Crypto X AI의 다음 라운드는 Memecoin 트랙에 머물지 않습니다.

곰 시장은 심층적 인 연구에 더 적합하며, 더 실현 가능한 이야기를 이해하면 향후 파도를 맨 위로 올릴 수 있습니다.

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 AI의 다음 라운드는 Memecoin 트랙에 머물지 않습니다. 곰 시장은 심층적 인 연구에 더 적합하며, 더 실현 가능한 이야기를 이해하면 향후 파도를 맨 위로 올릴 수 있습니다.

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

요즘 AI 트랙에 대한 다양한 보고서를 구성하는 동안 Coinbase Ventures @cbventures가 Crypto + AI에 관한 스택에 반영했습니다.

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 @jonathankingvc는 Crypto와 AI : AI 에이전트의 조합에 대한 이상적인 시나리오를 구상합니다. AI가 생성 한 소프트웨어 코드 (Smart Contracts)는 DAPP 번호와 향상된 사용자 경험이 급증하여 사용자가 자신의 AI 대형 모델을 소유하고 관리 할 수 ​​있으며 이익을 얻을 수 있습니다. 이것은 다음과 같이 나눌 수 있습니다.

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

Aethir와 같은 분산 된 컴퓨팅 제공 업체를 기반으로 한 컴퓨팅 계층.

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

AI 대형 모델을 확장하기 위해 교육 데이터 세트를 중심으로 한 데이터 계층.

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

다양한 새로운 AI 기반 인프라 (교육/개인 정보 보호 추론/에이전트 플랫폼)로 구성된 미들웨어 계층.

An application layer.

응용 프로그램 계층.

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.

소매 투자자가 직접적인 영향을 느낄 수있는 암호화 + AI 애플리케이션 계층 제품은 거의 없으며 경험이 좋지 않습니다. 가장 직접적인 이유는 응용 프로그램 계층 아래의 기초 계층이 아직 잘 확립되지 않았기 때문입니다.

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.

최근 모델 자체에서 시작하여 Flock.io @flock_io는 Crypto 트랙을 위해 특별히 대형 모델을 훈련시키는 것이 분산 된 AI 및 모델 교육을 촉진하기 위해 체인 인센티브를 통해 경로를 검증 할 수 있음을 깨달았습니다. 탈 중앙화 된 AI 모델 훈련에 대한 더 큰 이야기를 진행하고 있지만 초기 단계에서 세그먼트 된 필드에서 눈에 띄는 제품의 타당성을 검증하면 Flock.io가 더 초기 지지자를 축적하여 Flock.io의 Web3 에이전트 모델이 출현 할 수 있습니다.

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.

Application Layer의 Crypto AI 에이전트가 스마트 어시스턴트 인 경우 큰 모델이 조수의 뇌와 동일합니다. 깊은 경험과 지식 만으로만 모든 상호 작용을 처리하고 각 명령을 올바르게 실행할 수 있습니다.

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.io의 Web3 AI 에이전트 대형 모델의 가장 두드러진 지표는 75.93% FC 정밀 일치 정확도입니다. 이는 단순히 Web3을 더 잘 이해한다는 것을 의미합니다. AI Arena Task 1 Collaboration Framework를 기반으로 IO.NET과 같은 업계 파트너와의 협력을 통해 다른 모델이 인식 할 수 없거나 무의미한 출력을 생성한다는 지침은 Web3 AI 에이전트 대형 모델에 의해 해결됩니다. 분산 교육을 통해 단일 데이터 소스 바이어스를 줄임으로써 Web3 AI 에이전트 모델을 호출하는 AI 에이전트가 더 실용적이고 정확할 것입니다.

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

이 시점에서 우리는 Crypto 제품으로 Flock.io의 자연 인센티브 특성에서 파생 된 생태 성장 플라이휠을 언급해야합니다.

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

기본 $ 플록 인센티브를 활용함으로써 더 많은 품질의 모델 트레이너가 참여하여 고품질 데이터와 교육 기술을 제공합니다.

These contributions help build better AI large models;

이러한 기여는 더 나은 AI 대형 모델을 구축하는 데 도움이됩니다.

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

보다 강력한 AI 대형 모델은 더 많은 기능이 풍부하고 실용적인 에이전트와 DAPP를 불러 일으킬 수 있습니다.

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

Web3 모델의 지원을받는 실용적인 DAPP 및 AI 에이전트는 더 많은 수익을 창출하기 위해 강력한 시장 경쟁력을 가지고 있습니다.

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

에이전트와 DAPP에 의한 대형 모델에 대한 더 많은 전화는 트레이너를위한 더 많은 모델 인센티브를 생성합니다.

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.

이 새로운 데이터 및 사용 피드백은 AI 대형 모델을 더욱 최적화하고 향상시킬 수 있으며, 생태계의 번영은 보상과 인정을 통해 더 많은 고품질 모델 트레이너를 유치 할 것입니다.

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.

이 긍정적 인 피드백을 지속적으로 반복하여 Flock.io 생태계는 지속적인 성장과 자기 강화를 달성 할 수 있습니다. AI Infra는 여전히 Crypto AI 필드는 물론 초기 단계에 있습니다. 우리는 업계에서 Flock.io와 같은 더 많은 기본적인 Buidlers를보기를 기대합니다. 모델을위한 탄탄한 기초를 마련 함으로써만 우리는보다 안정적이고 번성하는 응용 층 폭발을 목격 할 수 있습니다.