De gecombineerde waarde van AI-gerelateerde cryptotokens is de afgelopen twee jaar viervoudig gestegen, en nadert nu een marktkapitalisatie van $20 miljard.
Hoewel het nog steeds een klein deel is - slechts 0,67% - van de totale cryptomarkt van $3,55 biljoen, weerspiegelt deze groei de stijgende verwachtingen over de rol van gedecentraliseerde AI-infrastructuur, programmeerbaar geld en stablecoin-gebaseerde betaalsystemen.
Volgens Grayscale Investments verklaart de relatieve jeugd van de AI-cryptosector de bescheiden huidige grootte in vergelijking met dominante verticale markten zoals gedecentraliseerde financiën en tokenized financiële diensten, die honderden miljarden in waarde vertegenwoordigen. Toch suggereert het bedrijf dat deze ongelijkheid kleiner kan worden naarmate AI-native cryptomodellen volwassen worden en institutionele use-cases duidelijker worden.
Eind mei 2025 omvat de AI-crypto-ruimte ongeveer 20 tokens. Het grootste door marktkapitalisatie in omloop is TAO, de eigen asset van het gedecentraliseerde machine learning protocol Bittensor. Ondanks een over het algemeen bullish jaar voor crypto heeft de AI-tokensector gemengde individuele prestaties gezien. TAO is 2% gestegen sinds het begin van het jaar, terwijl ElizaOS met 80% is gedaald, wat de volatiliteit en de vroege fase van de sector onderstreept.
Toch is de algemene trend scherp omhoog. In 2023 bedroeg de totale marktwaarde van de AI-cryptosector slechts $4,5 miljard. Vandaag nadert deze $20 miljard, wat suggereert dat de interesse van investeerders in AI-native infrastructuur, gedecentraliseerde training en blockchain-gebaseerde agentcoördinatie toeneemt.
Stablecoins als belangrijkste faciliteerders voor AI-agenten
Een van de meest significante opkomende trends is de convergentie van AI met stablecoin-infrastructuur. Een recent rapport van Grayscale door onderzoekleiders Zach Pandl en Will Ogden Moore benadrukt hoe stablecoins - blockchain-gebaseerde digitale dollars - fundamentele tools zouden kunnen worden voor AI-agenten die snelle, grensoverschrijdende en programmeerbare betaalsystemen nodig hebben.
De integratie van stablecoins in AI-gebruikssituaties komt te midden van groeiende interesse van grote fintech- en technologiebedrijven. Stripe heeft onlangs zijn stablecoin-uitbetalingsfunctionaliteit uitgebreid naar meer dan 150 landen. Meta experimenteert met blockchain-gebaseerde betalingsrails en grote Amerikaanse banken verkennen naar verluidt ook tokenized deposito-frameworks die compatibel zijn met AI-tools.
Ondertussen heeft Coinbase een “smart wallet” en programmeerbare betalingsstack gelanceerd om AI- en internet-of-things-agenten in staat te stellen microtransacties in stablecoins uit te voeren. Deze ontwikkelingen worden gevormd door regelgevende vooruitgangen, zoals de Amerikaanse cryptomarktstructuurwet en de voorgestelde GENIUS Act - een wetsvoorstel gericht op licensering en governance voor fiatgedekte stablecoins. Indien aangenomen, zou dergelijke wetgeving duidelijkere wettelijke kaders kunnen bieden voor AI-gedreven betalingsstromen.
Bittensor: Halvering, Subnetten en gedecentraliseerd rekenvermogen
Bittensor blijft het meest ontwikkelde gedecentraliseerde AI-protocol tot nu toe. Vrij losjes gemodelleerd naar Bitcoin, heeft TAO een harde limiet van 21 miljoen tokens en ondergaat elke vier jaar een halvering. De eerste dergelijke gebeurtenis wordt later dit jaar verwacht en vermindert de uitgifte, wat mogelijk invloed heeft op de toekendynamiek van de token.
In februari lanceerde Bittensor de dTAO-upgrade, waarmee de vorming van investeerbare subnetten werd mogelijk gemaakt - aangepaste mini-netwerken geoptimaliseerd voor specifieke machine learning taken. Sinds de lancering is meer dan 7% van TAO’s circulerende supply toegewijd aan deze subnetten, wat duidt op toenemende ontwikkelaarsdeelname in gedecentraliseerde trainingsomgevingen.
Subnetten functioneren zowel als economische als technische primitieve structuren, waardoor deelnemers waarde kunnen financieren, cureren en extraheren uit onafhankelijk bestuurde neurale netwerken. Analisten van Grayscale zien deze modulaire architectuur als een sleutelfacilitator voor het schalen van AI in gedecentraliseerde systemen zonder afhankelijk te zijn van gecentraliseerde rekendiensten zoals Amazon Web Services.
Gedistribueerde Training en GPU-marktplaatsen
Naast Bittensor verkennen verschillende andere AI-gerichte cryptoprotocols gedistribueerde training-mechanismen. Een voorbeeld is Prime Intellect, dat modellen heeft getraind met meer dan 30 miljard parameters met behulp van inactieve GPU's bijgedragen door wereldwijde deelnemers.
Als deze aanpak schaalbaar blijkt, zou dit de hoge kosten in verband met het trainen van gecentraliseerde AI-modellen kunnen verlagen en de afhankelijkheid van grote tech-infrastructuur kunnen verminderen.
Andere projecten, zoals Gensyn en Nous Research, bouwen ook aan gedecentraliseerde GPU-marktplaatsen en kunnen later dit jaar tokens introduceren. Deze platforms streven ernaar AI-modelontwikkeling te ondersteunen in omgevingen waar bijdragers worden beloond in crypto voor berekeningen of gegevensdeling, in plaats van te vertrouwen op gecentraliseerde bedrijfsinfrastructuur.
Datamonetisatie en Niet-financiële Gebruikssituaties
Een andere opkomende verticale in de AI-crypto-intersectie is datamonetisatie. Grass, een protocol dat web-geëxtraheerde gegevens bijeenbrengt en verkoopt aan AI-labs, heeft naar verluidt tientallen miljoenen dollars in jaarlijkse omzet behaald - zonder een token aan te bieden. Het project toont aan hoe gedecentraliseerde netwerken kunnen inspelen op bestaande vraag van AI-ontwikkelaars terwijl ze echte inkomsten genereren uit niet-financiële bronnen.
De data-economie wordt steeds belangrijker naarmate AI-systemen grote, diverse en regelmatig bijgewerkte datasets nodig hebben om modellen effectief te trainen. De traject van Grass laat zien dat crypto-native dataverzameling en -monetisatietools zij aan zij kunnen bestaan met traditionele databrokers, en mogelijk nieuwe markten kunnen openen voor deelname van particulieren aan de AI-trainingscyclus.
Evenzo heeft Virtuals - een platform dat tokenized toegang biedt tot AI-agenten - $30 miljoen aan jaarlijkse handelsvergoedingen gezien. Deze tractie wijst op vroege vraag naar agent-gebaseerde economieën, waarin AI-modellen autonoom handelen en handel drijven met digitale tokens.
Eindoordeel
Ondanks het optimisme, staat de sector voor duidelijke risico's, waaronder regelgevingsonzekerheid, technische uitvoeringsuitdagingen en overdreven beelden. Veel van de huidige marktkapitalisatie is speculatief en gekoppeld aan toekomstige verwachtingen van protocolgroei of tokengebruik.
Toch lijkt de convergentie van AI, crypto en programmeerbaar geld structureel in lijn met langetermijntechnologische trends. Als nieuwe regelgevende kaders zoals de GENIUS Act of een afgerond crypto-marktstructuurwetgeving duidelijker richtlijnen bieden voor AI-cryptowerkzaamheden, kan institutionele adoptie volgen.
Voorlopig blijft de AI-cryptosector experimenteel en volatiel - maar steeds zichtbaarder. Naarmate toepassingen in de echte wereld groeien en infrastructuur volwassener wordt, kan de volgende fase het laten evolueren van een nichecategorie naar een meer geïntegreerd onderdeel van zowel de crypto- als AI-ecosystemen.