Łączna wartość tokenów kryptowalutowych związanych z AI wzrosła czterokrotnie w ciągu ostatnich dwóch lat, zbliżając się obecnie do kapitalizacji rynkowej $20 miliardów.
Chociaż to nadal niewielka część - zaledwie 0,67% - z łącznego rynku kryptowalut wartego $3,55 biliona, jej wzrost odzwierciedla rosnące oczekiwania dotyczące roli zdecentralizowanej infrastruktury AI, programowalnej waluty i systemów płatności opartych na stabilnych monetach.
Według Grayscale Investments, względna niedojrzałość sektora kryptowalut AI tłumaczy jego obecnie skromne rozmiary w porównaniu do dominujących pionów takich jak zdecentralizowane finanse czy tokenizowane usługi finansowe, które reprezentują setki miliardów wartości. Mimo to firma sugeruje, że te różnice mogą się zmniejszać, gdy kryptomodele AI dojrzewają i przypadki użycia instytucjonalnego stają się bardziej klarowne.
Na koniec maja 2025 roku, przestrzeń kryptowalut AI składa się z około 20 tokenów. Największym pod względem kapitalizacji rynkowej w obiegu jest TAO, natywny zasób zdecentralizowanego protokołu maszynowego uczenia Bittensor. Pomimo ogólnie wzrostowego roku dla kryptowalut, sektor tokenów AI odnotował zróżnicowane występy indywidualne. TAO wzrósł o 2% od początku roku, podczas gdy ElizaOS spadł o 80%, co podkreśla zmienność i wczesny etap sektora.
Mimo to ogólna trajektoria jest wyraźnie w górnej. W 2023 roku, całkowita wartość rynkowa sektora kryptowalut AI wynosiła zaledwie $4,5 miliarda. Dziś zbliża się do $20 miliardów, co sugeruje, że zainteresowanie inwestorów infrastrukturą AI-native, zdecentralizowanym szkoleniem i koordynacją opartą na blockchainie przyspiesza.
Stabilne monety jako kluczowi enablerzy dla agentów AI
Jednym z najważniejszych nowych trendów jest konwergencja AI z infrastrukturą stabilnych monet. Najnowszy raport Grayscale autorstwa liderów badań Zacha Pandla i Willa Ogdena Moore'a podkreśla, jak stabilne monety - cyfrowe dolary oparte na blockchainie - mogą stać się podstawowymi narzędziami dla agentów AI, które potrzebują szybkiego, bezgranicznego i programowalnego systemu płatności.
Integracja stabilnych monet w przypadkach użycia AI następuje na tle rosnącego zainteresowania ze strony głównych graczy fintech i technologii. Stripe niedawno rozszerzył swoją funkcjonalność wypłat w stabilnych monetach na ponad 150 krajów. Meta eksperymentuje z szynami płatności opartymi na blockchainie, a duże amerykańskie banki również rzekomo rozważają struktury depozytowe tokenizowane, które są kompatybilne z narzędziami AI.
Tymczasem Coinbase wdrożyło "inteligentny portfel" i stos programowalnych płatności zaprojektowany do umożliwienia agentom AI i internetu rzeczy prowadzenia mikropłatności w stabilnych monetach. Te rozwijające się są kształtowane przez postępy regulacyjne, takie jak amerykański projekt ustawy o strukturze rynku kryptowalut i proponowana ustawa GENIUS - projekt ustawy skoncentrowany na licencjonowaniu i governance dla stabilnych monet wspieranych przez FIAT. Jeśli zostanie przyjęta, taka legislacja mogłaby zapewnić jaśniejsze ramy prawne dla przepływów płatności sterowanych przez AI.
Bittensor: Wielkie podziały, podsiatki i zdecentralizowane obliczenia
Bittensor pozostaje najlepiej rozwiniętym zdecentralizowanym protokołem AI do tej pory. Luźno wzorowana na Bitcoin, TAO ma twardy limit 21 milionów tokenów i co cztery lata podlega wydarzeniu halving. Pierwsze takie wydarzenie spodziewane jest jeszcze w tym roku, co zmniejszy emisję i potencjalnie wpłynie na dynamikę podaży tokenów.
W lutym Bittensor uruchomił aktualizację dTAO, umożliwiającą tworzenie inwestycyjnych podsiatków - spersonalizowanych minisiatków optymalizowanych do konkretnych zadań w uczeniu maszynowym. Od momentu uruchomienia ponad 7% obiegu TAO zostało przeznaczone na te podsiatki, co sugeruje rosnącą partycypację deweloperów w zdecentralizowanych środowiskach szkoleniowych.
Podsiatki funkcjonują zarówno jako ekonomiczne, jak i techniczne prymitywy, umożliwiając uczestnikom finansowanie, kuratorstwo i przemieszczanie wartości z niezależnie zarządzanych sieci neuronowych. Analitycy Grayscale widzą tę modularną architekturę jako kluczowy enabler do skalowania AI w zdecentralizowanych systemach bez polegania na scentralizowanych dostarczycielach takich jak Amazon Web Services.
Zdecentralizowane szkolenie i rynki GPU
Poza Bittensorem, kilka innych protokołów kryptowalut AI eksploruje mechanizmy szkolenia zdecentralizowanego. Jednym z przykładów jest Prime Intellect, który trenował modele z ponad 30 miliardami parametrów, wykorzystując bezczynne GPU dostarczone przez globalnych uczestników.
Jeśli takie podejście okazałoby się skalowalne, mogłoby zmniejszyć wysokie koszty związane z treningiem scentralizowanych modeli AI i zmniejszyć zależność od infrastruktury dużych technologii.
Inne projekty, takie jak Gensyn i Nous Research, również budują w kierunku zdecentralizowanych rynków GPU i mogą wprowadzić tokeny jeszcze w tym roku. Te platformy mają na celu wsparcie rozwoju modeli AI w środowiskach, gdzie uczestnicy są nagradzani w kryptowalutach za udostępnianie obliczeń lub danych, zamiast polegać na scentralizowanej infrastrukturze korporacyjnej.
Monetyzacja danych i przypadki użycia niefinansowego
Kolejnym wyłaniającym się pionem w przecinających się AI i krypto jest monetyzacja danych. Grass, protokół, który agreguje i sprzedaje dane pozyskane z internetu do laboratoriów AI, oświadcza, że osiągnął dziesiątki milionów dolarów w rocznych przychodach - bez oferowania tokenu. Projekt podkreśla, jak zdecentralizowane sieci mogą wykorzystać istniejące zapotrzebowanie ze strony deweloperów AI, jednocześnie generując przychody z niefinansowych źródeł.
Gospodarka danych staje się coraz ważniejsza, gdy systemy AI wymagają dużych, różnorodnych i regularnie aktualizowanych zbiorów danych, aby skutecznie trenować modele. Trajektoria Grassa pokazuje, że kryptonatywne narzędzia pozyskiwania i monetyzacji danych mogą współistnieć obok tradycyjnych brokerów danych, potencjalnie otwierając nowe rynki dla detalistów w pętli szkolenia AI.
Podobnie, Virtuals - platforma oferująca tokenizowany dostęp do agentów AI - odnotowała $30 milionów w rocznych opłatach transakcyjnych. Taka trakcja wskazuje na wczesne zapotrzebowanie na gospodarki oparte na agentach, gdzie modele AI działają autonomicznie i uczestniczą w handlu za pomocą cyfrowych tokenów.
Ostateczne refleksje
Pomimo optymizmu, sektor stoi przed wyraźnymi ryzykami, w tym niepewnością regulacyjną, wyzwaniami w zakresie realizacji technicznej i nadmiernie rozhipnotyzowanymi narracjami. Większość obecnej kapitalizacji rynkowej jest spekulacyjna i związana z przyszłymi oczekiwaniami dotyczącymi wzrostu protokołu lub użyteczności tokenów.
Niemniej jednak konwergencja AI, kryptowalut i programowalnej waluty wydaje się strukturalnie zgodna z długoterminowymi trendami technologicznymi. Jeśli nowe ramy regulacyjne, takie jak ustawa GENIUS lub sfinalizowana ustawa o strukturze rynku kryptowalut zapewnią jaśniejsze wytyczne dla operacji z udziałem AI – krypto, adopcja instytucjonalna może się pojawić.
Na razie sektor kryptowalut AI pozostaje eksperymentalny i niestabilny - ale coraz bardziej widoczny. W miarę jak aplikacje rzeczywiste rosną, a infrastruktura dojrzewa, kolejna faza może zobaczyć jego przejście z niszowej kategorii do bardziej zintegrowanego komponentu zarówno ekosystemów krypto, jak i AI.