Rapport de recherche approfondie sur Grass : projets vedettes dans le domaine DePIN, ambitions de la banque de données AI

Résumé des points clés

• Comment Grass se démarque-t-il parmi de nombreux projets DePIN ?

Le cœur du modèle de minage gratuit sans seuil est que la base d'utilisateurs est essentielle, les autres facteurs ne font que multiplier.

Grass utilise une double dynamique "technologie + modèle" pour surmonter les barrières de l'industrie DePIN - en utilisant des preuves à connaissance nulle et l'architecture Solana Layer2 pour garantir l'authenticité des données, résolvant le problème des "données corrompues" dans l'industrie de l'IA ; en même temps, en adoptant le modèle "minage de bande passante → récompenses en points" pour transformer 2,5 millions d'utilisateurs en nœuds de données, formant un avantage écrasant du côté de l'offre.

L'explosion de la demande de données AI, la popularité de Solana et du secteur DePIN, ainsi que des stratégies opérationnelles raisonnables, ont établi la position de leader des projets DePIN de données AI.

• Quels facteurs clés doivent être pris en compte pour le développement futur de Grass ?

Vision à court terme de la mise en œuvre technologique : La transformation décentralisée pourra-t-elle être réalisée avec succès en 2025 ?

Validation de la demande à moyen terme: Taille des données achetées par les entreprises d'IA;

Jeux de conformité à long terme : règles de la confidentialité des données et de la propriété.

Le principal risque actuel est "la frénésie des tokens masque un vide de demande" - si à l'avenir, il n'est pas possible de réaliser une croissance massive des commandes des clients AI, un cycle commercial parfait pourrait se dégrader d'un cercle vertueux de "données - capital" en une bulle du côté de l'offre.

1. Contexte de l'industrie

DePIN intègre des ressources mondiales inutilisées grâce à des incitations par des tokens ( en puissance de calcul, stockage, et bande passante ), construisant un réseau d'infrastructure distribué ; en même temps, l'industrie de l'IA fait face à une pénurie structurelle de données, à des monopoles de géants, à des controverses sur la vie privée et à des îlots de données, ce qui entraîne 80 % de la valeur des données non libérée.

La concurrence future en IA est essentiellement un double jeu entre l'efficacité d'acquisition des données et la conformité éthique, et DePIN offre la solution technique optimale.

La nature disruptive de Grass réside dans la réalisation de la fusion de ces deux éléments.

1.1 DePIN : Reconfiguration des infrastructures au niveau mondial

Le réseau d'infrastructure physique décentralisé DePIN( est un nouveau modèle économique qui intègre des ressources physiques dispersées dans le monde entier telles que la puissance de calcul, le stockage, la bande passante, l'énergie, etc., grâce à la technologie blockchain.

La logique fondamentale repose sur : l'incitation par des tokens pour encourager la contribution de ressources inutilisées par la communauté, construisant ainsi un réseau d'infrastructure décentralisé, remplaçant le modèle traditionnel des prestataires de services centralisés, coûteux et peu efficaces.

Comparé au modèle centralisé, la transformation décentralisée des infrastructures physiques présente des avantages significatifs en matière de structure de coûts, de modes de gouvernance, de résilience du réseau et d'expansion écologique.

Selon la définition de Messari, DePIN couvre l'infrastructure physique ) comme les réseaux sans fil, les réseaux énergétiques ( et les réseaux de ressources numériques ) tels que le stockage, le calcul (, et réalise un appariement de l'offre et de la demande ainsi qu'un mécanisme d'incitation grâce à la technologie blockchain.

• Infrastructure physique : Représentée par le réseau sans fil décentralisé Helium), construit par le déploiement communautaire d'appareils de point d'accès pour créer un réseau de communication couvrant le monde entier;

• Réseau de ressources numériques : comprend le stockage décentralisé ( sur une certaine plateforme, le calcul distribué ) sur une certaine plateforme, etc., en intégrant les ressources inutilisées pour former un modèle économique partagé.

Selon les données d'une certaine plateforme, d'ici 2024, le nombre d'appareils DePIN dans le monde aura dépassé 13 millions, avec une taille de marché de 50 milliards de dollars, mais le taux de pénétration est inférieur à 0,1 %. Au cours des dix prochaines années, il pourrait croître 100-1000 fois.

En 2024, la capitalisation boursière de l'écosystème DePIN atteindra 50 milliards de dollars, couvrant plus de 350 projets, avec un taux de croissance annuel supérieur à 35 %.

Son moteur principal réside dans l'amélioration de l'efficacité des ressources (, comme l'utilisation de la bande passante inutilisée ) et l'explosion de la demande (, telle que la demande en puissance de calcul et en données par l'IA ), et l'effet bilatéral qui en résulte.

Bien sûr, l'évolutivité des réseaux décentralisés, la confidentialité des données et la validation de la sécurité restent des défis clés pour le développement de DePIN.

( 1.2 Demande de données IA : croissance explosive et contradictions structurelles

L'acquisition et le traitement des données AI sont le moteur central du développement de l'intelligence artificielle, en particulier lors de l'entraînement de grands modèles de langage ) tels que GPT( et des réseaux neuronaux génératifs ) tels que MidJourney(.

Les performances et l'efficacité des modèles d'IA dépendent en grande partie de la qualité et de la quantité des données d'entraînement. Des données de haute qualité, diversifiées et géographiquement représentatives sont essentielles pour les performances des modèles d'IA.

Exigences et caractéristiques des données

• Saut de magnitude : Prenons l'exemple de GPT-4, l'entraînement nécessite plus de 45 To de données textuelles, tandis que la vitesse d'itération de l'IA générative exige une mise à jour et une diversification des données en temps réel ;

• Coût proportionnel : Les coûts de collecte, de nettoyage et d'annotation des données dans le développement de l'IA représentent plus de 40 % du budget total, devenant ainsi un goulot d'étranglement central pour la commercialisation.

• Différenciation des scénarios : la conduite autonome nécessite des données de capteurs de haute précision, l'IA médicale dépend d'une base de données de cas conforme à la vie privée, l'IA sociale dépend des données de comportement des utilisateurs.

Points de douleur de l'approvisionnement en données traditionnelles

• Barrières de données : les grandes entreprises/acteurs clés contrôlent une large gamme de sources de données, les petits et moyens développeurs font face à des barrières élevées et à une tarification injuste;

• Îlots de données : Les données sont souvent dispersées entre différentes institutions et entreprises, le partage et la circulation des données rencontrent de nombreux obstacles, ce qui conduit à une utilisation insuffisante des ressources de données.

• Confidentialité des données : La collecte de données implique souvent des controverses concernant la vie privée et les droits d'auteur, comme l'incident de facturation de l'API d'une plateforme sociale qui a suscité la protestation des développeurs ;

• Circulation inefficace : Les îlots de données et l'absence de normalisation entraînent une collecte redondante, le taux d'utilisation des données mondiales étant inférieur à 20 % ;

• Interruption de la chaîne de valeur : Les contributeurs individuels qui créent des données ne peuvent pas en tirer profit lors de l'utilisation ultérieure des données.

Le chemin de rupture de DePIN

• Collecte de données distribuée : Collecte de données publiques via un réseau de nœuds ) telles que les médias sociaux, bases de données publiques ###, réduisant les coûts de collecte de données et améliorant l'efficacité et l'échelle de la collecte de données;

• Améliorer la qualité et la diversité des données : Grâce au mécanisme d'incitation DePIN, il est possible d'attirer davantage de participants à contribuer aux données, ce qui améliore la qualité et la diversité des données, et renforce la capacité de généralisation des modèles d'IA.

• Nettoyage et annotation décentralisés : collaboration communautaire pour le prétraitement des données, combinant la preuve à divulgation nulle d'information (ZK) pour garantir l'authenticité des données;

• Boucle de motivation par tokenisation : Les contributeurs de données reçoivent des récompenses en tokens, les demandeurs achètent des ensembles de données structurées avec des tokens, formant ainsi un appariement direct entre l'offre et la demande.

Le projet Grass se situe à l'intersection de DePIN et de l'industrie des données AI, appliquant de manière innovante le concept DePIN au domaine de la collecte de données AI, construisant un réseau de collecte de données décentralisé, visant à fournir des sources de données plus économiques, plus efficaces et plus fiables pour l'entraînement des modèles AI.

2. Informations de base sur le projet

Grass construit un réseau de collecte de données décentralisé grâce à l'architecture DePIN, fournissant des sources de données à haute performance et à grande diversité pour l'entraînement de l'IA. Les utilisateurs n'ont qu'à installer le client pour contribuer à la bande passante et obtenir des récompenses en tokens - en un an, plus de 2,5 millions de nœuds ont été attirés, avec une augmentation de plus de 5 fois dans les 10 jours suivant le lancement du token, validant sa logique commerciale.

Le projet a reçu des investissements de capitaux de premier plan tels que certains capitaux, s'appuyant sur une chaîne publique à haute performance pour réaliser la certification et le transfert des données.

L'anonymat de l'équipe actuelle reste controversé, et les progrès de la décentralisation du traitement des données doivent être suivis.

( 2.1 Domaine d'activité

Grass est un projet DePIN qui collecte et vérifie les données Internet grâce à la bande passante inutilisée des dispositifs des utilisateurs, en particulier pour soutenir le développement de l'intelligence artificielle.

Son cœur est de permettre aux entreprises d'accéder et de recueillir des données Internet de différentes localisations géographiques via un réseau de proxies résidentiels )residential proxy network(, en utilisant la connexion Internet des utilisateurs, ce qui est très utile pour l'entraînement des modèles d'IA qui nécessitent des données diversifiées et représentatives géographiquement.

• Problèmes résolus : Le web scraping traditionnel est généralement réalisé par des systèmes centralisés, ce qui entraîne une faible efficacité et des erreurs ou des biais fréquents. Grass vise à fournir des données Internet fiables et vérifiées de manière décentralisée, et les données fournies par des utilisateurs décentralisés ont naturellement des caractéristiques de diversité, de publication multi-régionale et de temps réel.

• Vision et mission : La vision de Grass est de créer une couche de données Internet décentralisée, où les données sont collectées, vérifiées et structurées de manière à minimiser la confiance. Sa mission est de donner aux utilisateurs le pouvoir de contribuer à cette couche de données et de les inciter à participer grâce à un mécanisme de récompense.

• Mode de participation des utilisateurs : Les utilisateurs n'ont besoin que de trois étapes pour commencer : visiter le site officiel de Grass, installer l'extension/le client, se connecter et commencer à gagner des Grass Points. Cette façon de contribuer à la bande passante pour gagner des récompenses offre aux utilisateurs ordinaires une opportunité de partager les dividendes de la croissance de l'IA.

En résumé, les caractéristiques clés et les avantages de Grass sont : le coût faible de la collecte de données sur un réseau décentralisé, une plus grande diversité des données ; les utilisateurs gagnent des récompenses en contribuant de la bande passante, réalisant ainsi le retour de la valeur des données ; l'utilisation de la technologie blockchain pour vérifier les données, garantissant la transparence et la fiabilité des données.

![Grass Depth Research Report: DePIN, a Bright Star, Expanding AI Data Bank])https://img-cdn.gateio.im/webp-social/moments-5a5dc433d77affb341f2409a4573ace1.webp(

) 2.2 Développement

Phase conceptuelle : Mi-2022, le projet a été proposé par Wynd Labs.

Phase de développement : La construction du produit a commencé au début de 2023, marquant l'entrée du projet dans la phase de développement réel.

Financement de la ronde de semences : En 2023, Grass a complété un financement de 3,5 millions de dollars en ronde de semences, dirigé par un certain capital et un certain capital, totalisant 4,5 millions de dollars###, y compris ( le financement de la ronde avant semence dirigé par une certaine entreprise.

Tests utilisateurs : Fin 2023, lancement d'une extension pour le navigateur Chrome, début des tests utilisateurs, attirant la participation des premiers utilisateurs.

Jalon : En avril 2024, le projet a annoncé plus de 2 millions de dispositifs de nœuds connectés, en forte croissance. Selon les données d'une certaine plateforme, à la date de mars 2025, son nombre d'utilisateurs actifs a dépassé 2,5 millions.

Premier airdrop : Annonce du premier airdrop le 21 octobre 2024, distribution de 100 millions de jetons GRASS)10 % de l'offre totale(, récompensant les utilisateurs précoces.

Échange en ligne : Disponible sur certains échanges le 28 octobre 2024, le prix a augmenté de $0,6 à $3,89 en 10 jours, augmentant progressivement d'environ 5 fois.

État actuel : Le projet continue de s'étendre, la deuxième phase d'incitation des utilisateurs au minage est en cours ; une application mobile Android et iPhone est prévue pour accroître l'échelle du réseau et la participation des utilisateurs.

![Grass Depth Rapport de recherche : DePIN, une étoile brillante, une banque de données IA en expansion])https://img-cdn.gateio.im/webp-social/moments-8593de2d2e4360b40bef787e7bb9844f.webp(

) 2.3 État de l'équipe

Selon les données publiques, Grass a été développé par Wynd Labs, dont le fondateur est Andrej Radonjic, qui est le PDG de Wynd Labs, titulaire d'une maîtrise en mathématiques et statistiques de l'Université York et d'un baccalauréat en ingénierie physique de l'Université McMaster.

Les membres de l'équipe proviennent tous de Wynd Labs, se concentrant sur le développement de technologies blockchain et AI, et possèdent une expérience dans des domaines connexes. Cependant, les informations spécifiques sur les membres n'ont pas été largement divulguées, seule l'identité de Radonjic a été révélée.

Selon des données publiques, Wynd Labs a été fondée en 2022, son produit phare étant Grass.

Le contexte de l'équipe montre des compétences professionnelles dans les domaines de la blockchain et de l'IA, mais un manque de transparence de l'information pourrait affecter la confiance des investisseurs et des utilisateurs. L'expérience de Radonjic apporte de la crédibilité au projet, mais l'anonymat des autres membres pourrait susciter des inquiétudes.

2.4 Financement et partenaires importants

Investisseurs et soutien

Tour de seed : 350 000 dollars de financement de la tour de seed complété en 2023, dirigé par un certain capital et un certain capital. Selon les données publiques, le financement total après la tour de seed a atteint 450 000 dollars, y compris la tour de seed précédente dirigée par une certaine entreprise.

Financement de la série A : Financement de la série A réalisé en septembre 2024, dirigé par un certain capital, avec la participation de certains capitaux, certains capitaux, certains capitaux et certains capitaux, le montant n'a pas été divulgué.

Soutien des investisseurs : Les investisseurs mentionnés ci-dessus sont des investisseurs relativement connus dans l'industrie. Obtenir leur soutien montre également la reconnaissance du projet dans le secteur.

Partenaire

Plateforme blockchain : construite sur un réseau de chaîne publique, le projet utilise la haute performance et l'évolutivité de cette chaîne publique.

Actuellement, il n'est pas clairement fait mention de l'IA