Если InfoFi Часть I была посвящена измерению внимания, то Часть II — его монетизации. По мере того как протоколы оценивают и токенизируют влияние, возникает новый вопрос: могут ли эти системы создавать устойчивые экономики — или они лишь раздувают финансовый шум?

CoinEx Research проанализирует эффекты второго порядка моделей InfoFi и оценит, что требуется для создания по-настоящему децентрализованных, совместимых и значимых рынков внимания.

Три архетипа финансирования внимания: Kaito, Noise, Cookie

Kaito: Майнинг нарративов и маховик обратной связи

Kaito представляет собой наиболее полную версию цикла обратной связи от социального к капиталу. Его система Yaps вознаграждает пользователей за создание крипто-нативного контента, а его экосистема включает:

Доски лидеров до TGE , которые измеряют долю внимания проекта;
Рейтинги Yapper , которые определяют право на получение токенов;
Модули Kaito Earns , которые связывают влияние с инвестиционными возможностями.

Цикл тесный и рекурсивный: контент → Yaps → экспозиция → аирдроп → больше контента. Это не просто инфраструктура креаторской экономики — это геймифицированная воронка для спекуляций на нарративах.

Этот цикл доказал свою эффективность. Berachain и Story Protocol оба привязали свои критерии аирдропа к метрикам Kaito, узаконив Yaps как прокси для капитала влияния. Тем не менее, это также означает, что алгоритм Kaito становится фактическим арбитром того, кто заслуживает капитал, что возвращает нас к проблеме непрозрачного скоринга.

Noise: Рынок деривативов внимания

Если Kaito вознаграждает влияние, то Noise торгует им . Пользователи могут открывать длинные или короткие позиции по доле внимания проекта — не по цене его токена, а по его социальному капиталу. Если вы считаете, что Farcaster набирает нарративную тягу, вы можете открыть позицию с кредитным плечом на его показатель внимания.

Эта модель черпает вдохновение из прогностических рынков, таких как Polymarket , но с изюминкой: "активом" являются не будущие события, а текущее восприятие. Noise даже использует Kaito в качестве своего единственного оракула внимания, вводя цепочку зависимостей, которая одновременно инновационна и хрупка.

Последствия радикальны: внимание больше не просто сигнал — оно становится спекулятивным товаром. Но когда этот товар оценивается на основе единственного источника данных, рынок становится подверженным манипуляциям, предвзятости и искажениям.

Cookie: Инфраструктура для влияния, основанного на данных

Cookie идет другим путем — менее спекулятивным, более инфраструктурным. Его основной тезис заключается в том, что влияние является функцией контекстно-богатых данных, а не сырого взаимодействия. Cookie отслеживает взаимодействия в Twitter и данные в блокчейне для создания многомерных профилей KOL, которые могут использоваться ИИ-агентами, маркетологами и протоколами.

В отличие от Kaito или Noise, Cookie не просто вознаграждает внимание — он анализирует и упаковывает его , стремясь стать B2B-слоем интеллекта для программируемой экономики влияния. Его недавний запуск Snaps (оценка, основанная на качестве и последовательности контента) начинает замыкать цикл между контентом и вознаграждениями, а его API Data Swarm сигнализирует о амбициях, выходящих далеко за рамки социальных сетей.

Вместе Kaito, Noise и Cookie представляют три архетипа InfoFi:

Kaito: Оценивать, вознаграждать и перераспределять внимание.
Noise: Финансиализировать и спекулировать на внимании.
Cookie: Организовывать и синтезировать внимание для ИИ-агентов.

Каждый подход раскрывает часть возможностей — и часть проблемы.

Хрупкие эксперименты: Loud, GiveRep, Wallchain

Loud: Стимулы без устойчивости

Loud представляет одну из самых ранних чистых моделей токенизации внимания — вознаграждая пользователей на основе метрик видимости и перераспределяя торговые комиссии высокоэффективным участникам. Концепция Initial Attention Offering (IAO) была смелой, переворачивая традиционные модели с приоритетом капитала в модели с приоритетом влияния.

Однако без механизмов для поддержания качества или фильтрации долгосрочного взаимодействия , модель столкнулась с трудностями в сохранении устойчивого внимания. Всплески контента стали краткосрочными, и как только спекулятивный импульс остыл, его токеномика потеряла актуальность.

Вывод не в том, что Loud "провалился", а в том, что токенизация видимости требует больше, чем просто стимулы — она требует многоуровневых фильтров для сохранения сигнала и контекстуальной ценности.

GiveRep: Репутация без дифференциации

Видение GiveRep — отображение социального взаимодействия в онchain-репутацию — привлекательно и необходимо в Web3. Однако его текущая архитектура рассматривает всю активность одинаково, не анализируя семантический вес вкладов.

Упоминание от долгосрочного участника и случайный репост получают схожее отношение. Без оценки, чувствительной к качеству, или кросс-платформенной валидации, репутация становится поверхностной метрикой, а не слоем доверия.

Более того, его текущий охват в рамках экосистемы Sui ограничивает сетевые эффекты. Для того чтобы такие системы масштабировались значимо, интероперабельность и семантические фильтры должны быть основными, а не опциональными.

Wallchain: Децентрализованное намерение, централизованный субстрат

Wallchain стремится количественно оценить реальное влияние через такие метрики, как X Score и баллы Quacks. Платформа подчеркивает аутентичный вклад и ежедневную оценку с помощью ИИ. Тем не менее, ее сильная зависимость от данных X (Twitter) означает, что волатильность на уровне платформы — изменения алгоритмов, ограничения API, сдвиги в модерации — может напрямую влиять на оценку влияния.

Это не дефект дизайна, а отражение более широкого ограничения InfoFi: проекты Web3 остаются глубоко зависимыми от поверхностей данных Web2. Пока не появятся нативные, проверяемые субстраты внимания, многие системы InfoFi будут сталкиваться с этой же хрупкостью — несмотря на их децентрализованные устремления.

Дилемма децентрализации: Протоколы с зависимостями от платформ

Централизованные потоки данных, децентрализованные обертки

Несмотря на амбиции InfoFi, большинство проектов строятся поверх централизованных платформ таких как X (Twitter) — единая точка отказа для всего стека. Когда внимание пользователей извлекается из частно управляемых сетей, алгоритмическая непрозрачность, политики модерации и контроль доступа становятся восходящими рисками.

Будь то X Score от Wallchain, Yaps от Kaito или рейтинги KOL от Fantasy.top, сохраняется та же слабость: метрики Web3, построенные на территории Web2.

Системы скоринга: Новые непрозрачные привратники

Большинство скоринговых движков InfoFi остаются закрытыми, непроверяемыми и устойчивыми к оспариванию. Yaps, Quacks, Snaps — все они определяют доступ пользователей к вознаграждениям, аирдропам и видимости — но их внутренняя логика скрыта.

Эта непрозрачность воссоздает ту же асимметрию доверия, которую Web3 стремился устранить. Если влияние должно быть финансиализировано, модели, стоящие за ним, должны быть проверяемыми и компонуемыми. В противном случае мы меняем один черный ящик (алгоритмы Web2) на другой.

Театр управления, а не реальное владение

Некоторые платформы принимают ориентированные на сообщество нарративы (например, стейкинг репутации, социальный слашинг), но немногие имеют значимые структуры управления. Решения о весах скоринга, порогах лидерборда или праве на аирдроп часто остаются централизованными за продуктовыми командами или консультативными советами.

Истинная децентрализация требует большего, чем распределение токенов — она требует управления пользователями моделями данных, которые определяют доступ, капитал и влияние.

Потенциал протокола: куда должен двигаться InfoFi дальше

ИИ-агенты как нативные потребители InfoFi

Следующее поколение ИИ-агентов будет не просто обрабатывать информацию — они будут совершать транзакции на её основе. Наборы данных InfoFi — сигналы социальных сетей в реальном времени, тренды нарративов, показатели репутации — идеальные входные данные для автономных агентов, выполняющих инвестиционные, кураторские или исследовательские стратегии.

Представьте ИИ-управляющего портфелем, использующего индекс популярности Kaito для корректировки позиций по новым токенам. Или бота, оценивающего репутацию с помощью данных Wallchain и GiveRep для проверки участников протокола. Эти агенты будут требовать структурированных данных высокой целостности — подталкивая InfoFi к улучшению качества сигналов, прозрачности и совместимости.

Именно здесь API данных Cookie, ориентированные на ИИ, могут стать критически важным промежуточным звеном, превращая шумный человеческий контент в машинно-используемую аналитику.

DeFi: безтрастовым финансам нужен надежный контекст

DeFi всегда не хватало нативного кредитного уровня. Большинство протоколов полагаются на избыточное обеспечение — не потому, что они этого хотят, а потому что у них нет способа оценить риск.

InfoFi может помочь решить эту проблему. Системы репутации на блокчейне, такие как профили Ethos, могли бы позволить кредиторам оценивать заемщиков не только по балансу кошелька. Прогнозные метрики от Kaito или Cookie могли бы обеспечивать стратегии доходности на основе внимания. А индексы популярности могли бы служить входными данными для моделирования волатильности и ценообразования страховых продуктов.

Внедряя репутацию, влияние и внимание в DeFi, InfoFi мог бы наконец дать Web3 уровень доверия, который не является слепым.

Ключевой сдвиг: от платформы к протоколу

Ничего из этого не произойдет, если игроки InfoFi не будут готовы к самодецентрализации. Это означает:

Превращение моделей оценки в модули с открытым исходным кодом;
Создание программируемого и инклюзивного управления;
Построение уровней сбора данных, не зависящих от устаревших платформ.

Заключение: влияние — это актив, но только если оно проверяемо

InfoFi открыл новый рубеж: обращение с информацией, вниманием и социальным капиталом как с ликвидными экономическими активами. Но первая волна экспериментов — какими бы амбициозными они ни были — выявила структурные издержки неполной децентрализации, непрозрачной оценки и спекулятивного дизайна.

Тем не менее, основной тезис остается мощным. Если Web3 хочет избежать шума алгоритмических медиа и восстановить доверие к своим нарративам, он должен инвестировать в инфраструктуру, которая делает влияние измеримым, прозрачным и компонуемым.

Следующая фаза не будет выиграна за счет механик хайпа или майнинга рейтингов. Она будет построена на проверяемых данных, протоколах, ориентированных на ИИ, и уровнях доверия, которые масштабируются с контекстом. Будущее InfoFi зависит не от того, кто привлекает внимание, а от того, кто может доказать его ценность.

Влияние изменения цен в Web3 (II): Финансиализация информации