwa zmiana, która zachodzi w AI. Nie mądrzejsze modele. Nie większe okna kontekstowe. Zmiana od obiecanej prywatności do możliwej do udowodnienia prywatności.
Ponieważ im bardziej wartościowe stają się nasze rozmowy z AI, tym mniej komfortowo czuję się polegając na checkboxie i polityce prywatności.
@OpenGradient $OPG #OPG $RE

gdyby ktoś mi powiedział, że pojedynczy prompt może doprowadzić do stworzenia działającego produktu, pewnie nazwałbym to hype'em AI.
Teraz nie jestem już taki pewny.
Zaledwie 2 godziny temu bawiłem się pomysłem, który leżał w moich notatkach od miesięcy. Nic wielkiego. Po prostu prosty koncept, na który nigdy nie czułem, że warto poświęcać weekend na budowanie. Kilka promptów później miałem stronę docelową, działający flow i coś na tyle bliskiego MVP, że mogłem to wysłać znajomemu.
Szczerze mówiąc, ten moment utkwił mi w pamięci bardziej niż jakiekolwiek wydanie benchmarkowe.
Bo po raz pierwszy AI nie wydawało się narzędziem.
Czułem, że to jest dźwignia.
A gdy to się stało, zacząłem myśleć o zupełnie innym problemie.
Nie o inteligencji.
O zaufaniu.
Kilka dni później czytałem o Claude Fable 5. Co przykuło moją uwagę, to nie sam model. To, jak szybko rozmowa przeszła z "jak dobry jest model?" do "kto ma dostęp do modelu?"
To wydawało się znacznie większym pytaniem.
Przez lata traktowaliśmy AI jako problem modelowy. Buduj mądrzejszy model. Uzyskaj lepszy wynik.
Ale im bardziej zdolne stają się te systemy, tym bardziej czuję, że prawdziwe pytania przenoszą się gdzie indziej.
Dostęp.
Weryfikacja.
Infrastruktura.
Dziwne jest to, że w tamtym momencie nawet nie szukałem kolejnego projektu AI. Starałem się zrozumieć, kto rozwiązuje problem zaufania, gdy AI staje się wystarczająco dobre, by naprawdę miało znaczenie.
Tak trafiłem w króliczą norę OpenGradient.
Co mnie zaintrygowało, to fakt, że OpenGradient nie stawia na to, że jeden model wygra. Claude, Gemini, GPT, cokolwiek przyjdzie następne... modele będą się zmieniać. OpenGradient wydaje się koncentrować na tym, co dzieje się pod spodem. Enklawy TEE zabezpieczają środowiska wykonawcze. Systemy dowodowe mają na celu uczynienie wnioskowania weryfikowalnym, a nie tylko zaufanym.
Może dlatego ten projekt mnie zainteresował.
Nie dlatego, że obiecuje mądrzejszą inteligencję.
Ale dlatego, że zaczyna od założenia, że sama inteligencja to za mało.
@OpenGradient $OPG #OPG

ChatGPT osiągnął 100 milionów użytkowników w zaledwie dwa miesiące, szybciej niż jakakolwiek aplikacja konsumencka w historii.
Ta statystyka jest imponująca. Inna jest bardziej niepokojąca.
Codziennie miliony ludzi wklejają pomysły biznesowe, pytania prawne, dane finansowe i prywatne myśli do systemów AI, których nie rozumieją w pełni. Albo szczerze mówiąc, nawet o tym nie myślą.
Spędziliśmy dekady na budowaniu kryptografii w celu zabezpieczenia pieniędzy.
Teraz AI przetwarza myśli na skalę internetową.
Ostatnio zauważyłem coś dziwnego w sobie. Kiedy pytam AI o fakty, od razu naciskam Enter. Ale kiedy proszę AI o pomoc w przemyśleniu pomysłu, decyzji lub czegoś, czego jeszcze nie rozgryzłem, zatrzymuję się. Czasami na dziesięć sekund. Czasami dłużej, właściwie.
Dziwna część? Nie traktuję nieukończonych myśli jak informacji.
Traktuję je inaczej. Nie jestem pewien dlaczego.
Może dlatego, że nieukończona myśl może stać się firmą. Lub decyzją zawodową. Lub niczym więcej.
Pytanie brzmi: co zabezpiecza inteligencję?
Dlatego projekty takie jak ZAMA i OpenGradient przyciągnęły moją uwagę. Oba budują dla prywatności, ale w zupełnie różny sposób.
Wizja ZAMA jest elegancka. Dzięki W pełni Homomorficznemu Szyfrowaniu (FHE), obliczenia zachodzą bezpośrednio na zaszyfrowanych danych. Teoretycznie dane nigdy nie muszą być ujawniane.
OpenGradient zaczyna od innego problemu: w świecie AI, ochrona danych to za mało. Musisz także udowodnić, co AI faktycznie zrobiło.
Enklawy TEE izolują środowiska wykonawcze. ZKML i systemy dowodowe mają na celu uczynienie wyników AI weryfikowalnymi, a nie tylko zaufanymi.
Jedna filozofia pyta: "Czy możemy obliczać bez ujawniania danych?"
Druga pyta: "Czy możemy zweryfikować samą inteligencję?"
Ta sama destynacja.
Różne warstwy stosu. Cóż, może nie ta sama destynacja dokładnie, ale wystarczająco blisko.
Prywatność prawdopodobnie nie jest jedną technologią.
Jest bardziej zbiorem gwarancji chroniących różne momenty obliczeń.
Im więcej używam AI, tym mniej myślę, że po prostu chronimy dane.
Czuję, że zaczynamy chronić same myślenie.
@OpenGradient $OPG $ZAMA #OPG

Kilka nocy temu, siedziałem z kumplem w kawiarni, obaj wpatrzeni w nasze laptopy. On używał Venice. Ja testowałem OpenGradient Chat.
W pewnym momencie zażartował: "Zapytaj o coś, czego nigdy nie wpisałbyś do normalnego AI."
Przez kilka sekund żaden z nas nic nie pisał.
Bo to dziwne w AI. Granicą nie jest inteligencja. To zaufanie.
W końcu wkleiłem pomysł na startup, którego nigdy publicznie nie podzieliłem. Tego rodzaju pomysł, który trzymasz w aplikacji notatek, bo nie jesteś pewien, czy jest genialny, czy okropny.
Spojrzał i zaśmiał się. "Naprawdę wrzuciłeś to do AI?"
Tak, zrobiłem to. Nie dlatego, że ufam firmom AI bardziej, ale dlatego, że coraz bardziej interesują mnie systemy, które całkowicie redukują potrzebę zaufania.
Wtedy różnica między Venice a OpenGradient zaczęła wydawać się mniej konkurencją, a bardziej filozofią.
Venice stawia na lokalność i modele open-source. Prywatność pochodzi z trzymania obliczeń blisko siebie.
OpenGradient zaczyna od innego założenia: dane będą się przemieszczać. Więc prywatność musi przetrwać sam ruch.
Enklawy TEE izolują obliczenia na poziomie sprzętowym. Przekaźniki OHTTP usuwają tożsamość zanim żądania dotrą do modeli. Systemy dowodowe sprawiają, że wyniki są weryfikowalne zamiast po prostu ufne.
Ta sama obietnica. Różne przekonania o tym, gdzie tak naprawdę tkwi ryzyko.
Jedna filozofia mówi: trzymaj dane tam, gdzie są bezpieczne.
Druga pyta: co jeśli nigdzie nie jest naprawdę bezpiecznie?
Może prywatne AI nie staje się jedną kategorią. Może dzieli się na całkowicie różne światopoglądy.
Jeśli jesteś ciekaw, jak to wygląda: chat.opengradient.ai
@OpenGradient $OPG #OPG $VVV

Pewnego razu przyjaciel zadał mi proste pytanie.
"Skoro Bitcoin jest tak cenny, dlaczego wszyscy próbują coś z nim zrobić?"
W zasadzie pomyślałem, że to dziwne pytanie.
Potem zdałem sobie sprawę, że to samo pytanie zadawano na temat każdej udanej formy pieniądza w historii.
Złoto miało ten sam problem.
Nie dlatego, że zawiodło.
Ale dlatego, że odniosło sukces.
Bogactwo ma tendencję do znikania za warstwami.
Najpierw ludzie posiadają aktywa. Potem tworzą roszczenia do tych aktywów. Następnie rynki dla tych roszczeń. A potem produkty budowane na tych rynkach.
Ostatecznie większość aktywności gospodarczej odbywa się kilka warstw dalej od rzeczy, która uczyniła system wartościowym na samym początku.
To nie jest wada.
To się dzieje, gdy aktywo rozliczeniowe odnosi sukces.
Bitcoin wydaje się zbliżać do podobnego momentu.
W swojej istocie Bitcoin to ostateczne rozliczenie. Brak kontrahenta. Brak obietnic. Brak bilansu. Tylko własność.
Ale gdy wystarczająca ilość kapitału gromadzi się wokół aktywa, ludzie przestają pytać, jak je chronić, i zaczynają pytać, jak je wykorzystać.
Tym właśnie zaczyna się finansjalizacja.
Rynki pożyczkowe, zabezpieczenia, strategie zysku, produkty strukturalne i skarbce to wszystko próby uczynienia kapitału Bitcoina bardziej wydajnym bez zmieniania samego aktywa.
Wyzwanie nie polega na zatrzymaniu finansjalizacji.
Wyzwanie polega na upewnieniu się, że warstwy powyżej nigdy nie staną się ważniejsze niż fundament poniżej.
Częściowo dlatego Bedrock 2.0 przyciągnęło moją uwagę.
Dzięki uniBTC, skarbcowi klasy instytucjonalnej i BRClaw jako AI On-Chain Analyst, nacisk wydaje się być mniej na maksymalizację APY, a bardziej na inteligentne alokowanie kapitału Bitcoina w różnych możliwościach i warunkach rynkowych.
Nie zastępując Bitcoina.
Budując wokół niego.
Bo może następny rozdział Bitcoina nie polega na wyborze między rozliczeniem a finansjalizacją.
Może chodzi o naukę, jak mieć oba bez poświęcania żadnego.
@Bedrock $BR #Bedrock

Z przyjacielem mieliśmy prostą różnicę zdań, która przerodziła się w głębsze pytanie o prywatność w AI.
On woli AI lokalne, wzorowane na Wenecji. Jego argument jest prosty: "Jeśli model działa na moim urządzeniu, moje dane nigdy nie opuszczają mojego urządzenia. To najsilniejsza możliwa prywatność."
Więc w zasadzie ma sens. Brak sieci. Brak narażenia. Brak zależności zewnętrznych.
Ale potem spojrzałem na to z perspektywy systemowej.
Bo zarówno Wenecja, jak i OpenGradient rozwiązują kwestię "prywatności", tylko z zupełnie różnymi założeniami, gdzie ryzyko faktycznie istnieje.
Podejście Wenecji to lokalne modele + otwarte źródła. Idea jest prosta: utrzymuj obliczenia blisko użytkownika, zmniejszaj zewnętrzną powierzchnię zaufania i zakładaj, że urządzenie jest granicą bezpieczeństwa.
OpenGradient przyjmuje przeciwne założenie: urządzenie to za mało. Sieci, infrastruktura i warstwy wykonawcze mogą być wszystkie zagrożone.
Zamiast izolować dane w jednym miejscu, próbuje chronić je nawet podczas ruchu.
Enklawy sprzętowe TEE izolują obliczenia na poziomie sprzętu. Przekaźniki OHTTP usuwają tożsamość przed dotarciem żądań do modeli. Szyfrowanie zapewnia, że dane pozostają nieczytelne nawet w trakcie przetwarzania. A dowody mają na celu uczynienie wykonania weryfikowalnym, a nie tylko zakładanym.
Więc różnica nie polega na "prywatności vs braku prywatności".
To dwie definicje, gdzie powinno mieszkać zaufanie.
Jedna mówi: zaufaj swojemu urządzeniu i minimalizuj wszystko na zewnątrz.
Druga mówi: nie ufaj żadnej warstwie urządzenia, sieci, infrastruktury i zaprojektuj prywatność, która przetrwa przez wszystkie z nich.
Mój przyjaciel zapytał ponownie: "Która z nich jest naprawdę bezpieczniejsza?"
Nie dałem bezpośredniej odpowiedzi.
Bo prawdziwe pytanie nie dotyczy bezpieczeństwa.
Dotyczy założenia.
Czy zakładasz, że urządzenie brzegowe jest najsilniejszą granicą?
Czy zakładasz, że cała sieć jest domyślnie nieufna?
Tam zaczyna się prawdziwe rozdzielenie między tymi dwiema filozofiami.
@OpenGradient $OPG $VVV #OPG

Większość ludzi może kupić nasiona.

Budowanie szklarni to zupełnie inna umiejętność.

Ta myśl towarzyszyła mi, gdy patrzyłem na to, jak posiadanie Bitcoina ewoluowało na przestrzeni lat.

Przez długi czas samo trzymanie BTC wystarczało.

I szczerze mówiąc, ten sposób działał niesamowicie dobrze.

Nie było zbyt wiele do myślenia.

Tylko czas i cierpliwość.

Ale rynki nie pozostają takie same na zawsze.

Im dłużej spędzam czas w BTCfi, tym bardziej czuję, że istnieje różnica między posiadaniem aktywa a tworzeniem wokół niego odpowiedniego środowiska.

Jedno opiera się na czasie.

Drugie opiera się na strukturze.

To prawdopodobnie dlatego Bedrock 2.0 zaczęło mieć dla mnie więcej sensu.

Nie z powodu konkretnego APY.

Ale dlatego, że Inteligentny Silnik Zysku wydaje się mniej jak wyciskanie więcej z Bitcoina, a bardziej jak budowanie warunków, w których kapitał Bitcoinowy może się dostosować, gdy zmieniają się możliwości.

Vaulty neutralne rynkowo.

Strategie kredytowe.

Ekspozycja na RWA.

Różne środowiska.

Różne kompromisy.

Nie każda pora roku nagradza to samo podejście.

Co sprawiło, że zrozumiałem coś interesującego.

Inwestorzy instytucjonalni rzadko myślą o aktywach w izolacji.

Spędzają znacznie więcej czasu, myśląc o systemach otaczających te aktywa.

Może dlatego uniBTC coraz mniej przypomina cel, a bardziej punkt wyjścia.

I może to tam BTCfi powoli zmierza.

Nie w kierunku znalezienia lepszych nasion.

Ale w kierunku budowania lepszych warunków dla nich.

Nadal próbuję ustalić, jak dużą wagę ma to rozróżnienie.

Ale wydaje się ważniejsze, niż myślałem wcześniej
@Bedrock $BR #Bedrock

Najdziwniejsze w Bitcoinie jest to, że wszyscy myślą, że są tym samym inwestorem.
Kilka miesięcy temu miałem kawę z dwoma przyjaciółmi, którzy obaj posiadali bitcoiny. Jeden z nich nie otworzył swojego portfela od tygodni. Drugi sprawdzał ceny tak często, że naprawdę zastanawiałem się, czy to się liczy jako pełnoetatowa praca.
Obaj posiadali ten sam aktyw, obaj wierzyli w bitcoiny. Ale po pięciu minutach słuchania ich rozmowy, było oczywiste, że chcą zupełnie różnych rzeczy.
Jeden dbał o ochronę kapitału.
Drugi dbał o maksymalizację możliwości.
I to prawdopodobnie dlatego zacząłem patrzeć na BTCFi inaczej.
Przez lata rozmowa skupiała się głównie na tym, jak uczynić bitcoina produktywnym. Teraz bardziej interesuje mnie, co się stanie po tym.
Bo gdy bitcoin zaczyna generować zyski, pojawia się nowy problem.
Nie wszyscy chcą tego samego rodzaju zysku.
Niektórzy chcą czegoś na tyle stabilnego, że mogą o tym zapomnieć na miesiąc. Inni pragną najwyższego zysku, jaki mogą znaleźć. Niektórzy są gotowi handlować zyskami na rzecz bardziej przewidywalnego ryzyka. Inni chcą ekspozycji, która nie jest już całkowicie związana z krypto.
To, co zwróciło moją uwagę w Bedrock 2.0.
Zamiast zakładać, że każdy posiadacz bitcoina chce tej samej strategii, buduje rozwiązania dla różnych typów inwestorów. Niektórzy naturalnie przyciągną się do skarbców delta-neutral. Inni będą preferować możliwości native DeFi. Niektórzy będą czuli się bardziej komfortowo z strategiami pożyczkowym i kredytowymi. Inni mogą spojrzeć na ekspozycję RWA i pomyśleć, że to dokładnie to, czego im brakowało.
Interesującą częścią nie jest to, który skarbiec osiąga najlepsze wyniki.
Chodzi o to, że Bedrock zdaje się dostrzegać coś, czego większość z nas ostatecznie się uczy.
Posiadanie tego samego aktywu nie oznacza chęci osiągnięcia tego samego wyniku.
Więc teraz jestem ciekaw.
Jakim posiadaczem bitcoina jesteś?
@Bedrock $BR #Bedrock

Zapłaciłem 120 $ tylko po to, aby szybciej wejść do klubu.
nie po darmowe drinki.
nie po lepsze miejsce.
po prostu po inny opaskę na nadgarstek.
W tamtym czasie brzmiało to absurdalnie. dlaczego płacić więcej za coś, do czego wszyscy technicznie mają dostęp?
Potem wszedłem do środka i zrozumiałem, że opaska na nadgarstek nie kupowała dostępu do lokalu.
Kupowała dostęp do wszystkiego, co działo się potem.
Z jakiegoś powodu to wróciło do mnie, gdy patrzyłem na Bedrock 2.0.
Bo im więcej rozumiem rolę $BR , tym mniej czuję, że to token, a bardziej, że to karta członkowska.
Każdy może zobaczyć możliwości. Każdy może poczytać o skarbcach. Ale uczestnictwo nie zawsze jest równomiernie rozdzielone.
Niektóre skarbce mają ograniczoną pojemność. Niektóre alokacje zależą od Twojego poziomu. Niektóre nagrody i zyski stają się bardziej atrakcyjne im głębiej jesteś w ekosystemie.
Dlatego myślę, że wiele osób patrzy na BR w zły sposób.
Pytają, czy token wzrośnie.
Bedrock zdaje się zadawać zupełnie inne pytanie:
czy co odblokowuje token?
I ta różnica ma znaczenie.
Ponieważ Bedrock 2.0 nie buduje tylko kolejnej platformy zysków. Buduje ekosystem wokół modułowych skarbców, strategii na poziomie instytucjonalnym i inteligentnej alokacji kapitału. Jeśli więcej kapitału przepływa do tych możliwości, podczas gdy pojemność pozostaje ograniczona, dostęp sam w sobie zaczyna nabierać wartości.
Zabawne jest to, że najlepsze kluby nigdy nie sprzedają miejsca.
Sprzedają uczucie, że nie każdy może wejść.
Nie wiem, czy tak ostatecznie potoczy się historia BR.
Ale im więcej patrzę na Bedrock 2.0, tym bardziej $BR wydaje się mniej jak żeton do obstawiania, a bardziej jak przejazd VIP.
@Bedrock #Bedrock

w zeszłym tygodniu przelałem około $1,200 do Genius Terminal, żeby przetestować rotację, którą normalnie wykonałbym na wielu platformach. Nie myślałem o MPC, dowodach zerowej wiedzy ani architekturze prywatności. Po prostu chciałem wiedzieć, czy doświadczenie rzeczywiście wydaje się inne, gdy zaangażowany jest prawdziwy kapitał.
Później tej nocy przeczytałem kilka technicznych dyskusji na temat Genius i natrafiłem na coś nieoczekiwanego. Celowo zdecydowali się nie budować wokół systemów zerowej wiedzy.
To mnie zaskoczyło.
Krypto spędziło lata traktując ZK jako odpowiedź na niemal wszystko. Prywatność, tożsamość, skalowanie. Jeśli problem istnieje, ktoś w końcu zasugeruje ZK. Dlatego widząc, jak zespół celowo idzie w innym kierunku, wydawało się to niezwykłe.
Powód staje się bardziej interesujący, gdy spojrzysz na sam handel. Większość dyskusji o prywatności koncentruje się na tym, co technologia może osiągnąć. Traderzy interesują się tym, co się wydarzy, zanim okazja zniknie. Transakcja może być słuszna, a mimo to stracić pieniądze, jeśli realizacja dotrze za późno.
Dlatego pytanie, które wydaje się zadawać Genius, jest inne.
Nie jak zbudować najbardziej zaawansowany system prywatności.
Ale jak dużo prywatności możesz zapewnić, nie przeszkadzając w realizacji?
Myślę, że to zupełnie inna filozofia projektowania, ponieważ traderzy nie są nagradzani za korzystanie z eleganckiej technologii. Otrzymują nagrody za podejmowanie dobrych decyzji i realizację tych decyzji w odpowiednim momencie.
I to jest miejsce, gdzie krypto czasami wydaje się oderwane od rzeczywistości. Często zakładamy, że najbardziej zaawansowane rozwiązanie automatycznie staje się zwycięskim rozwiązaniem. Historia rzadko tak działa.
Internet nie wygrały produkty o największej widocznej złożoności. Wygrały te produkty, które sprawiły, że złożoność zniknęła.
I niezależnie od tego, czy Genius okaże się słuszny czy nie, uważam, że to fascynujące, że byli gotowi zakwestionować jedno z najsilniejszych założeń krypto, aby podjąć to ryzyko.
@GeniusOfficial $GENIUS #genius

Pomagałem ostatnio koledze kupić token, a to, co powinno zająć dwie minuty, zamieniło się w dwudziestominutowy przewodnik. Najpierw potrzebował portfela. Potem funduszy na odpowiednim łańcuchu. Następnie mostu. Potem gazu. Musiał się też upewnić, że nie kupuje niewłaściwej wersji aktywa.
W pewnym momencie spojrzał na mnie i zapytał: "dlaczego kryptowaluty wciąż wydają się takie skomplikowane?"
Dziwne, ale nie miałem dobrej odpowiedzi.
Bo spędziliśmy lata na poprawie infrastruktury. Szybsze łańcuchy. Tańsze transakcje. Głębsza płynność. Lepsze narzędzia do handlu. A jednak doświadczenie wciąż wydaje się nieukończone.
Szczerze mówiąc, dzisiejsza kryptowaluta przypomina mi internet z początku lat 2000.
Wtedy ludzie musieli rozumieć przeglądarki, pobieranie, formaty plików i ustawienia sieci, żeby robić proste rzeczy w sieci. W końcu cała ta złożoność zniknęła za lepszymi interfejsami. Ludzie przestali zajmować się infrastrukturą i zaczęli koncentrować się na wynikach.
Kryptowaluty jeszcze nie osiągnęły tego etapu.
Wciąż prosimy użytkowników, aby myśleli o łańcuchach, mostach, tokenach gazowych i trasach płynności, gdy większość z nich interesuje tylko jedna rzecz: przenoszenie kapitału w kierunku możliwości.
Dlatego Genius zwrócił moją uwagę.
Nie dlatego, że łączy więcej łańcuchów lub agreguje więcej płynności, ale dlatego, że wydaje się zaczynać od innego założenia. A co jeśli użytkownicy w ogóle nie powinni przejmować się infrastrukturą? Co jeśli mogliby skupić się na rynku, podczas gdy wszystko poniżej zanika w tle?
Może w tym kierunku zmierza branża.
Ponieważ technologie, które wygrywają, zazwyczaj nie są tymi z najbardziej widoczną infrastrukturą.
To te, które sprawiają, że infrastruktura znika.
@GeniusOfficial $GENIUS #genius

Kilka dni temu rozmawiałem z przyjacielem, kiedy powiedział coś, co utkwiło mi w głowie.
"Crypto ma teraz tysiące aplikacji. Dlaczego wciąż wydaje się nieukończone?"
Dziwne jest to, że nie miałem dobrej odpowiedzi.
Ponieważ crypto nie ma niedoboru aplikacji. Wręcz przeciwnie, ma ich za dużo. Aplikacje do handlu, mosty, aplikacje do yieldów, portfele, analityka. Każda kategoria jest zatłoczona, a każde narzędzie staje się coraz lepsze.
Ale im dłużej rozmawialiśmy, tym mniej to wyglądało na problem aplikacji.
Większość produktów crypto jest zbudowana wokół działań. Zamiana tutaj. Most tam. Otwieranie pozycji gdzie indziej. Każda aplikacja wykonuje swoją pracę dokładnie tak, jak zamierzono.
Problem w tym, że traderzy nie myślą w kategoriach działań.
Myślą w kategoriach kapitału.
Gdzie jest. Dokąd zmierza. Co powinno zrobić następnie.
I myślę, że przez to patrzy Genius.
Jeśli kapitał ciągle się przemieszcza, dlaczego użytkownicy mają ciągle zmieniać środowiska?
Kilka dni temu przechodziłem z jednej pozycji do drugiej i zauważyłem, że otwieram wykresy, sprawdzam portfel, przenoszę aktywa, szukam płynności i zarządzam ryzykiem na różnych platformach. Sam handel zajął może minutę.
Wszystko wokół handlu zajęło znacznie więcej czasu.
To sprawiło, że zdałem sobie sprawę, ile czasu w crypto spędza się na nawigacji między narzędziami, zamiast podejmować decyzje.
Genius wydaje się zaczynać z zupełnie innym założeniem.
Zamiast optymalizować indywidualne działania, wygląda na to, że próbuje optymalizować przejścia między działaniami. Ponieważ kapitał tak naprawdę nie dba, czy jest wymieniany, zabezpieczany czy inwestowany w yield. Z perspektywy kapitału, to wszystko część tej samej podróży.
I szczerze mówiąc, myślę, że tam wciąż tkwi dużo tarcia w crypto.
Nie wewnątrz samych narzędzi.
Między nimi.
Spędziliśmy lata na budowaniu lepszych aplikacji finansowych. Może następnym krokiem nie jest budowanie jeszcze większej ich liczby.
Może chodzi o stworzenie środowisk, w których kapitał może się przemieszczać bez zmuszania użytkowników do ponownego uruchamiania swojego workflow za każdym razem, gdy zmienia stan.
@GeniusOfficial $GENIUS #genius

Nie sądzę, żeby Genius Terminal konkurował z Jupitrem, Odos czy 1inch.
Myślę, że konkuruje z 15 zakładkami, które mam otwarte w tej chwili.
Śmieszne jest to, że nie zdałem sobie sprawy, jak absurdalne stały się przepływy pracy w krypto, dopóki nie złapałem się na skakaniu między velas, mostami, portfelami, trackerami portfela i platformami handlowymi tylko po to, aby zrealizować pewien pomysł. Sam trade zajął mi może minutę. Wszystko wokół trade'u zajęło znacznie więcej czasu.
I wtedy coś mi kliknęło.
Większość produktów krypto jest budowana wokół akcji. swap, most, hedging, farming. każde narzędzie jest zoptymalizowane do jednej konkretnej rzeczy. Ale traderzy nie myślą w kategoriach akcji. Myślą w kategoriach wyników.
Nikt się nie budzi, chcąc mostować aktywa. Nikt się nie budzi, chcąc kierować transakcję. Budzą się, chcąc przenieść kapitał w stronę lepszej okazji. Wszystko inne to tylko krok pośredni.
Dlatego Genius zaczęło mi się wydawać inne.
Im więcej w to zagłębiałem, tym mniej czułem, że to kolejna platforma tradingowa, a tym bardziej, że to zakład przeciwko fragmentacji przepływu pracy. Ponieważ za każdym razem, gdy kapitał zmienia stan w krypto, użytkownicy są zazwyczaj zmuszeni do zmiany środowisk. spot staje się perp. perp staje się yield. yield staje się inną pozycją. Idea pozostaje ta sama, ale przepływ pracy zostaje rozdzielony.
Genius wydaje się przyjmować inne założenie. Co jeśli kapitał nigdy tak naprawdę nie przestaje się poruszać? Co jeśli spekulacja, hedging, rotacja i zarabianie yield to wszystko część tego samego ciągłego przepływu, zamiast oddzielnych działań żyjących w oddzielnych produktach?
I szczerze mówiąc, myślę, że tam wciąż leży wiele krypto tarcia dzisiaj. Nie w samej egzekucji, ale w tym, co dzieje się pomiędzy egzekucjami.
Dlatego nie sądzę, żeby prawdziwa bitwa toczyła się między protokołem a protokołem czy łańcuchem a łańcuchem.
Myślę, że to uwaga kontra fragmentacja.
Ponieważ jeśli każda główna aktywność ostatecznie dzieje się w tym samym środowisku egzekucji, to najcenniejszym produktem może nie być ten z najlepszym narzędziem.
Może to być ten, który daje traderom najmniej powodów do opuszczenia.
@GeniusOfficial $GENIUS #genius