Table of Contents
去中心化 AI 難落地：分散式 GPU 難以應對大型模型
Tom Schmidt 坦言，Dragonfly Capital 對於目前市面上 AI 結合加密技術的專案的看法偏向保守，甚至是看跌。
他指出，大多數專案集中於去中心化推理 (decentralized inference) 與 GPU 資源共享的概念，但這類想法早在 Golem 等早期專案中便出現過，卻始終無法克服核心挑戰：「如何有效調度分散的算力，完成高效能 AI 模型的運算？」
如果你思考如何實際訓練一個最先進的 AI 模型，你不會使用遍布全球的一百萬個消費級 GPU，而是需要一個大型的集中式且高效能的 A100 集群。
Schmidt 強調：「運算不是單一維度的 (monolith)」
不同任務所需的資源類型迥異，然而去中心化網路難以統一調度，並同時達成「效能」與「穩定性」的需求。
他提醒市場，目前對「Web3 資源共享式 AI」的想像與現實落差極大。
(AI 該是企業的還是大家的？Psyche 攜手 Solana 開啟去中心化 AI 訓練革命)
真正可行的交集：基於穩定幣的代理微支付
儘管對去中心化 AI 表示懷疑，但 Schmidt 並不否定 AI 與加密技術的結合潛力。
他提到 Dragonfly 更感興趣的是結合區塊鏈確定性特質的應用，尤其是「AI 代理的微支付 (micropayments for AI agents)」。在這些場景中，穩定幣能提供可程式化且即時結算的微交易能力，並滿足許多 AI 應用對確定性與最終性的需求，這是傳統金融系統難以做到的：
隨著 AI 代理日益普及，需要支付費用來獲取資料或訪問服務等需求浮現，它們將需要一個能夠處理「低至一美分甚至更少」的極小金額支付系統。
他補充，「傳統 SaaS 支付提供商無法滿足這種需求，而『穩定幣』在實現這一點上具有獨特優勢。」
(電商已死？AI 代理商務如何接手全球消費決策權、改寫商業規則？)
反向觀點浮現：去中心化 AI 將從「注意力」角度切入？
另一位業界人士 Euphoria 創辦人 Nathan Worsley 則從「注意力經濟」出發，認為 AI 與加密技術在 Web3 的內容分發與互動設計中，具備高度產品市場契合度 (PMF)：
大型語言模型 (LLM) 與 AI 的演進，讓我們能更準確地分析貼文、影片與情緒，描繪出「心智佔領率 (mindshare)」的全面輪廓，這在過去根本無法量化。
(你是在大聲什麼！詳解全網熱議的 LOUD 機制，注意力經濟結合龐氏的全新實驗？)
AI 結合加密的探索，從炒作走向實踐
Tom Schmidt 的冷靜分析，為火熱的 AI 結合加密熱潮注入一劑清醒劑。他提醒市場不要將所有希望寄託於尚未可行的去中心化推理，而應專注於區塊鏈真正能發揮價值的應用層。其中，代理支付與穩定幣微交易或將成為 AI crypto 真正落地的路徑。
當然，他也為歡迎其他構想的加入，為這場 AI 結合加密的交叉實驗注入更多可能，共同推動這個領域的演進。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
