¿Cómo utiliza Allora el "modelo de rueda de vuelo" para remodelar los servicios de inferencia de IA, respaldado por PolyChain?

Con una financiación de $35 millones, Allora, liderada por veteranos de VC como PolyChain y Framework, ha tenido un desempeño especialmente notable recientemente. He visto a muchas personas decir que es un “mercado de predicción”. Incorrecto, hablemos sobre la comprensión de este proyecto:

1. En términos precisos, Allora es una plataforma de servicios de inferencia de IA descentralizada, donde los usuarios pueden pagar para que el Agente de IA proporcione servicios para cualquier necesidad de juicio de IA, incluyendo predicciones de precios, optimización de estrategias, evaluación de riesgos, etc. Por lo tanto, el mercado de predicción es solo un escenario de aplicación de Allora, y no todo.

2）¿Cómo pueden las capacidades de razonamiento desiguales de los modelos de IA convertirse en un proveedor maduro para la producción masiva? La respuesta radica en que Allora ha construido una plataforma de agregación donde un grupo de modelos de IA colabora y compite entre sí;

Su mecanismo es muy claro. Por ejemplo, si un usuario quiere predecir si el ETH subirá o bajará, ¿cómo decide establecer el rango de precios de LP? El enfoque tradicional es observar las velas y escuchar el análisis de KOL, o comprar diversos modelos de IA personalizados API para hacer predicciones, y se da cuenta de que recibe un montón de respuestas diferenciadas. ¿No podría haber una plataforma de servicio de inferencia agregada que resuelva este proceso de comparación y selección?

La clave está aquí, los usuarios dejan sus demandas a Allora y, en la arquitectura de la red, 280,000 nodos compiten por dar respuestas; algunos dicen que subirá, otros que bajará, y otros que se mantendrá estable. Allora votará por estos modelos y registrará un historial de resultados, otorgando mayor peso a los modelos de IA con una alta tasa de éxito en las predicciones y enviando recompensas en tokens, mientras que descontará puntos y retendrá depósitos de aquellos que adivinen al azar.

Esto forma un volante positivo: los modelos que predicen con precisión ganan más, su peso aumenta, y reciben más tareas; aquellos que siempre adivinan son eliminados.

3. Por lo tanto, me inclino más a que Allora es la capa de infraestructura del servicio de inferencia de IA, que tiene la capacidad de invocar combinaciones de modelos de IA bajo demanda. Hay dos principales escenarios de aplicación:

DeFAI: Cuando el agente de IA ejecuta transacciones en la cadena, necesita determinar si una transacción está sujeta a MEV, ajustar el LP de Uniswap para ofrecer el rango de precios óptimo en tiempo real, así como evaluar si AAVE tiene riesgo de liquidación y cómo ajustar dinámicamente la tasa de apalancamiento en el fondo de Yield, etc.

mercado de predicción: utilizar modelos de IA para ajustar dinámicamente las probabilidades de actualización, en comparación con aquellos mecanismos que se basan únicamente en el volumen de comercio, el razonamiento agregado de la IA puede proporcionar a los usuarios un punto de partida de predicción más inteligente, evitando seguir ciegamente la tendencia.

Sin embargo, en esencia, Allora todavía es solo una infraestructura de servicios, y en un contexto de pocos modelos y pocos datos, con una precisión insuficiente, también experimentará un largo período de acumulación de energía.

Pero si en el futuro DeFAi y el mercado de predicción se convierten en mercados principales, el valor de sus servicios de infraestructura se destacará.