ثلاثة اتجاهات لمشروع دمج الأصول الرقمية مع الذكاء الاصطناعي

في الآونة الأخيرة، أظهرت مجالات دمج الأصول الرقمية مع الذكاء الاصطناعي ثلاث اتجاهات بارزة للتطور:

1. أصبح المسار الفني للمشروع أكثر واقعية، وبدأ التركيز على بيانات الأداء بدلاً من التعبئة المفهومية البحتة.
2. تصبح السيناريوهات المتخصصة محور التركيز للتوسع، حيث تحل الذكاء الاصطناعي المتخصص محل الذكاء الاصطناعي العام.
3. تركز رؤوس الأموال بشكل أكبر على التحقق من نماذج الأعمال، وتلقى المشاريع ذات التدفق النقدي مزيدًا من الاهتمام.

فيما يلي مقدمة وتحليل موجز لعدد قليل من المشاريع التمثيلية:

منصة تقييم نماذج الذكاء الاصطناعي اللامركزية

تقوم المنصة بتقييم أكثر من 500 نموذج كبير باستخدام طريقة الحشد البشري. يمكن للمستخدمين استبدال الملاحظات بالنقد، حيث يمكن استبدال كل 1000 نقطة مقابل 1 دولار. لقد جذبت المنصة شركات مثل OpenAI لشراء البيانات، مما شكل تدفقًا نقديًا فعليًا.

هذه النموذج التجاري واضح نسبيًا، وليس نموذج إنفاق أموال فقط. ومع ذلك، فإن منع سلوك التلاعب بالطلبات يعد تحديًا كبيرًا، ويتطلب تحسينًا مستمرًا لخوارزمية مكافحة هجمات الساحرات. من خلال حجم التمويل البالغ 33 مليون دولار، يبدو أن رأس المال يفضل المشاريع التي لديها إثبات تحقق من العوائد.

شبكة الحوسبة الذكية اللامركزية

لقد حصل المشروع على اعتراف معين في سوق DePIN في Solana من خلال ملحق المتصفح. أعضاء الفريق من مشاريع معروفة مثل Helium. لقد قاموا بإطلاق بروتوكول نقل البيانات ومحرك الاستدلال الجديد الذي قام باستكشافات ملموسة في حساب الحافة وقابلية التحقق من البيانات، مما يمكن من خفض التأخير بنسبة 40%، ويدعم الوصول إلى الأجهزة المتغايرة.

يتماشى هذا الاتجاه مع الاتجاه نحو "الهبوط" في توطين الذكاء الاصطناعي. على الرغم من أنه لا يزال يتعين مقارنة الكفاءة مع المنصات المركزية عند معالجة المهام المعقدة، إلا أن هناك تحديات في استقرار العقد الطرفية، لكن الحوسبة الطرفية كطلب جديد ناشئ عن المنافسة في الذكاء الاصطناعي في Web2، هي بالضبط الميزة التي يتمتع بها إطار عمل الذكاء الاصطناعي الموزع في Web3. من المتوقع أن يدفع هذا المشروع التقدم في التنفيذ من خلال منتجات ملموسة ذات أداء فعلي.

منصة بنية بيانات الذكاء الاصطناعي اللامركزية

تقوم هذه المنصة بتحفيز المستخدمين العالميين من خلال الرموز للمساهمة ببيانات متعددة المجالات، بما في ذلك الرعاية الصحية، القيادة الذاتية، والصوت. بلغت الإيرادات التراكمية أكثر من 14 مليون دولار، وتم إنشاء شبكة من المساهمين في البيانات تتجاوز المليون.

تقنيًا، يدمج هذا النظام التحقق من الإثباتات بدون معرفة مع خوارزمية توافق بازيانتي لضمان جودة البيانات، كما أنه يستخدم تقنيات الحوسبة الخصوصية لتلبية متطلبات الامتثال. من المثير للاهتمام أنهم أطلقوا أيضًا أجهزة جمع موجات الدماغ، مما يوسع الأعمال من البرمجيات إلى مجال الأجهزة.

تصميم نموذج الاقتصاد معقول ، يمكن للمستخدم كسب 16 دولارًا و 500 ألف نقطة من 10 ساعات من التعليق الصوتي ، بينما يمكن تقليل تكلفة اشتراك الشركات في خدمات البيانات بنسبة 45٪.

تتمثل القيمة القصوى لهذا المشروع في تلبية الاحتياجات الفعلية لتعليم بيانات الذكاء الاصطناعي، وخاصة في المجالات الطبية وقيادة السيارات الذاتية، حيث تتطلب جودة البيانات والامتثال معايير عالية. ومع ذلك، فإن معدل الخطأ البالغ 20٪ مقارنةً بـ 10٪ على المنصات التقليدية لا يزال مرتفعًا، وتقلب جودة البيانات هو مشكلة تحتاج إلى حل مستمر. على الرغم من أن مجال واجهة الدماغ-الآلة مليء بإمكانيات التخيل، إلا أن صعوبة التنفيذ ليست قليلة.

شبكة الحوسبة الموزعة على سلسلة سولانا

يعمل هذا المشروع على تجميع موارد GPU غير المستغلة من خلال تقنية الشظايا الديناميكية، مما يدعم استنتاج نماذج اللغة الكبيرة بتكلفة أقل بنسبة 40% من خدمات السحابة الرئيسية. تصميمهم لتبادل البيانات المرمزة مبتكر للغاية، حيث يقوم بتحويل المساهمين في قوة الحوسبة مباشرة إلى أصحاب المصلحة، مما يساعد على تحفيز المزيد من الأشخاص على المشاركة في الشبكة.

هذا هو نموذج "تجميع الموارد غير المستغلة" النموذجي، وهو منطقي من الناحية المنطقية. لكن معدل خطأ التحقق عبر السلاسل بنسبة 15% يعد مرتفعًا بالفعل، ولا يزال يتعين تحسين الاستقرار الفني. في سيناريوهات مثل عرض ثلاثي الأبعاد التي لا تتطلب وقتًا حقيقيًا، يتمتع هذا المشروع بالفعل بميزة. المفتاح هو ما إذا كان يمكن تقليل معدل الخطأ، وإلا فإن أي نموذج تجاري جيد قد يتأثر بمشكلات تقنية.

منصة تداول عالية التردد للأصول الرقمية المدفوعة بالذكاء الاصطناعي

تستخدم المنصة تقنية تحسين مسار التداول الديناميكي، مما يقلل من الانزلاق، وقد أظهرت الاختبارات زيادة في الكفاءة بنسبة 30%. يتماشى هذا مع الاتجاه الحالي للوكالات المالية الذكية، وقد وجدت نقطة دخول في هذا القطاع الفرعي النسبي الفارغ للتداول الكمي في DeFi، مما يلبي احتياجات السوق.

الاتجاه بلا شك صحيح، فالتمويل اللامركزي يحتاج حقًا إلى أدوات تداول أكثر ذكاءً. ومع ذلك، فإن التداول عالي التردد يتطلب مستويات عالية جدًا من التأخير والدقة، ولا يزال التعاون في الوقت الفعلي بين التنبؤات القائمة على الذكاء الاصطناعي والتنفيذ على السلسلة بحاجة إلى مزيد من التحقق. بالإضافة إلى ذلك، فإن هجمات القيمة القابلة للاستخراج القصوى (MEV) تشكل خطرًا كبيرًا، مما يستدعي تعزيز التدابير التقنية الوقائية.