0xjacobzhao

V našem předchozím výzkumu Crypto AI jsme zjistili, že zatímco stablecoiny a DeFi nabízejí okamžitou užitečnost, Agenti představují kritické uživatelské rozhraní pro průmysl AI. Důsledně definujeme dvě hlavní hodnotové cesty pro integraci Crypto-AI: krátkodobý zaměřený přístup na AgentFi, který automatizuje strategie výnosů na zralých DeFi protokolech, a středně- až dlouhodobou evoluci směrem k Agent Payment, umožňující autonomní vyrovnání stablecoinů prostřednictvím vznikajících standardů jako ACP, x402 a ERC-8004.
Predikční trhy se staly nepopiratelným novým trendem v průmyslu v roce 2025, kdy celkový roční objem obchodování vzrostl z přibližně 9 miliard dolarů v roce 2024 na více než 40 miliard dolarů v roce 2025, což představuje meziroční růst přes 400 %. Tento významný růst je poháněn několika faktory: poptávkou po zajištění nejistoty v důsledku makro-politických událostí, zralostí infrastruktury a obchodních modelů a prolomením ledu v regulačním prostředí (výhra žaloby Kalshi a návrat Polymarketu do USA). Agenti predikčního trhu ukazují rané prototypy na začátku roku 2026 a jsou připraveni stát se novou formou produktu v oblasti agentů v nadcházejícím roce.

V našich předchozích zprávách o sérii Crypto AI jsme neustále zdůrazňovali názor: aktuálně nejvíce prakticky využitelné scénáře v oblasti kryptoměn jsou primárně soustředěny na platby stabilními coiny a DeFi, přičemž Agent je klíčovým rozhraním AI průmyslu směrem k uživatelům. Proto v trendu fúze Crypto a AI jsou nejcennější dvě cesty: AgentFi, založený na stávajících vyspělých DeFi protokolech (základní strategie jako půjčování, těžba likvidity atd., stejně jako pokročilé strategie jako Swap, Pendle PT, arbitráž na základě úrokových sazeb) v krátkodobém horizontu, a Agent Payment, který je zaměřen na vypořádání stabilními coiny a spoléhá se na protokoly jako ACP/AP2/x402/ERC-8004 v dlouhodobém horizontu.

Dne 3. února 2026 Vitalik publikoval významnou reflexi o roadmapě škálování Ethereum na X. Jak se praktické obtíže vrstvy 2 vyvíjející se do plně decentralizované formy znovu hodnotí, a s očekáváním, že vlastní propustnost mainnetu se v nadcházejících letech výrazně zvýší, je původní předpoklad spoléhání se výhradně na L2 pro škálování propustnosti opravován. Nový "Služba-settlement" spolupracující paradigm je formován mezi L1 a L2: L1 se zaměřuje na poskytování nejvyšší úrovně bezpečnosti, odolnosti vůči cenzuře a svrchovanosti v oblasti vyrovnání, zatímco L2 se vyvíjí na "diferencované poskytovatele služeb" (například soukromí, AI, vysokofrekvenční obchodování). Strategické zaměření Ethereum se vrací k samotnému mainnetu, posiluje svou pozici jako nejdůvěryhodnější vrstvy pro vyrovnání na světě. Škálování již není jediným cílem; bezpečnost, neutralita a předvídatelnost se opět stávají základními aktivy Ethereum.

Autor: Jacob Zhao, Jiawei, Turbo @ IOSG Ventures

3. února 2026, Vitalik publikoval na X důležitou úvahu o rozšíření Etherea. S tím, jak se realita obtížnosti vývoje Layer 2 k plně decentralizované formě znovu uznává, a zároveň se očekává, že kapacita hlavní sítě se v příštích letech výrazně zlepší, původní představa o čistě spoléhání na L2 pro rozšíření kapacity je upravována. L1 a L2 vytvářejí nový kooperativní model 'usazení-služba': L1 se soustředí na poskytování nejvyšší úrovně bezpečnosti, odolnosti vůči cenzuře a suverenity usazení, zatímco L2 se vyvíjí k 'diferencovaným poskytovatelům služeb' (jako jsou soukromí, AI, vysokofrekvenční obchodování). Strategické zaměření Etherea se vrací k samotné hlavní síti a posiluje jeho postavení jako nejdůvěryhodnější vrstvy usazení na světě. Rozšíření již není jediným cílem, bezpečnost, neutralita a predikovatelnost se znovu stávají klíčovými aktivy Etherea.

Autor: 0xjacobzhao | https://linktr.ee/0xjacobzhao
V našich předchozích výzkumných zprávách o Crypto AI jsme neustále zdůrazňovali názor, že nejpraktičtější aplikační scénáře v současném kryptoměnovém poli jsou hlavně soustředěny na platby stablecoinů a DeFi, zatímco Agenti jsou klíčovým rozhraním pro průmysl AI čelící uživatelům. Proto, v trendu integrace Crypto a AI, jsou dvě nejcennější cesty: AgentFi, založený na existujících zralých DeFi protokolech (základní strategie jako půjčování a těžba likvidity, stejně jako pokročilé strategie jako Swap, Pendle PT a arbitráž úrokové sazby) v krátkodobém horizontu; a Agent Payment, zaměřující se na vyrovnání stablecoinů a spoléhající se na protokoly jako ACP/AP2/x402/ERC-8004 ve střednědobém až dlouhodobém horizontu.

Noya.ai zpráva: Prognóza inteligentních agentů na trhu
Autor: 0xjacobzhao | https://linktr.ee/0xjacobzhao

V předchozích zprávách Crypto AI jsme neustále zdůrazňovali názor: Aktuálně v oblasti kryptoměn jsou nejvíce hodnotné scénáře se skutečnou aplikací, které se primárně soustředí na platby stabilních mincí a DeFi, přičemž Agent je klíčovým rozhraním AI průmyslu pro uživatele. Proto v trendu fúze Crypto a AI jsou nejcennější dvě cesty: krátkodobě založené na existujících vyspělých DeFi protokolech (základní strategie jako půjčování, těžba likvidity a pokročilé strategie jako Swap, Pendle PT, arbitráž nákladové sazby atd.) AgentFi a středně až dlouhodobě kolem vypořádání stabilních mincí a založené na protokolech jako ACP/AP2/x402/ERC-8004 Agent Payment.

Autor: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Tato nezávislá výzkumná zpráva je podporována společností IOSG Ventures. Proces výzkumu a psaní byl inspirován prací Sama Lehmana (Pantera Capital) na posilovacím učení. Děkujeme Benovi Fieldingovi (Gensyn.ai), Gao Yuan (Gradient), Samuelovi Dare & Erfanovi Miahi (Covenant AI), Shashankovi Yadavovi (Fraction AI), Chao Wangovi za jejich cenné návrhy k tomuto článku. Tento článek usiluje o objektivitu a přesnost, ale některé názory zahrnují subjektivní posouzení a mohou obsahovat zaujatosti. Oceníme pochopení čtenářů.

Autor: 0xjacobzhao | https://linktr.ee/0xjacobzhao

Tato nezávislá studie je podporována IOSG Ventures, výzkum a psaní byly inspirovány zprávou o posilovacím učení od Sama Lehmana (Pantera Capital), děkujeme Benovi Fieldingovi (Gensyn.ai), Gao Yuanovi (Gradient), Samuelu Dare a Erfanovi Miahi (Covenant AI), Shashank Yadav (Fraction AI), Chao Wangovi za cenné návrhy k tomuto článku. Tento článek usiluje o objektivní a přesný obsah, některé názory obsahují subjektivní posouzení, nelze se vyhnout odchylkám, prosíme čtenáře o pochopení.
Umělá inteligence se posouvá od statistického učení zaměřeného na „fitting modelů“ k systému schopností zaměřenému na „strukturální uvažování“, přičemž význam post-tréninku (Post-training) rychle roste. Vznik DeepSeek-R1 znamená paradigmovou změnu v posilovacím učení v éře velkých modelů, vzniká průmyslový konsensus: předtrénování vytváří základní univerzální schopnosti modelu, posilovací učení již není pouze nástrojem pro vyrovnání hodnot, ale prokázalo, že dokáže systematicky zlepšit kvalitu uvažovacích řetězců a schopnost složitých rozhodnutí, a postupně se vyvíjí v technickou cestu pro trvalé zvyšování úrovně inteligence.

Autor: 0xjacobzhao | https://linktr.ee/0xjacobzhao

Tato nezávislá výzkumná zpráva je podporována IOSG Ventures. Proces výzkumu a psaní byl inspirován související prací Raghava Agarwala (LongHash) a Jaye Yu (Pantera). Děkujeme Lexu Sokolinovi @ Generative Ventures, Jordanovi @AIsa, Ivy @PodOur2Cents za jejich cenné návrhy k tomuto článku. Zpětná vazba byla také vyžádána od projektových týmů, jako jsou Nevermined, Skyfire, Virtuals Protocol, AIsa, Heurist, AEON během procesu psaní. Tento článek usiluje o objektivní a přesný obsah, ale některé názory zahrnují subjektivní posouzení a mohou nevyhnutelně obsahovat odchylky. Ocenění čtenářského porozumění.

Autor: 0xjacobzhao | https://linktr.ee/0xjacobzhao

Tato nezávislá výzkumná zpráva byla podpořena IOSG Ventures, proces výzkumu a psaní byl inspirován zprávami Raghava Agarwala @LongHash a Jaye Yu @Pantera, děkujeme Lexu Sokolinovi @ Generative Ventures, Jordanovi @AIsa, Ivy @(支无不言) blogu za cenné návrhy na tento článek. Během psaní byly také konzultovány názory týmů projektů jako Nevermined, Skyfire, Virtuals Protocol, AIsa, Heurist, AEON a dalších. Tento článek si klade za cíl být objektivní a přesný, některé názory zahrnují subjektivní posouzení, což může vést k odchylkám, proto prosíme čtenáře o pochopení.

Autor: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Tato nezávislá výzkumná zpráva je podporována společností IOSG Ventures. Autor děkuje Hansovi (RoboCup Asie-Pacifik), Nichananu Kesonpatovi (1kx), Robertu Koschigovi (1kx), Amandě Young (Collab+Currency), Jonathanovi Victorovi (Ansa Research), Lexovi Sokolinovi (Generative Ventures), Jayovi Yu (Pantera Capital), Jeffrey Hu (Hashkey Capital) za jejich cenné komentáře, stejně jako přispěvatelům z OpenMind, BitRobot, peaq, Auki Labs, XMAQUINA, GAIB, Vader, Gradient, Tashi Network a CodecFlow za jejich konstruktivní zpětnou vazbu. Přestože bylo vynaloženo veškeré úsilí, aby byla zajištěna objektivita a přesnost, některé poznatky nevyhnutelně odrážejí subjektivní interpretaci a čtenáři jsou vyzváni, aby se s obsahem kriticky zapojili.

Autor: 0xjacobzhao | https://linktr.ee/0xjacobzhao

Tato nezávislá výzkumná zpráva byla podpořena IOSG Ventures, děkujeme Hansovi (RoboCup Asia-Pacific), Nichanan Kesonpat (1kx), Robertu Koschigovi (1kx), Amandě Young (Collab+Currency), Jonathanovi Victorovi (Ansa Research), Lexu Sokolinovi (Generative Ventures), Jay Yu (Pantera Capital), Jeffrey Hu (Hashkey Capital) za cenné návrhy k tomuto dokumentu. Během psaní jsme také konzultovali názory a zpětnou vazbu od projektových týmů jako OpenMind, BitRobot, peaq, Auki Labs, XMAQUINA, GAIB, Vader, Gradient, Tashi Network a CodecFlow. Tento dokument se snaží o objektivní a přesný obsah, některé názory se dotýkají subjektivního hodnocení, a tak nemohou být bezchybné, prosíme čtenáře o pochopení.

Paradigma verifikovatelného výpočtu – „výpočet mimo řetězec + ověřování na řetězci“ – se stalo univerzálním výpočetním modelem pro blockchainové systémy. Umožňuje blockchainovým aplikacím dosáhnout téměř nekonečné výpočetní svobody při zachování decentralizace a důvěryhodnosti jako základních bezpečnostních záruk. Důkazy s nulovými znalostmi (ZKP) tvoří páteř tohoto paradigmatu, přičemž aplikace se primárně zaměřují na tři základní směry: škálovatelnost, soukromí a interoperabilitu & integritu dat. Škálovatelnost byla první aplikací ZK, která dosáhla produkce, přičemž provedla vykonávání mimo řetězec a ověřovala stručné důkazy na řetězci pro vysokou propustnost a nízkonákladové důvěryhodné škálování.

„Off-chain výpočty + on-chain ověřování“ je důvěryhodný výpočetní (Verifiable Computing) model, který se stal obecným výpočetním modelem blockchainových systémů. Umožňuje blockchainovým aplikacím dosáhnout téměř nekonečné výpočetní svobody (computational freedom) při zachování decentralizace a minimální důvěry (trustlessness) bezpečnosti. Nula znalostní důkazy (ZKP) jsou klíčovým pilířem tohoto modelu a jejich aplikace se soustředí především na tři základní směry: škálovatelnost (Scalability), soukromí (Privacy) a interoperabilitu a integritu dat (Interoperability & Data Integrity). Mezi nimi je škálovatelnost prvním scénářem, kde se ZK technologie uplatnila, přičemž přesunem provádění transakcí off-chain a ověřováním výsledků na chainu pomocí krátkých důkazů se dosahuje vysokého TPS a nízkých nákladů na důvěryhodnou škálovatelnost.

Autor:0xjacobzhao | https://linktr.ee/0xjacobzhao
Důkaz s nulovými znalostmi (ZK) — jako infrastruktura pro kryptografii a škálovatelnost nové generace — vykazuje obrovský potenciál v oblasti škálování blockchainu, soukromého výpočtu, zkML a ověřování napříč řetězci. Nicméně, proces generování důkazů je extrémně náročný na výpočetní výkon a zatížení, což představuje největší překážku pro průmyslovou adopci. Zrychlení hardwaru ZK se proto stalo klíčovým habilitátorem. V rámci této krajiny vynikají GPU ve všestrannosti a rychlosti iterace, ASIC usilují o maximální efektivitu a výkon ve velkém měřítku, zatímco FPGA slouží jako flexibilní střední cesta kombinující programovatelnost s energetickou efektivností. Společně tvoří hardwarový základ, který podporuje reálnou adopci ZK.

Autor: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Zero-knowledge proof (ZK) jako nová generace kryptografické a škálovací infrastruktury již prokázala široký potenciál v oblasti škálování blockchainu, výpočetní soukromí a v nově vznikajících aplikacích jako zkML a meziblokové ověřování. Nicméně, proces generování těchto důkazů je výpočetně náročný a vyžaduje vysokou latenci, což se stává největším bottleneckem pro průmyslovou realizaci. ZK hardwarová akcelerace se právě v tomto kontextu stává klíčovým prvkem. Na cestě k ZK hardwarové akceleraci se GPU vyznačuje univerzálností a rychlostí iterace, ASIC usiluje o maximální energetickou účinnost a škálovatelnost, zatímco FPGA představuje mezičlánek, který spojuje flexibilní programovatelnost s vysokou energetickou účinností. Tyto tři prvky společně tvoří hardwarovou základnu pro realizaci zero-knowledge proof.

Napsal 0xjacobzhao | https://linktr.ee/0xjacobzhao
Jak se AI stává nejrychleji rostoucí technologickou vlnou, je výpočetní výkon vnímán jako nová „měna“, přičemž GPU se stávají strategickými aktivy. Přesto financování a likvidita zůstávají omezené, zatímco krypto finance potřebují skutečné peněžní toky – podložená aktiva. Tokenizace RWA se objevuje jako most. AI infrastruktura, kombinující vysoce hodnotný hardware + předvídatelné peněžní toky, je považována za nejlepší vstupní bod pro nestandardní RWA — GPU nabízejí krátkodobou praktickou použitelnost, zatímco robotika představuje delší hranici. GAIBův RWAiFi (RWA + AI + DeFi) představuje novou cestu k on-chain finančnizaci, která pohání setrvačník AI Infra (GPU & Robotika) × RWA × DeFi.

Autor: 0xjacobzhao | https://linktr.ee/0xjacobzhao
S tím, jak se AI stává nejrychleji rostoucí technologií na světě, je výpočetní výkon považován za novou „měnu“, a hardware s vysokým výkonem jako GPU se pomalu vyvíjí na strategická aktiva. Po dlouhou dobu bylo financování a likvidita těchto aktiv omezená. Zároveň kryptofinance naléhavě potřebuje přístup k kvalitním aktivům s reálnými peněžními toky, RWA (Real-World Assets) na blockchainu se stává klíčovým mostem spojujícím tradiční finance a kryptotrh. Aktiva AI infrastruktury jsou díky vlastnostem „vysokohodnotného hardwaru + předvídatelných peněžních toků“ považována za nejlepší průlom pro nestandardní RWA, přičemž GPU má nejrealističtější potenciál pro realizaci, zatímco roboti představují dlouhodobější směry výzkumu. V tomto kontextu GAIB navrhuje cestu RWAiFi (RWA + AI + DeFi), která poskytuje nové řešení pro „finanční zajištění AI infrastruktury na blockchainu“, posiluje „AI infrastrukturu (výpočetní výkon a roboty) x RWA x DeFi“ do efektu koloběhu.

Napsal 0xjacobzhao | https://linktr.ee/0xjacobzhao
Ve zprávě za červen „Svatý grál kryptoměn AI: Průzkum na hranicích decentralizovaného školení“ jsme diskutovali o federovaném učení—paradigma „řízené decentralizace“, které se nachází mezi distribuovaným školením a plně decentralizovaným školením. Jeho základním principem je udržování dat lokálně při centrálním agregování parametrů, což je design obzvlášť vhodný pro odvětví citlivá na ochranu soukromí a s vysokými požadavky na dodržování předpisů, jako je zdravotnictví a finance.

Ve zprávě z června (Svatý grál Crypto AI: Přední explorace decentralizovaného tréninku) zmiňujeme federované učení (Federated Learning), což je mezi distribuovaným tréninkem a decentralizovaným tréninkem „řízená decentralizace“: jejím jádrem je místní uchování dat, centrální agregace parametrů, což splňuje požadavky na soukromí a dodržování předpisů v oblasti zdravotnictví, financí a dalších. Současně jsme v předchozích zprávách neustále sledovali vzestup sítí agentů (Agent) - jejich hodnota spočívá v tom, že prostřednictvím autonomie a rozdělení práce mezi více agenty spolupracují na plnění složitých úkolů a posouvají „velké modely“ směrem k „ekologii více agentů“.