Analyse des tendances récentes et des projets populaires dans le domaine Crypto+AI

Au cours du mois dernier, le secteur Crypto+AI a montré trois changements de tendance significatifs :

1. La voie technique du projet est devenue plus pragmatique, mettant l'accent sur les données de performance plutôt que sur un simple emballage conceptuel.
2. Les scénarios de niche verticaux deviennent le point focal de l'expansion, l'IA spécialisée remplace l'IA généralisée.
3. Les investisseurs attachent plus d'importance à la validation du modèle commercial, et les projets ayant un flux de trésorerie sont clairement favorisés.

Voici une présentation de quelques projets populaires, une analyse des points forts et des commentaires :

1. Plateforme d'évaluation de modèles d'IA décentralisée

Présentation du projet : La plateforme évalue plus de 500 grands modèles grâce à un crowdfunding humain. En juin, elle a terminé un tour de financement de 33 millions de dollars.

Analyse des points forts : appliquer l'avantage du jugement subjectif humain à l'évaluation des lacunes de l'IA. Les retours des utilisateurs peuvent être échangés contre de l'argent, ce qui a attiré des entreprises renommées à acheter des données, créant un flux de trésorerie réel.

Commentaire : Le modèle commercial est relativement clair, ce n'est pas un modèle purement brûleur d'argent. Cependant, la prévention des commandes frauduleuses est un grand défi, l'algorithme de lutte contre les attaques de sorcières doit être continuellement optimisé. Un financement à grande échelle indique que le capital privilégie les projets ayant une validation de monétisation.

2. Réseau de calcul AI décentralisé

Présentation du projet : 100 millions de dollars de financement de seed round achevés en juin. Lancement du plugin navigateur Sentry Nodes, avec un certain consensus de marché dans le domaine DePIN de Solana.

Analyse des points forts : Le nouveau protocole de transmission de données Lattica et le moteur d'inférence Parallax explorent de manière substantielle le calcul en périphérie et la vérifiabilité des données, permettant de réduire la latence de 40 % et de prendre en charge l'accès à des dispositifs hétérogènes.

Commentaire : La direction s'aligne sur la tendance "décente" de la localisation par l'IA. Cependant, il est nécessaire de comparer l'efficacité avec celle des plateformes centralisées lors du traitement de tâches complexes, et la stabilité des nœuds périphériques reste un problème. Le calcul périphérique est un nouveau besoin engendré par l'inflation de l'IA dans le web2, et c'est aussi un avantage du cadre distribué de l'IA dans le web3.

3. Plateforme d'infrastructure de données AI décentralisée

Présentation du projet : Grâce à des incitations par jetons, les utilisateurs du monde entier contribuent des données dans divers domaines (médical, conduite autonome, voix, etc.), ayant généré plus de 14 millions de dollars de revenus, et établi un réseau de contributeurs de données de plus d'un million.

Analyse des points forts : l'intégration de la validation ZK et de l'algorithme de consensus BFT garantit la qualité des données, l'utilisation de la technologie de calcul privé répond aux exigences de conformité. Lancement d'équipements de collecte d'ondes cérébrales, s'étendant du logiciel au matériel. Le modèle économique est conçu de manière raisonnable, les utilisateurs peuvent obtenir des revenus grâce à leur contribution de données, et le coût des services de données pour les entreprises peut être réduit de 45 %.

Commentaire : La plus grande valeur du projet réside dans sa capacité à répondre aux besoins réels de l'annotation de données AI, en particulier dans des domaines où les exigences en matière de qualité des données et de conformité sont très élevées, comme la santé et la conduite autonome. Cependant, un taux d'erreur de 20 % reste supérieur à celui des plateformes traditionnelles, et les fluctuations de la qualité des données doivent être résolues de manière continue. Le domaine des interfaces cerveau-machine offre un potentiel d'imagination, mais la difficulté d'exécution n'est pas négligeable.

4. Réseau de puissance de calcul distribué sur la chaîne

Présentation du projet : Financement de 10,8 millions de dollars complété en juin. Agrégation des ressources GPU inactives grâce à la technologie de sharding dynamique, supportant l'inférence de grands modèles, à un coût 40 % inférieur à celui d'un certain service cloud.

Analyse des points forts : la conception du trading de données tokenisées transforme les contributeurs de puissance de calcul en parties prenantes, incitant davantage de personnes à participer au réseau.

Commentaire : un modèle typique de "ressources inutilisées agrégées", avec une logique cohérente. Cependant, le taux d'erreur de validation inter-chaînes de 15 % est élevé, la stabilité technique doit encore être améliorée. Il présente des avantages dans des scénarios où la réactivité n'est pas cruciale, comme le rendu 3D, l'essentiel étant de réduire le taux d'erreur.

5. Plateforme de trading haute fréquence de cryptomonnaie alimentée par l'IA

Présentation du projet : 338 000 $ de financement lors du tour de table de seed en juin.

Analyse des points forts : La technologie MCP peut optimiser dynamiquement les chemins de transaction, réduire le slippage et améliorer l'efficacité de 30 % en tests réels. S'inscrivant dans la tendance d'AgentFi, elle trouve un point d'entrée dans ce domaine relativement vierge du trading quantitatif DeFi.

Commentaire : La direction est correcte, le DeFi a effectivement besoin d'outils de trading plus intelligents. Cependant, le trading haute fréquence exige des exigences très élevées en matière de latence et de précision, et la synergie en temps réel entre les prévisions d'IA et l'exécution sur la chaîne doit encore être vérifiée. Les attaques MEV représentent un risque majeur, et des mesures de protection technique doivent être mises en place rapidement.