Trois grandes tendances des projets de fusion entre les cryptoactifs et l'IA

Récemment, le domaine de la fusion des cryptoactifs et de l'intelligence artificielle a présenté trois tendances de développement significatives :

1. Le chemin technologique du projet est devenu plus pragmatique, mettant l'accent sur les données de performance plutôt que sur un simple emballage conceptuel.
2. Les scénarios de segmentation verticale deviennent un point focal d'expansion, l'IA spécialisée remplace l'IA généralisée.
3. Les capitaux se concentrent davantage sur la validation des modèles commerciaux, les projets ayant un flux de trésorerie sont plus appréciés.

Voici une introduction et une analyse de quelques projets représentatifs :

Plateforme d'évaluation de modèle d'IA décentralisée

La plateforme évalue plus de 500 grands modèles par le biais de l'intelligence collective. Les utilisateurs peuvent échanger leurs retours contre de l'argent, avec 1000 points pouvant être échangés contre 1 dollar. La plateforme a attiré des entreprises comme OpenAI pour l'achat de données, créant ainsi un flux de trésorerie réel.

Ce modèle commercial est relativement clair, ce n'est pas un modèle purement de brûlage d'argent. Cependant, prévenir les comportements de commande frauduleuse est un grand défi, nécessitant une optimisation constante des algorithmes de lutte contre les attaques de sorcières. Vu l'échelle de financement de 33 millions de dollars, le capital semble clairement préférer les projets ayant une validation de monétisation.

Réseau de calcul AI décentralisé

Ce projet a déjà obtenu une certaine reconnaissance sur le marché dans le domaine DePIN de Solana grâce à un plugin de navigateur. Les membres de l'équipe proviennent de projets renommés tels que Helium. Leur nouveau protocole de transmission de données et moteur d'inférence ont réalisé des explorations substantielles en matière de calcul en périphérie et de vérifiabilité des données, permettant de réduire la latence de 40 % et de soutenir l'accès à des appareils hétérogènes.

Cette direction s'aligne sur la tendance à la "décentralisation" de la localisation de l'IA. Bien qu'il faille encore rivaliser en termes d'efficacité avec des plateformes centralisées lors du traitement de tâches complexes, la stabilité des nœuds en périphérie pose également des défis. Cependant, le calcul en périphérie, en tant que nouvelle demande dérivée de la concurrence de l'IA Web2, est précisément l'un des avantages du cadre distribué de l'IA Web3. Ce projet a l'espoir d'avancer vers une mise en œuvre concrète à travers des produits de performance réelle.

Plateforme d'infrastructure de données AI décentralisée

Cette plateforme incite les utilisateurs du monde entier à contribuer à des données dans de nombreux domaines grâce à des jetons, y compris la santé, la conduite autonome, la voix, etc. Les revenus cumulés dépassent 14 millions de dollars, établissant un réseau de contributeurs de données de plusieurs millions.

Sur le plan technique, la plateforme intègre la vérification par preuve à connaissance nulle et un algorithme de consensus tolérant aux pannes byzantines pour garantir la qualité des données, tout en utilisant des technologies de calcul privé pour répondre aux exigences de conformité. Fait intéressant, ils ont également lancé des dispositifs de collecte d'ondes cérébrales, étendant ainsi leur activité du logiciel vers le domaine du matériel.

Le modèle économique est bien conçu, les utilisateurs peuvent gagner 16 dollars et 500 000 points pour 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 aux besoins réels de l'annotation des données AI, en particulier dans des domaines tels que la médecine 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 élevé par rapport aux 10 % des plateformes traditionnelles, et la fluctuation de la qualité des données est un problème qui nécessite une résolution continue. Bien que la direction des interfaces cerveau-machine offre un grand potentiel d'imagination, la difficulté d'exécution n'est pas négligeable.

Réseau de calcul distribué sur la chaîne Solana

Ce projet agrège les ressources GPU inutilisées grâce à une technologie de fragmentation dynamique, supportant l'inférence de grands modèles de langage, à un coût inférieur de 40 % par rapport aux services cloud principaux. Leur conception de transaction de données tokenisées est assez créative, transformant 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 est logiquement raisonnable. Cependant, un taux d'erreur de vérification inter-chaînes de 15 % est effectivement élevé, et la stabilité technique doit encore être améliorée. Dans des scénarios comme le rendu 3D, où les exigences en temps réel ne sont pas élevées, ce projet présente effectivement des avantages. La clé est de savoir si le taux d'erreur peut être réduit, sinon même le meilleur modèle commercial pourrait être entravé par des problèmes techniques.

Plateforme de trading haute fréquence de cryptoactifs alimentée par l'IA

La plateforme utilise une technologie d'optimisation dynamique des chemins de transaction, ce qui permet de réduire le glissement et d'améliorer l'efficacité de 30 % lors des tests. Cela correspond à la tendance actuelle des agents intelligents en finance, trouvant un point d'entrée dans ce segment relativement vide du trading quantitatif DeFi, répondant à la demande du marché.

La direction est sans aucun doute correcte, le DeFi 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 prédiction par IA et l'exécution sur la chaîne doit encore être vérifiée. De plus, les attaques sur la valeur maximale pouvant être extraite (MEV) représentent un risque majeur, nécessitant le renforcement des mesures de protection technique.