关于代币价格，有两件事情可以确定：我们正处于供应紧缩状态，并且这一状况不稳定。所有变量都在起作用，市场将在未来几年内经历震荡，以达到新的平衡。目前，我们对“动力时间”的分析非常忙乱，但最终的问题是基础模型是否具备可持续的定价能力、战略杠杆和价值捕获，或者它们是否会成为低利润的商品基础设施提供商。目前，我认为我们可以看到的每一个动态都指向后者。显然，今天的情况是过渡性的。在供应方面，价值超过一万亿美元的数据中心资本支出即将到来（还有更多的半导体资本支出在其后），推理效率在迅速提升，而新的模型在其代币使用上的效率要么高得多（要么低得多！）。在需求方面，尽管自2022年以来市场一直受到产能限制，但今年上半年的紧缩主要是由仅在一个用例——软件开发——中产生的突然产品市场适配推动的，而这实际上是一个相对较小的领域（如果我们有一个适用于数亿日活用户的消费类用例的产品市场适配，今天的基础设施在任何价格下都无法支持它）。我们不知道下一个规模化的用例是什么，也不知道何时会出现，以及它们的代币需求是什么。更高层次上，今天的推理利润率普遍被报道为40-50%：这包括了相关服务器成本的折旧（或租赁成本），但我们并不知道资产的使用寿命（五年？七年？），而且显然这并不包含每年训练下一模型的费用，这目前远远大于收入。原则上，推理是边际成本，而训练是固定成本，因此只要收入足够高，就能实现盈利，但我们不知道训练成本将如何变化。在桌子的另一侧，目前不清楚在过去几个月的使用激增中，有多少具有投资回报率（或至少是可以量化给首席财务官的投资回报率），更别提任何未来的用例，因此人们可能愿意为它们支付多少价格。因此，在接下来的12个月内，所有变量都会四处波动，并在接下来的三到五年中再次波动。我们怎么能建议这将如何稳定？供应、需求、价格、产能和资本支出如何以及何时会重新达到平衡？理论上，你可以从底层模型出发。你可以对我上面提到的每一个变量做出一些假设，然后尝试建模现在有多少芯片，台积电和其他半导体行业在什么情况下能够提供多少性能的芯片，以及所有这些能够多快在数据中心上线，如何快速供电。然后你可以思考价格纪律，并对用例进行一些猜测。这将为你提供一个数字，但这就像试图为1998年的宽带市场建立五年的预测：电子表格将非常漂亮，甚至你可能会接近今年的正确数字，但变量太多，无法对长期市场结构做出有用的预测。换句话说，我们可以说代币价格是卖方边际成本和买方投资回报率之间的供需函数，但我们实际上并不知道供应、需求、边际成本或投资回报率会是什么。另一种方法是从顶部向下看：这样的事情通常会如何发展？基础构件是什么，它们可以去哪里？这个讨论的很大一部分取决于这个曲线会如何变化。首先，有多少人愿意支付在曲线的右上方——站在前沿？在一端，已经有一些用例在运行“免费”的小型旧款、可能是开源的模型时表现良好；在另一端，将有一些使用最新、最昂贵前沿模型的情况，从而获得更多的结果，消耗更多的代币并付出更多的钱；然后还有许多用例在两者之间。那么，有多少用例通过上升成本曲线获得更好的结果，又有多少会有投资回报率，多少的使用是由较小、较便宜、足够好的且更加商品化的模型处理的？潘戈洛斯的观点是，投资回报率可能会随着更昂贵的前沿模型而上升，因为它们的结果更好，但这实际上在哪里适用？其次，前沿会不断显著移动吗？这显然是AI中最基本的科学问题：前沿会持续改善多久，需不断增加更多的计算力多久，这是否以能够抵御来自效率和产能获得的价格下行压力的速度继续发生？曲线的高端是否继续成为……