SemiAnalysis-Gründer: KI-Inferenz könnte Öl übertreffen – Was das für Krypto im nächsten Rechenleistungs-Engpass bedeutet
SemiAnalysis-Gründer: KI-Inferenz könnte Öl übertreffen – Was das für Krypto im nächsten Rechenleistungs-Engpass bedeutet
KI verlagert sich rasant von einer „Ära des Modelltrainings“ hin zu einer „Ära der Inferenz“, in der die eigentliche wirtschaftliche Bedeutung im tagtäglichen milliardenfachen (und bald billionenfachen) Ausführen von Modellen liegt. In einer aktuellen Episode der Podcast-Reihe Training Data von Sequoia Capital argumentierte Dylan Patel, Gründer von SemiAnalysis, dass KI-Inferenz zu einem der größten Märkte der Welt werden könnte – potenziell größer als Öl – und groß genug, um mehrere Prozentpunkte des globalen BIP auszumachen. Die Episode finden Sie im Training Data-Podcast-Feed.
Für die Blockchain-Branche ist dies mehr als nur eine makroökonomische Tech-Story. Es hat direkte Auswirkungen auf dezentrale Rechenleistung, DePIN-Token-Ökonomie, MEV und Marktstruktur, ZK-Verifizierungs-Workloads und sogar darauf, wie wir über Wallet-Sicherheit in einem agentengesteuerten Internet denken.
Im Folgenden finden Sie eine Krypto-native Lesart von Patels These – und wie Entwickler und Nutzer sich auf eine Welt vorbereiten können, in der Rechenleistung wie eine knappe Ware behandelt wird.
1) Warum „Inferenz ist das neue Öl“ für Web3 wichtig ist
Patels Kernaussage ist nicht einfach nur „KI ist groß“. Es ist, dass die Nachfrage nach Inferenz schneller wächst als das Angebot an Rechenleistung, da jede Modelliteration mehr Aufgaben freisetzt, für die es sich lohnt zu bezahlen. Selbst wenn Chips schneller werden und die Inferenz günstiger wird, kann die Nachfrage immer noch explodieren.
Diese Dynamik erinnert an etwas, das Krypto-Nutzer bereits verstehen:
- Geringere Kosten reduzieren die Gesamtnachfrage nicht zwangsläufig Ethereum-Rollups und Datenverfügbarkeits-Upgrades reduzieren die Kosten pro Transaktion, aber niedrigere Gebühren ziehen oft mehr Aktivität an. Der „Rollup-zentrierte Fahrplan“ von Ethereum und der Pfad zur Datenskalierung (einschließlich Proto-Danksharding / EIP-4844) sind ein kanonisches Beispiel dafür, wie niedrigere „Stückkosten“ im Laufe der Zeit zu einer höheren aggregierten Nutzung führen können. Siehe die Übersicht von Ethereum über Danksharding und den Skalierungsfahrplan und die Spezifikation für EIP-4844.
Übertragen auf KI: Wenn die Kosten für Inferenz drastisch sinken, kann die Nutzung explodieren – und das System kann auf der Infrastrukturebene trotzdem begrenzt bleiben.
2) Ein langer Rechenleistungs-Engpass ist ein Zentralisierungsrisiko (und eine Krypto-Chance)
In der Kryptowelt scheitert Dezentralisierung oft aus einem unglamourösen Grund: Engpässe.
- Wenn Blockspace knapp ist, dominieren wenige Akteure MEV.
- Wenn die Validatoren-Hardware spezialisiert wird, konzentriert sich die Teilnahme.
- Wenn RPC-Zugang teuer ist, leiten Entwickler ihre Anfragen über eine Handvoll Anbieter.
Nun fügt man Patels Ansicht hinzu: Rechenleistungs-Knappheit könnte dauerhaft sein, nicht nur temporär. In dieser Welt:
Zentralisierungsrisiko: KI wird zur Gatekeeper-Schicht
Wenn Inferenz zur „neuen kritischen Infrastruktur“ wird, kann der Zugang zu günstiger, zuverlässiger Inferenz zu einem Nadelöhr werden für:
- Handels- und Risikosysteme,
- Wallets und Benutzeragenten,
- Betrugserkennung,
- Compliance-Tools,
- Entwickler-Copiloten, die Code ausliefern.
Krypto-Chance: offene Märkte für Rechenleistung
Krypto ist ungewöhnlich gut darin, Märkte zu koordinieren, bei denen:
- Lieferanten verteilt sind,
- die Nachfrage global ist,
- Zahlungen programmatisch erfolgen,
- und die Abwicklung vertrauensminimiert ist.
Deshalb ist der Aufstieg von DePIN (Decentralized Physical Infrastructure Networks) wichtig. Einen Rahmen für das Gesamtbild finden Sie in der Erklärung von a16z crypto, was DePIN ist und warum es wichtig ist, und in der Übersicht von Messari im State of DePIN Report (PDF).
Es geht nicht darum, dass jedes DePIN-Netzwerk „gewinnt“. Es geht darum, dass Blockchain ein Koordinationssubstrat für die Bereitstellung realer Infrastruktur (Rechenleistung, Bandbreite, Speicher, Sensoren) bietet, wenn etablierte Anbieter nicht schnell genug skalieren oder den Zugang nicht fair verteilen können.
3) Hardware-Software-Co-Design: Der versteckte Burggraben, den Krypto-Entwickler bemerken sollten
Einer der praktischsten Schlussfolgerungen aus Patels Kommentaren ist, dass Effizienzsteigerungen zunehmend aus Cross-Layer-Optimierung (Modellarchitektur, Kernel, Laufzeiten, Speicherstrategien) stammen, nicht nur aus neuer Siliziumtechnologie. Die Beschreibung der Training Data-Episode hebt diese Betonung von Co-Design und Ökosystem-weiter Optimierung hervor. Siehe die Episodenliste auf Apple Podcasts.
Für Krypto ändert dies die Denkweise über „dezentrale KI-Rechenleistung“:
- Es reicht nicht aus, GPUs zu aggregieren.
- Die Gewinner-Systeme werden auch Folgendes liefern:
- optimierte Inferenz-Stacks,
- Scheduling, das Modellformen auf Hardware abstimmt,
- und reproduzierbare Benchmarks, die „Marketing-Performance“ entmutigen.
Patels Team hat einen kontinuierlich aktualisierten Inferenz-Benchmark namens InferenceX entwickelt, der die reale Serving-Performance und die Kosten messen soll. Sie können die Positionierung des Projekts auf der InferenceX-Website einsehen.
Der Krypto-Ansatz: Verifizierung wird wertvoller, wenn die Ausführung heterogen ist
Wenn Inferenz über diverse Anbieter läuft (Hyperscaler, Neo-Clouds, DePIN-Netzwerke, Edge-Geräte), werden Nutzer stärkere Garantien wünschen:
- Hat der Anbieter das behauptete Modell ausgeführt?
- Hat er die behaupteten Einstellungen verwendet?
- Hat er die Ausgaben manipuliert?
- Kann ein On-Chain-System sicher auf Off-Chain-Inferenz vertrauen?
Hier werden „verifizierbare Rechenleistung“-Themen (einschließlich ZK-Beweissystemen und Trusted Execution-Ansätzen) strategisch wichtig – selbst wenn die meiste Inferenz niemals on-chain stattfindet.
4) Energie, Geopolitik und das Gedankenexperiment „Weltraum-Rechenzentrum“
Patel weist auch auf Energiekosten und die Kapazität des Rechenzentrums-Baus als Kernbeschränkungen hin – nicht nur auf Chips. Dieser Rahmen stimmt mit der breiteren Realität überein, dass KI heute ebenso ein Energieplanungsproblem wie ein Softwareproblem ist.
Für eine glaubwürdige makroökonomische Sichtweise liefert der Bericht der Internationalen Energieagentur Energie und KI Kontext dazu, wie KI und Rechenzentren die Stromnachfrage beeinflussen. Beginnen Sie mit der Zusammenfassung der IEA und ihrem Abschnitt über Energiebedarf von KI.
In Patels weiter vorausschauenden Szenarien geht er davon aus, dass:
- bis 2030 die kombinierte Rechenleistungsnachfrage von OpenAI und Anthropic allein über 100 GW liegen könnte und
- bis 2040 ein signifikanter Teil der inkrementellen Rechenleistung plausiblerweise ausserhalb der Erde migrieren könnte, wenn sich die Ökonomie umkehrt (Weltraum-Bereitstellung günstiger als terrestrischer Ausbau wird).
Eine Zusammenfassung dieser spezifischen Prognosen ist in Branchen-Recaps weit verbreitet, zum Beispiel in diesem digest-artigen Artikel.
Separat hat SemiAnalysis auch die Ökonomie der orbitalen Rechenleistung in seiner eigenen Arbeit untersucht, einschließlich seiner Analyse zu Weltraum-Rechenzentren.
Warum Krypto sich dafür interessieren sollte (auch wenn Weltraum-Rechenleistung weit entfernt klingt)
Ob Sie an orbitale Rechenzentren glauben oder nicht, die zugrundeliegende Botschaft ist unmittelbar:
- Rechenleistung wird durch Energie und Genehmigungen ortsabhängig.
- Ortsabhängigkeit schafft gerichtliche Beschränkungen.
- Gerichtliche Beschränkungen schaffen Zensur- und Zugangs-Beschränkungen.
Und Zensurresistenz ist genau das, wofür Krypto entwickelt wurde.
Wenn KI-Inferenz zu einer grundlegenden Schicht für Finanzen und Identität wird, dann wird offene, zensurresistente Abwicklung (Blockchains) wertvoller – nicht weniger –, weil die Welt darüber permissionierter wird.
5) KI-Agenten + Wallets: „Wer besitzt die Schlüssel?“ wird zur eigentlichen UX-Frage
Wenn KI-Agenten autonomer werden, könnte der größte Mainstream-UX-Erfolg von Krypto auch sein größtes Risiko werden: Bots, die bezahlen können.
Dieser Trend ist bereits sichtbar darin, wie Investoren und Forscher über „Agenten-Wallets“ und die rechtlichen/operativen Auswirkungen diskutieren. Siehe die Berichterstattung von CoinDesk über Wallets für KI-Agenten und die aufkommende rechtliche Grenze, die sich auf Electric Capital bezieht.
Wenn die Inferenz wirklich „ölmaßstäblich“ wird, werden Agenten nicht nur Fragen beantworten – sie werden:
- Portfolios neu ausbalancieren,
- Margen einzahlen,
- Zahlungen streamen,
- Governance-Stimmen unterzeichnen,
- Positionen über verschiedene Ketten hinweg rotieren,
- und kontinuierlich mit DeFi-Protokollen interagieren.
In diesem Umfeld ist Selbstverwahrung keine Option. Sie ist die Grenze zwischen:
- einem Agenten, der „vorschlagen“ kann, und
- einem Agenten, der Werte unumkehrbar bewegen kann.
Praktisches Sicherheitsmuster: Hochwertige Signaturen offline halten
Für langfristige Inhaber, Tresore und alle, die Teilautonomie an Software delegieren, ist das sicherste Muster die Trennung von:
- Online-Intelligenz (Agenten, Inferenz, Automatisierung) von
- Offline-Autorität (finale Signatur).
Hier kann eine Hardware-Wallet als vom Menschen kontrollierter Checkpoint fungieren. Wenn Sie OneKey verwenden, richtet sich das Kernversprechen natürlich an dieser Verschiebung aus: Private Schlüssel bleiben offline, während Sie trotzdem auf wichtigen Ketten und in dApps teilnehmen können, ohne Ihre Seed-Phrase in einen API-Schlüssel zu verwandeln.
6) Was Krypto-Entwickler als Nächstes tun sollten (Eine kurze Checkliste)
Wenn Patels „Inferenz-dominierte Wirtschaft“ schneller als erwartet eintritt, sollten Krypto-Teams sich auf eine Welt vorbereiten, in der Rechenleistung das limitierende Reagenz ist:
-
Gehen Sie davon aus, dass Rechenleistung ein Preisfaktor wird Entwerfen Sie keine Token-Modelle, die nur funktionieren, wenn die Inferenz „effektiv kostenlos“ ist.
-
Behandeln Sie Benchmarking als Governance, nicht als Marketing Transparente Messungen (z. B. kontinuierliche Inferenz-Benchmarks) werden das Marktvertrauen mehr prägen als Whitepapers.
-
Entwerfen Sie für Verifizierbarkeit Wenn Ihr Protokoll auf Off-Chain-KI angewiesen ist, planen Sie für feindselige Anbieter und Modelldrift.
-
Bauen Sie mit Energie-Realismus Energie- und Rechenzentrums-Einschränkungen beeinflussen, wo Infrastruktur existieren kann – und damit, wer Zugang dazu hat.
-
Sichern Sie den Signaturpfad Da Agenten leistungsfähiger werden, benötigen Benutzer stärkere Signaturkontrollen, Ratenbegrenzungen, Multisig-Richtlinien und Offline-Genehmigungen.
Abschließender Gedanke: Kryptos Aufgabe ist es, Märkte offen zu halten – auch wenn die Rechenleistung nicht offen ist
Patels wichtigste Botschaft für die Krypto-Branche mag folgende sein: Selbst spektakuläre Effizienzsteigerungen garantieren keinen Überfluss. Wenn KI-Inferenz zu einem Markt wird, der in Gigawatt und BIP-Punkten gemessen wird, dann wird der Zugang zu Rechenleistung bestimmen, wer bauen darf, wer konkurrieren darf und wer verdrängt wird.
Blockchains können keine GPUs herstellen – aber sie können die wirtschaftliche Schicht offen halten: permissionless Märkte, transparente Abwicklung und nutzerkontrollierte Schlüssel. Und in einer agentengesteuerten Welt ist die Kombination dieser Offenheit mit starken Selbstverwahrungspraktiken (einschließlich eines Offline-Signers wie OneKey) der Weg, wie Nutzer Souveränität behalten, wenn der Rest des Stacks knapp wird.
