进入加密货币领域只有两种方式：购买或赚取。购买者明确地将法定货币/传统资产兑换成加密资产或存入加密货币交易平台。赚取者则通过劳动获得报酬，并获得加密资产。
过去十年，人们大多选择了第一条路线。我们认为，未来十年，大多数人会选择第二条路线。
如果我们的判断正确，第二波浪潮无论在参与人数还是交易总量上都将远超第一波，因为世界上绝大多数人依靠收入而非资产购买或增值生活。随着这种情况的发生，我们相信一个至关重要的二阶效应将会出现：收入将转化为余额，余额将转化为储蓄，而储蓄将转化为参与互联网资本市场的新途径。
可编程所有权极大地促进了协调
如今，像SpaceX、Scale和Deel这样的巨头公司已经开始使用稳定币和美元向海外员工和承包商支付报酬。这是一种长期趋势，应该会继续下去。与此同时，越来越多的人也在赚取新发行的加密原生资产。目前，我们认为这种收入主要是补充性的，而非主要收入来源。但随着这种模式的成熟，我相信这种收入方式将成为全球众多贡献者的主要收入来源。
加密货币的超能力始终在于协调。比特币就是一个典型的例子：它使用一种非常特定的计算原语（哈希）在所有地方运行，从而生成一个单一的账本。随后出现了 DePIN/DeVIN：像Filecoin这样的网络将新型工作映射到代币，并允许无需许可的参与者通过自行完成工作来启动供应。DePIN 是链上协调的最佳体现之一。Helium 和 Hivemapper 等网络证明，开发者可以利用加密资本市场和加密原语来反向支付资本支出， 为实际工作提供证明，并使用代币将冷启动风险转移给相信项目愿景的早期贡献者。DePIN 开创了链上协调的先决条件： 1）快速、低成本的结算；2）可验证的输出；3）为供应方贡献者提供强大的信任和信誉保障。
无需许可的资本市场使大规模分布式协调成为可能。它们降低了风险聚合的成本，并允许陌生人，无论其身处何地或信仰如何，围绕特定目标进行自组织。
然而，仅靠这些还不够。DePIN 还必须围绕其他因素来构建，才能扩展无需许可的协调能力，幸运的是，这些因素在过去几年中已经取得了显著发展。
首先，DePIN 的创始人在激励机制设计方面整体进步显著。过去，我们看到 DePIN 的通胀奖励机制和反欺诈系统设计不佳，导致参与方难以伪造工作量证明；然而，通过集体的反复试验，市场领导者逐渐摸索出了一套最佳实践。如今，DePIN 在工作量验证（通过 zkTLS 等原语实现）、反垃圾邮件（采用优雅的绑定/惩罚机制）以及与贡献工作量相匹配的奖励（例如，基于周期性贡献的奖励，而非基于时间的固定收益）方面也更加严格。
其次，我们认为 DePIN 有助于使以代币赚取收益的行为正常化。如今，数千万人通过完成特定操作来赚取加密货币，以服务于某些集体目标——例如，通过Galxe或 Kaito 等平台参与社交任务，通过 ImmuneFi 等平台解决漏洞赏金，或通过Arkham上的赏金活动提供信息。
第三，DePIN 已经完善了工作单元的理想规模。我们认为，2021 年通用 DAO 缺乏持久性表明，贡献面积越小，网络效率越高。因此，协调简单操作（例如搭建矿机或基站）的网络比那些试图革新资本分配决策（例如LAO ）的网络要有效得多。
看来我们现在正进入这个设计空间的下一个阶段，在这个阶段，DePIN 和其他组织可以更加精确地说明他们所提供的工作的具体单位以及与之相关的确切报酬。
这意味着，特定工作负载的规范从被动贡献（例如“在附近的咖啡店设置 WiFi 热点，并无限期地获得代币”）转变为“将此包裹从 A 点送到 B 点，并获得固定奖励”，或者“在晚上 7 点到 10 点之间减少 100 千瓦的能源消耗，并获得可用于抵扣下一张电费的代币”。
我相信人工智能将极大地加速这一趋势，并以远超目前市场预期的速度推进链上协调。人工智能能够显著降低软件开发的成本和延迟——也就是说，现在只需过去所需人力的一小部分，一个人就能完成产品交付、迭代和分发。其结果是，公司可以由更少的人创办，并更快地实现规模化发展。
然而，这些“精简型”组织仍然依赖非软件投入——例如数据、标签标注、评估、集成、分发、物理部署、领域专业知识和特殊情况处理。在这些职能中，投入具有间歇性、全球性，并且难以通过传统方式招聘。
过去单一的职业如今已演变为跨多个不相关领域的模块化角色组合。出租车司机现在也加入了优步（Uber）平台，成为网约车司机；报纸编辑现在也加入了Substack和X等平台，成为作者；美国邮政局（USPS）的员工现在也为DoorDash送餐；而且，越来越多的远程操作员正在操控城市中的半自动机器人车队。
我们认为，其中的规律显而易见：技术降低了协调成本，并缩小了工作的最小单元。当协调成本下降时，风险分担得到改善，企业业务得以拆分，工作岗位分解为可以外包和程序化协调的独立角色和职能。
这种工作方式所需的风险分担基础设施，最好由基于加密技术的可编程激励机制来提供。加密资本市场和加密原语可以通过围绕这些内容创建市场，帮助定义工作负载、验证其完成情况，并结算奖励和收益。人工智能缩小了公司规模，但代币扩大了贡献者的规模。我们已经看到一些单人组织实现了数亿美元的收益。
这是互联网劳动力市场的开端。
互联网劳动力市场
互联网劳动力市场 (ILM) 是一个由贡献者拥有的市场，其工作单元是可验证的任务，并通过加密协议即时结算。与传统的去中心化支付网络 (DePIN) 不同，此类网络的两个关键特征是：能够协调任意定制的库存，并通过强验证保证按贡献量奖励或支付贡献者。
任意定制的库存
我们认为，ILM 的关键特征在于，工作被表示为可动态创建、定价和停用的任务基元，以适应网络需求的变化。而基于固定类别构建的平台则迫使新颖且新兴的工作被纳入预先存在的形式，这种不匹配会导致规范不完善、质量参差不齐以及协调成本高昂。
在集成生命周期模型（ILM）中，任务清单通过一组少量参数持续更新，例如任务说明、资格限制、验证方法和支付函数。参数设定后，任务即可向全球发布，通过竞争或分配的方式完成，通过加密验证确认，并通过加密渠道支付报酬。正因如此，ILM 非常适合前沿工作——因为前沿工作很少能长期符合传统定义。
一个ILM可以发布“任务：收集特定医疗工作流程的200个高信号边缘案例，每个案例需包含引用和结构化元数据；资格要求：医生；验证方式：医疗资质和XLM文件；奖励：100个代币”，然后限制只有具备相关领域专业知识和高历史准确性的贡献者才能参与。一个安全市场可以发布“针对合约版本X生成一个最小可复现漏洞利用程序，并提交一个通过测试套件的补丁”，然后仅在补丁的确定性验证以及漏洞严重性的裁决验证之后才支付报酬。一个物理网络可以发布“访问地点X，拍摄带有时间戳的照片，并验证营业时间”，然后结合地理围栏证据和基于审计的审查来消除歧义。在每种情况下，底层市场都不需要新的类别页面或新的工作流程，因为任务定义本身就包含了工作流程。
随着时间的推移，这种灵活性会不断增强，因为网络可以根据其瓶颈的变化来调整其购买的内容，同时保留相同的贡献者基础、验证层和信誉系统作为可重用的基础设施。
强大的验证保证
在传统的雇佣体系中，流程是机械式的：提交工作、开具发票、发票审批、发起付款，几天后结算完成。这种流程对于数量庞大、交付频率较低的工作来说似乎可以接受，但我们认为，对于高频次、对抗性强的工作来说，这种流程就行不通了，因为处理工作的开销会比工作本身的成本更高（例如，医疗保险系统）。
集成生命周期管理 (ILM) 以确定性验证取代了传统的流程，从而无需人工干预即可实现即时结算。例如，在 Hivemapper 和 Nosh 等地图网络中，可以检查 GPS 轨迹的合理性和路径匹配度。在 ImmuneFi 等漏洞赏金系统中，可以根据预定义的测试套件验证代码提交。在 Crunch 等网络中，当测试框架定义完善时，可以根据预留数据集上的基线对模型评估任务进行评分。
然而，总有一些贡献需要人工审核。LivepeerLivepeer了工作代币模型，在该模型中，贡献者需要提供抵押品，审核者会因审核准确而获得奖励，而恶意行为的贡献者和审核者都会受到惩罚机制的惩罚。这种担保验证方式虽然不能完全消除欺诈，但足以起到威慑作用。
大多数 ILM 会将这两种机制结合起来，因为确定性验证解决了处理问题，而绑定验证为争议和定性边缘案例提供了解决方案。
绘制设计空间图
我们将ILM映射到三维空间。
维度 1：任务粒度 × 支付频率
单个任务的规模以及贡献者获得报酬的频率是集成生命周期管理（ILM）中最关键的两个输入因素。任务粒度决定了每个工作单元在规范、验证和裁决方面应投入多少管理费用。报酬支付频率决定了贡献者的营运资金负担，并决定了该系统的运作方式是类似于合同工、赏金、轮班工作还是任务交换。
结算频率低的大型任务类似于加密原生合约。典型的示例是一次性、高上下文的交付成果，例如“编写并发布此集成”、“执行安全审查并生成报告”、“构建数据集并记录收集方法”或“起草合规政策和控制清单”。验证过程带有一定的主观性，因此需要审核者/仲裁者的信誉和可迁移的声誉。
金额巨大且结算频率高的任务类似于赏金：奖励事先固定，平台采用某种加密或仲裁形式的验收机制。例如：漏洞赏金和漏洞披露；“在基准测试中超越此模型”；“编写一个能够通过测试套件的有效漏洞利用程序或补丁”；或“找到并记录 200 个高质量的带源代码的极端案例”。
高频结算的小任务开始呈现出类似交易所的模式：吞吐量、抗垃圾邮件能力和验证延迟至关重要。例如：模型输出的微评估（“此医学推理是否安全”、“此法律主张是否有效”、“此答案是否引用了正确的来源”）；快速数据验证（“此屏幕截图是否与声明相符”、“此 GPS 轨迹是否合理”、“此收据是否与此交易相符”）；小型标注任务（“对此图像进行分类”、“为此段落添加标签”）。这些任务只有在近乎即时结算和确定性验证的情况下才能有效运行，而裁决则保留用于处理特殊情况。
维度 2：验证方法 × 工作域
这是 ILM 设计空间的第二次划分，我们认为它产生了四个象限，每个象限都有着截然不同的市场需求。
虚拟+确定性象限的验证成本最低，但这种易于验证的特性也意味着其防御能力最弱。任何拥有充足资金的人都可以建立一个竞争性市场，争夺同一批贡献者。该象限的防御能力主要来源于信任、声誉和需求方关系，而非验证基础设施本身。
物理+确定性象限需要对硬件认证和密码学安全基础设施进行大量投资，这更难复制，并能创造更持久的竞争优势。Hivemapper 和 Geodnet 等网络受益于其验证系统构建难度极高这一事实。
裁决象限需要构建审阅者网络，这本身就是一个叠加在ILM主要贡献者网络之上的二阶协调问题。这个过程十分艰难，但一旦审阅者网络达到足够的规模和质量，它就会成为强大的防御屏障——你不能简单地复制协议并指望审阅者遵守。物理+裁决象限是最难扩展的象限，因为它需要实地人员和审阅基础设施，但一旦建成，它也是最安全的。在此象限运行的网络面临的竞争较小，正是因为准入门槛极高（参见Daylight或Nosh）。
维度 3：贡献者技能 × 支付频率
第三个维度涉及贡献者本身：他们为网络带来了哪些技能，以及哪些经济限制影响着他们的参与。如果在这个维度上出现偏差，或许是ILM设计中最常见的失败模式，因为它会导致补偿结构与贡献者的需求从根本上脱节。
高技能贡献者分为“信徒”和“专业人士”。信徒们认可项目带来的收益，并接受以代币为主的奖励、代币归属，甚至在所有权与价值创造紧密相关时进行质押。例如，一些顶尖的安全研究人员更倾向于获得高额代币奖励而非较低的现金报酬；又如，一些领域专家为网络评估标准做出贡献，因为他们希望获得长期所有权和声誉。专业人士则需要可预测的结算方式；代币收益可以作为补充，但不能替代工资。例如，进行医疗评估的医生或护士、审查论证和引证的律师，以及进行代码审查或事件响应的高级工程师。这些群体通常不会接受仅以代币作为高风险工作的奖励。
低技能贡献者分为“积累者”和“工资领取者”。积累者通常是兼职的，以复利增长为导向。例如，周末负责路线规划的地图绘制者、为网络收集长尾本地数据（例如商店营业时间、菜单照片和价格）的人员，以及维护设备或节点正常运行的运维人员。工资领取者受流动性限制，需要更高的价格确定性和更快的支付速度。例如，现场安装人员执行“前往A地点，安装B设备，上传证明”等任务；送货/跑腿类任务；以及在新兴市场进行客户拜访和验证检查。从规模上看，“以收入作为入门途径”意味着以稳定币为优先支付的工资，并在此基础上提供可选的所有权，而不是仅以代币支付COMP，从而避免工资投机行为。
人工智能作为催化剂
人们普遍认为，随着人工智能系统能力的提升，人类劳动的价值将会降低。但我持相反观点。我认为人类劳动将会蓬勃发展，因为人工智能能够显著提升个人的议价能力，并拓展可解决的问题范围。它通过将工作分解成更小的单元，放大优秀贡献者的产出，并使多种形式的贡献变得清晰易懂且可货币化，从而实现这一目标。
随着创造成本的下降，可以追求的问题范围扩大，边缘协调的需求也随之增加。
如今，借助现代工具，一位创始人就能构建过去需要整个工程团队才能完成的工作；然而，创始人仍然需要人的判断、验证、问责，以及在现实世界中的实际参与。高风险决策仍然需要负责人。
组织形式必须适应这种新现实。我预计核心团队规模会缩小，而按需贡献者的范围将大幅扩展。这种新现实需要新的协调机制，因为限制因素不再是“我们能雇佣多少员工？”，而是“我们能以多快的速度找到、核实并支付边际贡献？”
这些采用人工智能技术的组织，其劳动力需求与传统劳动力市场存在结构性错位。
首先，他们需要前沿的人工反馈。随着模型的改进，所需的反馈将变得更加专业化，也需要更高的判断力。问题不再是“哪个回复更好”，而是“这种法律推理是否有效”、“医生真的会推荐这种做法吗？”或者“这段代码是否存在安全漏洞”。实时逻辑反馈（RLHF）的瓶颈是真实存在的，并且随着模型部署到更高风险的领域，这一瓶颈会越来越大。数据和反馈提供商已经在此领域建立了庞大的业务，但需求增长速度远远超过了供给。
其次，它们需要人工监督。随着智能体自主性增强，它们仍然需要人类提供指导、异常处理、输出验证以及高风险的最终确认。智能体成为任务路由器。当需要做出具有约束力的判断、需要追究责任或无法通过机械方式解决歧义时，智能体会将任务上报给人类。智能体管理者（ILM）则成为智能体可以从中汲取资源的常备劳动力库。
第三，它们需要实际的物理执行。人工智能可以对物理世界进行推理，但它无法在其中行动。安装工作仍需完成，传感器仍需部署，客户仍需拜访，硬件仍需维护。我们认为，这正是DePIN和ILM的交汇点：可编程激励机制协调现实世界的工作，而验证机制则确保奖励与实际产出挂钩。
第四，他们需要大规模的验证。随着越来越多的活动通过自动化系统进行，元工作量也会增加。必须有人检查系统运行是否正确，仲裁争议，检测欺诈行为，并在机器结果不一致时确定最终结论。这并非过渡性需求，而是随着自动化程度的提高而不断扩展，因为自动化可以提高吞吐量并扩大覆盖范围。
我们相信，在未来一年（或许几个月）内，我们将见证互联网原生组织及其互联网原生劳动力的涌现。公司的核心规模将缩小，而边缘规模将扩大。贡献者将变得更加全球化、模块化和可互换，这一切都源于工作被定义为可验证的任务，而非长期角色。随着收益转移到链上，收益自然会转化为支出。一旦人们拥有加密货币账户并熟悉相关流程，我们相信他们将开始使用其原生金融功能：收益、抵押、借贷、交易、投资组合构建等等。这将完成从互联网劳动力市场到互联网资本市场的闭环。这也改变了参与者的构成。边缘参与者不再是那些早上醒来决定阅读白皮书或购买模因币的人，而是那些完成工作、获得报酬并选择加入系统的人，因为该系统能为他们提供最佳收益。
