淺談面向AI大模型的Launchpad

作者：Haotian；來源：X，@tmel0211

聽了下 FLock 2025年度業績報告，會議裡提到一個給AI大模型做Launchapd的事，倒是很吸引我。

什麼？**又是Launchpad？大模型要怎麼發資產？**其實很好理解，類比一下就清楚了：

Virtuals Protocol這樣的AI Agent的Launchapd，由應用層驅動，給Agent發資產用代幣激勵機制幫助Agent從“會聊天”進化到x402“會支付”、再到終極目標“會自主交易”以及提供複雜的服務；

而FLock計劃要做的AI Model Launchpad，是由基礎設施層驅動，給訓練後的大模型發資產，即大量垂直場景模型，比如醫療診斷、法律文書、金融風控以及供應鏈優化等等。

這類垂直模型雖然訓練成本相對可控，但商業化路徑極窄，要麼賣身給大廠，要麼開源為愛發電，很少有可持續的變現方式。

FLock意圖用Tokenomics來重構下這個價值鏈，給微調後的大模型發資產，進而讓參與模型訓練貢獻的資料提供者、算力節點、驗證者等一個長期獲得收益權的可能性，當模型被調用產生收入時，就可按貢獻比例持續分配。

給大模型做Launchpad乍一聽倒是很新鮮，但本質上就是用金融化手段驅動做產品。

一旦模型被資產化，訓練者就有了持續優化的動力，且一旦收益能持續分配，生態就有了自我造血的能力。

這麼做的好處毋庸置疑，比如前陣子火爆的nof1大模型交易大賽，目前只是通用大模型來參賽，並沒有微調專用的大模型來參賽，原因就在於缺乏一個激勵機制，優秀的專用模型通常傾向悄摸賺，不可能曝光出來，但若有資產在身，意義就非凡了，這類大模型Arena競賽場就成了公開秀肌肉的賽場，且競技表現會直接影響大模型資產表現，想像空間一下就打開了？

當然，目前FLock只是提了一個方向，還未真正落地，具體模型發資產和Agent發行資產有何異同，還不得而知。

但有一點肯定的，如何保證為發資產的模型調用是基於真實需求而非刷量，如何有效確保在垂直場景內PMF等等都是問題，應該說，Agent應用發幣潮遇到的問題應該也少不了。

只是很期待，給Model做Launchpad這個方向會有哪些不一樣的玩法呢？