GPT의 등장으로 대규모 언어 모델에 대한 전 세계적인 관심이 집중되고 있으며, 각계각층에서는 이 블랙 테크놀로지를 활용하여 작업 효율성을 높이고 산업 발전을 가속화하려고 노력하고 있습니다. Future 3 Campus는 Footprint Analytics와 협력하여 AI와 Web3의 결합의 무한한 가능성에 대한 심층 연구를 수행하고 현재 상황, 경쟁 환경 및 통합의 미래 기회 분석이라는 제목의 연구 보고서를 공동으로 발표했습니다. AI와 Web3 데이터 산업. 연구 보고서는 두 부분으로 나누어져 있는데, 본 글은 Future 3 Campus 연구원인 Sherry와 Humphrey가 편집한 두 번째 부분입니다.

관련 독서:Footprint Analytics x Future 3 10,000자 연구 보고서: AI와 Web3 데이터 산업 통합의 현황, 경쟁 구도 및 미래 기회 분석(1부)

요약:

• AI와 Web3의 데이터 결합은 데이터 처리 효율성과 사용자 경험 향상을 촉진하고 있습니다. 블록체인 데이터 산업에서 LLM에 대한 현재 탐색은 주로 AI 기술을 통해 데이터 처리 효율성을 향상시키고, LLM의 대화형 장점을 사용하여 AI 에이전트를 구축하고, 가격 책정 및 거래 전략 분석에 AI를 사용하는 데 중점을 두고 있습니다.

• 현재 Web3 데이터 분야에 AI를 적용하는 데에는 여전히 정확성, 해석성, 상용화 등 몇 가지 과제가 남아 있습니다. 인간의 개입을 완전히 대체하려면 아직 갈 길이 멀다.

• 웹쓰리데이터컴퍼니의 핵심 경쟁력은 AI 기술 자체뿐만 아니라, 데이터 축적 능력과 데이터의 심층 분석 및 활용 능력이다.

• AI는 단기적으로 데이터 제품을 상용화하는 문제에 대한 해결책이 아닐 수 있으며, 상용화에는 더 많은 제품화 노력이 필요할 것입니다.

1. Web3 데이터 산업과 AI의 융합 현황 및 발전 경로

1.1 Dune

Dune은 현재 Web3 업계의 선도적인 개방형 데이터 분석 커뮤니티입니다. Dune은 블록체인에서 대량의 데이터를 쿼리, 추출 및 시각화하는 도구를 제공하여 사용자와 데이터 분석 전문가가 간단한 SQL 쿼리를 사용하여 Dune의 온체인 데이터를 쿼리할 수 있도록 합니다. 미리 채워진 데이터베이스. , 해당 차트 및 의견을 작성합니다.

2023년 3월 Dune은 AI 및 LLM과의 향후 통합 계획을 제안하고 10월에 Dune AI 제품을 출시했습니다. Dune AI 관련 제품의 핵심은 LLM의 강력한 언어 및 분석 기능을 사용하여 Wizard UX를 향상시키고 사용자에게 Dune에서 데이터 쿼리 및 SQL 작성을 더 잘 제공하는 데 중점을 둡니다.

(1) 쿼리 설명: 지난 3월 출시된 제품은 버튼 클릭만으로 SQL 쿼리에 대한 자연어 설명을 제공하며, 복잡한 SQL 쿼리에 대한 이해를 높여 데이터 분석의 효율성과 정확성을 높일 수 있도록 설계됐다.

(2) 쿼리 번역: Dune은 Dune(예: Postgres 및 Spark SQL)의 다양한 SQL 쿼리 엔진을 DuneSQL로 균일하게 마이그레이션할 계획이므로 LLM은 사용자가 DuneSQL을 활용할 수 있도록 더 나은 전환을 할 수 있도록 자동화된 쿼리 언어 번역 기능을 제공할 수 있습니다. .

(3) 자연어 쿼리: Dune AI가 10월에 출시되었습니다. 사용자가 일반 영어로 질문하고 데이터를 얻을 수 있습니다. 이 기능의 목표는 SQL 지식이 없는 사용자도 쉽게 데이터를 얻고 분석할 수 있도록 하는 것입니다.

(4) 검색 최적화: Dune은 LLM을 사용하여 사용자가 정보를 보다 효과적으로 필터링할 수 있도록 검색 기능을 개선할 계획입니다.

(5) 마법사 지식 기반: Dune은 사용자가 Spellbook 및 Dune 문서에서 블록체인 및 SQL 지식을 빠르게 탐색할 수 있도록 챗봇을 출시할 계획입니다.

(6) SQL 작성 작업 단순화(Dune Wand): Dune은 8월에 Wand 시리즈 SQL 도구를 출시했습니다. Create Wand를 사용하면 사용자가 자연어 프롬프트에서 완전한 쿼리를 생성할 수 있고, Edit Wand를 사용하면 사용자가 기존 쿼리를 수정할 수 있으며, 디버그 기능을 사용하면 쿼리의 구문 오류를 자동으로 디버깅할 수 있습니다. 이러한 도구의 핵심은 쿼리 작성 프로세스를 단순화하고 분석가가 코드 및 구문 문제에 대해 걱정하지 않고 데이터 분석의 핵심 논리에 집중할 수 있도록 하는 LLM 기술입니다.

1.2 Footprint Analytics

Footprint Analytics는 인공 지능 기술을 사용하여 노코드 데이터 분석 플랫폼, 통합 데이터 API 제품 및 Web3 프로젝트 BI 플랫폼 Footprint Growth Analytics를 제공하는 블록체인 데이터 솔루션 제공업체입니다.

Footprint의 장점은 온체인 데이터 생산 라인과 생태학적 도구를 생성하는 데 있으며 온체인 및 오프체인 데이터와 온체인 산업 및 상업 등록과 유사한 메타데이터 데이터베이스를 개방하기 위한 통합 데이터 레이크를 구축하여 보장합니다. 사용자가 분석하고 사용할 때 데이터를 얻을 수 있는 기능, 사용 편의성 및 품질. Footprint의 장기 전략은 온체인 데이터와 애플리케이션을 생산할 수 있는 기계 공장을 만들기 위한 기술적 깊이와 플랫폼 구축에 중점을 둘 것입니다.

Footprint 제품과 AI의 결합은 다음과 같습니다.

Footprint는 LLM 모델 출시 이후 데이터 처리 및 분석의 효율성을 향상하고 보다 사용자 친화적인 제품을 만들기 위해 처음으로 기존 데이터 제품과 AI의 결합을 모색해 왔습니다. 2023년 5월, Footprint는 사용자에게 자연어 대화형 데이터 분석 기능을 제공하기 시작했으며, 독창적인 노코드 기반을 기반으로 고급 제품 기능으로 업그레이드되었습니다. 대화를 통해 빠르게 데이터를 얻고 차트를 생성하는 플랫폼입니다.

또한 현재 시장에 나와 있는 LLM + Web3 데이터 제품은 주로 사용자 임계값을 낮추고 상호 작용 패러다임을 변경하는 문제를 해결하는 데 중점을 두고 있습니다. 경험 또한 수직적 시나리오 적용의 효율성과 정확성을 높이기 위해 암호화폐 분야의 수직적 데이터 및 비즈니스 이해를 축적하고 암호화폐 분야의 언어 모델을 교육하는 데에도 중점을 두고 있습니다. 이와 관련하여 Footprint의 장점은 다음 측면에 반영됩니다.

• 데이터 지식의 양(지식베이스의 질과 양). 데이터 축적, 소스, 볼륨, 카테고리의 효율성. 특히 Footprint MetaMosaic 하위 제품은 관계형 그래프와 특정 비즈니스 로직의 정적 데이터 축적을 구현합니다.

• 지식 아키텍처. 발자국은 비즈니스 섹션을 기반으로 30개 이상의 퍼블릭 체인 추상 구조 데이터 테이블을 축적했습니다. 원시 데이터에서 구조화된 데이터까지의 생산 프로세스에 대한 지식은 결과적으로 원시 데이터에 대한 이해를 높이고 더 나은 모델 훈련을 제공할 수 있습니다.

• 데이터 유형. 체인의 비표준 및 구조화되지 않은 원시 데이터를 통한 교육과 구조화된 비즈니스 의미 데이터 테이블 및 지표를 통한 교육 사이에는 교육 효율성과 기계 비용에 분명한 차이가 있습니다. 대표적인 예로 LLM에 더 많은 데이터를 제공해야 하는데, 이러한 데이터는 암호화 분야를 기반으로 한 전문적인 데이터 외에도 더 읽기 쉽고 구조화된 데이터가 필요하며 더 많은 수의 사용자가 피드백 데이터로 사용됩니다.

• 암호화폐 자금 흐름 데이터. Footprint는 투자와 밀접하게 관련된 자본 흐름 데이터를 추상화하며, 시간, 주제(흐름 방향 포함), 토큰 유형, 금액(해당 시점의 토큰 가격), 비즈니스 유형, 토큰을 포함하며, 주제의 태그는 다음과 같이 사용될 수 있습니다. 토큰의 주요 자금 분석, 칩 배포 위치 파악, 자금 흐름 모니터링, 체인 변경 사항 식별, 스마트 자금 추적 등에 사용할 수 있는 LLM의 지식 기반 및 데이터 소스.

• 개인 데이터 주입. Footprint는 모델을 세 가지 주요 계층으로 나누는데, 하나는 세계 지식을 갖춘 기본 대형 모델(OpenAI 및 기타 오픈 소스 모델), 세분화된 분야의 수직 모델, 개인화된 전문 지식 모델입니다. 이를 통해 사용자는 Footprint의 다양한 소스에서 얻은 지식 기반을 통합 및 관리할 수 있으며 개인 데이터를 사용하여 보다 개인화된 응용 프로그램 시나리오에 적합한 개인 LLM을 교육할 수 있습니다.

LLM 모델과 결합된 Footprint를 탐색하는 동안 우리는 일련의 도전과 문제에 직면했는데, 그 중 가장 일반적인 것은 토큰 부족, 시간 소모적인 프롬프트, 불안정한 답변이었습니다. Footprint가 위치한 온체인 데이터의 수직적 분야에서 더 큰 과제는 체인에 많은 유형의 데이터 개체가 있고, 그 양이 많고, 급격한 변화가 있다는 점입니다. 더 많은 연구와 탐구가 필요합니다. 현재 도구 체인은 아직 초기 단계에 있으며 일부 특정 문제를 해결하려면 더 많은 도구가 필요합니다.

앞으로 Footprint의 기술 및 AI와의 제품 통합에는 다음이 포함됩니다.

(1) 기술 측면에서 Footprint는 LLM 모델을 사용하여 세 가지 측면을 탐색하고 최적화합니다.

• LLM이 구조화된 데이터에 대한 추론을 수행하도록 지원하여 암호화 분야의 대량의 구조화된 데이터와 지식이 LLM의 데이터 소비 및 생산에 적용될 수 있도록 합니다.

• 사용자가 개인화된 지식 기반(지식, 데이터 및 경험 포함)을 구축하고 개인 데이터를 사용하여 최적화된 암호화 LLM의 기능을 향상시켜 모든 사람이 자신의 모델을 구축할 수 있도록 지원합니다.

• AI가 분석 및 콘텐츠 제작을 지원하도록 하세요. 사용자는 자본 흐름 데이터 및 개인 지식 기반과 결합하여 대화를 통해 자신만의 GPT를 생성하여 암호화폐 투자 콘텐츠를 제작하고 공유할 수 있습니다.

(2) 제품 측면에서 Footprint는 AI 제품 응용 프로그램 탐색 및 비즈니스 모델 혁신에 중점을 둘 것입니다. Footprint의 최근 제품 프로모션 계획에 따르면 사용자를 위한 AI 암호화 콘텐츠 생성 및 공유 플랫폼을 출시할 예정입니다.

또한 향후 파트너 확장을 위해 Footprint는 다음 두 가지 측면을 탐색할 것입니다.

첫째, KOL과의 협력을 강화하여 가치 있는 콘텐츠 제작, 커뮤니티 운영, 지식 수익화를 촉진합니다.

둘째, 협력적인 프로젝트 당사자와 데이터 제공자를 더욱 확대하고, 개방적이고 상생하는 사용자 인센티브와 데이터 협력을 창출하며, 상호 이익이 되는 상생의 원스톱 데이터 서비스 플랫폼을 구축합니다.

1.3 GoPlus Security

GoPlus Security는 현재 Web3 업계 최고의 사용자 보안 인프라로 다양한 사용자 중심의 보안 서비스를 제공하고 있습니다. 이는 주류 디지털 지갑, 시장 웹사이트, Dex 및 시장에 있는 다양한 기타 Web3 애플리케이션에 통합되었습니다. 자산 보안 탐지, 이체 승인, 피싱 방지 등 다양한 보안 보호 기능을 사용자가 직접 사용할 수 있습니다. GoPlus가 제공하는 사용자 보안 솔루션은 전체 사용자 보안 수명주기를 포괄적으로 포괄하여 다양한 공격자의 위협으로부터 사용자 자산을 보호할 수 있습니다.

GoPlus와 AI의 개발 및 기획은 다음과 같습니다.

AI 기술에 대한 GoPlus의 주요 탐구는 AI 자동화 감지 및 AI 보안 도우미라는 두 가지 제품에 반영됩니다.

(1) AI 자동 감지

고플러스는 2022년부터 AI 기술을 기반으로 한 자체 자동 탐지 엔진 개발에 착수해 보안 탐지의 효율성과 정확성을 종합적으로 향상시킬 예정이다. GoPlus의 보안 엔진은 정적 코드 탐지, 동적 탐지, 기능 또는 동작 탐지 등 다중 링크를 사용하는 다계층 퍼널 스타일 분석 방법을 채택합니다. 이 복합 탐지 프로세스를 통해 엔진은 잠재적 위험 샘플의 특성을 효과적으로 식별 및 분석하여 공격 유형 및 동작을 효과적으로 모델링할 수 있습니다. 이러한 모델은 엔진이 보안 위협을 식별하고 방지하는 데 핵심이며, 엔진이 위험 샘플에 특정 공격 특성이 있는지 여부를 결정하는 데 도움이 됩니다. 또한 GoPlus 보안 엔진은 장기간의 반복과 최적화를 통해 축적된 풍부한 보안 데이터와 경험을 바탕으로 새로운 보안 위협에 신속하고 효과적으로 대응할 수 있는 아키텍처를 통해 복잡하고 새로운 다양한 공격을 탐지하고 차단할 수 있습니다. 우리는 이용자의 안전을 지킵니다. 현재 엔진은 위험한 계약 탐지, 피싱 웹사이트 탐지, 악성 주소 탐지, 위험한 거래 탐지 등 다양한 보안 시나리오에서 AI 관련 알고리즘과 기술을 사용합니다. AI 기술을 사용하면 위험 노출을 보다 신속하게 줄이고 탐지 효율성을 향상하며 탐지 비용을 절감할 수 있습니다. 반면 수동 참여의 복잡성과 시간 비용을 줄이고 특히 위험 샘플에 대한 판단의 정확성을 향상시킵니다. 정의하기 어렵거나 엔진이 식별하기 어려운 새로운 시나리오의 경우 AI는 기능을 더 잘 수집하고 보다 효과적인 분석 방법을 형성할 수 있습니다.

2023년에는 대형 모델이 발전함에 따라 GoPlus는 LLM을 빠르게 채택하고 채택했습니다. 기존 AI 알고리즘과 비교하여 LLM의 데이터 식별, 처리 및 분석 효율성과 효율성이 크게 향상되었습니다. LLM의 등장으로 GoPlus는 AI 자동 감지 기술 탐색을 가속화했으며, 동적 퍼즈 테스트 방향에서 GoPlus는 LLM 기술을 채택하여 거래 시퀀스를 효과적으로 생성하고 더 깊은 상태를 탐색하여 계약 위험을 발견했습니다.

(2) AI 보안 보조원

GoPlus는 또한 LLM 기반 자연어 처리 기능을 활용하여 AI 보안 도우미를 개발하여 즉각적인 보안 상담을 제공하고 사용자 경험을 개선하고 있습니다. GPT 대형 모델을 기반으로 AI 도우미는 프런트엔드 비즈니스 데이터 입력을 통해 자체 개발한 사용자 보안 에이전트 세트를 개발했습니다. 이 에이전트는 문제에 따라 자동으로 분석, 솔루션 생성, 작업 분해 및 실행이 가능합니다. 필요한 보안 서비스를 갖춘 사용자. . AI 비서는 사용자 간의 의사소통과 보안 문제를 단순화하고 사용자가 이해할 수 있는 임계값을 낮출 수 있습니다.

제품 기능적으로 보면, 보안 분야에서 AI의 중요성으로 인해 AI는 향후 기존 보안 엔진이나 바이러스 백신 엔진의 구조를 완전히 바꿀 수 있는 잠재력을 갖고 있으며, AI를 핵심으로 하는 새로운 엔진 아키텍처도 있다. 나타날 것입니다. 고플러스는 AI를 보조 도구에서 보안 탐지 엔진의 핵심 기능으로 전환하기 위해 AI 모델을 지속적으로 훈련하고 최적화할 예정이다.

비즈니스 모델 측면에서 GoPlus의 서비스는 현재 주로 개발자와 프로젝트 당사자를 대상으로 하고 있지만 C-end 사용자를 위한 직접 제품과 서비스는 물론 새로운 AI 관련 수익 모델을 더 많이 모색하고 있습니다. 효율적이고 정확하며 저렴한 C-side 서비스를 제공하는 것이 향후 GoPlus의 핵심 경쟁력이 될 것입니다. 이를 위해서는 회사가 사용자와 상호 작용하는 대규모 AI 모델에 대한 연구를 계속하고 더 많은 교육과 결과를 수행해야 합니다. 동시에 GoPlus는 다른 팀과 협력하여 보안 데이터를 공유하고 향후 업계 변화에 대비하기 위한 협력을 통해 보안 분야의 AI 응용 프로그램을 홍보할 것입니다.

1.4 Trusta Labs

2022년 설립된 트러스타랩스는 인공지능을 기반으로 하는 Web3 분야의 데이터 스타트업 기업이다. Trusta Labs는 고급 인공 지능 기술을 사용하여 블록체인 데이터를 효율적으로 처리하고 정확하게 분석하여 블록체인의 온체인 평판과 보안 인프라를 구축하는 데 중점을 두고 있습니다. 현재 Trusta Labs의 사업에는 주로 TrustScan과 TrustGo의 두 가지 제품이 포함됩니다.

(1) TrustScan, TrustScan은 B측 고객을 위해 특별히 설계된 제품으로 Web3 프로젝트가 온체인 사용자 행동 분석을 수행하고 사용자 획득, 사용자 활동 및 사용자 유지 측면에서 세분화된 계층화를 수행하여 높은 가치를 식별하는 데 주로 사용됩니다. 그리고 실제 사용자.

(2) C-end 고객을 위한 제품인 TrustGo는 온체인 주소를 5가지 차원(자금 금액, 활동성, 다양성, 신원권 및 충성도)으로 분석하고 평가할 수 있는 MEDIA 분석 도구를 제공합니다. 온체인 데이터에 대한 심층 분석을 통해 거래 결정의 품질과 보안을 향상합니다.

Trusta Labs와 AI의 개발 및 기획은 다음과 같습니다.

현재 Trusta Labs의 두 가지 제품은 AI 모델을 사용하여 체인 주소의 상호 작용 데이터를 처리하고 분석합니다. 블록체인의 주소 상호작용 행동 데이터는 모두 시퀀스 데이터로, 이러한 유형의 데이터는 AI 모델 학습에 매우 적합합니다. Trusta Labs는 체인의 데이터를 정리, 분류 및 라벨링하는 과정에서 많은 작업을 AI에 넘겨 데이터 처리의 품질과 효율성을 크게 향상시키는 동시에 많은 인건비를 절감합니다. Trusta Labs는 AI 기술을 사용하여 체인의 주소 상호 작용 데이터에 대한 심층 분석 및 마이닝을 수행하며 B-side 고객의 경우 가장 가능성이 높은 마녀 주소를 효과적으로 식별할 수 있습니다. Tursta Labs 제품을 사용한 여러 프로젝트에서 Tursta Labs는 잠재적인 Sybil 공격을 더 잘 방지했으며, C 측 고객의 경우 TrustGo 제품을 통해 기존 AI 모델을 사용하여 사용자가 자신에 대해 더 깊이 이해할 수 있도록 효과적으로 지원합니다. .

Trusta Labs는 LLM 모델의 기술 발전과 적용 사례에 세심한 주의를 기울여 왔습니다. 모델 훈련 및 추론 비용의 지속적인 절감과 Web3 분야의 대량의 코퍼스 및 사용자 행동 데이터 축적을 통해 Trusta Labs는 LLM 기술을 도입하고 AI의 생산성을 활용하여 더 많은 서비스를 제공할 적절한 시기를 찾을 것입니다. -제품 및 사용자에 대한 심층적인 데이터 마이닝 및 분석 기능. 현재 Trusta Labs가 제공하는 풍부한 데이터를 기반으로 AI의 지능형 분석 모델을 활용해 B-end 사용자에게 정성적, 정량적 해석을 제공하는 등 데이터 결과에 대해 보다 합리적이고 객관적인 데이터 해석 기능을 제공하고자 합니다. 마녀 계정을 통해 사용자는 데이터 이면의 원인에 대한 분석을 더 잘 이해할 수 있으며, B측 사용자가 고객에게 불만 사항을 설명할 때 보다 자세한 자료 지원을 제공할 수도 있습니다.

반면에 Trusta Labs는 오픈 소스 또는 상대적으로 성숙한 LLM 모델을 사용하고 이를 의도 중심 설계 개념과 결합하여 사용자가 온체인 상호 작용 문제를 보다 빠르고 효율적으로 해결할 수 있도록 돕는 AI 에이전트를 구축할 계획입니다. 구체적인 응용 시나리오 측면에서 향후 Trusta Labs에서 제공하는 LLM 교육을 기반으로 하는 AI 에이전트 지능형 비서를 통해 사용자는 자연어를 통해 지능형 비서와 직접 소통할 수 있으며 지능형 비서는 정보를 스마트하게 피드백할 수 있습니다. 또한 제공된 정보를 기반으로 후속 작업에 대한 제안 및 계획을 제공하여 사용자 의도에 중심을 둔 원스톱 지능형 작업을 실제로 실현하고 사용자가 데이터를 사용하는 임계값을 크게 줄이고 실행을 단순화합니다. 온체인 운영.

또한, Trusta는 앞으로 점점 더 많은 AI 기반 데이터 제품이 등장함에 따라 각 제품의 핵심 경쟁 요소는 어떤 LLM 모델을 사용하느냐가 아니라, 숙달된 데이터에 대한 더 깊은 이해라고 믿습니다. 데이터와 해석. 마스터링된 데이터의 분석을 기반으로 LLM 모델과 결합하면 보다 스마트한 AI 모델을 훈련할 수 있습니다.

1.5 0xScope

2022년 설립된 0xScope는 데이터를 핵심으로 하는 혁신적인 플랫폼으로, 블록체인 기술과 인공지능의 결합에 중점을 두고 있습니다. 0xScope는 사람들이 데이터를 처리하고, 사용하고, 보는 방식을 바꾸는 것을 목표로 합니다. 0xScope는 현재 B측 및 C측 고객을 위한 0xScope SaaS 제품과 0xScopescan을 출시하고 있습니다.

(1) 기업 중심 SaaS 솔루션인 0xScope SaaS 제품은 기업 고객이 투자 후 관리를 수행하고, 더 나은 투자 결정을 내리고, 사용자 행동을 이해하고, 경쟁 역학을 면밀히 모니터링할 수 있도록 지원합니다.

(2) 0xScopescan은 암호화폐 거래자가 선택된 블록체인에서 자금 흐름과 활동을 조사할 수 있게 해주는 B2C 제품입니다.

0xScope의 비즈니스 초점은 온체인 데이터를 사용하여 공통 데이터 모델을 추상화하고, 온체인 데이터 분석 작업을 단순화하며, 온체인 데이터를 이해 가능한 온체인 운영 데이터로 변환하여 사용자가 심층적인 분석을 수행할 수 있도록 돕는 것입니다. 온체인 데이터. 0xScope가 제공하는 데이터 도구 플랫폼을 사용하면 체인의 데이터 품질을 향상시키고 데이터에 숨겨진 정보를 마이닝할 수 있을 뿐만 아니라 사용자에게 더 많은 정보를 공개할 수 있으며 플랫폼은 데이터 마이닝의 임계값도 크게 낮춥니다.

0xScope와 AI의 개발 및 기획은 다음과 같습니다.

0xScope의 제품은 두 가지 방향을 포함하는 대형 모델과 결합하여 업그레이드되고 있습니다. 첫째, 자연어 상호 작용 모드를 통해 사용자 임계값을 더욱 낮추고, 둘째, AI 모델을 사용하여 데이터 정리, 구문 분석, 모델링 및 분석 처리 효율성을 향상합니다. 동시에 0xScope의 제품은 곧 채팅 기능을 갖춘 AI 대화형 모듈을 출시할 예정입니다. 이 기능은 사용자가 데이터를 쿼리하고 분석하는 임계값을 크게 줄이고 자연어를 통해서만 기본 데이터와 상호 작용하고 쿼리할 수 있습니다.

그러나 AI를 훈련하고 사용하는 과정에서 0xScope는 여전히 다음과 같은 과제에 직면해 있음을 발견했습니다. 첫째, AI 훈련 비용과 시간 비용이 높습니다. 질문을 한 후 AI가 답변하는 데 오랜 시간이 걸립니다. 따라서 이러한 어려움으로 인해 팀은 만능 슈퍼 AI 비서로 만들기보다는 비즈니스 프로세스를 간소화하고 집중하며 수직 영역의 QA에 집중하게 됩니다. 둘째, LLM 모델의 출력은 제어할 수 없습니다. 데이터 제품은 정확한 결과를 제공하기를 바라지만, 현재 LLM 모델이 제공하는 결과는 실제 상황과 다소 다를 가능성이 높으며 이는 데이터 제품 경험에 매우 치명적입니다. 또한 대규모 모델의 출력에는 사용자의 개인 데이터가 포함될 수 있습니다. 따라서 LLM 모델을 제품에 사용할 때 AI 모델의 결과 출력을 제어 가능하고 정확하게 만들기 위해 팀에서는 이에 더 큰 제한을 가할 필요가 있습니다.

앞으로 0xScope는 AI를 활용해 특정 수직 트랙에 집중하고 심층 육성을 실시할 계획이다. 0xScope는 축적된 대량의 온체인 데이터를 기반으로 체인 사용자의 신원을 정의할 수 있으며, 앞으로도 계속 AI 도구를 사용하여 체인에서 사용자 행동을 추상화하고 고유한 데이터 모델링 시스템을 만들 예정입니다. .이 데이터 세트를 통해 마이닝 및 분석 시스템은 체인의 데이터에 숨겨진 정보를 드러냅니다.

협력 측면에서 0xScope는 두 가지 유형의 그룹에 중점을 둘 것입니다. 첫 번째 유형은 개발자, 프로젝트 당사자, VC, 거래소 등과 같이 제품이 직접 서비스를 제공할 수 있는 개체입니다. 이 그룹에는 현재 제공되는 데이터가 필요합니다. 두 번째 유형인 Debank, Chainbase 등 AI Chat이 필요한 파트너는 관련 지식과 데이터가 있으면 직접 AI Chat을 호출할 수 있습니다.

2. VC 인사이트——AI+Web3 데이터 기업의 상용화 및 향후 발전 경로

이번 섹션에서는 선배 VC 투자자 4인과의 인터뷰를 통해 AI+Web3 데이터 산업 현황과 발전, Web3 데이터 기업의 핵심 경쟁력, 향후 상용화 경로를 투자 관점과 시장 관점에서 살펴본다.

2.1 AI+Web3 데이터 산업 현황 및 발전

현재 AI와 Web3 데이터의 결합은 활발한 탐색 단계에 있으며, 다양한 선도적인 Web3 데이터 기업의 발전 방향으로 볼 때 AI 기술과 LLM의 결합은 필수적인 추세입니다. 그러나 동시에 LLM에는 기술적 한계가 있으며 현재 데이터 산업의 많은 문제를 아직 해결할 수 없습니다.

그러므로 프로젝트의 장점을 강화하기 위해 맹목적으로 AI와 결합하거나, 과대광고를 위해 AI 개념을 사용하는 것이 아니라, 진정으로 실용적이고 유망한 응용 분야를 탐구하는 것이 중요하다는 점을 깨달아야 합니다. VC 관점에서 AI와 Web3 데이터의 현재 조합은 다음 측면에서 탐색되었습니다.

1) 기업이 내부 데이터 처리 및 분석의 효율성을 향상시키는 데 도움이 되는 AI 기술을 포함한 AI 기술을 통해 Web3 데이터 제품의 기능을 향상시키고 그에 따라 사용자 데이터 제품의 자동화된 분석 및 검색 기능을 향상시킵니다. 예를 들어 SevenX Ventures의 Yuxing은 Web3 데이터에 AI 기술을 사용하는 가장 큰 도움이 효율성이라고 언급했습니다. 예를 들어 Dune은 코드 이상 탐지를 위해 LLM 모델을 사용하고 자연어를 SQL로 변환하여 정보를 색인화 해제하는 프로젝트도 있습니다. AI를 보안 경고에 활용, AI 알고리즘의 이상 탐지 효과가 순수 수학적 통계보다 뛰어나 보안 모니터링을 더욱 효과적으로 할 수 있으며, 또한 Matrix Partners의 Zi Xi는 기업이 훈련을 통해 데이터에 사전 라벨링을 할 수 있다고 언급했습니다. 인건비를 많이 절약할 수 있는 AI 모델. 그럼에도 불구하고 VC는 모두 AI가 데이터 사전 주석과 같은 Web3 데이터 제품의 기능과 효율성을 개선하는 데 보조적인 역할을 하며 궁극적으로 정확성을 보장하기 위해 수동 검토가 필요할 수 있다고 믿습니다.

2) 적응성과 상호 작용 측면에서 LLM의 장점을 활용하여 AI 에이전트/봇을 만듭니다. 예를 들어, 정보 집계 및 여론 분석을 위해 온체인 데이터와 오프체인 뉴스 데이터를 포함한 전체 Web3 데이터를 검색하는 데 대규모 언어 모델이 사용됩니다. Hashkey Capital의 Harper는 이러한 유형의 AI 에이전트가 정보 통합, 생성 및 사용자와의 상호 작용에 더 중점을 두고 있으며 정보의 정확성과 효율성이 상대적으로 약할 것이라고 믿습니다.

위의 두 가지 측면에서 적용 사례가 많았지만 기술과 제품은 아직 탐색 초기 단계이므로 앞으로도 지속적인 기술 최적화와 제품 개선이 필요할 것입니다.

3) 가격 책정 및 거래 전략 분석에 AI 사용: 현재 Qiming Venture Partners가 투자한 NFTGo와 같이 AI 기술을 사용하여 NFT 가격을 추정하는 프로젝트가 시장에 있으며 일부 전문 거래 팀은 데이터 분석 및 거래 실행에 AI를 사용합니다. . 이와 함께 오션프로토콜(Ocean Protocol)은 최근 가격 예측 AI 제품을 출시했다. 이러한 유형의 제품은 매우 상상력이 풍부해 보이지만 제품, 사용자 수용성, 특히 정확성 측면에서 여전히 검증이 필요합니다.

반면, 많은 VC, 특히 Web2에 투자한 VC들은 Web3와 블록체인 기술이 AI 기술에 가져올 수 있는 이점과 적용 시나리오에 더 많은 관심을 기울일 것입니다. 블록체인은 공개적으로 검증 가능하고 분산화되는 특성과 암호화 기술이 제공하는 개인 정보 보호 기능을 갖추고 있으며 Web3의 생산 관계 재구성과 결합하여 AI에 새로운 기회를 가져올 수 있습니다.

1) AI 데이터 확인 및 검증. AI의 출현으로 데이터 콘텐츠 생성이 어디에나 있고 저렴해졌습니다. Qiming Venture Partners의 Tang Yi는 디지털 작품 및 기타 콘텐츠의 품질과 창작자를 결정하는 것이 어렵다고 언급했습니다. 이런 점에서 데이터 내용의 검증에는 완전히 새로운 시스템이 필요하며, 블록체인이 도움이 될 수 있습니다. Jingwei Venture Capital의 Zi Xi는 거래를 위해 NFT에 데이터를 넣어 데이터 확인 문제를 해결할 수 있는 데이터 교환이 있다고 언급했습니다.

또한 SevenX Ventures의 Yuxing은 Web3 데이터가 AI 사기 및 블랙박스 문제를 개선할 수 있다고 언급했는데, 현재 AI는 모델 알고리즘 자체와 데이터 모두에서 블랙박스 문제가 있어 출력 결과에 편차가 발생할 수 있다. Web3의 데이터는 투명하고 공개적으로 검증 가능하며 AI 모델의 훈련 소스와 결과가 더 명확해 AI를 더욱 공정하게 만들고 편견과 오류를 줄입니다. 그러나 현재 Web3의 데이터 양은 AI 자체의 훈련을 강화할 만큼 크지 않기 때문에 단기간에 실현되지는 않을 것입니다. 하지만 우리는 이 기능을 사용하여 Web2 데이터를 체인에 업로드하여 AI 심층 위조를 방지할 수 있습니다.

2) AI 데이터 주석 크라우드소싱 및 UGC 커뮤니티: 현재 전통적인 AI 주석은 특히 전문 지식 분야에서 효율성과 품질이 낮은 문제에 직면해 있으며, 이는 학제간 지식도 필요할 수 있습니다. 전통적인 일반 데이터 주석 회사에서는 불가능합니다. 이를 다루려면 전문 팀이 내부적으로 수행해야 하는 경우가 많습니다. 블록체인과 Web3의 개념을 통해 데이터 주석 크라우드소싱을 도입하면 이러한 문제를 크게 개선할 수 있습니다.예를 들어 Matrix Partners가 투자한 Questlab은 블록체인 기술을 사용하여 데이터 주석을 위한 크라우드소싱 서비스를 제공합니다. 또한 일부 오픈 소스 모델 커뮤니티에서는 블록체인 개념을 사용하여 모델 작성자의 경제적 문제를 해결할 수도 있습니다.

3) 데이터 프라이버시 배포: 암호화 관련 기술과 결합된 블록체인 기술은 데이터 프라이버시와 분산화를 보장할 수 있습니다. Matrix Partners의 Zi Xi는 자신이 투자한 합성 데이터 회사에서 대형 모델을 통해 사용할 합성 데이터를 생성하며, 해당 데이터는 주로 소프트웨어 테스트, 데이터 분석 및 AI 대형 모델 교육에 사용될 수 있다고 언급했습니다. 회사는 데이터를 처리할 때 많은 개인 정보 보호 배포 문제를 수반하는데, Oasis 블록체인을 사용하면 개인 정보 보호 및 규제 문제를 효과적으로 피할 수 있습니다.

2.2 AI+Web3 데이터 기업이 핵심 경쟁력을 구축하는 방법

Web3 기술 기업의 경우 AI의 도입으로 프로젝트의 매력이나 관심도가 어느 정도 높아질 수 있지만, AI를 결합한 대부분의 Web3 기술 기업의 현재 제품은 기업의 핵심 경쟁력이 되기에는 충분하지 않습니다. 보다 친근한 경험과 향상된 효율성을 제공합니다. 예를 들어 AI Agent에 대한 문턱은 높지 않으며, 이를 먼저 수행하는 기업이 시장에서 선점자 우위를 점할 수는 있지만 장벽을 만들지는 않습니다.

Web3 데이터 산업에서 실제로 핵심 경쟁력과 장벽을 만드는 것은 팀의 데이터 역량과 AI 기술을 적용하여 특정 분석 시나리오의 문제를 해결하는 방법입니다.

우선, 팀의 데이터 역량에는 데이터 소스와 후속 작업의 기반이 되는 데이터 분석 및 모델 조정을 수행하는 팀의 능력이 포함됩니다. 인터뷰에서 SevenX Ventures, Matrix Partners 및 Hashkey Capital은 모두 AI+Web3 데이터 회사의 핵심 경쟁력이 데이터 소스의 품질에 달려 있다고 만장일치로 언급했습니다. 이를 바탕으로 엔지니어에게는 데이터 소스를 기반으로 모델 미세 조정, 데이터 처리 및 분석을 능숙하게 수행할 수 있는 능력도 필요합니다.

한편, 팀의 AI 기술이 결합된 구체적인 시나리오도 매우 중요하며, 그 시나리오는 가치가 있어야 합니다. Harper는 현재 Web3 데이터 회사와 AI의 결합이 기본적으로 AI Agent에서 시작되지만 포지셔닝도 다르다고 믿습니다. 예를 들어 Hashkey Capital이 투자한 Space and Time은 chainML과 협력하여 AI 에이전트 생성을 위한 인프라를 출시했습니다. DeFi 에이전트는 Space and Time에서 사용됩니다.

2.3 Web3 데이터 기업의 향후 상용화 경로

Web3 데이터 회사에 중요한 또 다른 주제는 수익 창출입니다. 오랫동안 데이터 분석 회사의 수익 모델은 상대적으로 단순했습니다. 대부분의 ToC는 무료이고 ToB는 주로 수익성이 있으며 이는 B-side 고객의 지불 의지에 크게 좌우됩니다. Web3 분야에서는 기업의 지불 의지가 높지 않고, 스타트업 기업이 업계를 장악하고 있어 프로젝트 당사자가 장기 지불을 지원하기 어렵습니다. 따라서 Web3 데이터 기업은 현재 어려운 영업 상황에 처해 있습니다.

이 문제에 대해 VC는 일반적으로 현재 AI 기술의 결합이 생산 프로세스 문제를 해결하기 위해 내부적으로만 사용되며 수익 창출의 어려움이라는 본질적인 문제를 바꾸지 않는다고 믿습니다. AI Bot과 같은 일부 새로운 제품 형태의 임계값은 충분히 높지 않아 ToC 분야에서 사용자의 지불 의향을 어느 정도 향상시킬 수 있지만 여전히 그다지 강력하지는 않습니다. AI는 단기적으로 데이터 제품의 상용화 문제에 대한 해결책이 아닐 수 있으며, 상용화에는 보다 적합한 시나리오와 혁신적인 비즈니스 모델을 찾는 등 더 많은 제품화 노력이 필요합니다.

Web3와 AI를 결합하는 향후 경로에서 AI 데이터와 결합된 Web3의 경제 모델을 사용하면 주로 ToC 분야에서 새로운 비즈니스 모델을 생성할 수 있습니다. Jingwei Venture Capital의 Zi Xi는 AI 제품을 일부 토큰 게임플레이와 결합하여 전체 커뮤니티의 끈기, 일일 활동 및 감정을 높일 수 있다고 언급했습니다. 이는 실현 가능하고 수익 창출이 더 쉽습니다. Qiming Venture Partners의 Tang Yi는 이념적 관점에서 볼 때 Web3의 가치 시스템은 AI와 결합될 수 있으며 계정 시스템이나 봇의 가치 변환 시스템으로 매우 적합하다고 언급했습니다. 예를 들어, 로봇은 자체 계정을 갖고 지능적인 부분을 통해 돈을 벌 수 있으며 기본 컴퓨팅 능력을 유지하기 위해 비용을 지불할 수 있습니다. 그러나 이 개념은 미래의 상상에 속하며 실제 적용은 아직 멀었다.

사용자가 직접 지불하는 원래의 비즈니스 모델에서는 사용자가 더 강한 지불 의향을 가질 수 있을 만큼 강력한 제품력이 필요합니다. 예를 들어, 고품질의 데이터 소스, 데이터가 가져오는 이점이 지불한 비용을 초과하는 등. 이는 AI 기술의 적용뿐만 아니라 데이터 팀 자체의 역량에 따른 것입니다.

본 글은 Footprint Analytics, Future 3 Campus, HashKey Capital이 공동으로 게재한 글입니다.

Footprint Analytics는 블록체인 데이터 솔루션 제공업체입니다. 최첨단 인공지능 기술의 도움으로 암호화폐 분야 최초의 코드 프리 데이터 분석 플랫폼과 통합 데이터 API를 제공하여 사용자가 30개 이상의 퍼블릭의 NFT, GameFi 및 지갑 주소 자금 흐름 추적 데이터를 빠르게 검색할 수 있도록 합니다. 체인 생태계.

발자국 공식 웹사이트:https://www.footprint.network

Twitter：https://twitter.com/Footprint_Data

WeChat 공개 계정: 발자국 블록체인 분석

커뮤니티 가입: 보조 WeChat 그룹 추가footprint_analytics

Future 3 Campus는 Wanxiang Blockchain Labs와 HashKey Capital이 공동으로 출시한 Web3.0 혁신 인큐베이션 플랫폼으로, Web3.0 Massive Adoption, DePIN 및 AI의 세 가지 주요 트랙에 중점을 두고 상하이, 광동-홍콩-마카오 Greater Bay를 포함합니다. 지역, 싱가포르 주요 인큐베이팅 거점으로 글로벌 Web3.0 생태계를 발산하고 있습니다. 동시에 Future 3 Campus는 Web3.0 프로젝트 인큐베이션을 위해 5천만 달러의 초기 시드 펀드를 출시하여 Web3.0 분야의 혁신과 기업가 정신을 진정으로 지원할 것입니다.

HashKey Capital은 블록체인 기술과 디지털 자산에 투자하는 데 중점을 둔 자산 관리 기관으로, 현재 자산 관리 규모는 10억 달러가 넘습니다. 아시아에서 가장 크고 가장 영향력 있는 블록체인 투자 기관 중 하나이자 이더리움의 최초 기관 투자자인 HashKey Capital은 Web2와 Web3를 연결하고 기업가, 투자자, 커뮤니티 및 규제 기관과 연결하는 등 선도적인 소름 끼치는 효과를 발휘합니다. 지속가능한 블록체인 생태계를 구축합니다. 이 회사는 홍콩, 싱가포르, 일본, 미국 등에 위치하고 있으며 Layer 1, 프로토콜, Crypto Finance, Web3 인프라, 애플리케이션, NFT, Metaverse 및 기타 분야에 걸쳐 500개 이상의 글로벌 투자 회사를 배치하는 데 앞장섰습니다. 투자한 프로젝트로는 Cosmos, Coinlist, Aztec, Blockdaemon, dYdX, imToken, Animoca Brands, Falcon X, Space and time, Mask Network, Polkadot, Moonbeam 및 Galxe(구 Project Galaxy) 등이 있습니다.