Analyse de l'écosystème InfoFi : Marché de l'attention alimenté par l'IA

En 1971, le psychologue et économiste Herbert Simon a proposé pour la première fois la théorie de l'économie de l'attention, soulignant que dans un monde surchargé d'informations, l'attention humaine est devenue la ressource la plus rare.

L'économiste Albert Wenger révèle dans "Le monde après le capital" un changement fondamental : la civilisation humaine est en train de connaître une troisième rupture - passant de la "rare capital" de l'ère industrielle à la "rare attention" de l'ère de la connaissance.

• Révolution agricole : s'efforçant de résoudre le problème de la rareté alimentaire, mais engendrant des conflits fonciers.
• Révolution industrielle : s'est engagée à résoudre le problème de la rareté des terres, mais s'est tournée vers la compétition pour les ressources et l'accumulation de capital.
• Révolution numérique : lutte pour l'attention

Le moteur sous-jacent de cette transformation provient de deux caractéristiques des technologies numériques : le coût marginal nul de la reproduction et de la diffusion de l'information, ainsi que l'universalité du calcul AI (mais l'attention humaine n'est pas reproductible).

Que ce soit l'explosion du marché des objets de collection ou le commerce en direct des principaux influenceurs, il s'agit en grande partie d'une bataille pour l'attention des utilisateurs et des spectateurs. Cependant, dans l'économie traditionnelle de l'attention, les utilisateurs, les fans et les consommateurs contribuent à cette attention en tant que "carburant de données", tandis que les bénéfices excédentaires sont monopolisés par des plateformes et autres entités. Le monde Web3 d'InfoFi tente de renverser ce modèle - en utilisant la blockchain, des incitations par jetons et des technologies d'IA pour rendre le processus de production, de diffusion et de consommation de l'information transparent, et essayer de restituer la valeur aux participants.

Cet article présentera en profondeur la classification du projet InfoFi, les défis auxquels il est confronté et les tendances de développement futures.

Qu'est-ce qu'InfoFi ?

InfoFi est la combinaison d'Information et de Finance, dont le cœur réside dans la transformation d'informations abstraites et difficilement quantifiables en supports de valeur dynamiques et quantifiables. Cela englobe non seulement les marchés prédictifs traditionnels, mais aussi la distribution, la spéculation ou le commerce d'informations ou de concepts abstraits tels que l'attention, la réputation, les données ou informations sur la chaîne, les perspectives personnelles, et l'activité narrative.

Les avantages clés d'InfoFi se manifestent par :

• Mécanisme de redistribution de la valeur : rendre la valeur qui était monopolisée par les plateformes dans l'économie de l'attention traditionnelle aux véritables contributeurs. Grâce aux contrats intelligents et aux mécanismes d'incitation, permettre aux producteurs, diffuseurs et consommateurs d'informations de partager les bénéfices.
• Capacité de valorisation de l'information : Transformer des éléments abstraits tels que l'attention, les idées, la réputation et l'activité narrative en actifs numériques négociables, créant ainsi un marché d'échange pour la valeur de l'information qui était auparavant difficile à circuler.
• Participation à faible seuil : les utilisateurs peuvent participer à la distribution de valeur simplement en utilisant leur compte de médias sociaux pour créer du contenu.
• Innovation du mécanisme d'incitation : récompense non seulement la création de contenu, mais aussi la diffusion, l'interaction, la vérification et d'autres étapes, permettant aux contenus de niche et aux utilisateurs de longue traîne de bénéficier également de récompenses. Le contenu de qualité reçoit plus de récompenses, incitant à la production continue d'informations de haute qualité.
• Potentiel d'application interdisciplinaire : par exemple, l'introduction de l'IA offre à InfoFi des avantages tels que l'évaluation de la qualité du contenu et l'optimisation des marchés prédictifs.

Classification InfoFi

InfoFi couvre une variété de scénarios et de modèles d'application différents, qui peuvent être principalement classés en plusieurs catégories :

Marché prédictif

Le marché prédictif, en tant que composante essentielle d'InfoFi, est un mécanisme qui prédit les résultats d'événements futurs grâce à l'intelligence collective. Les participants expriment leurs attentes concernant des événements futurs (tels que des élections ou des résultats politiques, des événements sportifs, des prévisions économiques, des attentes de prix, des dates de lancement de produits, etc.) en achetant et en vendant des "actions" liées à des résultats d'événements spécifiques. Le prix du marché reflète alors les attentes collectives du groupe concernant les résultats des événements.

Dans le cadre d'InfoFi, le marché prédictif n'est pas seulement un outil de spéculation, mais une plateforme qui exploite et révèle des informations réelles grâce à des mécanismes d'incitation financière. Ce mécanisme utilise l'efficacité du marché, encourageant les participants à fournir des informations précises, car une prédiction correcte entraîne des retours économiques, tandis qu'une prédiction incorrecte peut entraîner des pertes.

Les plateformes de marché prédictif comprennent :

• Polymarket : le plus grand marché de prévisions décentralisé, construit sur le réseau Polygon, utilisant l'USDC comme moyen d'échange. Les utilisateurs peuvent faire des prévisions sur des événements tels que des élections politiques, l'économie, le divertissement, et le lancement de produits.
• Kalshi : une plateforme de marché prédictif entièrement régulée par la CFTC aux États-Unis, qui prend en charge plusieurs dépôts de cryptomonnaies en collaboration avec des fournisseurs d'infrastructure de cryptomonnaie, mais qui reçoit des règlements en monnaie fiduciaire. Kalshi se concentre sur les contrats d'événements, permettant aux utilisateurs de négocier les résultats d'événements politiques, économiques et financiers.

Type InfoFi (Yap-to-Earn)

"Bouche à l'ouvrage" fait référence à gagner des récompenses en exprimant des opinions et en partageant du contenu. Le principe fondamental de Yap-to-Earn est d'encourager les utilisateurs à publier des messages ou des commentaires de haute qualité liés à des projets cryptographiques sur les plateformes sociales, principalement en évaluant la quantité, la qualité, l'interaction et la profondeur du contenu grâce à des algorithmes d'IA, afin d'attribuer des points ou des récompenses en jetons.

Caractéristiques de "嘴撸" :

• Pas besoin de transactions sur la blockchain ou de gros capitaux, il suffit d'un compte de réseau social pour participer.
• Renforcer l'activité de la communauté du projet en récompensant des discussions précieuses.
• L'algorithme AI réduit l'intervention humaine, filtre les robots et le contenu de faible qualité, garantissant une distribution des récompenses plus transparente.
• Les points peuvent être convertis en airdrop de jetons ou en privilèges écologiques, les participants précoces peuvent obtenir des rendements plus élevés.

Les projets de bouche à bouche actuellement en vogue ou les projets qui soutiennent le bouche à bouche incluent :

• Kaito AI : la plateforme représentative de Yap-to-Earn, a collaboré avec plusieurs projets pour évaluer, grâce à un algorithme AI, les contenus liés à la cryptomonnaie publiés par les utilisateurs sur les plateformes sociales, récompensant des points, permettant aux utilisateurs de rivaliser sur le classement pour gagner des airdrops de tokens.
• Cookie.fun : Suivre le taux de possession mentale des agents AI, les interactions et les données on-chain, générer un aperçu complet du marché, et également suivre le taux de possession mentale et les sentiments des projets crypto.
• Virtuals : Plateforme de lancement d'agents AI, introduit un nouveau mécanisme de lancement incluant des éléments Yap-to-Earn.
• Loud : En tant qu'"expérience de valeur d'attention" dans l'écosystème Kaito AI, des jetons sont émis par le biais d'une émission d'attention initiale.
• Wallchain Quacks : projet AttentionFi programmatique basé sur Solana, récompensant le contenu de haute qualité et les interactions précieuses.

Bouche en main + Tâche / Activités sur la chaîne / Vérification : Valorisation de la contribution multidimensionnelle

Certain projets évaluent de manière globale les contributions multidimensionnelles des utilisateurs en combinant des contributions de contenu avec des comportements sur la chaîne (comme les transactions, le staking, la création de NFT) ou des missions.

• Galxe Starboard : dédié à la récompense des contributions réelles dans les actions hors chaîne et sur chaîne. Les projets peuvent définir plusieurs niveaux de contribution, y compris l'engagement des publications, l'humeur, la viralité, l'interaction avec les dApps, la détention de jetons, le minting de NFT ou l'achèvement de tâches sur chaîne, etc.
• Mirra : un modèle d'IA décentralisé entraîné sur des données sélectionnées par la communauté, capable d'apprendre des contributions en temps réel des utilisateurs de Web3.

InfoFi de réputation

• Ethos : protocole de réputation sur la chaîne, générant des scores de crédibilité par des mécanismes décentralisés, garantissant la fiabilité de son système de réputation, sa décentralisation et sa résistance aux attaques Sybil.
• GiveRep : principalement construit sur Sui, vise à transformer l'influence sociale et la participation communautaire des utilisateurs sur les plateformes sociales en une réputation en chaîne quantifiable, et à inciter les utilisateurs à participer grâce à des récompenses.

Marché de l'attention / Prédiction

• Noise : une plateforme de découverte de tendances et de trading basée sur MegaETH, permettant aux utilisateurs de prendre des positions longues ou courtes sur l'attention des projets.
• Upside : marché de prédiction sociale, récompensant la découverte, le partage et la prédiction de contenus et de liens de valeur, créant un marché dynamique par le biais d'un mécanisme de vote.
• YAPYO : Infrastructure de marché de l'attention.
• Tendances : Il est possible de tokeniser des publications sur les réseaux sociaux, devenant ainsi une tendance sur la courbe conjointe.

Accès au contenu des jetons par contrôle : filtrer le bruit

• Backroom : Les créateurs peuvent lancer des espaces tokenisés, offrant des contenus sélectionnés tels que des analyses de marché, de l'Alpha et des analyses.
• Xeet : un nouveau protocole dont l'objectif est de réduire le bruit et d'améliorer le signal.

Classe d'information sur l'analyse de données InfoFi

• Arkham Intel Exchange : outil de recherche de données sur la chaîne, plateforme d'échange de renseignements et bourse.

Dilemme InfoFi

marché prédictif

• Réglementation et conformité : faire face à des pressions réglementaires considérées comme similaires aux options binaires et aux jeux de hasard.
• Trading d'initié et équité : peut être perturbé par des informations privilégiées, de gros capitaux peuvent fausser les prix à court terme.
• Liquidité et participation : les sujets de niche sont confrontés au "problème de liquidité insuffisante de longue traîne".
• Conception d'oracle : nécessite de résoudre des problèmes de sécurité tels que les attaques sur le fonctionnement des oracles.

bouche

• Le bruit informationnel s'intensifie, les publicités de contenu AI se multiplient, masquant les signaux réels.
• Manque de transparence dans l'évaluation de la qualité, de l'interaction et de la profondeur du contenu algorithmique.
• L'effet Matthieu dans la distribution des revenus : les créateurs de contenu en bout de chaîne et les petits investisseurs font face à de faibles revenus et à une concurrence intense.
• Au début de l'événement, l'engagement des utilisateurs est attiré, mais après la distribution des récompenses, l'attention diminue de manière drastique, manquant de continuité.
• L'attention ne correspond pas à la part de marché.

réputation

• Le système d'invitation limite l'entrée des nouveaux utilisateurs, ce qui rend difficile la formation d'un large effet de réseau.
• Risque d'opérations malveillantes.
• Le problème de la reconnaissance croisée des scores de réputation entre plateformes, les systèmes de notation de différents protocoles ont du mal à communiquer.

Tendance InfoFi

marché prédictif

• La combinaison de l'IA et des marchés de prévision : améliorer la précision des prévisions, résoudre le problème de la longue traîne.
• La combinaison des médias sociaux et des marchés de prédiction : devenir l'infrastructure fondamentale de l'économie de l'information future.
• Gouvernance décentralisée : appliquée à la gouvernance des DAO, des entreprises et même de la société (Futarchy).
• Devenir un outil de contenu et d'actualités destiné à tous.

Bouche à lèvres + Type de réputation InfoFi

• Introduction de la technologie des graphes sociaux et de la compréhension sémantique pour améliorer la précision de l'évaluation de la valeur du contenu par l'IA.
• Encourager les créateurs de contenu de qualité à long terme.
• Ajouter un mécanisme de réduction ou de pénalité.
• Lancement de l'InfoFi LLM dédié à Web3.
• Évaluation des contributions sous plusieurs dimensions.
• Intégration avec DeFi, le score de réputation servant de base de crédit pour les prêts et le staking.
• La tokenisation des actifs abstraits donnera naissance à davantage de types de dérivés.
• Étendre à plus de plateformes sociales.
• Combiner avec les médias d'information pour créer un outil de découverte d'attention et d'Alpha destiné à tous.

Informations sur la Data Insight InfoFi

• Combinaison des graphiques d'analyse de données et des insights des créateurs, avec ajout d'un mécanisme d'incitation.
• La combinaison de graphiques d'analyse de données et d'analyse AI.

Résumé

La contradiction centrale de l'ère numérique est la rupture entre les créateurs d'attention et les détenteurs de valeur. Cette rupture est précisément le moteur original de la révolution Web3 InfoFi.

Le principal paradoxe d'InfoFi réside dans le fait que, si la valeur de l'information et les incitations à participer ne sont pas équilibrées, cela pourrait reproduire le schéma de « SocialFi » qui a connu un « démarrage élevé et une chute rapide ». La clé d'InfoFi est d'établir un mécanisme d'équilibre « trinitaire » entre l'extraction d'informations, la participation des utilisateurs et le retour de valeur, afin de favoriser la création d'une meilleure infrastructure de partage des connaissances et de prise de décision collective. Cela nécessite non seulement une quantification de l'attention sur le plan technologique, mais aussi une conception des mécanismes qui garantisse que les participants ordinaires peuvent obtenir un retour raisonnable de la diffusion de l'information, évitant ainsi une distribution de la valeur gravement déséquilibrée.

Plus important encore, la révolution d'InfoFi nécessite un effort conjoint de haut en bas et de bas en haut pour réaliser véritablement l'équité et l'efficacité de l'économie de l'attention. Sinon, l'effet Matthieu de la pyramide des revenus fera d'InfoFi un jeu de riche pour quelques-uns, allant à l'encontre de l'objectif initial de "valeur d'attention pour tous".