Silicon Valley 'Startup Guru' Steve Hoffman: Web3 + AI Could Be a Trap

marsbitPublicado em 2026-06-05Última atualização em 2026-06-05

Resumo

Silicon Valley investor and "Godfather of Startups" Steve Hoffman warns that combining Web3 with AI is likely a trap, not a promising venture. In an interview, Hoffman argues that while AI is a foundational technology touching all industries, Web3 adds complexity, friction, and regulatory risk without solving mainstream consumer or business needs. He advises founders to focus on deep, specialized applications where startups can out-iterate giants, rather than on generic features easily replicated by large tech companies. Hoffman observes that Silicon Valley will lead foundational AI research, while China excels at rapid, large-scale application and commercialization, particularly in robotics. He stresses that AI-driven autonomous agents capable of collaborative, multi-step tasks are 2-4 years away, which will cause significant job displacement. The solution is not to slow AI but to redesign business models around human-AI collaboration and reform social systems like education and retraining. For startups, Hoffman recommends focusing on vertical, expertise-heavy domains to build defensibility. He sees major opportunities in AI fraud detection and cybersecurity. Key founder mindsets include systemic thinking over feature-focus, relentless customer centricity, building adaptive teams, and deeply understanding AI's capabilities and limits. Hoffman is also leading a non-profit initiative to establish university centers aimed at training future leaders in responsible, human-value...

On May 28th, Anthropic, the developer of the AI model Claude, announced the completion of a $650 billion Series H financing round, with a post-money valuation reaching $965 billion, surpassing its competitor OpenAI ($852 billion) to become the world's highest-valued private AI company, once again highlighting the global capital frenzy for AI.

As trillion-dollar giants engage in close combat over the computing power infrastructure, what opportunities remain for ordinary startup teams at the application layer? What direction will the actual division of labor in the AI industry between China and the US take? With these questions, Jenny Yang, Founder and CEO of Starlabs Consulting, recently interviewed Steve Hoffman (Steven S. Hoffman), Founder and CEO of the top US startup incubator Founder Space, known as the 'Startup Guru' of Silicon Valley.

Hoffman is a serial entrepreneur and venture capitalist, as well as a bestselling author of several highly acclaimed works such as 'Make Elephants Fly,' 'Survival Rules,' and 'The Five Forces of Innovation.' He is also a globally sought-after keynote speaker and has long served as a strategic advisor to governments, well-known companies, and incubators worldwide.

As a seasoned venture capitalist who has deeply mentored thousands of startups globally, Hoffman offers an exceptionally calm, candid, and far-sighted business deconstruction of the current AI craze.

The following are excerpts from Jenny Yang's interview with Hoffman:

The True Inflection Point for Autonomous Agents Could Arrive Within 2 Years

Jenny Yang: You just finished a trip to China. Please share your overall impression of China's AI technology, AI companies, and the current state of AI applications. What differentiated roles do you think Silicon Valley and China will play in the next phase of AI competition?

Hoffman: My overall impression is that China is moving forward at an incredible pace, extremely rapidly. The Chinese startups I spoke with are integrating AI into every aspect: payments, logistics, customer service, human resources, marketing, sales, procurement, manufacturing, and so on.

At the same time, I believe Silicon Valley will continue to lead fundamental research in frontier large models. The concentration of computing power, top-tier talent, and capital in the US remains unparalleled for now. However, China will excel in application and commercialization. Chinese companies are exceptionally adept at scaling a technology at a breathtaking speed and transforming it into commercial products with real users and real scenarios. This pragmatic attitude and efficient execution are precisely China's strengths.

China also possesses formidable top-tier AI labs, including Moonshot AI, Alibaba, ByteDance, and DeepSeek. These labs will play the role of extremely sharp 'fast followers,' closely tracking their American counterparts. While their capital may not be exceptionally abundant, they always find innovative ways to push costs to the extreme, thereby driving the global expansion of their platforms.

Furthermore, China holds absolute dominance in the robotics field. Globally, there is no other place that simultaneously possesses such a complete supply chain, infrastructure, and talent pool to support the mass production of robots. The next stage of the AI race is not winner-takes-all. Silicon Valley will continue to build the most powerful technology engines, while China will construct the best commercial ecosystems and robotics hardware. Both are equally important.

Jenny Yang: Do you think AI has borders? Against the backdrop of increasingly stringent global data sovereignty and AI regulatory policies, are you more optimistic about companies deeply focused on their home markets or those that are 'Global from Day 1'?

Hoffman: Technologically speaking, AI has no borders; but in reality, global regulatory policies are rapidly drawing boundaries. Data sovereignty laws, national security reviews, model export restrictions... these are reshaping the global compliance framework.

Some founders, seeing this trend, conclude that they should focus deeply on a single home market. I understand this logic, but I absolutely do not agree with it.

I firmly support 'Global from Day 1' for a simple reason: companies that aim to establish themselves locally first and expand overseas later almost invariably run into trouble. Because distribution channels differ between countries, compliance requirements vary, and even brand positioning needs to be rebuilt from scratch, which is not only costly but also slow.

Global-first companies, from day one, build modular and highly adaptable systems. They architect their foundations to address regulatory differences upfront, rather than patching problems later. They can attract international teams that understand diverse markets, translating into lasting structural advantages.

Admittedly, compliance is becoming more difficult, and companies need to incorporate localized compliance systems. But the key to breaking through is building flexible architectures, not settling for a corner. Market opportunities are global, and so should be the ambition of every tech entrepreneur.

Jenny Yang: You've pointed out that we are still in the very early stages of the AI revolution, and the explosion of autonomous agents will completely颠覆现有商业范式 (overturn the existing business paradigm). From your observations, how far are we from that day? Facing the challenge of structural unemployment triggered by AI, what preparations can we make in business models or systems?

Hoffman: That day is close—closer than most people think, but further away than media hype suggests. Autonomous agents capable of handling independent, clearly defined specific tasks have already emerged, such as automated customer service, code review, data analysis, research summarization—these are no longer demos but are already commercially deployed.

The true inflection point—where different agents can self-coordinate, handle ambiguous multi-step goals, and operate across systems unattended—is probably 2 to 4 years away, maybe even sooner.

When that wave truly hits, labor replacement will be stark and real, not alarmist talk.

The solution is definitely not to slow down AI's pace, but to ensure social mechanisms keep up with the speed of AI technological iteration.

  • On the business model side: The smartest founders are designing companies around 'Human-AI Collaboration' rather than 'pure automation.' Their models have humans responsible for judgment, creative output, and accountability, while agents handle workload and efficiency. This model is more resilient and better for team development.
  • On the policy side: We need to honestly confront issues like vocational retraining, social security systems, and educational reform. This time, it's not just low-skill jobs being replaced, but lawyers, analysts, copywriters, consultants, and nearly all knowledge-intensive positions. This fundamentally changes the underlying logic of social governance.

Jenny Yang: You've noted that traditional 'Humans as a Service' (HaaS) businesses like consulting and brokerage, due to high marginal costs, struggle to achieve true scale. Now, AI is massively replacing and automating professional intellectual services. Does this mean AI-driven knowledge services will break the curse of HaaS businesses being difficult to scale?

Hoffman: Traditional consulting has always faced a dilemma: to grow, you must add people; adding people increases costs, compressing profit margins and stalling scale. This is the inherent trap of the HaaS model.

But AI fundamentally changes this underlying equation. Today, a senior consultant fully equipped with AI agents can provide analysis that previously required a small team, meaning the marginal cost of adding a new client plummets. This is unprecedented.

So yes, AI-driven knowledge services finally have the potential to break the scalability curse. But the prerequisite is that companies are willing to restructure their organizations accordingly. Future companies that thrive in this transformation won't just treat AI as an efficiency tool but will completely reshape their entire business system around the AI foundational base.

Startups Should Focus on Scenario Innovation

Jenny Yang: Regarding open source vs. closed source, from Founder Space and a venture capital perspective, are you more inclined to support applications deeply tied to the closed ecosystems of giants, or independent projects built on open-source ecosystems? Why?

Hoffman: In the US, I favor applications built on the ecosystems of major cloud providers (including AWS, Azure, and Google Cloud). These platforms offer mature distribution channels, enterprise-grade trust, and deep integration capabilities necessary for scaling. Developing on these large platforms inherits many native advantages: security compliance, stability commitments, and global infrastructure support. Open source is exciting, but 'excitement' doesn't win enterprise deals.

But China is different. The cloud ecosystem there is primarily shaped by Alibaba Cloud, Tencent Cloud, and Huawei Cloud. The policy and regulatory environment dictates which platforms companies can choose. In China, open-source models like DeepSeek are gaining significant market traction because they allow Chinese companies to run autonomously without relying on external overseas infrastructure. In this context, open source is not just a philosophy but a strategic necessity.

Therefore, the correct answer entirely depends on where you are building your product and who you are selling it to.

Jenny Yang: With computing power and algorithms monopolized by giants, how can early-stage AI startup teams effectively identify and capture demand pain points that have genuine scalable commercial potential and are not easily crushed by giants?

Hoffman: Tech giants will undoubtedly commoditize general-purpose foundational technologies. If what your startup does is something OpenAI, Anthropic, Google, or Microsoft could launch as a new feature within six months, it's not a business—it's just a feature on their product roadmap.

To survive in such a fiercely competitive environment, startups must focus on niche, specialized, and deeply contextual domains. For example: a workflow requiring sharp understanding of a specific industry, a compliance solution relying on specialized expertise that foundational models lack, or a customer relationship that takes years to build trust.

Vertical depth in a niche is the startup's defensive moat. The more a solution relies on the hands-on experience of industry experts (surgeons, supply chain managers, insurance actuaries, etc.), the harder it is for industry giants to replicate quickly.

Ultimately, speed is the most important moat for an early-stage company. Your iteration speed must exceed the pace at which giants can internally approve competing projects and budgets. By the time those giants react, agile startups have already built their brand and solidified market leadership—meaning you have a growing user base, proprietary data, and a mature product that truly fits the market.

Jenny Yang: With the development of generative AI, AI forgery and fraudulent information are proliferating. From the perspective of cybersecurity and anti-AI fraud, does this present a highly promising赛道 (sector/field) for entrepreneurs?

Hoffman: Yes. Today, creating synthetic media has no barrier to entry. Voice cloning, deepfake videos, realistic AI phishing emails, etc., are becoming an increasingly severe nightmare.

The defense mechanisms in the cybersecurity industry lag significantly behind attack methods. This pain point is a market opportunity. Detection tools, traceability verification, digital watermarking, identity authentication—all these areas hold tremendous entrepreneurial potential. Enterprises and government agencies need such solutions, and the financial industry especially does, as they suffer monetary losses from various AI fraud activities.

But it's important to note that detection models can only defend against known attack types. Therefore, from the start, startups must confront this adversarial nature and design products with continuous learning and dynamic iteration capabilities.

If a startup team has deep expertise in both generative AI and cybersecurity, they have the opportunity to build a multi-billion-dollar company addressing the industry-wide problem of rampant deepfake technology.

Web3 + AI Could Be a Trap

Jenny Yang: In today's AI era filled with technological anxiety and capital狂热 (frenzy), what fundamental mindsets, different from before, do you believe a founder leading a team to build the next unicorn must possess?

Hoffman: Forget everything you thought you knew about 'moats.' In the current industry environment, a product from 18 months ago might already be obsolete. Entrepreneurs who make it to the end already recognize this.

First, replace feature thinking with systems thinking. The next unicorn will not be built around a clever prompt. It will be built on a network of agents, data flywheels, and multi-party integration systems, growing through long-term compound effects.

Second, stay tightly focused on real user needs. AI significantly increases development efficiency but can also easily lead products astray from practical applications into self-indulgence. Excellent entrepreneurs always focus on the core user needs. Deviating from direction with blind iteration ultimately becomes internal friction.

Third, recruit highly adaptable talent. Skills hot today may be obsolete in two years. Companies need to build continuous learning teams, not just execution teams.

Fourth, do not fear the technology. Many entrepreneurs view AI as an inscrutable black box. You must understand it well enough to accurately know what it can and cannot do. This understanding itself is your competitive advantage.

Jenny Yang: In the past, you mentioned that blockchain has been overhyped for many enterprise applications beyond cryptocurrency, while AI is the truly universal foundation touching all industries. Today, many Web3 companies are trying to integrate AI with Web3. Do you think 'Web3 + AI' is a promising entrepreneurial direction?

Hoffman: I'll be blunt: Web3 has real value, but primarily for those already in the crypto space. Applications like decentralized finance, asset tokenization, and cross-border settlement without intermediaries are significant for that specific group. But this group represents a small fraction of the global economy.

For ordinary business clients, small and medium merchants, and the general public, it's different. I don't believe Web3 can drive substantive change in the mainstream market. I've never been an advocate, and developments over the past few years haven't changed my view.

Most consumers and businesses simply don't need blockchain to achieve their commercial goals. They need reliable products, excellent user experience, and reasonable prices. Web3 adds friction, increases complexity, and brings regulatory risks. For ordinary consumers and users, Web3 doesn't deliver what they actually need.

In contrast, AI is the true universal underlying technology. It can reach every industry. Almost every industry can use pattern recognition, automation, and intelligent decision-making to solve real problems. This is a fundamentally different value proposition.

Forcibly combining Web3 and AI doesn't multiply their value; it just adds complexity. For most founders, this is not an opportunity but a trap. Of course, AI might help those already deeply embedded in the Web3 ecosystem, but for the broader mass market, it won't materially change user adoption rates or the industry's development trajectory.

Jenny Yang: We noted that you announced an ambitious non-profit plan in early 2026—to establish research centers at 10 universities worldwide aimed at training future leaders on how to make AI reflect core human values. Could you share the current progress of this plan? What principles of 'responsible innovation' do you hope to convey to future AI entrepreneurs through these centers?

Hoffman: Our vision is to establish dedicated research centers at ten universities globally. We are still a considerable distance from that goal.

We are currently in the very early stages, with most of our effort focused on fundraising. Because before we can truly execute, we must ensure we have the necessary resources. Building substantive, sustainable programs within universities requires real financial investment.

What drives us forward is a simple belief: Every young person entering the workforce today will spend their entire career in a world where AI is integrated into every product, every service, every business. However, most of them are not prepared for this monumental shift. Our research centers aim to change that.

We want the next generation of entrepreneurs not only to know how to use AI to build products but also to know how to build AI products that align with human values; to learn to anticipate the various secondary and derivative impacts of technology deployment; and to pursue responsible technological innovation while maintaining ambition.

That is our mission, and we are moving towards that goal.

Perguntas relacionadas

QAccording to Steve Hoffman, what are the respective roles that Silicon Valley and China will play in the next phase of the AI competition?

ASilicon Valley will continue to dominate foundational research into cutting-edge large models, thanks to its unparalleled concentration of computing power, top talent, and capital. China will excel in application deployment and commercialization, leveraging its speed, execution efficiency, and strength in scaling technology into real products. Additionally, China holds absolute dominance in the robotics field due to its complete supply chain, infrastructure, and talent for mass production.

QWhat is Steve Hoffman's stance on 'Global from Day 1' vs. focusing on a domestic market first for AI startups?

ASteve Hoffman firmly supports a 'Global from Day 1' or 'Global-first' strategy. He argues that companies trying to establish themselves domestically first often struggle later with international expansion due to differing distribution channels, compliance requirements, and brand positioning. In contrast, global-first companies build modular, adaptable systems from the outset, designing for regulatory differences, attracting international talent, and gaining a lasting structural advantage.

QWhen does Steve Hoffman predict the true inflection point for autonomous AI agents will arrive, and what does he suggest as preparation for the resulting structural unemployment?

AHe predicts the true inflection point—where different agents can self-coordinate, handle ambiguous multi-step goals, and operate across systems autonomously—is about 2 to 4 years away, possibly sooner. To prepare for the resulting structural unemployment, he suggests: 1) In business models, designing for 'Human-AI Collaboration' where humans handle judgment, creativity, and accountability, and agents handle workload and efficiency. 2) In policy, openly addressing vocational retraining, social safety nets, and educational reform, as the displacement will affect knowledge-intensive professions, fundamentally changing societal governance.

QWhat advice does Steve Hoffman give to early-stage AI startups on how to avoid being outcompeted by tech giants?

AHe advises startups to avoid areas that giants can easily commoditize or replicate as a feature. Instead, they must focus on vertical, niche domains with deep, specific scenarios. These include workflows requiring deep industry understanding, compliance solutions needing specialized expertise, or customer relationships built on years of trust. Speed is the most critical moat; a startup's iteration speed must exceed the time it takes for a giant to initiate an internal competitive project and secure budget approval.

QWhy does Steve Hoffman believe that combining Web3 and AI is potentially a trap for most founders?

AHe believes Web3 has real value but primarily for a small niche within the crypto ecosystem. For the mainstream market of ordinary consumers and businesses, Web3 adds friction, complexity, and regulatory risk without addressing their core needs for reliable products, good UX, and fair pricing. AI, in contrast, is a true general-purpose technology applicable across industries. Forcibly combining Web3 and AI does not multiply their value but increases complexity. For most founders targeting the broader market, this combination is a distraction, not a substantive opportunity to drive user adoption or industry change.

Leituras Relacionadas

From Ethereum to AI's 'CROPS': What Exactly is This Set of 'Slow Variables' That Vitalik Repeatedly Emphasizes?

In recent discussions, Vitalik Buterin has frequently emphasized the concept of "CROPS," a framework defining core values for Ethereum's development. CROPS stands for Censorship Resistance, Capture Resistance, Open Source, Privacy, and Security. Initially outlined in the Ethereum Foundation's "EF Mandate," it represents a commitment to user sovereignty, ensuring that the network resists external control, remains open, protects privacy, and prioritizes security. The relevance of CROPS extends beyond Ethereum's foundational principles, becoming crucial in the context of AI integration. As AI agents begin handling wallet operations and automated transactions, the risk increases that users may cede control over their digital assets, privacy, and intentions to centralized AI service providers. A "CROPS AI" would therefore emphasize local execution where possible, privacy-preserving remote model calls (e.g., using zero-knowledge proofs), and transparent, verifiable processes to maintain user agency. Vitalik highlights a significant convergence between "CROPS Ethereum access layer" and "CROPS AI." Both address the same fundamental challenge: how users can access powerful services—be it blockchain data via RPCs or AI models—without exposing sensitive information or relinquishing ultimate control. This intersection points toward a future digital entry point that is more private, secure, and user-controlled. Ultimately, CROPS is not merely an abstract ideal but a practical guidepost. It steers development—from protocol resilience and wallet design to AI agent safety—towards a future where users retain self-sovereignty even as digital systems grow more complex and powerful. In an era of accelerating AI adoption, these "slow variables" of censorship resistance, openness, privacy, and security may define Ethereum's enduring value.

marsbitHá 7m

From Ethereum to AI's 'CROPS': What Exactly is This Set of 'Slow Variables' That Vitalik Repeatedly Emphasizes?

marsbitHá 7m

Zcash Bug Could Have Minted Unlimited ZEC Undetected

A critical vulnerability in Zcash's Orchard shielded pool, discovered by researcher Taylor Hornby on May 29, 2026, could have allowed an attacker to create an unlimited amount of undetectable counterfeit ZEC. The flaw, involving an under-constrained element in the Orchard circuit, existed from the pool's 2022 activation until an emergency fix was deployed by June 2, 2026. Hornby identified the bug using AI-assisted auditing tools and confirmed its exploitability in a test environment. Due to Orchard's privacy features, which hide transaction amounts and history, there is no cryptographic way to prove whether the vulnerability was exploited before the fix. While Shielded Labs assesses prior exploitation as unlikely, this uncertainty has sparked a debate on proving supply integrity in privacy-preserving systems. In response, Shielded Labs and other developers are exploring a network upgrade, potentially involving a new shielded pool and formal verification of the circuit rules to prevent future vulnerabilities and allow verification of the ZEC supply's integrity. ZEC's price fell nearly 45% following the disclosure.

bitcoinistHá 16m

Zcash Bug Could Have Minted Unlimited ZEC Undetected

bitcoinistHá 16m

Token Inefficient, Economy Tokenless

The article "Tokens Aren't Economical, Economics Aren't Tokenized" analyzes a pivotal shift in the AI industry from a technology-driven narrative to one dominated by capital efficiency. It highlights two concurrent trends: a severe capital shortage due to the exorbitant and recurring costs of compute (e.g., OpenAI's high burn rate) and a wave of corporate spin-offs where major tech companies are separating their AI units (like Kuaishou's Kling and Baidu's Kunlunxin). The core argument is that AI's "anti-internet" business model, where user growth increases costs rather than profits, has created a disconnect between high valuations and actual cash flow. Spin-offs address this by allowing AI assets to be valued independently. Within a parent company, they are seen as cost centers, but as standalone entities, they are priced based on their growth potential and scarcity in the primary market, leading to massive valuation premiums (e.g., Kling's estimated value tripling post-spin-off). The industry is at an inflection point, moving from "model worship" to "value realization." The competition is evolving from a pure compute (GPU) race to a broader focus on systemic efficiency and full-stack engineering (involving CPUs and orchestration) to achieve viable commercialization. The year 2026 is framed as a critical moment where the industry must definitively answer how to economically translate AI capability into tangible business value, reshaping the sector's future power structure.

marsbitHá 1h

Token Inefficient, Economy Tokenless

marsbitHá 1h

Crossing the 'Memory Wall': The Wafer-Level Revolution and Computing Power Routes in the AI Inference Era

In 2026, a historic shift occurred in AI as major cloud providers' inference spending surpassed training spending for the first time, signaling a move from "building large models" to "using large models." This shifts the core challenge from computing power to the "memory wall"—the bottleneck of data movement (model weights, activations, KV Cache) between external DRAM and processors, where energy and latency from data transfer far exceed computation itself. Companies like Nvidia face GPU idle time due to bandwidth limits. In contrast, Cerebras Systems adopts a radical "wafer-scale" approach with its Wafer-Scale Engine (WSE). Instead of cutting a silicon wafer into many chips, Cerebras uses almost the entire wafer as one massive chip (WSE-3). This design provides 44GB of on-chip SRAM, delivering memory bandwidth thousands of times higher than traditional HBM (e.g., 21 PB/s vs. Nvidia B200). For LLM inference, weights are streamed layer-by-layer from external MemoryX storage to the chip, avoiding HBM bottlenecks. This results in token generation speeds 1.5–5 times faster than Nvidia's B200 in some models and significant advantages in first-token latency and long-context tasks. Additionally, Cerebras's architecture offers much lower interconnect power consumption (0.15 pJ/bit vs. GPU's ~10 pJ/bit). However, Cerebras faces challenges: SRAM scaling has slowed with advanced nodes, limiting future capacity gains; the chip requires specialized liquid cooling and custom software stacks; and its external I/O bandwidth (150 GB/s) is low compared to NVLink, hindering multi-system scaling for very large models. Competition is intensifying. Major players are pursuing three paths: 1) Developing proprietary inference ASICs (e.g., Google TPU, Microsoft Maia), 2) Leveraging advanced packaging (e.g., TSMC's SoW) to democratize wafer-scale-like integration, potentially eroding Cerebras's process advantage within a few years, and 3) Exploring optical interconnects for ultimate bandwidth. Commercially, Cerebras is transitioning from a hardware vendor to a service provider, facing the immense challenge of building high-power, specialized data centers to meet large contracts (e.g., 250MW/year from 2026–2028). In conclusion, the AI inference era presents a fundamental architectural trade-off. Cerebras opts for extreme physical optimization for low-latency, single-task performance, while Nvidia prioritizes versatility and massive cluster throughput. The path forward remains uncertain, with technology and business models still evolving in the race toward advanced AI.

marsbitHá 1h

Crossing the 'Memory Wall': The Wafer-Level Revolution and Computing Power Routes in the AI Inference Era

marsbitHá 1h

Has Bitcoin's 'Rebound Ended', Officially Entering the Late Bear Market Phase?

**Title: Has Bitcoin's Rebound Ended, Entering the Late Bear Market Phase?** **Summary:** Bitcoin's price has declined by 13% this week, signaling a potential return to late-stage bear market conditions. The price fell to around $67k, positioned between the Realized Price and Realized Cap Weighted Average. For the first time since early 2022, the Short-Term Holder cost basis has dropped below this key average, confirming a hallmark of late-cycle bear markets. Profitability metrics have collapsed sharply. The 7-day average of the Realized Profit/Loss ratio plummeted from a local high of 3.16 to 0.29, mirroring the February panic sell-off. Critically, the 90-day average never breached the threshold of 2, indicating the recent rally to $82k was a bear market bounce, not a structural shift. Realized losses surged to $1.35 billion daily, with $770 million coming from Long-Term Holders selling at a loss. This accelerating redistribution of supply from weak to strong hands is a necessary but ongoing process for a market bottom. The rally stalled almost precisely at the aggregate cost basis (~$83k) of US spot Bitcoin ETF investors, turning that level into strong resistance and leaving the average ETF holder underwater again. Spot market flows have turned decisively negative, showing sellers are dominating order books despite the price drop. While a significant futures long liquidation event cleared over $400 million in leverage, providing a potential reset, sustained spot demand is yet to materialize. Options markets continue to price in higher future volatility (Implied Volatility) than recent price action (Realized Volatility) has shown, with a persistent skew towards put options, indicating ongoing demand for downside protection. In conclusion, multiple metrics point to a fragile market structure. Resistance at the ETF cost basis, accelerating realized losses, dominant spot selling, and cautious options pricing all suggest the bear market trend persists. A sustainable recovery likely requires a resurgence of spot demand, ETF holders returning to profit, and a clear reduction in selling pressure.

marsbitHá 1h

Has Bitcoin's 'Rebound Ended', Officially Entering the Late Bear Market Phase?

marsbitHá 1h

Trading

Spot
Futuros

Artigos em Destaque

O que é GROK AI

Grok AI: Revolucionar a Tecnologia Conversacional na Era Web3 Introdução No panorama em rápida evolução da inteligência artificial, a Grok AI destaca-se como um projeto notável que liga os domínios da tecnologia avançada e da interação com o utilizador. Desenvolvida pela xAI, uma empresa liderada pelo renomado empreendedor Elon Musk, a Grok AI procura redefinir a forma como interagimos com a inteligência artificial. À medida que o movimento Web3 continua a florescer, a Grok AI visa aproveitar o poder da IA conversacional para responder a consultas complexas, proporcionando aos utilizadores uma experiência que é não apenas informativa, mas também divertida. O que é a Grok AI? A Grok AI é um sofisticado chatbot de IA conversacional projetado para interagir com os utilizadores de forma dinâmica. Ao contrário de muitos sistemas de IA tradicionais, a Grok AI abraça uma gama mais ampla de perguntas, incluindo aquelas tipicamente consideradas inadequadas ou fora das respostas padrão. Os principais objetivos do projeto incluem: Raciocínio Fiável: A Grok AI enfatiza o raciocínio de senso comum para fornecer respostas lógicas com base na compreensão contextual. Supervisão Escalável: A integração de assistência de ferramentas garante que as interações dos utilizadores sejam monitorizadas e otimizadas para qualidade. Verificação Formal: A segurança é primordial; a Grok AI incorpora métodos de verificação formal para aumentar a fiabilidade das suas saídas. Compreensão de Longo Contexto: O modelo de IA destaca-se na retenção e recordação de um extenso histórico de conversas, facilitando discussões significativas e contextualizadas. Robustez Adversarial: Ao focar na melhoria das suas defesas contra entradas manipuladas ou maliciosas, a Grok AI visa manter a integridade das interações dos utilizadores. Em essência, a Grok AI não é apenas um dispositivo de recuperação de informações; é um parceiro conversacional imersivo que incentiva um diálogo dinâmico. Criador da Grok AI A mente por trás da Grok AI não é outra senão Elon Musk, um indivíduo sinónimo de inovação em vários campos, incluindo automóvel, viagens espaciais e tecnologia. Sob a égide da xAI, uma empresa focada em avançar a tecnologia de IA de maneiras benéficas, a visão de Musk visa reformular a compreensão das interações com a IA. A liderança e a ética fundacional são profundamente influenciadas pelo compromisso de Musk em ultrapassar os limites tecnológicos. Investidores da Grok AI Embora os detalhes específicos sobre os investidores que apoiam a Grok AI permaneçam limitados, é reconhecido publicamente que a xAI, a incubadora do projeto, é fundada e apoiada principalmente pelo próprio Elon Musk. As anteriores empreitadas e participações de Musk fornecem um forte apoio, reforçando ainda mais a credibilidade e o potencial de crescimento da Grok AI. No entanto, até agora, informações sobre fundações ou organizações de investimento adicionais que apoiam a Grok AI não estão prontamente acessíveis, marcando uma área para exploração futura potencial. Como Funciona a Grok AI? A mecânica operacional da Grok AI é tão inovadora quanto a sua estrutura conceptual. O projeto integra várias tecnologias de ponta que facilitam as suas funcionalidades únicas: Infraestrutura Robusta: A Grok AI é construída utilizando Kubernetes para orquestração de contêineres, Rust para desempenho e segurança, e JAX para computação numérica de alto desempenho. Este trio assegura que o chatbot opere de forma eficiente, escale eficazmente e sirva os utilizadores prontamente. Acesso a Conhecimento em Tempo Real: Uma das características distintivas da Grok AI é a sua capacidade de aceder a dados em tempo real através da plataforma X—anteriormente conhecida como Twitter. Esta capacidade concede à IA acesso às informações mais recentes, permitindo-lhe fornecer respostas e recomendações oportunas que outros modelos de IA poderiam perder. Dois Modos de Interação: A Grok AI oferece aos utilizadores a escolha entre “Modo Divertido” e “Modo Regular”. O Modo Divertido permite um estilo de interação mais lúdico e humorístico, enquanto o Modo Regular foca em fornecer respostas precisas e exatas. Esta versatilidade assegura uma experiência adaptada que atende a várias preferências dos utilizadores. Em essência, a Grok AI combina desempenho com envolvimento, criando uma experiência que é tanto enriquecedora quanto divertida. Cronologia da Grok AI A jornada da Grok AI é marcada por marcos fundamentais que refletem as suas fases de desenvolvimento e implementação: Desenvolvimento Inicial: A fase fundamental da Grok AI ocorreu ao longo de aproximadamente dois meses, durante os quais o treinamento inicial e o ajuste do modelo foram realizados. Lançamento Beta do Grok-2: Numa evolução significativa, o beta do Grok-2 foi anunciado. Este lançamento introduziu duas versões do chatbot—Grok-2 e Grok-2 mini—cada uma equipada com capacidades para conversar, programar e raciocinar. Acesso Público: Após o seu desenvolvimento beta, a Grok AI tornou-se disponível para os utilizadores da plataforma X. Aqueles com contas verificadas por um número de telefone e ativas há pelo menos sete dias podem aceder a uma versão limitada, tornando a tecnologia disponível para um público mais amplo. Esta cronologia encapsula o crescimento sistemático da Grok AI desde a sua concepção até ao envolvimento público, enfatizando o seu compromisso com a melhoria contínua e a interação com o utilizador. Principais Características da Grok AI A Grok AI abrange várias características principais que contribuem para a sua identidade inovadora: Integração de Conhecimento em Tempo Real: O acesso a informações atuais e relevantes diferencia a Grok AI de muitos modelos estáticos, permitindo uma experiência de utilizador envolvente e precisa. Estilos de Interação Versáteis: Ao oferecer modos de interação distintos, a Grok AI atende a várias preferências dos utilizadores, convidando à criatividade e personalização na conversa com a IA. Base Tecnológica Avançada: A utilização de Kubernetes, Rust e JAX fornece ao projeto uma estrutura sólida para garantir fiabilidade e desempenho ótimo. Consideração de Discurso Ético: A inclusão de uma função de geração de imagens demonstra o espírito inovador do projeto. No entanto, também levanta considerações éticas em torno dos direitos autorais e da representação respeitosa de figuras reconhecíveis—uma discussão em curso dentro da comunidade de IA. Conclusão Como uma entidade pioneira no domínio da IA conversacional, a Grok AI encapsula o potencial para experiências transformadoras do utilizador na era digital. Desenvolvida pela xAI e impulsionada pela abordagem visionária de Elon Musk, a Grok AI integra conhecimento em tempo real com capacidades avançadas de interação. Esforça-se por ultrapassar os limites do que a inteligência artificial pode alcançar, mantendo um foco nas considerações éticas e na segurança do utilizador. A Grok AI não apenas incorpora o avanço tecnológico, mas também representa um novo paradigma de conversas no panorama Web3, prometendo envolver os utilizadores com conhecimento hábil e interação lúdica. À medida que o projeto continua a evoluir, ele permanece como um testemunho do que a interseção da tecnologia, criatividade e interação humana pode alcançar.

471 Visualizações TotaisPublicado em {updateTime}Atualizado em 2024.12.26

O que é GROK AI

O que é ERC AI

Euruka Tech: Uma Visão Geral do $erc ai e as suas Ambições no Web3 Introdução No panorama em rápida evolução da tecnologia blockchain e das aplicações descentralizadas, novos projetos surgem frequentemente, cada um com objetivos e metodologias únicas. Um desses projetos é a Euruka Tech, que opera no vasto domínio das criptomoedas e do Web3. O foco principal da Euruka Tech, particularmente do seu token $erc ai, é apresentar soluções inovadoras concebidas para aproveitar as capacidades crescentes da tecnologia descentralizada. Este artigo tem como objetivo fornecer uma visão abrangente da Euruka Tech, uma exploração das suas metas, funcionalidade, a identidade do seu criador, potenciais investidores e a sua importância no contexto mais amplo do Web3. O que é a Euruka Tech, $erc ai? A Euruka Tech é caracterizada como um projeto que aproveita as ferramentas e funcionalidades oferecidas pelo ambiente Web3, focando na integração da inteligência artificial nas suas operações. Embora os detalhes específicos sobre a estrutura do projeto sejam um tanto elusivos, ele é concebido para melhorar o envolvimento dos utilizadores e automatizar processos no espaço cripto. O projeto visa criar um ecossistema descentralizado que não só facilita transações, mas também incorpora funcionalidades preditivas através da inteligência artificial, daí a designação do seu token, $erc ai. O objetivo é fornecer uma plataforma intuitiva que facilite interações mais inteligentes e um processamento eficiente de transações dentro da crescente esfera do Web3. Quem é o Criador da Euruka Tech, $erc ai? Neste momento, a informação sobre o criador ou a equipa fundadora da Euruka Tech permanece não especificada e algo opaca. Esta ausência de dados levanta preocupações, uma vez que o conhecimento sobre o histórico da equipa é frequentemente essencial para estabelecer credibilidade no setor blockchain. Portanto, categorizamos esta informação como desconhecida até que detalhes concretos sejam disponibilizados no domínio público. Quem são os Investidores da Euruka Tech, $erc ai? De forma semelhante, a identificação de investidores ou organizações de apoio para o projeto Euruka Tech não é prontamente fornecida através da pesquisa disponível. Um aspeto que é crucial para potenciais partes interessadas ou utilizadores que consideram envolver-se com a Euruka Tech é a garantia que vem de parcerias financeiras estabelecidas ou apoio de empresas de investimento respeitáveis. Sem divulgações sobre afiliações de investimento, é difícil tirar conclusões abrangentes sobre a segurança financeira ou a longevidade do projeto. Em linha com a informação encontrada, esta seção também se encontra no estado de desconhecido. Como funciona a Euruka Tech, $erc ai? Apesar da falta de especificações técnicas detalhadas para a Euruka Tech, é essencial considerar as suas ambições inovadoras. O projeto procura aproveitar o poder computacional da inteligência artificial para automatizar e melhorar a experiência do utilizador no ambiente das criptomoedas. Ao integrar IA com tecnologia blockchain, a Euruka Tech visa fornecer funcionalidades como negociações automatizadas, avaliações de risco e interfaces de utilizador personalizadas. A essência inovadora da Euruka Tech reside no seu objetivo de criar uma conexão fluida entre os utilizadores e as vastas possibilidades apresentadas pelas redes descentralizadas. Através da utilização de algoritmos de aprendizagem automática e IA, visa minimizar os desafios enfrentados por utilizadores de primeira viagem e agilizar as experiências transacionais dentro do quadro do Web3. Esta simbiose entre IA e blockchain sublinha a importância do token $erc ai, que se apresenta como uma ponte entre interfaces de utilizador tradicionais e as capacidades avançadas das tecnologias descentralizadas. Cronologia da Euruka Tech, $erc ai Infelizmente, devido à informação limitada disponível sobre a Euruka Tech, não conseguimos apresentar uma cronologia detalhada dos principais desenvolvimentos ou marcos na jornada do projeto. Esta cronologia, tipicamente inestimável para traçar a evolução de um projeto e compreender a sua trajetória de crescimento, não está atualmente disponível. À medida que informações sobre eventos notáveis, parcerias ou adições funcionais se tornem evidentes, atualizações certamente aumentarão a visibilidade da Euruka Tech na esfera cripto. Esclarecimento sobre Outros Projetos “Eureka” É importante abordar que múltiplos projetos e empresas partilham uma nomenclatura semelhante com “Eureka.” A pesquisa identificou iniciativas como um agente de IA da NVIDIA Research, que se concentra em ensinar robôs a realizar tarefas complexas utilizando métodos generativos, bem como a Eureka Labs e a Eureka AI, que melhoram a experiência do utilizador na educação e na análise de serviços ao cliente, respetivamente. No entanto, estes projetos são distintos da Euruka Tech e não devem ser confundidos com os seus objetivos ou funcionalidades. Conclusão A Euruka Tech, juntamente com o seu token $erc ai, representa um jogador promissor, mas atualmente obscuro, dentro do panorama do Web3. Embora os detalhes sobre o seu criador e investidores permaneçam não divulgados, a ambição central de combinar inteligência artificial com tecnologia blockchain destaca-se como um ponto focal de interesse. As abordagens únicas do projeto em promover o envolvimento do utilizador através da automação avançada podem diferenciá-lo à medida que o ecossistema Web3 avança. À medida que o mercado cripto continua a evoluir, as partes interessadas devem manter um olhar atento sobre os avanços em torno da Euruka Tech, uma vez que o desenvolvimento de inovações documentadas, parcerias ou um roteiro definido pode apresentar oportunidades significativas no futuro próximo. Neste momento, aguardamos por insights mais substanciais que possam desvendar o potencial da Euruka Tech e a sua posição no competitivo panorama cripto.

510 Visualizações TotaisPublicado em {updateTime}Atualizado em 2025.01.02

O que é ERC AI

O que é DUOLINGO AI

DUOLINGO AI: Integrar a Aprendizagem de Línguas com Inovação Web3 e IA Numa era em que a tecnologia transforma a educação, a integração da inteligência artificial (IA) e das redes blockchain anuncia uma nova fronteira para a aprendizagem de línguas. Apresentamos DUOLINGO AI e a sua criptomoeda associada, $DUOLINGO AI. Este projeto aspira a unir o poder educativo das principais plataformas de aprendizagem de línguas com os benefícios da tecnologia descentralizada Web3. Este artigo explora os principais aspectos do DUOLINGO AI, analisando os seus objetivos, estrutura tecnológica, desenvolvimento histórico e potencial futuro, mantendo a clareza entre o recurso educativo original e esta iniciativa independente de criptomoeda. Visão Geral do DUOLINGO AI No seu cerne, DUOLINGO AI procura estabelecer um ambiente descentralizado onde os alunos podem ganhar recompensas criptográficas por alcançar marcos educativos em proficiência linguística. Ao aplicar contratos inteligentes, o projeto visa automatizar processos de verificação de habilidades e alocação de tokens, aderindo aos princípios do Web3 que enfatizam a transparência e a propriedade do utilizador. O modelo diverge das abordagens tradicionais de aquisição de línguas ao apoiar-se fortemente numa estrutura de governança orientada pela comunidade, permitindo que os detentores de tokens sugiram melhorias ao conteúdo dos cursos e à distribuição de recompensas. Alguns dos objetivos notáveis do DUOLINGO AI incluem: Aprendizagem Gamificada: O projeto integra conquistas em blockchain e tokens não fungíveis (NFTs) para representar níveis de proficiência linguística, promovendo a motivação através de recompensas digitais envolventes. Criação de Conteúdo Descentralizada: Abre caminhos para educadores e entusiastas de línguas contribuírem com os seus cursos, facilitando um modelo de partilha de receitas que beneficia todos os colaboradores. Personalização Através de IA: Ao empregar modelos avançados de aprendizagem de máquina, o DUOLINGO AI personaliza as lições para se adaptar ao progresso de aprendizagem individual, semelhante às características adaptativas encontradas em plataformas estabelecidas. Criadores do Projeto e Governança A partir de abril de 2025, a equipa por trás do $DUOLINGO AI permanece pseudónima, uma prática frequente no panorama descentralizado das criptomoedas. Esta anonimidade visa promover o crescimento coletivo e o envolvimento das partes interessadas, em vez de se concentrar em desenvolvedores individuais. O contrato inteligente implementado na blockchain Solana indica o endereço da carteira do desenvolvedor, o que significa o compromisso com a transparência em relação às transações, apesar da identidade dos criadores ser desconhecida. De acordo com o seu roteiro, o DUOLINGO AI pretende evoluir para uma Organização Autónoma Descentralizada (DAO). Esta estrutura de governança permite que os detentores de tokens votem em questões críticas, como implementações de funcionalidades e alocação de tesouraria. Este modelo alinha-se com a ética de empoderamento comunitário encontrada em várias aplicações descentralizadas, enfatizando a importância da tomada de decisão coletiva. Investidores e Parcerias Estratégicas Atualmente, não existem investidores institucionais ou capitalistas de risco publicamente identificáveis ligados ao $DUOLINGO AI. Em vez disso, a liquidez do projeto origina-se principalmente de trocas descentralizadas (DEXs), marcando um contraste acentuado com as estratégias de financiamento das empresas tradicionais de tecnologia educacional. Este modelo de base indica uma abordagem orientada pela comunidade, refletindo o compromisso do projeto com a descentralização. No seu whitepaper, o DUOLINGO AI menciona a formação de colaborações com “plataformas de educação blockchain” não especificadas, com o objetivo de enriquecer a sua oferta de cursos. Embora parcerias específicas ainda não tenham sido divulgadas, estes esforços colaborativos sugerem uma estratégia para misturar inovação em blockchain com iniciativas educativas, expandindo o acesso e o envolvimento dos utilizadores em diversas vias de aprendizagem. Arquitetura Tecnológica Integração de IA O DUOLINGO AI incorpora dois componentes principais impulsionados por IA para melhorar as suas ofertas educativas: Motor de Aprendizagem Adaptativa: Este motor sofisticado aprende a partir das interações dos utilizadores, semelhante a modelos proprietários de grandes plataformas educativas. Ele ajusta dinamicamente a dificuldade das lições para abordar desafios específicos dos alunos, reforçando áreas fracas através de exercícios direcionados. Agentes Conversacionais: Ao empregar chatbots alimentados por GPT-4, o DUOLINGO AI oferece uma plataforma para os utilizadores se envolverem em conversas simuladas, promovendo uma experiência de aprendizagem de línguas mais interativa e prática. Infraestrutura Blockchain Construído na blockchain Solana, o $DUOLINGO AI utiliza uma estrutura tecnológica abrangente que inclui: Contratos Inteligentes de Verificação de Habilidades: Esta funcionalidade atribui automaticamente tokens aos utilizadores que passam com sucesso em testes de proficiência, reforçando a estrutura de incentivos para resultados de aprendizagem genuínos. Emblemas NFT: Estes tokens digitais significam vários marcos que os alunos alcançam, como completar uma seção do seu curso ou dominar habilidades específicas, permitindo-lhes negociar ou exibir as suas conquistas digitalmente. Governança DAO: Membros da comunidade com tokens podem participar na governança votando em propostas-chave, facilitando uma cultura participativa que incentiva a inovação nas ofertas de cursos e funcionalidades da plataforma. Cronologia Histórica 2022–2023: Conceituação O trabalho preliminar para o DUOLINGO AI começa com a criação de um whitepaper, destacando a sinergia entre os avanços em IA na aprendizagem de línguas e o potencial descentralizado da tecnologia blockchain. 2024: Lançamento Beta Um lançamento beta limitado introduz ofertas em línguas populares, recompensando os primeiros utilizadores com incentivos em tokens como parte da estratégia de envolvimento comunitário do projeto. 2025: Transição para DAO Em abril, ocorre um lançamento completo da mainnet com a circulação de tokens, promovendo discussões comunitárias sobre possíveis expansões para línguas asiáticas e outros desenvolvimentos de cursos. Desafios e Direções Futuras Obstáculos Técnicos Apesar dos seus objetivos ambiciosos, o DUOLINGO AI enfrenta desafios significativos. A escalabilidade continua a ser uma preocupação constante, particularmente no equilíbrio dos custos associados ao processamento de IA e à manutenção de uma rede descentralizada responsiva. Além disso, garantir a criação e moderação de conteúdo de qualidade num ambiente descentralizado apresenta complexidades na manutenção dos padrões educativos. Oportunidades Estratégicas Olhando para o futuro, o DUOLINGO AI tem o potencial de aproveitar parcerias de micro-certificação com instituições académicas, proporcionando validações verificadas em blockchain das habilidades linguísticas. Além disso, a expansão cross-chain poderia permitir que o projeto acedesse a bases de utilizadores mais amplas e a ecossistemas de blockchain adicionais, melhorando a sua interoperabilidade e alcance. Conclusão DUOLINGO AI representa uma fusão inovadora de inteligência artificial e tecnologia blockchain, apresentando uma alternativa focada na comunidade aos sistemas tradicionais de aprendizagem de línguas. Embora o seu desenvolvimento pseudónimo e o modelo económico emergente tragam certos riscos, o compromisso do projeto com a aprendizagem gamificada, educação personalizada e governança descentralizada ilumina um caminho a seguir para a tecnologia educativa no domínio do Web3. À medida que a IA continua a avançar e o ecossistema blockchain evolui, iniciativas como o DUOLINGO AI poderão redefinir a forma como os utilizadores interagem com a educação linguística, empoderando comunidades e recompensando o envolvimento através de mecanismos de aprendizagem inovadores.

440 Visualizações TotaisPublicado em {updateTime}Atualizado em 2025.04.11

O que é DUOLINGO AI

Discussões

Bem-vindo à Comunidade HTX. Aqui, pode manter-se informado sobre os mais recentes desenvolvimentos da plataforma e obter acesso a análises profissionais de mercado. As opiniões dos utilizadores sobre o preço de AI (AI) são apresentadas abaixo.

活动图片

Categorias popularesright-arrow

Etiquetas Popularesright-arrow