Протягом минулого місяця у секторі Crypto+AI спостерігалися три помітні зміни тенденцій:
Технічний шлях проекту став більш практичним, почали приділяти увагу даним про продуктивність, а не лише упаковці концепцій.
Вертикальні сегменти стають фокусом розвитку, професійні AI застосунки поступово замінюють універсальні AI.
Капітал більше зосереджується на перевірці бізнес-моделей, проекти з грошовим потоком явно користуються більшим попитом.
Ось кілька популярних проектів, їх короткий опис та аналіз:
Децентралізована платформа оцінки AI моделей
Платформа оцінює понад 500 великих моделей за допомогою краудсорсингу, а відгуки користувачів можуть бути обміняні на готівку. Платформа вже залучила компанії, такі як OpenAI, для закупівлі даних, що сформувало реальний грошовий потік.
Модель бізнесу цього проєкту відносно чітка, це не чисто модель витрат. Однак запобігання фальшивим замовленням та вдосконалення алгоритму протидії атакам "відьом" залишаються великою проблемою. Судячи з обсягу фінансування у 33 мільйони доларів, капітал очевидно більше надає перевагу проєктам, які вже продемонстрували здатність до монетизації.
Децентралізована AI обчислювальна мережа
Ця мережа отримала певне визнання на ринку DePIN у Solana за допомогою плагіна для браузера. Команда запровадила протокол передачі даних та рушій інференції, провела суттєве дослідження в галузі крайових обчислень та перевірності даних, що дозволяє знизити затримку на 40% та підтримувати підключення гетерогенних пристроїв.
Проектний напрямок відповідає тенденції "зниження" локалізації AI. Проте, при виконанні складних завдань, все ще потрібно змагатися з централізованими платформами за ефективністю, стабільність крайових вузлів також є питанням, яке потрібно вирішити. Проте, крайові обчислення, як нова потреба, що виникла внаслідок внутрішньої конкуренції web2 AI, також є перевагою розподіленої структури AI web3, і є на що сподіватися щодо її впровадження через конкретні продукти з реальною продуктивністю.
Децентралізована AI дата-інфраструктурна платформа
Ця платформа стимулює глобальних користувачів до внесення даних у різних сферах, включаючи охорону здоров'я, автономне водіння, голосове управління тощо. Загальний дохід перевищив 14 мільйонів доларів США, створивши мережу з мільйона учасників, які роблять внески.
Технічно платформа інтегрує ZK-верифікацію та BFT-алгоритм консенсусу для забезпечення якості даних, а також використовує технології приватних обчислень для дотримання вимог регуляторів. Вони також запустили пристрої для збору електроенцефалографії, реалізувавши розширення від програмного забезпечення до апаратного забезпечення. Економічна модель розроблена раціонально: користувачі можуть заробляти 16 доларів та 500 тисяч балів за 10 годин голосового маркування, а витрати підприємств на підписку на дані можуть бути знижені на 45%.
Максимальна цінність цього проєкту полягає в задоволенні реальних потреб у маркуванні даних для ШІ, особливо в таких сферах, як медицина та автономне водіння, де вимоги до якості даних і дотримання норм є надзвичайно високими. Проте, рівень помилок у 20% все ще перевищує 10% традиційних платформ, коливання якості даних є питанням, яке потребує постійного вирішення. Хоча напрямок інтерфейсу мозок-комп'ютер має великий потенціал, його реалізація не є легкою.
Розподілена обчислювальна мережа на ланцюгу Solana
Ця мережа агрегує неактивні ресурси GPU за допомогою технології динамічного шардінгу, підтримує інференцію великих моделей, вартість якої на 40% нижча за ціну деяких постачальників хмарних послуг. Дизайн токенізованої торгівлі даними перетворює учасників обчислювальної потужності на зацікавлені сторони, що сприяє залученню більшої кількості людей до мережі.
Це типовий модель "агрегації невикористаних ресурсів", логічно це має сенс. Але 15%-ва помилка валідації між ланцюгами дійсно є занадто високою, технічна стабільність все ще потребує покращення. У сценах, де не висуваються високі вимоги до реального часу, таких як 3D-рендеринг, цей проект дійсно має переваги. Ключовим є зменшення помилкової частоти, інакше навіть найкраща бізнес-модель буде зіпсована технічними проблемами.
Платформа високочастотної торгівлі криптовалютами на базі штучного інтелекту
Ця платформа використовує технологію MCP для динамічної оптимізації торгових шляхів, зменшуючи проскок, ефективність підвищена на 30% за фактичними вимірюваннями. Відповідно до тенденцій AgentFi, вона знайшла точку входу в цю відносно порожню нішу DeFi-кількісної торгівлі, заповнюючи потреби ринку.
Напрямок проекту вірний, DeFi дійсно потребує більш розумних торгових інструментів. Але висока частота торгівлі вимагає надзвичайно високої точності та затримки, а реальна координація прогнозування на основі ШІ та виконання в оновленому режимі ще потребує перевірки. Крім того, атаки MEV є серйозним ризиком, технічні засоби захисту повинні йти в ногу.
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 тенденції проектів Crypto+AI: практична технологія, вертикальні сцени та комерційна валідація стають ключовими.
Аналіз популярних проектів у секторі Crypto+AI
Протягом минулого місяця у секторі Crypto+AI спостерігалися три помітні зміни тенденцій:
Ось кілька популярних проектів, їх короткий опис та аналіз:
Децентралізована платформа оцінки AI моделей
Платформа оцінює понад 500 великих моделей за допомогою краудсорсингу, а відгуки користувачів можуть бути обміняні на готівку. Платформа вже залучила компанії, такі як OpenAI, для закупівлі даних, що сформувало реальний грошовий потік.
Модель бізнесу цього проєкту відносно чітка, це не чисто модель витрат. Однак запобігання фальшивим замовленням та вдосконалення алгоритму протидії атакам "відьом" залишаються великою проблемою. Судячи з обсягу фінансування у 33 мільйони доларів, капітал очевидно більше надає перевагу проєктам, які вже продемонстрували здатність до монетизації.
Децентралізована AI обчислювальна мережа
Ця мережа отримала певне визнання на ринку DePIN у Solana за допомогою плагіна для браузера. Команда запровадила протокол передачі даних та рушій інференції, провела суттєве дослідження в галузі крайових обчислень та перевірності даних, що дозволяє знизити затримку на 40% та підтримувати підключення гетерогенних пристроїв.
Проектний напрямок відповідає тенденції "зниження" локалізації AI. Проте, при виконанні складних завдань, все ще потрібно змагатися з централізованими платформами за ефективністю, стабільність крайових вузлів також є питанням, яке потрібно вирішити. Проте, крайові обчислення, як нова потреба, що виникла внаслідок внутрішньої конкуренції web2 AI, також є перевагою розподіленої структури AI web3, і є на що сподіватися щодо її впровадження через конкретні продукти з реальною продуктивністю.
Децентралізована AI дата-інфраструктурна платформа
Ця платформа стимулює глобальних користувачів до внесення даних у різних сферах, включаючи охорону здоров'я, автономне водіння, голосове управління тощо. Загальний дохід перевищив 14 мільйонів доларів США, створивши мережу з мільйона учасників, які роблять внески.
Технічно платформа інтегрує ZK-верифікацію та BFT-алгоритм консенсусу для забезпечення якості даних, а також використовує технології приватних обчислень для дотримання вимог регуляторів. Вони також запустили пристрої для збору електроенцефалографії, реалізувавши розширення від програмного забезпечення до апаратного забезпечення. Економічна модель розроблена раціонально: користувачі можуть заробляти 16 доларів та 500 тисяч балів за 10 годин голосового маркування, а витрати підприємств на підписку на дані можуть бути знижені на 45%.
Максимальна цінність цього проєкту полягає в задоволенні реальних потреб у маркуванні даних для ШІ, особливо в таких сферах, як медицина та автономне водіння, де вимоги до якості даних і дотримання норм є надзвичайно високими. Проте, рівень помилок у 20% все ще перевищує 10% традиційних платформ, коливання якості даних є питанням, яке потребує постійного вирішення. Хоча напрямок інтерфейсу мозок-комп'ютер має великий потенціал, його реалізація не є легкою.
Розподілена обчислювальна мережа на ланцюгу Solana
Ця мережа агрегує неактивні ресурси GPU за допомогою технології динамічного шардінгу, підтримує інференцію великих моделей, вартість якої на 40% нижча за ціну деяких постачальників хмарних послуг. Дизайн токенізованої торгівлі даними перетворює учасників обчислювальної потужності на зацікавлені сторони, що сприяє залученню більшої кількості людей до мережі.
Це типовий модель "агрегації невикористаних ресурсів", логічно це має сенс. Але 15%-ва помилка валідації між ланцюгами дійсно є занадто високою, технічна стабільність все ще потребує покращення. У сценах, де не висуваються високі вимоги до реального часу, таких як 3D-рендеринг, цей проект дійсно має переваги. Ключовим є зменшення помилкової частоти, інакше навіть найкраща бізнес-модель буде зіпсована технічними проблемами.
Платформа високочастотної торгівлі криптовалютами на базі штучного інтелекту
Ця платформа використовує технологію MCP для динамічної оптимізації торгових шляхів, зменшуючи проскок, ефективність підвищена на 30% за фактичними вимірюваннями. Відповідно до тенденцій AgentFi, вона знайшла точку входу в цю відносно порожню нішу DeFi-кількісної торгівлі, заповнюючи потреби ринку.
Напрямок проекту вірний, DeFi дійсно потребує більш розумних торгових інструментів. Але висока частота торгівлі вимагає надзвичайно високої точності та затримки, а реальна координація прогнозування на основі ШІ та виконання в оновленому режимі ще потребує перевірки. Крім того, атаки MEV є серйозним ризиком, технічні засоби захисту повинні йти в ногу.