AI と Web3 データ産業の統合の現状、競争環境、将来の機会に関する分析 (パート 2)-web3资讯-ODAILY

GPT の出現により、大規模言語モデルが世界的に注目を集め、各界がこの「ブラックテクノロジー」を利用して作業効率を向上させ、業界の発展を加速させようとしています。 Future 3 Campus は、Footprint Analytics と提携して、AI と Web3 の組み合わせの無限の可能性に関する詳細な調査を実施し、「Web3 と Web3 の統合の現状、競争環境、および将来の機会の分析」と題した調査レポートを共同で発表しました。 AIとWeb3データ産業。」研究報告書は 2 部に分かれており、この記事はフューチャー 3 キャンパスの研究員であるシェリー氏とハンフリー氏がまとめた第二部です。

まとめ：

AIとWeb3のデータ連携により、データ処理の効率化とユーザーエクスペリエンスの向上が進んでいます。ブロックチェーンデータ業界における LLM の現在の探究は、主に AI テクノロジーによるデータ処理効率の向上、LLM のインタラクティブな利点を利用した AI エージェントの構築、AI による価格設定とトランザクション戦略分析に焦点を当てています。
現時点では、Web3 データ分野における AI の応用には、精度、解釈可能性、商用化などのいくつかの課題がまだあります。人間の介入を完全に置き換えるには、まだ長い道のりがあります。
Web3 Data Company の核となる競争力は、AI 技術そのものだけではなく、データの蓄積とデータの詳細な分析と活用の能力にもあります。
AI はデータ製品の商用化の問題を短期的には解決できない可能性があり、商用化にはさらなる製品化の取り組みが必要になります。

1. Web3データ産業とAIの融合の現状と発展の軌跡

1.1 Dune

Dune は現在、Web3 業界をリードするオープンデータ分析コミュニティです。ブロックチェーン上の大量のデータのクエリ、抽出、視覚化のためのツールを提供しており、ユーザーやデータ分析の専門家が簡単な SQL クエリを使用して Dune のオンチェーンデータをクエリできるようにします。事前に入力されたデータベース、および対応するチャートと意見を形成します。

2023 年 3 月、Dune は AI と将来の LLM との統合計画を提案し、10 月に Dune AI 製品をリリースしました。 Dune AI 関連製品の中核は、LLM の強力な言語と分析機能を使用して Wizard UX を強化し、ユーザーに Dune でのデータクエリと SQL 書き込みをより適切に提供することに重点を置いています。

(1) クエリの説明：3月にリリースした製品は、ボタンをクリックするだけでSQLクエリの自然言語説明を得ることができ、複雑なSQLクエリの理解を深め、データ分析の効率と精度を向上させることができます。

(2) クエリ変換: Dune は、Dune 上のさまざまな SQL クエリエンジン (Postgres や Spark SQL など) を DuneSQL に均一に移行することを計画しているため、LLM は自動化されたクエリ言語変換機能を提供して、ユーザーがより適切に移行して DuneSQL に利益をもたらすことができるようにします。。

(3) 自然言語クエリ：Dune AI 10月リリース。ユーザーは平易な英語で質問したり、データを取得したりできます。この機能の目的は、SQL の知識がないユーザーでもデータを簡単に取得して分析できるようにすることです。

(4) 検索の最適化: Dune は LLM を使用して検索機能を改善し、ユーザーがより効果的に情報をフィルタリングできるようにする予定です。

(5) Wizard ナレッジベース: Dune は、ユーザーが Spellbook と Dune ドキュメントでブロックチェーンと SQL の知識をすばやく参照できるようにするチャットボットをリリースする予定です。

(6) SQL 作成作業の簡素化 (Dune Wand): Dune は 8 月に SQL ツールの Wand シリーズを発売しました。 Create Wand を使用すると、ユーザーは自然言語プロンプトから完全なクエリを生成でき、Edit Wand を使用するとユーザーは既存のクエリを変更でき、デバッグ機能はクエリ内の構文エラーを自動的にデバッグできます。これらのツールの中核となるのは LLM テクノロジーです。これにより、クエリ作成プロセスが簡素化され、アナリストはコードや構文の問題を気にすることなく、データ分析の中核ロジックに集中できるようになります。

1.2 Footprint Analytics

Footprint Analytics は、人工知能テクノロジーを使用してノーコードデータ分析プラットフォーム、統合データ API 製品、Web3 プロジェクト BI プラットフォーム Footprint Growth Analytics を提供するブロックチェーンデータソリューションプロバイダーです。

Footprint の利点は、オンチェーンデータの生産ラインとエコロジーツールの構築にあり、オンチェーンおよびオフチェーンのデータと、オンチェーンの工業および商業登録と同様のメタデータデータベースをオープンにするための統合データレイクを確立し、ユーザーが分析・利用する際にデータを取得できる機能、使いやすさ、品質。 Footprint の長期戦略は、オンチェーンのデータとアプリケーションを生成できる「機械工場」を構築するための技術の深さとプラットフォームの構築に焦点を当てます。

Footprint製品とAIの組み合わせは以下の通りです。

LLM モデルの発表以来、フットプリントは、データ処理と分析の効率を向上させ、よりユーザーフレンドリーな製品を作成するために、初めて既存のデータ製品と AI の組み合わせを模索してきました。フットプリントは2023年5月より自然言語対話型データ分析機能の提供を開始し、独自のノーコードベースでテーブルやデザインに精通する必要のないハイエンド製品の機能にバージョンアップしました。会話を通じて素早くデータを取得し、グラフを生成するプラットフォームです。

さらに、現在市場にある LLM + Web3 データ製品は、ユーザーの敷居を下げ、インタラクションパラダイムを変えるという問題の解決に主に焦点を当てていますが、フットプリントの製品開発と AI の焦点は、ユーザーのデータ分析用途の解決を支援することだけではありません。経験仮想通貨分野における垂直データとビジネス理解を蓄積すること、また仮想通貨分野での言語モデルをトレーニングして垂直シナリオアプリケーションの効率と精度を向上させることにも焦点を当てています。この点におけるフットプリントの利点は、次の側面に反映されます。

データ知識量（知識ベースの質と量）。データ蓄積の効率、ソース、量、カテゴリ。特に、Footprint MetaMosaic サブ製品は、関係グラフと特定のビジネスロジックの静的データの蓄積を具体化します。
知識アーキテクチャ。フットプリントは、ビジネスセクションに基づいて 30 以上のパブリックチェーンの抽象構造化データテーブルを蓄積しています。生データから構造化データに至る生産プロセスに関する知識は、生データの理解を強化し、モデルをより適切にトレーニングすることができます。
データの種類。チェーン上の非標準および非構造化生データからのトレーニングと、ビジネスに意味のある構造化されたデータテーブルおよびインジケーターからのトレーニングとの間には、トレーニング効率とマシンコストに明らかな差があります。典型的な例としては、暗号化分野に基づく専門的なデータに加えて、より可読性の高い構造化されたデータが必要であり、より多くのユーザーがフィードバックデータとして使用されるなど、より多くのデータを LLM に提供する必要があることが挙げられます。
暗号通貨のマネーフローデータ。フットプリントは、投資に密接に関連する資本フローデータを抽象化します。これには、時間、件名 (フローの方向を含む)、トークンの種類、金額 (関連する時点でのトークン価格)、ビジネスの種類、およびトークンが含まれます。件名のタグは次のように使用できます。 LLM の知識ベースとデータソース。トークンの主要資金の分析、チップの分布の特定、資金の流れの監視、チェーン上の変化の特定、スマートファンドの追跡などに使用できます。
プライベートデータの注入。フットプリントは、モデルを 3 つの主要な層に分割しており、1 つは世界の知識を備えた基本的な大規模モデル (OpenAI およびその他のオープンソースモデル)、細分化された分野の垂直モデル、およびパーソナライズされた専門知識モデルです。これにより、ユーザーはフットプリント上のさまざまなソースからのナレッジベースを統合して管理し、プライベートデータを使用してプライベート LLM をトレーニングすることができます。これは、よりパーソナライズされたアプリケーションシナリオに適しています。

LLM モデルと組み合わせたフットプリントの調査中に、私たちは一連の課題や問題にも遭遇しました。その最も典型的なものは、トークンの不足、時間のかかるプロンプト、不安定な回答でした。 Footprint が位置するオンチェーンデータの垂直分野では、より大きな課題は、チェーン上に多くの種類のデータエンティティが存在し、大量かつ急速に変化することであり、それらがどのような形式で LLM や業界全体に供給されるかということです。さらなる研究と探索が必要です。現在のツールチェーンはまだ初期段階にあり、特定の問題を解決するにはさらに多くのツールが必要です。

将来的には、Footprint のテクノロジーおよび製品と AI の統合には以下が含まれる予定です。

(1) テクノロジーの観点から、Footprint は LLM モデルを使用して 3 つの側面を探索および最適化します。

LLM による構造化データの推論の実行をサポートし、大量の構造化データと暗号化分野の知識を LLM のデータ消費と生成に適用できるようにします。
ユーザーがパーソナライズされたナレッジベース (知識、データ、経験を含む) を構築し、プライベートデータを使用して最適化された暗号 LLM の能力を向上させ、誰もが独自のモデルを構築できるようにします。
AI に分析とコンテンツ制作を支援させ、ユーザーは対話を通じて独自の GPT を作成し、資本フローデータやプライベートナレッジベースと組み合わせて、暗号資産投資コンテンツを制作および共有できます。

(2) 製品に関しては、フットプリントは AI 製品のアプリケーションとビジネスモデルの革新の探求に焦点を当てます。 Footprint の最近の製品プロモーション計画によると、ユーザー向けの AI 暗号コンテンツ生成および共有プラットフォームを立ち上げる予定です。

さらに、将来のパートナー拡大に向けて、フットプリントは次の 2 つの側面を検討します。

まず、KOL との連携を強化して、価値のあるコンテンツの制作、コミュニティ運営、知識の収益化を促進します。

第二に、より協力的なプロジェクト当事者とデータプロバイダーを拡大し、オープンでウィンウィンのユーザーインセンティブとデータ協力を創出し、相互利益でウィンウィンのワンストップデータサービスプラットフォームを確立します。

1.3 GoPlus Security

GoPlus Security は現在、Web3 業界をリードするユーザーセキュリティインフラストラクチャであり、さまざまなユーザー指向のセキュリティサービスを提供しています。これは、主流のデジタルウォレット、マーケット Web サイト、Dex、および市場のその他のさまざまな Web3 アプリケーションによって統合されています。ユーザーは、資産セキュリティの検出、転送承認、フィッシング対策などのさまざまなセキュリティ保護機能を直接利用できます。 GoPlus が提供するユーザーセキュリティソリューションは、ユーザーセキュリティライフサイクル全体を包括的にカバーし、さまざまな種類の攻撃者の脅威からユーザー資産を保護します。

GoPlus と AI の開発と計画は次のとおりです。

AI テクノロジーにおける GoPlus の主な研究は、AI 自動検出と AI セキュリティアシスタントの 2 つの製品に反映されています。

(1) AIによる自動検知

GoPlus は、セキュリティ検出の効率と精度を包括的に向上させるために、2022 年に AI テクノロジーに基づく独自の自動検出エンジンの開発を開始します。 GoPlus のセキュリティエンジンは、静的コード検出、動的検出、機能または動作の検出などの複数のリンクを使用した、多層のファネルスタイルの分析手法を採用しています。この複合検出プロセスにより、エンジンは潜在的なリスクサンプルの特性を効果的に特定して分析し、攻撃の種類と動作を効果的にモデル化できます。これらのモデルは、エンジンがセキュリティ脅威を特定して防止するための鍵となり、エンジンがリスクサンプルに特定の攻撃特性があるかどうかを判断するのに役立ちます。さらに、GoPlus セキュリティエンジンは、長期間にわたる反復と最適化を経て、豊富なセキュリティデータと経験を蓄積しており、そのアーキテクチャは、新たなセキュリティ脅威に迅速かつ効果的に対応し、さまざまな複雑で新しい攻撃を確実に発見してブロックできます。私たちはユーザーの安全を守ります。現在、このエンジンは、危険な契約の検出、フィッシング Web サイトの検出、悪意のあるアドレスの検出、危険な取引の検出などの複数のセキュリティシナリオで AI 関連のアルゴリズムとテクノロジーを使用しています。 AI テクノロジーを使用すると、リスクへの曝露をより迅速に軽減し、検出効率を向上させ、検出コストを削減できますが、その一方で、手動による参加に伴う複雑さと時間コストが軽減され、特に次のようなリスクにさらされている人々にとって、リスクサンプルの判断の精度が向上します。定義が難しい、またはエンジンで識別するのが難しい新しいシナリオの場合、AI は特徴をより適切に収集し、より効果的な分析方法を形成できます。

2023 年、大型モデルが進化するにつれて、GoPlus はすぐに LLM に適応して採用しました。従来の AI アルゴリズムと比較して、LLM のデータ識別、処理、分析における効率と有効性は大幅に向上しました。 LLM の出現により、GoPlus は AI 自動検出における技術探求を加速することができ、動的なファズテストの方向で、GoPlus は LLM テクノロジーを採用して、トランザクションシーケンスを効果的に生成し、より深い状態を探索して契約リスクを発見しました。

(2) AIセキュリティアシスタント

GoPlus はまた、LLM ベースの自然言語処理機能を活用して AI セキュリティアシスタントを開発し、即時のセキュリティコンサルテーションを提供し、ユーザーエクスペリエンスを向上させています。 GPT ラージモデルに基づいて、AI アシスタントは、フロントエンドビジネスデータの入力を通じて一連の自社開発ユーザーセキュリティエージェントを開発しました。これにより、提供する問題に基づいて自動的に分析、ソリューションの生成、タスクの分解、および実行が可能になります。必要なセキュリティサービスを利用できるユーザー。 AI アシスタントは、ユーザー間のコミュニケーションとセキュリティの問題を簡素化し、ユーザーが理解する敷居を下げることができます。

製品の機能面では、セキュリティ分野におけるAIの重要性から、将来的にAIは既存のセキュリティエンジンやウイルス対策エンジンの構造を一変させる可能性があり、AIを核とした新たなエンジンアーキテクチャが登場します。が出てきます。 GoPlus は、AI を補助ツールからセキュリティ検出エンジンの中核機能に変えるために、AI モデルのトレーニングと最適化を継続します。

ビジネスモデルの観点から見ると、GoPlus のサービスは現在主に開発者やプロジェクト関係者向けですが、同社は C エンドユーザー向けの直接的な製品やサービス、および AI 関連の新しい収益モデルを模索しています。効率的、正確、かつ低コストの C サイドサービスを提供することが、将来の GoPlus の中核的な競争力となります。このため、同社は研究を継続し、ユーザーと対話する大規模な AI モデルについてさらに多くのトレーニングと出力を実施する必要があります。同時に、GoPlus は他のチームと協力してセキュリティデータを共有し、協力を通じてセキュリティ分野での AI アプリケーションを促進し、将来起こり得る業界の変化に備える予定です。

1.4 Trusta Labs

2022 年に設立された Trusta Labs は、人工知能を活用した Web3 分野のデータスタートアップ企業です。 Trusta Labs は、高度な人工知能テクノロジーを使用してブロックチェーンデータを効率的に処理および正確に分析し、ブロックチェーンのオンチェーンの評判とセキュリティインフラストラクチャを構築することに重点を置いています。現在、Trusta Labs のビジネスには主に TrustScan と TrustGo の 2 つの製品が含まれています。

(1) TrustScan、TrustScan は B サイドの顧客向けに特別に設計された製品で、主に Web3 プロジェクトがオンチェーンのユーザー行動分析を実施し、ユーザーの獲得、ユーザーのアクティビティ、およびユーザー維持の観点から洗練された層別化を行い、高い価値を特定するのに役立ちます。そして実際のユーザー。

(2) Cエンド顧客向け製品であるTrustGoは、オンチェーンアドレスを5つの側面（資金量、アクティビティ、多様性、アイデンティティ権、ロイヤルティ）から分析・評価できるMEDIA分析ツールを提供しており、本製品が重視するのは、オンチェーンデータを詳細に分析して、トランザクションの意思決定の品質とセキュリティを向上させます。

Trusta LabsとAIの開発・計画は以下の通りです。

現在、Trusta Labs の 2 つの製品は AI モデルを使用して、チェーン上のアドレスのインタラクションデータを処理および分析しています。ブロックチェーン上のアドレスインタラクションの動作データはすべてシーケンスデータであり、このタイプのデータは AI モデルのトレーニングに非常に適しています。 Trusta Labs は、チェーン上のデータのクリーニング、分類、ラベル付けのプロセスで多くの作業を AI に引き渡し、データ処理の品質と効率を大幅に向上させると同時に、人件費も大幅に削減します。 Trusta Labs は、AI テクノロジーを使用して、チェーン上のアドレス相互作用データの詳細な分析とマイニングを実施し、B サイドの顧客に対して、最も可能性の高い魔女アドレスを効果的に特定できます。 Tursta Labs 製品を使用した複数のプロジェクトで、Tursta Labs は潜在的な Sybil 攻撃をより効果的に防止できました。C サイドの顧客に対しては、TrustGo 製品を通じて、既存の AI モデルを使用して、ユーザーが自分自身についてより深く理解できるように効果的に支援しています。。

Trusta Labs は、LLM モデルの技術的進歩と応用実践に細心の注意を払ってきました。モデルのトレーニングと推論のコストが継続的に削減され、Web3 分野で大量のコーパスとユーザー行動データが蓄積されているため、Trusta Labs は適切な時期を見つけて LLM テクノロジーを導入し、AI の生産性を利用してより多くの機能を提供できるようになります。 -製品とユーザーの深度データマイニングと分析機能。現在Trusta Labsが提供している豊富なデータをもとに、AIのインテリジェントな分析モデルを活用し、Bエンドユーザー向けに定性的・定量的な解釈を提供するなど、データ結果に対するより合理的かつ客観的なデータ解釈機能を提供していきたいと考えています。魔女アカウントを使用すると、ユーザーはデータの背後にある理由の分析をより深く理解できるようになり、顧客に苦情を説明する際に、B 側ユーザーに対してより詳細な資料サポートを提供することもできます。

一方、Trusta Labs は、オープンソースまたは比較的成熟した LLM モデルを使用し、それをインテント中心の設計コンセプトと組み合わせて、ユーザーがオンチェーンのインタラクションの問題をより迅速かつ効率的に解決できるようにする AI エージェントを構築することも計画しています。具体的なアプリケーションシナリオに関しては、将来的には、Trusta Labsが提供するLLMトレーニングに基づいたAI Agentインテリジェントアシスタントを通じて、ユーザーは自然言語を通じてインテリジェントアシスタントと直接通信でき、インテリジェントアシスタントは情報を「スマート」にフィードバックできるようになります。また、提供された情報をもとにその後の運用の提案や計画を行うことで、ユーザーの意図を中心としたインテリジェントな運用をワンストップで実現し、ユーザーのデータ活用の敷居を大幅に下げ、実行の簡素化を実現します。オンチェーン操作。

さらに、トラスタは、将来的に AI ベースのデータ製品がますます登場するため、各製品の競争力の中心となる要素は、どの LLM モデルが使用されているかではない可能性があると考えています。データと解釈。マスタリングされたデータの分析に基づいて LLM モデルと組み合わせることで、より「スマート」な AI モデルをトレーニングできます。

1.5 0xScope

2022 年に設立された 0xScope は、ブロックチェーン技術と人工知能の組み合わせに焦点を当てた、データを中核とする革新的なプラットフォームです。 0xScope は、人々がデータを処理、使用、表示する方法を変えることを目指しています。 0xScope は現在、B 側と C 側の顧客向けに 0xScope SaaS 製品と 0xScopescan をそれぞれ発売しています。

(1) エンタープライズ向け SaaS ソリューションである 0xScope SaaS 製品は、企業顧客が投資後の管理を実施し、より適切な投資決定を下し、ユーザーの行動を理解し、競争力学を注意深く監視できるようにします。

(2) 0xScopescan は、仮想通貨トレーダーが選択したブロックチェーン上の資金の流れとアクティビティを調査できるようにする B2C 製品です。

0xScope のビジネスの焦点は、オンチェーンデータを使用して共通のデータモデルを抽象化し、オンチェーンデータ分析作業を簡素化し、オンチェーンデータを理解可能なオンチェーン操作データに変換することで、ユーザーが詳細な分析を実行できるようにすることです。オンチェーンデータ。 0xScope が提供するデータツールプラットフォームを使用すると、チェーン上のデータの品質を向上させ、データに隠された情報をマイニングして、より多くの情報をユーザーに明らかにできるだけでなく、このプラットフォームはデータマイニングのしきい値を大幅に下げることもできます。

0xScopeとAIの開発と計画は次のとおりです。

0xScope の製品は大規模モデルと組み合わせてアップグレードされており、これには 2 つの方向が含まれます: 第一に、自然言語対話モードを通じてユーザーのしきい値をさらに下げること、第二に、AI モデルを使用してデータのクリーニング、解析、モデリング、分析の他のリンクの処理効率を向上させることです。同時に、0xScopeの製品は、チャット機能を備えたAIインタラクティブモジュールを間もなくリリースする予定であり、この機能により、ユーザーはデータのクエリと分析の敷居が大幅に下がり、自然言語のみを通じて基礎となるデータの対話とクエリが可能になります。

しかし、AI のトレーニングと使用の過程で、0xScope は依然として次の課題に直面していることに気付きました。まず、AI のトレーニングコストと時間コストが高いことです。質問してからAIが答えるまでに時間がかかります。したがって、この困難により、チームは万能のスーパー AI アシスタントにするのではなく、ビジネスプロセスを合理化して集中し、垂直領域での QA に重点を置くことになります。第 2 に、LLM モデルの出力は制御できません。データ製品は正確な結果を提供することを望んでいますが、現在の LLM モデルによって得られる結果は実際の状況とは多少異なる可能性があり、これはデータ製品のエクスペリエンスにとって非常に致命的です。さらに、大規模なモデルの出力にはユーザーの個人データが含まれる場合があります。したがって、製品で LLM モデルを使用する場合、チームは AI モデルによって出力される結果を制御可能かつ正確にするために、より大きな制限を課す必要があります。

将来的には、0xScope は AI を使用して特定の垂直トラックに焦点を当て、深耕を行うことを計画しています。 0xScopeは、蓄積された大量のオンチェーンデータに基づいてチェーン上のユーザーのアイデンティティを定義でき、将来的にはAIツールを使用してチェーン上のユーザーの行動を抽象化し、独自のデータモデリングシステムを構築します。この一連のデータを通じて、マイニングおよび分析システムは、チェーン上のデータに隠された情報を明らかにします。

協力の観点から、0xScope は 2 つのタイプのグループに焦点を当てます。1 つ目のタイプは、開発者、プロジェクト関係者、VC、取引所など、製品が直接サービスを提供できるオブジェクトです。このグループは、現在の組織によって提供されるデータを必要とします。 2 番目のタイプは、Debank、Chainbase など、AI Chat のニーズがあるパートナーが、関連する知識とデータを持っている限り、AI Chat を直接呼び出すことができます。

2. VCの洞察——AI+Web3データ企業の事業化と今後の発展の道筋

このセクションでは、4 人のシニア VC 投資家へのインタビューを通じて、AI+Web3 データ産業の現状と発展、Web3 データ企業の核となる競争力、将来の事業化の道筋を投資と市場の観点から考察します。

2.1 AI+Web3データ産業の現状と発展

現在、AI と Web3 データの組み合わせは活発に検討されている段階にあり、Web3 データをリードするさまざまな企業の開発方向から判断すると、AI テクノロジーと LLM の組み合わせは不可欠なトレンドとなっています。しかし同時に、LLM には独自の技術的な限界があり、現在のデータ業界の多くの問題をまだ解決できません。

したがって、プロジェクトの利点を高めるためにやみくもに AI と組み合わせたり、宣伝のために AI の概念を使用したりするのではなく、真に実用的で将来性のある応用分野を探求することが重要であることを認識する必要があります。 VC の観点から、AI と Web3 データの現在の組み合わせは次の側面で検討されています。

1) AI テクノロジーを通じて Web3 データ製品の機能を向上させる。これには、企業の内部データ処理と分析の効率向上を支援する AI テクノロジーが含まれ、それに応じてユーザーデータ製品の自動分析と取得の機能も向上する。たとえば、SevenX Ventures の Yuxing 氏は、Web3 データに AI テクノロジーを使用する主な助けは効率であると述べ、たとえば、Dune はコード異常検出に LLM モデルを使用し、自然言語を SQL に変換して情報のインデックスを解除するプロジェクトもあります。セキュリティ警告に AI を使用すると、AI アルゴリズムの異常検出効果は純粋な数学的統計よりも優れているため、セキュリティ監視をより効果的に行うことができます。さらに、Matrix Partners の Zi Xi 氏は、企業はトレーニングによってデータに事前にラベルを付けることができると述べました人件費を大幅に節約できる AI モデル。それにもかかわらず、ベンチャーキャピタルは皆、AI はデータの事前アノテーションなど、Web3 データ製品の機能と効率を向上させる補助的な役割を果たしており、最終的には精度を確保するために手作業によるレビューが必要になる可能性があると信じています。

2) LLM の適応性とインタラクションの利点を利用して、AI エージェント/ボットを作成します。たとえば、大規模な言語モデルは、情報集約や世論分析のために、オンチェーンデータやオフチェーンニュースデータを含む Web3 データ全体を取得するために使用されます。 Hashkey Capital の Harper 氏は、このタイプの AI エージェントは情報の統合、生成、ユーザーとの対話に重点を置き、情報の正確性と効率性が比較的弱いと考えています。

上記 2 つの側面での応用例は数多くありますが、技術と製品はまだ模索の初期段階にあり、今後も継続的な技術の最適化と製品の改善が必要です。

3) 価格設定と取引戦略分析に AI を使用する:現在市場には、Qiming Venture Partners が投資した NFTGo など、AI テクノロジーを使用して NFT の価格を推定するプロジェクトがあり、一部のプロの取引チームはデータ分析と取引実行に AI を使用しています。。さらに、Ocean Protocol は最近、価格予測 AI 製品をリリースしました。このタイプの製品は非常に想像力に富んでいるように見えますが、製品、ユーザーの受け入れ、特に精度の点でまだ検証する必要があります。

一方で、多くのVC、特にWeb2に投資しているVCは、Web3とブロックチェーンテクノロジーがAIテクノロジーにもたらす利点と応用シナリオにもっと注目するだろう。ブロックチェーンには、公的に検証可能で分散化されているという特徴と、暗号技術によって提供されるプライバシー保護機能があり、Web3 による生産関係の再構築と相まって、AI にいくつかの新しい機会をもたらす可能性があります。

1) AIデータの確認・検証。 AI の出現により、データコンテンツの生成が遍在化され、安価になりました。 Qiming Venture Partners の Tang Yi 氏は、デジタル作品やその他のコンテンツの品質と作成者を判断するのは難しいと述べました。この点で、データ内容の検証にはまったく新しいシステムが必要ですが、ブロックチェーンが役立つ可能性があります。 Jingwei Venture CapitalのZi Xi氏は、取引のためにデータをNFTに入れるデータ交換があり、データ確認の問題を解決できると述べました。

さらに、SevenX VenturesのYuxing氏は、Web3データによってAIの不正行為やブラックボックス問題を改善できると述べ、現在、AIはモデルアルゴリズム自体とデータの両方にブラックボックス問題を抱えており、それが出力結果の偏差につながると述べた。 Web3 のデータは透明であり、データは公的に検証可能であり、AI モデルのトレーニングソースと結果がより明確になり、AI がより公平になり、偏見やエラーが減少します。ただし、現在の Web3 のデータ量は AI 自体のトレーニングを強化できるほど大きくないため、短期的には実現されません。ただし、この機能を使用して Web2 データをチェーンにアップロードし、AI のディープフォージェリを防ぐことができます。

2) AI データアノテーションクラウドソーシングと UGC コミュニティ: 現在、従来の AI アノテーションは、特に専門知識の分野で効率と品質が低いという問題に直面しており、専門知識を横断する知識も必要となる可能性があり、従来の一般的なデータアノテーション企業では不可能です。をカバーするには、多くの場合、専門チームが社内で行う必要があります。ブロックチェーンと Web3 の概念によるデータアノテーションクラウドソーシングを導入すると、この問題は大幅に改善されます。たとえば、Matrix Partners が出資する Questlab は、ブロックチェーンテクノロジーを使用してデータアノテーションのクラウドソーシングサービスを提供しています。さらに、一部のオープンソースモデルコミュニティでは、ブロックチェーンの概念をモデル作成者の経済的問題を解決するために使用することもできます。

3) データプライバシーの展開: ブロックチェーンテクノロジーと暗号化関連テクノロジーを組み合わせることで、データプライバシーと分散化を確保できます。 Matrix Partners の Zi Xi 氏は、投資先の合成データ会社が大規模モデルで使用するための合成データを生成しており、そのデータは主にソフトウェアテスト、データ分析、AI 大規模モデルのトレーニングに使用できると述べました。同社はデータ処理時に多くのプライバシー展開の問題を抱えていますが、Oasis ブロックチェーンを使用することでプライバシーと規制の問題を効果的に回避できます。

2.2 AI + Web3 データ企業が中核的な競争力を構築する方法

Web3 テクノロジー企業にとって、AI の導入はプロジェクトの魅力や注目度をある程度高めることができますが、ほとんどの Web3 テクノロジー企業が AI を組み合わせた現在の製品だけでは、企業の競争力の中核となるには十分ではありません。よりフレンドリーなエクスペリエンスと効率の向上を提供します。例えば、AIエージェントの敷居は高くなく、先に導入した企業が市場で先行者利益を得るかもしれないが、障壁になるわけではない。

Web3 データ業界の中核的な競争力と障壁を実際に生み出すのは、チームのデータ機能と、特定の分析シナリオで問題を解決するために AI テクノロジーを適用する方法です。

まず、チームのデータ機能には、データソースと、その後の作業の基礎となるデータ分析とモデル調整を実行するチームの機能が含まれます。 SevenX Ventures、Matrix Partners、Hashkey Capital はインタビューで、AI + Web3 データ企業の中核的な競争力はデータソースの品質に依存していると異口同音に述べています。その上で、エンジニアには、データソースに基づいたモデルの微調整、データ処理、分析を巧みに実行できることも求められます。

一方で、チームの AI テクノロジーを組み合わせた具体的なシナリオも非常に重要であり、そのシナリオは価値のあるものになるはずです。ハーパー氏は、現在のWeb3データ企業とAIの組み合わせは基本的にAIエージェントから始まるものの、その位置付けも異なっており、例えばHashkey Capitalが投資したSpace and TimeはchainMLと協力してAIエージェントを作成するためのインフラを立ち上げたと考えている。 DeFiエージェントはSpace and Timeで使用されます。

2.3 Web3 データ企業の今後の商用化の道筋

Web3 データ企業にとってもう 1 つの重要なトピックは収益化です。長い間、データ分析会社の収益モデルは比較的単純でした。ほとんどの ToC は無料で、ToB は主に利益を上げています。これは、B 側の顧客の支払い意欲に大きく依存しています。 Web3分野では企業の支払い意欲が高くなく、また新興企業が主流となっているため、プロジェクト当事者が長期の支払いに対応することが難しい。したがって、Web3 データ会社は現在、厳しい経営状況にあります。

この問題に関して、ベンチャーキャピタルは一般に、現在の AI テクノロジーの組み合わせは生産プロセスの問題を解決するために社内でのみ使用されており、収益化の難しさという本質的な問題は変わらないと考えています。 AI Botなど一部の新製品形態は敷居が高くなく、toC分野でのユーザーの支払い意欲はある程度高まる可能性があるが、まだそれほど強力ではない。 AI は短期的にはデータ製品の商用化の問題を解決できない可能性があり、商用化には、より適切なシナリオや革新的なビジネスモデルを見つけるなど、さらなる製品化の取り組みが必要です。

Web3 と AI を組み合わせた将来の道では、Web3 の経済モデルと AI データを組み合わせて使用することで、主に ToC 分野でいくつかの新しいビジネスモデルが生み出される可能性があります。 Jingwei Venture Capital の Zi Xi 氏は、AI 製品をいくつかのトークンゲームプレイと組み合わせることで、コミュニティ全体の粘着性、日々の活動、感情を高めることができ、これは実現可能であり、収益化も容易であると述べました。 Qiming Venture Partners の Tang Yi 氏は、イデオロギーの観点から、Web3 の価値システムは AI と組み合わせることができ、ボットのアカウントシステムまたは価値変換システムとして非常に適していると述べました。たとえば、ロボットは独自のアカウントを持ち、そのインテリジェントな部分を通じてお金を稼ぎ、その基礎となるコンピューティング能力などを維持するために料金を支払うことができます。しかし、この概念は未来の想像に属し、実用化はまだ遠いかもしれません。

ユーザーが直接お金を支払うという本来のビジネスモデルでは、ユーザーの支払意欲を高めるだけの商品力が必要です。たとえば、より高品質なデータソース、データによってもたらされるメリットが支払ったコストを上回るなどです。これは AI テクノロジーの適用だけでなく、データチーム自体の能力にも基づいています。

この記事は、Footprint Analytics、Future 3 Campus、HashKey Capital が共同で公開したものです。

Footprint Analytics は、ブロックチェーンデータソリューションプロバイダーです。最先端の人工知能技術の助けを借りて、当社は暗号分野初のコード不要のデータ分析プラットフォームと統合データ API を提供し、ユーザーが 30 を超える公開データの NFT、GameFi、ウォレットアドレスの資金フロー追跡データを迅速に取得できるようにします。連鎖するエコシステム。

フットプリント公式サイト：https://www.footprint.network

Twitter：https://twitter.com/Footprint_Data

WeChat パブリックアカウント: フットプリントブロックチェーン分析

コミュニティに参加: アシスタント WeChat グループを追加 footprint_analytics

Future 3 Campus は、Wanxiang Blockchain Labs と HashKey Capital が共同で立ち上げた Web3.0 イノベーションインキュベーションプラットフォームで、上海、広東、香港、マカオグレーターベイとの Web3.0 大規模導入、DePIN、AI の 3 つの主要なトラックに焦点を当てています。エリア、およびシンガポールの主要なインキュベーション拠点として、グローバルな Web3.0 エコロジーを放射します。同時に、Future 3 Campus は、Web3.0 プロジェクトのインキュベーションのために 5,000 万米ドルの初期シードファンドを立ち上げ、Web3.0 分野におけるイノベーションと起業家精神に真の貢献をします。

HashKey Capital は、ブロックチェーン技術とデジタル資産への投資に重点を置いた資産管理機関であり、現在の資産管理規模は 10 億米ドルを超えています。アジア最大かつ最も影響力のあるブロックチェーン投資機関の 1 つであり、またイーサリアムへの最初の機関投資家でもある HashKey Capital は、Web2 と Web3 を結び付け、起業家、投資家、コミュニティ、規制当局とつながり、主導的なグース効果を発揮しています。持続可能なブロックチェーンエコシステムを構築します。同社は香港、シンガポール、日本、米国などに拠点を置き、レイヤー 1、プロトコル、暗号金融、Web3 インフラストラクチャ、アプリケーション、NFT、メタバース、および投資プロジェクトには、Cosmos、Coinlist、Aztec、Blockdaemon、dYdX、imToken、Animoca Brands、Falcon X、Space and time、Mask Network、Polkadot、Moonbeam、Galxe (旧 Project Galaxy) などが含まれます。