Огляд останніх популярних проектів Crypto+AI, ці три тенденції змінюються помітно

Сегментація за категоріями стає фокусом розширення, універсальний ШІ поступається місцем спеціалізованому ШІ.

Автор: Haotian

Огляд кількох популярних проєктів у секторі Crypto+AI за минулий місяць виявив три помітні зміни в трендах, а також короткий опис проєктів і коментарі:

1. Технічний шлях проекту став більш практичним, почали звертати увагу на дані продуктивності, а не на чисту концептуальну упаковку;

2. Сегментація нішевих сцен стає фокусом для розширення, універсальний ШІ поступається місцем спеціалізованому ШІ;

3. Капітал більше цінує верифікацію бізнес-моделей, проекти з грошовим потоком явно користуються більшим попитом;

Додаток: Огляд проекту, аналіз переваг, особисті коментарі:

1、 @yupp_ai

Опис проекту: децентралізована платформа оцінки AI моделей, у червні завершено раунд фінансування на суму 33 мільйони доларів, лідером якого став a16z, а Jeff Dean також взяв участь.

Аналіз переваг: застосувати суб'єктивну оцінку людини до слабких місць оцінки ШІ. За допомогою краудсорсингу оцінити більше 500 великих моделей, зворотній зв'язок користувачів може бути конвертований у готівку (1000 балів = 1 долар), що вже привернуло увагу таких компаній, як OpenAI, для закупівлі даних, що забезпечує реальний грошовий потік.

Особистий огляд: Проект з відносно зрозумілою бізнес-моделлю, це не просто модель, що спалює гроші. Але боротьба з фальшивими замовленнями є великою проблемою, алгоритм проти відьом необхідно постійно вдосконалювати. Але з огляду на обсяг фінансування в 33 мільйони доларів, капітал явно більше цінує проекти з підтвердженим монетизаційним потенціалом.

2、 @Gradient_HQ

Опис проекту: децентралізована мережа обчислень на основі штучного інтелекту, у червні завершено посівний раунд на 10 мільйонів доларів, ведучими інвесторами стали Pantera Capital та Multicoin Capital.

Аналіз основних моментів: завдяки плагіну браузера Sentry Nodes вже існує певна ринкова консенсус в галузі Solana DePIN, учасники команди походять з Helium тощо. Нещодавно було представлено протокол передачі даних Lattica та двигун висновків Parallax, які здійснили суттєві дослідження в області крайових обчислень та верифікації даних, що може знизити затримки на 40% та підтримувати підключення гетерогенних пристроїв.

Особистий відгук: Напрямок правильний, якраз потрапляє в тенденцію «заглиблення» локалізації штучного інтелекту. Але при виконанні складних завдань потрібно порівнювати ефективність з централізованими платформами, стабільність країв все ще є проблемою. Проте, крайні обчислення є новою вимогою, яка виникла внаслідок внутрішньої конкуренції web2AI, і це є перевагою розподіленої архітектури web3AI. Сподіваюся, що конкретні продукти, які демонструють реальну продуктивність, допоможуть реалізувати цю ідею.

3、 @PublicAI_

Опис проекту: децентралізована платформа інфраструктури даних AI, що стимулює глобальних користувачів вносити дані з різних областей (медицина, автономне водіння, голос тощо) через токенізацію, з загальним доходом понад 14 мільйонів доларів, створивши мережу з мільйонами учасників, які вносять дані.

Аналіз основних моментів: технічно інтегровано ZK перевірку та BFT консенсусний алгоритм для забезпечення якості даних, також використано технологію приватних обчислень Amazon Nitro Enclaves для виконання вимог щодо відповідності. Досить цікаво, що було представлено пристрій для збору електроенцефалограми HeadCap, що є розширенням від програмного забезпечення до апаратного забезпечення. Економічна модель також добре спроектована: користувач може заробити 16 доларів + 500 тисяч балів за 10 годин голосового маркування, а витрати підприємств на підписку на дані можуть знизитись на 45%.

Особистий відгук: Вважаю, що найбільша цінність цього проекту полягає в реальному попиті на позначення даних за допомогою ШІ, особливо в таких сферах, як медицина та автономне водіння, де вимоги до якості даних та відповідності є надзвичайно високими. Однак 20% рівень помилок все ж вищий, ніж 10% на традиційних платформах, коливання якості даних є проблемою, яку потрібно постійно вирішувати. Напрямок мозкових-комп'ютерних інтерфейсів має великий потенціал, але також має не малу складність у виконанні.

4、 @sparkchainai

Опис проекту: Розподілена обчислювальна мережа на ланцюгу Solana, у червні завершила фінансування на 10,8 мільйона доларів, яке очолила OakStone Ventures.

Аналіз переваг: агрегування невикористаних ресурсів GPU за допомогою технології динамічного шардінгу підтримує інференцію великих моделей, таких як Llama3-405B, з вартістю на 40% нижчою за AWS. Дизайн токенізованої торгівлі даними досить цікавий, оскільки безпосередньо перетворює внесок обчислювальних потужностей на зацікавлені сторони та може заохочувати більше людей брати участь у мережі.

Особистий коментар: типовий режим «агрегації бездіяльних ресурсів», логічно зрозумілий. Але 15% помилок перевірки між ланцюгами дійсно трохи високий, технічна стабільність ще потребує вдосконалення. Однак у випадках 3D рендерингу, де вимоги до реального часу не є надто високими, це дійсно має переваги; головне, чи зможуть знизити рівень помилок, інакше навіть найкраща бізнес-модель може постраждати від технічних проблем.

5、 @olaxbt_terminal

Опис проекту: AI-орієнтована платформа для високочастотної торгівлі криптовалютою, у червні завершила раунд посівного фінансування на 3,38 мільйона доларів, @ambergroup_io

Лідируюча інвестиція.

Аналіз ключових моментів: технологія MCP може динамічно оптимізувати торгові маршрути, зменшуючи сліпі втрати, в реальних тестах ефективність зросла на 30%. Відповідаючи на тренд #AgentFi, це можна вважати точкою входу в цей відносно порожній сегмент DeFi квантової торгівлі, що заповнює потреби ринку.

Особистий коментар: напрямок правильний, DeFi дійсно потребує більш розумних торгових інструментів. Але високочастотна торгівля має дуже високі вимоги до затримки та точності, потрібно ще перевірити реальну координацію між AI-прогнозами та виконанням в мережі. Крім того, атаки MEV є великою небезпекою, і технічні засоби захисту повинні бути на рівні.