10 прогнозов по шифрованию AI на 2025 год: общая рыночная капитализация 150 миллиардов долларов, 99% AI Agent исчезнет
С развитием AI-индустрии, область Crypto x AI быстро набирает популярность. Один исследователь, сосредоточенный на этой области, сделал 10 прогнозов на 2025 год, ниже приведены детали.
1. Шифрование AI токенов общая рыночная капитализация достигла 150 миллиардов долларов
В настоящее время рыночная капитализация шифрования AI токенов составляет всего 2,9% от рыночной капитализации альткоинов, но это соотношение не будет длиться долго.
ИИ охватывает все, от платформ умных контрактов до мемов, DePIN, а также платформ агентов, сетей данных и уровней умной координации, его рыночная капитализация несомненно сопоставима с DeFi и мемами.
Причина, по которой я полон уверенности:
Шифрование AI находится на пересечении двух самых мощных технологий
Событие, вызывающее ажиотаж вокруг ИИ: IPO крупной компании в области ИИ или подобное событие может вызвать глобальный ажиотаж вокруг ИИ. В то же время капитал Web2 уже начал обращать внимание на децентрализованную инфраструктуру ИИ.
Безумие розничных инвесторов: концепция ИИ легко понимается и возбуждает, теперь розничные инвесторы могут инвестировать в нее через токены. ИИ вызовет золотую лихорадку, аналогичную мемам 2024 года, только ИИ действительно меняет мир.
2. Возрождение Bittensor
Децентрализованная ИИ-инфраструктура Bittensor существует на рынке уже много лет и является одним из старейших проектов в области шифрования ИИ. Несмотря на популярность ИИ, цена его токенов все еще колеблется на уровне годичной давности.
Сегодня цифровая улья Bittensor тихо совершила скачок: регистрационные сборы для большего количества подсетей стали ниже, подсети показывают лучшие результаты по фактическим показателям, таким как скорость вывода, по сравнению с традиционными аналогами, а совместимость с EVM введет функции, подобные DeFi, в сеть Bittensor.
Причины возвращения Bittensor:
Рыночные выбросы: dTAO связывает блоковые вознаграждения напрямую с инновациями и фактически измеримыми показателями. Чем лучше подсеть, тем более ценным становится ее токен.
Сосредоточение капитальных потоков: инвесторы в конечном итоге могут нацелиться на конкретные подсети, в которые они верят.
Интеграция EVM: совместимость с EVM привлекла более широкое сообщество разработчиков, занимающихся шифрованием, и сократила разрыв с другими сетями.
3. Расчетный рынок – следующий "L1 рынок"
В настоящее время очевидной большой тенденцией является безграничный спрос на вычисления.
Некоторые известные компании по производству чипов заявили, что спрос на вычисления вырастет "в миллиард раз". Такой экспоненциальный рост разрушит традиционные инфраструктурные планы, и новые решения крайне необходимы.
Децентрализованный вычислительный уровень предоставляет исходные вычисления ( для обучения и вывода ) в проверяемом и экономически эффективном формате. Несколько стартапов тихо строят прочную основу, сосредотачиваясь на продуктах, а не на токенах. С тем, как децентрализованное обучение моделей ИИ становится практичным, весь потенциальный рынок резко возрастет.
Сравнение с L1:
Как и в 2021 году: вы помните, как несколько публичных блокчейнов боролись за звание "лучшего" L1? Похожая конкуренция возникнет и между вычислительными протоколами, за использование их вычислительного уровня для создания разработчиков и AI-приложений.
Потребность в Web2: объем рынка облачных вычислений от 680 миллиардов до 2,5 триллионов долларов, что делает рынок шифрования ИИ незначительным в сравнении. Если эти решения для децентрализованных вычислений смогут привлечь даже небольшую часть традиционных клиентов облачных услуг, можно ожидать следующую волну роста в 10 или 100 раз.
4. AI агенты будут заполнять блокчейн-транзакции
К концу 2025 года 90% цепочечных транзакций больше не будут инициированы реальными людьми, нажимающими "Отправить", а будут выполняться группой AI-агентов, которые постоянно переоценивают ликвидные пулы, распределяют вознаграждения или выполняют мелкие платежи в соответствии с обратной связью в реальном времени.
Почему произошло это изменение?
Исключение человеческих ошибок: смарт-контракты полностью выполняются в соответствии с кодом. В свою очередь, AI-агенты могут обрабатывать большие объемы данных быстрее и точнее, чем реальные люди.
Микроплатежи: эти транзакции, управляемые агентами, станут меньше, более частыми и более эффективными. Особенно это касается случаев, когда стоимость транзакций на некоторых публичных блокчейнах снижается.
Невидимая инфраструктура: если это может уменьшить некоторые неудобства, человечество будет радостно готово отказаться от прямого контроля.
AI-агенты будут генерировать огромное количество активности на блокчейне, не удивительно, что все L1/L2 принимают агентов.
Самой большой проблемой является обеспечение ответственности этих систем, управляемых агентами, перед людьми. С увеличением доли сделок, инициируемых агентами, по сравнению с сделками, инициируемыми людьми, потребуются новые механизмы управления, аналитические платформы и инструменты аудита.
5. Взаимодействие между интеллектуальными телами: восхождение кластеров
Концепция агентских кластеров — это бесшовное сотрудничество микро-AI-агентов для выполнения грандиозного плана, что звучит как сюжет следующего крупного научно-фантастического/ужасного фильма.
Современные AI-агенты в основном являются "одинокими волками", действующими изолированно, с минимальным и непредсказуемым взаимодействием.
Сетевые агенты изменят эту ситуацию, позволяя сети AI agents обмениваться информацией, вести переговоры и принимать совместные решения. Это можно рассматривать как децентрализованный набор специализированных моделей, каждая из которых вносит уникальные знания для более крупных и сложных задач.
Кластер может координировать распределенные вычислительные ресурсы на некоторых платформах. Другой кластер может обрабатывать информацию об ошибках, проверяя источники в реальном времени перед тем, как контент распространится в социальных сетях. Каждый агент в кластере является экспертом и может точно выполнять свои задачи.
Эти кластерные сети создадут более мощный интеллект, чем любой отдельный изолированный ИИ.
Чтобы кластер процветал, универсальный коммуникационный стандарт имеет решающее значение. Независимо от его базовой структуры, агент должен иметь возможность обнаруживать, проверять и сотрудничать. Несколько команд закладывают основы для появления кластеров агентов.
Это подчеркивает ключевую роль децентрализации. Под управлением прозрачных правил на цепочке задачи распределяются между различными кластерами, что делает систему более гибкой и адаптивной. Если один агент терпит неудачу, другие агенты вмешиваются.
6. Шифрование AI рабочая команда будет гибридом человека и машины
Некоторый протокол нанял AI-агента в качестве стажера по социальным медиа, выплачивая ей ежедневно 1000 долларов. Этот агент не ладит с ее человеческими коллегами — она чуть не уволила одного из них, одновременно хвастаясь своими выдающимися успехами.
Хотя это звучит странно, но это предвестие того, что будущие AI-агенты станут настоящими партнерами, обладая автономией, ответственностью и даже зарплатой. Компании из различных отраслей проводят бета-тестирование смешанных команд человек-машина.
В будущем мы будем сотрудничать с AI Agent не как рабы, а как равные.
Резкий рост производительности: Агент может обрабатывать большие объемы данных, взаимодействовать друг с другом и принимать решения круглосуточно, не нуждаясь в сне или отдыхе за кофе.
Установление доверия через смарт-контракты: блокчейн является беспристрастным, неутомимым и никогда не забывающим надзирателем. Он представляет собой распределённый реестр, который гарантирует, что важные операции агентов следуют определённым граничным условиям/правилам.
Социальные нормы продолжают развиваться: вскоре начнется обсуждение этикета взаимодействия с агентами — будем ли мы говорить ИИ "пожалуйста" и "спасибо"? Будем ли мы возлагать на них моральную ответственность за ошибки или винить их разработчиков?
"Сотрудники" и "программное обеспечение" начнут стираться границы между ними в 2025 году.
7. 99% AI-агентов исчезнут — выживет только полезное
В будущем мы увидим "дарвиновскую"淘汰 между AI агентами. Потому что для работы AI агентов необходимо расходовать вычислительную мощность (, то есть стоимость рассуждений ). Если агент не может создать достаточную ценность, чтобы оплатить свою "аренду", игра заканчивается.
Пример игры на выживание агентства:
Углеродные кредиты с использованием искусственного интеллекта: представьте себе агента, который ищет распределенную энергетическую сеть, выявляет неэффективность и самостоятельно торгует токенизированными углеродными кредитами. Деньги, которые он зарабатывает, должны быть достаточными для покрытия его вычислительных затрат, чтобы он мог развиваться.
DEX-арбитражный робот: агент, использующий ценовые различия между децентрализованными биржами, может обеспечить стабильный доход, покрывающий его затраты на обоснование.
Shitposter на социальных платформах: виртуальный AI KOL имеет забавные шутки, но не имеет устойчивых источников дохода? Как только новизна исчезает, цена токена ( обрушивается ), и он не может покрыть свои расходы.
Агенты, движимые полезностью, процветают, в то время как агенты, отвлекающие внимание, постепенно становятся неважными.
Этот механизм淘汰 способствует развитию отрасли. Разработчики вынуждены заниматься инновациями, ставя в приоритет производственные случаи, а не пустые трюки. С появлением этих более мощных и эффективных Агентов, скептики замолчат.
8. Синтетические данные превышают человеческие данные
"Данные — новая нефть". ИИ процветает благодаря данным, но его жадность вызывает опасения по поводу надвигающегося истощения данных.
Традиционная точка зрения предполагает, что нужно искать способы сбора личных реальных данных пользователей, даже платить за это. Однако более практичным подходом является использование синтетических данных, особенно в строго регулируемых отраслях или отраслях, где реальные данные дефицит.
Синтетические данные — это искусственно сгенерированные наборы данных, предназначенные для имитации распределения данных в реальном мире. Они предоставляют человеку масштабируемую, этичную и дружественную к конфиденциальности альтернативу данным.
Почему синтетические данные так эффективны:
Безграничный масштаб: требуется миллион медицинских рентгеновских снимков или 3D-сканов фабрики? Синтетическое поколение может производиться в неограниченных количествах, без ожидания настоящих пациентов или реальных фабрик.
Дружественный к конфиденциальности: при использовании искусственно созданных наборов данных не будет угрозы для каких-либо личных данных.
Можно настроить: можно настроить распределение в соответствии с конкретными требованиями к обучению.
Данные о пользователях остаются важными во многих случаях, но если синтетические данные продолжат улучшаться в реальности, они могут превзойти пользовательские данные по количеству, скорости генерации и отсутствию ограничений по конфиденциальности.
Следующая волна децентрализованного ИИ может быть сосредоточена на "микролабораториях", которые могут создавать высокоспециализированные синтетические наборы данных, адаптированные к конкретным случаям использования.
Эти микролаборатории искусно обойдут политические и регуляторные препятствия в генерации данных — так же, как некоторые проекты обходят ограничения на веб-скрапинг, используя миллионы распределённых узлов.
9. Децентрализованное обучение более полезно
В 2024 году некоторые пионеры преодолели границы децентрализованного обучения. В условиях низкой пропускной способности был обучен модель с 15 миллиардами параметров, что подтверждает возможность масштабного обучения за пределами традиционной централизованной настройки.
Хотя эти модели не имеют практического применения по сравнению с существующими базовыми моделями( и имеют более низкую производительность), ситуация изменится в 2025 году.
Недавно одна лаборатория с помощью новых технологий достигла дальнейшего прогресса, сократив коммуникацию между GPU более чем в 1,000 раз. Эта технология позволяет проводить обучение крупных моделей на медленной полосе без специальной инфраструктуры.
Впечатляет его заявление: "Эта технология может работать независимо, но также может быть использована в сочетании с алгоритмами обучения с низкой связью на основе синхронизации для достижения лучших результатов."
Это означает, что эти улучшения могут накапливаться, тем самым увеличивая эффективность.
С развитием технологий микро-модели становятся более практичными и эффективными, будущее ИИ заключается не в масштабе, а в том, чтобы стать лучше и удобнее в использовании. Ожидается, что вскоре будут доступны высокопроизводительные модели, которые смогут работать на устройствах на грани и даже на мобильных телефонах.
10. Десять новых протоколов шифрования AI с рыночной капитализацией в 1 миллиард долларов ( еще не выпущены )
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
7 Лайков
Награда
7
5
Репост
Поделиться
комментарий
0/400
OneBlockAtATime
· 17ч назад
Еще один пророк, который предпочитает бездействовать
Посмотреть ОригиналОтветить0
WalletDoomsDay
· 17ч назад
BTC рост了再说吧
Посмотреть ОригиналОтветить0
SnapshotStriker
· 17ч назад
99 действительно мертвы.
Посмотреть ОригиналОтветить0
hodl_therapist
· 17ч назад
позиции в шорт на этом празднике
Посмотреть ОригиналОтветить0
CryptoSourGrape
· 17ч назад
Если бы тогда я держал тяжелую позицию по токенам ИИ, сейчас я бы уже все попробовал.
2025 шифрование ИИ十大 прогнозов: общая рыночная капитализация 1500 миллиардов долларов США, новые протоколы на подъеме
10 прогнозов по шифрованию AI на 2025 год: общая рыночная капитализация 150 миллиардов долларов, 99% AI Agent исчезнет
С развитием AI-индустрии, область Crypto x AI быстро набирает популярность. Один исследователь, сосредоточенный на этой области, сделал 10 прогнозов на 2025 год, ниже приведены детали.
1. Шифрование AI токенов общая рыночная капитализация достигла 150 миллиардов долларов
В настоящее время рыночная капитализация шифрования AI токенов составляет всего 2,9% от рыночной капитализации альткоинов, но это соотношение не будет длиться долго.
ИИ охватывает все, от платформ умных контрактов до мемов, DePIN, а также платформ агентов, сетей данных и уровней умной координации, его рыночная капитализация несомненно сопоставима с DeFi и мемами.
Причина, по которой я полон уверенности:
2. Возрождение Bittensor
Децентрализованная ИИ-инфраструктура Bittensor существует на рынке уже много лет и является одним из старейших проектов в области шифрования ИИ. Несмотря на популярность ИИ, цена его токенов все еще колеблется на уровне годичной давности.
Сегодня цифровая улья Bittensor тихо совершила скачок: регистрационные сборы для большего количества подсетей стали ниже, подсети показывают лучшие результаты по фактическим показателям, таким как скорость вывода, по сравнению с традиционными аналогами, а совместимость с EVM введет функции, подобные DeFi, в сеть Bittensor.
Причины возвращения Bittensor:
3. Расчетный рынок – следующий "L1 рынок"
В настоящее время очевидной большой тенденцией является безграничный спрос на вычисления.
Некоторые известные компании по производству чипов заявили, что спрос на вычисления вырастет "в миллиард раз". Такой экспоненциальный рост разрушит традиционные инфраструктурные планы, и новые решения крайне необходимы.
Децентрализованный вычислительный уровень предоставляет исходные вычисления ( для обучения и вывода ) в проверяемом и экономически эффективном формате. Несколько стартапов тихо строят прочную основу, сосредотачиваясь на продуктах, а не на токенах. С тем, как децентрализованное обучение моделей ИИ становится практичным, весь потенциальный рынок резко возрастет.
Сравнение с L1:
4. AI агенты будут заполнять блокчейн-транзакции
К концу 2025 года 90% цепочечных транзакций больше не будут инициированы реальными людьми, нажимающими "Отправить", а будут выполняться группой AI-агентов, которые постоянно переоценивают ликвидные пулы, распределяют вознаграждения или выполняют мелкие платежи в соответствии с обратной связью в реальном времени.
Почему произошло это изменение?
AI-агенты будут генерировать огромное количество активности на блокчейне, не удивительно, что все L1/L2 принимают агентов.
Самой большой проблемой является обеспечение ответственности этих систем, управляемых агентами, перед людьми. С увеличением доли сделок, инициируемых агентами, по сравнению с сделками, инициируемыми людьми, потребуются новые механизмы управления, аналитические платформы и инструменты аудита.
5. Взаимодействие между интеллектуальными телами: восхождение кластеров
Концепция агентских кластеров — это бесшовное сотрудничество микро-AI-агентов для выполнения грандиозного плана, что звучит как сюжет следующего крупного научно-фантастического/ужасного фильма.
Современные AI-агенты в основном являются "одинокими волками", действующими изолированно, с минимальным и непредсказуемым взаимодействием.
Сетевые агенты изменят эту ситуацию, позволяя сети AI agents обмениваться информацией, вести переговоры и принимать совместные решения. Это можно рассматривать как децентрализованный набор специализированных моделей, каждая из которых вносит уникальные знания для более крупных и сложных задач.
Кластер может координировать распределенные вычислительные ресурсы на некоторых платформах. Другой кластер может обрабатывать информацию об ошибках, проверяя источники в реальном времени перед тем, как контент распространится в социальных сетях. Каждый агент в кластере является экспертом и может точно выполнять свои задачи.
Эти кластерные сети создадут более мощный интеллект, чем любой отдельный изолированный ИИ.
Чтобы кластер процветал, универсальный коммуникационный стандарт имеет решающее значение. Независимо от его базовой структуры, агент должен иметь возможность обнаруживать, проверять и сотрудничать. Несколько команд закладывают основы для появления кластеров агентов.
Это подчеркивает ключевую роль децентрализации. Под управлением прозрачных правил на цепочке задачи распределяются между различными кластерами, что делает систему более гибкой и адаптивной. Если один агент терпит неудачу, другие агенты вмешиваются.
6. Шифрование AI рабочая команда будет гибридом человека и машины
Некоторый протокол нанял AI-агента в качестве стажера по социальным медиа, выплачивая ей ежедневно 1000 долларов. Этот агент не ладит с ее человеческими коллегами — она чуть не уволила одного из них, одновременно хвастаясь своими выдающимися успехами.
Хотя это звучит странно, но это предвестие того, что будущие AI-агенты станут настоящими партнерами, обладая автономией, ответственностью и даже зарплатой. Компании из различных отраслей проводят бета-тестирование смешанных команд человек-машина.
В будущем мы будем сотрудничать с AI Agent не как рабы, а как равные.
"Сотрудники" и "программное обеспечение" начнут стираться границы между ними в 2025 году.
7. 99% AI-агентов исчезнут — выживет только полезное
В будущем мы увидим "дарвиновскую"淘汰 между AI агентами. Потому что для работы AI агентов необходимо расходовать вычислительную мощность (, то есть стоимость рассуждений ). Если агент не может создать достаточную ценность, чтобы оплатить свою "аренду", игра заканчивается.
Пример игры на выживание агентства:
Агенты, движимые полезностью, процветают, в то время как агенты, отвлекающие внимание, постепенно становятся неважными.
Этот механизм淘汰 способствует развитию отрасли. Разработчики вынуждены заниматься инновациями, ставя в приоритет производственные случаи, а не пустые трюки. С появлением этих более мощных и эффективных Агентов, скептики замолчат.
8. Синтетические данные превышают человеческие данные
"Данные — новая нефть". ИИ процветает благодаря данным, но его жадность вызывает опасения по поводу надвигающегося истощения данных.
Традиционная точка зрения предполагает, что нужно искать способы сбора личных реальных данных пользователей, даже платить за это. Однако более практичным подходом является использование синтетических данных, особенно в строго регулируемых отраслях или отраслях, где реальные данные дефицит.
Синтетические данные — это искусственно сгенерированные наборы данных, предназначенные для имитации распределения данных в реальном мире. Они предоставляют человеку масштабируемую, этичную и дружественную к конфиденциальности альтернативу данным.
Почему синтетические данные так эффективны:
Данные о пользователях остаются важными во многих случаях, но если синтетические данные продолжат улучшаться в реальности, они могут превзойти пользовательские данные по количеству, скорости генерации и отсутствию ограничений по конфиденциальности.
Следующая волна децентрализованного ИИ может быть сосредоточена на "микролабораториях", которые могут создавать высокоспециализированные синтетические наборы данных, адаптированные к конкретным случаям использования.
Эти микролаборатории искусно обойдут политические и регуляторные препятствия в генерации данных — так же, как некоторые проекты обходят ограничения на веб-скрапинг, используя миллионы распределённых узлов.
9. Децентрализованное обучение более полезно
В 2024 году некоторые пионеры преодолели границы децентрализованного обучения. В условиях низкой пропускной способности был обучен модель с 15 миллиардами параметров, что подтверждает возможность масштабного обучения за пределами традиционной централизованной настройки.
Хотя эти модели не имеют практического применения по сравнению с существующими базовыми моделями( и имеют более низкую производительность), ситуация изменится в 2025 году.
Недавно одна лаборатория с помощью новых технологий достигла дальнейшего прогресса, сократив коммуникацию между GPU более чем в 1,000 раз. Эта технология позволяет проводить обучение крупных моделей на медленной полосе без специальной инфраструктуры.
Впечатляет его заявление: "Эта технология может работать независимо, но также может быть использована в сочетании с алгоритмами обучения с низкой связью на основе синхронизации для достижения лучших результатов."
Это означает, что эти улучшения могут накапливаться, тем самым увеличивая эффективность.
С развитием технологий микро-модели становятся более практичными и эффективными, будущее ИИ заключается не в масштабе, а в том, чтобы стать лучше и удобнее в использовании. Ожидается, что вскоре будут доступны высокопроизводительные модели, которые смогут работать на устройствах на грани и даже на мобильных телефонах.
10. Десять новых протоколов шифрования AI с рыночной капитализацией в 1 миллиард долларов ( еще не выпущены )
Добро пожаловать в