Covalent(CQT)以结构化区块链数据赋能AI,为Web3+AI创新加速

Odaily星球日报Publié le 2024-01-16Dernière mise à jour le 2024-01-16

Résumé

已有数千个Web3 应用程序使用Covalent(CQT)数据来支持核心功能。

Covalent(CQT)以结构化区块链数据赋能AI,为Web3+AI创新加速

Covalent(CQT)Network 通过加密技术获得了一个包含超过 215 条区块链的结构化数据集,从它们的创世区块开始,对超过 1000 亿次不同复杂程度的交易进行语义解码和分类。

其中包括每个地址的信息整理、结构化、将 FT 和 NFT 可扩展化、DEX 交互、余额信息呈现等,为供人工智能模型使用、训练和创建产品提供坚实的基础。

ChatGPT 和其他大型语言模型(LLM)应用的推出引起了轰动,引发用户、企业和投资者的广泛关注。各行各业的开发者争先恐后地去理解这一技术飞跃对他们意味着什么,以及如何通过 AI 为未来做好准备。区块链和Web3领域当然也不例外,参与者正在尝试各种实验,从去中心化培训到使用更多的区块链数据来推动应用创新。

Covalent(CQT)为人工智能提供丰富的区块链数据

人工智能/机器学习一直依赖于大规模的结构化数据集,而最新的 LLM 范式也不例外。这些数据的数量和质量决定了人工智能改变行业、提升日常生活的潜力,而 Covalent(CQT)为 AI 和 Web3 的结合提供助力。

Covalent(CQT)的数据集随着每个区块和每个新索引的链不断更新和增长。今天已经有数千个多元化的的 Web3 应用程序在使用这些数据,而随着 AI 的新热潮,新一类的开发者正在与 Covalent(CQT)网络进行交互,预示着将带来 AI+Web3的应用创新。

AI 和 Covalent(CQT)的应用案例

AI 和 Covalent(CQT)已经携手开创新的领域,推动多个加密项目的创新,部分应用如下:

1. Nomis.cc:多链声誉评分协议

Nomis.cc 利用用户的链上活动,并采用机器学习支持的数学建模技术为用户的钱包提供评分系统。利用 Covalent(CQT)的丰富历史数据,Nomis.cc 可以使声望评分更多样化和准确,满足更广泛的Web3垂直领域需求。通过 Covalent(CQT)提供的丰富数据,用户和Web3项目可以利用钱包评分数据实现更快速的增长。

2. Network 3 :去中心化计算平台

Network 3 正在重新定义去中心化权力的计算,强调安全性、透明度和效率。在 Covalent(CQT)的支持下,Network 3 可以创建定制数据模型,实现对网络性能和用户交互更细致的洞察。这种转变将可持续、可扩展和无信任的计算解决方案推向前沿。

3. Echooo:下一代账户抽象(AA)智能合约钱包

Echooo 结合了多方安全计算(MPC)和人工智能技术,创建了一个由 ERC-4337 支持的下一代 AA 智能合约钱包。Covalent(CQT)为 Echooo 提供了所有历史链上数据的完整结构副本,促进了钱包内安全而智能的决策。这推进着 AI 驱动的去中心化金融的未来发展。

4. StationX.network:自动化链上社区工作流程

StationX 是一个为链上社区自动化工作流程的协议。在 Covalent(CQT)的支持下,StationX 可以创建定制数据模型,简化贡献收集、发行基于 ERC 20/NFT 的会员代币以及日常运营的自动化。使得链上社区能够更高效、透明地运作。

CQT 为大模型提供大数据

Covalent(CQT)的广泛数据解决方案,几乎涵盖了 Web3 数据的所有可想象的用例。随着 AI 应用程序的成熟和开始蓬勃发展,Covalent(CQT)将在推动创新、增强安全性并为Web3世界提供有价值洞察的模型中发挥关键作用。

Covalent(CQT)致力于提供全面且可访问的区块链数据数据库,使其成为开发者、企业和用户的不可或缺的资源。随着Web3图景的不断演变,Covalent(CQT)将紧跟 AI 动态,塑造技术未来,推动由 AI 驱动的Web3革命。

Lectures associées

NVIDIA fait pression avec ses CPU, la Chine riposte avec RISC-V : Plongée approfondie dans les semi-conducteurs - Quatrième partie

Une information significative est apparue cette semaine : le CPU Vera de NVIDIA, conçu pour l'IA des centres de données, sera disponible pour les clients chinois dès août, à un prix unitaire dépassant 20 000 $. Face à cette arrivée, reposant toujours sur l'architecture Arm, la question se pose en Chine : existe-t-il une alternative autonome pour les CPU haute performance au-delà du duopole x86/Arm ? RISC-V émerge comme la réponse. Cette architecture ouverte, née il y a plus de dix ans, dépasse désormais le domaine de l'embarqué pour viser les serveurs et l'IA. Elle représente une opportunité de briser le "triangle impossible" de l'industrie (prospérité, contrôle, autonomie), offrant une voie potentiellement libre, contrôlée et florissante. La Chine devient un acteur central de cette poussée, motivée par la sécurité d'approvisionnement, la réduction des coûts, la souveraineté technologique et l'explosion de l'IA. Des équipes locales ont franchi le seuil symbolique des 15 points SPECint par GHz, signe d'entrée dans le club haute performance. Les progrès vont au-delà du simple cœur (core) pour englober des sous-systèmes complets : réseaux sur puce cohérents (NoC), gestion, fiabilité (RAS). Un processeur serveur 40 cœurs, 100% compatible avec le standard RVA23 (sans instructions personnalisées), illustre cette maturité croissante et cette priorité donnée à la compatibilité logicielle sur les performances artificielles. Cependant, les défis restent immenses. La fragmentation de l'écosystème due aux extensions personnalisées, l'immaturité des outils de développement (EDA) et de validation, les écarts de performance monocœur et d'efficacité énergétique par rapport aux architectures établies, ainsi que les contraintes liées aux procédés de fabrication avancés, constituent autant d'obstacles concrets. Le fossé logiciel, symbolisé par CUDA chez NVIDIA, est particulièrement profond. En résumé, la porte s'est ouverte pour RISC-V en Chine comme une alternative sérieuse et nécessaire à long terme. Le chemin est néanmoins long et semé d'épreuves techniques ardues. La course ne consiste pas à remplacer immédiatement des solutions comme le Vera de NVIDIA, mais à construire, pierre par pierre, une base autonome pour la prochaine révolution du calcul.

marsbitIl y a 17 mins

NVIDIA fait pression avec ses CPU, la Chine riposte avec RISC-V : Plongée approfondie dans les semi-conducteurs - Quatrième partie

marsbitIl y a 17 mins

Le tableau de paris codé a rapporté de l'argent, mais Polymarket n'est vraiment pas un bon endroit pour "l'arbitrage"

Dans son article, l'auteur partage son expérience de développement d'un tableau de bord personnalisé pour suivre et gérer ses paris sur Polymarket, une plateforme de prédiction. En utilisant cet outil avec un capital d'environ 1600 dollars, il a obtenu un rendement de plus de 30% sur une quinzaine de jours. Cependant, il insiste sur le fait que Polymarket n'est pas un lieu adapté pour des stratégies d'arbitrage traditionnelles. Le tableau de bord, divisé en un "Tableau de bord des positions" et une "Veille des opportunités", vise à visualiser les investissements, gérer les risques et suivre les marchés d'intérêt. L'outil intègre un système de contrôle des risques basé sur le fractionnement des paris en trois catégories (T1, T2, T3) selon le niveau de conviction et le risque, et limite l'exposition à certains thèmes pour éviter une "diversification illusoire". L'auteur met en garde contre les pièges des marchés binaires comme Polymarket. Il explique que même pour un pari perçu comme ayant une probabilité de réussite très élevée, le risque de perdre 100% du capital engagé existe toujours. Il souligne l'importance cruciale de la gestion de la taille des positions pour survivre à des erreurs de jugement inévitables à long terme. Il note également que de nombreux marchés, bien que distincts, peuvent être corrélés autour d'un même événement sous-jacent, amplifiant ainsi les risques. Son expérience l'amène à considérer Polymarket non pas comme une source de revenus stables, mais plutôt comme un terrain d'entraînement pour affiner son jugement sur l'actualité politique, économique et technologique. Il conclut que la valeur principale de son outil réside dans l'imposition d'une discipline et d'un cadre rigoureux, transformant l'intuition en processus contrôlé, bien plus que dans la performance affichée sur une période courte.

marsbitIl y a 3 h

Le tableau de paris codé a rapporté de l'argent, mais Polymarket n'est vraiment pas un bon endroit pour "l'arbitrage"

marsbitIl y a 3 h

Analyse de la croissance de Notion : D'un outil de prise de notes à 100 millions d'utilisateurs, comment Notion a construit sa triple roue de croissance via le produit, les modèles et la communauté

Notion est passé d'un outil de prise de notes à une plateforme de gestion des connaissances et de collaboration comptant 100 millions d'utilisateurs, grâce à un système de croissance à trois niveaux. La croissance a été principalement tirée par le produit (PLG) : sa structure modulaire offre une grande adaptabilité, sa stratégie gratuite a facilité l'adoption et ses fonctionnalités de partage et de collaboration ont généré une diffusion virale naturelle. Le deuxième moteur est l'économie des modèles. Face à la liberté parfois déroutante du produit, les modèles (officiels et créés par les utilisateurs) fournissent des solutions concrètes, réduisant les coûts d'activation pour les nouveaux venus et créant un canal de croissance via les moteurs de recherche. Ils ont également permis l'émergence d'une communauté de créateurs qui soutient l'écosystème. Le troisième moteur est la croissance communautaire. La communauté Notion va au-delà du support technique : elle produit des tutoriels, organise des événements locaux via des ambassadeurs et participe à la traduction culturelle du produit. Elle transforme les utilisateurs en éducateurs et en promoteurs, réduisant ainsi les coûts d'expansion mondiale. Le marketing de contenu de Notion se concentre sur l'éducation aux méthodes de travail plutôt que sur la vente de fonctionnalités. Son passage au marché professionnel s'est fait "par le bas", les équipes adoptant d'abord l'outil avant que les entreprises ne formalisent son usage. À l'ère de l'IA, Notion intègre ces capacités dans ses flux de travail existants, renforçant sa valeur et ouvrant la voie à une évolution potentielle vers un système d'exploitation du travail. La force durable de Notion réside dans cet écosystème difficile à répliquer : la combinaison d'un produit flexible, d'un vaste patrimoine de connaissances utilisateur, d'une économie de modèles dynamique et d'une communauté engagée crée un effet de levier et une fidélité qui vont bien au-delà de simples fonctionnalités logicielles.

marsbitIl y a 5 h

Analyse de la croissance de Notion : D'un outil de prise de notes à 100 millions d'utilisateurs, comment Notion a construit sa triple roue de croissance via le produit, les modèles et la communauté

marsbitIl y a 5 h

Guide de test pratique de la carte AI de WeChat : L'ère du AI Shopping est-elle arrivée ?

**Titre :** Guide de test de la carte AI de WeChat : l'ère du "AI Shopping" est-elle arrivée ? **Résumé :** WeChat Pay a lancé une "carte AI dédiée", présentée comme permettant à des agents IA (comme WorkBuddy) d'effectuer des paiements pour répondre aux besoins des utilisateurs. Cependant, les tests révèlent que cela ne permet pas une consommation "entièrement automatique". En réalité, la carte AI est un portefeuille séparé du portefeuille WeChat principal. L'utilisateur doit la recharger avec des fonds spécifiques. Chaque paiement initié par l'IA nécessite une confirmation manuelle sur le téléphone de l'utilisateur. La carte isole les dépenses liées à l'IA pour une meilleure gestion. L'activation se fait via le chatbot WorkBuddy. Les cas d'usage annoncés sont l'achat de contenu payant, l'utilisation d'API/outils payants et les abonnements. Cependant, dans la pratique, il est difficile de déclencher ces paiements. Un test pour commander un thé via WorkBuddy a échoué. L'agent a dû utiliser une compétence externe ("Assistant de vie Meituan"), ce qui a consommé beaucoup de crédits (plus que l'allocation quotidienne gratuite). Après autorisation et paiement via la carte AI, l'agent a acheté un bon d'achat incorrect, pas le produit désiré. L'échec ne vient pas de la fonction de paiement elle-même, qui fonctionne, mais de la chaîne d'exécution de l'agent IA : compréhension précise du besoin, appel correct à des plateformes tierces, sélection du bon produit, etc. La carte AI ne gère que l'étape finale du paiement. Le mécanisme actuel est prudent : fonds limités à la carte AI, confirmation obligatoire pour chaque transaction, pas d'accès direct au portefeuille principal. Cela minimise les risques (mauvais achats, abonnements non désirés). **Conclusion/Recommandations :** Il est possible d'expérimenter cette fonction, mais avec prudence : commencez par de petites recharges, vérifiez toujours les détails (produit, prix) avant de confirmer le paiement, et ne présumez pas que l'agent IA a parfaitement compris une demande complexe (notamment pour la livraison, les coupons spécifiques).

marsbitIl y a 6 h

Guide de test pratique de la carte AI de WeChat : L'ère du AI Shopping est-elle arrivée ?

marsbitIl y a 6 h

Trading

Spot
Futures
活动图片