ثلاثة اتجاهات رئيسية لمشاريع دمج الذكاء الاصطناعي مع الأصول الرقمية وتحليل الحالات التمثيلية
على مدى الشهر الماضي، ظهرت ثلاثة اتجاهات بارزة في مجال دمج الذكاء الاصطناعي مع الأصول الرقمية (التشفير + الذكاء الاصطناعي):
المسار التكنولوجي للمشروع أكثر واقعية، يركز على البيانات الأداء بدلاً من مجرد تغليف المفاهيم.
أصبحت المشاهد المتخصصة محور التوسع، حيث بدأت تطبيقات الذكاء الاصطناعي المتخصصة تحل محل الذكاء الاصطناعي العام.
رأس المال يولي مزيدًا من الاهتمام للتحقق من نماذج الأعمال، والمشاريع التي تتمتع بتدفق نقدي تحظى بوضوح بتفضيل أكبر.
إليك مقدمة وتحليل لبعض المشاريع التمثيلية:
منصة تقييم نماذج الذكاء الاصطناعي اللامركزية
تقوم المنصة بتقييم أكثر من 500 نموذج AI كبير من خلال طريقة التجميع البشري. يمكن للمستخدمين استبدال التعليقات بالنقد، حيث يساوي كل 1000 نقطة دولارًا واحدًا. لقد جذبت المنصة شركات مثل OpenAI لشراء البيانات، مما شكل تدفقًا نقديًا فعليًا.
نموذج العمل في هذا المشروع واضح نسبيًا، وليس مجرد إنفاق الأموال بشكل عشوائي. ومع ذلك، لا تزال الوقاية من عمليات الاحتيال وتحسين خوارزميات مكافحة الهجمات النسائية تمثل تحديات كبيرة. من خلال حجم التمويل البالغ 33 مليون دولار، يتضح أن رأس المال يفضل المشاريع التي لديها إثبات على إمكانية تحقيق الدخل.
شبكة الحوسبة الذكية اللامركزية
حصل المشروع على اعتراف معين في سوق DePIN في Solana من خلال ملحق المتصفح. أعضاء الفريق من مشاريع معروفة مثل Helium. لقد حققوا تقدمًا ملموسًا في بروتوكول نقل البيانات ومحرك الاستدلال الجديد الذي أطلقوه في حساب الحافة وقابلية التحقق من البيانات، مما يمكنهم من تقليل التأخير بنسبة 40% ودعم الوصول إلى الأجهزة المتنوعة.
هذا الاتجاه يتماشى تمامًا مع اتجاه "الاستقرار" المحلي للذكاء الاصطناعي. على الرغم من الحاجة إلى التنافس مع المنصات المركزية في كفاءة التعامل مع المهام المعقدة، إلا أن هناك تحديات في استقرار العقد الطرفية، لكن الحوسبة الطرفية كطلب جديد ناتج عن المنافسة في الذكاء الاصطناعي Web2 تتوافق تمامًا مع مزايا الإطار الموزع للذكاء الاصطناعي Web3. من المتوقع أن تدفع المنتجات المحددة والأداء الفعلي إلى التنفيذ.
منصة البنية التحتية للبيانات المستندة إلى الذكاء الاصطناعي اللامركزية
تقوم المنصة بتحفيز المستخدمين حول العالم من خلال الرموز للمساهمة ببيانات من مجالات متعددة، بما في ذلك الرعاية الصحية، القيادة الذاتية، الصوت، وغيرها. بلغ مجموع الإيرادات أكثر من 14 مليون دولار، وقد أنشأت شبكة من المساهمين في البيانات تضم مليون مشارك.
تقنيًا، يدمج هذا المنصة التحقق من إثبات المعرفة الصفرية مع خوارزمية إجماع تحمل أخطاء بيزنطية لضمان جودة البيانات، ويستخدم تقنيات حساب الخصوصية لتلبية متطلبات الامتثال. ومن المثير للاهتمام أنهم أطلقوا أيضًا جهاز جمع موجات الدماغ، مما يوسع الأعمال من البرمجيات إلى مجال الأجهزة. تصميم نموذجهم الاقتصادي مليء بالنقاط البارزة، حيث يمكن للمستخدمين كسب 16 دولارًا و500000 نقطة مقابل 10 ساعات من التعليق الصوتي، بينما يمكن تقليل تكلفة الاشتراك في خدمات البيانات للشركات بنسبة 45٪.
تتمثل القيمة القصوى لهذا المشروع في تلبية الاحتياجات الفعلية لوضع العلامات على بيانات الذكاء الاصطناعي، وخاصة في المجالات التي تتطلب جودة بيانات عالية جداً ومتطلبات امتثال، مثل الرعاية الصحية، والقيادة الذاتية. ومع ذلك، فإن معدل الخطأ البالغ 20% مقارنة بـ 10% على المنصات التقليدية لا يزال يحمل مجالًا للتحسين، وتقلب جودة البيانات هو مشكلة تحتاج إلى حل مستمر. في حين أن الاتجاه نحو واجهات الدماغ والآلة يحمل مساحة تخيلية، فإن صعوبة التنفيذ ليست بسيطة.
شبكة الحوسبة الموزعة على سلسلة سولانا
يعمل هذا المشروع على تجميع موارد GPU غير المستخدمة من خلال تقنية الشظايا الديناميكية، ويدعم استنتاج نماذج اللغة الكبيرة، بتكلفة تقل بنسبة 40% عن خدمات السحابة الرئيسية. تصميمه لتداول البيانات المرمزة مبتكر للغاية، حيث يحول المساهمين في القوة الحاسوبية مباشرة إلى أصحاب المصلحة، مما يساعد على تحفيز المزيد من الأشخاص على المشاركة في الشبكة.
هذا نموذج "تجميع الموارد غير المستغلة" النموذجي، وهو منطقي. لكن معدل خطأ التحقق عبر السلاسل بنسبة 15% مرتفع بالفعل، وهناك حاجة لتحسين الاستقرار الفني. في سيناريوهات مثل عرض ثلاثي الأبعاد حيث لا تكون متطلبات الوقت الحقيقي عالية، فإنه لديه فعلاً مزايا، والمفتاح هو ما إذا كان يمكن خفض معدل الخطأ، وإلا فإن أي نموذج تجاري ممتاز سيتأثر بمشاكل تقنية.
منصة تداول عالية التردد للأصول الرقمية المدفوعة بالذكاء الاصطناعي
تستخدم المنصة تقنية تحسين مسار التداول الديناميكي، مما يقلل من الانزلاق، وقد أظهرت الاختبارات زيادة في الكفاءة بنسبة 30%. يتماشى هذا المشروع مع اتجاه المالية الذاتية (AgentFi)، وقد وجد نقطة انطلاق في مجال التداول الكمي في DeFi الذي يعتبر فرعاً نسبياً فارغاً، مما يلبي احتياجات السوق.
لا شك أن اتجاه المشروع صحيح، فالأصول الرقمية اللامركزية تحتاج إلى أدوات تداول أكثر ذكاءً. ومع ذلك، فإن التداول عالي التردد يتطلب تأخيرًا ودقة عالية، ويجب التحقق من التوافق الزمني بين توقعات الذكاء الاصطناعي والتنفيذ على السلسلة بشكل أكبر. بالإضافة إلى ذلك، فإن هجمات القيمة القابلة للاستخراج القصوى (MEV) تمثل خطرًا كبيرًا، مما يتطلب تحسين تدابير الحماية التقنية المقابلة.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 23
أعجبني
23
5
إعادة النشر
مشاركة
تعليق
0/400
NotSatoshi
· 07-26 08:48
لا تحكي قصص فارغة تقصير [开心]
شاهد النسخة الأصليةرد0
PebbleHander
· 07-24 15:27
لا تتحدث عن المفاهيم، جرب أولاً إذا كان بإمكانك كسب المال.
شاهد النسخة الأصليةرد0
ShibaMillionairen't
· 07-24 15:24
تقييم ماذا؟ كل شيء هو خَداع الناس لتحقيق الربح.
شاهد النسخة الأصليةرد0
HashBrownies
· 07-24 15:11
يبدو أن خداع الناس لتحقيق الربح أصبح عالي التقنية الآن.
شاهد النسخة الأصليةرد0
ApeEscapeArtist
· 07-24 15:04
من الواضح أن عرين القرود المجنون سيعمل على الذكاء الاصطناعي، يبدو أننا سنطلق للقمر.
ثلاثة اتجاهات رئيسية في AI+الأصول الرقمية: العملية التكنولوجية، تقسيم السيناريوهات، التحقق التجاري
ثلاثة اتجاهات رئيسية لمشاريع دمج الذكاء الاصطناعي مع الأصول الرقمية وتحليل الحالات التمثيلية
على مدى الشهر الماضي، ظهرت ثلاثة اتجاهات بارزة في مجال دمج الذكاء الاصطناعي مع الأصول الرقمية (التشفير + الذكاء الاصطناعي):
إليك مقدمة وتحليل لبعض المشاريع التمثيلية:
منصة تقييم نماذج الذكاء الاصطناعي اللامركزية
تقوم المنصة بتقييم أكثر من 500 نموذج AI كبير من خلال طريقة التجميع البشري. يمكن للمستخدمين استبدال التعليقات بالنقد، حيث يساوي كل 1000 نقطة دولارًا واحدًا. لقد جذبت المنصة شركات مثل OpenAI لشراء البيانات، مما شكل تدفقًا نقديًا فعليًا.
نموذج العمل في هذا المشروع واضح نسبيًا، وليس مجرد إنفاق الأموال بشكل عشوائي. ومع ذلك، لا تزال الوقاية من عمليات الاحتيال وتحسين خوارزميات مكافحة الهجمات النسائية تمثل تحديات كبيرة. من خلال حجم التمويل البالغ 33 مليون دولار، يتضح أن رأس المال يفضل المشاريع التي لديها إثبات على إمكانية تحقيق الدخل.
شبكة الحوسبة الذكية اللامركزية
حصل المشروع على اعتراف معين في سوق DePIN في Solana من خلال ملحق المتصفح. أعضاء الفريق من مشاريع معروفة مثل Helium. لقد حققوا تقدمًا ملموسًا في بروتوكول نقل البيانات ومحرك الاستدلال الجديد الذي أطلقوه في حساب الحافة وقابلية التحقق من البيانات، مما يمكنهم من تقليل التأخير بنسبة 40% ودعم الوصول إلى الأجهزة المتنوعة.
هذا الاتجاه يتماشى تمامًا مع اتجاه "الاستقرار" المحلي للذكاء الاصطناعي. على الرغم من الحاجة إلى التنافس مع المنصات المركزية في كفاءة التعامل مع المهام المعقدة، إلا أن هناك تحديات في استقرار العقد الطرفية، لكن الحوسبة الطرفية كطلب جديد ناتج عن المنافسة في الذكاء الاصطناعي Web2 تتوافق تمامًا مع مزايا الإطار الموزع للذكاء الاصطناعي Web3. من المتوقع أن تدفع المنتجات المحددة والأداء الفعلي إلى التنفيذ.
منصة البنية التحتية للبيانات المستندة إلى الذكاء الاصطناعي اللامركزية
تقوم المنصة بتحفيز المستخدمين حول العالم من خلال الرموز للمساهمة ببيانات من مجالات متعددة، بما في ذلك الرعاية الصحية، القيادة الذاتية، الصوت، وغيرها. بلغ مجموع الإيرادات أكثر من 14 مليون دولار، وقد أنشأت شبكة من المساهمين في البيانات تضم مليون مشارك.
تقنيًا، يدمج هذا المنصة التحقق من إثبات المعرفة الصفرية مع خوارزمية إجماع تحمل أخطاء بيزنطية لضمان جودة البيانات، ويستخدم تقنيات حساب الخصوصية لتلبية متطلبات الامتثال. ومن المثير للاهتمام أنهم أطلقوا أيضًا جهاز جمع موجات الدماغ، مما يوسع الأعمال من البرمجيات إلى مجال الأجهزة. تصميم نموذجهم الاقتصادي مليء بالنقاط البارزة، حيث يمكن للمستخدمين كسب 16 دولارًا و500000 نقطة مقابل 10 ساعات من التعليق الصوتي، بينما يمكن تقليل تكلفة الاشتراك في خدمات البيانات للشركات بنسبة 45٪.
تتمثل القيمة القصوى لهذا المشروع في تلبية الاحتياجات الفعلية لوضع العلامات على بيانات الذكاء الاصطناعي، وخاصة في المجالات التي تتطلب جودة بيانات عالية جداً ومتطلبات امتثال، مثل الرعاية الصحية، والقيادة الذاتية. ومع ذلك، فإن معدل الخطأ البالغ 20% مقارنة بـ 10% على المنصات التقليدية لا يزال يحمل مجالًا للتحسين، وتقلب جودة البيانات هو مشكلة تحتاج إلى حل مستمر. في حين أن الاتجاه نحو واجهات الدماغ والآلة يحمل مساحة تخيلية، فإن صعوبة التنفيذ ليست بسيطة.
شبكة الحوسبة الموزعة على سلسلة سولانا
يعمل هذا المشروع على تجميع موارد GPU غير المستخدمة من خلال تقنية الشظايا الديناميكية، ويدعم استنتاج نماذج اللغة الكبيرة، بتكلفة تقل بنسبة 40% عن خدمات السحابة الرئيسية. تصميمه لتداول البيانات المرمزة مبتكر للغاية، حيث يحول المساهمين في القوة الحاسوبية مباشرة إلى أصحاب المصلحة، مما يساعد على تحفيز المزيد من الأشخاص على المشاركة في الشبكة.
هذا نموذج "تجميع الموارد غير المستغلة" النموذجي، وهو منطقي. لكن معدل خطأ التحقق عبر السلاسل بنسبة 15% مرتفع بالفعل، وهناك حاجة لتحسين الاستقرار الفني. في سيناريوهات مثل عرض ثلاثي الأبعاد حيث لا تكون متطلبات الوقت الحقيقي عالية، فإنه لديه فعلاً مزايا، والمفتاح هو ما إذا كان يمكن خفض معدل الخطأ، وإلا فإن أي نموذج تجاري ممتاز سيتأثر بمشاكل تقنية.
منصة تداول عالية التردد للأصول الرقمية المدفوعة بالذكاء الاصطناعي
تستخدم المنصة تقنية تحسين مسار التداول الديناميكي، مما يقلل من الانزلاق، وقد أظهرت الاختبارات زيادة في الكفاءة بنسبة 30%. يتماشى هذا المشروع مع اتجاه المالية الذاتية (AgentFi)، وقد وجد نقطة انطلاق في مجال التداول الكمي في DeFi الذي يعتبر فرعاً نسبياً فارغاً، مما يلبي احتياجات السوق.
لا شك أن اتجاه المشروع صحيح، فالأصول الرقمية اللامركزية تحتاج إلى أدوات تداول أكثر ذكاءً. ومع ذلك، فإن التداول عالي التردد يتطلب تأخيرًا ودقة عالية، ويجب التحقق من التوافق الزمني بين توقعات الذكاء الاصطناعي والتنفيذ على السلسلة بشكل أكبر. بالإضافة إلى ذلك، فإن هجمات القيمة القابلة للاستخراج القصوى (MEV) تمثل خطرًا كبيرًا، مما يتطلب تحسين تدابير الحماية التقنية المقابلة.