Web3 hat in den letzten fünf Jahren eine Reihe von Innovationstrends hervorgebracht, die allesamttronAnklang fanden und einen starken Markt bedienten. Während einige dieser Trends an Bedeutung verloren haben, konnten sich anderetron(beispielsweise Staking) und entwickelten sich zu ausgereifteren Funktionen des Web3-Erlebnisses.
RWAs (Real-World Accounts) haben sich in den letzten Jahren zu einem interessanten Trend entwickelt und einen Einblick in das Potenzial tokenisierter realer Vermögenswerte gegeben. Viele Anwendungsfälle konzentrieren sich jedoch auf Finanzanlagen, wobei die RWA als On-Chain-Verwahrer für andere Finanzanlagen fungiert. Obwohl dies durchaus seine Berechtigung hat, ist es für viele Marktteilnehmer enttäuschend, dass die Vielfalt dieser Anwendungsfälle nicht wesentlich größer ist. Vereinzelt tauchen neue Anwendungsfälle auf, und ihr Erscheinen signalisiert, dass wir im Bereich der RWAs noch viel zu entdecken haben.
Auch Vitalik Buterin hat diese Ansicht geäußert und auf X seinen Wunsch nach einer deutlich vielfältigeren Nutzung von RWAs (Real-Value-Advertising Assets) . Die gute Nachricht: Diese Diversifizierung könnte bald explosionsartig zunehmen, da die KI-Branche scheinbar in nahezu alle anderen Branchen vordringt. Auch die Blockchain-Technologie bildet hier keine Ausnahme, und KI macht sich auch in diesem Bereich bemerkbar. Wir sehen bereits viele verschiedene Anwendungsfälle für KI in der Web3-Branche, aber wir beginnen zu erkennen, dass die KI-Branche selbst erheblich von Web3 profitieren könnte. RWAs bergen hier ein enormes Potenzial und könnten den vielleicht größten Anwendungsfall überhaupt erzielen: die Tokenisierung der wichtigsten Vermögenswerte der KI-Branche. Wir wollen genauer untersuchen, wie RWAs der KI-Branche zugutekommen können, wie KI-bezogene RWAs zur Diversifizierung eines Portfolios beitragen können und wie diese Art der Tokenisierung funktionieren könnte. Um weitere Einblicke in dieses Thema zu gewinnen, haben wir Cloris Chen, CEO von Cogito Finance , gebeten, ihre Gedanken zum Zusammenspiel von KI und RWAs mit uns zu teilen.
Erlauben Sie es Nutzern, Anteile dieses Unternehmens in Form von Token zu erwerben.
— vitalik.eth (@VitalikButerin) 26. August 2024
Ist das nicht eine risikobasierte Vermögensverwaltungsmaßnahme (RWA)?
(Ich befürworte RWAs und wünsche mir eine deutlich größere Vielfalt an On-Chain-Lösungen, damit Apps diese nutzen können, ohne dem systemischen Risiko eines einzelnen Emittenten oder einer einzelnen Anlageklasse ausgesetzt zu sein.)
RWAs müssen über die Finanzwelt hinausgehen.
Wie bereits erwähnt, konzentrieren sich risikogewichtete Vermögensverwaltungsgesellschaften (RWA) heutzutage oft zu stark auf traditionelle Finanzanlagen. Das heißt aber nicht, dass diese Anlagen schlecht sind oder ihre Tokenisierung keine gute Idee wäre (die Anlagen sind gut, und die Tokenisierung auch). RWA, die an risikoarme Anlagen wie US-Staatsanleihen gebunden sind, können ein hervorragender Bestandteil eines diversifizierten Portfolios sein. Die Tatsache, dass US-Staatsanleihen nicht mit dem Kryptomarkt korrelieren, dämpft zudem starke Kursschwankungen und sorgt so für die gewünschte Stabilität im Portfolio. Soweit so gut, oder?
Die Probleme entstehen, wenn risikogewichtete Vermögenswerte (RWA) als Ersatz für diese Finanzinstrumente dienen und so eine Illusion von Diversifizierung erzeugen, ohne diese tatsächlich vollständig abzubilden. Stattdessen müssen wir zusätzliche Wege finden, RWA mit nicht-finanziellen Vermögenswerten zu verknüpfen und diese Vermögenswerte dann so in Portfolios zu integrieren, dass ein solides Gleichgewicht entsteht. Für die KI-Branche umfassen diese Vermögenswerte die KI-Modelle selbst, die Datensätze, die zum Trainieren der Modelle verwendet werden, und die GPUs, die die Rechenleistung für die Ausführung der Modelle bereitstellen.
Mit diesen drei neuen Vermögenswerten in Form von risikogewichteten Aktiva (RWA) können sie zur weiteren Ausgewogenheit eines Handelsportfolios beitragen. Doch wie sieht es mit ihrer Rendite aus?
Laut Chen weisen tokenisierte KI-Assets typischerweise ein hohes Risiko-Rendite-Verhältnis auf. Es ist jedoch unerlässlich, ihren Marktkontext zu berücksichtigen – insbesondere das rasante Wachstum von KI-Dienstleistungen. Diese Assets erfreuen sich bereits großer Beliebtheit, angetrieben durch den exponentiellen Anstieg von KI-Dienstleistungen. Darüber hinaus ist KI gekommen, um zu bleiben, sodass die Tokenisierung und Investition in solche Assets langfristig gängige Praxis werden wird. Obwohl eine tokenisierte KI-Ökonomie in ihrer Anfangsphase (im Vergleich zu traditionellen Finanzmärkten) mit einer geringeren Liquidität konfrontiert sein mag, schafft sie einen aufstrebenden Markt, der für eine wachsende Zahl von Investorentracist.
Tokenisierung KI
Im Bereich der KI bietet die Tokenisierung nicht nur einzigartige Portfolio-Möglichkeiten, sondern ist auch aus Sicht der KI-Assets selbst dringend notwendig. GPUs können extrem teuer sein, insbesondere wenn ihre maximale Auslastung für das Training, nicht aber unbedingt für den Betrieb eines KI-Modells benötigt wird. Dies führt zu einem erheblichen Effizienzproblem. Eine Gruppe vernetzter, synchronisierter GPUs, die viele verschiedene Aufgaben übernehmen, kann die Hardware optimal nutzen. Durch die Tokenisierung der GPUs lässt sich diese Nutzung überwachen und monetarisieren. Darüber hinaus stellen die hohen Kosten einer einzelnen GPU (oder mehrerer, falls die Verarbeitung rechenintensiv ist) eine enorme Belastung dar. Bruchteilseigentum an der RWA kann jedoch dazu beitragen, Kosten und Erträge besser zu verteilen.
Chen erörtert, wie KI-Modelle auch tokenisiert werden können: „Ein entscheidender Vorteil liegt darin, wie sie das Problem der Durchsetzung von Rechten an geistigem Eigentum lösen, was in traditionellen Formaten bekanntermaßen äußerst schwierig war. Durch die Tokenisierung können KI-Forscher ihre Modelle monetarisieren, indem sie tokenisierte Versionen auf einem Marktplatz anbieten und die Rechte an geistigem Eigentum direkt in den Token selbst einbetten.“
Dies ist ein entscheidender Vorteil: die vollständige Kontrolle über die Verarbeitung eines KI-Modells zu gewährleisten, ohne das Risiko einzugehen, es preiszugeben und das geistige Eigentum gestohlen zu bekommen. Durch die fraktionierte Eigentümerschaft können Mitglieder ihre Anteile kaufen und verkaufen, wodurch ein voll liquider Markt entsteht, obwohl die physischen Vermögenswerte nicht den Besitzer wechseln.
Die Datensätze, die zum Trainieren der KI-Modelle benötigt werden, müssen ebenfalls anders verwaltet werden. Traditionelle Datenbroker sind an eine unangenehmtronKontrolle über ihre Daten und Prozesse gewöhnt. Mit Web3 wird der Prozess deutlich demokratischer. Chen sagt über Datenbroker: „Viele traditionelle Datenbroker agieren so, dass sie zu viel Kontrolle über die Daten haben. Da Datenanbieter jedoch mehr Transparenz und Kontrolle über die Monetarisierung ihrer Daten fordern, müssen sich diese Unternehmen an die sich wandelnden Marktstandards anpassen. Anders ausgedrückt: Wir erwarten mögliche Partnerschaften zwischen traditionellen Datenbrokern und Tokenisierungsplattformen.“
Blick in die Zukunft
Künstliche Intelligenz (KI) ist eine Revolution für sich, die aber bereits in vielen Branchen Einzug gehalten hat. Auch Web3 nutzt KI umfassend, um das Konzept von nutzungsbasierten Webanwendungen (RWA) neu zudefi. Web3 bietet der KI-Branche jedoch ebenfalls zahlreiche Vorteile, beispielsweise durch die Einführung von Bruchteilseigentum, programmierbaren Token, die sich an den Lebenszyklus eines KI-Modells anpassen, und der Möglichkeit für Communities, Datensätze zu erstellen und zu verwalten. Wir werden die Entwicklung dieser beiden Technologien weiterhin aufmerksam verfolgen und hoffen, dass sie sich weiter verflechten und noch viele weitere Vorteile bringen werden.
