استعرضنا العديد من المشاريع الساخنة في مجال Crypto+AI خلال الشهر الماضي، ووجدنا ثلاثة تغيرات بارزة في الاتجاهات، مع تقديم موجز عن المشاريع وتعليقات.
المسار الفني للمشروع أصبح أكثر واقعية، وبدأ التركيز على بيانات الأداء بدلاً من التعبئة المفاهيمية الخالصة؛
تقسيم المشهد إلى فئات متخصصة يصبح محور التوسع، والذكاء الاصطناعي العام يتراجع لصالح الذكاء الاصطناعي المتخصص؛
رأس المال يهتم أكثر بتأكيد نموذج العمل، والمشاريع التي لديها تدفقات نقدية تحظى بوضوح بقبول أكبر;
مرفق: مقدمة المشروع، تحليل النقاط البارزة، تقييم شخصي:
1 ، @yupp \ _ai
نبذة عن المشروع: منصة تقييم نماذج الذكاء الاصطناعي اللامركزية، أكملت الجولة الأولية بمبلغ 33 مليون دولار في يونيو، بقيادة a16z، وشارك جيف دين.
تحليل النقاط البارزة: تطبيق ميزة الحكم الذاتي البشري على نقاط الضعف في تقييم الذكاء الاصطناعي. من خلال الحشد البشري، يتم تقييم أكثر من 500 نموذج كبير، ويمكن استبدال ملاحظات المستخدمين بالنقد (1000 نقطة = 1 دولار)، مما جذب شركات مثل OpenAI لشراء البيانات، مما يخلق تدفقًا نقديًا حقيقيًا.
تقييم شخصي: المشروع ذو نموذج تجاري واضح نسبيًا، وليس نموذج حرق أموال بحت. ولكن منع الاحتيال هو تحدٍ كبير، ويجب تحسين خوارزمية مكافحة هجمات الساحرات بشكل مستمر. لكن من خلال حجم التمويل البالغ 33 مليون دولار، يتضح أن رأس المال يولي أهمية أكبر للمشاريع التي لديها إثبات على تحقيق العوائد.
2 ، @Gradient \ _HQ
مقدمة المشروع: شبكة حسابات AI اللامركزية، تم إكمال جولة التمويل الأولية بمبلغ 10 ملايين دولار في يونيو، قادها بانtera كابيتال ومالتي كوين كابيتال.
تحليل النقاط البارزة: بفضل ملحق متصفح Sentry Nodes، أصبح هناك توافق سوقي معين في مجال DePIN الخاص بـ Solana، حيث يأتي أعضاء الفريق من Helium وغيرها، وقد تم إطلاق بروتوكول نقل البيانات Lattica ومحرك الاستدلال Parallax، وقد تم القيام باستكشافات جوهرية في مجال الحوسبة الطرفية وقابلية التحقق من البيانات، مما يمكن من تقليل الكمون بنسبة 40%، ويدعم الاتصال بالأجهزة المتنوعة.
تقييم شخصي: الاتجاه صحيح، فهو يتماشى تمامًا مع اتجاه "تراجع" التوطين في الذكاء الاصطناعي. لكن عند التعامل مع المهام المعقدة، يجب مقارنة الكفاءة مع المنصات المركزية، واستقرار العقد الطرفية لا يزال يمثل مشكلة. ومع ذلك، فإن الحوسبة الطرفية هي حاجة جديدة ناتجة عن المنافسة في web2AI، وهي أيضًا ميزة الإطار الموزع في web3AI، وأتطلع إلى دفع المنتجات المحددة التي تتمتع بأداء فعلي نحو التنفيذ.
3 、 @PublicAI _
نبذة عن المشروع: منصة بنية تحتية للبيانات الذكية اللامركزية، من خلال تحفيز المستخدمين العالميين على المساهمة في بيانات متعددة المجالات (الرعاية الصحية، القيادة الذاتية، الصوتيات، وغيرها)، جُمعت إيرادات تجاوزت 14 مليون دولار، وتم إنشاء شبكة تضم مليون مساهم في البيانات.
تحليل النقاط البارزة: تقنيًا، يدمج ZK التحقق مع خوارزمية توافق BFT لضمان جودة البيانات، كما استخدم تقنية حساب الخصوصية Amazon Nitro Enclaves لتلبية متطلبات الامتثال. من المثير للاهتمام أنه تم إطلاق جهاز HeadCap لجمع موجات الدماغ، مما يعتبر توسعًا من البرمجيات إلى الأجهزة. كما أن النموذج الاقتصادي مصمم بشكل جيد، حيث يمكن للمستخدم كسب 16 دولارًا + 500,000 نقطة مقابل 10 ساعات من التمييز الصوتي، بينما يمكن أن تنخفض تكلفة خدمات البيانات التي تشترك فيها الشركات بنسبة 45%.
التعليق الشخصي: أشعر أن القيمة الكبرى لهذا المشروع تكمن في الوصول إلى الطلب الحقيقي على توضيح بيانات الذكاء الاصطناعي، خاصة في مجالات الرعاية الصحية والقيادة الذاتية التي تتطلب جودة بيانات عالية ومتطلبات امتثال صارمة. ومع ذلك، فإن معدل الخطأ بنسبة 20% لا يزال أعلى قليلاً من 10% في المنصات التقليدية، وتقلب جودة البيانات هو مشكلة تحتاج إلى حل مستمر. مجال واجهات الدماغ والآلة لديه مساحة تخيل كبيرة، لكن صعوبة التنفيذ ليست صغيرة.
4 ، @sparkchainai
مقدمة المشروع: شبكة حوسبة موزعة على سلسلة سولانا، أكملت تمويلًا بقيمة 10.8 مليون دولار في يونيو، بقيادة OakStone Ventures.
تحليل النقاط البارزة: من خلال تقنية التجزئة الديناميكية، يتم تجميع موارد GPU غير المستخدمة، مما يدعم استدلال نماذج كبيرة مثل Llama3-405B، بتكلفة أقل بنسبة 40% من AWS. تصميم تداول البيانات المرمّزة مثير للاهتمام، حيث يحول مباشرة المساهمين في قوة الحوسبة إلى أصحاب مصلحة، مما يحفز المزيد من الأشخاص على المشاركة في الشبكة.
التقييم الشخصي: نموذج "تجميع الموارد غير المستغلة" النموذجي، منطقياً يبدو معقولاً. لكن معدل خطأ التحقق عبر السلاسل البالغ 15% مرتفع جداً، ويجب تحسين الاستقرار الفني. ومع ذلك، في مشاهد عرض ثلاثي الأبعاد التي لا تتطلب استجابة فورية، هناك ميزة بالفعل، والمفتاح هو ما إذا كان يمكن تقليل معدل الخطأ، وإلا فإن أفضل نماذج الأعمال ستتأثر بالمشكلات الفنية.
5 ، @olaxbt \ _terminal
نبذة عن المشروع: منصة تداول العملات المشفرة عالية التردد مدفوعة بالذكاء الاصطناعي، أكملت جولة تمويل أولية بقيمة 3.38 مليون دولار في يونيو، @ambergroup_io
القيادة.
تحليل النقاط البارزة: يمكن لتقنية MCP تحسين مسار التداول بشكل ديناميكي، وتقليل الانزلاق، وقد أظهرت الاختبارات زيادة في الكفاءة بنسبة 30%. تتماشى مع اتجاه #AgentFi، مما يعني أنها وجدت نقطة دخول في هذا المجال الفرعي الفارغ نسبيًا من تداول DeFi الكمي، مما يعد سدًا للاحتياجات السوقية.
تقييم شخصي: الاتجاه ليس فيه مشكلة، فـ DeFi تحتاج فعلاً إلى أدوات تداول أكثر ذكاءً. لكن التداول عالي التردد يتطلب دقة عالية وتأخير منخفض، ويجب التحقق من التوافق الفوري بين توقعات الذكاء الاصطناعي والتنفيذ على السلسلة. بالإضافة إلى ذلك، هجوم MEV يعد خطرًا كبيرًا، ويجب أن تتماشى التدابير التقنية الوقائية مع ذلك.
شاهد النسخة الأصلية
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
من خلال ثلاثة اتجاهات رئيسية تتمثل في التكنولوجيا، والسيناريو، ورأس المال، يتم تفسير المشاريع الجديدة المثيرة للذكاء الاصطناعي الحالية.
المؤلف: هاوتيان
استعرضنا العديد من المشاريع الساخنة في مجال Crypto+AI خلال الشهر الماضي، ووجدنا ثلاثة تغيرات بارزة في الاتجاهات، مع تقديم موجز عن المشاريع وتعليقات.
المسار الفني للمشروع أصبح أكثر واقعية، وبدأ التركيز على بيانات الأداء بدلاً من التعبئة المفاهيمية الخالصة؛
تقسيم المشهد إلى فئات متخصصة يصبح محور التوسع، والذكاء الاصطناعي العام يتراجع لصالح الذكاء الاصطناعي المتخصص؛
رأس المال يهتم أكثر بتأكيد نموذج العمل، والمشاريع التي لديها تدفقات نقدية تحظى بوضوح بقبول أكبر;
مرفق: مقدمة المشروع، تحليل النقاط البارزة، تقييم شخصي:
1 ، @yupp \ _ai
نبذة عن المشروع: منصة تقييم نماذج الذكاء الاصطناعي اللامركزية، أكملت الجولة الأولية بمبلغ 33 مليون دولار في يونيو، بقيادة a16z، وشارك جيف دين.
تحليل النقاط البارزة: تطبيق ميزة الحكم الذاتي البشري على نقاط الضعف في تقييم الذكاء الاصطناعي. من خلال الحشد البشري، يتم تقييم أكثر من 500 نموذج كبير، ويمكن استبدال ملاحظات المستخدمين بالنقد (1000 نقطة = 1 دولار)، مما جذب شركات مثل OpenAI لشراء البيانات، مما يخلق تدفقًا نقديًا حقيقيًا.
تقييم شخصي: المشروع ذو نموذج تجاري واضح نسبيًا، وليس نموذج حرق أموال بحت. ولكن منع الاحتيال هو تحدٍ كبير، ويجب تحسين خوارزمية مكافحة هجمات الساحرات بشكل مستمر. لكن من خلال حجم التمويل البالغ 33 مليون دولار، يتضح أن رأس المال يولي أهمية أكبر للمشاريع التي لديها إثبات على تحقيق العوائد.
2 ، @Gradient \ _HQ
مقدمة المشروع: شبكة حسابات AI اللامركزية، تم إكمال جولة التمويل الأولية بمبلغ 10 ملايين دولار في يونيو، قادها بانtera كابيتال ومالتي كوين كابيتال.
تحليل النقاط البارزة: بفضل ملحق متصفح Sentry Nodes، أصبح هناك توافق سوقي معين في مجال DePIN الخاص بـ Solana، حيث يأتي أعضاء الفريق من Helium وغيرها، وقد تم إطلاق بروتوكول نقل البيانات Lattica ومحرك الاستدلال Parallax، وقد تم القيام باستكشافات جوهرية في مجال الحوسبة الطرفية وقابلية التحقق من البيانات، مما يمكن من تقليل الكمون بنسبة 40%، ويدعم الاتصال بالأجهزة المتنوعة.
تقييم شخصي: الاتجاه صحيح، فهو يتماشى تمامًا مع اتجاه "تراجع" التوطين في الذكاء الاصطناعي. لكن عند التعامل مع المهام المعقدة، يجب مقارنة الكفاءة مع المنصات المركزية، واستقرار العقد الطرفية لا يزال يمثل مشكلة. ومع ذلك، فإن الحوسبة الطرفية هي حاجة جديدة ناتجة عن المنافسة في web2AI، وهي أيضًا ميزة الإطار الموزع في web3AI، وأتطلع إلى دفع المنتجات المحددة التي تتمتع بأداء فعلي نحو التنفيذ.
3 、 @PublicAI _
نبذة عن المشروع: منصة بنية تحتية للبيانات الذكية اللامركزية، من خلال تحفيز المستخدمين العالميين على المساهمة في بيانات متعددة المجالات (الرعاية الصحية، القيادة الذاتية، الصوتيات، وغيرها)، جُمعت إيرادات تجاوزت 14 مليون دولار، وتم إنشاء شبكة تضم مليون مساهم في البيانات.
تحليل النقاط البارزة: تقنيًا، يدمج ZK التحقق مع خوارزمية توافق BFT لضمان جودة البيانات، كما استخدم تقنية حساب الخصوصية Amazon Nitro Enclaves لتلبية متطلبات الامتثال. من المثير للاهتمام أنه تم إطلاق جهاز HeadCap لجمع موجات الدماغ، مما يعتبر توسعًا من البرمجيات إلى الأجهزة. كما أن النموذج الاقتصادي مصمم بشكل جيد، حيث يمكن للمستخدم كسب 16 دولارًا + 500,000 نقطة مقابل 10 ساعات من التمييز الصوتي، بينما يمكن أن تنخفض تكلفة خدمات البيانات التي تشترك فيها الشركات بنسبة 45%.
التعليق الشخصي: أشعر أن القيمة الكبرى لهذا المشروع تكمن في الوصول إلى الطلب الحقيقي على توضيح بيانات الذكاء الاصطناعي، خاصة في مجالات الرعاية الصحية والقيادة الذاتية التي تتطلب جودة بيانات عالية ومتطلبات امتثال صارمة. ومع ذلك، فإن معدل الخطأ بنسبة 20% لا يزال أعلى قليلاً من 10% في المنصات التقليدية، وتقلب جودة البيانات هو مشكلة تحتاج إلى حل مستمر. مجال واجهات الدماغ والآلة لديه مساحة تخيل كبيرة، لكن صعوبة التنفيذ ليست صغيرة.
4 ، @sparkchainai
مقدمة المشروع: شبكة حوسبة موزعة على سلسلة سولانا، أكملت تمويلًا بقيمة 10.8 مليون دولار في يونيو، بقيادة OakStone Ventures.
تحليل النقاط البارزة: من خلال تقنية التجزئة الديناميكية، يتم تجميع موارد GPU غير المستخدمة، مما يدعم استدلال نماذج كبيرة مثل Llama3-405B، بتكلفة أقل بنسبة 40% من AWS. تصميم تداول البيانات المرمّزة مثير للاهتمام، حيث يحول مباشرة المساهمين في قوة الحوسبة إلى أصحاب مصلحة، مما يحفز المزيد من الأشخاص على المشاركة في الشبكة.
التقييم الشخصي: نموذج "تجميع الموارد غير المستغلة" النموذجي، منطقياً يبدو معقولاً. لكن معدل خطأ التحقق عبر السلاسل البالغ 15% مرتفع جداً، ويجب تحسين الاستقرار الفني. ومع ذلك، في مشاهد عرض ثلاثي الأبعاد التي لا تتطلب استجابة فورية، هناك ميزة بالفعل، والمفتاح هو ما إذا كان يمكن تقليل معدل الخطأ، وإلا فإن أفضل نماذج الأعمال ستتأثر بالمشكلات الفنية.
5 ، @olaxbt \ _terminal
نبذة عن المشروع: منصة تداول العملات المشفرة عالية التردد مدفوعة بالذكاء الاصطناعي، أكملت جولة تمويل أولية بقيمة 3.38 مليون دولار في يونيو، @ambergroup_io
القيادة.
تحليل النقاط البارزة: يمكن لتقنية MCP تحسين مسار التداول بشكل ديناميكي، وتقليل الانزلاق، وقد أظهرت الاختبارات زيادة في الكفاءة بنسبة 30%. تتماشى مع اتجاه #AgentFi، مما يعني أنها وجدت نقطة دخول في هذا المجال الفرعي الفارغ نسبيًا من تداول DeFi الكمي، مما يعد سدًا للاحتياجات السوقية.
تقييم شخصي: الاتجاه ليس فيه مشكلة، فـ DeFi تحتاج فعلاً إلى أدوات تداول أكثر ذكاءً. لكن التداول عالي التردد يتطلب دقة عالية وتأخير منخفض، ويجب التحقق من التوافق الفوري بين توقعات الذكاء الاصطناعي والتنفيذ على السلسلة. بالإضافة إلى ذلك، هجوم MEV يعد خطرًا كبيرًا، ويجب أن تتماشى التدابير التقنية الوقائية مع ذلك.