PolyChain memimpin investasi, bagaimana Allora merombak layanan inferensi AI dengan "model flywheel"?

Dengan pendanaan $35 juta, Allora yang dipimpin oleh VC veteran seperti PolyChain dan Framework baru-baru ini menunjukkan performa yang sangat mencolok. Saya melihat banyak orang menyebutnya sebagai “prediction market”? Salah, mari saya jelaskan pemahaman saya tentang proyek ini:

1）Secara akurat, Allora adalah platform layanan inferensi AI terdesentralisasi, pengguna yang memiliki kebutuhan penilaian AI, termasuk prediksi harga, optimasi strategi, evaluasi risiko, dan lainnya, dapat membayar untuk mendapatkan layanan dari AI Agent. Jadi, pasar prediksi hanyalah salah satu skenario aplikasi Allora, dan bukan keseluruhannya;

2）Bagaimana kemampuan output inferensi dari model AI yang tidak merata ini dapat menjadi pemasok hulu yang matang untuk output massal? Jawabannya terletak pada, Allora membangun sebuah platform agregasi yang didukung oleh kolaborasi dan kompetisi dari kumpulan model AI;

Mekanismenya sangat jelas, misalnya, pengguna ingin memperkirakan apakah ETH akan naik atau turun berikutnya, bagaimana cara menentukan rentang harga LP? Cara tradisional adalah melihat grafik K dan mendengarkan analisis KOL, atau membeli berbagai API model AI yang disesuaikan untuk prediksi, dan menemukan bahwa diberikan banyak jawaban yang berbeda. Bisakah ada platform layanan agregasi inferensi untuk menyelesaikan proses perbandingan dan penyaringan ini?

Kuncinya ada di sini, setelah pengguna menyerahkan permintaan kepada Allora, 280.000 node dalam arsitektur jaringan akan bersaing untuk memberikan jawaban, beberapa mengatakan naik, beberapa mengatakan turun, dan beberapa mengatakan sideways. Allora akan memberikan suara pada model-model ini dan mencatat riwayat catatan, memberikan bobot lebih tinggi kepada model AI dengan tingkat keberhasilan prediksi yang tinggi, serta mengirimkan hadiah token, sementara untuk yang menebak sembarangan akan mendapat pengurangan poin dan penyitaan deposit.

Ini membentuk roda penerbangan positif: model yang akurat menghasilkan lebih banyak, bobot semakin tinggi, dan mendapatkan lebih banyak tugas; sementara yang terus menebak sembarangan tereliminasi.

3）Jadi, saya lebih cenderung menganggap Allora sebagai lapisan infrastruktur untuk layanan inferensi AI, yang memiliki kemampuan untuk memanggil kombinasi model AI sesuai permintaan. Terdapat dua skenario aplikasi utama:

DeFAI: Ketika AI Agent melakukan transaksi di blockchain, perlu menilai apakah transaksi tertentu terkena MEV, menyesuaikan LP Uniswap dengan memberikan rentang harga optimal secara real-time, serta menilai apakah AAVE memiliki risiko likuidasi, bagaimana kolam Yield dapat secara dinamis menyesuaikan rasio leverage, dan seterusnya;

Pasar prediksi: Menggunakan model AI untuk menyesuaikan dan memperbarui probabilitas secara dinamis, dibandingkan dengan mekanisme penetapan harga yang murni bergantung pada volume perdagangan, pengindraan agregat AI dapat memberikan pengguna titik awal prediksi yang lebih cerdas, menghindari sekadar mengikuti arus.

Namun, pada dasarnya Allora masih merupakan fasilitas layanan infrastruktur, dan dalam keadaan model yang sedikit dan data yang sedikit di awal, akurasi yang kurang akan mengalami periode akumulasi energi yang panjang.

Namun, jika di masa depan DeFAi dan pasar prediksi dapat menjadi arus utama, maka nilai layanan infrastruktur mereka akan terlihat jelas.