Block_Zen

Чем больше я читаю об автономных финансах, тем меньше я думаю, что главная задача — сделать ИИ умнее. Такое ощущение, что более сложная проблема — определить, что именно ИИ вообще имеет право делать, получив доступ к капиталу.
Именно поэтому Newton Protocol в последнее время кажется мне таким интересным. Я не воспринимаю это как очередной AI‑проект. Я вижу это как попытку построить слой авторизации для onchain‑действий. Вместо того чтобы реагировать, когда что-то уже пошло не так, цель — проверять, должна ли транзакция вообще состояться.
Представьте DeFi‑хранилище, которым управляет ИИ. Агенту может быть разрешено ребалансировать портфель, но не больше определённой суммы, не взаимодействовать с протоколами с высоким риском и не продолжать торги, если вдруг стейблкоин начинает терять свою привязку. Эти ограничения становятся частью системы, а не просто лучшими практиками, записанными в документации.
Также мне кажется логичным начать именно с хранилищ, потому что они уже построены вокруг управления рисками. Если эти правила можно проверять, а не просто им доверять, это будет значительным шагом вперёд.
Меня по‑прежнему любопытно, насколько децентрализованным станет сеть политик, и будут ли разработчики на самом деле внедрять общие механизмы авторизации. Если автономные агенты продолжат управлять всё большими объёмами onchain‑средств, возможно, следующая важная инфраструктура будет не более умным ИИ, а более надёжными системами разрешений.

@NewtonProtocol

$SYN $VANRY $LAB

Я ожидал, что протокол Newton впечатлит меня автоматизированной торговлей. Вместо этого он полностью изменил то, как я думаю о доверии к автоматизации.

Чем глубже я погружался, тем больше понимал: исполнение — не самая сложная проблема. Сложнее — контроль.
Большинство автоматизаций просит пользователей передать полномочия и надеяться, что ничего не пойдёт не так.

Newton использует иной подход: он позволяет пользователям задавать программируемые политики ещё до того, как что-либо произойдёт. Лимиты по расходам, разрешённые контракты и условия отклонения становятся частью системы, а не зависят от слепого доверия.

Что удерживало меня за чтением, — не сама автоматизация, а проверяемость, лежащая в её основе. Правила становятся гораздо ценнее, когда их можно доказать, что они были соблюдены, а не просто предположить. Этот сдвиг превращает автоматизацию из делегированного исполнения в ответственное, подотчётное исполнение.

Поскольку AI-агенты и автономные финансы продолжают развиваться, я считаю, что управление разрешениями станет не менее важным, чем интеллект. Мощная автоматизация мало что значит, если она не может надёжно оставаться внутри тех границ, которые задумал её владелец.

Я всё ещё изучаю протокол Newton, но моя перспектива уже изменилась. Настоящее новаторство — не в том, чтобы делать onchain-действия автоматическими. А в том, чтобы сделать автоматизацию прозрачной, управляемой и проверяемой от начала до конца.

@NewtonProtocol $NEWT #Newt

Я искал ответы о комплаенс-архитектуре протокола Newton Protocol. В итоге я начал сомневаться в вопросах управления.

Чем глубже я смотрел, тем больше понимал, что проверяемый комплаенс — это не только про криптографию или policy-движки. Всё также зависит от того, у кого есть полномочия менять эти политики.
Во время mainnet beta держать контроль за обновлениями рядом с основной командой кажется разумным. Быстрая итерация важна, когда протокол всё ещё развивается. Но если цель — институциональное внедрение, предсказуемость становится столь же важной, как и инновации.

Именно тогда для меня что-то стало ясно. Управление — это не то, что просто стоит рядом с продуктом; оно является частью продукта.

Проверять сегодняшние правила — ценно. Знать, кто может переписать правила завтрашнего дня — ещё важнее.

Институциям нужны не просто политики, которые можно проверить сегодня. Им нужно доверие к тому, что эти политики не будут тихо меняться между расчетами. Это совсем другой вид доверия.

Мне всё ещё не удалось найти понятную публичную дорожную карту, объясняющую, как Newton планирует сочетать децентрализованное управление с долгосрочной стабильностью политик. Возможно, она уже разрабатывается, а возможно, её и нет. В любом случае, я думаю, что этому разговору стоит уделить больше внимания.

Может ли протокол стать децентрализованным, не делая комплаенс ощущающимся непредсказуемым? Вот вопрос, к которому я снова и снова возвращаюсь.

@NewtonProtocol $NEWT #Newt

Я больше не думаю, что у ИИ-реплик существует какая-то «технологическая» проблема. Я думаю, что у них проблема доверия.

Эта мысль снова и снова возвращалась ко мне, пока я изучал экосистему OpenGradient, особенно Twin.fun. На первый взгляд это маркетплейс, где создатели запускают AI-версии самих себя. Но то, что действительно привлекло мое внимание, — не продукт... а инфраструктура под ним.

Эти AI-близнецы работают на верифицируемом inference-слое OpenGradient, то есть каждый ответ можно криптографически связать с моделью, которая его сгенерировала. Это не доказывает, что ИИ идеален, но делает подотчетность возможной — вместо того чтобы просить всех доверять «черному ящику».

Для меня главный вопрос не в том, станут ли AI-реплики популярными. Вопрос в том, кто на самом деле контролирует их после развертывания. Кому принадлежит модель? Кто принимает решения о будущих обновлениях? Если цифровой двойник говорит что-то, чего его создатель никогда бы не сказал, должна быть прозрачная возможность понять, почему.

Интересна и экономика. Создатели, которые зарабатывают на каждом проверенном взаимодействии, могут превратить знания в долгосрочный цифровой актив, а не в разовый контент. Но все это не имеет значения, если вовлеченность угаснет после первоначального ажиотажа.
Я все время думаю, что реальная гонка будет не про то, чтобы создать самую «человеческую» AI-реплику. Она будет про то, чтобы создать ту, которой люди достаточно доверяют, чтобы возвращаться снова.

@OpenGradient #opg $OPG

Одна мысль снова и снова возвращалась ко мне, пока я уделял больше времени изучению $OPG .

Раньше я думал, что самая сложная задача в децентрализованном ИИ — доказать, что модель действительно выполняется. Чем больше я читал, тем больше понимал, что это лишь одна часть гораздо более масштабного вызова.
Настоящая проблема — построить сеть ИИ, где интеллект не зависит от слепого доверия. Вычисления, память, платежи и верификация должны работать вместе так, чтобы это было прозрачно, масштабируемо и практически применимо.

То, что привлекло мое внимание, — подход OpenGradient к специализированным узлам. Вместо того чтобы требовать от каждого участника выполнения всех задач, сеть разделяет ответственность и объединяет среды Trusted Execution Environments с криптографическими доказательствами, когда требуется более строгая проверка. Похоже, это более реалистичный путь к масштабированию ИИ, чем просто добавлять больше вычислений.

Последствия выходят далеко за пределы самой технологии. Если ИИ начнет влиять на рынки прогнозов, управление, научные исследования или автономных агентов, вопрос будет заключаться не только в том, выдал ли модель ответ. Людям потребуется уверенность в том, что процесс, стоящий за этим ответом, можно проверить, когда это действительно важно.

Поэтому OpenGradient выделяется для меня. Это не только попытка сделать ИИ более децентрализованным; это построение инфраструктуры, необходимой, чтобы децентрализованный интеллект можно было привлекать к ответственности по мере роста внедрения.

Мой вывод прост: следующее поколение ИИ будет определяться не только более умными моделями. Его определят сети, которые делают интеллект достаточно заслуживающим доверия, чтобы поддерживать реальные решения.

@OpenGradient #opg $OPG

Раньше я думал, что самой большой проблемой в ИИ было создание более умных моделей.

Одна мысль продолжала возникать, когда я больше времени проводил, изучая $OPG :

что если интеллект больше не является узким местом?

Что если верификация является?

То, что привлекло моё внимание к OpenGradient, это не очередная история об ИИ. Это архитектура.

Вместо того чтобы заставлять каждую ноду выполнять дорогую инференцию, его Гибридная Архитектура ИИ отделяет инференцию, верификацию и ответственность за данные между специализированными участниками.

Это звучит как техническая деталь, но последствия намного больше.

Мы перешли от DeFi к NFT, DAO, RWA и теперь к ИИ. Каждый цикл вводит новую лексику, но та же проблема остается: доверие.

Большинство систем ИИ все еще работают как черные ящики. Вы получаете выходные данные, но доказать, как они были сгенерированы, часто невозможно.

Это становится критичным, когда ИИ начинает влиять на рынки предсказаний, решения по управлению, исследования и автономных агентов. В этих условиях ошибка не просто приводит к плохому ответу. Она может формировать распределение капитала, голоса, открытия и реальные действия.

Что делает OpenGradient интересным, так это то, что он отделяет вычисления от ответственности.

Инференция происходит там, где это дешевле.

Верификация происходит там, где ей можно доверять.

Этот компромисс может иметь большее значение, чем просто производительность модели, поскольку ИИ становится все более встроенным в экономические системы.

Подход OpenGradient рассматривает верификацию как инфраструктуру, а не как второстепенный элемент. Сложные вычисления происходят там, где это эффективно. Ответственность происходит там, где её можно проверить.

Конечно, реальность производства будет окончательным судьей. Стоимость, задержка и надежность всегда имеют значение.

Моя теза проста:

Следующая гонка ИИ, возможно, не будет выиграна сетью, которая генерирует наибольшее количество интеллекта, а той, которая сможет доказать, что её интеллект можно доверять.

@OpenGradient $OPG #OPG

$SYN $RESOLV

Я всё время возвращаюсь к одному вопросу:

Что произойдет, когда ИИ контролирует стимулы, распределяет ресурсы или разрешает споры, и никто не может проверить, почему он принял то или иное решение?

Одно, что я начал замечать, следя за $OPG , это то, что управление ИИ — это не только создание более умных агентов. Речь идет о том, чтобы делать их решения проверяемыми.

Я не думаю, что первые реальные тесты управления ИИ произойдут на национальном или корпоративном уровне. Они появятся внутри небольших микросообществ с ИИ, где автономные агенты координируют стимулы, управляют общими ресурсами и принимают решения, которые напрямую влияют на участников.

Эти среды быстро выявляют проблему:

Могут ли люди независимо проверить, почему ИИ пришел к такому заключению?

Вот где @OpenGradient выделяется для меня.

Вместо того чтобы просить пользователей доверять результатам, OpenGradient строит вокруг проверяемого вывода, сочетая zkML доказательства, TEE аттестации и свою архитектуру HACA, чтобы создать доказательства того, что вычисления ИИ были выполнены так, как это заявлено. Цель — это не просто интеллект. Это интеллект, который можно проводить аудит.

Как человек, который провёл время в крипте, мне этот подход кажется знакомым. Блокчейны не масштабировались потому, что люди им доверяли. Они масштабировались, потому что действия стали доказуемыми.

Моя теза проста: ИИ, который управляет без доказательства, в конечном итоге становится еще одной властью. ИИ, который может доказывать свои решения, становится инфраструктурой.

@OpenGradient #opg $OPG

Я недавно заметил кое-что о себе.
Несколько месяцев назад я перешёл в новое кафе.
Лучший кофе. Удобнее места. И как-то даже дешевле.
Через три дня я вернулся на своё старое место.
Не потому, что оно было лучше.
А потому, что оно было знакомым.
Эта мысль постоянно возвращалась ко мне, пока я изучал $OPG .
Я думаю, что в крипте постоянно что-то не так.
Мы предполагаем, что стимулы создают привычки.
Но это не так.
Они создают активность.
Привычки формируются, когда люди перестают думать.
Самая большая проблема в технологиях — это не привлечение пользователей.
Это становление повседневным поведением.
А самым большим препятствием на пути к привычке является то, что я называю Долгом Решений.
Каждый дополнительный выбор сам по себе кажется безвредным.
Выбери кошелёк.
Выбери модель.
Сравни комиссии.
Проверь исследования.
Настрой агента.
Ни одна из этих задач не является сложной.
Но если сложить их вместе, то вскоре использование продукта начинает ощущаться как работа.
Это скрытая проблема масштабирования как в крипте, так и в ИИ.
Большинство систем предполагают, что пользователи будут постоянно оценивать доверие самостоятельно.
Кто произвел этот результат?
Могу ли я это проверить?
Должен ли я доверять этой модели?
Сделал ли этот агент то, что заявлял?
Чем больше интеллект интегрируется в повседневные рабочие процессы, тем менее охотно люди будут отвечать на эти вопросы вручную.
Вот где важна инфраструктура.
Следующее поколение ИИ не победит, потому что оно производит лучшие результаты.
Оно победит, потому что доверие, верификация и координация происходят в фоновом режиме, не создавая дополнительного трения для пользователя.
Вот почему OpenGradient привлекло моё внимание.
Возможность заключается не только в лучших моделях ИИ.
Это создание инфраструктурного слоя, который упрощает использование интеллекта, упрощает верификацию и упрощает доверие, не заставляя пользователей задумываться о скрытой сложности каждый раз, когда они с ним взаимодействуют.
Моя теза:
Продукты выигрывают пользователей.
Инфраструктура выигрывает рутины.
А сети, которые становятся рутинами, обычно в конечном итоге выигрывают всё.
@OpenGradient #opg $OPG

Я стал по-другому смотреть на инфраструктуру ИИ в последнее время.

Большинство обсуждений сосредоточено на моделях, производительности или том, у кого лучшая технология. Но я все время возвращаюсь к более простому вопросу:
Что поддерживает сеть в живом состоянии, когда волнение утихает?

Это часть того, что заставило меня обратить внимание на OpenGradient.

Технология может привлечь строителей на раннем этапе, но долгосрочный успех обычно сводится к стимулам.
Сильнейшие сети не всегда самые технически впечатляющие. Это те, где разработчики, операторы узлов и пользователи все имеют причины продолжать участие.
Сложная часть - это доверие.

Верификация звучит отлично на бумаге, но если она создает слишком много трения, люди, как правило, выбирают удобство. Крипта снова и снова показывает этот урок.

Что мне интересно в OpenGradient, так это то, что он не только сосредоточен на выводе ИИ. Похоже, он пытается сбалансировать открытость, верификацию, удобство и стимулы, не жертвуя масштабируемостью. Это гораздо более сложная проблема для решения.

В конце концов, инфраструктура не определяется тем, насколько продвинута архитектура. Она определяется тем, на чем люди продолжают строить, когда вознаграждения становятся меньше, внимание уходит в другое место, а убеждение становится главной причиной оставаться.
Это тот момент, когда настоящая инфраструктура доказывает свою ценность.

@OpenGradient #opg $OPG

Я постоянно возвращаюсь к мысли о том, что доверие может быть самой сложной вещью для масштабирования.

Крипта потратила годы на решение вопроса, как перемещать ценность по сетям. Но остаётся более глубокая проблема: как мы можем проверить, что правда в системах, которые не доверяют друг другу?
В последнее время я думал о том, как ИИ сталкивается с аналогичным ограничением.

На протяжении многих лет акцент был на создании лучших моделей, больших наборов данных и более способных выходах. Но когда ИИ начинает влиять на распределение капитала, автоматизацию и реальные решения, возникает другой вопрос:
Как мы можем знать, откуда пришёл выход?
Какой процесс его сгенерировал?

Можно ли его независимо проверить?
Интеллект сам по себе не отвечает на эти вопросы.

Чем больше я об этом думаю, тем больше чувствую, что инфраструктура становится настоящим полем битвы.
Не инфраструктура в традиционном смысле вычислений и хранения, а инфраструктура для подотчётности.
Это часть того, что делает OpenGradient интересным для меня. Идея не просто в запуске ИИ моделей. Это создание децентрализованной инфраструктуры, где вычисления и верификация существуют в одной системе, позволяя выходам сопровождаться доказательствами, а не только доверием.
Концептуально это похоже на то, что блокчейны сделали для транзакций.

Проблема, конечно, в том, выживет ли это видение при столкновении с реальностью.
Многие системы выглядят привлекательно в теории. Гораздо меньше остаются эффективными при масштабировании, экономических стимулах и враждебном поведении. Верификация проста, когда никто не атакует её. Настоящее испытание — остаётся ли она надёжной, когда на кону стоит ценность.

Что выделяется, так это сдвиг в формулировке.
Разговор постепенно перемещается от генерации интеллекта к его доказательству.
И это может быть более важным, чем кажется.
Интеллект становится всё более доступным. Проверяемость остаётся дефицитом.

Если ИИ станет критическим слоем принятия решений, системы, которые могут доказать, как был произведён интеллект, могут оказаться более ценными, чем сам интеллект.

@OpenGradient #opg $OPG
$BEL $RE

Я всё время возвращаюсь к вопросу, который большинство AI-рынков, похоже, игнорирует:

А что если самое ценное в AI — это не интеллект, а доверие?

Я наблюдал, как токены, связанные с AI, взрываются на листингах, интерес стремительно растёт, а нарративы расползаются по временным линиям. Но почти никому не было интересно, можно ли на самом деле доверять исходам AI.

Это кажется мне странным.

В Крипте мы научились, что проверка создаёт ценность. Транзакции стали ценными, потому что их можно было независимо подтвердить. OpenGradient интересен тем, что расширяет эту идею за пределы транзакций и в саму вычислительную среду.

Если исходы AI могут быть криптографически проверены, доверие перестаёт быть маркетинговым утверждением и начинает становиться инфраструктурой.

Вот где тезис становится интересным.

Операторы связывают капитал. Вычисления проверяются. Разработчики платят за доказуемое выполнение. Бизнес получает более надёжные гарантии относительно систем, на которые они полагаются. Со временем доверие начинает вести себя не как репутация, а как продуктивный актив.

Но одной технологии недостаточно.

Настоящее испытание заключается в том, будут ли люди продолжать платить за проверку после того, как исчезнут стимулы.

Я слежу за повторным использованием, связанным участием, генерацией сборов и поглощением предложения гораздо больше, чем за объявлениями. Рынки хороши в оценке историй. Они гораздо медленнее оценивают полезность.

Нарративы могут создавать внимание.

Полезность может создавать доход.

Но доверие — это единственное, что может комбинировать оба.

Рынок уже оценил AI.

Я наблюдаю, увидит ли он в конечном итоге стоимость доверия.

@OpenGradient #opg $OPG

Самый большой риск в ИИ может заключаться не в том, что модели станут слишком умными. Возможно, дело в том, что они станут слишком согласительными. Именно поэтому я обратил внимание на $OPG . Большинство разговоров об ИИ сосредоточены на простом вопросе: какая модель самая умная? Но чем больше я изучаю OpenGradient, тем больше я думаю, что мы задаем неправильный вопрос.

Настоящая проблема может заключаться вовсе не в интеллекте. Возможно, в перспективе. Каждая система ИИ учится на взаимодействиях. С ростом памяти улучшается персонализация. Но что-то еще тоже растет: шаблоны согласия. Со временем ИИ может стать настолько согласованным с нашими предпочтениями, что он перестанет оспаривать наши предположения и начнет их усиливать. ИИ, который всегда с вами согласен, не является интеллектом. Это зеркало.

Это тонкий риск, о котором большинство людей едва говорит. Что делает OpenGradient интересным, так это его направление к проверяемым выводам и децентрализованному выполнению моделей. Вместо того чтобы полагаться на одну непрозрачную систему, он создает возможность для вывода заключений из нескольких аудируемых моделей с различными логическими путями.

Для меня это больше, чем техническое обновление. Если ИИ станет частью инфраструктуры за инвестициями, исследованиями, управлением и повседневными решениями, то разнообразие логики может стать столь же важным, как и точность сама по себе. Сегодня мы конкурируем за более умные ответы. Завтра мы можем конкурировать за более широкие перспективы. Этот сдвиг кажется легким, чтобы его пропустить сегодня, но очень трудно игнорировать, когда ИИ начинает помогать формировать решения, которые формируют нас.

@OpenGradient #opg $OPG

Чем больше я смотрю на это пространство, тем больше возвращаюсь к простому вопросу: почему ИИ все еще так зависит от handful централизованных систем?

Это кажется странным, когда подумаешь об этом. Мы все время говорим о децентрализованных сетях, но многие приложения ИИ все еще полагаются на инфраструктуру, контролируемую небольшим числом провайдеров. Если децентрализация решала так много проблем координации в других местах, почему ИИ остался другим?

Может быть, проблема не в самих моделях. Может быть, дело во всем, что под ними. Вычисления, верификация, хранение, маршрутизация и стимулы должны работать вместе. Это звучит просто в теории, но история показывает, что на практике это гораздо сложнее. Многие проекты пытались распределить инфраструктуру раньше. Некоторые столкнулись с проблемами производительности. Другие не смогли привлечь достаточно пользователей. Некоторые решили технические проблемы, но никогда не решили проблему внедрения.

Именно поэтому OpenGradient привлекло мое внимание. Не потому, что оно утверждает, что у него есть все ответы, а потому, что оно, похоже, сосредоточено на уровне инфраструктуры, а не на хайпе вокруг ИИ. Идея сделать выполнение ИИ более открытым и верифицируемым поднимает интересные вопросы о том, как доверие создается в этих системах.

Я все время думаю, будет ли будущее ИИ определяться моделями, которые используют люди, или сетями, которые тихо координируют все за кулисами. Может быть, это и есть загадка, на которую стоит обратить внимание.

@OpenGradient #opg $OPG

Я доверял выводам ИИ, пока не осознал нечто неудобное: у меня не было способа проверить, заслуживают ли они действительно моего доверия. На прошлой неделе я задавал нескольким системам ИИ один и тот же вопрос о крипто-проекте. Я получил разные заключения.
Это не было проблемой. Аналитики всегда могут не соглашаться. Настоящая проблема заключалась в том, что каждый ответ звучал убедительно, но я не мог проверить, как было произведено это рассуждение, какие предположения его сформировали или был ли сам процесс вывода надежным.
Поскольку ИИ выходит за пределы написания электронных писем и начинает анализировать рынки, управлять автономными агентами и влиять на финансовые решения, это становится гораздо большей проблемой. Интернет создал экономику информации. Блокчейн создал экономику ценности через верификацию. Если ИИ создает экономику интеллекта, то верифицируемый интеллект может стать его недостающим основанием.

Вот почему OpenGradient привлек моё внимание. Через верифицируемый вывод он исследует, как выводы ИИ могут быть подкреплены криптографическими доказательствами того, что вычисления произошли так, как заявлено, позволяя интеллекту проходить аудит, а не слепо доверяться.

Вместо того чтобы полагаться исключительно на уверенность в выводах модели, пользователи могут получить верифицируемые доказательства того, что сам процесс вывода был аутентичным и не подвержен изменениям.

Следующая гонка ИИ может быть выиграна не самыми умными моделями. Интеллект, который нельзя подтвердить, может остаться инструментом. Интеллект, который можно подтвердить, может стать инфраструктурой. Когда ИИ становится частью наших финансовых и цифровых систем, что будет важнее: более умные модели или интеллект, который мы действительно можем проверить?

@OpenGradient #opg $OPG

Чем больше я смотрю на OpenGradient, тем меньше это похоже на продукт и тем больше на попытку решить проблему координации.

Модели существуют. Вычисления существуют. Верификация существует. Доступ существует. Но эти элементы редко функционируют как единая система ни для строителей, ни для пользователей.
Это заставило меня задуматься, почему предыдущие попытки создать децентрализованные вычисления и рынки моделей испытывали трудности с получением устойчивого интереса, даже когда технология казалась многообещающей. Может, проблема заключалась не только в производительности. Может, дело было в координации.

Открытие и доверие вводят трение. Какую модель использовать? Почему стоит доверять её результатам? Как часто пользователям приходится заново строить это доверие с нуля?

Вот что делает OpenGradient интересным для меня. Возможность не в какой-либо отдельной модели или услуге. Это вопрос о том, может ли координация стать инфраструктурой, на которую люди полагаются, не задумываясь об этом постоянно.

Настоящее испытание может заключаться в том, станет ли этот уровень координации достаточно невидимым, чтобы использование ИИ ощущалось как легкость, а не как операция. Если это произойдет, интеллект может перейти от того, что мы активно ищем, к тому, что постоянно направляется к нам в фоновом режиме.

И, возможно, самая сложная задача в ИИ — это не создание большего интеллекта.
Это сделать координацию невидимой.

@OpenGradient #opg $OPG

Сегодня я осознал кое-что, что полностью изменило мое восприятие доходности в DeFi. Я проверил свою позицию по uniETH после нескольких месяцев. Баланс не сдвинулся ни на дюйм, но стоил заметно больше ETH. Никаких ярких ребейсов. Никакого постоянного увеличения баланса. Просто тихая аккумуляция ценности через улучшающийся обменный курс.
Сначала это почти не вызывает восторга. В крипте мы привыкли ожидать больших цифр в наших кошельках как доказательство того, что что-то работает.

Но Bedrock выбрал другой путь. Сохраняя uniETH и brBTC неребейсными, они остаются совместимыми с кредитными рынками и AMM, не создавая ненужного трения. Меня больше всего интересует не сама доходность. Это инфраструктура, стоящая за ней. Голоса veBR gauge имеют потенциал направлять стимулы на интеграции, которые создают реальную полезность, а не просто временный хайп. Тем не менее, я задаюсь вопросом, делает ли эта модель "невидимого роста" принятие более сложным. Люди замечают увеличение баланса.
Повышение обменного курса? Не всегда. Впереди я внимательно слежу за одной вещью: начнут ли вознаграждения veBR отражать реальные комиссионные протокола, а не только эмиссии. Вот тогда устойчивый BTCFi действительно начнется, на мой взгляд.

@Bedrock #Bedrock $BR

Я всё время возвращаюсь к вопросу, который кажется удивительно сложным для ответа: почему Биткойн так долго остаётся недоиспользованным?

Не по стоимости. Биткойн нашёл свой Product-market fit много лет назад. Люди доверяют ему, держат его и всё чаще рассматривают как долгосрочный актив. Однако, когда речь заходит о более широком участии в крипто-системах, прогресс движется гораздо медленнее, чем многие ожидали.

Недавно я начал более внимательно изучать Bedrock.

Сначала я предположил, что это просто ещё одна попытка сделать Биткойн продуктивным через ликвидный стекинг и генерацию дохода. Но чем больше я это исследовал, тем больше казалось, что это решает совершенно другую задачу: координацию.

На протяжении многих лет мы видели множество попыток интегрировать Биткойн в DeFi. Упакованные активы улучшили доступ. Кредитные рынки создали новые возможности. Мосты расширили охват Биткойна через экосистемы. Но та же проблема постоянно возникает снова. Капитал входит в эти системы, но эффективно направлять эту ликвидность на разные случаи использования остаётся сложным.

Возможно, самым большим препятствием уже не является технология. Возможно, это согласование. Каждый протокол хочет ликвидности. Каждая сеть хочет обеспечения. Пользователи хотят гибкости без дополнительной сложности. Эти интересы пересекаются, но не всегда движутся в одном направлении.

Вот почему Bedrock кажется мне интересным. Не потому, что он утверждает, что у него есть все ответы, а потому, что он, похоже, исследует более широкий вопрос: как один актив может поддерживать множество функций в разных экосистемах, не жертвуя удобством использования?

Чем больше я думаю о BTCFi, тем меньше это похоже на соревнование между протоколами и тем больше это кажется экспериментом в координации капитала.
А возможно, следующая крупная волна инноваций не придёт от создания большего количества ликвидности Биткойна, а от построения лучших систем для её координации.

@Bedrock #Bedrock $BR