Nyligen, på YouTube-kanalen "The Rollup", hade @TrustWallet VD Eowyn Chen och Ram Kumar, en central bidragsgivare till @OpenledgerHQ, en diskussion om det fördjupade samarbetet mellan de två parterna. Här extraheras och delas några värdefulla perspektiv: 1) Häller kallt vatten på teorin om "fet plånbok" I intervjun nämnde Andy den populära teorin om "feta plånböcker" i branschen - plånböcker med användaringångskanaler kan vertikalt integrera olika tjänster? Men Eowyn Chens svar var intressant, hon sa rakt ut att C-end detaljhandelsanvändarverksamheten faktiskt är mycket svår, med mycket kundsupport, högre säkerhetsansvar och frekvent produktdirigering. Många tror att det är en bra affär att göra en plånbok när de ser Trust Wallets 200 miljoner nedladdningar, men VD:n själv betonar smärtan med att betjäna detaljhandelsanvändare. Detta visar att det "feta" i plånboken inte är fett om man vill vara tjock, och även om användarrelationen är värdefull så är underhållskostnaden inte låg. Denna vy är ganska verklig, och den visar den verkliga situationen för många plånbokstjänsteleverantörer nu. Ännu viktigare var att hon nämnde att inte allt värde är koncentrerat till frontend och att alla delar av värdekedjan bör utvecklas rättvist. Detta synsätt häller kallt vatten på teorin om "feta plånböcker" och förklarar varför Trust Wallet är villiga att samarbeta med infrastrukturprojekt som OpenLedger. 2) Har brytpunkten för specialiserad AI anlänt? Ram Kumars bedömning av utvecklingsvägen för AI är värd att uppmärksamma. Han tror att AI håller på att utvecklas från generalitet till specialisering, på samma sätt som Googles härledning av vertikala applikationer som LinkedIn och YouTube från allmän sökning. Allmän AI som ChatGPT kommer att vara som ett operativsystem, och det kommer att finnas fler "specialiserade modeller" som är dedikerade till specifika användningsfall i framtiden. Detta stämmer också överens med min tidigare analys av utvecklingen av web3AI-branschtrender. När Trust Wallet experimenterade med AI-funktioner fann de att allmänna modeller inte kunde lösa specifika problem i kryptorymden, vilket bekräftar denna trend. Och precis, konstruktionen av specialiserade AI-modeller kräver högkvalitativ data i vertikala fält, vilket är precis vad OpenLedger vill lösa. 3) Dilemmat med "obetalt arbete" som data bidrar med Ram Kumar sa rakt ut att AI är en biljondollarindustri som bygger på obetalt arbete, vilket är ganska skarpt. AI-företag tränar modeller genom att skrapa internetdata, men de som bidrar med data får inte en del av kakan, vilket verkligen är ett strukturellt problem. OpenLedgers lösning är att låta databidragsgivare få en långsiktig intäktsandel av AI-modeller, snarare än att sälja data på en gång. Med plånbokens globala betalningsmöjligheter är det teoretiskt möjligt att uppnå friktionsfri värdefördelning över gränserna. Men här är kärnfrågan: hur garanteras datakvaliteten? Ram själv medger att 90 % av bidragen med öppen källkod från plattformar som Hugging Face är värdelösa. Om värdet av de data som lämnas in är begränsat, oavsett hur bra incitamentsmekanismen är, kommer det att vara förgäves. Över. Eowyn Chen använder analogin med "rätten att äga ett vapen" för att vara självvärd och betonar att AI-funktioner är valfria och att användarna kan välja mellan bekvämlighet och säkerhet. Denna produktfilosofi är sann, men hur man "tydligt presenterar alternativ" är ett stort test av produktens designförmåga. Ram nämnde också en intressant bedömning: kryptoplånböcker är det enda sättet för användare att få betalt för sina databidrag globalt. Detta innebär att plånböckernas roll kan komma att utvecklas från att enbart vara verktyg för tillgångsförvaltning till att bli en infrastruktur för digital identitet och värdefördelning. Notera: För mer information kan du besöka The Rollups Youtube-kanalsystem för att kolla in den här intervjun.