Аналіз останніх тенденцій популярних проєктів у сфері Crypto+AI
Нещодавно було проведено аналіз популярних проєктів у сфері Crypto+AI, і виявлено три помітні зміни у трендах:
Технічний шлях проекту став більш практичним, почали звертати увагу на реальні показники продуктивності, а не просто покладатися на концептуальну упаковку;
Вертикальне сегментування сцен стає фокусом розширення, спеціалізовані AI застосування поступово замінюють універсальний AI;
Капітал дедалі більше звертає увагу на перевірку бізнес-моделей, проекти з грошовими потоками явно користуються більшим попитом.
Ось кілька коротких описів і аналізів представницьких проектів:
1. Децентралізована платформа оцінки AI моделей
Ця платформа завершила фінансування на суму 33 мільйони доларів у червні. Її основна перевага полягає у використанні суб'єктивних суджень людей для покриття недоліків у оцінці ШІ. Через краудсорсинг користувачі оцінюють більше 500 великих моделей, а зворотний зв'язок від них можна обміняти на готівку. Вже залучено кілька відомих компаній для закупівлі даних, що сформувало реальний грошовий потік.
Ця бізнес-модель проекту відносно зрозуміла і не є суто витратною моделлю. Однак запобігання накруткам і вдосконалення алгоритмів протидії атакам «відьом» залишаються великим викликом. Що стосується обсягу фінансування, капітал явно більше надає перевагу проектам з перевіркою монетизації.
2. Децентралізована AI обчислювальна мережа
Проект завершив фінансування на етапі посівів у 10 мільйонів доларів у червні. Його особливістю є створення певного ринкового консенсусу в галузі DePIN Solana через розширення браузера. Новий запущений протокол передачі даних та інженерний інтерфейс здійснили суттєві дослідження в області крайових обчислень та перевірки даних, що дозволяє ефективно знизити затримку та підтримувати підключення гетерогенних пристроїв.
Напрямок проекту відповідає тенденції "зниження" локалізації AI. Однак при виконанні складних завдань все ще існують проблеми з ефективністю в порівнянні з централізованими платформами, а стабільність крайових вузлів також є питанням, яке потрібно вирішити. Проте, крайові обчислення, як нова потреба, що виникає внаслідок внутрішньої конкуренції Web2 AI, якраз є перевагою розподіленої структури Web3 AI.
3. Децентралізована платформа даних для штучного інтелекту
Ця платформа стимулює глобальних користувачів вносити дані з різних галузей за допомогою токенів, охоплюючи медицину, автономне водіння, голос та інші сфери. Загальний дохід перевищив 14 мільйонів доларів США, було створено мережу з мільйона учасників даних. Технічно інтегровані алгоритми ZK-верифікації та BFT-консенсусу для забезпечення якості даних, а також використано технології приватних обчислень для дотримання вимог регулювання.
Проект також представив пристрій для збору електроенцефалограми, що дозволяє розширити можливості від програмного забезпечення до апаратного. Економічна модель розроблена раціонально, користувачі можуть отримувати значний дохід через голосове маркування, а витрати підприємств на підписку на послуги даних також можуть бути суттєво знижені.
Цінність цього проекту полягає в тому, що він відповідає реальним потребам в AI-мітці даних, особливо в сферах, де вимоги до якості даних та відповідності є надзвичайно високими, таких як медицина та автономне водіння. Але рівень помилок у 20% все ще є вищим, ніж на традиційних платформах, а коливання якості даних є проблемою, яку потрібно постійно вирішувати. Хоча напрямок інтерфейсів мозок-машина має великий потенціал, проте його реалізація є досить складною.
4. Розподілена обчислювальна мережа
Це розподілена обчислювальна мережа на основі певного публічного блокчейну, яка в червні завершила фінансування в розмірі 10,8 мільйона доларів. Її особливістю є агрегування невикористаних ресурсів GPU за допомогою динамічної шардінгової технології, що підтримує інференцію великих мовних моделей, вартість якої на 40% нижча, ніж у традиційних хмарних сервісів. Проект також розробив механізм токенізованої торгівлі даними, перетворюючи учасників, які надають обчислювальні ресурси, на зацікавлені сторони, заохочуючи більше людей брати участь у мережі.
Це типовий режим "агрегування неактивних ресурсів", який логічно виглядає обґрунтованим. Але 15% помилок верифікації між ланцюгами - це занадто високо, технічну стабільність ще потрібно покращити. У таких сценах, як 3D рендеринг, де вимоги до реального часу не є високими, дійсно є переваги, ключове питання - знизити рівень помилок, інакше навіть найкраща бізнес-модель постраждає від технічних проблем.
5. Платформа високочастотної торгівлі криптовалютами на основі штучного інтелекту
Платформа завершила раунд початкового фінансування на 3,38 мільйона доларів у червні. Її основна технологія може динамічно оптимізувати торгові шляхи, зменшуючи сліпий ринок, фактична ефективність зросла на 30%. Проект відповідає останнім тенденціям, знайшовши точку входу в відносно порожній сегмент DeFi квантової торгівлі, заповнюючи ринковий попит.
Напрямок проекту правильний, DeFi дійсно потребує більш розумних торгових інструментів. Але високочастотна торгівля має дуже високі вимоги до затримки та точності, тому реальна координація між прогнозами ШІ та виконанням на ланцюгу ще потребує подальшої перевірки. Крім того, атаки MEV є значним ризиком, і необхідно посилити технічні заходи захисту.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Нові тренди в гарячих проектах Crypto+AI: практична технологія, сегментовані сцени та комерційна валідація
Аналіз останніх тенденцій популярних проєктів у сфері Crypto+AI
Нещодавно було проведено аналіз популярних проєктів у сфері Crypto+AI, і виявлено три помітні зміни у трендах:
Технічний шлях проекту став більш практичним, почали звертати увагу на реальні показники продуктивності, а не просто покладатися на концептуальну упаковку;
Вертикальне сегментування сцен стає фокусом розширення, спеціалізовані AI застосування поступово замінюють універсальний AI;
Капітал дедалі більше звертає увагу на перевірку бізнес-моделей, проекти з грошовими потоками явно користуються більшим попитом.
Ось кілька коротких описів і аналізів представницьких проектів:
1. Децентралізована платформа оцінки AI моделей
Ця платформа завершила фінансування на суму 33 мільйони доларів у червні. Її основна перевага полягає у використанні суб'єктивних суджень людей для покриття недоліків у оцінці ШІ. Через краудсорсинг користувачі оцінюють більше 500 великих моделей, а зворотний зв'язок від них можна обміняти на готівку. Вже залучено кілька відомих компаній для закупівлі даних, що сформувало реальний грошовий потік.
Ця бізнес-модель проекту відносно зрозуміла і не є суто витратною моделлю. Однак запобігання накруткам і вдосконалення алгоритмів протидії атакам «відьом» залишаються великим викликом. Що стосується обсягу фінансування, капітал явно більше надає перевагу проектам з перевіркою монетизації.
2. Децентралізована AI обчислювальна мережа
Проект завершив фінансування на етапі посівів у 10 мільйонів доларів у червні. Його особливістю є створення певного ринкового консенсусу в галузі DePIN Solana через розширення браузера. Новий запущений протокол передачі даних та інженерний інтерфейс здійснили суттєві дослідження в області крайових обчислень та перевірки даних, що дозволяє ефективно знизити затримку та підтримувати підключення гетерогенних пристроїв.
Напрямок проекту відповідає тенденції "зниження" локалізації AI. Однак при виконанні складних завдань все ще існують проблеми з ефективністю в порівнянні з централізованими платформами, а стабільність крайових вузлів також є питанням, яке потрібно вирішити. Проте, крайові обчислення, як нова потреба, що виникає внаслідок внутрішньої конкуренції Web2 AI, якраз є перевагою розподіленої структури Web3 AI.
3. Децентралізована платформа даних для штучного інтелекту
Ця платформа стимулює глобальних користувачів вносити дані з різних галузей за допомогою токенів, охоплюючи медицину, автономне водіння, голос та інші сфери. Загальний дохід перевищив 14 мільйонів доларів США, було створено мережу з мільйона учасників даних. Технічно інтегровані алгоритми ZK-верифікації та BFT-консенсусу для забезпечення якості даних, а також використано технології приватних обчислень для дотримання вимог регулювання.
Проект також представив пристрій для збору електроенцефалограми, що дозволяє розширити можливості від програмного забезпечення до апаратного. Економічна модель розроблена раціонально, користувачі можуть отримувати значний дохід через голосове маркування, а витрати підприємств на підписку на послуги даних також можуть бути суттєво знижені.
Цінність цього проекту полягає в тому, що він відповідає реальним потребам в AI-мітці даних, особливо в сферах, де вимоги до якості даних та відповідності є надзвичайно високими, таких як медицина та автономне водіння. Але рівень помилок у 20% все ще є вищим, ніж на традиційних платформах, а коливання якості даних є проблемою, яку потрібно постійно вирішувати. Хоча напрямок інтерфейсів мозок-машина має великий потенціал, проте його реалізація є досить складною.
4. Розподілена обчислювальна мережа
Це розподілена обчислювальна мережа на основі певного публічного блокчейну, яка в червні завершила фінансування в розмірі 10,8 мільйона доларів. Її особливістю є агрегування невикористаних ресурсів GPU за допомогою динамічної шардінгової технології, що підтримує інференцію великих мовних моделей, вартість якої на 40% нижча, ніж у традиційних хмарних сервісів. Проект також розробив механізм токенізованої торгівлі даними, перетворюючи учасників, які надають обчислювальні ресурси, на зацікавлені сторони, заохочуючи більше людей брати участь у мережі.
Це типовий режим "агрегування неактивних ресурсів", який логічно виглядає обґрунтованим. Але 15% помилок верифікації між ланцюгами - це занадто високо, технічну стабільність ще потрібно покращити. У таких сценах, як 3D рендеринг, де вимоги до реального часу не є високими, дійсно є переваги, ключове питання - знизити рівень помилок, інакше навіть найкраща бізнес-модель постраждає від технічних проблем.
5. Платформа високочастотної торгівлі криптовалютами на основі штучного інтелекту
Платформа завершила раунд початкового фінансування на 3,38 мільйона доларів у червні. Її основна технологія може динамічно оптимізувати торгові шляхи, зменшуючи сліпий ринок, фактична ефективність зросла на 30%. Проект відповідає останнім тенденціям, знайшовши точку входу в відносно порожній сегмент DeFi квантової торгівлі, заповнюючи ринковий попит.
Напрямок проекту правильний, DeFi дійсно потребує більш розумних торгових інструментів. Але високочастотна торгівля має дуже високі вимоги до затримки та точності, тому реальна координація між прогнозами ШІ та виконанням на ланцюгу ще потребує подальшої перевірки. Крім того, атаки MEV є значним ризиком, і необхідно посилити технічні заходи захисту.