Autor: Minta

1/n (Ciągle aktualizowane) Otwórz post, aby zapisać pomysły drugiego poziomu dotyczące Crypto i AI Nakładanie warstw sektora Web3 i AI jest podobne do Web2. Warstwa danych/warstwa mocy obliczeniowej to najniższa infrastruktura, a następnie przechodzi do modelu warstwę, warstwę usług/warstwę agenta i wreszcie warstwę aplikacji.

2/n Narracja Z perspektywy narracji im niższy stopień standaryzacji/homogenizacji utworu, tym większe prawdopodobieństwo bycia Alfą. Na przykład warstwa mocy obliczeniowej i procesor graficzny są jednorodne, więc projekty dotyczące mocy obliczeniowej skupiają się głównie na pochodnych pochodnych zasobów mocy obliczeniowej/rozgrywce ciągłej/GTM/mocy obliczeniowej itp. Najmniej ustandaryzowane ścieżki podziału to: warstwa modelu, warstwa danych i warstwa agenta.

3/n Warstwa modelu Warstwa modelu to ścieżka o bardzo dużych zmiennych. Pojawienie się nowego modelu może szybko zmienić strukturę rynku. Na przykład GPT-4o OpenAI zapewnia nieskończone możliwości nowych sposobów interakcji człowiek-komputer. Phi-3 wydany przez Microsoft i OpenELM wydany przez Apple na Hugging Face szybko przyspieszyły proces szkolenia mobilnego. Z perspektywy wtórnej duże zmienne = duże szanse na brak konsensusu = duże szanse na alfa.

4/n Warstwa modelu Dobra platforma modelu ma co najmniej następujące cechy: 1. Możliwość komponowania modelu: obsługuje rotację wielu dużych modeli zamiast jednego dużego modelu 2. Musi rozumieć logikę biznesową obliczeń/być z nią kompatybilna zasoby ; 3. Nadzorowane obliczenia/punktacja modelu Podsumowując, platforma modelowa obsługująca wywoływanie biblioteki modeli hybrydowych i interfejsu API narzędzi oraz kompatybilna z zasobami mocy obliczeniowej może pokonać byki i niedźwiedzie.

5/n Bittensor Case Obecną warstwą modelu Top1 jest niewątpliwie Bittensor, aby stworzyć warstwę motywacyjną, co dokładnie Bittensor zrobił dobrze? Krótki przegląd osi czasu Bittensora (niekompletne statystyki): 1. Przed 23 października: społeczność była przyspieszana podczas testów sieci; 2. Rejestracja podsieci była stopniowo otwierana 23 października: z pierwszej partii 9 podsieci do 32 podsieci; zaczęła się stopniowo rozwijać do 64 podsieci w maju 2024 r.;

6/n Bittensor Case 3. Dostosuj model motywacyjny kierując się ekologią: od uniwersalności zachęt do przetrwania najsilniejszych poprzez zachęty, na przykład: (1) Czas połowu jest przyspieszony, a pierwszy połowę jest korygowany z 25 lat do 23 lat; (2) Dostosowanie Tokenomiczne, współczynnik dystrybucji zachęt bezpośrednich w podsieci jest całkowicie zdeterminowany przez rynek, co dodaje więcej wymiarów grze 4. Powoli tworzy się efekt koła zamachowego;

7/n Sprawa Bittensor Z drugiej perspektywy „efekt tworzenia bogactwa”, który udało się osiągnąć Bittensor, jest bardzo krytyczny. Kilka punktów zwrotnych w procesie decyzyjnym firmy Bittensor zbiegło się w czasie ze wzrostem płynności. Od września do 23 listopada liczba podsieci była stale zwiększana, aby zapewnić dużą liczbę zleceń kupna; jednocześnie, w połączeniu ze specjalnym mechanizmem zastawu, szybko promował wzrost cen tokenów, przyciągając w ten sposób więcej projektów do rejestracji jako podsieci, tworząc łagodny cykl. Dlatego przekonasz się, że opłata za rejestrację podsieci jest najlepszym wskaźnikiem ceny $TAO, a szczyt rejestracji podsieci i szczyt ceny zawsze pojawiają się jeden po drugim.

Sprawa Bittensor 8/n W chwili pisania tego tekstu sytuacja 8 najlepszych Bittensorów jest taka, jak pokazano na rysunku. Całkowity współczynnik obstawiania 8 najlepszych Stakerów wynosi 61,2%, a całkowity współczynnik obstawiania projektu wynosi 84,61%. Obecne MC wynosi 2,5B i szacuje się, że MC może osiągnąć 10B+. Aby zakończyć prognozę ceny, wystarczy przewidzieć sytuację obstawiania dużych graczy.

9/n Konkurencyjne produkty Bittensor Konkurencyjne produkty tego samego typu co Bittensor muszą rozwiązać problem wysokich barier wejścia. Obecnie opłata za rejestrację podsieci TAO wciąż nie jest niska, a aby wdrożyć dużą liczbę produktów, firma TAO musi polegać na silnych możliwościach firmy BD; modeli w krótkim czasie, a jednocześnie wykonują dobrą robotę w zarządzaniu wartością rynkową. Niektóre wczesne projekty, takie jak

@communeaidotorg, @zero1_labs, @arbius_ai itp. robią podobne rzeczy. Jeśli ich ekologia szybko się rozwija, może to być dobry punkt wyjścia.

10/n Konkurencyjne produkty Bittensor biorą za przykład Commune. Jest to przedsiębiorczy projekt ekologicznego rdzenia Builder TAO. W porównaniu z TAO: 1. Commune ma niższy próg i łatwiejsze moduły rejestracji Dev; 2. System motywacyjny Commune został znacznie uproszczony/. skreślony, podejmowanie decyzji opiera się na prostszym systemie głosowania, ogólnie rzecz biorąc, obecnie nie ma projektów na drugim poziomie, które mogłyby w krótkim okresie konkurować z Bittensorem.

11/n Kandydat na projekt niewyemitowanej waluty w warstwie modelowej @Nimble_Network buduje globalną warstwę orkiestracji w celu osiągnięcia uniwersalnych operacji sztucznej inteligencji i dostępu z pełnym łączem; @Gatling_X uruchamia EVM w celu obsługi scenariuszy obliczeniowych; @ritualnet przyjmuje wielotorowe podejście z sieci motywacyjnej , do łączenia rozproszonych urządzeń obliczeniowych, hostingu modeli, udostępniania, wnioskowania, optymalizacji itp., do dostępu do warstwy API modelu, a także odporności na cenzurę i prywatności.