Blockchain Capital ：加密市場的教訓，AI 投資者值得重讀

作者：@jonah_b，Blockchain Capital 研究員

編譯：佳歡，ChainCatcher

很難不注意到，當前 AI 狂熱與此前幾輪加密市場狂熱之間存在著驚人的相似之處。

加密市場很適合用來觀察，在一輪重大的技術浪潮面前，人們會如何行動：其中有好的一面、壞的一面，也有最不堪的一面。這是因為加密市場的周期推進速度很快，早期項目可以通過代幣獲得其他市場難以提供的流動性，而市場行為在默認情況下也是公開的，因為區塊鏈數據本來就是開放的。

我們從這個市場中學到了很多，而這些經驗同樣適用於 AI。如果你正在投資 AI，這篇文章就是寫給你的。

彩票式下注

巨大的成功會引發跟風，也會製造 FOMO。一旦某類資產誕生了一個改變時代的巨大贏家，投資者就會湧入，試圖複製其成功路徑。但第二波項目很少能達到第一波的高度，許多項目最終只是空中樓閣，大量資金也因此打了水漂。

比特幣成為萬億美元級資產。隨後，以太坊成為上千億美元級資產，Solana 也成為數百億美元級資產，證明這個市場不只可能誕生一個巨大贏家。

於是，投資新公鏈的熱潮隨之興起。風險投資機構把這些項目當作彩票下注，只要押中一個，就可能賺回整個基金規模的數倍。

如今，許多新興 AI 實驗室的估值，也建立在彩票式預期之上。

OpenAI 和 Anthropic 都在向萬億美元級估值邁進。背後的公式很簡單：先有一個受到極度追捧的市場，再有一個已經證明成功的後來者。於是，每一個新進入者都被視為下一張致富彩票。

當年，許多 L1 項目幾乎只憑一份白皮書和一支創始人團隊，就獲得了數十億美元估值。它們講的故事也很誘人：

如果全球經濟都運行在我們的鏈上呢？

同樣，新興 AI 實驗室也憑藉一套研究理念，以及從 OpenAI、Anthropic 或 GoogleDeepMind 挖來的創始人團隊，籌集到數十億美元。

萬一它們真的能夠造出"機器之神"呢？

不過，很多時候，這筆投資押注的只是下一位更高價接盤者會出現。

許多早期投資者並不一定真的在評估公司的當前基本面和未來前景。他們知道，一位明星人才的加入，或與超大規模雲廠商達成的一筆合作，就可能吸引投資者把公司估值再抬高一輪。再加上二級市場如今流動性越來越強，他們默認下一個買家總會出現。

市場亂象

正如 BCAP GP @CremeDeLaCrypto 在 Bankless 節目中所說，當大量資金在市場中流動時，總會有"一群追逐快錢、哪裡熱門就衝向哪裡的投機者和騙子"湧入。

十多年來，加密投資者一直在親眼見證這類現象：一批又一批打著"代幣就是產品"旗號的項目，在可疑的做市手法、對投資者極不友好的高 FDV/低流通量結構、對投資者不利的 SAFT 協議，以及層出不窮的其他市場把戲推動下被推向市場。

如今，AI 行業也在上演類似的一幕。比如，那些由三層 SPV 構成、收費高得離譜的結構……

不過，兩者有一個關鍵差異：在加密市場，價格是公開的，代幣可以公開交易。AI 公司的價格和估值，則是在不透明、流動性有限的二級市場中形成的。

即使不談投機行為，AI 投資者也能從加密市場看到，市場結構的變化會決定利潤最終流向誰。

比如，AI 投資者現在重金押注的，可能最終會變成一種標準化商品。

加密市場的案例：區塊空間變成了商品

區塊空間曾經稀缺且昂貴，資本因此湧入，試圖擴大供給。

但這個行業後來走得有些過頭了：越來越多 L1 鏈上線，以太坊也增加了 L2。最終，區塊空間從稀缺變得充裕，甚至過剩。

這對技術發展是好事，對投資者卻未必如此。如今，許多替代性 L1 的收入仍然非常有限。

早期市場普遍押注"胖協議"理論，但最終佔上風的是"胖應用"理論。

隨著區塊空間變得更便宜，用戶為底層基礎設施支付的錢少了，花在上層應用上的錢卻變多了。Tether、Hyperliquid、Aave、Polymarket等應用層項目，反而賺走了收入的大頭。

AI 的案例：模型可能會商品化

AI 可能正在重演加密市場早期經歷的那一幕。

中國的 AI 實驗室正不斷公開越來越強的模型權重。關於它們這樣做的激勵機制，我做過解釋。

如果模型權重變成標準化商品，模型價格繼續下降，價值就會轉移到技術棧的上游和下游。

應用將成為主要受益者：如果使用模型的邊際成本逐漸接近運行模型的邊際成本，應用就不必再為模型層的高額利潤買單。

OpenAI 和 Anthropic 則不容易被這一變化直接擊中，因為它們已經擁有用戶基礎、企業客戶關係和面向開發者的分發渠道。但它們是例外。

從這個意義上說，它們更像是 AI 領域的 Hyperliquid，而不是只提供底層基礎設施的 L1。

換句話說，OpenAI 和 Anthropic 已經實現了垂直整合。那些無法直接觸達終端用戶的其他 AI 實驗室，處境可能會更加困難。

模型利潤率下降帶來的另一個結果是，技術棧最底層的能源和硬件有機會獲得更高利潤率。尤其是在算力供給受到物理條件限制的情況下，這種趨勢可能更加明顯。

簡而言之，硬件層和應用層可能拿走更多利潤，模型層則會受到擠壓。但大量投資資金恰恰流向了模型層。

這一切並不新鮮

從更大的周期來看，這其實並不令人意外。

卡洛塔·佩雷斯在《技術革命與金融資本》中認為，這類技術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。

金融資本會在狂熱期過度投資基礎設施，但這些被過度建設、如今價格低廉的基礎設施，反而會支撐下一代應用發展。

這有助於解釋加密市場為何會出現區塊空間過度建設。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，前提是相信它們能讓研發投入獲得巨額回報。加密市場和替代性 L1 的歷史，至少應該讓我們對這個假設打個問號。

當然，如果 AGI 出現，以上判斷都未必成立。因為我們完全不知道 AGI 到來後，經濟會變成什麼樣。