Інтерпретувати логіку наративу та потенційні інвестиційні можливості AI+Web3

Рубіж

За останні шість місяців низка токенів проєктів у секторі штучного інтелекту продовжувала зростати, а такі токени, як $TAO, $WLD, $RNDR, $AGIX та $FET, досягли кількаразового зростання. Зокрема, варто згадати, що поєднання штучного інтелекту та криптовалюти – це не примха, а новий шлях сталого розвитку, AI + web3 став одним із найцікавіших інноваційних рубежів у галузі технологій, і з постійним розвитком та ітерацією технології штучного інтелекту ми станемо свідками того, як більше коштів та уваги продовжуватимуть надходити в цю сферу, приносячи кілька раундів можливостей для розвитку AI + web3. Тому розміщення токенів сектору штучного інтелекту є не лише можливим вибором, а й необхідним стратегічним кроком.

Логіка наративу AI+Web3 та її потенційні токени

Немає сумнівів, що штучний інтелект стане ключовою силою, що рухає бичачий ринок криптовалют. Відповідно до поточної ринкової тенденції, галузевий ланцюжок AI+Web3 можна розділити на інфраструктурний, середній рівень і прикладний рівень. Рівень інфраструктури закладає опорну основу, середній рівень з’єднує технології та бізнес, а прикладний рівень надає користувачам інтелектуальний досвід для спільного сприяння трансформації галузі та цифровій трансформації. Тепер давайте розглянемо більше альфа-цілей з точки зору інфраструктурного рівня, середнього рівня та прикладного рівня, отримаємо більше доходу та поділимося радістю цього бичачого ринку.

1. Рівень інфраструктури

Індустрія штучного інтелекту стрімко розвивається, а попит на високопродуктивну інфраструктуру обчислень і зберігання даних зростає. Очікується, що технологія Web3 побудує децентралізовану мережу ресурсів, знизить витрати на інфраструктуру та задовольнить потреби різних додатків штучного інтелекту. Як наслідок, децентралізована інфраструктура штучного інтелекту є одним із найочікуваніших напрямків розвитку на даний момент. Відомі проєкти включають Render Network ($RNDR), яка зосереджується на послугах рендерингу, Akash ($AKT), яка надає децентралізовані хмарні сервіси та обчислювальні апаратні мережі, а також Filecoin ($FIL) та Arweave ($AR), які продовжують залишатися добре відомими децентралізованими мережами зберігання даних у просторі зберігання, а також нещодавно запустили нові сервіси зберігання та обчислень, орієнтовані на штучний інтелект. На додаток до вищевказаних усталених проєктів, існують також нові проєкти, такі як сервісна платформа AI Agent Olas Network ($OLAS), платформа анотації та навчання даних штучного інтелекту AIT Protocol ($AIT), платформа токенізації даних штучного інтелекту LayerAI ($LAI) та централізована мережа GPU io.net ($IO).

2, середній шар

Середній рівень в основному стосується використання технологій, пов’язаних з Web3, для покращення статус-кво та існуючих проблем у конкретному процесі виробництва роботи ШІ. В основному він включає три частини: етап збору даних, етап попередньої обробки даних і етап валідації моделі та висновків.

1. Етап збору даних: Децентралізована ідентифікація даних використовується для створення більш відкритої мережі даних і платформи для торгівлі даними. Поєднуючи криптографічну технологію та функції блокчейну для захисту конфіденційності користувачів та підтвердження даних, і в той же час заохочуючи користувачів ділитися високоякісними даними за допомогою стимулів, щоб розширити джерела даних та підвищити ефективність збору даних. Серед представницьких проєктів – проєкт ідентифікації штучного інтелекту Worldcoin ($WLD) та платформа для торгівлі даними Ocean Protocol ($OCEAN).

2. Етап попередньої обробки даних: Створіть розподілену платформу анотації та обробки даних штучного інтелекту та прийміть модель краудсорсингу стимулювання економічної моделі, щоб сприяти більш ефективній та недорогий попередній обробці даних та забезпечити підтримку на наступному етапі навчання моделі. Репрезентативні проєкти, такі як Public AI тощо.

3. Етап валідації та висновування моделі: У процесі верифікації та висновування моделі технологія Web3 поєднує криптографічні технології, такі як ZK та гомоморфне шифрування, для перевірки висновку моделі, а репрезентативні проєкти на етапі валідації моделі та висновків включають bittensor ($TAO), Privasea ($PRVA), Modulus тощо.

Багато проєктів середньої ланки більше зосереджені на інструментах розробників, часто надаючи додаткові послуги існуючим розробникам та сторонам проєкту. На ранніх стадіях нинішнього розвитку штучного інтелекту ринковий попит і бізнес-практика на ці проєкти все ще розвиваються.

3. Прикладний рівень

На прикладному рівні технологія штучного інтелекту все більше інтегрується в тренд Web3. Впровадження технології штучного інтелекту не тільки підвищує ефективність, але й оптимізує роботу з продуктом. Використовуючи можливості штучного інтелекту щодо генерації, аналізу та прогнозування контенту, ми можемо застосовувати його в іграх, соціальних мережах, аналітиці даних, фінансовому прогнозуванні тощо. Наразі програми AI+Web3 в основному поділяються на три категорії.

1. Клас AIGC: цей тип додатків використовує генеративну технологію штучного інтелекту, щоб дозволити користувачам генерувати текст, зображення, відео, аватари та інший контент за допомогою розмов. Ці технології можуть відображатися як автономні агенти штучного інтелекту або безпосередньо інтегруватися в продукт. Серед репрезентативних проєктів – NFPrompt ($NFP), SleeplessAI ($AI) тощо.

2. Аналіз штучного інтелекту: У цьому типі проєктів команда проєкту використовує свої накопичені дані, базу знань та можливості аналізу для навчання вертикальних моделей штучного інтелекту, щоб реалізувати аналіз даних, судження, прогнозування та інші функції та надати їх користувачам у продуктах. Таким чином, користувачі можуть легко отримати доступ до розширених аналітичних можливостей штучного інтелекту, таких як аналіз даних, відстеження інформації, аудит і модифікація коду, фінансове прогнозування тощо. Серед репрезентативних проєктів – Kaito, Dune тощо.

3. Клас AI Agent Hub: цей тип проєктів об’єднує різних агентів штучного інтелекту, часто надаючи користувачам можливість створювати власні агенти ШІ без кодування, подібно до GPT. Серед нових потенційних проєктів – My Shell, MetaSecond.AI ($MTSD) та інші.

Наразі немає очевидних провідних проєктів на прикладному рівні, але в довгостроковій перспективі сфера застосування AI+Web3 має бути сектором із надзвичайно високим потенціалом і ширшою стелею. У цій сфері конкуренція вже не обмежується технологічними інноваціями, а більше фокусується на накопиченні продукції та технічних можливостей. Зокрема, продукти, які можуть забезпечити кращий досвід роботи зі штучним інтелектом, отримають більшу конкурентну перевагу в цій сфері.

Висновок

Немає сумнівів, що AI + web3 став незабутньою інвестиційною ціллю в очах багатьох людей у 2024 році, і з енергійним розвитком штучного інтелекту інвесторам необхідно ретельно оцінювати з більш комплексної точки зору, щоб ретельно вибрати ті «золоті цілі», які мають більший потенціал і більш гідні раннього втручання. Зараз ми вступаємо в нову еру в сфері AI + Web3, і сподіваємося, що ця сфера буде сяяти більш сліпуче. 2024 рік стане роком, коли ми станемо свідками вершини технологічних інновацій, і це не лише про реалізацію технологій, а й про майбутнє світу.