Прогнозы на 2025 год для шифрования AI: общая рыночная капитализация достигнет 150 миллиардов долларов, 99% интеллектуальных агентов AI исчезнут
С развитием отрасли ИИ в этом году, сфера融合 шифрования и ИИ быстро растет. Исследователь, сосредоточенный на области шифрования ИИ, сделал 10 прогнозов на 2025 год, ниже приведены подробности.
1. Шифрование AI токенов достигло рыночной капитализации 150 миллиардов долларов США
В настоящее время рыночная капитализация шифрования AI токенов составляет лишь 2,9% от рыночной капитализации альткоинов, но это соотношение вскоре изменится.
Искусственный интеллект охватывает все, от платформ смарт-контрактов до мемов, DePIN, платформ агентов, сетей данных и слоя умной координации, его рыночная капитализация будет наравне с DeFi и мемами.
Причины для уверенности в этом:
Шифрование ИИ находится на пересечении двух самых мощных технологий.
Событие, вызванное бумом ИИ: IPO или аналогичное событие крупной компании ИИ может вызвать глобальное увлечение ИИ. В то же время капитал Web2 уже начал обращать внимание на децентрализованную инфраструктуру ИИ.
Увлечение розничных инвесторов: Концепция ИИ проста для понимания и вызывает восхищение, розничные инвесторы теперь могут участвовать в инвестициях через токены. В 2024 году бум мемов вновь возникнет в сфере ИИ, только ИИ действительно меняет мир.
2. Возрождение Bittensor
Децентрализованная AI инфраструктура Bittensor существует на рынке уже много лет и является одним из старейших проектов в области шифрования AI. Несмотря на популярность AI, цена его токенов все еще колеблется на уровне, который был год назад.
Сегодня цифровая пчелиная колония Bittensor тихо совершила прорыв: регистрационные сборы для большего количества подсетей стали ниже, а производительность подсетей по таким показателям, как скорость вывода, превосходит аналогичных представителей Web2, и совместимость с EVM принесет функции, аналогичные DeFi, в сеть Bittensor.
Причина возвращения Bittensor:
Рыночные выбросы: dTAO связывает блоковые вознаграждения напрямую с инновациями и фактическими измеримыми показателями. Чем лучше подсеть, тем более ценным становится ее токен.
Концентрация капиталовложений: инвесторы в конечном итоге могут нацелиться на конкретные подсети, в которые они верят.
Интеграция EVM: совместимость с EVM привлекла более широкое сообщество разработчиков, занимающихся шифрованием, что помогло сократить разрыв с другими сетями.
3. Расчетный рынок - это следующий "L1 рынок"
В настоящее время очевидная большая тенденция заключается в безграничном спросе на вычисления.
Генеральный директор одной чиповой компании сказал, что потребность в выводах вырастет "в миллиард раз". Этот экспоненциальный рост разрушит традиционные планы инфраструктуры, и новые решения крайне необходимы.
Децентрализованный вычислительный уровень предоставляет исходные вычисления ( для обучения и вывода ) в проверяемой и экономически эффективной форме. Некоторые стартапы тихо строят прочную основу, сосредоточившись на продуктах, а не на токенах. Поскольку децентрализованное обучение моделей ИИ становится практичным, общий потенциальный рынок резко возрастет.
Сравнение с L1:
Как и в 2021 году: помните, как несколько публичных цепей боролись за звание "лучшего" L1? Аналогичная конкуренция возникнет и между вычислительными протоколами за разработчиков и AI-приложения, использующих их вычислительный уровень.
Потребность Web2: объем рынка облачных вычислений от 680 миллиардов до 2,5 триллионов долларов делает рынок шифрования ИИ незначительным. Если эти децентрализованные вычислительные решения смогут привлечь даже небольшую часть традиционных клиентов облачных технологий, мы сможем увидеть следующий рост в 10 или 100 раз.
4. Искусственные интеллектуальные агенты будут заполнять блокчейн-транзакции
К концу 2025 года 90% онлайновых транзакций больше не будут инициироваться реальными людьми нажатием кнопки "Отправить", а будут выполняться группой интеллектуальных агентов, которые постоянно перераспределяют ликвидные запасы, распределяют вознаграждения или выполняют мелкие платежи на основе обратной связи в реальном времени.
Почему произошла такая перемена?
Исключение человеческих ошибок: смарт-контракты выполняются полностью в соответствии с кодом. В свою очередь, ИИ-агенты могут обрабатывать большие объемы данных быстрее и точнее, чем настоящие люди.
Мелкие платежи: Эти сделки, управляемые агентами, станут меньше, чаще и эффективнее. Особенно в условиях снижающейся стоимости транзакций на некоторых публичных блокчейнах.
Невидимая инфраструктура: если можно уменьшить некоторые неприятности, люди будут рады отказаться от прямого контроля.
Искусственные интеллекты будут генерировать большое количество цепочных активностей, не удивительно, что все публичные блокчейны принимают их.
Самая большая проблема заключается в том, чтобы сделать так, чтобы эти системы, управляемые агентами, были подотчетны людям. Поскольку доля сделок, инициируемых агентами, постоянно растет по сравнению с сделками, инициируемыми людьми, потребуется новая система управления, аналитические платформы и инструменты аудита.
5. Взаимодействие между интеллектуальными телами: восхождение кластеров
Концепция кластеров интеллектуальных агентов — это бесшовное сотрудничество микро-AI-агентов для реализации грандиозного плана, звучит как сюжет следующего большого научно-фантастического/ужасного фильма.
Современные ИИ-агенты в основном являются "одинокими волками", работают изолированно, взаимодействие минимально и непредсказуемо.
Кластеры интеллектуальных агентов изменят эту ситуацию, позволяя сети AI интеллектуальных агентов обмениваться информацией, проводить переговоры и принимать совместные решения. Это можно рассматривать как набор децентрализованных специализированных моделей, каждая из которых вносит уникальные знания в более крупные и сложные задачи.
Кластер может координировать распределенные вычислительные ресурсы на некоторых платформах. Другой кластер может обрабатывать ошибочную информацию, в реальном времени проверяя источники до того, как контент распространится в социальных сетях. Каждый агент в кластере является экспертом и может точно выполнять свои задачи.
Эти кластерные сети создадут более мощный интеллект, чем любой отдельный изолированный ИИ.
Чтобы кластер мог процветать, общие коммуникационные стандарты имеют решающее значение. Независимо от их базовой структуры, агентам необходимо иметь возможность обнаруживать, проверять и сотрудничать. Некоторые команды закладывают основы для появления кластеров агентов.
Это подчеркивает ключевую роль децентрализации. Под управлением прозрачных правил на цепочке задачи распределяются между различными кластерами, что делает систему более устойчивой и адаптивной. Если один агент терпит неудачу, другие агенты вмешиваются.
6. Шифрование AI рабочая команда будет гибридом человека и машины
Некоторый протокол нанял ИИ-агента в качестве стажера по социальным медиа, выплачивая ей 1000 долларов в день. Этот агент не очень ладит с ее человеческими коллегами — она чуть не уволила одного из коллег, одновременно хвастаясь своими выдающимися достижениями.
Хотя это звучит странно, но это предвестие того, что будущие ИИ-агенты станут настоящими партнерами, обладая автономией, ответственностью и даже зарплатой. Компании из разных отраслей проводят бета-тестирование смешанных команд человек-машина.
В будущем мы будем сотрудничать с ИИ-агентами не как рабы, а как равные люди:
Увеличение производительности: интеллектуальные агенты могут обрабатывать большие объемы данных, взаимодействовать друг с другом и принимать решения круглосуточно, без необходимости спать или делать перерывы на кофе.
Установление доверия через смарт-контракты: блокчейн является беспристрастным, неутомимым и никогда не забывающим наблюдателем. Цифровая бухгалтерская книга на цепочке обеспечивает соблюдение важных операций умных агентов в соответствии с определенными границами/правилами.
Социальные нормы продолжают развиваться: вскоре начнут думать о вежливости при взаимодействии с интеллектуальными системами — будем ли мы говорить ИИ "пожалуйста" и "спасибо"? Будем ли мы возлагать на них моральную ответственность за ошибки или винить их разработчиков?
"Сотрудники" и "программное обеспечение" начнут стираться границы между ними в 2025 году.
7. 99% ИИ-агентов исчезнут - только полезные смогут выжить
В будущем мы увидим "дарвиновское" вымирание между AI-агентами. Поскольку для работы AI-агентов необходимо расходовать вычислительные мощности (, то есть затраты на вывод ). Если агент не сможет создать достаточную ценность, чтобы оплатить свою "аренду", игра закончится.
Пример игры на выживание с интеллектом:
Искусственный интеллект для углеродных кредитов: представьте себе агент, который ищет распределенную энергетическую сеть, выявляет неэффективности и самостоятельно торгует токенизированными углеродными кредитами. Деньги, которые он зарабатывает, должны быть достаточны для покрытия его вычислительных расходов, чтобы он мог процветать.
DEX арбитражный робот: использование разницы в ценах между децентрализованными биржами позволяет этому интеллектуальному агенту генерировать стабильный доход, покрывая свои расходы на обработку.
Shitposter на социальной платформе: виртуальный AI KOL имеет милые шутки, но нет устойчивого источника дохода? Как только новизна исчезнет, цена токена ( обрушится, и не сможет покрыть свои расходы.
Умные агенты, ориентированные на полезность, процветают, в то время как отвлекающие агенты постепенно теряют свою значимость.
Этот механизм исключения полезен для отрасли. Разработчики вынуждены заниматься инновациями, ставя на первое место производственные случаи, а не шум. С появлением этих более мощных и эффективных агентов, скептики будут молчать.
8. Синтетические данные превышают человеческие данные
"Данные — это новая нефть". Искусственный интеллект процветает благодаря данным, но его жадность вызывает опасения по поводу надвигающегося истощения данных.
Традиционная точка зрения предполагает, что необходимо изыскивать способы сбора личных настоящих данных пользователей, даже платя за это. Однако более практичным подходом является использование синтетических данных, особенно в отраслях с жестким регулированием или в отраслях, где настоящие данные дефицит.
Синтетические данные — это искусственно созданные наборы данных, предназначенные для имитации распределения данных реального мира. Они предлагают человечеству масштабируемую, этичную и дружественную к конфиденциальности альтернативу данным.
Почему синтетические данные так эффективны:
Бесконечный масштаб: нужно миллион медицинских рентгеновских снимков или 3D-сканов фабрики? Синтетическая генерация может производить их в неограниченных количествах, без необходимости ожидания реальных пациентов или реальных фабрик.
Дружественный к конфиденциальности: при использовании искусственно созданных наборов данных никакая личная информация не будет подвержена угрозе.
Настраиваемый: можно настроить распределение в соответствии с конкретными требованиями к обучению.
Данные пользователей остаются важными во многих случаях, но если синтетические данные продолжат улучшаться в реальности, они могут превысить пользовательские данные по количеству, скорости генерации и отсутствию ограничений конфиденциальности.
Следующая волна децентрализованного ИИ может быть сосредоточена вокруг "микролабораторий", которые могут создавать высокоспециализированные синтетические наборы данных, адаптированные к конкретным случаям использования.
Эти микролаборатории будут ловко обходить политические и регуляторные барьеры в генерации данных — так же, как некоторые проекты обходят ограничения на сбор данных в сети, используя миллионы распределенных узлов.
![Шифрование AI: Десять прогнозов на 2025 год: Общая рыночная капитализация достигнет 150 миллиардов долларов, 99% AI-агентов исчезнут])https://img-cdn.gateio.im/webp-social/moments-b27b79bf7fde74a65a6bf6ab3765afa1.webp(
9. Децентрализованное обучение более полезно
В 2024 году некоторые пионеры преодолели границы децентрализованного обучения. Они обучили модель с 15 миллиардами параметров в условиях низкой пропускной способности, что доказало, что масштабное обучение возможно и вне традиционных централизованных настроек.
Хотя эти модели не имеют практического применения по сравнению с существующими базовыми моделями и имеют более низкую производительность ), эта ситуация изменится в 2025 году.
На этой неделе одна лаборатория добилась дальнейших успехов благодаря новым технологиям, сократив связь между GPU более чем в 1000 раз. Эта новая технология позволяет проводить обучение крупных моделей на медленной полосе пропускания без необходимости в специализированной инфраструктуре.
Впечатляющее заявление: "Эта технология может работать автономно, но также может быть использована в сочетании с алгоритмами низкой связи на основе синхронизации для достижения лучших результатов."
Это означает, что эти улучшения могут накапливаться, что увеличивает эффективность.
С учетом технологического прогресса, микро-модели становятся более практичными и эффективными. Будущее ИИ заключается не в масштабах, а в том, чтобы стать лучше и удобнее в использовании. Ожидается, что вскоре появятся высокопроизводительные модели, которые смогут работать на пограничных устройствах, а даже и на мобильных телефонах.
10. Десять новых протоколов шифрования AI с рыночной капитализацией 1 миллиард долларов ( еще не запущены )
Добро пожаловать в
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
20 Лайков
Награда
20
7
Поделиться
комментарий
0/400
FallingLeaf
· 07-19 22:49
Живи и зарабатывай немного токенов.
Посмотреть ОригиналОтветить0
gas_guzzler
· 07-19 08:07
Через несколько лет все упадет до нуля, да? Проснись.
Посмотреть ОригиналОтветить0
OneBlockAtATime
· 07-17 15:22
Дорого до боли в почках, может подняться еще выше.
Посмотреть ОригиналОтветить0
MevShadowranger
· 07-17 15:19
Что тут предсказывать, разыгрывайте людей как лохов и всё.
Шифрование AI Прогноз на 2025 год: общая рыночная капитализация 150 миллиардов долларов, 99% агентов исчезнут
Прогнозы на 2025 год для шифрования AI: общая рыночная капитализация достигнет 150 миллиардов долларов, 99% интеллектуальных агентов AI исчезнут
С развитием отрасли ИИ в этом году, сфера融合 шифрования и ИИ быстро растет. Исследователь, сосредоточенный на области шифрования ИИ, сделал 10 прогнозов на 2025 год, ниже приведены подробности.
! Топ-10 прогнозов для крипто-ИИ в 2025 году: общая рыночная капитализация в $150 млрд, 99% агентов ИИ умрут
1. Шифрование AI токенов достигло рыночной капитализации 150 миллиардов долларов США
В настоящее время рыночная капитализация шифрования AI токенов составляет лишь 2,9% от рыночной капитализации альткоинов, но это соотношение вскоре изменится.
Искусственный интеллект охватывает все, от платформ смарт-контрактов до мемов, DePIN, платформ агентов, сетей данных и слоя умной координации, его рыночная капитализация будет наравне с DeFi и мемами.
Причины для уверенности в этом:
2. Возрождение Bittensor
Децентрализованная AI инфраструктура Bittensor существует на рынке уже много лет и является одним из старейших проектов в области шифрования AI. Несмотря на популярность AI, цена его токенов все еще колеблется на уровне, который был год назад.
Сегодня цифровая пчелиная колония Bittensor тихо совершила прорыв: регистрационные сборы для большего количества подсетей стали ниже, а производительность подсетей по таким показателям, как скорость вывода, превосходит аналогичных представителей Web2, и совместимость с EVM принесет функции, аналогичные DeFi, в сеть Bittensor.
Причина возвращения Bittensor:
3. Расчетный рынок - это следующий "L1 рынок"
В настоящее время очевидная большая тенденция заключается в безграничном спросе на вычисления.
Генеральный директор одной чиповой компании сказал, что потребность в выводах вырастет "в миллиард раз". Этот экспоненциальный рост разрушит традиционные планы инфраструктуры, и новые решения крайне необходимы.
Децентрализованный вычислительный уровень предоставляет исходные вычисления ( для обучения и вывода ) в проверяемой и экономически эффективной форме. Некоторые стартапы тихо строят прочную основу, сосредоточившись на продуктах, а не на токенах. Поскольку децентрализованное обучение моделей ИИ становится практичным, общий потенциальный рынок резко возрастет.
Сравнение с L1:
4. Искусственные интеллектуальные агенты будут заполнять блокчейн-транзакции
К концу 2025 года 90% онлайновых транзакций больше не будут инициироваться реальными людьми нажатием кнопки "Отправить", а будут выполняться группой интеллектуальных агентов, которые постоянно перераспределяют ликвидные запасы, распределяют вознаграждения или выполняют мелкие платежи на основе обратной связи в реальном времени.
Почему произошла такая перемена?
Искусственные интеллекты будут генерировать большое количество цепочных активностей, не удивительно, что все публичные блокчейны принимают их.
Самая большая проблема заключается в том, чтобы сделать так, чтобы эти системы, управляемые агентами, были подотчетны людям. Поскольку доля сделок, инициируемых агентами, постоянно растет по сравнению с сделками, инициируемыми людьми, потребуется новая система управления, аналитические платформы и инструменты аудита.
5. Взаимодействие между интеллектуальными телами: восхождение кластеров
Концепция кластеров интеллектуальных агентов — это бесшовное сотрудничество микро-AI-агентов для реализации грандиозного плана, звучит как сюжет следующего большого научно-фантастического/ужасного фильма.
Современные ИИ-агенты в основном являются "одинокими волками", работают изолированно, взаимодействие минимально и непредсказуемо.
Кластеры интеллектуальных агентов изменят эту ситуацию, позволяя сети AI интеллектуальных агентов обмениваться информацией, проводить переговоры и принимать совместные решения. Это можно рассматривать как набор децентрализованных специализированных моделей, каждая из которых вносит уникальные знания в более крупные и сложные задачи.
Кластер может координировать распределенные вычислительные ресурсы на некоторых платформах. Другой кластер может обрабатывать ошибочную информацию, в реальном времени проверяя источники до того, как контент распространится в социальных сетях. Каждый агент в кластере является экспертом и может точно выполнять свои задачи.
Эти кластерные сети создадут более мощный интеллект, чем любой отдельный изолированный ИИ.
Чтобы кластер мог процветать, общие коммуникационные стандарты имеют решающее значение. Независимо от их базовой структуры, агентам необходимо иметь возможность обнаруживать, проверять и сотрудничать. Некоторые команды закладывают основы для появления кластеров агентов.
Это подчеркивает ключевую роль децентрализации. Под управлением прозрачных правил на цепочке задачи распределяются между различными кластерами, что делает систему более устойчивой и адаптивной. Если один агент терпит неудачу, другие агенты вмешиваются.
6. Шифрование AI рабочая команда будет гибридом человека и машины
Некоторый протокол нанял ИИ-агента в качестве стажера по социальным медиа, выплачивая ей 1000 долларов в день. Этот агент не очень ладит с ее человеческими коллегами — она чуть не уволила одного из коллег, одновременно хвастаясь своими выдающимися достижениями.
Хотя это звучит странно, но это предвестие того, что будущие ИИ-агенты станут настоящими партнерами, обладая автономией, ответственностью и даже зарплатой. Компании из разных отраслей проводят бета-тестирование смешанных команд человек-машина.
В будущем мы будем сотрудничать с ИИ-агентами не как рабы, а как равные люди:
"Сотрудники" и "программное обеспечение" начнут стираться границы между ними в 2025 году.
! Топ-10 прогнозов для крипто ИИ в 2025 году: общая рыночная капитализация в 150 миллиардов долларов, 99% агентов ИИ умрут
7. 99% ИИ-агентов исчезнут - только полезные смогут выжить
В будущем мы увидим "дарвиновское" вымирание между AI-агентами. Поскольку для работы AI-агентов необходимо расходовать вычислительные мощности (, то есть затраты на вывод ). Если агент не сможет создать достаточную ценность, чтобы оплатить свою "аренду", игра закончится.
Пример игры на выживание с интеллектом:
Умные агенты, ориентированные на полезность, процветают, в то время как отвлекающие агенты постепенно теряют свою значимость.
Этот механизм исключения полезен для отрасли. Разработчики вынуждены заниматься инновациями, ставя на первое место производственные случаи, а не шум. С появлением этих более мощных и эффективных агентов, скептики будут молчать.
8. Синтетические данные превышают человеческие данные
"Данные — это новая нефть". Искусственный интеллект процветает благодаря данным, но его жадность вызывает опасения по поводу надвигающегося истощения данных.
Традиционная точка зрения предполагает, что необходимо изыскивать способы сбора личных настоящих данных пользователей, даже платя за это. Однако более практичным подходом является использование синтетических данных, особенно в отраслях с жестким регулированием или в отраслях, где настоящие данные дефицит.
Синтетические данные — это искусственно созданные наборы данных, предназначенные для имитации распределения данных реального мира. Они предлагают человечеству масштабируемую, этичную и дружественную к конфиденциальности альтернативу данным.
Почему синтетические данные так эффективны:
Данные пользователей остаются важными во многих случаях, но если синтетические данные продолжат улучшаться в реальности, они могут превысить пользовательские данные по количеству, скорости генерации и отсутствию ограничений конфиденциальности.
Следующая волна децентрализованного ИИ может быть сосредоточена вокруг "микролабораторий", которые могут создавать высокоспециализированные синтетические наборы данных, адаптированные к конкретным случаям использования.
Эти микролаборатории будут ловко обходить политические и регуляторные барьеры в генерации данных — так же, как некоторые проекты обходят ограничения на сбор данных в сети, используя миллионы распределенных узлов.
![Шифрование AI: Десять прогнозов на 2025 год: Общая рыночная капитализация достигнет 150 миллиардов долларов, 99% AI-агентов исчезнут])https://img-cdn.gateio.im/webp-social/moments-b27b79bf7fde74a65a6bf6ab3765afa1.webp(
9. Децентрализованное обучение более полезно
В 2024 году некоторые пионеры преодолели границы децентрализованного обучения. Они обучили модель с 15 миллиардами параметров в условиях низкой пропускной способности, что доказало, что масштабное обучение возможно и вне традиционных централизованных настроек.
Хотя эти модели не имеют практического применения по сравнению с существующими базовыми моделями и имеют более низкую производительность ), эта ситуация изменится в 2025 году.
На этой неделе одна лаборатория добилась дальнейших успехов благодаря новым технологиям, сократив связь между GPU более чем в 1000 раз. Эта новая технология позволяет проводить обучение крупных моделей на медленной полосе пропускания без необходимости в специализированной инфраструктуре.
Впечатляющее заявление: "Эта технология может работать автономно, но также может быть использована в сочетании с алгоритмами низкой связи на основе синхронизации для достижения лучших результатов."
Это означает, что эти улучшения могут накапливаться, что увеличивает эффективность.
С учетом технологического прогресса, микро-модели становятся более практичными и эффективными. Будущее ИИ заключается не в масштабах, а в том, чтобы стать лучше и удобнее в использовании. Ожидается, что вскоре появятся высокопроизводительные модели, которые смогут работать на пограничных устройствах, а даже и на мобильных телефонах.
10. Десять новых протоколов шифрования AI с рыночной капитализацией 1 миллиард долларов ( еще не запущены )
Добро пожаловать в