Analyse de la profondeur de Grass : Une nouvelle étoile brillante dans le domaine de DePIN

Grass est un projet récemment très médiatisé dans le domaine DePIN, appliquant de manière innovante le modèle DePIN au domaine de la collecte de données AI. Cet article procédera à une analyse approfondie de Grass sous plusieurs angles, explorant ses innovations, son potentiel de développement et les défis auxquels il est confronté.

1. Contexte de l'industrie

Lorsque la démocratisation de la puissance de calcul de DePIN rencontre le dilemme des données de l'IA, un mouvement pour l'égalité des données éclot discrètement.

DePIN intègre les ressources inutilisées mondiales grâce à l'économie des jetons, telles que la puissance de calcul, le stockage et la bande passante, pour construire un réseau d'infrastructure décentralisé ; en même temps, l'industrie de l'IA est confrontée à une pénurie structurelle de données, à des monopoles de géants, à des controverses sur la vie privée et à des barrières isolées, ce qui entraîne la libération de 80 % de la valeur des données.

La compétition future en matière d'IA est essentiellement un double enjeu d'efficacité d'acquisition des données et de conformité éthique, et DePIN offre la solution technique optimale.

La disruption de Grass réside dans la réalisation de la fusion de ces deux éléments.

( 1.1 DePIN: un paradigme mondial de reconstruction des infrastructures

DePIN) est un réseau d'infrastructure physique décentralisé### qui intègre des ressources physiques mondiales dispersées( telles que la puissance de calcul, le stockage, la bande passante, l'énergie, etc.) via la technologie blockchain, représentant un nouveau modèle économique.

La logique fondamentale réside dans : inciter la contribution de ressources inactives par des jetons, construire un réseau d'infrastructure décentralisé, remplaçant le modèle coûteux et inefficace des prestataires de services centralisés.

Comparé aux modèles centralisés, la transformation décentralisée des infrastructures physiques présente des avantages significatifs en termes de structure des coûts, de modes de gouvernance, de résilience du réseau et d'écosystème d'expansion.

Selon la définition de Messari, le DePIN couvre deux grandes catégories d'infrastructures physiques ( telles que les réseaux sans fil, les réseaux énergétiques ) et les réseaux de ressources numériques ( tels que le stockage, le calcul ), et réalise un appariement de l'offre et de la demande ainsi qu'un mécanisme d'incitation grâce à la technologie blockchain.

• Infrastructure physique : représentée par un projet de réseau sans fil, construction d'un réseau de communication à couverture mondiale grâce au déploiement d'équipements de points d'accès par la communauté ;

• Réseau de ressources numériques : comprend un certain projet de stockage décentralisé, un certain projet de calcul distribué, etc., en formant un modèle économique de partage grâce à l'intégration de ressources inutilisées.

Selon les données de Messari, d'ici 2024, le nombre d'appareils DePIN dans le monde aura dépassé 13 millions, avec une taille de marché atteignant 50 milliards de dollars, mais le taux de pénétration est inférieur à 0,1 %. Au cours des dix prochaines années, une croissance de 100 à 1000 fois est attendue.

En 2024, la capitalisation totale du marché DePIN atteindra 50 milliards de dollars, couvrant plus de 350 projets, avec un taux de croissance annuel supérieur à 35 %.

Son moteur principal réside dans l'amélioration de l'efficacité des ressources (, comme l'utilisation de la bande passante inutilisée ) et l'explosion de la demande (, comme la demande en puissance de calcul et en données de l'IA ), avec un effet bilatéral.

Bien sûr, l'évolutivité des réseaux décentralisés, la confidentialité des données et la validation de la sécurité restent les principaux défis du développement de DePIN.

( 1.2 Demande de données AI : croissance explosive et contradictions structurelles

"Les données sont le pétrole de la nouvelle ère"

L'acquisition et le traitement des données AI sont le moteur central du développement de l'intelligence artificielle, en particulier lors de l'entraînement de grands modèles de langage ) comme GPT ### et de réseaux neuronaux génératifs ( comme MidJourney ).

Les performances et l'efficacité des modèles d'IA dépendent en grande partie de la qualité et de la quantité des données d'entraînement. Des données de haute qualité, diversifiées et représentatives géographiquement sont cruciales pour les performances des modèles d'IA.

Taille et caractéristiques de la demande de données:

• Saut de niveau : par exemple, pour GPT-4, l'entraînement nécessite plus de 45 To de données textuelles, tandis que la vitesse d'itération de l'IA générative exige une mise à jour et une diversification des données en temps réel ;

• Coût proportionnel : Les coûts de collecte, de nettoyage et d'annotation des données dans le développement de l'IA représentent plus de 40 % du budget total, devenant ainsi un goulot d'étranglement central pour la commercialisation ;

• Différenciation des scénarios : la conduite autonome nécessite des données de capteurs de haute précision, l'IA médicale s'appuie sur des bases de données de cas conformes à la vie privée, l'IA sociale dépend des données de comportement des utilisateurs.

Points de douleur de l'approvisionnement en données traditionnelles :

• Barrières de données : les grandes entreprises/acteurs majeurs contrôlent une large gamme de sources de données, les développeurs de petite et moyenne taille font face à des barrières élevées et à des prix injustes ;

• Îlots de données : Les données sont souvent dispersées entre différentes institutions et entreprises, et le partage et la circulation des données font face à de nombreux obstacles, ce qui empêche une utilisation optimale des ressources de données.

• Confidentialité des données : La collecte de données soulève souvent des questions de vie privée et de droits d'auteur, comme l'incident de facturation de l'API d'une plateforme sociale qui a suscité des protestations de la part des développeurs ;

• Circulation inefficace : les îlots de données et l'absence de normalisation entraînent une collecte redondante, l'utilisation des données à l'échelle mondiale étant inférieure à 20 % ;

• Interruption de la chaîne de valeur : les contributeurs individuels qui créent des données ne peuvent pas tirer de profit de l'utilisation ultérieure des données.

Le chemin de rupture de DePIN :

• Collecte de données distribuée : collecte de données publiques ( via un réseau de nœuds, telles que les réseaux sociaux, bases de données publiques ), réduisant le coût de la collecte de données et augmentant l'efficacité et l'échelle de la collecte de données ;

• Améliorer la qualité et la diversité des données : grâce au mécanisme d'incitation DePIN, il est possible d'attirer davantage de participants à contribuer aux données, ce qui améliore la qualité et la diversité des données, et renforce la capacité de généralisation des modèles d'IA.

• Nettoyage et annotation décentralisés : collaboration communautaire pour le prétraitement des données, combinant la preuve à divulgation nulle de connaissance (ZK) pour garantir l'authenticité des données;

• Boucle fermée d'incitation à la tokenisation : les contributeurs de données reçoivent des récompenses en jetons, les demandeurs achètent des ensembles de données structurées avec des jetons, formant un appariement direct de l'offre et de la demande.

Le projet Grass se situe à l'intersection de DePIN et de l'industrie des données AI, appliquant de manière innovante le concept DePIN au domaine de la collecte de données AI, et construisant un réseau décentralisé de capture de données, visant à fournir des sources de données plus économiques, plus efficaces et plus fiables pour l'entraînement de modèles AI.

Dans les chapitres suivants, nous allons analyser en profondeur les mécanismes spécifiques, les caractéristiques techniques, les cas d'application et les perspectives de développement futur du projet Grass.

2. Informations de base sur le projet

L'expansion rapide de Grass est due à son seuil de participation très bas. Cela permet à chaque utilisateur de devenir un "mineur" de données AI, échangeant leur bande passante inutilisée contre des bénéfices futurs.

Grass construit un réseau de collecte de données décentralisé via l'architecture DePIN, fournissant des sources de données à haut rapport qualité-prix et à grande diversité pour l'entraînement de l'IA. Les utilisateurs n'ont qu'à installer le client pour contribuer à la bande passante et obtenir des récompenses en tokens - en un an, plus de 2,5 millions de nœuds ont été attirés, le token a augmenté de plus de 5 fois en 10 jours après son lancement, validant sa logique commerciale.

Le projet a reçu le soutien de capitaux de premier plan tels que Polychain et Hack VC, s'appuyant sur la chaîne haute performance Solana pour réaliser la certification et le transfert des données.

L'anonymat actuel de l'équipe reste controversé, et les progrès de la décentralisation du traitement des données doivent être suivis.

( 2.1 Champ d'application

Grass est un projet DePIN qui collecte et vérifie les données Internet via la bande passante inutilisée des appareils des utilisateurs, en particulier pour soutenir le développement de l'intelligence artificielle.

Son noyau est un réseau de proxy résidentiel )residential proxy network### qui permet aux entreprises d'utiliser la connexion Internet des utilisateurs pour accéder et extraire des données Internet de différentes localisations géographiques, ce qui est très utile pour l'entraînement des modèles d'IA qui nécessitent des données diversifiées et représentatives sur le plan géographique.

• Problème résolu : Le web scraping traditionnel est généralement effectué par des systèmes centralisés, ce qui le rend inefficace et sujet à des erreurs ou des biais. Grass vise à fournir des données Internet fiables et vérifiées de manière décentralisée, et les données fournies par les utilisateurs décentralisés possèdent naturellement des caractéristiques de diversité, de publication dans plusieurs régions et de temps réel.

• Vision et mission : La vision de Grass est de créer une couche de données Internet décentralisée, où les données sont collectées, vérifiées et structurées de manière à minimiser la confiance. Sa mission est d'habiliter les utilisateurs à contribuer à la couche de données et à inciter à la participation par le biais d'un mécanisme de récompense.

• Mode de participation des utilisateurs : Les utilisateurs n'ont besoin que de trois étapes pour commencer : visiter le site officiel de Grass, installer l'extension / le client, se connecter et commencer à gagner des Grass Points. Cette contribution de bande passante pour gagner des récompenses offre aux utilisateurs ordinaires une opportunité de partager les dividendes de la croissance de l'IA.

En résumé, les caractéristiques clés et les avantages de Grass sont les suivants : le coût de capture des données dans un réseau décentralisé est faible, la diversité des données est plus riche ; les utilisateurs gagnent des récompenses en contribuant de la bande passante, réalisant ainsi le retour de la valeur des données ; l'utilisation de la technologie blockchain pour vérifier les données garantit la transparence et la fiabilité des données.

( 2.2 Développement

Phase de concept : Mi-2022, le projet a été présenté par Wynd Labs.

Phase de développement : le début de la construction du produit au début de 2023 marque l'entrée du projet dans la phase de développement réelle.

Financement de la ronde de semences : En 2023, Grass a complété un financement de 3,5 millions de dollars lors de sa ronde de semences, dirigé par Polychain Capital et Tribe Capital, pour un total de 4,5 millions de dollars ) incluant la ronde de semences avant la limite sans limite (.

Test utilisateur : fin 2023, lancement d'une extension de navigateur Chrome, début des tests utilisateurs, attirer les premiers utilisateurs à participer.

Milestone : Avril 2024, le projet annonce plus de 2 millions de dispositifs de nœuds connectés, en forte croissance. Selon les données de DePIN Scan, à la date de mars 2025, ses utilisateurs actifs ont dépassé 2,5 millions.

Airdrop initial : Annonce du premier airdrop le 21 octobre 2024, distribution de 100 millions de jetons GRASS )10 % de l'offre totale ###, récompense pour les premiers utilisateurs.

Échange en ligne : le 28 octobre 2024, lancement sur une certaine plateforme d'échange, après 10 jours, le prix est passé de 0,6 $ à 3,89 $, augmentant régulièrement d'environ 5 fois.

État actuel : le projet continue de s'étendre, la deuxième phase des incitations à l'utilisation des utilisateurs est en cours ; une application mobile Android et iPhone est prévue pour augmenter l'échelle du réseau et la participation des utilisateurs.

( 2.3 État de l'équipe

Selon les données de Rootdata, Grass a été développé par Wynd Labs, dont le fondateur est Andrej Radonjic, qui est le PDG de Wynd Labs, titulaire d'un master en mathématiques et statistiques de l'Université de York et d'un baccalauréat en physique de l'ingénierie de l'Université McMaster.

Les membres de l'équipe viennent tous de Wynd Labs, se concentrant sur le développement de technologies blockchain et AI, avec une expérience dans les domaines concernés. Cependant, les informations spécifiques sur les membres n'ont pas été largement divulguées, seule l'identité de Radonjic a été révélée.

Selon Tracxn, Wynd Labs a été fondée en 2022, et son produit phare est Grass.

Le background de l'équipe montre une expertise dans les domaines de la blockchain et de l'IA, mais un manque de transparence de l'information pourrait affecter la confiance des investisseurs et des utilisateurs. L'expérience de Radonjic apporte de la crédibilité au projet, mais l'anonymat des autres membres pourrait susciter des inquiétudes.

) 2.4 Financement et partenaires importants

Investisseurs et soutien

Phase de financement par capital-risque : 350 000 dollars de financement par capital-risque achevé en 2023, dirigé par Polychain Capital et Tribe Capital. Selon Rootdata, le total des financements après la phase de financement par capital-risque atteint 450 000 dollars, y compris la phase de financement avant le capital-risque dirigée par No Limit Holdings.

Série A de financement : La série A de financement a été complétée en septembre 2024, dirigée par HackVC, avec la participation de Polychain, Delphi, Lattice et Brevan Howard, le montant n'a pas été divulgué.

Investisseurs soutenant : HackVC, Polychain, Delphi, Lattice et Brevan Howard sont tous des investisseurs relativement connus dans l'industrie. Obtenir leur soutien montre également la reconnaissance du projet dans le secteur.

Partenaire

Plateforme de blockchain : construite sur le réseau Solana, le projet utilise la haute performance et l'évolutivité de Solana.

Aucune collaboration spécifique avec des entreprises d'IA ou d'autres projets n'a encore été mentionnée, mais l'écosystème du réseau Solana pourrait offrir des opportunités de collaboration à l'avenir.

3. Analyse technique du projet

Grass tente de redistribuer la valeur des données des grandes entreprises technologiques aux utilisateurs ordinaires.

Le réseau de nœuds dans l'architecture technique de Grass, l'innovation dans le traitement des ZKP et le livre de données, ces trois éléments forment un flux de travail en boucle fermée, décentralisant toute la chaîne, de la collecte à la validation, puis à la livraison, soutenant ainsi efficacement sa vision décentralisée.

Cependant, il est nécessaire de résoudre les opérations centralisées actuelles, et il faut suivre si la mise en œuvre technique peut se dérouler sans accroc.

3.1 Architecture technique principale : Sovereign Data Rollup

Grass construit le premier agrégat de données souveraines. Il simplifie l'acquisition et la conversion des données grâce à un réseau de nœuds Grass répartis dans le monde, permettant ainsi un accès structuré aux données Web AI. L'infrastructure est soutenue par un Rollup de données dédié sur Solana, conçu pour gérer l'ensemble du cycle de vie des données - provenance, traitement, validation et construction de jeux de données. L'architecture s'articule autour des composants suivants :

Décomposer l'architecture technique de Grass