В последние годы ИИ превратился из нишевой технологии в глобальную инфраструктуру, но его развитие по‑прежнему контролируют крупные централизованные лаборатории с гигантскими бюджетами и парками дорогих GPU. Между тем, децентрализованный ИИ (DeAI) показывает, что конкурентоспособные системы можно строить иначе: опираясь на небольшие доменные модели, обучение с подкреплением и глобальную сеть распределённых вычислительных ресурсов.
Классический путь централизованных лабораторий это огромные универсальные модели и сотни миллионов долларов на вычисление и эксперименты. Однако практика демонстрирует, что во множестве прикладных задач гораздо эффективнее работают компактные, узкоспециализированные модели, которые постоянно дообучаются на реальном опыте с помощью алгоритмов обучения с подкреплением (RL). Такой подход позволяет не только снизить затраты, но и повысить точность и устойчивость решений в конкретных отраслях от финансов и промышленной робототехники до торговли и клиентских сервисов.
Сколько лет я уже вращаюсь в криптовалютном мире, сколько историй слышал о людях, поднявших состояние за неделю, проснувшись миллионерами… Но удивительно другое: по-настоящему счастливых среди них практически нет. Деньги, кажется, перестали быть индикатором успеха — и всё чаще возникают разговоры о внутренней пустоте, потере смысла, усталости от постоянной гонки. Почему так получилось? Давайте разберёмся.
Если взглянуть на прошлое, смысл жизни для человека был неразделим с выживанием. Древний человек не задавался вопросом «зачем?»: не охотишься — не ешь, не защищаешь семью — погибаешь. Вся деятельность была наполнена смыслом по праву рождения. С развитием общин появились профессии: кузнец делал инструменты, пекарь — хлеб для всего села. Видимая и ощутимая ценность труда крепко связывала его с личностью. Позже даже религиозные традиции подчёркивали важность созидания: «В поте лица своего будешь есть хлеб…». Работа стала не просто условием выживания, но и способом самореализации, оправданием перед самим собой и обществом.

Перед тем как вы погрузитесь в изучение статьи, обратите внимание на тот факт что всё упомянутое в ней не является финансовой рекомендацией для принятие более взвешенного решения просьба провести свое собственное исследование.
Давайте вспомним, как работает Uniswap V3. Провайдеры ликвидности выставляют желаемый price range, в котором будут использоваться их предоставляемые токены, получая комиссии за своп. Чем уже диапазон, тем больше комиссий она будет зарабатывать при каждом свопе. Однако при узком диапазоне цена быстрее выйдет из него, и позиция уже не будет зарабатывать ничего.
Когда кто-то обменивает одни токены на другие, например, USDC на WETH, в пуле становится больше долларов и меньше эфиров. То есть кол-во подорожавшего актива стало меньше, а подешевевшего больше, и так в каждой Uniswap V3 позиции, которая была активной на момент свопа. Соответственно суммарная стоимость портфеля у провайдера ликвидности поменялась.
Риск-профиль провайдера ликвидности
Перед тем как вы погрузитесь в изучение статьи, обратите внимание на тот факт что всё упомянутое в ней не является финансовой рекомендацией для принятие более взвешенного решения просьба провести свое собственное исследование.
Перед тем как вы погрузитесь в изучение статьи, обратите внимание на тот факт что всё упомянутое в ней не является финансовой рекомендацией для принятие более взвешенного решения просьба провести свое собственное исследование.
Base
Стадия риска: 0
Тип: Оптимистичный
TVL: $246M

Диаграммы рисков для Optimism и Base выглядят одинаково?
Это потому, что обе они построены на одних и тех же блокчейн-лего: OP Stack. Вместо разработки собственного решения, Coinbase решил разработать свой L2 на основе модульной рамки роллапа Optimism.
Движение к децентрализации позволит Coinbase усилить гарантии безопасности для пользователей, что означает, что Base, вероятно, будет следовать похожему пути безопасности, как и Optimism, внедряя инновации OP Stack, такие как доказательства мошенничества или доказательства с нулевым знанием, по мере их появления.
Starknet
Стадия риска: 0
Тип: Zero-Knowledge
TVL: $110M