Blockchain Capital ：加密市场的教训，AI 投资者值得重读

AI狂热与加密市场惊人相似：从公链泡沫到区块空间过剩，AI模型或将商品化。Blockchain Capital研究员深度解析，教你避开投资陷阱。

编译：佳欢，ChainCatcher

很难不注意到，当前 AI 狂热与此前几轮加密市场狂热之间存在着惊人的相似之处。

加密市场很适合用来观察，在一轮重大的技术浪潮面前，人们会如何行动：其中有好的一面、坏的一面，也有最不堪的一面。这是因为加密市场的周期推进速度很快，早期项目可以通过代币获得其他市场难以提供的流动性，而市场行为在默认情况下也是公开的，因为区块链数据本来就是开放的。

我们从这个市场中学到了很多，而这些经验同样适用于 AI。如果你正在投资 AI，这篇文章就是写给你的。

巨大的成功会引发跟风，也会制造 FOMO。一旦某类资产诞生了一个改变时代的巨大赢家，投资者就会涌入，试图复制其成功路径。但第二波项目很少能达到第一波的高度，许多项目最终只是空中楼阁，大量资金也因此打了水漂。

比特币成为万亿美元级资产。随后，以太坊成为上千亿美元级资产，Solana 也成为数百亿美元级资产，证明这个市场不只可能诞生一个巨大赢家。

于是，投资新公链的热潮随之兴起。风险投资机构把这些项目当作彩票下注，只要押中一个，就可能赚回整个基金规模的数倍。

如今，许多新兴 AI 实验室的估值，也建立在彩票式预期之上。

OpenAI 和 Anthropic 都在向万亿美元级估值迈进。背后的公式很简单：先有一个受到极度追捧的市场，再有一个已经证明成功的后来者。于是，每一个新进入者都被视为下一张致富彩票。

当年，许多 L1 项目几乎只凭一份白皮书和一支创始人团队，就获得了数十亿美元估值。它们讲的故事也很诱人：

如果全球经济都运行在我们的链上呢？

同样，新兴 AI 实验室也凭借一套研究理念，以及从 OpenAI、Anthropic 或 GoogleDeepMind 挖来的创始人团队，筹集到数十亿美元。

万一它们真的能够造出「机器之神」呢？

不过，很多时候，这笔投资押注的只是下一位更高价接盘者会出现。

许多早期投资者并不一定真的在评估公司的当前基本面和未来前景。他们知道，一位明星人才的加入，或与超大规模云厂商达成的一笔合作，就可能吸引投资者把公司估值再抬高一轮。再加上二级市场如今流动性越来越强，他们默认下一个买家总会出现。

正如 BCAP GP @CremeDeLaCrypto 在 Bankless 节目中所说，当大量资金在市场中流动时，总会有「一群追逐快钱、哪里热门就冲向哪里的投机者和骗子」涌入。

十多年来，加密投资者一直在亲眼见证这类现象：一批又一批打着「代币就是产品」旗号的项目，在可疑的做市手法、对投资者极不友好的高 FDV/ 低流通量结构、对投资者不利的 SAFT 协议，以及层出不穷的其他市场把戏推动下被推向市场。

如今，AI 行业也在上演类似的一幕。比如，那些由三层 SPV 构成、收费高得离谱的结构……

不过，两者有一个关键差异：在加密市场，价格是公开的，代币可以公开交易。AI 公司的价格和估值，则是在不透明、流动性有限的二级市场中形成的。

即使不谈投机行为，AI 投资者也能从加密市场看到，市场结构的变化会决定利润最终流向谁。

比如，AI 投资者现在重金押注的，可能最终会变成一种标准化商品。

加密市场的案例：区块空间变成了商品

区块空间曾经稀缺且昂贵，资本因此涌入，试图扩大供给。

但这个行业后来走得有些过头了：越来越多 L1 链上线，以太坊也增加了 L2。最终，区块空间从稀缺变得充裕，甚至过剩。

这对技术发展是好事，对投资者却未必如此。如今，许多替代性 L1 的收入仍然非常有限。

早期市场普遍押注「胖协议」理论，但最终占上风的是「胖应用」理论。

随着区块空间变得更便宜，用户为底层基础设施支付的钱少了，花在上层应用上的钱却变多了。Tether、Hyperliquid、Aave、Polymarket 等应用层项目，反而赚走了收入的大头。

AI 的案例：模型可能会商品化

AI 可能正在重演加密市场早期经历的那一幕。

中国的 AI 实验室正不断公开越来越强的模型权重。关于它们这样做的激励机制，我做过解释。

如果模型权重变成标准化商品，模型价格继续下降，价值就会转移到技术栈的上游和下游。

应用将成为主要受益者：如果使用模型的边际成本逐渐接近运行模型的边际成本，应用就不必再为模型层的高额利润买单。

OpenAI 和 Anthropic 则不容易被这一变化直接击中，因为它们已经拥有用户基础、企业客户关系和面向开发者的分发渠道。但它们是例外。

从这个意义上说，它们更像是 AI 领域的 Hyperliquid，而不是只提供底层基础设施的 L1。

换句话说，OpenAI 和 Anthropic 已经实现了垂直整合。那些无法直接触达终端用户的其他 AI 实验室，处境可能会更加困难。

模型利润率下降带来的另一个结果是，技术栈最底层的能源和硬件有机会获得更高利润率。尤其是在算力供给受到物理条件限制的情况下，这种趋势可能更加明显。

简而言之，硬件层和应用层可能拿走更多利润，模型层则会受到挤压。但大量投资资金恰恰流向了模型层。

从更大的周期来看，这其实并不令人意外。

卡洛塔·佩雷斯在《技术革命与金融资本》中认为，这类技术革命会经历几个阶段：基础设施铺设期、狂热期、崩盘期和部署期。