Crypto X AIの次のラウンドは、Memecoinトラックにとどまるだけではありません。

ベアマーケットは詳細な研究により適しており、より実現可能な物語を理解することで、将来的に波に乗ることができます。

Crypto X AI's next round will not only stay in the Memecoin track. The bear market is more suitable for in-depth research, and understanding more feasible narratives will enable us to ride the wave to the top in the future.

Crypto X AIの次のラウンドは、Memecoinトラックにとどまるだけではありません。ベアマーケットは詳細な研究により適しており、より実現可能な物語を理解することで、将来的に波に乗ることができます。

While organizing various reports on the AI track these days, I reflected on the stack released by Coinbase Ventures @cbventures regarding Crypto + AI.

最近、AIトラックに関するさまざまなレポートを整理している間、Coinbase Ventures @CbventuresがCrypto + AIに関するスタックを振り返りました。

JK @jonathankingvc envisions an ideal scenario for the combination of Crypto and AI: AI Agents interacting across various Crypto infrastructures. Software code (smart contracts) created by AI leads to a surge in Dapp numbers and an enhanced user experience, allowing users to own and govern their own AI large models and profit from them. This can be divided into:

JK @jonathankingvcは、暗号とAI：AIエージェントがさまざまな暗号インフラストラクチャにわたって相互作用する組み合わせの理想的なシナリオを想定しています。 AIによって作成されたソフトウェアコード（スマートコントラクト）は、DAPP数の急増とユーザーエクスペリエンスの向上につながり、ユーザーが独自のAIの大規模なモデルと利益を所有および管理できるようにします。これは、次のように分けることができます。

A computing layer primarily based on decentralized computing providers like Aethir.

主にAETHIRのような分散化されたコンピューティングプロバイダーに基づいたコンピューティングレイヤー。

A data layer centered around training datasets to expand AI large models.

AI大規模モデルを拡張するために、トレーニングデータセットを中心としたデータレイヤー。

A middleware layer composed of various new AI-based infrastructures (training/privacy inference/Agent platforms).

さまざまな新しいAIベースのインフラストラクチャ（トレーニング/プライバシー推論/エージェントプラットフォーム）で構成されるミドルウェアレイヤー。

An application layer.

アプリケーションレイヤー。

As it stands, there are very few Crypto + AI application layer products that allow retail investors to feel the impact directly, and the experience is poor. The most direct reason is that the foundational layers beneath the application layer have not yet been well established.

現状では、小売投資家が影響を直接感じることができるCrypto + AIアプリケーションレイヤー製品はほとんどありません。最も直接的な理由は、アプリケーション層の下の基礎層がまだ十分に確立されていないことです。

Recently, starting from the model itself, FLock.io @flock_io has realized that training large models specifically for the Crypto track can validate its path through on-chain incentives to promote decentralized AI and model training. Although it is working on a larger narrative of decentralized AI model training, validating the feasibility of a standout product in a segmented field during the early stages can help FLock.io accumulate more early supporters, leading to the emergence of FLock.io's Web3 Agent Model.

最近、モデル自体から始めて、Flock.io @Flock_ioは、Cryptoトラック専用の大規模なモデルのトレーニングがオンチェーンインセンティブを介してそのパスを検証して、分散型AIおよびモデルトレーニングを促進できることに気付きました。分散型AIモデルトレーニングのより大きな物語に取り組んでいますが、初期段階でセグメント化されたフィールドでの傑出した製品の実現可能性を検証することで、Flock.ioはより早期のサポーターを蓄積し、Flock.ioのWeb3エージェントモデルの出現につながります。

If the application layer's Crypto AI Agent is your smart assistant, then its large model is equivalent to your assistant's brain. Only with deep experience and knowledge can it handle every interaction and execute each instruction correctly.

アプリケーションレイヤーの暗号AIエージェントがスマートアシスタントである場合、その大きなモデルはアシスタントの脳と同等です。深い経験と知識があるだけで、すべての相互作用を処理し、各命令を正しく実行できます。

The most prominent metric of FLock.io's Web3 AI Agent large model is 75.93% FC precision matching accuracy, which simply means it understands Web3 better. Instructions that other models cannot recognize or that produce nonsensical outputs are addressed by the Web3 AI Agent large model through collaboration with industry partners like IO.net, based on the AI Arena Task 1 collaboration framework. By reducing single data source bias through decentralized training, AI Agents calling upon the Web3 AI Agent Model will be more practical and accurate.

Flock.ioのWeb3 AIエージェントの大規模モデルの最も顕著なメトリックは75.93％FC精度マッチング精度です。これは、Web3をよりよく理解することを意味します。他のモデルが認識できない、または無意味な出力を生成する指示は、AIアリーナタスク1コラボレーションフレームワークに基づいて、IO.NETなどの業界パートナーとのコラボレーションを通じてWeb3 AIエージェントの大規模モデルによって対処されます。分散トレーニングを通じて単一のデータソースバイアスを削減することにより、Web3 AIエージェントモデルを呼び出すAIエージェントは、より実用的かつ正確になります。

At this point, we must mention the ecological growth flywheel derived from FLock.io's natural incentive properties as a Crypto product.

この時点で、flock.ioの自然なインセンティブ特性に由来する生態学的成長フライホイールについて、暗号製品として言及する必要があります。

By leveraging the basic $FLock incentives, more quality model trainers are encouraged to join, bringing higher quality data and training skills.

基本的な$ FLOCKインセンティブを活用することにより、より高品質のモデルトレーナーが参加することをお勧めし、高品質のデータとトレーニングスキルをもたらします。

These contributions help build better AI large models;

これらの貢献は、より良いAI大規模モデルの構築に役立ちます。

More powerful AI large models can attract more feature-rich and practical Agents and Dapps to call upon;

より強力なAI大規模モデルは、より多くの機能が豊富で実用的なエージェントとDAPPを引き付けることができます。

Practical DApps and AI Agents, supported by the Web3 model, possess strong market competitiveness to generate more revenue;

Web3モデルでサポートされている実用的なDappsとAIエージェントは、より多くの収益を生み出すために強力な市場競争力を持っています。

More calls to the large model by Agents and Dapps will generate more model incentives for trainers;

エージェントとDAPPによる大規模なモデルへのより多くの呼び出しは、トレーナーにより多くのモデルインセンティブを生み出します。

This new data and usage feedback can further optimize and enhance the AI large model, while the prosperity of the ecosystem will also attract more quality model trainers to join through rewards and recognition.

この新しいデータと使用のフィードバックは、AI大規模モデルをさらに最適化および強化することができますが、エコシステムの繁栄は、より質の高いモデルトレーナーを引き付けて、報酬と認識を通じて参加します。

Through this continuously looping positive feedback, the FLock.io ecosystem can achieve sustained growth and self-enhancement. AI Infra is still in its early stages, let alone the Crypto AI field. We look forward to seeing more foundational BUIDLers like FLock.io in the industry. Only by laying a solid foundation for the model can we witness a more stable and flourishing application layer explosion.

この継続的に肯定的なフィードバックをループすることにより、Flock.ioエコシステムは持続的な成長と自己強化を達成できます。 AI Infraは、暗号AIフィールドは言うまでもなく、まだ初期段階にあります。業界でflock.ioのようなより多くの基本的なブイドラーを見ることを楽しみにしています。モデルの強固な基盤を築くことによってのみ、より安定した繁栄するアプリケーション層の爆発を目撃できます。