Cryptoactifs et intelligence artificielle : une nouvelle tendance
Au cours du dernier mois, trois changements de tendance notables ont émergé dans le domaine de la fusion entre les cryptoactifs et l'intelligence artificielle :
Les projets commencent à se concentrer davantage sur la performance réelle et les données, plutôt que de se fier uniquement à un emballage conceptuel.
L'accent est mis sur des domaines verticaux spécifiques, les applications d'IA spécialisées remplacent l'IA généraliste.
Les investisseurs sont davantage préoccupés par la validation des modèles commerciaux, et les projets avec des flux de trésorerie sont plus prisés.
Voici quelques projets dignes d'intérêt et leur analyse :
Plateforme d'évaluation de modèles d'IA décentralisée
La plateforme évalue plus de 500 grands modèles d'IA par le biais d'un système de crowdsourcing. Les utilisateurs peuvent obtenir des récompenses en espèces en fournissant des retours, chaque 1000 points pouvant être échangés contre 1 dollar. Ce projet a attiré des entreprises comme OpenAI pour acheter des données, créant ainsi un flux de revenus réel.
Ce modèle commercial est relativement clair, ne dépendant pas uniquement du gaspillage d'argent. Cependant, prévenir les comportements de fraude est un grand défi, nécessitant une optimisation continue des algorithmes de défense contre les attaques de sorcellerie. Compte tenu de l'échelle de financement de 33 millions de dollars, les investisseurs semblent clairement privilégier les projets qui ont déjà prouvé leur rentabilité.
Réseau de calcul AI décentralisé
Ce projet a obtenu une certaine reconnaissance sur le marché dans le domaine DePIN de Solana grâce à une extension de navigateur. Les membres de l'équipe proviennent de projets renommés tels que Helium. Ils ont récemment lancé un nouveau protocole de transmission de données et un moteur d'inférence, réalisant des progrès substantiels en matière de calcul en périphérie et de vérifiabilité des données, capable de réduire la latence de 40 % et de prendre en charge l'accès à des dispositifs hétérogènes.
La direction du projet s'aligne parfaitement avec la tendance de "découverte" de la localisation de l'IA. Cependant, lorsqu'il s'agit de traiter des tâches complexes, il est encore nécessaire de rivaliser en efficacité avec les plateformes centralisées, et la stabilité des nœuds de périphérie constitue également un défi. Néanmoins, le calcul en périphérie est à la fois le résultat de la concurrence de l'IA Web2 et un avantage de l'architecture distribuée de l'IA Web3, ce qui mérite d'être observé en termes de performances réelles et de mise en œuvre de produits spécifiques.
Plateforme d'infrastructure de données AI décentralisée
Cette plateforme incite les utilisateurs du monde entier à contribuer des données dans de nombreux domaines grâce à des jetons, notamment dans les domaines de la santé, de la conduite autonome et de la voix. À ce jour, les revenus cumulés dépassent 14 millions de dollars et un réseau de contributeurs de données de plusieurs millions a été établi.
Techniquement, la plateforme intègre des preuves à divulgation nulle de connaissance et un algorithme de consensus tolérant aux pannes byzantines pour garantir la qualité des données, et utilise des techniques de calcul sur la vie privée pour répondre aux exigences de conformité. Ils ont également lancé des dispositifs de collecte d'ondes cérébrales, étendant leurs activités du domaine logiciel au domaine matériel. Le modèle économique est bien conçu, les utilisateurs peuvent gagner 16 dollars et 500 000 points en effectuant 10 heures d'annotation vocale, et le coût des services de données pour les entreprises peut être réduit de 45 %.
La plus grande valeur de ce projet réside dans sa capacité à répondre à la véritable demande en matière de marquage de données pour l'IA, en particulier dans des domaines tels que la santé et la conduite autonome, où les exigences en matière de qualité des données et de conformité sont extrêmement élevées. Cependant, un taux d'erreur de 20 % reste supérieur à celui des plateformes traditionnelles, qui est de 10 %, et la variation de la qualité des données est un problème qui nécessite une solution continue. Bien qu'il y ait un potentiel d'imagination dans le domaine des interfaces cerveau-machine, la difficulté d'exécution n'est pas négligeable.
Réseau de puissance de calcul distribué sur la chaîne Solana
Ce projet agrège des ressources GPU inoccupées grâce à une technologie de découpage dynamique, soutenant l'inférence de grands modèles d'IA, à un coût 40 % inférieur à celui des services cloud traditionnels. Leur conception de transaction de données tokenisées transforme directement les contributeurs de puissance de calcul en parties prenantes, ce qui aide à inciter davantage de personnes à participer au réseau.
C'est un modèle typique de "ressources inutilisées agrégées", qui a du sens sur le plan logique. Cependant, un taux d'erreur de validation inter-chaînes de 15 % est effectivement trop élevé, et la stabilité technique doit encore être améliorée. Dans des scénarios comme le rendu 3D, où les exigences de temps réel ne sont pas élevées, ce projet présente effectivement des avantages. La clé est de réduire le taux d'erreur, sinon même le meilleur modèle commercial sera affecté par des problèmes techniques.
Plateforme de trading haute fréquence de cryptoactifs alimentée par l'IA
La plateforme utilise des technologies avancées pour optimiser dynamiquement les chemins de transaction, réduire le glissement, et a mesuré une augmentation de l'efficacité de 30 %. Elle s'inscrit dans la tendance du financement par agents intelligents (AgentFi) et a trouvé un point d'entrée dans le segment relativement vide du trading quantitatif DeFi, répondant ainsi à la demande du marché.
Il n'y a pas de problème dans cette direction, la finance décentralisée a effectivement besoin d'outils de trading plus intelligents. Cependant, le trading haute fréquence exige des délais et une précision très élevés, et la synergie en temps réel entre la prévision par IA et l'exécution sur la chaîne nécessite encore une validation supplémentaire. De plus, les attaques sur la valeur maximale pouvant être extraite (MEV) représentent un risque majeur, nécessitant le renforcement des mesures de protection technique.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
15 J'aime
Récompense
15
5
Partager
Commentaire
0/400
CryptoNomics
· 07-21 21:46
*sigh* p(success) = tokenomics * sqrt(ai_competency), pourtant ces projets manquent de modélisation stochastique de base
Tendances émergentes de la fusion de l'IA et des cryptoactifs : de la conception à la mise en œuvre, l'essor des applications professionnelles
Cryptoactifs et intelligence artificielle : une nouvelle tendance
Au cours du dernier mois, trois changements de tendance notables ont émergé dans le domaine de la fusion entre les cryptoactifs et l'intelligence artificielle :
Voici quelques projets dignes d'intérêt et leur analyse :
Plateforme d'évaluation de modèles d'IA décentralisée
La plateforme évalue plus de 500 grands modèles d'IA par le biais d'un système de crowdsourcing. Les utilisateurs peuvent obtenir des récompenses en espèces en fournissant des retours, chaque 1000 points pouvant être échangés contre 1 dollar. Ce projet a attiré des entreprises comme OpenAI pour acheter des données, créant ainsi un flux de revenus réel.
Ce modèle commercial est relativement clair, ne dépendant pas uniquement du gaspillage d'argent. Cependant, prévenir les comportements de fraude est un grand défi, nécessitant une optimisation continue des algorithmes de défense contre les attaques de sorcellerie. Compte tenu de l'échelle de financement de 33 millions de dollars, les investisseurs semblent clairement privilégier les projets qui ont déjà prouvé leur rentabilité.
Réseau de calcul AI décentralisé
Ce projet a obtenu une certaine reconnaissance sur le marché dans le domaine DePIN de Solana grâce à une extension de navigateur. Les membres de l'équipe proviennent de projets renommés tels que Helium. Ils ont récemment lancé un nouveau protocole de transmission de données et un moteur d'inférence, réalisant des progrès substantiels en matière de calcul en périphérie et de vérifiabilité des données, capable de réduire la latence de 40 % et de prendre en charge l'accès à des dispositifs hétérogènes.
La direction du projet s'aligne parfaitement avec la tendance de "découverte" de la localisation de l'IA. Cependant, lorsqu'il s'agit de traiter des tâches complexes, il est encore nécessaire de rivaliser en efficacité avec les plateformes centralisées, et la stabilité des nœuds de périphérie constitue également un défi. Néanmoins, le calcul en périphérie est à la fois le résultat de la concurrence de l'IA Web2 et un avantage de l'architecture distribuée de l'IA Web3, ce qui mérite d'être observé en termes de performances réelles et de mise en œuvre de produits spécifiques.
Plateforme d'infrastructure de données AI décentralisée
Cette plateforme incite les utilisateurs du monde entier à contribuer des données dans de nombreux domaines grâce à des jetons, notamment dans les domaines de la santé, de la conduite autonome et de la voix. À ce jour, les revenus cumulés dépassent 14 millions de dollars et un réseau de contributeurs de données de plusieurs millions a été établi.
Techniquement, la plateforme intègre des preuves à divulgation nulle de connaissance et un algorithme de consensus tolérant aux pannes byzantines pour garantir la qualité des données, et utilise des techniques de calcul sur la vie privée pour répondre aux exigences de conformité. Ils ont également lancé des dispositifs de collecte d'ondes cérébrales, étendant leurs activités du domaine logiciel au domaine matériel. Le modèle économique est bien conçu, les utilisateurs peuvent gagner 16 dollars et 500 000 points en effectuant 10 heures d'annotation vocale, et le coût des services de données pour les entreprises peut être réduit de 45 %.
La plus grande valeur de ce projet réside dans sa capacité à répondre à la véritable demande en matière de marquage de données pour l'IA, en particulier dans des domaines tels que la santé et la conduite autonome, où les exigences en matière de qualité des données et de conformité sont extrêmement élevées. Cependant, un taux d'erreur de 20 % reste supérieur à celui des plateformes traditionnelles, qui est de 10 %, et la variation de la qualité des données est un problème qui nécessite une solution continue. Bien qu'il y ait un potentiel d'imagination dans le domaine des interfaces cerveau-machine, la difficulté d'exécution n'est pas négligeable.
Réseau de puissance de calcul distribué sur la chaîne Solana
Ce projet agrège des ressources GPU inoccupées grâce à une technologie de découpage dynamique, soutenant l'inférence de grands modèles d'IA, à un coût 40 % inférieur à celui des services cloud traditionnels. Leur conception de transaction de données tokenisées transforme directement les contributeurs de puissance de calcul en parties prenantes, ce qui aide à inciter davantage de personnes à participer au réseau.
C'est un modèle typique de "ressources inutilisées agrégées", qui a du sens sur le plan logique. Cependant, un taux d'erreur de validation inter-chaînes de 15 % est effectivement trop élevé, et la stabilité technique doit encore être améliorée. Dans des scénarios comme le rendu 3D, où les exigences de temps réel ne sont pas élevées, ce projet présente effectivement des avantages. La clé est de réduire le taux d'erreur, sinon même le meilleur modèle commercial sera affecté par des problèmes techniques.
Plateforme de trading haute fréquence de cryptoactifs alimentée par l'IA
La plateforme utilise des technologies avancées pour optimiser dynamiquement les chemins de transaction, réduire le glissement, et a mesuré une augmentation de l'efficacité de 30 %. Elle s'inscrit dans la tendance du financement par agents intelligents (AgentFi) et a trouvé un point d'entrée dans le segment relativement vide du trading quantitatif DeFi, répondant ainsi à la demande du marché.
Il n'y a pas de problème dans cette direction, la finance décentralisée a effectivement besoin d'outils de trading plus intelligents. Cependant, le trading haute fréquence exige des délais et une précision très élevés, et la synergie en temps réel entre la prévision par IA et l'exécution sur la chaîne nécessite encore une validation supplémentaire. De plus, les attaques sur la valeur maximale pouvant être extraite (MEV) représentent un risque majeur, nécessitant le renforcement des mesures de protection technique.