Аналіз тенденцій популярних проектів у сфері Crypto+AI
Нещодавно я провів глибоке дослідження популярних проектів у сфері Crypto+AI і виявив три помітні зміни в трендах:
Технічний шлях проєкту став більш прагматичним, більше не покладаючись лише на концептуальну упаковку, а почав звертати увагу на фактичні показники продуктивності.
Вертикальні сегменти стають основним напрямком розвитку, спеціалізовані AI застосунки замінюють універсальні AI.
Капітал все більше зосереджується на перевірці бізнес-моделей, проекти з реальним грошовим потоком явно користуються більшою прихильністю.
Ось кілька представницьких проектів з коротким описом та аналізом:
Децентралізована платформа оцінки AI моделей
Ця платформа завершила раунд фінансування на 33 мільйони доларів у червні, який очолила відома інвестиційна компанія, а також взяли участь кілька експертів галузі.
Платформа оцінює більше 500 великих моделей за допомогою краудсорсингу, а відгуки користувачів можна обміняти на готівку. Це вже привернуло увагу багатьох великих AI-компаній для закупівлі даних, створивши реальний грошовий потік.
Це проект з відносно чіткою бізнес-моделлю, а не просто витратною схемою. Проте запобігання накруткам і атакам на відьом все ще є великою проблемою, відповідні алгоритми потребують постійної оптимізації. Що стосується обсягу фінансування, то капітал явно віддає перевагу проектам, які вже мають перевірені моделі монетизації.
Децентралізована AI обчислювальна мережа
Цей проєкт завершив раунд початкового фінансування на 10 мільйонів доларів у червні, який спільно очолили два відомі криптоінвестиційні фонди.
Проект через плагін браузера в області DePIN певної публічної блокчейн-мережі вже здобув певний ринковий консенсус. Члени команди походять з кількох відомих проєктів. Останній випущений протокол передачі даних та інструмент для інференції зробили суттєві дослідження в області крайових обчислень та перевірності даних, що дозволяє знизити затримку на 40% та підтримує підключення гетерогенних пристроїв.
Напрямок цього проєкту дуже відповідає тенденції «зглиблення» локалізації AI. Хоча в обробці складних завдань потрібно змагатися з централізованими платформами в плані ефективності, стабільність крайових вузлів все ще є викликом, але крайові обчислення як нова потреба Web2 AI є саме тією перевагою, яку має розподілена структура Web3 AI. Чекаємо на більше конкретних продуктів, заснованих на фактичній продуктивності.
Децентралізована платформа інфраструктури даних штучного інтелекту
Ця платформа стимулює глобальних користувачів вносити дані з різних областей, включаючи медицину, автономне водіння, голосові технології та інші. Наразі загальний дохід перевищує 14 мільйонів доларів США, і було створено мережу з мільйона учасників, які вносять дані.
Технічно, платформа інтегрувала перевірку нульових знань та алгоритм узгодження з байєзантською стійкістю для забезпечення якості даних, а також використовує технології обчислень зберігання даних від певного постачальника хмарних послуг для задоволення вимог відповідності. Варто зазначити, що проект також представив пристрій для збору електроенцефалографічних сигналів, що реалізує розширення від програмного забезпечення до апаратного.
Економічна модель розроблена раціонально, користувачі можуть заробити 16 доларів і 500 тисяч балів за 10 годин голосового маркування, тоді як витрати підприємств на підписку на дані можуть знизитися на 45%.
Максимальна цінність цього проекту полягає в тому, що він відповідає реальним потребам в мітках даних для ШІ, особливо в таких сферах, як охорона здоров'я та автономне водіння, де вимоги до якості даних і відповідності є надзвичайно високими. Але 20% рівень помилок у порівнянні з 10% на традиційних платформах ще має можливості для покращення, коливання якості даних є проблемою, яку потрібно постійно вирішувати. Хоча напрямок інтерфейсів мозку і комп'ютера має великий простір для уяви, його реалізація не є простою.
Розподілена обчислювальна мережа на певній публічній блокчейн-мережі
Проект завершив фінансування у 10,8 мільйона доларів у червні.
Завдяки технології динамічного шардінгу агрегує невикористані ресурси GPU, підтримує інференцію великих мовних моделей, вартість на 40% нижча, ніж у деяких постачальників хмарних послуг. Дизайн токенізованої торгівлі даними безпосередньо перетворює постачальників обчислювальної потужності на зацікавлених сторін, що сприяє залученню більшої кількості людей до мережі.
Це типовий режим "агрегування бездіяльних ресурсів", який логічно виправданий. Але 15% помилка перевірки між ланцюгами дійсно є занадто високою, технічну стабільність потрібно продовжувати покращувати. У сценах, де вимоги до реального часу не є високими, як, наприклад, у 3D рендерингу, дійсно є переваги, ключовим є зниження рівня помилок, інакше навіть найбільш вдала бізнес-модель буде затьмарена технічними проблемами.
Платформа високочастотної торгівлі криптовалютою на базі штучного інтелекту
Ця платформа в червні завершила фінансування на суму 3,38 мільйона доларів у рамках початкового раунду, що був очолений однією з криптовалютних бірж.
Технологія MCP платформи може динамічно оптимізувати торгові маршрути, зменшуючи слippage, що на практиці підвищує ефективність на 30%. Це відповідає сучасній тенденції AI-агентів у фінансах, знайшовши точку входу в цю відносно пусту нішу DeFi кількісної торгівлі, заповнюючи потреби ринку.
Напрямок безсумнівно вірний, DeFi дійсно потребує більш розумних торгових інструментів. Але високочастотна торгівля має дуже високі вимоги до затримки та точності, прогнози на основі ШІ та реальна координація виконання на ланцюгу ще потребують подальшої перевірки. Крім того, атаки MEV є значним ризиком, технологічні заходи захисту повинні встигати за цим.
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.
15 лайків
Нагородити
15
5
Поділіться
Прокоментувати
0/400
DAOplomacy
· 07-24 19:40
можливо, ще один ринковий цикл недосконалих рішень...
Три основні тенденції в галузі Crypto+AI: прагматизація технологій, вертикалізація сценаріїв та верифікація бізнес-моделей.
Аналіз тенденцій популярних проектів у сфері Crypto+AI
Нещодавно я провів глибоке дослідження популярних проектів у сфері Crypto+AI і виявив три помітні зміни в трендах:
Технічний шлях проєкту став більш прагматичним, більше не покладаючись лише на концептуальну упаковку, а почав звертати увагу на фактичні показники продуктивності.
Вертикальні сегменти стають основним напрямком розвитку, спеціалізовані AI застосунки замінюють універсальні AI.
Капітал все більше зосереджується на перевірці бізнес-моделей, проекти з реальним грошовим потоком явно користуються більшою прихильністю.
Ось кілька представницьких проектів з коротким описом та аналізом:
Децентралізована платформа оцінки AI моделей
Ця платформа завершила раунд фінансування на 33 мільйони доларів у червні, який очолила відома інвестиційна компанія, а також взяли участь кілька експертів галузі.
Платформа оцінює більше 500 великих моделей за допомогою краудсорсингу, а відгуки користувачів можна обміняти на готівку. Це вже привернуло увагу багатьох великих AI-компаній для закупівлі даних, створивши реальний грошовий потік.
Це проект з відносно чіткою бізнес-моделлю, а не просто витратною схемою. Проте запобігання накруткам і атакам на відьом все ще є великою проблемою, відповідні алгоритми потребують постійної оптимізації. Що стосується обсягу фінансування, то капітал явно віддає перевагу проектам, які вже мають перевірені моделі монетизації.
Децентралізована AI обчислювальна мережа
Цей проєкт завершив раунд початкового фінансування на 10 мільйонів доларів у червні, який спільно очолили два відомі криптоінвестиційні фонди.
Проект через плагін браузера в області DePIN певної публічної блокчейн-мережі вже здобув певний ринковий консенсус. Члени команди походять з кількох відомих проєктів. Останній випущений протокол передачі даних та інструмент для інференції зробили суттєві дослідження в області крайових обчислень та перевірності даних, що дозволяє знизити затримку на 40% та підтримує підключення гетерогенних пристроїв.
Напрямок цього проєкту дуже відповідає тенденції «зглиблення» локалізації AI. Хоча в обробці складних завдань потрібно змагатися з централізованими платформами в плані ефективності, стабільність крайових вузлів все ще є викликом, але крайові обчислення як нова потреба Web2 AI є саме тією перевагою, яку має розподілена структура Web3 AI. Чекаємо на більше конкретних продуктів, заснованих на фактичній продуктивності.
Децентралізована платформа інфраструктури даних штучного інтелекту
Ця платформа стимулює глобальних користувачів вносити дані з різних областей, включаючи медицину, автономне водіння, голосові технології та інші. Наразі загальний дохід перевищує 14 мільйонів доларів США, і було створено мережу з мільйона учасників, які вносять дані.
Технічно, платформа інтегрувала перевірку нульових знань та алгоритм узгодження з байєзантською стійкістю для забезпечення якості даних, а також використовує технології обчислень зберігання даних від певного постачальника хмарних послуг для задоволення вимог відповідності. Варто зазначити, що проект також представив пристрій для збору електроенцефалографічних сигналів, що реалізує розширення від програмного забезпечення до апаратного.
Економічна модель розроблена раціонально, користувачі можуть заробити 16 доларів і 500 тисяч балів за 10 годин голосового маркування, тоді як витрати підприємств на підписку на дані можуть знизитися на 45%.
Максимальна цінність цього проекту полягає в тому, що він відповідає реальним потребам в мітках даних для ШІ, особливо в таких сферах, як охорона здоров'я та автономне водіння, де вимоги до якості даних і відповідності є надзвичайно високими. Але 20% рівень помилок у порівнянні з 10% на традиційних платформах ще має можливості для покращення, коливання якості даних є проблемою, яку потрібно постійно вирішувати. Хоча напрямок інтерфейсів мозку і комп'ютера має великий простір для уяви, його реалізація не є простою.
Розподілена обчислювальна мережа на певній публічній блокчейн-мережі
Проект завершив фінансування у 10,8 мільйона доларів у червні.
Завдяки технології динамічного шардінгу агрегує невикористані ресурси GPU, підтримує інференцію великих мовних моделей, вартість на 40% нижча, ніж у деяких постачальників хмарних послуг. Дизайн токенізованої торгівлі даними безпосередньо перетворює постачальників обчислювальної потужності на зацікавлених сторін, що сприяє залученню більшої кількості людей до мережі.
Це типовий режим "агрегування бездіяльних ресурсів", який логічно виправданий. Але 15% помилка перевірки між ланцюгами дійсно є занадто високою, технічну стабільність потрібно продовжувати покращувати. У сценах, де вимоги до реального часу не є високими, як, наприклад, у 3D рендерингу, дійсно є переваги, ключовим є зниження рівня помилок, інакше навіть найбільш вдала бізнес-модель буде затьмарена технічними проблемами.
Платформа високочастотної торгівлі криптовалютою на базі штучного інтелекту
Ця платформа в червні завершила фінансування на суму 3,38 мільйона доларів у рамках початкового раунду, що був очолений однією з криптовалютних бірж.
Технологія MCP платформи може динамічно оптимізувати торгові маршрути, зменшуючи слippage, що на практиці підвищує ефективність на 30%. Це відповідає сучасній тенденції AI-агентів у фінансах, знайшовши точку входу в цю відносно пусту нішу DeFi кількісної торгівлі, заповнюючи потреби ринку.
Напрямок безсумнівно вірний, DeFi дійсно потребує більш розумних торгових інструментів. Але високочастотна торгівля має дуже високі вимоги до затримки та точності, прогнози на основі ШІ та реальна координація виконання на ланцюгу ще потребують подальшої перевірки. Крім того, атаки MEV є значним ризиком, технологічні заходи захисту повинні встигати за цим.