Efter att ha inventerat flera populära projekt i Crypto+AI-spåret under den senaste månaden konstaterades det att det finns tre betydande trendförändringar, med korta introduktioner och kommentarer om projekten: 1) Den tekniska vägen för projektet är mer pragmatisk, och det börjar fokusera på prestandadata snarare än ren konceptpaketering; 2) Vertikala indelningsscenarier har blivit fokus för expansion, och generaliserad AI har gett vika för specialiserad AI; 3) Kapitalet ägnar mer uppmärksamhet åt verifiering av affärsmodeller, och projekt med kassaflöde är uppenbarligen mer gynnade; Bifogat: Projektintroduktion, Höjdpunktsanalys, Personliga kommentarer: 1、 @yupp_ai Projektintroduktion: En decentraliserad plattform för utvärdering av AI-modeller, som slutförde en såddrunda på 33 miljoner dollar i juni, ledd av a16z och där Jeff Dean deltog. Lyft fram analys: Tillämpa fördelarna med mänsklig subjektiv bedömning på utvärderingsbristerna hos AI. Genom artificiell crowdsourcing för att få 500+ stora modeller kan användarfeedback tas ut (1000 poäng = 1 USD), vilket har lockat företag som OpenAI att köpa data och ha ett riktigt kassaflöde. Personlig kommentar: Ett projekt med en tydligare affärsmodell är inte en renodlad kassaförbränningsmodell. Anti-swiping-algoritmen är dock en stor utmaning, och anti-Sybil-attackalgoritmen måste optimeras kontinuerligt. Men att döma av storleken på finansieringen på 33 miljoner US-dollar är det uppenbart att kapitalet ägnar mer uppmärksamhet åt projekt med realiserbar verifiering. 2、 @Gradient_HQ Introduktion i projektöversikt: Decentraliserat AI-datornätverk, som slutförde en såddrunda på 10 miljoner dollar i juni, ledd av Pantera Capital och Multicoin Capital. Höjdpunktsanalys: Genom att förlita sig på Sentry Nodes webbläsartillägg finns det redan en viss marknadskonsensus inom området Solana DePIN, teammedlemmar från Helium, etc., det nyligen lanserade Lattica-dataöverföringsprotokollet och Parallax-inferensmotorn, som har gjort betydande utforskningar inom edge computing och dataverifierbarhet, vilket kan minska latensen med 40 % och stödja heterogen enhetsåtkomst. Personlig kommentar: Riktningen är väldigt rätt, men har fastnat i den "sjunkande" trenden med AI-lokalisering. Men för att hantera komplexa uppgifter mer effektivt än centraliserade plattformar är stabiliteten hos kantnoder fortfarande ett problem. Edge computing är dock ett nytt krav för web2AI-involution, och det är också fördelen med web3AI:s distribuerade ramverk. 3、 @PublicAI_ Projektintroduktion: En decentraliserad AI-datainfrastrukturplattform som uppmuntrar globala användare att bidra med data inom flera områden (medicinsk, autonom körning, röst, etc.) genom tokens, med en kumulativ intäkt på mer än 14 miljoner US-dollar och ett nätverk av databidragsgivare på miljonnivå. Höjdpunktsanalys: Den tekniska integrationen av ZK-verifiering och BFT-konsensusalgoritm säkerställer datakvalitet, och Amazon Nitro Enclaves teknik för integritetsbehandling används också för att uppfylla efterlevnadskraven. Vad som är mer intressant är lanseringen av hjärnvågsinsamlingsenheten HeadCap, som kan ses som en förlängning från mjukvara till hårdvara. Den ekonomiska modellen är också väl utformad, användare kan tjäna $16 + 500 000 poäng för 10 timmars röstkommentarer, och kostnaden för företagsprenumerationsdatatjänster kan minskas med 45%. Personliga kommentarer: Jag känner att det största värdet med det här projektet är att möta de verkliga behoven av AI-dataannotering, särskilt inom områden som sjukvård och autonom körning, som har extremt höga krav på datakvalitet och efterlevnad. Felfrekvensen på 20 % är dock fortfarande lite högre än 10 % för traditionella plattformar, och fluktuationer i datakvaliteten är ett problem som måste lösas kontinuerligt. Riktningen för gränssnittet mellan hjärna och dator är ganska fantasifull, men det är inte lätt att utföra. 4、 @sparkchainai Introduktion till projektet: Solanas distribuerade datorkraftsnätverk på kedjan slutförde en finansieringsrunda på 10,8 miljoner dollar i juni, ledd av OakStone Ventures. Höjdpunktsanalys: Dynamic sharding-teknik aggregerar inaktiva GPU-resurser och stöder stor modellinferens som Llama3-405B, vilket är 40 % lägre än AWS. Utformningen av tokeniserade datatransaktioner är ganska intressant, eftersom den direkt förvandlar hashrate-bidragsgivare till intressenter och uppmuntrar fler människor att delta i nätverket. Personlig kommentar: Den typiska modellen "aggregera inaktiva resurser" är logisk. Men felfrekvensen på 15 % över kedjan är faktiskt lite hög, och den tekniska stabiliteten måste poleras. I 3D-rendering, som inte kräver realtidsprestanda, finns det dock fördelar, och nyckeln är om felfrekvensen kan minskas, annars kommer den att dras ner av tekniska problem, oavsett hur bra affärsmodellen är. 5、 @olaxbt_terminal Introduktion i projektkorthet: En AI-driven högfrekvent handelsplattform för kryptovaluta som slutförde en såddrunda på 3,38 miljoner dollar i juni, ledd av @ambergroup_io. Höjdpunktsanalys: MCP-teknik kan dynamiskt optimera transaktionsvägar, minska glidning och öka den uppmätta effektiviteten med 30 %. Att tillgodose den #AgentFi trenden kan betraktas som att hitta en ingångspunkt i det relativt tomma segmentet av DeFi kvantitativ handel, som kan betraktas som att fylla marknadens efterfrågan. Personlig kommentar: Riktningen är bra, DeFi behöver smartare handelsverktyg. Högfrekvenshandel kräver dock extremt hög latens och noggrannhet, och realtidssynergin mellan AI-förutsägelse och utförande i kedjan måste verifieras. Dessutom är MEV-attacker en stor risk, och de tekniska skyddsåtgärderna måste hålla jämna steg. Obs: För fler nya projekt i AI+Crypto-spåret kan du lägga till dem i kommentarsfältet, och jag kommer att granska projekt med investeringsforskningsvärde för att följa upp och dela, tack.