Dari tiga tren utama yaitu teknologi, skenario, dan modal, menginterpretasikan proyek AI baru yang sedang populer saat ini.

Penulis: Haotian

Menginventarisasi beberapa proyek populer di jalur Crypto+AI selama sebulan terakhir, ditemukan tiga perubahan tren yang signifikan, beserta pengantar dan ulasan singkat proyek tersebut:

1. Jalur teknologi proyek lebih praktis, mulai memperhatikan data kinerja daripada hanya kemasan konsep.

2. Segmentasi skenario vertikal menjadi fokus ekspansi, AI umum memberikan tempat bagi AI yang lebih spesifik;

3. Modal lebih memperhatikan verifikasi 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 senilai 33 juta dolar pada bulan Juni, dipimpin oleh a16z, dengan partisipasi Jeff Dean.

Analisis Sorotan: Mengaplikasikan keunggulan penilaian subjektif manusia pada kekurangan evaluasi AI. Melalui pengumpulan data secara manual, memberikan penilaian kepada 500+ model besar, umpan balik pengguna dapat ditukarkan 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 murni model pembakaran uang. Namun, pencegahan pemesanan palsu adalah tantangan besar, algoritma anti-serangan penyihir perlu dioptimalkan terus-menerus. Namun, melihat skala pendanaan sebesar 33 juta dolar AS, modal jelas lebih memperhatikan proyek yang memiliki verifikasi monetisasi.

2、 @Gradient_HQ

Deskripsi Proyek: Jaringan komputasi AI terdesentralisasi, menyelesaikan putaran benih sebesar 10 juta USD 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 transmisi data Lattica dan mesin inferensi Parallax, telah melakukan eksplorasi substansial dalam komputasi tepi dan verifikasi data, dapat mengurangi latensi sebesar 40%, mendukung akses perangkat heterogen.

Ulasan Pribadi: Arah yang tepat, tepat pada tren "penurunan" lokalisasi AI. Namun, untuk menangani tugas yang kompleks, harus dibandingkan dengan efisiensi platform terpusat, stabilitas node tepi masih menjadi masalah. Namun, komputasi tepi adalah kebutuhan baru yang muncul dari persaingan dalam web2AI dan juga merupakan keunggulan kerangka terdistribusi web3AI, optimis terhadap produk konkret yang mendorong implementasi melalui kinerja nyata.

3、 @PublicAI_

Deskripsi Proyek: Platform infrastruktur data AI terdesentralisasi, yang mendorong pengguna global untuk menyumbangkan data dari berbagai bidang (kesehatan, mobil otonom, suara, dll) melalui insentif token, dengan total pendapatan lebih dari 14 juta dolar AS, dan telah membangun jaringan kontributor data dengan jumlah jutaan.

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 pengumpul gelombang otak HeadCap, yang merupakan perluasan dari perangkat lunak ke perangkat keras. Model ekonomi juga dirancang dengan baik, pengguna dapat menghasilkan 16 dolar + 500.000 poin untuk 10 jam penandaan suara, sementara biaya layanan data untuk perusahaan dapat turun 45%.

Ulasan Pribadi: Saya merasa nilai terbesar dari proyek ini adalah memenuhi kebutuhan nyata untuk penandaan data AI, terutama di bidang medis dan mengemudi otomatis yang memiliki persyaratan kualitas data dan kepatuhan yang sangat tinggi. Namun, tingkat kesalahan 20% masih lebih tinggi dibandingkan dengan platform tradisional yang hanya 10%, fluktuasi kualitas data adalah masalah yang perlu terus diselesaikan. Arah antarmuka otak-mesin memiliki ruang imajinasi yang cukup, tetapi tingkat kesulitannya juga tidak kecil.

4、 @sparkchainai

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

Analisis Sorotan: Menggunakan teknologi sharding dinamis untuk menggabungkan 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 juga memotivasi lebih banyak orang untuk berpartisipasi dalam jaringan.

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

5、 @olaxbt_terminal

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

Memimpin investasi.

Analisis Sorotan: Teknologi MCP dapat secara dinamis mengoptimalkan jalur perdagangan, mengurangi slippage, dan meningkatkan efisiensi sebesar 30% dalam pengujian. Menyusul tren #AgentFi, ini dianggap sebagai titik masuk dalam bidang perdagangan kuantitatif DeFi yang relatif kosong, dianggap memenuhi permintaan pasar.

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