Les trois grandes tendances des projets de fusion entre l'IA et les Cryptoactifs et analyse des cas représentatifs
Au cours du mois dernier, le domaine de la fusion de l'IA et des cryptoactifs (Crypto+IA) a présenté trois tendances de développement significatives :
Le chemin 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 IA spécialisées remplacent l'IA généralisée.
Le capital se concentre davantage sur la validation des modèles commerciaux, les projets avec des flux de trésorerie sont clairement plus prisés.
Voici une introduction et une analyse de plusieurs projets représentatifs :
Plateforme d'évaluation de modèles d'IA décentralisée
La plateforme évalue plus de 500 grands modèles d'IA par le biais d'un système de crowdsourcing. Les utilisateurs peuvent échanger leurs retours contre de l'argent, chaque 1000 points équivalant à 1 dollar. La plateforme a attiré des entreprises comme OpenAI pour acheter des données, créant ainsi un flux de trésorerie réel.
Le modèle commercial de ce projet est relativement clair, ce n'est pas simplement une dépense d'argent. Cependant, la prévention des faux ordres et l'amélioration de l'algorithme de protection contre les attaques de sorcières restent des défis majeurs. D'après le montant de financement de 33 millions de dollars, les capitaux semblent clairement préférer les projets ayant une validation de monétisation.
Réseau de calcul AI décentralisé
Ce projet a obtenu une certaine reconnaissance sur le marché dans le domaine DePIN de Solana grâce à une extension de navigateur. Les membres de l'équipe proviennent de projets renommés tels que Helium. Leur nouveau protocole de transmission de données et moteur d'inférence a réalisé des progrès substantiels en matière de calcul à la périphérie et de vérifiabilité des données, réduisant les délais de 40 % et prenant en charge l'accès à des dispositifs hétérogènes.
Cette direction s'aligne parfaitement avec la tendance à la "décentralisation" de la localisation de l'IA. Bien qu'il faille encore rivaliser avec l'efficacité des plateformes centralisées lors du traitement de tâches complexes, la stabilité des nœuds périphériques pose également des défis. Cependant, l'informatique en périphérie, en tant que nouvelle demande dérivée de la concurrence en IA Web2, correspond exactement aux avantages du cadre décentralisé de l'IA Web3. Il est prometteur de voir comment cela sera concrétisé à travers des produits spécifiques et des performances réelles.
Plateforme d'infrastructure de données AI décentralisée
La plateforme incite les utilisateurs du monde entier à contribuer des données dans divers domaines grâce à des jetons, y compris la santé, la conduite autonome, la voix, etc. Les revenus cumulés dépassent 14 millions de dollars et un réseau de contributeurs de données de plus d'un million a été établi.
Techniquement, cette plateforme intègre la vérification par preuve à divulgation nulle de connaissance et un algorithme de consensus tolérant aux pannes de Byzantine pour garantir la qualité des données, et utilise des techniques de calcul de la vie privée pour répondre aux exigences de conformité. Fait intéressant, ils ont également lancé un dispositif de collecte d'ondes cérébrales, étendant leur activité du logiciel au domaine matériel. La conception de leur modèle économique est particulièrement remarquable, les utilisateurs peuvent gagner 16 dollars et 500 000 points pour 10 heures d'annotation vocale, tandis que le coût pour les entreprises de s'abonner aux services de données peut être réduit de 45 %.
La valeur maximale de ce projet réside dans sa capacité à répondre aux besoins réels de l'annotation des données par l'IA, en particulier dans des domaines où les exigences en matière de qualité des données et de conformité sont très élevées, comme la santé et la conduite autonome. Cependant, un taux d'erreur de 20 % par rapport à 10 % pour les plateformes traditionnelles laisse encore une marge d'amélioration, et la fluctuation de la qualité des données reste un problème à résoudre de manière continue. Bien que la direction des interfaces cerveau-machine soit riche en potentiel d'imagination, la difficulté d'exécution n'est pas négligeable.
Réseau de calcul distribué sur la chaîne Solana
Ce projet agrège les ressources GPU inactives grâce à une technologie de sharding dynamique, supportant l'inférence de modèles linguistiques de grande taille, avec des coûts inférieurs de 40 % par rapport aux services cloud mainstream. La conception de la transaction de données tokenisées est très créative, transformant directement les contributeurs de puissance de calcul en parties prenantes, ce qui aide à inciter davantage de personnes à participer au réseau.
C'est un modèle typique de "ressources inutilisées agrégées", logiquement raisonnable. Mais un taux d'erreur de validation inter-chaînes de 15 % est en effet trop élevé, la stabilité technique doit 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, la clé étant de pouvoir réduire le taux d'erreur, sinon même le meilleur modèle commercial sera limité par des problèmes techniques.
Plateforme de trading haute fréquence pour les cryptoactifs alimentée par l'IA
La plateforme utilise une technologie d'optimisation dynamique des chemins de transaction, capable de réduire le slippage, avec une amélioration de l'efficacité mesurée de 30 %. Ce projet s'inscrit dans la tendance de la finance autonome (AgentFi) et a trouvé un point d'entrée dans le domaine de niche relativement vide du trading quantitatif DeFi, comblant ainsi un besoin du marché.
La direction du projet est sans aucun doute correcte, la finance décentralisée a effectivement besoin d'outils de trading plus intelligents. Cependant, le trading à haute fréquence exige des niveaux de latence et de précision extrêmement élevés, et la synergie en temps réel entre les prévisions AI et l'exécution sur la chaîne doit encore être vérifiée. De plus, l'attaque sur la valeur maximale extractible (MEV) représente un risque majeur, nécessitant le développement de mesures de protection technique appropriées.
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.
23 J'aime
Récompense
23
5
Partager
Commentaire
0/400
NotSatoshi
· 07-26 08:48
Ne pas raconter d'histoires, faire du shorting avec plaisir
Voir l'originalRépondre0
PebbleHander
· 07-24 15:27
Pas besoin de parler de concepts, essayons d'abord de voir si on peut gagner de l'argent.
Voir l'originalRépondre0
ShibaMillionairen't
· 07-24 15:24
Quoi que vous disiez, c'est toujours se faire prendre pour des cons.
Voir l'originalRépondre0
HashBrownies
· 07-24 15:11
On dirait que se faire prendre pour des cons est devenu très high-tech maintenant.
Voir l'originalRépondre0
ApeEscapeArtist
· 07-24 15:04
Le nid des singes fous va aussi faire de l'IA, on dirait qu'il est temps d'aller To the moon.
Les trois grandes tendances de l'IA et des cryptoactifs : pragmatisme technologique, segmentation des scénarios, validation commerciale
Les trois grandes tendances des projets de fusion entre l'IA et les Cryptoactifs et analyse des cas représentatifs
Au cours du mois dernier, le domaine de la fusion de l'IA et des cryptoactifs (Crypto+IA) a présenté trois tendances de développement significatives :
Voici une introduction et une analyse de plusieurs projets représentatifs :
Plateforme d'évaluation de modèles d'IA décentralisée
La plateforme évalue plus de 500 grands modèles d'IA par le biais d'un système de crowdsourcing. Les utilisateurs peuvent échanger leurs retours contre de l'argent, chaque 1000 points équivalant à 1 dollar. La plateforme a attiré des entreprises comme OpenAI pour acheter des données, créant ainsi un flux de trésorerie réel.
Le modèle commercial de ce projet est relativement clair, ce n'est pas simplement une dépense d'argent. Cependant, la prévention des faux ordres et l'amélioration de l'algorithme de protection contre les attaques de sorcières restent des défis majeurs. D'après le montant de financement de 33 millions de dollars, les capitaux semblent clairement préférer les projets ayant une validation de monétisation.
Réseau de calcul AI décentralisé
Ce projet a obtenu une certaine reconnaissance sur le marché dans le domaine DePIN de Solana grâce à une extension de navigateur. Les membres de l'équipe proviennent de projets renommés tels que Helium. Leur nouveau protocole de transmission de données et moteur d'inférence a réalisé des progrès substantiels en matière de calcul à la périphérie et de vérifiabilité des données, réduisant les délais de 40 % et prenant en charge l'accès à des dispositifs hétérogènes.
Cette direction s'aligne parfaitement avec la tendance à la "décentralisation" de la localisation de l'IA. Bien qu'il faille encore rivaliser avec l'efficacité des plateformes centralisées lors du traitement de tâches complexes, la stabilité des nœuds périphériques pose également des défis. Cependant, l'informatique en périphérie, en tant que nouvelle demande dérivée de la concurrence en IA Web2, correspond exactement aux avantages du cadre décentralisé de l'IA Web3. Il est prometteur de voir comment cela sera concrétisé à travers des produits spécifiques et des performances réelles.
Plateforme d'infrastructure de données AI décentralisée
La plateforme incite les utilisateurs du monde entier à contribuer des données dans divers domaines grâce à des jetons, y compris la santé, la conduite autonome, la voix, etc. Les revenus cumulés dépassent 14 millions de dollars et un réseau de contributeurs de données de plus d'un million a été établi.
Techniquement, cette plateforme intègre la vérification par preuve à divulgation nulle de connaissance et un algorithme de consensus tolérant aux pannes de Byzantine pour garantir la qualité des données, et utilise des techniques de calcul de la vie privée pour répondre aux exigences de conformité. Fait intéressant, ils ont également lancé un dispositif de collecte d'ondes cérébrales, étendant leur activité du logiciel au domaine matériel. La conception de leur modèle économique est particulièrement remarquable, les utilisateurs peuvent gagner 16 dollars et 500 000 points pour 10 heures d'annotation vocale, tandis que le coût pour les entreprises de s'abonner aux services de données peut être réduit de 45 %.
La valeur maximale de ce projet réside dans sa capacité à répondre aux besoins réels de l'annotation des données par l'IA, en particulier dans des domaines où les exigences en matière de qualité des données et de conformité sont très élevées, comme la santé et la conduite autonome. Cependant, un taux d'erreur de 20 % par rapport à 10 % pour les plateformes traditionnelles laisse encore une marge d'amélioration, et la fluctuation de la qualité des données reste un problème à résoudre de manière continue. Bien que la direction des interfaces cerveau-machine soit riche en potentiel d'imagination, la difficulté d'exécution n'est pas négligeable.
Réseau de calcul distribué sur la chaîne Solana
Ce projet agrège les ressources GPU inactives grâce à une technologie de sharding dynamique, supportant l'inférence de modèles linguistiques de grande taille, avec des coûts inférieurs de 40 % par rapport aux services cloud mainstream. La conception de la transaction de données tokenisées est très créative, transformant directement les contributeurs de puissance de calcul en parties prenantes, ce qui aide à inciter davantage de personnes à participer au réseau.
C'est un modèle typique de "ressources inutilisées agrégées", logiquement raisonnable. Mais un taux d'erreur de validation inter-chaînes de 15 % est en effet trop élevé, la stabilité technique doit 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, la clé étant de pouvoir réduire le taux d'erreur, sinon même le meilleur modèle commercial sera limité par des problèmes techniques.
Plateforme de trading haute fréquence pour les cryptoactifs alimentée par l'IA
La plateforme utilise une technologie d'optimisation dynamique des chemins de transaction, capable de réduire le slippage, avec une amélioration de l'efficacité mesurée de 30 %. Ce projet s'inscrit dans la tendance de la finance autonome (AgentFi) et a trouvé un point d'entrée dans le domaine de niche relativement vide du trading quantitatif DeFi, comblant ainsi un besoin du marché.
La direction du projet est sans aucun doute correcte, la finance décentralisée a effectivement besoin d'outils de trading plus intelligents. Cependant, le trading à haute fréquence exige des niveaux de latence et de précision extrêmement élevés, et la synergie en temps réel entre les prévisions AI et l'exécution sur la chaîne doit encore être vérifiée. De plus, l'attaque sur la valeur maximale extractible (MEV) représente un risque majeur, nécessitant le développement de mesures de protection technique appropriées.