تحليل الاتجاهات الثلاثة الكبرى والمشاريع الساخنة في مجال Crypto+AI

مؤخراً، تم تنظيم المشاريع الشهيرة في مجال Crypto+AI، واكتشفنا ثلاثة تغييرات واضحة في الاتجاهات:

1. أصبحت المسارات التقنية للمشروع أكثر واقعية، حيث بدأ التركيز على استخدام بيانات الأداء للتحدث، بدلاً من مجرد التغليف المفاهيمي؛

2. أصبحت المشاهد العمودية المتخصصة نقطة تركيز للتوسع، وبدأت تطبيقات الذكاء الاصطناعي المتخصصة تحل محل الذكاء الاصطناعي العام؛

3. أصبح رأس المال يركز أكثر على التحقق من نماذج الأعمال، والمشاريع التي تتمتع بتدفق نقدي فعلي تحظى بوضوح بأفضلية أكبر.

فيما يلي مقدمة قصيرة وتحليل لبعض المشاريع الشهيرة:

منصة تقييم نماذج الذكاء الاصطناعي اللامركزية

أكمل المنصة جولة تمويل أولية بقيمة 33 مليون دولار في يونيو. تتلخص الفكرة الأساسية في تطبيق مزايا الحكم الذاتي البشري على نقاط الضعف في تقييم الذكاء الاصطناعي. من خلال طريقة الحشد البشري، يتم تقييم أكثر من 500 نموذج كبير، ويمكن تحويل تعليقات المستخدمين إلى نقد. لقد جذبت هذه المنصة شركات الذكاء الاصطناعي الشهيرة لشراء البيانات، مما أدى إلى إنشاء تدفق نقدي حقيقي.

هذا مشروع يتمتع بنموذج عمل واضح نسبيًا، وليس مجرد نموذج إنفاق أموال. لكن الوقاية من سلوكيات الطعن في الطلبات تمثل تحديًا كبيرًا، ويتطلب الأمر تحسينًا مستمرًا لخوارزمية مكافحة الهجمات النسائية. من حيث حجم التمويل، تفضل رأس المال بشكل واضح المشاريع التي تمتلك قدرة مثبتة على تحقيق العائد.

شبكة الحوسبة الذكية اللامركزية

أنهى المشروع جولة التمويل الأولي بقيمة 10 ملايين دولار في يونيو. المنتج الرئيسي هو ملحق متصفح حصل على اعتراف معين في مجال DePIN في سولانا. أعضاء الفريق من مشاريع بلوكتشين معروفة، والبروتوكول الجديد لنقل البيانات ومحرك الاستدلال قاموا باستكشاف جوهري في حساب الحافة وقابلية التحقق من البيانات، مما يمكنه من تقليل التأخير بنسبة 40% ودعم الوصول إلى الأجهزة المتنوعة.

هذا الاتجاه يتماشى تمامًا مع الاتجاهات "الهابطة" في توطين الذكاء الاصطناعي. لكن عند التعامل مع المهام المعقدة، لا يزال يتعين مقارنة الكفاءة مع المنصات المركزية، وثبات عقد الحافة لا يزال مشكلة بحاجة إلى حل. ومع ذلك، فإن الحوسبة الطرفية ليست فقط حاجة جديدة ناتجة عن المنافسة الشديدة في مجال الذكاء الاصطناعي التقليدي، ولكنها أيضًا ميزة من ميزات إطار العمل الموزع للذكاء الاصطناعي في Web3، ومن المتوقع أن يتم دفع تحقيق ذلك من خلال المنتجات العملية ذات الأداء المحدد.

منصة البنية التحتية للبيانات AI اللامركزية

تقوم هذه المنصة بتحفيز المستخدمين من جميع أنحاء العالم من خلال الرموز لتقديم بيانات في مجالات متعددة، بما في ذلك الطب، القيادة الذاتية، والصوت، وقد تجاوز إجمالي الإيرادات 14 مليون دولار، مما أدى إلى إنشاء شبكة من المساهمين في البيانات تضم مئات الآلاف.

تقنياً، يدمج هذا النظام التحقق من إثبات المعرفة الصفرية مع خوارزمية الإجماع المقاوم لخطأ بيزنطي لضمان جودة البيانات، كما يستخدم تقنية حساب الخصوصية لتلبية متطلبات الامتثال. من الجدير بالذكر أنهم أطلقوا أيضًا جهاز جمع موجات الدماغ، مما يحقق التوسع من البرمجيات إلى الأجهزة. تصميم النموذج الاقتصادي جيد أيضًا، حيث يمكن للمستخدمين كسب 16 دولاراً بالإضافة إلى 500,000 نقطة من خلال 10 ساعات من التعليقات الصوتية، بينما يمكن أن تنخفض تكلفة اشتراك الشركات في خدمات البيانات بنسبة 45%.

تتمثل القيمة الكبرى لهذا المشروع في تلبية الاحتياجات الحقيقية لتوسيم بيانات الذكاء الاصطناعي، خاصة في المجالات التي تتطلب جودة بيانات عالية ومتطلبات تنظيمية شديدة مثل الرعاية الصحية والقيادة الذاتية. ومع ذلك، فإن معدل الخطأ البالغ 20% مقارنةً بـ 10% في المنصات التقليدية لا يزال مرتفعًا، وتقلب جودة البيانات هو مشكلة تحتاج إلى حلول مستمرة. على الرغم من أن مجال واجهات الدماغ والحاسوب مليء بإمكانيات التخيل، إلا أن صعوبة التنفيذ ليست بسيطة.

شبكة الحوسبة الموزعة على سلسلة سولانا

تم الانتهاء من تمويل المشروع بمبلغ 10.8 مليون دولار في يونيو. التكنولوجيا الأساسية هي تجميع موارد GPU غير المستخدمة من خلال تقنية التجزئة الديناميكية، مما يدعم استنتاج نماذج اللغة الكبيرة بتكلفة أقل بنسبة 40% من خدمات السحابة السائدة. تصميم تبادل البيانات المرمزة مبتكر للغاية، حيث يحول مباشرةً المساهمين في قوة الحوسبة إلى أصحاب مصلحة، مما يساعد في تحفيز المزيد من الأشخاص للمشاركة في الشبكة.

هذه نموذج "تجميع الموارد غير المستخدمة" النموذجي، منطقياً يبدو معقولاً. لكن معدل خطأ التحقق عبر السلاسل بنسبة 15% مرتفع بالفعل، وهناك حاجة لتحسين الاستقرار التقني. ومع ذلك، في مشاهد مثل عرض الرسومات ثلاثية الأبعاد حيث لا تكون الحاجة إلى الوقت الحقيقي ملحة، فإن هذا النموذج لديه مزايا معينة، والمفتاح هو ما إذا كان يمكن تقليل معدل الخطأ، وإلا فإن أي نموذج تجاري جيد سيتأثر بالمشاكل التقنية.

منصة تداول العملات المشفرة عالية التردد المدفوعة بالذكاء الاصطناعي

أكملت المنصة تمويل المرحلة الأولية بقيمة 3.38 مليون دولار في يونيو. تتيح تقنيتها الأساسية تحسين مسارات التداول بشكل ديناميكي، مما يقلل من الانزلاق، وقد أظهرت التجارب زيادة في الكفاءة بنسبة 30%. يتوافق هذا المشروع مع اتجاه الوكلاء الماليين المعتمدين على الذكاء الاصطناعي، وقد وجد نقطة دخول في مجال التداول الكمي DeFi الذي يعتبر فرعًا نسبياً فارغًا، مما يلبي احتياجات السوق.

اتجاه المشروع بلا شك صحيح، فـ DeFi يحتاج حقًا إلى أدوات تداول أكثر ذكاءً. لكن التداول عالي التردد يتطلب دقة وتأخيرًا عاليين، ويجب التحقق من التوافق الفوري بين توقعات الذكاء الاصطناعي والتنفيذ على السلسلة بشكل أكبر. بالإضافة إلى ذلك، فإن هجمات القيمة القابلة للاستخراج القصوى (MEV) تشكل خطرًا كبيرًا، مما يتطلب تعزيز تدابير الحماية التقنية.