作者：Nancy，PANews
繼Kaito以「Yap-to-Earn」模式席捲市場後，最近Cookie DAO一紙公告為InfoFi（資訊金融）賽道再添一把火，邀請碼在各大社群中刷屏，進一步推動InfoFi概念的擴散與實踐落地。
在此之前，雖然Kaito率先引爆了InfoFi話題，為內容創作者、社群成員與專案方之間建構起全新的價值流轉與激勵機制，但其平台也逐漸暴露出內容趨於同質化、品質參差不齊、演算法機制不透明與激勵公平性存疑等議題。更有聲音指出，這種以積分為導向的激勵結構，正在讓創作者被「鎖」進演算法的籠子裡。如今，隨著Cookie等新選手入場，InfoFi的演進路徑開始出現分化，從資訊抓取到內容定價，從演算法主導到社群治理，賽道正迎來新的生態博弈與典範轉移。
從資訊抓取到內容定價，InfoFi正在分化演進
5月21日，Cookie DAO宣布啟動InfoFi第一階段，推出cookie.fun v1.0 alpha版和Cookie Snaps，用來分析加密項目和KOL，取得優質加密推特（CT） 內容獎勵。此外，Cookie計劃未來推出去中心化、社群主導的獎勵池。而作為先驅的Kaito已推出許久，提供即時搜尋、情緒分析、趨勢追蹤和知識圖譜等功能，並憑藉其Yaps機制和AI分析在InfoFi領域佔據主導地位。
Kaito與Cookie的InfoFi產品展現出許多共通性，皆致力於透過AI 技術與激勵機制解決加密市場的資訊片段化問題，建構以使用者參與和優質內容為核心的注意力經濟。然而，兩者在技術架構、治理機制和目標使用者群體方面存在明顯差異，導致其執行路徑和市場定位分化。
Kaito和Cookie的相似之處在於，以AI和激勵機制建構注意力經濟。積分激勵機制方面，兩者均以積分機制激勵高品質內容創作，此機制有效增強了用戶參與度，並建構圍繞優質內容的注意力經濟體系；排行榜與空投激勵方面，Kaito和Cookie均基於用戶內容貢獻生成排行榜，並與空投獎勵掛鉤，形成激勵閉環；數據洞察方面，兩者均運用AI技術對X平台等社交媒體數據進行分析，生成市場情緒和趨勢預測，為投資者和項目方提供洞察；治理方面，兩者均採取了DAO治理模式，允許代幣持有者參與決策。
儘管理念相近，但Kaito和Cookie的執行機制與市場定位各有專注。在積分與評分機制設計上，Kaito的Yap積分基於內容影響力，偏向頭部KOL，容易引發馬太效應，曾因刷量行為引發公平性爭議。 Snaps則是綜合內容品質、使用者參與情緒與忠誠度等多維度社交訊號，鼓勵專注單一專案、長期參與使用者；技術與資料來源上，Kaito整合了Twitter、Discord、鏈上資料等加密資料來源，並結合AI科技基於大語言模型（LLM）和知識圖譜支援多語言分析，適合需要多維分析的專業使用者。而Cookie的資料來源以X平台為主，AI聚焦情緒分析與忠誠度評分，涵蓋範圍較窄，較適合社群驅動情境；評分透明度上，Kaito演算法評分不透明，社群回饋有黑箱問題。 Cookie已在文件裡公佈了內容評分規則；數據分析訪問上，Kaito需使用付費訂閱服務，以訪問高級分析功能、增強的搜索功能和個性化見解，Cookie的所有用戶可免費訪問大量加密數據；項目覆蓋與激勵範圍上，Kaito的排行榜主要涵蓋參與Launchpad的項目，激勵較為集中。 Cookie的數據涵蓋所有加密相關項目內容，不限於正在進行的活動，用戶獲取積分更靈活；市場表現上，Kaito獲得了紅杉資本、Dragonfly和Folius Ventures等支持，融資金額超1200萬美元，流通代幣市值達到5億美元。 Cookie獲得SkyVision Capital、Animoca Brands、Spartan Group等580萬美元融資，且流通代幣市值規模約1億美元。
由此來看，作為InfoFi模式的創新代表，Kaito與Cookie分別代表了專業型與社群型路徑，在策略思維與產品邏輯上形成互補競爭，也推動了InfoFi生態不斷演化，促使更多專案探索社群驅動的資料與獎勵模式。
注意力經濟加速演化，InfoFi仍面臨多重挑戰
在註意力經濟全面崛起的當下，InfoFi作為新興賽道正迅速獲得市場關注。其核心理念在於，將資訊、注意力、社交數據等傳統上非資產化的資源，透過去中心化技術、代幣激勵機制與AI驅動的數據處理能力，轉化為可交易、可定價的動態資產。與傳統Web2平台中資訊價值被單方面捕捉不同，InfoFi重塑了資訊價值的定義，並推動了注意力資本的結構性變革，為使用者賦權、資料自主和價值共享提供了全新可能性。
除了kaito和Cookie，InfoFi賽道正在迎來不少新秀，例如Ethos、Wallchain、GiveRep和Mirra等，這些項目透過創新機制正在不斷完善和豐富InfoFi生態。
儘管InfoFi生態具備創新潛力，但在實際發展過程中仍面臨多重結構性問題。首先是資料完整性與可信度風險。 InfoFi高度依賴AI生成內容和使用者貢獻，容易導致資料操縱、虛假資訊及低質內容氾濫。隨著AI生成內容的激增，資訊可信度或將會被削弱，進而影響市場判斷與決策。如果缺乏有效的噪音過濾機制、內容驗證機制（如信譽評分系統等）以及透明化資料治理，使用者信任度可能會大幅下降，進而影響平台的長期永續發展。
其次，用戶取得門檻與參與度瓶頸問題突出。目前多個InfoFi平台採用邀請製或代幣門檻機制，這在一定程度上提升了內容質量，但同時限制了一般用戶的參與範圍，削弱了生態的包容性和活力。過高的進入門檻阻礙了社群的快速擴展，也可能導致資訊權力過度集中於少數優質用戶手中。
此外，市場分散化與平台間激烈競爭日益顯著。 InfoFi領域湧現不少新玩家，這些產品形態與資料維度各異，導致用戶在不同平台間頻繁切換、體驗割裂。同時，各平台間尚未建立統一的資訊標準與資料協議，形成資訊孤島，阻礙了生態整合與規模效應的形成。
再者，激勵機制的設計及其永續性同樣關鍵。 InfoFi經濟模式高度依賴代幣激勵，若設計不當，易引發通貨膨脹、短期投機和激勵錯配問題。如何在創作者、一般使用者與機構品牌間建立公平、永續的激勵體系，是平台長期發展的關鍵。
最後長尾內容的匱乏也限制了InfoFi的生態多樣性。儘管InfoFi在熱門話題的內容生產與用戶參與上表現良好，但小眾與專業領域的內容生成與用戶參與仍顯不足，資訊資源過度集中於少數熱點主題，可能削弱平台對細分市場的覆蓋能力，不利於深層生態構建。
綜合來看， InfoFi作為注意力經濟的新範式，具備重塑資訊價值分配、賦能用戶資料主權的巨大潛力，但現階段仍需持續解決資料品質管控、使用者參與門檻、平台互通整合、激勵機制優化與內容多樣性等核心問題。
