Meninjau proyek Crypto+AI yang populer baru-baru ini, ketiga tren ini menunjukkan perubahan yang signifikan.

Segmentasi kategori menjadi fokus pengembangan, AI generik memberikan ruang bagi AI spesialis.

Penulis: Haotian

Membahas beberapa proyek populer di jalur Crypto+AI selama sebulan terakhir, ditemukan tiga perubahan tren yang signifikan, disertai dengan pengenalan singkat proyek dan komentar:

1）Jalur teknis proyek menjadi lebih pragmatis, mulai menekankan data kinerja daripada sekadar kemasan konsep murni;

2）Segmen vertikal menjadi fokus ekspansi, AI umum memberikan tempat kepada AI spesialis.

3. Modal lebih memperhatikan validasi model bisnis, proyek yang memiliki arus kas jelas lebih disukai;

Lampiran: Ringkasan Proyek, Analisis Sorotan, Ulasan Pribadi:

1、 @yupp_ai

Deskripsi Proyek: Platform evaluasi model AI terdesentralisasi, menyelesaikan putaran benih sebesar 33 juta dolar pada bulan Juni, dipimpin oleh a16z, dengan partisipasi Jeff Dean.

Analisis Sorotan: Menerapkan keunggulan penilaian subjektif manusia pada kekurangan evaluasi AI. Melalui crowdsourcing manusia, memberikan penilaian kepada lebih dari 500 model besar, umpan balik pengguna dapat ditukar dengan uang tunai (1000 poin = 1 dolar), telah menarik perusahaan seperti OpenAI untuk membeli data, dengan aliran kas yang nyata.

Ulasan pribadi: Proyek dengan model bisnis yang cukup jelas, bukan sekadar model bakar uang. Namun, mencegah penipuan pesanan adalah tantangan besar, dan algoritma anti-serangan penyihir perlu terus dioptimalkan. Namun, melihat skala pendanaan sebesar 33 juta dolar AS, jelas bahwa modal lebih memperhatikan proyek yang memiliki verifikasi monetisasi.

2、 @Gradient_HQ

Deskripsi Proyek: Jaringan komputasi AI terdesentralisasi, menyelesaikan putaran benih sebesar 10 juta dolar pada bulan Juni, dipimpin oleh Pantera Capital dan Multicoin Capital.

Analisis Sorotan: Dengan plugin browser Sentry Nodes, telah ada konsensus pasar tertentu di bidang DePIN Solana, anggota tim berasal dari Helium dan lainnya, baru saja meluncurkan protokol transfer data Lattica dan mesin inferensi Parallax, telah melakukan eksplorasi substantif dalam komputasi tepi dan verifikasi data, dapat mengurangi latensi sebesar 40%, mendukung akses perangkat heterogen.

Ulasan pribadi: Arah yang tepat, tepat berada di tren "penurunan" lokalisasi AI. Namun, dalam menangani tugas kompleks, harus dibandingkan dengan efisiensi platform terpusat, stabilitas node tepi masih menjadi masalah. Namun, komputasi tepi adalah kebutuhan baru yang muncul dari web2AI dan juga merupakan keunggulan kerangka terdistribusi web3AI, saya optimis akan kemajuan produk konkret dengan kinerja nyata.

3、 @PublicAI_

Deskripsi Proyek: Platform infrastruktur data AI terdesentralisasi, yang mendorong pengguna global untuk berkontribusi pada data berbagai bidang (medis, mengemudi otomatis, suara, dll) melalui insentif token, telah menghasilkan pendapatan lebih dari 14 juta dolar AS, dan telah membangun jaringan kontributor data dengan jumlah lebih dari satu juta.

Analisis Sorotan: Secara teknis mengintegrasikan ZK verifikasi dan algoritma konsensus BFT untuk memastikan kualitas data, serta menggunakan teknologi komputasi privasi Amazon Nitro Enclaves untuk memenuhi persyaratan kepatuhan. Menariknya, telah diluncurkan perangkat pengumpulan gelombang otak HeadCap, yang merupakan perluasan dari perangkat lunak ke perangkat keras. Model ekonomi juga dirancang dengan baik, pengguna dapat mendapatkan 16 dolar + 500 ribu poin untuk 10 jam penandaan suara, dan biaya layanan data berlangganan perusahaan dapat turun 45%.

Ulasan Pribadi: Saya merasa nilai terbesar dari proyek ini adalah kebutuhan nyata untuk penandaan data AI, terutama di bidang medis dan mengemudi otonom yang memiliki tuntutan kualitas data dan kepatuhan yang sangat tinggi. Namun, tingkat kesalahan 20% masih lebih tinggi dibandingkan dengan platform tradisional yang 10%, fluktuasi kualitas data adalah masalah yang perlu dipecahkan secara berkelanjutan. Arah antarmuka otak dan mesin memiliki ruang imajinasi yang cukup, tetapi tingkat kesulitan pelaksanaannya juga tidak kecil.

4、 @sparkchainai

Deskripsi Proyek: Jaringan komputasi terdistribusi di atas rantai Solana, berhasil mengumpulkan pendanaan sebesar 10,8 juta dolar AS pada bulan Juni, dipimpin oleh OakStone Ventures.

Analisis Sorotan: Melalui teknologi pemecahan dinamis untuk mengagregasi sumber daya GPU yang tidak terpakai, mendukung inferensi model besar seperti Llama3-405B, dengan biaya 40% lebih rendah dibandingkan AWS. Desain perdagangan data yang tertokenisasi cukup menarik, langsung mengubah kontributor daya komputasi menjadi pemangku kepentingan, dan dapat memotivasi lebih banyak orang untuk berpartisipasi dalam jaringan.

Ulasan pribadi: Ini adalah model "mengumpulkan sumber daya yang tidak terpakai" yang khas, secara logis masuk akal. Namun, tingkat kesalahan verifikasi lintas rantai sebesar 15% memang agak tinggi, kestabilan teknis masih perlu diperbaiki. Namun, dalam skenario rendering 3D yang tidak membutuhkan real-time yang tinggi, ini memang memiliki keunggulan, kuncinya adalah apakah dapat menurunkan tingkat kesalahan, jika tidak, bahkan model bisnis terbaik pun akan terhambat oleh masalah teknis.

5、 @olaxbt_terminal

Deskripsi Proyek: Platform perdagangan frekuensi tinggi cryptocurrency yang didorong oleh AI, menyelesaikan putaran benih sebesar 3,38 juta dolar pada bulan Juni, @ambergroup_io

Memimpin.

Analisis Poin Utama: Teknologi MCP dapat mengoptimalkan jalur perdagangan secara dinamis, mengurangi slippage, dan meningkatkan efisiensi hingga 30% dalam pengujian. Sesuai dengan tren #AgentFi, ini dapat dianggap sebagai titik masuk ke dalam ruang yang relatif kosong dalam perdagangan kuantitatif DeFi, yang mengisi kebutuhan pasar.

Ulasan Pribadi: Arah tidak masalah, DeFi memang membutuhkan alat perdagangan yang lebih cerdas. Namun, perdagangan frekuensi tinggi memiliki tuntutan yang sangat tinggi terhadap latensi dan akurasi, dan kolaborasi waktu nyata antara prediksi AI dan eksekusi di blockchain masih perlu divalidasi. Selain itu, serangan MEV adalah risiko besar, langkah-langkah perlindungan teknis harus mengikuti.