Исходя из трех основных тенденций: технологий, сценариев и капитала, анализируем актуальные новые проекты в области ИИ.

Автор: Haotian

Проанализировав несколько популярных проектов в области Crypto+AI за последний месяц, были выявлены три заметных изменения тенденций, а также краткое введение и комментарии к проектам:

1. Технический путь проекта стал более практичным, началось внимание к показателям производительности, а не к чистой концептуальной упаковке;

2. Сегментация по вертикалям становится фокусом расширения, универсальный ИИ уступает место специализированному ИИ;

3. Капитал больше ценит подтверждение бизнес-модели, проекты с денежным потоком явно более предпочтительны;

Приложение: описание проекта, анализ основных моментов, личная оценка:

1、 @yupp_ai

Описание проекта: децентрализованная платформа оценки ИИ-моделей, в июне завершила раунд посевного финансирования на сумму 33 миллиона долларов, возглавляемый a16z, с участием Джеффа Дина.

Анализ основных моментов: применение человеческого субъективного преимущества в оценке слабых мест ИИ. Оценка более 500 крупных моделей через краудсорсинг, пользователи могут обменивать отзывы на наличные деньги (1000 баллов = 1 доллар), уже привлекли компании, такие как OpenAI, для закупки данных, имеется реальный денежный поток.

Личное мнение: проект с относительно ясной бизнес-моделью, который не является чисто затратным. Однако борьба с фальшивыми заказами является большой проблемой, алгоритм противодействия атакам ведьм требует постоянной оптимизации. Но судя по масштабу финансирования в 33 миллиона долларов, капитал явно больше ценит проекты с проверкой на возможную монетизацию.

2、 @Gradient_HQ

Описание проекта: децентрализованная AI вычислительная сеть, завершившая раунд посевного финансирования в 10 миллионов долларов в июне, с Pantera Capital и Multicoin Capital в качестве ведущих инвесторов.

Анализ ключевых моментов: с помощью плагина браузера Sentry Nodes уже существует определенный рыночный консенсус в области DePIN на Solana, члены команды пришли из Helium и других компаний. Новый протокол передачи данных Lattica и движок вывода Parallax осуществили значительные исследования в области крайних вычислений и проверяемости данных, что позволяет снизить задержку на 40% и поддерживает подключение гетерогенных устройств.

Личное мнение: направление верное, как раз совпадает с тенденцией "углубления" локализации ИИ. Но при обработке сложных задач нужно сравнивать эффективность с централизованными платформами, стабильность краевых узлов все еще является проблемой. Тем не менее, краевые вычисления - это новая потребность, возникшая в результате внутренней конкуренции web2AI, и также преимущество распределенной структуры web3AI. Я надеюсь на продвижение конкретных продуктов с реальной производительностью.

3、 @PublicAI_

Описание проекта: децентрализованная AI инфраструктура данных, которая стимулирует пользователей по всему миру вносить многопрофильные данные (медицина, автономное вождение, голос и т.д.) через токены, совокупный доход превышает 14 миллионов долларов, создана сеть из миллиона контрибьюторов данных.

Анализ основных моментов: Техническая интеграция ZK-верификации и алгоритма консенсуса BFT обеспечивает качество данных, также использована технология конфиденциальных вычислений Amazon Nitro Enclaves для соблюдения требований комплаенса. Интересно, что был представлен устройство для сбора мозговых волн HeadCap, что можно считать расширением от программного обеспечения до аппаратного. Экономическая модель также хорошо разработана: пользователи могут заработать 16 долларов + 500 тысяч баллов за 10 часов голосовой разметки, а стоимость подписки на услуги данных для компаний может снизиться на 45%.

Личное мнение: Я считаю, что максимальная ценность этого проекта заключается в реальной потребности в маркировке данных с использованием ИИ, особенно в таких областях, как медицина и автономное вождение, где требования к качеству данных и соблюдению норм очень высоки. Однако 20% уровень ошибок все же выше, чем 10% на традиционных платформах, колебания качества данных - это проблема, которую нужно постоянно решать. Направление интерфейса «мозг-компьютер» имеет большой потенциал, но также и значительные сложности в реализации.

4. @sparkchainai

Описание проекта: распределенная вычислительная сеть на блокчейне Solana, завершившая финансирование в 10,8 миллиона долларов в июне, под руководством OakStone Ventures.

Анализ особенностей: агрегирование неиспользуемых ресурсов GPU с помощью технологии динамической шардирования поддерживает вывод больших моделей, таких как Llama3-405B, при стоимости на 40% ниже, чем у AWS. Дизайн токенизированной торговли данными весьма интересен, он напрямую превращает вкладчиков вычислительной мощности в заинтересованные стороны и может стимулировать большее количество людей участвовать в сети.

Личный комментарий: типичная модель "агрегации неиспользуемых ресурсов", логически объяснима. Но 15% ошибка в кросс-чейн верификации действительно слишком высока, техническая стабильность еще требует доработки. Тем не менее, в 3D-рендеринге, где требования к времени отклика не так высоки, это действительно имеет преимущества; ключевым моментом является возможность снизить уровень ошибок, иначе даже самая хорошая бизнес-модель будет страдать от технических проблем.

5、 @olaxbt_terminal

Описание проекта: AI-управляемая платформа высокочастотной торговли криптовалютой, завершившая раунд посевного финансирования в 3,38 миллиона долларов в июне, @ambergroup_io

Ведущий инвестиционный фонд.

Анализ ключевых моментов: технология MCP может динамически оптимизировать торговые пути, снижая проскальзывание, что в реальных тестах увеличивает эффективность на 30%. В соответствии с тенденцией #AgentFi, это можно считать точкой входа в относительно незаполненную нишу количественной торговли DeFi, что позволяет удовлетворить рыночный спрос.

Личный отзыв: Направление верное, DeFi действительно нуждается в более умных торговых инструментах. Но высокочастотная торговля предъявляет очень высокие требования к задержке и точности, необходимо проверить реальную согласованность AI-прогнозов и исполнения в цепочке. Кроме того, атаки MEV представляют собой большой риск, технические меры защиты должны идти в ногу.