과대 광고에서 현실까지 : Depin과 AI에서 2025 년의 신흥 혁신

Depin과 AI의 과대 광고에서 현실로의 여정은 진정한 혁신이 실용적이고 효율적인 솔루션으로 실제 문제를 해결하는 데있어 있다고 밝혔다.

2025 년 5 월 28 일 오후 4시 40 분 업데이트 2025 년 5 월 28 일 오후 4시 31 분 출판

Depin : 분산 물리 인프라 네트워크

Depin Projects는 이론적으로 암호화에 실제 유틸리티를 제공하려고 시도하지만 실제 문제를 진정으로 해결하고 기존 회사를 방해 할 수있는 현명한 비즈니스 모델을 가지고 있으며 쉽게 스푸핑 할 수없는 사람은 거의 없습니다. 대부분은 단순히 문제를 찾는 솔루션입니다. 주목할만한 예외는 Wingbits라는 비행 추적 네트워크입니다. 왜? Web3 인센티브로 Web2 문제를 해결함으로써 Web2 문제를 해결하기 때문입니다. 런던에서 뉴욕까지 BA117과 같은 비행을 추적 한 사람은 Flightaware 또는 Flightradar와 같은 웹 사이트를 사용했을 수 있습니다.

그림 1 : 그림 1. 윙 비트 비행 추적지도

출처 : 윙 비트 – 비행 추적 변환.

비행 추적 회사는 항공 회사와 합병 및 인수를위한 개인 제트 운동을 모니터링하는 재무 분석가와 같은 구매자에게 비행 데이터를 판매함으로써 수백만의 수익을 창출합니다. 이 회사들은 또한 플랫폼의 광고 및 구독에서 수익을 얻습니다. 그러나 자본 지출에는 상당한 인프라와 하드웨어 비용이 포함되어 있지 않습니다. 이는 ADS-B 수신기라고하는 항공 감시 기술이 항공 애호가가 구매하고 구성하는 안테나 및 라즈베리 피스가 필요한 하드웨어이기 때문입니다. 이 애호가들은 그 대가로 거의 기대하지 않으며 종종 좋아하는 비행 추적 플랫폼에 무료 구독을받습니다.

주요 문제는 애호가가 이러한 네트워크의 데이터 품질을 극대화하기 위해 인센티브를 제공하지 않는다는 것입니다. 한계 인센티브가 없으면 ADS-B 수신기는 종종 라운지 룸 모서리에 있거나 인구 밀도가 높은 도시 지역에 과도하게 공급되어 농촌 지역에서 약한 범위를 초래합니다.

그림 2: (LHS) 전통적인 ADS-B 수신기, (RHS) 윙 비트 광부

출처 : 윙 비트 – 비행 추적 변환.

Wingbits는 Uber의 육각형 계층 적 공간 지수와 유사한 시스템을 활용하면서 고도를 기반으로 전략적으로 방송국을 설치하도록 애호가들에게 인센티브를 제공함으로써 비행 추적에 혁명을 일으키고 있습니다. 이 접근법은 최적화 된 적용 범위, 고품질 데이터 및 가장 중요한 것은 네트워크에 기여하는 공정한 보상을 보장합니다. 그들은 윙 비트 스테이션 수의 1/11만으로 가장 큰 네트워크의 75%를 보장했습니다. 4,000 개 이상의 스테이션의 예상 롤아웃과 결합 된이 높은 수준의 효율성은 상당한 마진으로 전통적인 비행 추적 네트워크를 능가하여 고객에게 더 나은 품질의 데이터를 제공 할 것으로 예상됩니다.

이 개념을 설명하는 다음 가족 저녁 식사 대화는 이제 우리가 일상적인 사람들이 이해할 수있는 암호화 인센티브에 의해 주도되는 실제 사용 사례를 지적 할 수 있으므로 쉽게 올 것입니다.

암호화 x ai

시장주기와 마찬가지로 컴퓨팅 경험에 대한 수요는 피크와 트로프입니다. GPU는 비싸 질 수 있으며 공급 제약으로 인해 더욱 그렇습니다. 소비자 장치에서 유휴 컴퓨팅 잠금 해제는 새로운 개념이 아니지만 여러 장치에서 동기화 문제를 해결하는 것은 아닙니다. Exo Labs는 Edge Computing에서 획기적인 발전을 달성하는 선구적인 프로젝트로, 사용자는 가정용 MacBook과 같은 일상적인 소비자 등급 장치에서 모델을 실행할 수 있습니다. 이는 민감한 데이터가 귀하의 제어 상태에 남아있어 클라우드 기반 스토리지 또는 처리와 관련된 위험을 줄입니다.

그림 3: 9 층 모델은 3 개의 샤드로 나뉘며 각각은 별도의 장치에서 실행됩니다.

출처 : 투명 벤치 마크 – EXO, EXO 실험실 12 일.

Exo Labs는 파이프 라인 병렬 추론이라는 새로운 소프트웨어 인프라를 개발하여 LLM (Lange Language Model)을 “파편”으로 나눌 수있게 해주므로 다른 장치가 동일한 네트워크에 연결되어있는 동안 모델의 별도의 부분을 실행할 수 있습니다. 이 접근법은 대기 시간 감소, 보안 향상, 비용 효율성 및 가장 중요한 개인 정보 보호 이점과 같은 다양한 장점을 제공합니다.

프라이버시 탐색은 LLM을 미세 조정하는 개인 정보 보호 접근 방식 인 Zklora (제로 지식 저 순위 적응)를 개발 한 프로젝트 인 Bagel AI가 더 밝혀졌습니다. 이 혁신을 통해 법률 서비스, 의료 및 금융과 같은 산업을위한 전문 모델을 만들 수 있으므로 기밀 정보 유출을 위험에 빠뜨리지 않고 강화 학습에 민감한 데이터를 사용할 수 있습니다.

프라이버시 보존은 인기있는 주제이지만 대부분의 LLM에 대한 더 큰 도전은 환각 문제이며, AI가 사실로 제시된 허위 또는 오해의 소지가있는 정보를 포함하는 응답입니다. 포트폴리오 관리자는 한 번 나에게“지혜는 두 극단 사이의 미묘한 진실을 밝히기 위해 경쟁 관점을 종합하는 데있다”고 말했다. Blocksense는 Zkschellingcoin Consensus라는 독점적 접근 방식을 개발 한 프로젝트입니다. 이 방법은 여러 출처 (예 : 다른 LLM)의 주관적인 진실을 하나의 일반적인 진실에 도달하는 것을 목표로합니다. 예를 들어, Chatgpt, Claude, Grok 및 Llama에서 동일한 쿼리를 실행한다고 상상해보십시오. 하나의 모델이 잘못된 출력을 제공하는 경우, 4 가지 모델이 모두 서로 비교할 때 동일한 잘못된 결과를 생성 할 가능성은 거의 없습니다.

그림 4: zkschellingcoin 합의에 대한 개요

출처 : Blocksense Network- 프로그래밍 가능한 Oracles 용 ZK 롤업.

zkschellingcoin 컨센서스는 AI 추론에 검증 가능성을 추가하는 데 적용될 수 있습니다. 예를 들어, AI 에이전트가 실행 당시 USDC를 가장 높은 수익성있는 금고로 올바르게 연결했음을 확인할 수 있습니까? 추가 검증 계층으로 AI에 대한 신뢰가 크게 강화 될 것입니다. 비용이나 대기 시간을 손상시키지 않고이 문제를 해결할 수 있다면 실제 사용 사례에서 큰 획기적인 획기가 발생할 수 있습니다.

Depin과 AI의 과대 광고에서 현실로의 여정은 진정한 혁신이 실용적이고 효율적인 솔루션으로 실제 문제를 해결하는 데 있습니다. Wingbits 및 Exo Labs와 같은 프로젝트는 블록 체인 및 AI가 전략적 인센티브로 비행 추적을 혁신하여 안전하고 비용 효율적인 컴퓨팅을위한 소비자 장치의 힘을 잠금 해제함으로써 어떻게 의미있는 영향을 줄 수 있는지 증명합니다. 검증 가능한 진실을위한 개인 정보 보호를위한 Zklora 및 Zkschellingcoin과 같은 발전으로 인해 이러한 새로운 기술은 중요한 과제를 해결할 준비가되어있어보다 분산적이고 효율적이며 신뢰 한 미래를위한 길을 열어줍니다.