浅谈 FLock：AI 大模型 Launchpad 模式初探

撰文：Haotian

听了下 FLock 2025 年度业绩报告，会议里提到一个给 AI 大模型做 Launchapd 的事，倒是很吸引我。

什么？又是 Launchpad？大模型要怎么发资产？其实很好理解，类比一下就清楚了：

Virtuals Protocol 这样的 AI Agent 的 Launchapd，由应用层驱动，给 Agent 发资产用代币激励机制帮助 Agent 从 「会聊天」 进化到 x402 「会支付」、再到终极目标 「会自主交易」 以及提供复杂的服务；

而 FLock 计划要做的 AI Model Launchpad，是由基础设施层驱动，给训练后的大模型发资产，即大量垂类场景模型，比如医疗诊断、法律文书、金融风控以及供应链优化等等。

这类垂类模型虽然训练成本相对可控，但商业化路径极窄，要么卖身给大厂，要么开源为爱发电，很少有可持续的变现方式。

FLock 意图用 Tokenomics 来重构下这个价值链，给微调后的大模型发资产，继而让参与模型训练贡献的数据提供者、算力节点、验证者等一个长期获得收益权可能性，当模型被调用产生收入时，就可按贡献比例持续分配。

给大模型做 Launchpad 乍一听倒是很新鲜，但本质上就是用金融化手段驱动做产品。

一旦模型被资产化，训练者就有了持续优化的动力，且一旦收益能持续分配，生态就有了自我造血的能力。

这么做的好处毋庸置疑，比如前阵子火爆的 nof1 大模型交易大赛，目前只是通用大模型来参赛，并没有微调专用的大模型来参赛，原因就在于缺乏一个激励机制，优秀的专用模型通常倾向悄摸赚，不可能曝光出来，但若有资产在身，意义就非凡了，这类大模型 Arena 竞赛场就成了公开秀肌肉的赛场，且竞技表现会直接影响大模型资产表现，想象空间一下就打开了？

当然，目前 FLock 只是提了一个方向，还未真正落地，具体模型发资产和 Agent 发行资产有何异同，还不得而知。

但有一点肯定的，如何保证为发资产的模型调用是基于真实需求而非刷量，如何有效确保在垂类场景内 PMF 等等都是问题，应该说，Agent 应用发币潮遇到的问题应该也少不了。

只是很期待，给 Model 做 Launchpad 这个方向会有哪些不一样的玩法呢？