Аналіз тенденцій популярних проектів у сфері Crypto+AI

Протягом минулого місяця популярні проекти в сфері Crypto+AI виявили три помітні тенденції.

1. Технічний шлях проекту став більш практичним, почали приділяти увагу відображенню даних про продуктивність, а не лише концептуальній упаковці;
2. Вертикальна сегментація сцен стає фокусом розширення, професійні AI додатки поступово замінюють загальні AI;
3. Капітал більше фокусується на перевірці бізнес-моделей, проекти з реальним грошовим потоком явно користуються більшим попитом.

Ось кілька коротких описів, аналізу основних моментів та відгуків про представницькі проекти:

Децентралізована платформа оцінки AI моделей

Опис проекту: Ця платформа оцінює понад 500 великих моделей за допомогою краудсорсингу. Відгуки користувачів можна обміняти на готівку, кожні 1000 балів дорівнюють 1 долару США. Платформа вже залучила компанії, такі як OpenAI, для закупівлі даних, що сформувало реальний грошовий потік. Проект завершив раунд початкового фінансування на 33 мільйони доларів в червні.

Аналіз основних моментів: Застосування переваг суб'єктивного судження людства до недоліків оцінки ШІ, бізнес-модель відносно чітка, на відміну від чисто витратної моделі.

Коментар: Комерційна модель проекту є досить чіткою, але стикається з викликами, такими як боротьба з фальшивими замовленнями, і потребує постійної оптимізації алгоритму протидії жінкам-відьмам. Що стосується обсягу фінансування, то капітал явно більше віддає перевагу проектам з підтвердженою монетизацією.

Децентралізована мережа обчислень на базі ШІ

Опис проекту: Ця мережа вже має певний ринковий консенсус у сфері DePIN на Solana. Члени команди походять з таких проєктів, як Helium. Новий протокол передачі даних Lattica та інженерний двигун Parallax провели суттєве дослідження в області крайніх обчислень та перевірки даних, що дозволяє знизити затримку на 40% і підтримує підключення гетерогенних пристроїв. Проєкт завершив раунд фінансування на 10 мільйонів доларів у червні.

Аналіз основних моментів: Напрямок проєкту відповідає тенденції "занурення" в локалізацію AI, має переваги розподіленої архітектури в галузі крайових обчислень.

Коментар: Пограничні обчислення є новою вимогою, що виникає з внутрішньої конкуренції web2 AI, а також перевагою дистрибутивної структури web3 AI. Майбутній розвиток проекту вартий очікування, але при виконанні складних завдань все ще потрібно змагатися з централізованими платформами за ефективністю, стабільність пограничних вузлів залишається великою проблемою.

Децентралізована AI дата-інфраструктура платформа

Опис проекту: Ця платформа стимулює глобальних користувачів вносити дані з різних галузей (таких як медицина, автономне водіння, голос тощо) за допомогою токенів, загальний дохід перевищив 14 мільйонів доларів США, створено мережу з мільйонами контриб'юторів даних.

Аналіз ключових моментів: Технічно інтегруючи ZK-верифікацію та алгоритм консенсусу BFT, забезпечується якість даних, використовуючи технології обчислення конфіденційності для задоволення вимог відповідності. Запуск пристрою збору електроенцефалографічних сигналів HeadCap реалізує розширення від програмного забезпечення до апаратного забезпечення. Економічна модель розроблена раціонально, користувач може заробити 16 доларів і 500 тисяч балів за 10 годин голосового маркування, а вартість підписки на послуги даних для підприємств може знизитися на 45%.

Коментар: Проект відповідає справжнім потребам у маркуванні даних для ШІ, особливо в таких сферах, як медицина та автономне водіння, де вимоги до якості даних і відповідності дуже високі. Але рівень помилок у 20% все ще вищий за 10% традиційних платформ, коливання якості даних є проблемою, що потребує постійного вирішення. Хоча в напрямку інтерфейсів мозок-машина є простір для уяви, реалізація не є простою.

Розподілена обчислювальна мережа на Solana

Опис проекту: Ця мережа агрегує вільні ресурси GPU за допомогою динамічної шардінга, підтримуючи інференцію великих моделей, таких як Llama3-405B, з вартістю на 40% нижче, ніж у AWS. Проект завершив фінансування в розмірі 10,8 мільйона доларів у червні.

Аналіз переваг: Дизайн торгівлі токенізованими даними є новаторським, перетворюючи учасників, які вносять обчислювальну потужність, на зацікавлені сторони, що сприяє залученню більшої кількості людей до мережі.

Коментар: Типова модель "агрегації неробочих ресурсів" логічно обґрунтована. Але 15% помилка верифікації між ланцюгами є занадто високою, технічна стабільність все ще потребує покращення. У сценах, де вимоги до реального часу не є високими, наприклад в 3D-рендерингу, є переваги, важливо знизити рівень помилок, щоб уникнути технічних проблем, які можуть завадити бізнес-моделі.

Платформа високочастотної торгівлі криптовалютами на базі штучного інтелекту

Опис проекту: Ця платформа використовує технологію MCP для динамічної оптимізації торгових шляхів, зменшуючи сліпі угоди, з фактичним підвищенням ефективності на 30%. Відповідаючи на тенденції AgentFi, знайти точку входу в цю відносно порожню нішу DeFi кількісної торгівлі. Проект завершив раунд фінансування насіння в розмірі 3,38 мільйона доларів у червні.

Аналіз основних моментів: Заповнив ринковий попит на смарт-торгові інструменти DeFi.

Коментар: Напрямок проекту правильний, DeFi дійсно потребує більш розумних торгових інструментів. Але високочастотна торгівля має дуже високі вимоги до затримки та точності, реальна співпраця між прогнозуванням ШІ та виконанням в ланцюзі все ще потребує перевірки. Крім того, атаки MEV є великою загрозою, тому необхідно посилити технічні заходи захисту.