Analyse des tendances des projets populaires récents dans le secteur Crypto+AI
Au cours du mois dernier, les projets populaires dans le secteur Crypto+AI ont montré trois tendances significatives :
La voie technologique du projet est devenue plus pragmatique, en commençant à se concentrer sur l'affichage des données de performance plutôt que sur un simple emballage conceptuel ;
Les scénarios de niche verticaux deviennent des points d'expansion, les applications AI spécialisées remplacent progressivement l'AI généralisée ;
Le capital se concentre davantage sur la validation des modèles commerciaux, les projets ayant des flux de trésorerie réels sont clairement plus appréciés.
Voici une introduction, une analyse des points forts et des commentaires sur quelques projets représentatifs :
Plateforme d'évaluation de modèles d'IA décentralisée
Présentation du projet :
La plateforme évalue plus de 500 grands modèles par le biais de l'externalisation humaine. Les retours des utilisateurs peuvent être échangés contre de l'argent, 1000 points valant 1 dollar. La plateforme a déjà attiré des entreprises comme OpenAI pour l'achat de données, créant ainsi un flux de trésorerie réel. Le projet a terminé un tour de financement de 33 millions de dollars en juin.
Analyse des points forts :
Appliquer l'avantage du jugement subjectif humain aux faiblesses de l'évaluation de l'IA, un modèle commercial relativement clair, différent du modèle de gaspillage pur.
Commentaire :
Le modèle commercial du projet est relativement clair, mais il fait face à des défis tels que la prévention des commandes frauduleuses et nécessite une optimisation continue de l'algorithme de protection contre les attaques de sorcières. En termes de taille de financement, le capital préfère clairement les projets ayant une validation de monétisation.
Réseau de calcul AI décentralisé
Présentation du projet :
Ce réseau a déjà un certain consensus de marché dans le domaine DePIN de Solana. Les membres de l'équipe proviennent de projets tels que Helium. Le protocole de transmission de données Lattica et le moteur d'inférence Parallax récemment lancés ont exploré de manière substantielle l'informatique en périphérie et la vérifiabilité des données, permettant de réduire la latence de 40 % et de prendre en charge l'accès à des dispositifs hétérogènes. Le projet a terminé un tour de financement de semences de 10 millions de dollars en juin.
Analyse des points forts :
La direction du projet s'aligne sur la tendance de "sous-localisation" de l'IA et présente des avantages de cadre distribué dans le domaine de l'informatique en périphérie.
Commentaire :
L'informatique en périphérie est une nouvelle demande générée par l'enroulement de l'IA dans le web2, et c'est également l'avantage du cadre distribué de l'IA dans le web3. L'avenir du projet mérite d'être attendu, mais il doit encore rivaliser en efficacité avec les plateformes centralisées lors du traitement de tâches complexes, la stabilité des nœuds en périphérie reste un grand défi.
Plateforme d'infrastructure de données AI décentralisée
Présentation du projet :
La plateforme incite les utilisateurs du monde entier à contribuer des données dans divers domaines (tels que la santé, la conduite autonome, la voix, etc.) par le biais de tokens, ayant généré des revenus de plus de 14 millions de dollars et établi un réseau de contributeurs de données de niveau million.
Analyse des points forts :
L'intégration technique de la validation ZK et de l'algorithme de consensus BFT garantit la qualité des données, utilisant des technologies de calcul privé pour répondre aux exigences de conformité. Lancement de l'appareil de collecte des ondes cérébrales HeadCap, permettant une extension du logiciel au matériel. Le modèle économique est conçu de manière raisonnable, les utilisateurs peuvent gagner 16 dollars et 500 000 points en annotant 10 heures de voix, et le coût des services de données pour les entreprises peut être réduit de 45 %.
Commentaire :
Le projet répond aux besoins réels de l'annotation des données AI, en particulier dans des domaines tels que la santé et la conduite autonome, où les exigences en matière de qualité des données et de conformité sont extrêmement élevées. Cependant, un taux d'erreur de 20 % reste supérieur aux 10 % des plateformes traditionnelles, et la fluctuation de la qualité des données est un problème à résoudre de manière continue. Bien qu'il y ait de l'espace d'imagination dans le domaine des interfaces cerveau-machine, la difficulté d'exécution n'est pas négligeable.
Réseau de puissance de calcul distribué sur la chaîne Solana
Présentation du projet :
Ce réseau agrège des ressources GPU inutilisées grâce à une technologie de sharding dynamique, prenant en charge l'inférence de grands modèles comme Llama3-405B, avec des coûts inférieurs de 40 % à ceux d'AWS. Le projet a terminé un financement de 10,8 millions de dollars en juin.
Analyse des points forts :
La conception de l'échange de données tokenisées est novatrice, transformant les contributeurs de puissance de calcul en parties prenantes, ce qui aide à inciter davantage de personnes à participer au réseau.
Commentaire :
Un modèle typique de "ressources inactives agrégées", logiquement raisonnable. Cependant, un taux d'erreur de validation inter-chaînes de 15 % est élevé, la stabilité technique doit encore être améliorée. Il présente des avantages dans des scénarios tels que le rendu 3D où les exigences de temps réel ne sont pas élevées, l'essentiel est de réduire le taux d'erreur pour éviter que les problèmes techniques n'entravent le modèle commercial.
Plateforme de trading haute fréquence de cryptomonnaies alimentée par l'IA
Présentation du projet :
La plateforme utilise la technologie MCP pour optimiser dynamiquement les chemins de transaction, réduisant ainsi le slippage, avec une amélioration de l'efficacité de 30% mesurée. En suivant la tendance AgentFi, elle trouve un point d'entrée dans ce domaine de niche relativement vierge du trading quantitatif DeFi. Le projet a terminé un tour de financement de semences de 3,38 millions de dollars en juin.
Analyse des points forts :
Répond à la demande du marché pour des outils de trading intelligents DeFi.
Commentaire :
La direction du projet est correcte, DeFi a vraiment besoin d'outils de trading plus intelligents. Cependant, le trading à haute fréquence exige des exigences très élevées en matière de latence et de précision, et la synergie en temps réel entre les prévisions AI et l'exécution sur la chaîne doit encore être vérifiée. De plus, les attaques MEV représentent un grand risque, et des mesures de protection technique doivent être renforcées.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
12 J'aime
Récompense
12
6
Reposter
Partager
Commentaire
0/400
Rugpull幸存者
· 07-31 22:15
haussier ce secteur
Voir l'originalRépondre0
GateUser-a606bf0c
· 07-30 15:43
Ce ne sera pas seulement un concept spéculatif.
Voir l'originalRépondre0
FortuneTeller42
· 07-28 23:28
La tendance est clairement à la hausse
Voir l'originalRépondre0
OnchainDetective
· 07-28 23:28
La popularité se base sur la technologie sous-jacente
Crypto+AI : Hausse de l'engouement sur le secteur : trois grandes tendances à l'origine de l'innovation des projets
Analyse des tendances des projets populaires récents dans le secteur Crypto+AI
Au cours du mois dernier, les projets populaires dans le secteur Crypto+AI ont montré trois tendances significatives :
Voici une introduction, une analyse des points forts et des commentaires sur quelques projets représentatifs :
Plateforme d'évaluation de modèles d'IA décentralisée
Présentation du projet : La plateforme évalue plus de 500 grands modèles par le biais de l'externalisation humaine. Les retours des utilisateurs peuvent être échangés contre de l'argent, 1000 points valant 1 dollar. La plateforme a déjà attiré des entreprises comme OpenAI pour l'achat de données, créant ainsi un flux de trésorerie réel. Le projet a terminé un tour de financement de 33 millions de dollars en juin.
Analyse des points forts : Appliquer l'avantage du jugement subjectif humain aux faiblesses de l'évaluation de l'IA, un modèle commercial relativement clair, différent du modèle de gaspillage pur.
Commentaire : Le modèle commercial du projet est relativement clair, mais il fait face à des défis tels que la prévention des commandes frauduleuses et nécessite une optimisation continue de l'algorithme de protection contre les attaques de sorcières. En termes de taille de financement, le capital préfère clairement les projets ayant une validation de monétisation.
Réseau de calcul AI décentralisé
Présentation du projet : Ce réseau a déjà un certain consensus de marché dans le domaine DePIN de Solana. Les membres de l'équipe proviennent de projets tels que Helium. Le protocole de transmission de données Lattica et le moteur d'inférence Parallax récemment lancés ont exploré de manière substantielle l'informatique en périphérie et la vérifiabilité des données, permettant de réduire la latence de 40 % et de prendre en charge l'accès à des dispositifs hétérogènes. Le projet a terminé un tour de financement de semences de 10 millions de dollars en juin.
Analyse des points forts : La direction du projet s'aligne sur la tendance de "sous-localisation" de l'IA et présente des avantages de cadre distribué dans le domaine de l'informatique en périphérie.
Commentaire : L'informatique en périphérie est une nouvelle demande générée par l'enroulement de l'IA dans le web2, et c'est également l'avantage du cadre distribué de l'IA dans le web3. L'avenir du projet mérite d'être attendu, mais il doit encore rivaliser en efficacité avec les plateformes centralisées lors du traitement de tâches complexes, la stabilité des nœuds en périphérie reste un grand défi.
Plateforme d'infrastructure de données AI décentralisée
Présentation du projet : La plateforme incite les utilisateurs du monde entier à contribuer des données dans divers domaines (tels que la santé, la conduite autonome, la voix, etc.) par le biais de tokens, ayant généré des revenus de plus de 14 millions de dollars et établi un réseau de contributeurs de données de niveau million.
Analyse des points forts : L'intégration technique de la validation ZK et de l'algorithme de consensus BFT garantit la qualité des données, utilisant des technologies de calcul privé pour répondre aux exigences de conformité. Lancement de l'appareil de collecte des ondes cérébrales HeadCap, permettant une extension du logiciel au matériel. Le modèle économique est conçu de manière raisonnable, les utilisateurs peuvent gagner 16 dollars et 500 000 points en annotant 10 heures de voix, et le coût des services de données pour les entreprises peut être réduit de 45 %.
Commentaire : Le projet répond aux besoins réels de l'annotation des données AI, en particulier dans des domaines tels que la santé et la conduite autonome, où les exigences en matière de qualité des données et de conformité sont extrêmement élevées. Cependant, un taux d'erreur de 20 % reste supérieur aux 10 % des plateformes traditionnelles, et la fluctuation de la qualité des données est un problème à résoudre de manière continue. Bien qu'il y ait de l'espace d'imagination dans le domaine des interfaces cerveau-machine, la difficulté d'exécution n'est pas négligeable.
Réseau de puissance de calcul distribué sur la chaîne Solana
Présentation du projet : Ce réseau agrège des ressources GPU inutilisées grâce à une technologie de sharding dynamique, prenant en charge l'inférence de grands modèles comme Llama3-405B, avec des coûts inférieurs de 40 % à ceux d'AWS. Le projet a terminé un financement de 10,8 millions de dollars en juin.
Analyse des points forts : La conception de l'échange de données tokenisées est novatrice, transformant les contributeurs de puissance de calcul en parties prenantes, ce qui aide à inciter davantage de personnes à participer au réseau.
Commentaire : Un modèle typique de "ressources inactives agrégées", logiquement raisonnable. Cependant, un taux d'erreur de validation inter-chaînes de 15 % est élevé, la stabilité technique doit encore être améliorée. Il présente des avantages dans des scénarios tels que le rendu 3D où les exigences de temps réel ne sont pas élevées, l'essentiel est de réduire le taux d'erreur pour éviter que les problèmes techniques n'entravent le modèle commercial.
Plateforme de trading haute fréquence de cryptomonnaies alimentée par l'IA
Présentation du projet : La plateforme utilise la technologie MCP pour optimiser dynamiquement les chemins de transaction, réduisant ainsi le slippage, avec une amélioration de l'efficacité de 30% mesurée. En suivant la tendance AgentFi, elle trouve un point d'entrée dans ce domaine de niche relativement vierge du trading quantitatif DeFi. Le projet a terminé un tour de financement de semences de 3,38 millions de dollars en juin.
Analyse des points forts : Répond à la demande du marché pour des outils de trading intelligents DeFi.
Commentaire : La direction du projet est correcte, DeFi a vraiment besoin d'outils de trading plus intelligents. Cependant, le trading à haute fréquence exige des exigences très élevées en matière de latence et de précision, et la synergie en temps réel entre les prévisions AI et l'exécution sur la chaîne doit encore être vérifiée. De plus, les attaques MEV représentent un grand risque, et des mesures de protection technique doivent être renforcées.