Analyse des trois grandes tendances et projets populaires récents dans le secteur Crypto+AI
Au cours du mois dernier, le secteur Crypto+AI a montré trois tendances notables :
La voie technique du projet est plus pragmatique, mettant l'accent sur les données de performance plutôt que sur un simple emballage conceptuel.
Les scénarios de segmentation verticale deviennent le point focal de l'expansion, les applications AI spécialisées remplacent progressivement l'AI généralisée.
Le capital s'intéresse davantage à la validation du modèle commercial, les projets avec un flux de trésorerie sont clairement plus prisés.
Voici une brève introduction et analyse de quelques projets populaires :
1. Plateforme d'évaluation de modèles AI décentralisée
La plateforme a complété un financement de pré-série A de 33 millions de dollars en juin. Elle applique l'avantage du jugement subjectif humain aux lacunes d'évaluation de l'IA, en attribuant des notes à plus de 500 grands modèles grâce à un crowdfunding humain. Les retours des utilisateurs peuvent être échangés contre de l'argent, chaque 1000 points équivalant à 1 dollar. La plateforme a déjà attiré plusieurs entreprises renommées pour l'achat de données, formant ainsi un flux de trésorerie réel.
C'est un projet avec un modèle commercial relativement clair, et non un modèle purement dépensier. Cependant, la prévention des faux ordres est un grand défi, et l'algorithme de lutte contre les attaques anti-sorcières nécessite une optimisation continue. En termes d'échelle de financement, le capital semble clairement privilégier les projets ayant une validation de monétisation.
2. Réseau de calcul AI décentralisé
Le projet a terminé un financement par capital-risque de 10 millions de dollars en juin. Il a déjà acquis un certain consensus sur le marché dans le domaine de DePIN de Solana grâce à une extension de navigateur. Les membres de l'équipe viennent de plusieurs projets renommés, et le nouveau protocole de transmission de données et le moteur d'inférence ont réalisé des explorations substantielles en matière de calcul en périphérie et de vérifiabilité des données, permettant de réduire la latence de 40 % et de prendre en charge l'accès aux dispositifs hétérogènes.
La direction de ce projet est correcte, elle s'inscrit parfaitement dans la tendance de "localisation" de l'IA. Cependant, lorsqu'il s'agit de traiter des tâches complexes, il est nécessaire de rivaliser en termes d'efficacité avec les plateformes centralisées, la stabilité des nœuds en périphérie reste un problème. Néanmoins, le calcul en périphérie est une nouvelle demande engendrée par la compétition au sein de l'IA de Web2, et c'est aussi l'un des avantages du cadre distribué de l'IA de Web3, il vaut donc la peine de suivre la situation de la mise en œuvre de ses produits concrets.
3. Plateforme d'infrastructure de données AI décentralisée
La plateforme incite les utilisateurs du monde entier à contribuer des données dans divers domaines, y compris la santé, la conduite autonome et la voix, grâce à des tokens. Les revenus cumulés dépassent 14 millions de dollars, établissant un réseau de contributeurs de données de plusieurs millions. Sur le plan technique, elle intègre la vérification ZK et l'algorithme de consensus BFT pour garantir la qualité des données, tout en utilisant des technologies de calcul privé pour répondre aux exigences de conformité.
Le projet a également lancé un dispositif de collecte d'ondes cérébrales, réalisant une extension du logiciel au matériel. Son modèle économique est bien conçu, permettant aux utilisateurs de gagner 16 dollars et 500 000 points pour 10 heures de balisage vocal, tandis que le coût des services de données par abonnement pour les entreprises peut être réduit de 45 %.
La plus grande valeur de ce projet réside dans le fait qu'il répond à un véritable besoin en matière d'annotation de données pour l'IA, en particulier dans des domaines comme la santé et la conduite autonome où les exigences en matière de qualité et de conformité des données 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 que le domaine des interfaces cerveau-machine offre un potentiel d'imagination, la difficulté d'exécution n'est pas négligeable.
4. Réseau de puissance de calcul distribué sur la chaîne Solana
Le projet a terminé un financement de 10,8 millions de dollars en juin. Il agrège les ressources GPU inactives grâce à une technologie de partitionnement dynamique, soutenant l'inférence de grands modèles de langage, avec des coûts inférieurs de 40 % à ceux d'un certain fournisseur de services cloud. La conception du trading de données tokenisées transforme les contributeurs de puissance de calcul en parties prenantes, ce qui contribue à inciter davantage de personnes à participer au réseau.
C'est un modèle typique de "ressources inutilisées agrégées", qui a du sens sur le plan logique. Cependant, un taux d'erreur de validation inter-chaînes de 15 % est effectivement élevé, et la stabilité technique doit encore être améliorée. Il présente des avantages dans des scénarios comme le rendu 3D où les exigences en matière de temps réel ne sont pas élevées, mais la clé est de savoir si le taux d'erreur peut être réduit, sinon même le meilleur modèle commercial sera entravé par des problèmes techniques.
5. Plateforme de trading haute fréquence de cryptomonnaie alimentée par l'IA
La plateforme a terminé un tour de financement de 3,38 millions de dollars en juin. Sa technologie MCP peut optimiser dynamiquement les chemins de transaction, réduisant le slippage, avec une efficacité mesurée améliorée de 30%. Ce projet suit la tendance AgentFi et a trouvé un point d'entrée dans le domaine relativement vierge du trading quantitatif DeFi, répondant à la demande du marché.
La direction est sans aucun doute correcte, DeFi a effectivement besoin d'outils de trading plus intelligents. Mais le trading haute fréquence exige des délais et une précision extrêmement élevés, et la synergie en temps réel entre les prévisions AI et l'exécution on-chain doit encore être vérifiée. De plus, les attaques MEV représentent un risque majeur, les mesures de protection technique doivent suivre.
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.
13 J'aime
Récompense
13
7
Reposter
Partager
Commentaire
0/400
fren.eth
· Il y a 9h
Eh bien, il y a de l'argent à gagner en notant des modèles.
Voir l'originalRépondre0
PumpDoctrine
· Il y a 18h
L'argent est la réalité dure, où est le concept d'emballage du parfum.
Voir l'originalRépondre0
ForkTongue
· 08-09 15:10
Un pigeons qui gagne quelques gwei par mois.
Voir l'originalRépondre0
WhaleWatcher
· 08-09 15:07
Encore une fois, on se fait prendre pour des cons, n'est-ce pas ?
Voir l'originalRépondre0
GateUser-aa7df71e
· 08-09 15:05
J'ai déjà vu à travers le piège, c'est juste un emballage pour pigeons.
Voir l'originalRépondre0
CryptoGoldmine
· 08-09 14:58
Le ROI de la puissance de calcul est la véritable vérité. Le concept d'IA est juste un emballage, sans changement de substance.
Voir l'originalRépondre0
AirdropATM
· 08-09 14:41
Encore gagné, cette fois-ci je prends les gens pour des idiots.
Trois grandes tendances dans le domaine Crypto+AI : analyse de la pragmatique technologique des projets et des modèles commerciaux segmentés.
Analyse des trois grandes tendances et projets populaires récents dans le secteur Crypto+AI
Au cours du mois dernier, le secteur Crypto+AI a montré trois tendances notables :
La voie technique du projet est plus pragmatique, mettant l'accent sur les données de performance plutôt que sur un simple emballage conceptuel.
Les scénarios de segmentation verticale deviennent le point focal de l'expansion, les applications AI spécialisées remplacent progressivement l'AI généralisée.
Le capital s'intéresse davantage à la validation du modèle commercial, les projets avec un flux de trésorerie sont clairement plus prisés.
Voici une brève introduction et analyse de quelques projets populaires :
1. Plateforme d'évaluation de modèles AI décentralisée
La plateforme a complété un financement de pré-série A de 33 millions de dollars en juin. Elle applique l'avantage du jugement subjectif humain aux lacunes d'évaluation de l'IA, en attribuant des notes à plus de 500 grands modèles grâce à un crowdfunding humain. Les retours des utilisateurs peuvent être échangés contre de l'argent, chaque 1000 points équivalant à 1 dollar. La plateforme a déjà attiré plusieurs entreprises renommées pour l'achat de données, formant ainsi un flux de trésorerie réel.
C'est un projet avec un modèle commercial relativement clair, et non un modèle purement dépensier. Cependant, la prévention des faux ordres est un grand défi, et l'algorithme de lutte contre les attaques anti-sorcières nécessite une optimisation continue. En termes d'échelle de financement, le capital semble clairement privilégier les projets ayant une validation de monétisation.
2. Réseau de calcul AI décentralisé
Le projet a terminé un financement par capital-risque de 10 millions de dollars en juin. Il a déjà acquis un certain consensus sur le marché dans le domaine de DePIN de Solana grâce à une extension de navigateur. Les membres de l'équipe viennent de plusieurs projets renommés, et le nouveau protocole de transmission de données et le moteur d'inférence ont réalisé des explorations substantielles en matière de calcul en périphérie et de vérifiabilité des données, permettant de réduire la latence de 40 % et de prendre en charge l'accès aux dispositifs hétérogènes.
La direction de ce projet est correcte, elle s'inscrit parfaitement dans la tendance de "localisation" de l'IA. Cependant, lorsqu'il s'agit de traiter des tâches complexes, il est nécessaire de rivaliser en termes d'efficacité avec les plateformes centralisées, la stabilité des nœuds en périphérie reste un problème. Néanmoins, le calcul en périphérie est une nouvelle demande engendrée par la compétition au sein de l'IA de Web2, et c'est aussi l'un des avantages du cadre distribué de l'IA de Web3, il vaut donc la peine de suivre la situation de la mise en œuvre de ses produits concrets.
3. Plateforme d'infrastructure de données AI décentralisée
La plateforme incite les utilisateurs du monde entier à contribuer des données dans divers domaines, y compris la santé, la conduite autonome et la voix, grâce à des tokens. Les revenus cumulés dépassent 14 millions de dollars, établissant un réseau de contributeurs de données de plusieurs millions. Sur le plan technique, elle intègre la vérification ZK et l'algorithme de consensus BFT pour garantir la qualité des données, tout en utilisant des technologies de calcul privé pour répondre aux exigences de conformité.
Le projet a également lancé un dispositif de collecte d'ondes cérébrales, réalisant une extension du logiciel au matériel. Son modèle économique est bien conçu, permettant aux utilisateurs de gagner 16 dollars et 500 000 points pour 10 heures de balisage vocal, tandis que le coût des services de données par abonnement pour les entreprises peut être réduit de 45 %.
La plus grande valeur de ce projet réside dans le fait qu'il répond à un véritable besoin en matière d'annotation de données pour l'IA, en particulier dans des domaines comme la santé et la conduite autonome où les exigences en matière de qualité et de conformité des données 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 que le domaine des interfaces cerveau-machine offre un potentiel d'imagination, la difficulté d'exécution n'est pas négligeable.
4. Réseau de puissance de calcul distribué sur la chaîne Solana
Le projet a terminé un financement de 10,8 millions de dollars en juin. Il agrège les ressources GPU inactives grâce à une technologie de partitionnement dynamique, soutenant l'inférence de grands modèles de langage, avec des coûts inférieurs de 40 % à ceux d'un certain fournisseur de services cloud. La conception du trading de données tokenisées transforme les contributeurs de puissance de calcul en parties prenantes, ce qui contribue à inciter davantage de personnes à participer au réseau.
C'est un modèle typique de "ressources inutilisées agrégées", qui a du sens sur le plan logique. Cependant, un taux d'erreur de validation inter-chaînes de 15 % est effectivement élevé, et la stabilité technique doit encore être améliorée. Il présente des avantages dans des scénarios comme le rendu 3D où les exigences en matière de temps réel ne sont pas élevées, mais la clé est de savoir si le taux d'erreur peut être réduit, sinon même le meilleur modèle commercial sera entravé par des problèmes techniques.
5. Plateforme de trading haute fréquence de cryptomonnaie alimentée par l'IA
La plateforme a terminé un tour de financement de 3,38 millions de dollars en juin. Sa technologie MCP peut optimiser dynamiquement les chemins de transaction, réduisant le slippage, avec une efficacité mesurée améliorée de 30%. Ce projet suit la tendance AgentFi et a trouvé un point d'entrée dans le domaine relativement vierge du trading quantitatif DeFi, répondant à la demande du marché.
La direction est sans aucun doute correcte, DeFi a effectivement besoin d'outils de trading plus intelligents. Mais le trading haute fréquence exige des délais et une précision extrêmement élevés, et la synergie en temps réel entre les prévisions AI et l'exécution on-chain doit encore être vérifiée. De plus, les attaques MEV représentent un risque majeur, les mesures de protection technique doivent suivre.