В этом месяце мы рассмотрели несколько популярных проектов в области Crypto+AI и обнаружили три заметных изменения в тенденциях, а также краткое описание и комментарии к проектам: 1) Технические пути проектов становятся более практичными, акцент смещается на производительность, а не на чистую концептуальную упаковку; 2) Сегментация по узким направлениям становится фокусом расширения, универсальный AI уступает место специализированному AI; 3) Капитал больше обращает внимание на проверку бизнес-моделей, проекты с наличным потоком явно более предпочтительны; Приложение: описание проектов, анализ ключевых моментов, личные комментарии: 1. @yupp_ai Описание проекта: децентрализованная платформа оценки AI-моделей, в июне завершила раунд посевного финансирования на 33 миллиона долларов, ведущий инвестор a16z, участие Jeff Dean. Анализ ключевых моментов: применение человеческого субъективного преимущества к слабым местам оценки AI. Через краудсорсинг пользователи оценивают более 500 крупных моделей, обратная связь может быть обменена на наличные (1000 баллов = 1 доллар), уже привлекли такие компании, как OpenAI, для закупки данных, есть реальный денежный поток. Личный комментарий: проект с довольно ясной бизнес-моделью, это не просто модель сжигания денег. Однако борьба с мошенничеством — это большая проблема, алгоритм противодействия атакам ведьм требует постоянной оптимизации. Но судя по объему финансирования в 33 миллиона долларов, капитал явно больше ценит проекты с проверкой монетизации. 2. @Gradient_HQ Описание проекта: децентрализованная сеть вычислений AI, в июне завершила раунд посевного финансирования на 10 миллионов долларов, ведущие инвесторы Pantera Capital и Multicoin Capital. Анализ ключевых моментов: с помощью плагина браузера Sentry Nodes уже достигнуто определенное рыночное согласие в области Solana DePIN, члены команды пришли из Helium и других компаний, недавно запущены протокол передачи данных Lattica и движок вывода Parallax, проведены существенные исследования в области вычислений на краю и проверяемости данных, что позволяет снизить задержку на 40% и поддерживать подключение гетерогенных устройств. Личный комментарий: направление правильное, как раз попадает в тренд "локализации" AI. Но для обработки сложных задач нужно сравнивать с централизованными платформами по эффективности, стабильность узлов на краю все еще является проблемой. Тем не менее, вычисления на краю — это новая потребность, возникшая в результате внутренней конкуренции web2AI, и это преимущество распределенной структуры web3AI, я оптимистично смотрю на продвижение конкретных продуктов с реальной производительностью. 3. @PublicAI_ Описание проекта: децентрализованная платформа инфраструктуры данных AI, через токенизацию стимулирует пользователей по всему миру вносить данные из различных областей (медицина, автономное вождение, голос и т.д.), общий доход превысил 14 миллионов долларов, создана сеть из более чем миллиона поставщиков данных. Анализ ключевых моментов: с технической точки зрения интегрированы алгоритмы ZK-проверки и BFT-консенсуса для обеспечения качества данных, также использована технология приватных вычислений Amazon Nitro Enclaves для соблюдения требований. Интересно, что был представлен прибор для сбора мозговых волн HeadCap, что можно считать расширением от программного обеспечения к аппаратному обеспечению. Экономическая модель также хорошо спроектирована, пользователи могут заработать 16 долларов + 500 тысяч баллов за 10 часов разметки голосовых данных, стоимость подписки на услуги данных для компаний может снизиться на 45%. Личный комментарий: мне кажется, что максимальная ценность этого проекта заключается в реальной потребности в разметке данных AI, особенно в таких областях, как медицина и автономное вождение, где требования к качеству данных и соблюдению норм очень высоки. Однако 20% уровень ошибок все же выше, чем 10% на традиционных платформах, колебания качества данных — это проблема, которую нужно постоянно решать. Направление интерфейсов мозг-компьютер имеет большой потенциал, но сложность выполнения также немаленькая. 4. @sparkchainai Описание проекта: распределенная сеть вычислительных мощностей на блокчейне Solana, в июне завершила финансирование на 10,8 миллиона долларов, ведущий инвестор OakStone Ventures. Анализ ключевых моментов: с помощью технологии динамической сегментации агрегируются неиспользуемые ресурсы GPU, поддерживается вывод больших моделей, таких как Llama3-405B, стоимость ниже на 40% по сравнению с AWS. Дизайн токенизированной торговли данными довольно интересен, он напрямую превращает поставщиков вычислительных мощностей в заинтересованные стороны и может стимулировать больше людей участвовать в сети. Личный комментарий: типичная модель "агрегации неиспользуемых ресурсов", логически это имеет смысл. Но уровень ошибок в кросс-цепочечной проверке в 15% действительно немного высок, стабильность технологии требует дальнейшей доработки. Тем не менее, в таких сценариях, как 3D-рендеринг, где требования к реальному времени не так высоки, это действительно имеет свои преимущества, главное — снизить уровень ошибок, иначе даже самая лучшая бизнес-модель будет страдать от технических проблем. 5. @olaxbt_terminal Описание проекта: платформа высокочастотной торговли криптовалютами на основе AI, в июне завершила раунд посевного финансирования на 3,38 миллиона долларов, ведущий инвестор @ambergroup_io. Анализ ключевых моментов: технология MCP может динамически оптимизировать торговые пути, снижая проскальзывание, эффективность увеличилась на 30% в реальных тестах. В соответствии с трендом #AgentFi, это можно считать точкой входа в относительно пустую нишу количественной торговли DeFi, что заполняет рыночный спрос. Личный комментарий: направление правильное, DeFi действительно нуждается в более умных торговых инструментах. Но высокочастотная торговля требует высокой точности и низкой задержки, необходимо проверить реальную совместимость предсказаний AI и выполнения на блокчейне. Кроме того, атаки MEV представляют собой большой риск, меры технической защиты должны быть на уровне.