Sinabi ni Coinbase CEO Brian Armstrong na ang pag-unlad ng artificial intelligence ay mas magdedepende sa energy at compute infrastructure kesa sa galing ng AI models.
Ito yung sinabi ni Armstrong bilang sagot sa post ni investor Tommy Shaughnessy. Sa post na ‘yon, pinaliwanag ni Shaughnessy kung paano ang metered API pricing ang dahilan kung bakit lumalampas na ang gastos ng mga kumpanya sa enterprise AI, kumpara sa inu-expect nila nung flat-rate lang ang subscription.
Halos Walang Limit ang Demand sa Intelligence
Pinunto ni Armstrong na sobrang taas ng demand ngayon sa AI-generated intelligence at parang walang talagang limit sa kailangan ng tao.
Pero tingin niya, maghahati ang market sa loob ng 12 hanggang 18 buwan. Sabi niya, nasa 80% ng iba’t ibang AI workloads lilipat na sa mga models na halos 99% mas mura kumpara sa mga pinakamahal ngayon.
Yung natitirang 20% naman, para sa mga use case na critical ang high performance tulad ng scientific research o malalaking orchestrator agents, magpapatuloy pa rin sa paggamit ng mga pinaka-advance na models.
Kinompara pa ni Armstrong yung ganitong setup sa mga consumer hardware. Sabi niya, karamihan sa mga bumibili ng MacBook o gaming PC, hindi na pinipili yung all-out specs, kahit bumababa na ang presyo nila nang mas mabilis pa sa inaasahan ng Moore’s Law.
Dinagdag pa niya na kahit bumaba na ang presyo ng mga model, at dumami na ang mas murang alternatives, hindi pa rin maresolba ang talagang problema sa supply. Imbes, lilipat lang yung bottleneck pataas: kailangan mo pa rin ng maraming power at hardware (silicon) para patakbuhin ang kahit anong model nang malawakan.
Strategy ng Coinbase sa AI Routing
Praktikal na ginagamit na ng Coinbase ang ganitong diskarte. Sabi ni Armstrong, nilalagay ng exchange ang mga prompt sa mas murang mga model kung pwede, kaya halos hindi nababago ang gastos nila kahit exponential na ang increase sa token usage.
Yung kanyang AI-native restructuring na ginawa sa Coinbase ngayong 2026 ay nagpapakita na mas gusto nila ngayon ng mas efficient at agent-driven na workflows. At yung pananaw niya na ‘wag higpitan masyado ang AI regulation ay patunay na naniniwala siyang hindi dapat harangin ng policy yung growth ng technology.
Match na match ito sa concern na binanggit ni Shaughnessy. Sabi niya, ang Uber nga, naubos na agad ang full 2026 AI budget nila nung April pa lang, kaya kita talaga na sobrang bilis mag-accumulate ng gastos sa enterprise AI. Tingnan mo itong problemang ito sa pagtaas ng enterprise AI costs para makita kung gaano kabilis ang pag-burn ng pera.
Binigyang-diin din ni Shaughnessy na ang mga open-source models gaya ng DeepSeek V4, kaya nang sumabay sa performance ng mga top proprietary systems, at halos 1/30 lang ng gastos. Dahil dito, parang may limit na kung hanggang saan pwedeng mag-charge ng mataas ang mga leading AI labs.
Energy ang Totoong Balakid
Naniniwala si Armstrong na halos parehas na lang ang magiging model quality in the long run, dahil mabilis lalakas ang mga mura at open-source na models. Pero ang totoong limitasyon dito ay kung gaano karami at katibay ang physical infrastructure na suminusuporta sa AI — ibig sabihin, yung power at computing hardware.
Pareho ito sa galaw ng kapital ngayon sa market. Yung AI venture funding nitong Q1 2026 umabot ng $242 billion worldwide, pero kahit ganoon, hirap pa ring makahabol ang capacity ng mga data center sa demand.
Ipinunto ni Armstrong na hindi issue kung aling model ang mananalo, kundi kung kakayanin ba ng energy at computing infrastructure habulin yung demand — na sa tingin niya, halos walang limit.
