其次，InfoFi 将注意力从一个抽象的概念转化为可量化和可交易的数据，用户参与从简单的消费转变为生产性活动。现有大多数的线上参与都涉及投资或内容分享，而平台则通过这些活动产生的注意力来赚钱。InfoFi 会量化用户对这些内容所作出的市场反应，并根据这些数据发放奖励，从而导致参与者的行为被视为生产性的工作。这种转变赋予用户网络价值创造者的角色，而不仅仅是社区成员。
第三，InfoFi 降低了信息生产的门槛。过去推特大 V 和机构账号主导着信息分发，并占据了大部分的关注和奖励，而现在普通用户在获得一定程度的市场关注后，同样能可以获得切实的奖励，为不同背景的用户创造了更多参与的机会。
InfoFi 引发的注意力经济陷阱InfoFi 模型是加密行业内新的奖励设计实验，它量化了用户的贡献并将其与奖励挂钩。然而注意力已经成为一种过于中心化的价值，其副作用也逐渐显现。
第一个问题是过度的注意力竞争和内容质量的下降。当注意力成为奖励的标准，创作内容的目的现在从提供信息或鼓励有意义的参与转变为仅仅为了奖励。而生成式 AI 使内容创作变得更容易，缺乏真实信息或洞见的批量内容迅速传播。这些所谓的「AI Slop」内容正在整个生态系统中蔓延，从而引发了人们的担忧。
Loud Mechanism，来源：Loud
Loud 项目清晰地展现了这一趋势。Loud 尝试将注意力代币化，该平台选择将奖励分配给特定时间段内获得最多关注的顶级用户。这种结构在实验上很有意思，但注意力却成为了奖励的唯一标准，这导致用户之间的竞争过热，并引发了大量重复低质量内容的产生，最终导致了整个社区内容同质化现象的产生。
资料来源：Kaito Mindshare
第二个问题是奖励中心化。基于注意力的奖励开始聚焦于特定项目或主题，其他项目的内容实际上被动从市场中消失或减少了，Kaito 的共享数据清楚地表明了这一点。Loud 曾一度占据 Twitter 上超过 70% 的加密内容，主导了生态系统内的信息流。当奖励聚焦于注意力时，内容多样性就会下降，信息也会逐渐围绕提供高额代币奖励的项目而产生。最终营销预算的规模决定了生态系统内的影响力。
InfoFi 的结构性限制：评估和分发 4.1. 内容评估简单方法的局限性以注意力为中心的奖励结构引出了一个根本问题：内容应该如何评估，奖励应该如何分配？目前大多数 InfoFi 平台都基于简单的指标（例如浏览量、点赞和评论）来判断内容价值。这种结构假设「高参与度等于好内容」。