Die Panda beobachtet seit achtzehn Monaten Weltmodelle. Sie begannen als niedliche Videospielzeuge, die durch Rahmen halluzinierten. Sie sind jetzt Trainingssimulatoren für humanoide Roboter, mit GPU Rechnungen, die ein kleines Land flinch machen würde. Wert pflegt auf, vor einem anderen dezentralen Berechnungsspieldeck behauptet, es hat das Problem gelöst.
Was ist ein Weltmodell, und warum ist es jetzt wichtig?
Ein Weltmodell ist ein neuronales Netzwerk, das lernt, den nächsten Zustand einer Szene vorherzusagen. Füttern Sie es Pixel, Aktionen und ein bisschen Physik, und es halluziniert, was eine Sekunde von jetzt passieren sollte, zwei Sekunden, zehn Sekunden. Es ist das nächste, was die moderne KI einer internen Physik-Engine hat, gelernt anstatt codiert.
Nach DeepMinds Forschungsteam [Genie 2 war das erste Modell, um abspielbare 3D-Umgebungen von einer einzigen Bildaufforderung zu erzeugen] (https://deepmind.google/discover/blog/genie-2-a-large-scale-foundation-world-model/), mit bis zu einer Minute konsistenten Rollout. Die Marketing-Bilder sahen aus wie ein Minecraft Demo. Die eigentliche Implikation war anders: eine kostenlose Trainingsumgebung für jeden Agenten, den Sie darauf hinweisen.
Robotik-Labels bemerkten zuerst. Die Ausbildung eines echten humanoid ist langsam, teuer und neigt dazu, das humanoid zu brechen. Ein Weltmodell gibt Ihnen unendliche synthetische Episoden für die Kosten von GPU Stunden. Billig, in Bezug auf Robotik. Auf jeden Fall.
Von Genie 2 zu Industrieroboterstapeln
NVIDIA hat die gleiche Idee auf CES 2025, aber auf die Industrie ausgerichtet. Cosmos ist eine Familie von Basismodellen, die physikalisch-bewusstes Video erzeugen, um Roboter und selbstfahrende Stapel zu trainieren. Der Schaum war stumpf: Sie brauchen keine Million echte Meilen, Sie brauchen eine Million simulierte Meilen, die real genug aussehen, um zu übertragen.
Achtzehn Monate später ist das Muster überall. Wayve trainiert Politik in latenten Welten. Physische Intelligenz ausgeliefert Pi-Zero, eine offene generalistische Roboterpolitik, die aus einer Mischung von realen und synthetischen Daten gelernt. 1X Technologies und Figur geben beide ruhig zu, im Interview nach dem Interview, dass ihr humanoider Stack ist halb reale Daten und halb Simulator Rollouts.
Die interessante Schicht ist nicht die Existenz eines großen Modells. Es ist, dass der Stapel jetzt synthetische Erfahrungen als primärer Eingang annimmt. Pixel sind Trainingsdaten. Aktionen sind Trainingsdaten. Das Weltmodell selbst ist zu Trainingsinfrastruktur geworden, eine Ebene unterhalb der Politik, die ein Robotik-Team tatsächlich versenden will.
Die Steuer, die niemand in
Hier ist der Teil, der in Keynotes überstrichen wird. Ein Rahmen von Weltmodell-Rollout ist etwa eine Größenordnung teurer pro Token als ein Text LLM-Token. Das System prognostiziert komprimiertes Video mit hohen Bildraten, bedingt auf Aktionen, mit zeitlicher Konsistenz über eine volle Minute. Das ist eine Menge FLOPs pro Pixel.
Industrieabschreibungen ab Ende 2025 setzen die Inferenz-Kostenlücke zwischen grenzübergreifenden Video-Generatoren und gleichwertigen Text-LLMs zu Vielfachen, nicht Prozenten, und Trainings-Kostenlücken sind noch breiter. Die Ausbildung einer einzigen Roboterpolitik, die tatsächlich verallgemeinert ist jetzt fest im siebenstelligen GPU-Stunden-Bereich, bevor der Simulator, der seine Daten produziert.
Der Makrokontext hilft nicht. Total Krypto market cap sitzt auf $2.57 Trillion ab 1. Juni, mit Bitcoin noch 57.26% dominant. Rundenzahlen, die nichts mit Chip-Zuordnung in Santa Clara zu tun haben. Die reale Auktion ist, ob ein Robotiklabor einen Heckenfonds oder eine souveräne Cloud für den gleichen H200-Cluster überbieten kann. Spoiler: der Heckenfonds gewinnt in der Regel, und die souveräne Wolke gewinnt den Rest.
Diese Auktion schafft eine offensichtliche Öffnung für Krypto-Compute-Netzwerke. Ob sie durch diese Öffnung passen, ist die härtere Frage, und der Teil, den die meisten Decks überspringen.
Wo DePIN tatsächlich passt
Render, Akash, io.net und Bittensor berechnen Subnets alle Tonhöhe der gleichen Linie: idle GPUs auf der ganzen Welt, gemietet billiger als AWS oder CoreWeave. Bei Inferenz-Workloads ist das manchmal wahr. Wir haben die Cerebras und Groq Inferenzwirtschaftsdebatte letzte Woche behandelt, und die gleiche Logik gilt für Weltmodelle zur Inferenzzeit. Für die Ausbildung eines Grundweltmodells ist die Linie jedoch meist Fiktion.
Das Training erfordert eine hochbandbreite Verbindung zwischen GPUs, NVLink oder InfiniBand-Stoffen und Clustern, die über Wochen kohärent bleiben. Die Vermietung von zwanzig H100s aus zwanzig verschiedenen Kellern führt nicht zu einem nutzbaren Trainingslauf. Es produziert zwanzig Papiergewichte mit einem gemeinsamen Discord-Kanal.
Akash Network veröffentlicht Workload-Aufgliederungen auf seinem Blog und ist ehrlich in Roadmap-Diskussionen: GPU-Marktplätze gewinnen auf Inferenz und auf Feinabstimmung, nicht auf Vortraining. Wo DePIN-Compute heute passt, ist der lange Schwanz. Forscher, die Ablations betreiben, Indie-Spielstudios, die Assets generieren, on-chain-Agenten, die platzlose Inferenz für ein paar Sekunden benötigen. Dieser Schwanz ist echt, und er wächst. Es ist auch nicht der Grundbildungsmarkt.
Die Spaltungen für AI-Gaming-Projekte. Synthetische Welten für ein Spielstudio sind eine fast-perfect decentralized compute Use Case, weil jede Szene unabhängig und latenz-tolerant ist. Die allgemeine humanoide politische Ausbildung ist nicht. Wir argumentierten in unserer Chap-Ketten-Thesis für KI-Agenten, dass die richtige Passform zwischen KI-Workloads und Krypto-Schienen arbeitslastspezifisch ist. Weltmodelle belegen den Punkt erneut, diesmal bei höherer Auflösung.
Was ist das?
Drei Signale im nächsten Quartal. Erstens, ob ein großes Labor die vollen Trainingskosten für ein Roboter-Weltmodell veröffentlicht, nicht nur die Inferenzkosten. Zweitens, ob DePIN-Netzwerke mit der Veröffentlichung von Nutzungsdaten beginnen, die nach Workload-Typ aufgeschlüsselt werden, anstatt einer Gesamtzahl, die jeden schmeichelt. Drittens, ob AI-Gaming-Projekte, die on-chain-Wirtschaften bauen, einschließlich Zentrix-Stil-Plattformen gebunden an on-chain-Assets, starten Sie die Beschaffung von Simulatorkapazität von Krypto-Compute-Schienen für die Scheiben, die wirklich passen.
Die Panda setzt in diesem Quartal nicht auf eine saubere Antwort. Weltmodelle sind real, die Berechnungssteuer ist real, und die Marketingschicht auf beiden ist, wie immer, genau das, was sie immer war.
