تحليل الاتجاهات والمشاريع الساخنة في مجال Crypto+AI في الآونة الأخيرة
خلال الشهر الماضي، شهدت ساحة Crypto+AI ثلاثة تغييرات بارزة في الاتجاهات:
المسار التكنولوجي للمشروع أصبح أكثر واقعية، وبدأ يركز على استخدام بيانات الأداء للتحدث، بدلاً من الاعتماد فقط على تغليف المفاهيم.
أصبحت المشاهد المتخصصة محور التركيز للتوسع، والذكاء الاصطناعي المتخصص يحل محل الذكاء الاصطناعي العام.
أصبح رأس المال أكثر اهتمامًا بالتحقق من نماذج الأعمال، والمشاريع التي تتمتع بتدفق نقدي تُفضَّل بشكل واضح.
إليك مقدمة وتحليل موجز لبعض المشاريع الشائعة:
منصة تقييم نماذج الذكاء الاصطناعي اللامركزية
أكملت المنصة جولة تمويل البذور بقيمة 33 مليون دولار في يونيو ، بقيادة مؤسسات استثمارية معروفة ، وشارك فيها العديد من الخبراء في الصناعة.
تقوم المنصة بتطبيق ميزة الحكم الذاتي البشري على نقاط الضعف في تقييم الذكاء الاصطناعي. من خلال الحشود البشرية، يتم تقييم أكثر من 500 نموذج كبير، ويمكن تحويل تعليقات المستخدمين إلى نقد. وقد جذبت العديد من شركات الذكاء الاصطناعي المعروفة لشراء البيانات، مما أدى إلى تشكيل تدفق نقدي حقيقي.
نموذج الأعمال لهذا المشروع واضح نسبيًا، وليس نموذج حرق أموال بحت. ومع ذلك، فإن مكافحة الاحتيال في الطلبات المزيفة تمثل تحديًا كبيرًا، ويتطلب ذلك تحسينًا مستمرًا لخوارزمية مكافحة هجمات الساحرات. من حيث حجم التمويل، يبدو أن رأس المال يفضل المشاريع التي لديها تحقق من العائد.
شبكة الحوسبة الذكية اللامركزية
تم الانتهاء من جولة تمويل البذور بقيمة 10 ملايين دولار في يونيو من قبل مؤسستين رائدتين في رأس المال.
لقد حقق المشروع توافقًا معينًا في السوق في مجال DePIN على سلسلة كتلة معينة من خلال ملحق المتصفح. يتكون أعضاء الفريق من عدة مشاريع Web3 معروفة. لقد قامت البروتوكولات الجديدة لنقل البيانات ومحركات الاستدلال باستكشافات جوهرية في الحوسبة الطرفية وقابلية التحقق من البيانات، مما يمكن أن يقلل من التأخير بنسبة 40% ويدعم الاتصال بالأجهزة المتنوعة.
الاتجاه الذي يسلكه هذا المشروع دقيق للغاية، حيث يتماشى تمامًا مع اتجاه "التواؤم" المحلي للذكاء الاصطناعي. ومع ذلك، لا يزال من الضروري مقارنة الكفاءة مع المنصات المركزية عند التعامل مع المهام المعقدة، كما أن استقرار العقد الطرفية يمثل مشكلة تحتاج إلى حل. ومع ذلك، فإن الحوسبة الطرفية ليست فقط طلبًا جديدًا نتيجة لتنافس الذكاء الاصطناعي في Web2، ولكنها أيضًا ميزة للإطار الموزع للذكاء الاصطناعي في Web3، ويستحق الأمر التوقع بأن يتم دفعه إلى التنفيذ من خلال منتجات محددة قائمة على الأداء الفعلي.
منصة بنية تحتية للبيانات الذكاء الاصطناعي اللامركزية
تقوم هذه المنصة بتحفيز المستخدمين في جميع أنحاء العالم من خلال الرموز المميزة للمساهمة في بيانات متعددة المجالات (بما في ذلك الرعاية الصحية، القيادة الذاتية، الصوت، وغيرها)، وقد تجاوز إجمالي الإيرادات 14 مليون دولار، مما أسس شبكة من المساهمين في البيانات تضم مئات الآلاف.
تقنياً، يدمج النظام إثبات المعرفة الصفرية والتحقق من توافق بازيانتين لضمان جودة البيانات، كما يستخدم تقنية حساب الخصوصية من مزود خدمات سحابية معروف لتلبية متطلبات الامتثال. ومن الجدير بالذكر أنهم أطلقوا أيضًا جهاز جمع موجات الدماغ، مما يحقق التوسع من البرمجيات إلى الأجهزة. تصميم النموذج الاقتصادي أيضاً جيد جداً، حيث يمكن للمستخدم كسب 16 دولار و500,000 نقطة مقابل 10 ساعات من وضع العلامات الصوتية، بينما يمكن أن تنخفض تكلفة اشتراك الشركات في خدمات البيانات بنسبة 45٪.
تتمثل القيمة الكبرى لهذا المشروع في استهدافه للاحتياجات الحقيقية في مجال تعليم بيانات الذكاء الاصطناعي، لا سيما في المجالات التي تتطلب جودة بيانات عالية ومتطلبات امتثال صارمة مثل الرعاية الصحية والقيادة الذاتية. ومع ذلك، فإن معدل الخطأ البالغ 20٪ مقارنةً بـ 10٪ في المنصات التقليدية لا يزال مرتفعًا بعض الشيء، وتظل تقلبات جودة البيانات مشكلة تحتاج إلى حل مستمر. على الرغم من أن اتجاه واجهات الدماغ-الآلة مليء بإمكانيات الخيال، فإن صعوبة التنفيذ ليست بسيطة أيضًا.
شبكة الحوسبة الموزعة على سلسلة كتل معينة
هذا المشروع حصل على تمويل بقيمة 10.8 مليون دولار في يونيو ، بقيادة مؤسسة استثمارية.
من خلال تقنية تقسيم البيانات الديناميكية، يتم تجميع موارد GPU غير المستخدمة لدعم استنتاج نماذج اللغة الكبيرة، مما يجعل التكلفة أقل بنسبة 40% مقارنة بمزود خدمات سحابية معروف. تصميم تداول البيانات القائم على الرموز مبتكر للغاية، حيث يحول مباشرة المساهمين في قوة الحوسبة إلى أصحاب مصلحة، مما يمكن أن يحفز المزيد من الأشخاص على المشاركة في الشبكة.
هذه نموذج "تجميع الموارد غير المستغلة" الشائع، منطقياً يبدو مقبولاً. لكن معدل خطأ التحقق عبر السلاسل بنسبة 15% يعد مرتفعاً بالفعل، ويجب تحسين الاستقرار التكنولوجي. ومع ذلك، فإنه يتمتع بمزايا في المشاهد التي لا تتطلب استجابة فورية مثل عرض ثلاثي الأبعاد، وال关键 هو ما إذا كان يمكن تقليل معدل الخطأ، وإلا فإن أي نموذج تجاري جيد سيتأثر بمشاكل تقنية.
منصة تداول العملات المشفرة عالية التردد المدفوعة بالذكاء الاصطناعي
أكملت المنصة جولة تمويل البذور بقيمة 3.38 مليون دولار في يونيو، بقيادة شركة مشفرة معينة.
تستطيع التكنولوجيا الأساسية للمنصة تحسين مسارات التداول ديناميكيًا وتقليل الانزلاق، حيث تم قياس زيادة الكفاءة بنسبة 30%. وقد استجابت لاتجاهات معينة في الذكاء الاصطناعي المالي، ووجدت نقطة دخول في مجال التجارة الكمية في DeFi، وهو قطاع فرعي نسبيًا فارغ، مما يلبي احتياجات السوق.
لا توجد مشاكل في اتجاه المشروع ، حيث يحتاج DeFi بالفعل إلى أدوات تداول أكثر ذكاءً. ولكن تتطلب التداولات عالية التردد تأخيرًا ودقة عالية جدًا ، كما أن التوافق الزمني بين توقعات الذكاء الاصطناعي والتنفيذ على السلسلة يحتاج إلى مزيد من التحقق. بالإضافة إلى ذلك ، فإن نوعًا معينًا من الهجمات يشكل خطرًا كبيرًا ، ويجب أن تتماشى التدابير الفنية لحمايتها.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
ترقية مسار Crypto+AI: المشاريع أصبحت أكثر عملية، والمشاهد الرأسية أصبحت محور التركيز، ورأس المال يتجه نحو تدفق النقد.
تحليل الاتجاهات والمشاريع الساخنة في مجال Crypto+AI في الآونة الأخيرة
خلال الشهر الماضي، شهدت ساحة Crypto+AI ثلاثة تغييرات بارزة في الاتجاهات:
المسار التكنولوجي للمشروع أصبح أكثر واقعية، وبدأ يركز على استخدام بيانات الأداء للتحدث، بدلاً من الاعتماد فقط على تغليف المفاهيم.
أصبحت المشاهد المتخصصة محور التركيز للتوسع، والذكاء الاصطناعي المتخصص يحل محل الذكاء الاصطناعي العام.
أصبح رأس المال أكثر اهتمامًا بالتحقق من نماذج الأعمال، والمشاريع التي تتمتع بتدفق نقدي تُفضَّل بشكل واضح.
إليك مقدمة وتحليل موجز لبعض المشاريع الشائعة:
منصة تقييم نماذج الذكاء الاصطناعي اللامركزية
أكملت المنصة جولة تمويل البذور بقيمة 33 مليون دولار في يونيو ، بقيادة مؤسسات استثمارية معروفة ، وشارك فيها العديد من الخبراء في الصناعة.
تقوم المنصة بتطبيق ميزة الحكم الذاتي البشري على نقاط الضعف في تقييم الذكاء الاصطناعي. من خلال الحشود البشرية، يتم تقييم أكثر من 500 نموذج كبير، ويمكن تحويل تعليقات المستخدمين إلى نقد. وقد جذبت العديد من شركات الذكاء الاصطناعي المعروفة لشراء البيانات، مما أدى إلى تشكيل تدفق نقدي حقيقي.
نموذج الأعمال لهذا المشروع واضح نسبيًا، وليس نموذج حرق أموال بحت. ومع ذلك، فإن مكافحة الاحتيال في الطلبات المزيفة تمثل تحديًا كبيرًا، ويتطلب ذلك تحسينًا مستمرًا لخوارزمية مكافحة هجمات الساحرات. من حيث حجم التمويل، يبدو أن رأس المال يفضل المشاريع التي لديها تحقق من العائد.
شبكة الحوسبة الذكية اللامركزية
تم الانتهاء من جولة تمويل البذور بقيمة 10 ملايين دولار في يونيو من قبل مؤسستين رائدتين في رأس المال.
لقد حقق المشروع توافقًا معينًا في السوق في مجال DePIN على سلسلة كتلة معينة من خلال ملحق المتصفح. يتكون أعضاء الفريق من عدة مشاريع Web3 معروفة. لقد قامت البروتوكولات الجديدة لنقل البيانات ومحركات الاستدلال باستكشافات جوهرية في الحوسبة الطرفية وقابلية التحقق من البيانات، مما يمكن أن يقلل من التأخير بنسبة 40% ويدعم الاتصال بالأجهزة المتنوعة.
الاتجاه الذي يسلكه هذا المشروع دقيق للغاية، حيث يتماشى تمامًا مع اتجاه "التواؤم" المحلي للذكاء الاصطناعي. ومع ذلك، لا يزال من الضروري مقارنة الكفاءة مع المنصات المركزية عند التعامل مع المهام المعقدة، كما أن استقرار العقد الطرفية يمثل مشكلة تحتاج إلى حل. ومع ذلك، فإن الحوسبة الطرفية ليست فقط طلبًا جديدًا نتيجة لتنافس الذكاء الاصطناعي في Web2، ولكنها أيضًا ميزة للإطار الموزع للذكاء الاصطناعي في Web3، ويستحق الأمر التوقع بأن يتم دفعه إلى التنفيذ من خلال منتجات محددة قائمة على الأداء الفعلي.
منصة بنية تحتية للبيانات الذكاء الاصطناعي اللامركزية
تقوم هذه المنصة بتحفيز المستخدمين في جميع أنحاء العالم من خلال الرموز المميزة للمساهمة في بيانات متعددة المجالات (بما في ذلك الرعاية الصحية، القيادة الذاتية، الصوت، وغيرها)، وقد تجاوز إجمالي الإيرادات 14 مليون دولار، مما أسس شبكة من المساهمين في البيانات تضم مئات الآلاف.
تقنياً، يدمج النظام إثبات المعرفة الصفرية والتحقق من توافق بازيانتين لضمان جودة البيانات، كما يستخدم تقنية حساب الخصوصية من مزود خدمات سحابية معروف لتلبية متطلبات الامتثال. ومن الجدير بالذكر أنهم أطلقوا أيضًا جهاز جمع موجات الدماغ، مما يحقق التوسع من البرمجيات إلى الأجهزة. تصميم النموذج الاقتصادي أيضاً جيد جداً، حيث يمكن للمستخدم كسب 16 دولار و500,000 نقطة مقابل 10 ساعات من وضع العلامات الصوتية، بينما يمكن أن تنخفض تكلفة اشتراك الشركات في خدمات البيانات بنسبة 45٪.
تتمثل القيمة الكبرى لهذا المشروع في استهدافه للاحتياجات الحقيقية في مجال تعليم بيانات الذكاء الاصطناعي، لا سيما في المجالات التي تتطلب جودة بيانات عالية ومتطلبات امتثال صارمة مثل الرعاية الصحية والقيادة الذاتية. ومع ذلك، فإن معدل الخطأ البالغ 20٪ مقارنةً بـ 10٪ في المنصات التقليدية لا يزال مرتفعًا بعض الشيء، وتظل تقلبات جودة البيانات مشكلة تحتاج إلى حل مستمر. على الرغم من أن اتجاه واجهات الدماغ-الآلة مليء بإمكانيات الخيال، فإن صعوبة التنفيذ ليست بسيطة أيضًا.
شبكة الحوسبة الموزعة على سلسلة كتل معينة
هذا المشروع حصل على تمويل بقيمة 10.8 مليون دولار في يونيو ، بقيادة مؤسسة استثمارية.
من خلال تقنية تقسيم البيانات الديناميكية، يتم تجميع موارد GPU غير المستخدمة لدعم استنتاج نماذج اللغة الكبيرة، مما يجعل التكلفة أقل بنسبة 40% مقارنة بمزود خدمات سحابية معروف. تصميم تداول البيانات القائم على الرموز مبتكر للغاية، حيث يحول مباشرة المساهمين في قوة الحوسبة إلى أصحاب مصلحة، مما يمكن أن يحفز المزيد من الأشخاص على المشاركة في الشبكة.
هذه نموذج "تجميع الموارد غير المستغلة" الشائع، منطقياً يبدو مقبولاً. لكن معدل خطأ التحقق عبر السلاسل بنسبة 15% يعد مرتفعاً بالفعل، ويجب تحسين الاستقرار التكنولوجي. ومع ذلك، فإنه يتمتع بمزايا في المشاهد التي لا تتطلب استجابة فورية مثل عرض ثلاثي الأبعاد، وال关键 هو ما إذا كان يمكن تقليل معدل الخطأ، وإلا فإن أي نموذج تجاري جيد سيتأثر بمشاكل تقنية.
منصة تداول العملات المشفرة عالية التردد المدفوعة بالذكاء الاصطناعي
أكملت المنصة جولة تمويل البذور بقيمة 3.38 مليون دولار في يونيو، بقيادة شركة مشفرة معينة.
تستطيع التكنولوجيا الأساسية للمنصة تحسين مسارات التداول ديناميكيًا وتقليل الانزلاق، حيث تم قياس زيادة الكفاءة بنسبة 30%. وقد استجابت لاتجاهات معينة في الذكاء الاصطناعي المالي، ووجدت نقطة دخول في مجال التجارة الكمية في DeFi، وهو قطاع فرعي نسبيًا فارغ، مما يلبي احتياجات السوق.
لا توجد مشاكل في اتجاه المشروع ، حيث يحتاج DeFi بالفعل إلى أدوات تداول أكثر ذكاءً. ولكن تتطلب التداولات عالية التردد تأخيرًا ودقة عالية جدًا ، كما أن التوافق الزمني بين توقعات الذكاء الاصطناعي والتنفيذ على السلسلة يحتاج إلى مزيد من التحقق. بالإضافة إلى ذلك ، فإن نوعًا معينًا من الهجمات يشكل خطرًا كبيرًا ، ويجب أن تتماشى التدابير الفنية لحمايتها.