Dernier rapport de l'Institut Huobi : Explorer les orientations d'investissement dans le secteur AI+Crypto
TechFlow SélectionTechFlow Sélection
Dernier rapport de l'Institut Huobi : Explorer les orientations d'investissement dans le secteur AI+Crypto
Cet article explorera en détail les orientations d'investissement dans le secteur AI+Crypto, en se concentrant particulièrement sur l'innovation et le développement aux niveaux de l'infrastructure et des applications.
Dédié à des analyses Web3 approfondiesCes dernières années, avec le développement rapide de l'intelligence artificielle (IA) et de la technologie blockchain, le secteur « IA + Crypto » est devenu un domaine d'intérêt majeur pour les investisseurs. Grâce à ses caractéristiques telles que la décentralisation, la transparence élevée, la faible consommation d'énergie et la lutte contre le monopole, la blockchain compense les tendances fortement centralisées et le manque de transparence des systèmes d'IA. Cette synergie ouvre des opportunités sans précédent.
Selon Vitalik, les applications combinant IA et blockchain peuvent être divisées en quatre grandes catégories : l'IA comme participant à une application, comme interface de l'application, comme règle de l'application, et comme objectif de l'application. Il propose que le rôle de l'IA dans le domaine crypto devrait être envisagé principalement sous l'angle des « applications », notamment en optimisant la puissance de calcul, les algorithmes et les données.
Le centre de recherche Huobi distingue les axes d’implication de la technologie IA dans le secteur crypto selon les couches d’application de l’IA : couche fondamentale, couche d’exécution et couche applicative, où chacune recèle des opportunités prometteuses. Par exemple, la technologie zkML combine la preuve à connaissance nulle (zero-knowledge proof) et la blockchain afin d’offrir des solutions sécurisées, vérifiables et transparentes concernant les comportements des agents d’IA. En outre, l’IA montre un potentiel considérable au niveau de l’exécution, notamment dans le traitement des données, le développement automatisé de dApps et la sécurité des transactions sur chaîne. À la couche applicative, les robots de trading pilotés par l’IA, les outils d’analyse prédictive et la gestion de liquidité AMM jouent un rôle clé dans le domaine DeFi.
Cet article explore en détail les orientations stratégiques d’investissement dans le secteur « IA + Crypto », en se concentrant sur les innovations et développements aux niveaux infrastructurel et applicatif, et analyse les perspectives et défis de cette convergence entre IA et blockchain selon des stratégies d’investissement à moyen et long terme.
Cet article a été rédigé par le centre de recherche Huobi, équipe actuellement intégrée à HTX Ventures. HTX Ventures est le département mondial d'investissement de Huobi HTX, qui regroupe investissement, incubation et recherche afin d'identifier les meilleures équipes prometteuses à travers le globe. À ce jour, HTX Ventures a soutenu plus de 200 projets dans divers domaines de la blockchain, dont certains ont déjà été listés sur la plateforme d’échange Huobi HTX.
Principales directions du secteur IA
La blockchain s'oppose presque entièrement à l’intelligence artificielle sur les aspects de centralisation, de faible transparence, de consommation énergétique et de monopole. Selon ces critères et ses propres réflexions, Vitalik classe les applications combinant IA et blockchain en quatre grandes catégories :
-
L’IA en tant que participant à une application (AI as a player in a game)
-
L’IA en tant qu’interface d’une application (AI as an interface to the game)
-
L’IA en tant que règle d’une application (AI as the rules of the game)
-
L’IA en tant qu’objectif d’une application (AI as the objective of the game)
Vitalik envisage davantage le rôle de l’IA dans le domaine crypto sous l’angle des « applications ». Si l’on adopte une perspective productivité VS rapports de production, la crypto concerne surtout les rapports de production. De ce point de vue, trois axes principaux peuvent être distingués :
– Optimisation de la puissance de calcul : fournir des ressources informatiques décentralisées et efficaces, réduire les risques de défaillance ponctuelle et améliorer l’efficacité globale du calcul.
– Optimisation des algorithmes : favoriser l’ouverture, le partage et l’innovation des algorithmes ou modèles.
– Optimisation des données : stockage, contribution, utilisation et gestion sécurisée des données de manière décentralisée.
HTX Research estime que l’ensemble du secteur IA peut être structuré en trois couches : fondamentale, exécution et application. Les projets « IA + Web3 » peuvent donc être explorés selon ces trois grandes orientations. La couche fondamentale inclut la formation de modèles, les données, la puissance de calcul décentralisée et le matériel ; elle met particulièrement l’accent sur la combinaison des technologies zk et ML. La couche d’exécution couvre le traitement et le transfert des données, ainsi que les agents d’IA, zkML, FHE (chiffrement homomorphe complet), etc. La couche applicative porte principalement sur « IA + DeFi », « IA + GameFi », le métavers, AIGC, les Meme Coins, ainsi que des services blockchain tels que RAAS (Robotics as a Service), les oracles, les coprocesseurs, UBI (revenu universel de base), etc.
Les projets aux niveaux infrastructurel et applicatif progressent rapidement, comme Io.net (puissance de calcul), Flock (modèles de base), ZeroGravity (infrastructure blockchain), Myshell (agents d’IA) et 0x Scope (niveau applicatif).
Les directions suivantes méritent une attention particulière :
1. Axe zkML
La technologie zkML, en combinant les preuves à connaissance nulle et la blockchain, offre une solution sécurisée, vérifiable et transparente pour surveiller et contraindre le comportement des agents d’IA. Par exemple, le projet Modulus Labs utilise zkML pour prouver à ses parties prenantes qu’un modèle d’IA a bien exécuté une tâche spécifique, tout en protégeant la vie privée individuelle et les secrets commerciaux.
zkML, en tant qu’intermédiaire entre l’IA et la blockchain, propose une solution visant à résoudre les problèmes de protection de la confidentialité des modèles et des entrées d’IA, tout en garantissant la vérifiabilité du processus d’inférence. Elle ouvre la voie à de nouvelles méthodes permettant d’utiliser un modèle public pour vérifier des données privées, ou inversement, d’utiliser des données publiques pour vérifier un modèle privé. En intégrant les capacités du machine learning, les contrats intelligents gagnent en autonomie et dynamisme, pouvant agir sur la base de données en temps réel présentes sur la chaîne, plutôt que de se limiter à des règles statiques. Cette innovation rend les contrats intelligents plus flexibles, capables de s’adapter à de nombreux scénarios d’application différents, y compris ceux non anticipés lors de leur création initiale.
Présentation de projets emblématiques de zkML
Le premier tableau présente quelques projets zkML prometteurs. La deuxième image illustre d'autres projets dans ce domaine.
2. Axe du traitement des données
Il s'agit principalement des avancées réalisées par l’IA au niveau d’exécution, notamment dans les transmissions de données blockchain et les infrastructures de développement. Analyse détaillée ci-dessous :
a. IA et analyse des données on-chain
Cette direction consiste à exploiter les techniques d’IA, notamment les grands modèles LLM et les algorithmes d’apprentissage profond, pour extraire des informations approfondies à partir des données blockchain. Par exemple, le projet Web3 Analytics utilise l’IA pour analyser les données on-chain, révéler les tendances du marché et les comportements des utilisateurs, aidant ainsi à mieux comprendre les transactions et les mouvements du marché.
b. IA et développement automatisé de dApps
Il s’agit d’infrastructures ciblant DevOps. Des projets d’IA utilisant le développement automatisé peuvent attirer davantage de développeurs, renforçant ainsi l’écosystème. Certains outils de développement basés sur l’IA aident à rédiger plus rapidement des contrats intelligents, corrigent automatiquement les erreurs, voire offrent des fonctionnalités de programmation de dApp par glisser-déposer.
c. IA et sécurité des transactions on-chain
Cette direction concerne principalement les agents d’IA. Le déploiement d’agents d’IA sur la blockchain améliore la sécurité et la fiabilité des applications d’IA. Ces agents peuvent exécuter automatiquement des tâches telles que les transactions, l’analyse des données ou la prise de décision. Déployés sur la blockchain, leurs opérations deviennent transparentes, traçables et difficiles à falsifier, renforçant ainsi la sécurité globale du système. L’IA peut également identifier et contrer en temps réel les attaques malveillantes et les fuites de données grâce à une surveillance continue et une analyse intelligente, assurant ainsi l’intégrité des transactions et des données.
• Exemple de projet :
SeQure est une plateforme de sécurité qui utilise l’IA pour surveiller et analyser en temps réel, détectant et bloquant rapidement diverses attaques malveillantes et fuites de données, garantissant ainsi la stabilité et la sécurité des transactions sur chaîne.
3. Axe IA + DeFi
La combinaison la plus importante entre l’IA et la couche applicative est sans aucun doute « IA + DeFi ». Voici quelques directions à surveiller :
1. Robots de trading pilotés par l’IA
Ces robots exécutent des transactions rapidement et précisément, analysent les données de marché, les sentiments liés aux actualités et les tendances des prix, et prennent des décisions instantanées, surpassant généralement les performances des traders humains.
2. Analyse prédictive
Bien que prédire la volatilité du marché cryptographique reste un défi, les outils d’analyse alimentés par l’IA deviennent progressivement des instruments importants, capables de fournir des prévisions fiables sur les tendances du marché et les évolutions potentielles des prix.
3. Gestion de liquidité AMM
Par exemple, en ajustant la plage de liquidité d’Uniswap V3 grâce à l’IA, le protocole peut réguler plus intelligemment cette plage, optimisant ainsi l’efficacité et les rendements des market-makers automatiques (AMM).
4. Protection contre les liquidations et gestion des positions de dette
En combinant les données on-chain et off-chain, il devient possible de mettre en œuvre des stratégies intelligentes de protection contre les liquidations, garantissant ainsi la sécurité des positions de dette face aux fluctuations du marché.
5. Conception de produits structurés complexes en DeFi
Dans la conception de mécanismes de coffres, on peut s'appuyer sur des modèles d’IA financière plutôt que sur des stratégies fixes. Ces stratégies peuvent inclure des opérations, prêts ou options gérés par l’IA, augmentant ainsi l’intelligence et la flexibilité des produits.
4. Axe IA + GameFi
L’application de l’IA dans les projets GameFi vise principalement à enrichir l’expérience de jeu et à stimuler l’innovation. Les principales directions sont les suivantes :
1. Optimisation des stratégies de jeu :
L’IA peut apprendre les habitudes et stratégies des joueurs, ajuster en temps réel la difficulté et les tactiques du jeu, offrant une expérience personnalisée et stimulante. Grâce à l’apprentissage profond et à l’apprentissage par renforcement, l’IA peut évoluer de manière autonome pour mieux répondre aux besoins et préférences des joueurs.
2. Gestion de l’utilisation des actifs de jeu :
L’IA peut aider les joueurs à gérer et échanger efficacement leurs actifs virtuels. En utilisant des contrats intelligents et des stratégies de trading automatisées, les joueurs peuvent maximiser l’utilisation de leurs actifs, par exemple via l’achat/vente automatique, la location ou l’emprunt d’actifs, optimisant ainsi leur retour sur investissement.
3. Renforcement de l’interaction en jeu :
L’IA peut créer des personnages non-joueurs (PNJ) plus intelligents et réactifs, utilisant le traitement du langage naturel (NLP) et le machine learning (ML) pour interagir de façon fluide et naturelle avec les joueurs, améliorant ainsi l’immersion et la satisfaction.
Stratégies d’investissement possibles selon la dimension temporelle
- À court terme, il convient de surveiller les domaines où l’IA sera d’abord appliquée dans le domaine crypto, comme certaines applications conceptuelles ou les « memes ». Logique : cette année, le cercle dominant de l’IA continuera à générer de nouveaux sujets d’actualité. Chaque mise à jour majeure des grands modèles chez des entreprises web2 comme NVIDIA ou OpenAI relance l’enthousiasme autour du secteur IA, attirant de nouveaux capitaux et alimentant ainsi la dynamique émotionnelle du marché.
- À moyen terme, la convergence entre les agents d’IA (AI Agent) et les intentions (Intent), ainsi que leur intégration aux contrats intelligents, représente un point fort. Une fois réussie, cette convergence pourrait proposer une extension des contrats intelligents, menant à une nouvelle architecture blockchain combinant registre + contrat + IA, dépassant ainsi la narration « registre + contrat » propre à l’ère Ethereum.
- Parmi ces axes, AI Agent est une niche spécifiquement valorisée par Vitalik. Un agent d’IA désigne une entité capable d’acquérir de l’information depuis son environnement, de traiter cette information, de prendre des décisions, d’agir et de modifier activement son environnement. Actuellement, les agents d’IA constituent une frontière avancée du domaine IA, proche d’une adoption massive au niveau applicatif.
- Sur le plan narratif : l’agent d’IA est une femme séduisante et provocante, la puissance de calcul GPU en cloud est un chef d’entreprise mature et stable, tandis que le grand modèle d’IA intégré à la couche DA est un scientifique aux cheveux ébouriffés.
- À long terme, la combinaison de l’IA et de la technologie zkML (bien que les experts ML des grandes entreprises web2 d’IA regardent souvent de haut les initiatives « crypto + IA ») finira par transformer en profondeur le domaine crypto.
Références
- Twitter : https://twitter.com/FinanceYF5/status/1772434625387717055
- Web3 Caff : https://twitter.com/Web3Caff_Res
- Twitter Vitalik : https://twitter.com/VitalikButerin
Annexe :
Liste des plateformes de calcul décentralisé et d’inférence d’intelligence artificielle
Il s'agit principalement d'utiliser la crypto-monnaie comme incitation pour partager et exploiter à l'échelle mondiale des ressources informatiques inutilisées.
Liste des projets sur les sources de données et modèles d’IA
Cette catégorie repose sur l’authenticité, la transparence et la traçabilité des données, utilisant des modèles économiques crypto pour inciter les utilisateurs grand public (côté C), les développeurs et les entreprises (côté B) à contribuer aux données et aux modèles.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
@Ventures_HTX
