Sự xuất hiện của GPT đã thu hút sự chú ý của toàn cầu đối với các mô hình ngôn ngữ lớn, mọi tầng lớp xã hội đều cố gắng sử dụng công nghệ đen này để nâng cao hiệu quả công việc và đẩy nhanh sự phát triển của ngành. Future 3 Campus đã hợp tác với Footprint Analytics để tiến hành nghiên cứu chuyên sâu về khả năng vô hạn của sự kết hợp giữa AI và Web3, đồng thời cùng phát hành một báo cáo nghiên cứu có tiêu đề Phân tích tình hình hiện tại, bối cảnh cạnh tranh và các cơ hội trong tương lai của việc hội nhập Công nghiệp dữ liệu AI và Web3. Báo cáo nghiên cứu được chia thành hai phần, bài viết này là phần thứ hai, được biên soạn bởi các nhà nghiên cứu Sherry và Humphrey của Future 3 Campus.
Bản tóm tắt:
Sự kết hợp dữ liệu giữa AI và Web3 đang thúc đẩy việc nâng cao hiệu quả xử lý dữ liệu và trải nghiệm người dùng. Việc khám phá LLM hiện tại trong ngành dữ liệu blockchain chủ yếu tập trung vào việc cải thiện hiệu quả xử lý dữ liệu thông qua công nghệ AI, sử dụng các lợi thế tương tác của LLM để xây dựng Đại lý AI và sử dụng AI để phân tích chiến lược giao dịch và định giá.
Hiện tại, việc ứng dụng AI trong lĩnh vực dữ liệu Web3 vẫn phải đối mặt với một số thách thức như độ chính xác, khả năng diễn giải, tính thương mại hóa, v.v. Vẫn còn một chặng đường dài để thay thế hoàn toàn sự can thiệp của con người.
Năng lực cạnh tranh cốt lõi của Web3 Data Company không chỉ nằm ở bản thân công nghệ AI mà còn ở khả năng tích lũy dữ liệu và phân tích chuyên sâu, ứng dụng dữ liệu.
AI có thể không phải là giải pháp cho vấn đề thương mại hóa sản phẩm dữ liệu trong thời gian ngắn và việc thương mại hóa sẽ đòi hỏi nhiều nỗ lực sản xuất hơn.
1. Hiện trạng và lộ trình phát triển của việc tích hợp công nghiệp dữ liệu Web3 và AI
1.1 Dune
Dune hiện là cộng đồng phân tích dữ liệu mở hàng đầu trong ngành Web3. Nó cung cấp các công cụ để truy vấn, trích xuất và trực quan hóa lượng lớn dữ liệu trên blockchain, cho phép người dùng và chuyên gia phân tích dữ liệu sử dụng các truy vấn SQL đơn giản để truy vấn dữ liệu trên chuỗi từ Dunes cơ sở dữ liệu được điền sẵn và tạo thành các biểu đồ và ý kiến tương ứng.
Vào tháng 3 năm 2023, Dune đề xuất các kế hoạch về AI và sự tích hợp trong tương lai với LLM, đồng thời phát hành sản phẩm Dune AI vào tháng 10. Cốt lõi của các sản phẩm liên quan đến AI của Dune tập trung vào việc sử dụng ngôn ngữ mạnh mẽ và khả năng phân tích của LLM để nâng cao Wizard UX và cung cấp cho người dùng truy vấn dữ liệu và viết SQL trên Dune tốt hơn.
(1) Giải thích truy vấn: Sản phẩm được phát hành vào tháng 3 cho phép người dùng nhận được giải thích bằng ngôn ngữ tự nhiên của các truy vấn SQL bằng cách nhấp vào nút, được thiết kế để giúp người dùng hiểu rõ hơn về các truy vấn SQL phức tạp, từ đó nâng cao hiệu quả và độ chính xác của phân tích dữ liệu.
(2) Dịch truy vấn: Dune có kế hoạch di chuyển thống nhất các công cụ truy vấn SQL khác nhau trên Dune (chẳng hạn như Postgres và Spark SQL) sang DuneSQL, do đó LLM có thể cung cấp khả năng dịch ngôn ngữ truy vấn tự động để giúp người dùng thực hiện chuyển đổi tốt hơn nhằm mang lại lợi ích cho DuneSQL. .
(3) Truy vấn ngôn ngữ tự nhiên: Dune AI phát hành vào tháng 10. Cho phép người dùng đặt câu hỏi và lấy dữ liệu bằng tiếng Anh đơn giản. Mục tiêu của tính năng này là giúp người dùng không có kiến thức về SQL dễ dàng lấy và phân tích dữ liệu.
(4) Tối ưu hóa tìm kiếm: Dune có kế hoạch sử dụng LLM để cải thiện chức năng tìm kiếm giúp người dùng lọc thông tin hiệu quả hơn.
(5) Cơ sở kiến thức Wizard: Dune có kế hoạch phát hành chatbot để giúp người dùng duyệt nhanh kiến thức blockchain và SQL trong tài liệu Spellbook và Dune.
(6) Đơn giản hóa công việc viết SQL (Dune Wand): Dune đã ra mắt loạt công cụ SQL Wand vào tháng 8. Create Wand cho phép người dùng tạo các truy vấn hoàn chỉnh từ lời nhắc ngôn ngữ tự nhiên, Edit Wand cho phép người dùng thực hiện sửa đổi đối với các truy vấn hiện có và chức năng Gỡ lỗi tự động gỡ lỗi cú pháp trong truy vấn. Cốt lõi của những công cụ này là công nghệ LLM, có thể đơn giản hóa quy trình viết truy vấn và cho phép các nhà phân tích tập trung vào logic cốt lõi của việc phân tích dữ liệu mà không phải lo lắng về các vấn đề về mã và cú pháp.
1.2 Footprint Analytics
Footprint Analytics là nhà cung cấp giải pháp dữ liệu blockchain sử dụng công nghệ trí tuệ nhân tạo để cung cấp nền tảng phân tích dữ liệu không cần mã, các sản phẩm API dữ liệu hợp nhất và Phân tích tăng trưởng dấu chân của dự án Web3.
Lợi thế của Footprint nằm ở việc tạo ra dây chuyền sản xuất dữ liệu trên chuỗi và các công cụ sinh thái, thiết lập một hồ dữ liệu thống nhất để mở dữ liệu trên chuỗi và ngoài chuỗi cũng như cơ sở dữ liệu siêu dữ liệu tương tự như đăng ký thương mại và công nghiệp trên chuỗi, đảm bảo mà người dùng có thể lấy được dữ liệu khi phân tích và sử dụng chức năng, tính dễ sử dụng và chất lượng. Chiến lược dài hạn của Footprint sẽ tập trung vào chiều sâu kỹ thuật và xây dựng nền tảng để tạo ra một “nhà máy máy” có khả năng sản xuất dữ liệu và ứng dụng trên chuỗi.
Sự kết hợp giữa sản phẩm Footprint và AI như sau:
Kể từ khi ra mắt mô hình LLM, Footprint lần đầu tiên khám phá sự kết hợp giữa các sản phẩm dữ liệu hiện có và AI để cải thiện hiệu quả xử lý và phân tích dữ liệu, đồng thời tạo ra nhiều sản phẩm thân thiện với người dùng hơn. Vào tháng 5 năm 2023, Footprint đã bắt đầu cung cấp cho người dùng các chức năng phân tích dữ liệu tương tác bằng ngôn ngữ tự nhiên và đã nâng cấp lên các chức năng sản phẩm cao cấp dựa trên cơ sở không có mã ban đầu. Người dùng không cần phải làm quen với các bảng và thiết kế của nền tảng, nghĩa là Nhanh chóng lấy dữ liệu và tạo biểu đồ thông qua các cuộc hội thoại.
Ngoài ra, các sản phẩm dữ liệu LLM + Web3 hiện tại trên thị trường chủ yếu tập trung giải quyết các vấn đề hạ thấp ngưỡng người dùng và thay đổi mô hình tương tác.Trọng tâm của Footprint trong việc phát triển sản phẩm và AI không chỉ giúp người dùng giải quyết việc sử dụng phân tích dữ liệu kinh nghiệm Trọng tâm cũng là tích lũy dữ liệu dọc và hiểu biết kinh doanh trong lĩnh vực tiền điện tử, cũng như đào tạo các mô hình ngôn ngữ trong lĩnh vực tiền điện tử để cải thiện hiệu quả và độ chính xác của các ứng dụng kịch bản dọc. Lợi thế của Footprint trong vấn đề này sẽ được thể hiện ở các khía cạnh sau:
Số lượng kiến thức dữ liệu (chất lượng và số lượng cơ sở kiến thức). Hiệu quả tích lũy dữ liệu, nguồn, khối lượng, danh mục. Đặc biệt là sản phẩm phụ Footprint MetaMosaic thể hiện biểu đồ mối quan hệ và sự tích lũy dữ liệu tĩnh của logic nghiệp vụ cụ thể.
kiến trúc tri thức. Footprint đã tích lũy được hơn 30 bảng dữ liệu có cấu trúc trừu tượng chuỗi công cộng dựa trên các bộ phận kinh doanh. Kiến thức về quy trình sản xuất từ dữ liệu thô đến dữ liệu có cấu trúc có thể nâng cao hiểu biết về dữ liệu thô và mô hình đào tạo tốt hơn.
loại dữ liệu. Có một khoảng cách rõ ràng về hiệu quả đào tạo và chi phí máy giữa việc đào tạo từ dữ liệu thô phi tiêu chuẩn và không có cấu trúc trên chuỗi và đào tạo từ các bảng và chỉ báo dữ liệu có cấu trúc, có ý nghĩa kinh doanh. Một ví dụ điển hình là cần cung cấp nhiều dữ liệu hơn cho LLM, ngoài dữ liệu chuyên nghiệp dựa trên trường mã hóa, những dữ liệu này còn yêu cầu dữ liệu có cấu trúc và dễ đọc hơn, đồng thời số lượng người dùng lớn hơn được sử dụng làm dữ liệu phản hồi.
Dữ liệu dòng tiền điện tử. Dấu chân tóm tắt dữ liệu dòng vốn có liên quan chặt chẽ đến đầu tư. Nó bao gồm thời gian, chủ đề (bao gồm cả hướng dòng chảy), loại mã thông báo, số lượng (giá mã thông báo tại thời điểm liên quan), loại hình kinh doanh và mã thông báo, Thẻ của chủ đề có thể được sử dụng làm cơ sở kiến thức và nguồn dữ liệu của LLM, có thể được sử dụng để phân tích số tiền chính của token, xác định vị trí phân phối chip, theo dõi dòng tiền, xác định các thay đổi trên chuỗi, theo dõi quỹ thông minh, v.v.
Tiêm dữ liệu riêng tư. Dấu chân chia mô hình thành ba lớp chính: Một là mô hình lớn cơ sở với kiến thức thế giới (OpenAI và các mô hình nguồn mở khác), mô hình dọc trong các lĩnh vực được chia nhỏ và mô hình kiến thức chuyên gia được cá nhân hóa. Nó cho phép người dùng thống nhất và quản lý cơ sở kiến thức của họ từ các nguồn khác nhau trên Footprint, đồng thời sử dụng dữ liệu riêng tư để đào tạo LLM riêng tư, phù hợp với các kịch bản ứng dụng được cá nhân hóa hơn.
Trong quá trình khám phá Footprint kết hợp với mô hình LLM, chúng tôi cũng gặp phải hàng loạt thách thức và vấn đề, trong đó điển hình nhất là không đủ token, nhắc nhở tốn thời gian và câu trả lời không ổn định. Trong trường dọc của dữ liệu trên chuỗi nơi đặt Dấu chân, thách thức lớn hơn là có nhiều loại thực thể dữ liệu trên chuỗi, số lượng khổng lồ và những thay đổi nhanh chóng. Chúng được cung cấp cho LLM, toàn bộ ngành dưới hình thức nào cần nhiều nghiên cứu và khám phá hơn. Chuỗi công cụ hiện tại vẫn đang ở giai đoạn đầu và cần nhiều công cụ hơn để giải quyết một số vấn đề cụ thể.
Trong tương lai, công nghệ và sản phẩm của Footprint tích hợp với AI sẽ bao gồm:
(1) Về mặt công nghệ, Footprint sẽ sử dụng mô hình LLM để khám phá và tối ưu hóa ở 3 khía cạnh
Hỗ trợ LLM thực hiện suy luận trên dữ liệu có cấu trúc, để có thể áp dụng một lượng lớn dữ liệu có cấu trúc và kiến thức trong lĩnh vực mã hóa vào quá trình sản xuất và tiêu thụ dữ liệu của LLM.
Giúp người dùng xây dựng nền tảng kiến thức được cá nhân hóa (bao gồm kiến thức, dữ liệu và kinh nghiệm) và sử dụng dữ liệu riêng tư để cải thiện khả năng LLM tiền điện tử được tối ưu hóa, cho phép mọi người xây dựng mô hình của riêng mình.
Hãy để AI hỗ trợ phân tích và sản xuất nội dung. Người dùng có thể tạo GPT của riêng mình thông qua đối thoại, kết hợp với dữ liệu dòng vốn và cơ sở kiến thức riêng tư để sản xuất và chia sẻ nội dung đầu tư tiền điện tử.
(2) Về sản phẩm, Footprint sẽ tập trung khám phá các ứng dụng sản phẩm AI và đổi mới trong mô hình kinh doanh. Theo kế hoạch quảng bá sản phẩm gần đây của Footprint, nó sẽ ra mắt nền tảng chia sẻ và tạo nội dung tiền điện tử AI cho người dùng.
Ngoài ra, để mở rộng đối tác trong tương lai, Footprint sẽ khám phá hai khía cạnh sau:
Đầu tiên, tăng cường hợp tác với KOL để tạo điều kiện sản xuất nội dung có giá trị, hoạt động cộng đồng và kiếm tiền từ kiến thức.
Thứ hai, mở rộng thêm nhiều bên hợp tác trong dự án và nhà cung cấp dữ liệu, tạo ra sự hợp tác dữ liệu và khuyến khích người dùng mở và cùng có lợi, đồng thời thiết lập nền tảng dịch vụ dữ liệu một cửa cùng có lợi và đôi bên cùng có lợi.
1.3 GoPlus Security
GoPlus Security hiện là cơ sở hạ tầng bảo mật người dùng hàng đầu trong ngành Web3, cung cấp nhiều dịch vụ bảo mật hướng đến người dùng. Nó đã được tích hợp bởi các ví kỹ thuật số chính thống, các trang web thị trường, Dex và nhiều ứng dụng Web3 khác trên thị trường. Người dùng có thể trực tiếp sử dụng các chức năng bảo vệ bảo mật khác nhau như phát hiện bảo mật tài sản, ủy quyền chuyển nhượng và chống lừa đảo. Các giải pháp bảo mật người dùng do GoPlus cung cấp có thể bao quát toàn bộ vòng đời bảo mật người dùng để bảo vệ tài sản của người dùng khỏi các mối đe dọa từ nhiều loại kẻ tấn công khác nhau.
Quá trình phát triển và quy hoạch của GoPlus và AI như sau:
Khám phá chính của GoPlus về công nghệ AI được thể hiện qua hai sản phẩm của hãng: Phát hiện tự động AI và Trợ lý bảo mật AI:
(1) AI tự động phát hiện
GoPlus sẽ bắt đầu phát triển công cụ phát hiện tự động dựa trên công nghệ AI của riêng mình vào năm 2022 để nâng cao toàn diện hiệu quả và độ chính xác của việc phát hiện bảo mật. Công cụ bảo mật của GoPlus áp dụng phương pháp phân tích kiểu phễu, nhiều lớp, sử dụng nhiều liên kết như phát hiện mã tĩnh, phát hiện động và phát hiện tính năng hoặc hành vi. Quá trình phát hiện tổng hợp này cho phép công cụ xác định và phân tích một cách hiệu quả các đặc điểm của các mẫu rủi ro tiềm ẩn để mô hình hóa các loại và hành vi tấn công một cách hiệu quả. Những mô hình này là chìa khóa để công cụ xác định và ngăn chặn các mối đe dọa bảo mật, giúp công cụ xác định xem các mẫu rủi ro có đặc điểm tấn công nhất định hay không. Ngoài ra, công cụ bảo mật GoPlus đã tích lũy được nhiều dữ liệu và kinh nghiệm bảo mật sau một thời gian dài lặp đi lặp lại và tối ưu hóa. Kiến trúc của nó có thể phản ứng nhanh chóng và hiệu quả với các mối đe dọa bảo mật mới nổi, đảm bảo có thể phát hiện và ngăn chặn nhiều cuộc tấn công phức tạp và mới khác nhau trong một cách kịp thời. Chúng tôi bảo vệ sự an toàn của người dùng. Hiện tại, công cụ này sử dụng các thuật toán và công nghệ liên quan đến AI trong nhiều tình huống bảo mật như phát hiện hợp đồng rủi ro, phát hiện trang web lừa đảo, phát hiện địa chỉ độc hại và phát hiện giao dịch rủi ro. Việc sử dụng công nghệ AI có thể giảm thiểu rủi ro nhanh hơn, cải thiện hiệu quả phát hiện và giảm chi phí phát hiện; mặt khác, nó làm giảm sự phức tạp và chi phí thời gian khi tham gia thủ công và cải thiện độ chính xác của các phán đoán đối với các mẫu rủi ro, đặc biệt đối với những người ban đầu được thực hiện thủ công Đối với các kịch bản mới khó xác định hoặc khó xác định đối với công cụ, AI có thể thu thập các tính năng tốt hơn và hình thành phương pháp phân tích hiệu quả hơn.
Vào năm 2023, khi các mô hình lớn phát triển, GoPlus đã nhanh chóng điều chỉnh và áp dụng LLM. So với các thuật toán AI truyền thống, hiệu suất và hiệu quả của LLM trong việc nhận dạng, xử lý và phân tích dữ liệu đã được cải thiện đáng kể. Sự xuất hiện của LLM đã giúp GoPlus đẩy nhanh quá trình khám phá công nghệ trong phát hiện tự động AI. Theo hướng thử nghiệm fuzz động, GoPlus đã áp dụng công nghệ LLM để tạo ra các chuỗi giao dịch một cách hiệu quả và khám phá các trạng thái sâu hơn để phát hiện rủi ro hợp đồng.
(2) Trợ lý an ninh AI
GoPlus cũng đang tận dụng khả năng xử lý ngôn ngữ tự nhiên dựa trên LLM để phát triển trợ lý bảo mật AI nhằm cung cấp tư vấn bảo mật tức thì và cải thiện trải nghiệm người dùng. Dựa trên mô hình lớn GPT, trợ lý AI đã phát triển một bộ tác nhân bảo mật người dùng tự phát triển thông qua đầu vào của dữ liệu kinh doanh mặt trước, có thể tự động phân tích, tạo giải pháp, phân tách nhiệm vụ và thực thi dựa trên các vấn đề cần cung cấp người dùng với các dịch vụ bảo mật cần thiết. . Trợ lý AI có thể đơn giản hóa việc giao tiếp giữa người dùng và các vấn đề bảo mật, đồng thời hạ thấp ngưỡng hiểu của người dùng.
Về chức năng sản phẩm, do tầm quan trọng của AI trong lĩnh vực bảo mật, AI có tiềm năng thay đổi hoàn toàn cấu trúc của các công cụ bảo mật hiện tại hoặc công cụ chống vi-rút trong tương lai và kiến trúc công cụ mới với AI làm cốt lõi. sẽ xuất hiện. GoPlus sẽ tiếp tục đào tạo và tối ưu hóa mô hình AI để biến AI từ một công cụ phụ trợ thành chức năng cốt lõi của công cụ phát hiện bảo mật của mình.
Về mô hình kinh doanh, mặc dù các dịch vụ của GoPlus hiện chủ yếu dành cho nhà phát triển và các bên tham gia dự án, công ty đang khám phá thêm nhiều sản phẩm và dịch vụ trực tiếp cho người dùng C-end, cũng như các mô hình doanh thu mới liên quan đến AI. Cung cấp các dịch vụ C-side hiệu quả, chính xác và chi phí thấp sẽ là khả năng cạnh tranh cốt lõi của GoPlus trong tương lai. Điều này đòi hỏi công ty phải tiếp tục nghiên cứu, tiến hành đào tạo và đưa ra nhiều sản phẩm hơn về các mô hình AI lớn tương tác với người dùng. Đồng thời, GoPlus cũng sẽ làm việc với các nhóm khác để chia sẻ dữ liệu bảo mật của mình và thúc đẩy các ứng dụng AI trong lĩnh vực bảo mật thông qua hợp tác để chuẩn bị cho những thay đổi có thể xảy ra của ngành trong tương lai.
1.4 Trusta Labs
Được thành lập vào năm 2022, Trusta Labs là một công ty khởi nghiệp dữ liệu trong lĩnh vực Web3 được thúc đẩy bởi trí tuệ nhân tạo. Trusta Labs tập trung vào việc sử dụng công nghệ trí tuệ nhân tạo tiên tiến để xử lý hiệu quả và phân tích chính xác dữ liệu blockchain nhằm xây dựng cơ sở hạ tầng bảo mật và danh tiếng trên chuỗi của blockchain. Hiện nay, hoạt động kinh doanh của Trusta Labs chủ yếu bao gồm hai sản phẩm: TrustScan và TrustGo.
(1) TrustScan, TrustScan là sản phẩm được thiết kế đặc biệt dành cho khách hàng bên B. Nó chủ yếu được sử dụng để giúp các dự án Web3 tiến hành phân tích hành vi người dùng trên chuỗi và phân tầng tinh tế về thu hút người dùng, hoạt động của người dùng và giữ chân người dùng để xác định giá trị cao và người dùng thực sự.
(2) TrustGo, một sản phẩm dành cho khách hàng C-end, cung cấp các công cụ phân tích MEDIA có thể phân tích và đánh giá các địa chỉ trên chuỗi từ năm khía cạnh (số tiền, hoạt động, tính đa dạng, quyền nhận dạng và lòng trung thành), sản phẩm này nhấn mạnh vào- phân tích chuyên sâu dữ liệu trên chuỗi để cải thiện chất lượng và tính bảo mật của các quyết định giao dịch.
Quá trình phát triển và quy hoạch của Trusta Labs và AI như sau:
Hiện tại, hai sản phẩm của Trusta Labs sử dụng mô hình AI để xử lý và phân tích dữ liệu tương tác của các địa chỉ trên chuỗi. Dữ liệu hành vi của các tương tác địa chỉ trên blockchain đều là dữ liệu chuỗi, loại dữ liệu này rất phù hợp để đào tạo các mô hình AI. Trong quá trình làm sạch, phân loại và dán nhãn dữ liệu trên chuỗi, Trusta Labs giao rất nhiều công việc cho AI, giúp cải thiện đáng kể chất lượng và hiệu quả xử lý dữ liệu, đồng thời giảm nhiều chi phí lao động. Trusta Labs sử dụng công nghệ AI để tiến hành phân tích chuyên sâu và khai thác dữ liệu tương tác địa chỉ trên chuỗi. Đối với khách hàng bên B, nó có thể xác định một cách hiệu quả các địa chỉ phù hợp nhất. Trong nhiều dự án đã sử dụng các sản phẩm của Tursta Labs, Tursta Labs đã ngăn chặn tốt hơn các cuộc tấn công Sybil tiềm ẩn; đối với khách hàng bên C, thông qua các sản phẩm TrustGo, các mô hình AI hiện có được sử dụng để giúp người dùng hiểu sâu hơn về bản thân một cách hiệu quả. .
Trusta Labs đã rất chú ý đến tiến bộ kỹ thuật và thực tiễn ứng dụng của mô hình LLM. Với việc liên tục giảm chi phí đào tạo và suy luận mô hình cũng như tích lũy một lượng lớn dữ liệu hành vi người dùng và kho ngữ liệu trong trường Web3, Trusta Labs sẽ tìm thấy thời điểm thích hợp để giới thiệu công nghệ LLM và sử dụng năng suất của AI để cung cấp nhiều hơn -khai thác và phân tích dữ liệu chuyên sâu cho sản phẩm và người dùng. Trên cơ sở dữ liệu phong phú hiện được Trusta Labs cung cấp, chúng tôi hy vọng có thể sử dụng mô hình phân tích thông minh của AI để cung cấp các chức năng diễn giải dữ liệu khách quan và hợp lý hơn cho kết quả dữ liệu, chẳng hạn như cung cấp các diễn giải định tính và định lượng cho người dùng B-end. Tài khoản phù thủy cho phép người dùng hiểu rõ hơn việc phân tích lý do đằng sau dữ liệu và cũng có thể cung cấp hỗ trợ tài liệu chi tiết hơn cho người dùng bên B khi giải thích khiếu nại của họ cho khách hàng.
Mặt khác, Trusta Labs cũng có kế hoạch sử dụng các mô hình LLM nguồn mở hoặc tương đối hoàn thiện và kết hợp nó với các khái niệm thiết kế tập trung vào mục đích để xây dựng Tác nhân AI nhằm giúp người dùng giải quyết các vấn đề tương tác trên chuỗi nhanh chóng và hiệu quả hơn. Xét về các kịch bản ứng dụng cụ thể, trong tương lai, thông qua trợ lý thông minh AI Agent dựa trên chương trình đào tạo LLM do Trusta Labs cung cấp, người dùng có thể giao tiếp trực tiếp với trợ lý thông minh thông qua ngôn ngữ tự nhiên và trợ lý thông minh có thể phản hồi thông tin một cách “thông minh” liên quan đến dữ liệu trên chuỗi. Nó cũng đưa ra các đề xuất và kế hoạch cho các hoạt động tiếp theo dựa trên thông tin được cung cấp, thực sự hiện thực hóa các hoạt động thông minh một cửa tập trung vào ý định của người dùng, giảm đáng kể ngưỡng sử dụng dữ liệu của người dùng và đơn giản hóa việc thực hiện hoạt động trên chuỗi.
Ngoài ra, Trusta tin rằng với sự xuất hiện ngày càng nhiều sản phẩm dữ liệu dựa trên AI trong tương lai, yếu tố cạnh tranh cốt lõi của mỗi sản phẩm có thể không phải là việc sử dụng mô hình LLM nào. dữ liệu và giải thích. Dựa trên phân tích dữ liệu được làm chủ và kết hợp với mô hình LLM, có thể đào tạo một mô hình AI “thông minh” hơn.
1.5 0xScope
0xScope, được thành lập vào năm 2022, là một nền tảng đổi mới lấy dữ liệu làm cốt lõi, tập trung vào sự kết hợp giữa công nghệ blockchain và trí tuệ nhân tạo. 0xScope nhằm mục đích thay đổi cách mọi người xử lý, sử dụng và xem dữ liệu. 0xScope hiện ra mắt: các sản phẩm 0xScope SaaS và 0xScopescan tương ứng cho khách hàng bên B và bên C.
(1) Các sản phẩm 0xScope SaaS, giải pháp SaaS hướng đến doanh nghiệp, trao quyền cho khách hàng doanh nghiệp tiến hành quản lý sau đầu tư, đưa ra quyết định đầu tư tốt hơn, hiểu hành vi của người dùng và giám sát chặt chẽ động lực cạnh tranh.
(2) 0xScopescan, một sản phẩm B2C cho phép các nhà giao dịch tiền điện tử điều tra các dòng tiền và hoạt động trên các chuỗi khối được chọn.
Trọng tâm kinh doanh của 0xScope là sử dụng dữ liệu trên chuỗi để trừu tượng hóa mô hình dữ liệu chung, đơn giản hóa công việc phân tích dữ liệu trên chuỗi và chuyển đổi dữ liệu trên chuỗi thành dữ liệu vận hành trên chuỗi dễ hiểu, từ đó giúp người dùng tiến hành phân tích chuyên sâu về dữ liệu trên chuỗi. Việc sử dụng nền tảng công cụ dữ liệu do 0xScope cung cấp không chỉ có thể cải thiện chất lượng dữ liệu trên chuỗi và khai thác thông tin ẩn trong dữ liệu, từ đó tiết lộ nhiều thông tin hơn cho người dùng, nền tảng còn hạ thấp đáng kể ngưỡng khai thác dữ liệu.
Quá trình phát triển và quy hoạch của 0xScope và AI như sau:
Các sản phẩm của 0xScope đang được nâng cấp kết hợp với các mô hình lớn, bao gồm hai hướng: thứ nhất, giảm hơn nữa ngưỡng người dùng thông qua chế độ tương tác ngôn ngữ tự nhiên; thứ hai, sử dụng mô hình AI để cải thiện khả năng làm sạch, phân tích, mô hình hóa và phân tích dữ liệu, hiệu quả xử lý của các liên kết khác. Đồng thời, các sản phẩm của 0xScope sẽ sớm ra mắt mô-đun tương tác AI với chức năng Trò chuyện, chức năng này sẽ giảm đáng kể ngưỡng để người dùng truy vấn và phân tích dữ liệu, đồng thời họ chỉ có thể tương tác và truy vấn dữ liệu cơ bản thông qua ngôn ngữ tự nhiên.
Tuy nhiên, trong quá trình đào tạo và sử dụng AI, 0xScope nhận thấy họ vẫn phải đối mặt với những thách thức sau: Thứ nhất, chi phí và thời gian đào tạo AI rất cao. Sau khi đặt câu hỏi, AI phải mất nhiều thời gian mới trả lời. Do đó, khó khăn này sẽ buộc nhóm phải hợp lý hóa và tập trung vào các quy trình kinh doanh cũng như tập trung vào QA theo chiều dọc, thay vì biến nó thành một trợ lý siêu AI toàn diện. Thứ hai, đầu ra của mô hình LLM không thể kiểm soát được. Các sản phẩm dữ liệu hy vọng sẽ đưa ra kết quả chính xác, nhưng kết quả mà mô hình LLM hiện tại đưa ra có thể sẽ hơi khác so với tình hình thực tế, điều này rất nguy hiểm cho trải nghiệm của sản phẩm dữ liệu. Ngoài ra, đầu ra của các mô hình lớn có thể liên quan đến dữ liệu riêng tư của người dùng. Do đó, khi sử dụng mô hình LLM trong các sản phẩm, nhóm cần áp đặt các hạn chế lớn hơn đối với nó để kết quả đầu ra bằng mô hình AI có thể kiểm soát và chính xác.
Trong tương lai, 0xScope có kế hoạch sử dụng AI để tập trung vào các tuyến dọc cụ thể và tiến hành canh tác sâu. Dựa trên lượng lớn dữ liệu tích lũy trên chuỗi, 0xScope có thể xác định danh tính của người dùng trên chuỗi. Trong tương lai, nó sẽ tiếp tục sử dụng các công cụ AI để trừu tượng hóa hành vi của người dùng trên chuỗi, sau đó tạo ra một hệ thống mô hình hóa dữ liệu duy nhất .. Thông qua bộ dữ liệu này Hệ thống khai thác và phân tích tiết lộ thông tin ẩn trong dữ liệu trên chuỗi.
Về mặt hợp tác, 0xScope sẽ tập trung vào hai loại nhóm: loại thứ nhất, đối tượng mà sản phẩm có thể trực tiếp phục vụ, chẳng hạn như nhà phát triển, các bên dự án, VC, sàn giao dịch, v.v., nhóm này cần dữ liệu được cung cấp bởi hiện tại sản phẩm; loại thứ hai, Đối tác có nhu cầu về AI Chat, chẳng hạn như Debank, Chainbase, v.v., có thể gọi trực tiếp cho AI Chat miễn là họ có kiến thức và dữ liệu liên quan.
2. Cái nhìn sâu sắc của VC——Con đường thương mại hóa và phát triển trong tương lai của công ty dữ liệu AI+Web3
Thông qua các cuộc phỏng vấn với bốn nhà đầu tư VC cấp cao, phần này sẽ xem xét hiện trạng và sự phát triển của ngành dữ liệu AI+Web3, khả năng cạnh tranh cốt lõi của các công ty dữ liệu Web3 và con đường thương mại hóa trong tương lai từ góc độ đầu tư và thị trường.
2.1 Hiện trạng và sự phát triển của ngành dữ liệu AI+Web3
Hiện tại, sự kết hợp giữa dữ liệu AI và Web3 đang trong giai đoạn thăm dò tích cực. Đánh giá từ hướng phát triển của nhiều công ty dữ liệu Web3 hàng đầu, sự kết hợp giữa công nghệ AI và LLM là một xu hướng tất yếu. Nhưng đồng thời, LLM cũng có những hạn chế về mặt kỹ thuật và chưa thể giải quyết được nhiều vấn đề trong ngành dữ liệu hiện tại.
Vì vậy, chúng ta cần nhận ra rằng không phải kết hợp một cách mù quáng với AI để nâng cao lợi thế của dự án, hay sử dụng các khái niệm AI để cường điệu hóa mà là khám phá những lĩnh vực ứng dụng thực sự thiết thực và đầy hứa hẹn. Từ góc độ VC, sự kết hợp hiện tại giữa dữ liệu AI và Web3 đã được khám phá ở các khía cạnh sau:
1) Nâng cao khả năng của các sản phẩm dữ liệu Web3 thông qua công nghệ AI, trong đó có công nghệ AI giúp doanh nghiệp nâng cao hiệu quả xử lý và phân tích dữ liệu nội bộ, từ đó nâng cao tương ứng khả năng phân tích và truy xuất tự động của các sản phẩm dữ liệu người dùng. Ví dụ, Yuxing của SevenX Ventures đề cập rằng lợi ích chính của việc sử dụng công nghệ AI cho dữ liệu Web3 là hiệu quả, chẳng hạn như Dune sử dụng mô hình LLM để phát hiện bất thường về mã và chuyển đổi ngôn ngữ tự nhiên sang SQL để loại bỏ thông tin lập chỉ mục, cũng có những dự án sử dụng AI để cảnh báo bảo mật, AI Hiệu ứng phát hiện bất thường của thuật toán tốt hơn so với thống kê toán học thuần túy nên có thể thực hiện giám sát bảo mật hiệu quả hơn; Ngoài ra, Zi Xi từ Matrix Partners đã đề cập rằng các công ty có thể gắn nhãn trước dữ liệu bằng cách đào tạo Mô hình AI, có thể tiết kiệm rất nhiều chi phí nhân công. Mặc dù vậy, các nhà đầu tư mạo hiểm đều tin rằng AI đóng vai trò phụ trợ trong việc cải thiện khả năng và hiệu quả của các sản phẩm dữ liệu Web3, chẳng hạn như chú thích trước dữ liệu và cuối cùng có thể vẫn yêu cầu xem xét thủ công để đảm bảo độ chính xác.
2) Tận dụng lợi thế của LLM về khả năng thích ứng và tương tác để tạo AI Agent/Bot. Ví dụ: các mô hình ngôn ngữ lớn được sử dụng để truy xuất toàn bộ dữ liệu Web3, bao gồm dữ liệu trên chuỗi và dữ liệu tin tức ngoài chuỗi, để tổng hợp thông tin và phân tích dư luận. Harper từ Hashkey Capital tin rằng loại Tác nhân AI này tập trung hơn vào việc tích hợp, tạo và tương tác thông tin với người dùng và sẽ tương đối yếu về độ chính xác và hiệu quả của thông tin.
Mặc dù đã có nhiều trường hợp ứng dụng ở hai khía cạnh trên nhưng công nghệ và sản phẩm vẫn đang trong giai đoạn đầu thăm dò nên sẽ cần phải tối ưu hóa kỹ thuật và cải tiến sản phẩm liên tục trong tương lai.
3) Sử dụng AI để phân tích chiến lược giao dịch và định giá: Hiện trên thị trường có những dự án sử dụng công nghệ AI để ước tính giá cho NFT, chẳng hạn như NFTGo do Qiming Venture Partners đầu tư và một số nhóm giao dịch chuyên nghiệp sử dụng AI để phân tích dữ liệu và thực hiện giao dịch . Ngoài ra, Ocean Protocol gần đây đã phát hành một sản phẩm AI dự đoán giá. Loại sản phẩm này tưởng chừng rất giàu sức tưởng tượng nhưng vẫn cần được kiểm chứng về mặt sản phẩm, sự chấp nhận của người dùng và đặc biệt là độ chính xác.
Mặt khác, nhiều VC, đặc biệt là những nhà đầu tư đã đầu tư vào Web2, sẽ chú ý hơn đến những lợi thế và kịch bản ứng dụng mà Web3 và công nghệ blockchain có thể mang lại cho công nghệ AI. Blockchain có các đặc điểm là có thể xác minh công khai và phi tập trung, cũng như khả năng bảo vệ quyền riêng tư được cung cấp bởi công nghệ mã hóa.Cùng với việc định hình lại các mối quan hệ sản xuất của Web3, nó có thể mang lại một số cơ hội mới cho AI:
1) Xác nhận và xác minh dữ liệu AI. Sự xuất hiện của AI đã khiến việc tạo ra nội dung dữ liệu trở nên phổ biến và rẻ tiền. Tang Yi từ Qiming Venture Partners đã đề cập rằng rất khó để xác định chất lượng và người tạo ra các tác phẩm kỹ thuật số cũng như nội dung khác. Về vấn đề này, việc xác minh nội dung dữ liệu đòi hỏi một hệ thống hoàn toàn mới và blockchain có thể trợ giúp. Zi Xi từ Jingwei Venture Capital đã đề cập rằng có những trao đổi dữ liệu đưa dữ liệu vào NFT để giao dịch, điều này có thể giải quyết vấn đề xác nhận dữ liệu.
Ngoài ra, Yuxing của SevenX Ventures đề cập rằng dữ liệu Web3 có thể cải thiện vấn đề gian lận và hộp đen của AI. Hiện tại, AI có vấn đề về hộp đen ở cả bản thân thuật toán mô hình và dữ liệu, điều này sẽ dẫn đến sai lệch trong kết quả đầu ra. Dữ liệu của Web3 minh bạch, dữ liệu được kiểm chứng công khai, nguồn đào tạo và kết quả của mô hình AI sẽ rõ ràng hơn, giúp AI trở nên công bằng hơn và giảm thiểu sự thiên vị, sai sót. Tuy nhiên, lượng dữ liệu hiện tại trong Web3 không đủ lớn để hỗ trợ việc đào tạo AI nên nó sẽ không thành hiện thực trong thời gian ngắn. Nhưng chúng ta có thể sử dụng tính năng này để tải dữ liệu Web2 lên chuỗi nhằm ngăn chặn AI giả mạo sâu.
2) Crowdsourcing chú thích dữ liệu AI và cộng đồng UGC: Hiện tại, chú thích AI truyền thống phải đối mặt với các vấn đề về hiệu quả và chất lượng thấp, đặc biệt là trong lĩnh vực kiến thức chuyên môn, cũng có thể đòi hỏi kiến thức liên ngành, điều mà các công ty chú thích dữ liệu tổng hợp truyền thống là không thể để trang trải, thường cần được thực hiện nội bộ bởi một đội ngũ chuyên nghiệp. Việc giới thiệu dịch vụ cộng đồng chú thích dữ liệu thông qua các khái niệm về blockchain và Web3 có thể cải thiện đáng kể vấn đề này.Ví dụ, Questlab do Matrix Partners đầu tư sử dụng công nghệ chuỗi khối để cung cấp dịch vụ cộng đồng cho chú thích dữ liệu. Ngoài ra, trong một số cộng đồng mô hình nguồn mở, khái niệm blockchain cũng có thể được sử dụng để giải quyết các vấn đề kinh tế của người tạo mô hình.
3) Triển khai quyền riêng tư dữ liệu: Công nghệ chuỗi khối kết hợp với các công nghệ liên quan đến mật mã có thể đảm bảo quyền riêng tư và phân cấp dữ liệu. Zi Xi từ Matrix Partners đã đề cập rằng một công ty dữ liệu tổng hợp mà họ đầu tư tạo ra dữ liệu tổng hợp để sử dụng thông qua các mô hình lớn. Dữ liệu có thể được sử dụng chủ yếu trong kiểm tra phần mềm, phân tích dữ liệu và đào tạo mô hình lớn AI. Công ty liên quan đến nhiều vấn đề triển khai quyền riêng tư khi xử lý dữ liệu. Việc sử dụng chuỗi khối Oasis có thể tránh được các vấn đề về quyền riêng tư và quy định một cách hiệu quả.
2.2 Cách các công ty dữ liệu AI+Web3 xây dựng khả năng cạnh tranh cốt lõi
Đối với các công ty công nghệ Web3, việc đưa AI vào có thể tăng sức hấp dẫn hoặc sự chú ý của dự án lên một mức độ nhất định, tuy nhiên, sản phẩm hiện tại của hầu hết các công ty công nghệ Web3 kết hợp AI đều chưa đủ để trở thành năng lực cạnh tranh cốt lõi của công ty. mang lại trải nghiệm thân thiện hơn và hiệu quả được cải thiện. Ví dụ, ngưỡng dành cho AI Agent không cao, những công ty làm trước có thể có lợi thế đi đầu trên thị trường nhưng không tạo ra rào cản.
Điều thực sự tạo ra khả năng cạnh tranh và rào cản cốt lõi trong ngành dữ liệu Web3 là khả năng dữ liệu của nhóm và cách áp dụng công nghệ AI để giải quyết vấn đề trong các tình huống phân tích cụ thể.
Trước hết, khả năng dữ liệu của nhóm bao gồm các nguồn dữ liệu và khả năng thực hiện phân tích dữ liệu và điều chỉnh mô hình của nhóm, làm cơ sở cho công việc tiếp theo. Trong các cuộc phỏng vấn, SevenX Ventures, Matrix Partners và Hashkey Capital đều nhất trí đề cập rằng khả năng cạnh tranh cốt lõi của các công ty dữ liệu AI+Web3 phụ thuộc vào chất lượng của nguồn dữ liệu. Trên cơ sở này, các kỹ sư cũng được yêu cầu phải có khả năng thực hiện khéo léo việc tinh chỉnh mô hình, xử lý và phân tích dữ liệu dựa trên các nguồn dữ liệu.
Mặt khác, các kịch bản cụ thể trong đó công nghệ AI của nhóm được kết hợp cũng rất quan trọng và các kịch bản đó phải có giá trị. Harper tin rằng mặc dù sự kết hợp hiện tại giữa các công ty dữ liệu Web3 và AI về cơ bản bắt đầu với AI Agent, nhưng định vị của chúng cũng khác nhau. Ví dụ, Space and Time, do Hashkey Capital đầu tư, đã hợp tác với chainML để khởi động cơ sở hạ tầng tạo ra các tác nhân AI. Tác nhân DeFi được sử dụng trong Không gian và Thời gian.
2.3 Con đường thương mại hóa trong tương lai của các công ty dữ liệu Web3
Một chủ đề khác quan trọng đối với các công ty dữ liệu Web3 là kiếm tiền. Trong một thời gian dài, mô hình lợi nhuận của các công ty phân tích dữ liệu tương đối đơn giản, hầu hết ToC đều miễn phí và ToB chủ yếu mang lại lợi nhuận, điều này phụ thuộc rất nhiều vào mức độ sẵn lòng chi trả của khách hàng bên B. Trong lĩnh vực Web3, mức độ sẵn sàng chi trả của doanh nghiệp không cao và ngành này bị chi phối bởi các công ty khởi nghiệp, khiến các bên dự án khó hỗ trợ thanh toán dài hạn. Vì vậy, các công ty dữ liệu Web3 hiện đang rơi vào tình thế khó khăn về mặt thương mại.
Về vấn đề này, các VC thường tin rằng sự kết hợp hiện tại của công nghệ AI chỉ được sử dụng nội bộ để giải quyết các vấn đề trong quy trình sản xuất và không thay đổi vấn đề cơ bản là khó kiếm tiền. Ngưỡng đối với một số dạng sản phẩm mới như AI Bot chưa đủ cao, điều này có thể nâng cao mức độ sẵn sàng chi trả của người dùng trong lĩnh vực toC ở một mức độ nhất định, nhưng vẫn chưa mạnh lắm. AI có thể không phải là giải pháp cho vấn đề thương mại hóa các sản phẩm dữ liệu trong ngắn hạn. Việc thương mại hóa đòi hỏi nhiều nỗ lực sản xuất hơn, chẳng hạn như tìm ra các kịch bản phù hợp hơn và các mô hình kinh doanh sáng tạo hơn.
Trong con đường kết hợp Web3 với AI trong tương lai, việc sử dụng mô hình kinh tế của Web3 kết hợp với dữ liệu AI có thể tạo ra một số mô hình kinh doanh mới, chủ yếu trong lĩnh vực ToC. Zi Xi từ Jingwei Venture Capital đã đề cập rằng các sản phẩm AI có thể được kết hợp với một số trò chơi mã thông báo để tăng tính gắn bó, hoạt động hàng ngày và cảm xúc của toàn bộ cộng đồng. Điều này khả thi và dễ kiếm tiền hơn. Tang Yi từ Qiming Venture Partners đã đề cập rằng từ quan điểm tư tưởng, hệ thống giá trị của Web3 có thể được kết hợp với AI và rất phù hợp làm hệ thống tài khoản hoặc hệ thống chuyển đổi giá trị cho bot. Ví dụ: robot có tài khoản riêng, có thể kiếm tiền thông qua bộ phận thông minh của nó và trả tiền để duy trì sức mạnh tính toán cơ bản, v.v. Nhưng khái niệm này chỉ thuộc về trí tưởng tượng của tương lai và ứng dụng thực tế có thể vẫn còn rất xa.
Trong mô hình kinh doanh ban đầu, tức là người dùng thanh toán trực tiếp, cần phải có sức mạnh sản phẩm đủ mạnh để khiến người dùng sẵn sàng chi trả mạnh mẽ hơn. Ví dụ, nguồn dữ liệu chất lượng cao hơn, lợi ích mà dữ liệu mang lại vượt xa chi phí phải trả, v.v. Điều này không chỉ dựa trên việc ứng dụng công nghệ AI mà còn dựa vào năng lực của chính đội ngũ dữ liệu.
Bài viết này được đồng xuất bản bởi Footprint Analytics, Future 3 Campus và HashKey Capital.
Footprint Analytics là nhà cung cấp giải pháp dữ liệu blockchain. Với sự trợ giúp của công nghệ trí tuệ nhân tạo tiên tiến, chúng tôi cung cấp nền tảng phân tích dữ liệu không cần mã đầu tiên và API dữ liệu hợp nhất trong lĩnh vực Tiền điện tử, cho phép người dùng nhanh chóng truy xuất dữ liệu theo dõi luồng quỹ địa chỉ NFT, GameFi và ví của hơn 30 địa chỉ công khai. chuỗi hệ sinh thái.
Trang web chính thức của dấu chân:https://www.footprint.network
Twitter：https://twitter.com/Footprint_Data
Tài khoản công khai WeChat: Phân tích chuỗi khối dấu chân
Tham gia cộng đồng: thêm trợ lý nhóm WeChat dấu chân_analytics
Cơ sở Tương lai 3 là một nền tảng ươm tạo đổi mới Web3.0 do Wanxiang Blockchain Labs và HashKey Capital đồng khởi xướng, tập trung vào ba lĩnh vực chính là Áp dụng đại trà Web3.0, DePIN và AI, với Thượng Hải, Quảng Đông-Hồng Kông-Macao Greater Bay Khu vực và Singapore Là cơ sở ươm tạo chính, nó lan tỏa hệ sinh thái Web3.0 toàn cầu. Đồng thời, Cơ sở Tương lai 3 sẽ triển khai quỹ hạt giống ban đầu trị giá 50 triệu USD để ươm tạo dự án Web3.0, thực sự phục vụ sự đổi mới và khởi nghiệp trong lĩnh vực Web3.0.
HashKey Capital là tổ chức quản lý tài sản tập trung đầu tư vào công nghệ blockchain và tài sản kỹ thuật số, với quy mô quản lý tài sản hiện tại vượt quá 1 tỷ USD. Là một trong những tổ chức đầu tư blockchain lớn nhất và có ảnh hưởng nhất ở châu Á, đồng thời cũng là nhà đầu tư tổ chức sớm nhất vào Ethereum, HashKey Capital tạo ra hiệu ứng ngỗng hàng đầu, liên kết Web2 và Web3, đồng thời kết nối với các doanh nhân, nhà đầu tư, cộng đồng và cơ quan quản lý. để xây dựng một hệ sinh thái blockchain bền vững. Công ty có trụ sở tại Hồng Kông, Singapore, Nhật Bản, Hoa Kỳ và các nơi khác. Công ty đã đi đầu trong việc triển khai hơn 500 công ty có vốn đầu tư toàn cầu trên Lớp 1, giao thức, Tài chính tiền điện tử, cơ sở hạ tầng Web3, ứng dụng, NFT, Metaverse và Các dự án được đầu tư bao gồm Cosmos, Coinlist, Aztec, Blockdaemon, dYdX, imToken, Animoca Brands, Falcon X, Space and time, Mask Network, Polkadot, Moonbeam và Galxe (trước đây là Project Galaxy), v.v.
