Rapport de recherche approfondi sur Grass : la nouvelle étoile du domaine DePIN, l'essor de la banque de données AI
Points clés TL; DR
Comment Grass se distingue-t-il parmi de nombreux projets DePIN ?
Le facteur clé est la participation à coût zéro sans barrière, les utilisateurs sont la pierre angulaire, les autres facteurs sont des leviers.
Grass a franchi la barrière de l'involution dans l'industrie DePIN grâce à une double impulsion "technologie + modèle" ------ utilisant la preuve à divulgation nulle de connaissance et l'architecture Solana Layer2 pour garantir l'authenticité des données, résolvant le problème des "données sales" dans l'industrie de l'IA ; tout en adoptant le modèle "minage de bande passante → incitations par points" pour convertir 2,5 millions d'utilisateurs en nœuds de données, formant un avantage écrasant du côté de l'offre.
La combinaison de l'explosion de la demande de données AI, de la tendance montante de Solana et de DePIN, ainsi que de stratégies opérationnelles judicieuses, a contribué à établir sa position de leader dans le domaine des DePIN axés sur les données AI.
Quels facteurs clés doivent être pris en compte pour le développement futur de Grass ?
À court terme, regard sur la mise en œuvre technique : la transformation décentralisée de 2025 pourra-t-elle être réalisée avec succès ?
Validation de la demande à moyen terme : Échelle des données d'achat des entreprises d'IA ;
Jeu de conformité à long terme : règles de confidentialité des données et de propriété.
Le risque maximal actuel réside dans le "carnaval des tokens masquant le vide de la demande" ------ Si la croissance à grande échelle des commandes des clients IA ne peut pas être réalisée à l'avenir, la roue commerciale parfaite pourrait dégénérer d'un cycle positif "données-capital" en une bulle du côté de l'offre.
1. Contexte industriel
Lorsque la démocratisation de la puissance de calcul de DePIN rencontre les défis des données de l'IA, un mouvement pour l'égalité des données est en train d'éclore silencieusement.
DePIN intègre les ressources inutilisées mondiales ( en puissance de calcul, stockage, bande passante ) à travers une économie de jetons, construisant ainsi un réseau d'infrastructure distribué ; en même temps, l'industrie de l'IA est confrontée à une pénurie structurelle de données, à des monopoles géants, à des controverses sur la confidentialité et à des barrières d'isolement, ce qui entraîne 80 % de la valeur des données non libérée.
La compétition future en matière d'IA est essentiellement un double jeu entre l'efficacité de l'acquisition des données et la conformité éthique, et DePIN offre la solution technique optimale.
La disruption de Grass réside dans la réalisation de cette fusion.
1.1 DePIN : Reconfigurer le paradigme mondial des infrastructures
Définition et logique fondamentale
Ces dernières années, avec la maturité de la technologie blockchain et l'émergence des concepts Web3, tous les secteurs explorent des voies de transformation décentralisée. DePIN est l'incarnation de cette tendance dans le domaine des infrastructures. DePIN( signifie Réseaux d'infrastructure physique décentralisés, réseau d'infrastructure physique décentralisé) est un nouveau modèle économique qui intègre des ressources physiques mondiales dispersées( telles que la puissance de calcul, le stockage, la bande passante, l'énergie, etc.) grâce à la technologie blockchain.
La logique fondamentale est la suivante : stimuler la contribution de la communauté en utilisant des incitations par des jetons pour mobiliser des ressources inactives et construire un réseau d'infrastructure décentralisé, remplaçant ainsi le modèle coûteux et inefficace des prestataires de services centralisés traditionnels.
Moteur de l'industrie
Comparé au modèle centralisé, la transformation décentralisée des infrastructures physiques présente de plus grands avantages en termes de structure des coûts, de modèles de gouvernance, de résilience du réseau et d'extensibilité écologique.
Sous-domaines et cas typiques
Selon les définitions pertinentes, DePIN couvre les infrastructures physiques ( telles que les réseaux sans fil, les réseaux énergétiques ) et les réseaux de ressources numériques ( tels que le stockage, le calcul ), et réalise un appariement de l'offre et de la demande ainsi qu'un mécanisme d'incitation grâce à la technologie blockchain.
Infrastructure Physique : Représenté par un projet de réseau sans fil décentralisé, construit un réseau de communication à couverture mondiale grâce au déploiement communautaire d'appareils de point d'accès ;
Réseau de ressources numériques : comprend un certain projet de stockage décentralisé, un certain projet de calcul distribué, etc., en intégrant des ressources inutilisées pour former un modèle économique de partage.
Potentiel du marché
Selon les données pertinentes, d'ici 2024, le nombre d'appareils DePIN dans le monde aura dépassé 13 millions, avec une taille de marché atteignant 50 milliards de dollars, mais le taux de pénétration reste inférieur à 0,1 %. Au cours de la prochaine décennie, une croissance de 100 à 1000 fois est envisagée.
En 2024, la capitalisation totale du marché DePIN atteindra 50 milliards de dollars, couvrant plus de 350 projets, avec un taux de croissance annuel de plus de 35 %.
Son moteur principal réside dans l'amélioration de l'efficacité des ressources (, comme l'utilisation de la bande passante inutilisée ) et l'explosion de la demande (, comme la demande d'IA en puissance de calcul et en données ), créant un effet bilatéral.
Bien sûr, l'évolutivité, la confidentialité des données et la vérification de la sécurité des réseaux décentralisés restent des défis clés pour le développement de DePIN.
1.2 Demande de données AI : croissance explosive et contradictions structurelles
"Les données sont le nouveau pétrole (Data is the new oil)"
L'acquisition et le traitement des données AI sont le moteur central du développement de l'intelligence artificielle, en particulier lors de l'entraînement de grands modèles de langage ( tels que GPT ) et de réseaux neuronaux génératifs ( comme MidJourney ).
Les performances et l'efficacité des modèles d'IA dépendent en grande partie de la qualité et de la quantité des données d'entraînement. Des données de haute qualité, diversifiées et représentatives géographiquement sont essentielles pour les performances des modèles d'IA.
Exigences et caractéristiques des données
Saut de niveau : Prenons l'exemple de GPT-4, l'entraînement nécessite plus de 45 To de données textuelles, tandis que la vitesse d'itération de l'IA générative exige une mise à jour et une diversité des données en temps réel ;
Part des coûts : Les coûts de collecte, de nettoyage et d'annotation des données dans le développement de l'IA représentent plus de 40 % du budget total, devenant ainsi un goulot d'étranglement central pour la commercialisation ;
Différenciation des scénarios : La conduite autonome nécessite des données de capteurs à haute précision, l'IA médicale dépend d'une base de données de cas conforme à la vie privée, l'IA sociale dépend des données de comportement des utilisateurs.
Points de douleur traditionnels dans la fourniture de données
Barrières de données : Les grandes entreprises/acteurs majeurs contrôlent de vastes sources de données, les petits et moyens développeurs font face à des barrières élevées et à des prix injustes ;
Îles de données : Les données sont souvent dispersées entre différentes institutions et entreprises, et le partage et la circulation des données rencontrent de nombreux obstacles, ce qui empêche une utilisation optimale des ressources de données.
Confidentialité des données : La collecte de données est souvent liée à des disputes sur la vie privée et les droits d'auteur, comme l'incident de facturation de l'API d'une certaine plateforme qui a suscité des protestations des développeurs ;
Circulation inefficace : Les îlots de données et le manque de standardisation entraînent une collecte redondante, avec un taux d'utilisation des données mondial de moins de 20 % ;
Interruption de la chaîne de valeur : Les contributeurs individuels qui créent des données ne peuvent pas en tirer profit lors de l'utilisation ultérieure des données.
Le chemin de rupture de DePIN
Collecte de données distribuée : Capturer des données publiques ( via un réseau de nœuds, telles que les médias sociaux et les bases de données publiques ), afin de réduire le coût de la collecte de données et d'améliorer l'efficacité et l'échelle de la collecte de données ;
Améliorer la qualité et la diversité des données : Grâce au mécanisme d'incitation DePIN, il est possible d'attirer davantage de participants à contribuer aux données, ce qui améliore la qualité et la diversité des données, et renforce la capacité de généralisation des modèles d'IA.
Nettoyage et annotation décentralisés : la collaboration communautaire permet de réaliser un prétraitement des données, en combinant la preuve à divulgation nulle d'information (ZK) pour garantir l'authenticité des données ;
Boucle fermée d'incitation à la tokenisation : Les contributeurs de données reçoivent des récompenses en tokens, tandis que les demandeurs achètent des ensembles de données structurées avec des tokens, créant ainsi un appariement direct de l'offre et de la demande.
Le projet Grass se situe à l'intersection de DePIN et de l'industrie des données AI. Il applique de manière innovante le concept DePIN au domaine de la collecte de données AI, construisant un réseau de capture de données décentralisé, visant à fournir des sources de données plus économiques, plus efficaces et plus fiables pour l'entraînement des modèles AI.
Dans les chapitres suivants, nous analyserons en profondeur les mécanismes spécifiques, les caractéristiques techniques, les cas d'utilisation et les perspectives de développement futur du projet Grass.
2. Informations de base sur le projet
L'expansion rapide de Grass est due à son seuil de participation extrêmement bas. Cela permet à chaque utilisateur de devenir un 'mineur' de données AI, échangeant sa bande passante inutilisée contre des dividendes futurs.
Grass construit un réseau de collecte de données décentralisé grâce à l'architecture DePIN, fournissant des sources de données à fort rapport qualité-prix et à grande diversité pour l'entraînement de l'IA. Les utilisateurs n'ont qu'à installer le client pour contribuer à la bande passante et obtenir des récompenses en tokens --- en un an, plus de 2,5 millions de nœuds ont été attirés, et le token a augmenté de plus de 5 fois en 10 jours lors de son lancement, validant ainsi sa logique commerciale.
Le projet a reçu des paris de plusieurs capitaux de premier plan, s'appuyant sur la chaîne haute performance de Solana pour réaliser la certification et le transfert des données.
L'anonymat actuel de l'équipe reste controversé, et les progrès de la décentralisation du traitement des données doivent être suivis.
2.1 Champ d'application
Grass est un projet DePIN qui collecte et vérifie les données Internet grâce à la bande passante inutilisée des appareils des utilisateurs, en particulier pour soutenir le développement de l'intelligence artificielle (AI).
Son cœur est un réseau de proxy résidentiel (residential proxy network), permettant aux entreprises d'utiliser la connexion Internet des utilisateurs pour accéder et extraire des données Internet provenant de différentes localisations géographiques, ce qui est très utile pour l'entraînement des modèles d'IA nécessitant des données diversifiées et représentatives sur le plan géographique.
Problèmes résolus : La collecte de données sur Internet traditionnelle est généralement effectuée par des systèmes centralisés, ce qui est inefficace et sujet à des erreurs ou des biais. Grass vise à fournir des données Internet fiables et vérifiées grâce à une approche décentralisée, et les données fournies par les utilisateurs décentralisés possèdent naturellement des caractéristiques de diversité, de publication dans plusieurs régions et de temps réel.
Vision et mission : La vision de Grass est de créer une couche de données Internet décentralisée, où les données sont collectées, vérifiées et structurées de manière à minimiser la confiance. Sa mission est de donner aux utilisateurs le pouvoir de contribuer à la couche de données et d'encourager la participation grâce à un mécanisme de récompense.
Méthode de participation utilisateur : Les utilisateurs peuvent commencer en trois étapes : visiter le site officiel de Grass, installer l'extension/client, se connecter et commencer à gagner des Grass Points. Cette méthode de contribution de bande passante pour gagner des récompenses offre aux utilisateurs ordinaires une opportunité de partager les dividendes de la croissance de l'IA.
En résumé, les caractéristiques clés et avantages de Grass sont : le coût faible de l'extraction de données sur un réseau décentralisé, une diversité de données plus riche ; les utilisateurs gagnent des récompenses en contribuant de la bande passante, réalisant ainsi un retour sur la valeur des données ; l'utilisation de la technologie blockchain pour vérifier les données, garantissant la transparence et la fiabilité des données.
2.2 Développement
Phase conceptuelle : Mi-2022, le projet a été proposé par Wynd Labs.
Phase de développement : Début 2023, la construction du produit a commencé, marquant l'entrée du projet dans la phase de développement réelle.
Série de financement par capital-risque : En 2023, Grass a terminé un financement par capital-risque de 3,5 millions de dollars, dirigé par un certain capital et un autre capital, pour un total de 4,5 millions de dollars (, y compris ) la série de préfinancement dirigée par un certain capital.
Tests utilisateurs : À la fin de 2023, lancement d'une extension pour le navigateur Chrome, début des tests utilisateurs, attirant la participation des premiers utilisateurs.
Jalon : En avril 2024, le projet a annoncé plus de 2 millions de dispositifs de nœuds connectés, en forte croissance. Selon les données pertinentes, d'ici mars 2025, le nombre d'utilisateurs actifs a dépassé 2,5 millions.
Premier airdrop : Annonce du premier airdrop le 21 octobre 2024, distribution de 100 millions de jetons GRASS (10 % de l'approvisionnement total ), récompense pour les premiers utilisateurs.
Échanges en ligne : Mise en ligne sur un certain échange le 28 octobre 2024, après 10 jours, le prix est passé de 0,6 $ à 3,89 $, augmentant régulièrement d'environ 5 fois.
État actuel : Le projet continue de s'étendre, avec la deuxième phase d'incitation à l'inactivité des utilisateurs en cours ; une application mobile Android et iPhone est prévue pour augmenter l'échelle du réseau et la participation des utilisateurs.
2.3 Équipe
Selon les données publiques, Grass a été développé par Wynd Labs, dont le fondateur est Andrej Radonjic, qui est le PDG de Wynd Labs, et qui possède une maîtrise en mathématiques et statistiques de l'Université York ainsi qu'un baccalauréat en ingénierie physique de l'Université McMaster.
Les membres de l'équipe proviennent tous de Wynd Labs, se concentrant sur le développement de technologies blockchain et d'IA, avec une expérience dans des domaines connexes. Cependant, les informations spécifiques sur les membres n'ont pas été largement divulguées, seule l'identité de Radonjic ayant été révélée.
Selon les informations publiques, Wynd Labs a été fondée en 2022, et son produit phare est Grass.
Le parcours de l'équipe montre une expertise dans les domaines de la blockchain et de l'IA, mais un manque de transparence des informations pourrait affecter la confiance des investisseurs et des utilisateurs. L'expérience de Radonjic confère de la crédibilité au projet, mais l'anonymat des autres membres pourrait susciter des inquiétudes.
2.4 Financement et partenaires importants
Investisseurs et soutien
Série de semences : 350 000 $ de financement de série de semences achevé en 2023, dirigé par un certain capital et un certain capital. Selon les données publiques, le total du financement après la série de semences atteint 450 000 $, y compris le tour de pré-série de semences dirigé par un certain capital.
Série A : La série A a été complétée en septembre 2024, dirigée par un certain capital, avec la participation de plusieurs institutions, le montant n'a pas été divulgué.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
8 J'aime
Récompense
8
6
Partager
Commentaire
0/400
FrontRunFighter
· Il y a 6h
meh, juste un autre pot de miel déguisé en "coût zéro". la forêt sombre va dévorer ces débutants vivants
Voir l'originalRépondre0
JustHodlIt
· 07-21 11:31
Assez prometteur, la piste sous-jacente DePIN
Voir l'originalRépondre0
ChainSherlockGirl
· 07-20 22:49
Je parie un bol de nouilles avec toi, ces grands investisseurs sont en train de stocker comme des fous.
Voir l'originalRépondre0
OPsychology
· 07-20 22:48
Eh bien, n'est-ce pas juste une variété de choses flashy ?
Grass: L'émergence des banques de données AI dans le domaine DePIN, la décentralisation reconstruit la chaîne de valeur des données.
Rapport de recherche approfondi sur Grass : la nouvelle étoile du domaine DePIN, l'essor de la banque de données AI
Points clés TL; DR
Le facteur clé est la participation à coût zéro sans barrière, les utilisateurs sont la pierre angulaire, les autres facteurs sont des leviers.
Grass a franchi la barrière de l'involution dans l'industrie DePIN grâce à une double impulsion "technologie + modèle" ------ utilisant la preuve à divulgation nulle de connaissance et l'architecture Solana Layer2 pour garantir l'authenticité des données, résolvant le problème des "données sales" dans l'industrie de l'IA ; tout en adoptant le modèle "minage de bande passante → incitations par points" pour convertir 2,5 millions d'utilisateurs en nœuds de données, formant un avantage écrasant du côté de l'offre.
La combinaison de l'explosion de la demande de données AI, de la tendance montante de Solana et de DePIN, ainsi que de stratégies opérationnelles judicieuses, a contribué à établir sa position de leader dans le domaine des DePIN axés sur les données AI.
À court terme, regard sur la mise en œuvre technique : la transformation décentralisée de 2025 pourra-t-elle être réalisée avec succès ?
Validation de la demande à moyen terme : Échelle des données d'achat des entreprises d'IA ;
Jeu de conformité à long terme : règles de confidentialité des données et de propriété.
Le risque maximal actuel réside dans le "carnaval des tokens masquant le vide de la demande" ------ Si la croissance à grande échelle des commandes des clients IA ne peut pas être réalisée à l'avenir, la roue commerciale parfaite pourrait dégénérer d'un cycle positif "données-capital" en une bulle du côté de l'offre.
1. Contexte industriel
Lorsque la démocratisation de la puissance de calcul de DePIN rencontre les défis des données de l'IA, un mouvement pour l'égalité des données est en train d'éclore silencieusement.
DePIN intègre les ressources inutilisées mondiales ( en puissance de calcul, stockage, bande passante ) à travers une économie de jetons, construisant ainsi un réseau d'infrastructure distribué ; en même temps, l'industrie de l'IA est confrontée à une pénurie structurelle de données, à des monopoles géants, à des controverses sur la confidentialité et à des barrières d'isolement, ce qui entraîne 80 % de la valeur des données non libérée.
La compétition future en matière d'IA est essentiellement un double jeu entre l'efficacité de l'acquisition des données et la conformité éthique, et DePIN offre la solution technique optimale.
La disruption de Grass réside dans la réalisation de cette fusion.
1.1 DePIN : Reconfigurer le paradigme mondial des infrastructures
Définition et logique fondamentale
Ces dernières années, avec la maturité de la technologie blockchain et l'émergence des concepts Web3, tous les secteurs explorent des voies de transformation décentralisée. DePIN est l'incarnation de cette tendance dans le domaine des infrastructures. DePIN( signifie Réseaux d'infrastructure physique décentralisés, réseau d'infrastructure physique décentralisé) est un nouveau modèle économique qui intègre des ressources physiques mondiales dispersées( telles que la puissance de calcul, le stockage, la bande passante, l'énergie, etc.) grâce à la technologie blockchain.
La logique fondamentale est la suivante : stimuler la contribution de la communauté en utilisant des incitations par des jetons pour mobiliser des ressources inactives et construire un réseau d'infrastructure décentralisé, remplaçant ainsi le modèle coûteux et inefficace des prestataires de services centralisés traditionnels.
Moteur de l'industrie
Comparé au modèle centralisé, la transformation décentralisée des infrastructures physiques présente de plus grands avantages en termes de structure des coûts, de modèles de gouvernance, de résilience du réseau et d'extensibilité écologique.
Sous-domaines et cas typiques
Selon les définitions pertinentes, DePIN couvre les infrastructures physiques ( telles que les réseaux sans fil, les réseaux énergétiques ) et les réseaux de ressources numériques ( tels que le stockage, le calcul ), et réalise un appariement de l'offre et de la demande ainsi qu'un mécanisme d'incitation grâce à la technologie blockchain.
Infrastructure Physique : Représenté par un projet de réseau sans fil décentralisé, construit un réseau de communication à couverture mondiale grâce au déploiement communautaire d'appareils de point d'accès ;
Réseau de ressources numériques : comprend un certain projet de stockage décentralisé, un certain projet de calcul distribué, etc., en intégrant des ressources inutilisées pour former un modèle économique de partage.
Potentiel du marché
Selon les données pertinentes, d'ici 2024, le nombre d'appareils DePIN dans le monde aura dépassé 13 millions, avec une taille de marché atteignant 50 milliards de dollars, mais le taux de pénétration reste inférieur à 0,1 %. Au cours de la prochaine décennie, une croissance de 100 à 1000 fois est envisagée.
En 2024, la capitalisation totale du marché DePIN atteindra 50 milliards de dollars, couvrant plus de 350 projets, avec un taux de croissance annuel de plus de 35 %.
Son moteur principal réside dans l'amélioration de l'efficacité des ressources (, comme l'utilisation de la bande passante inutilisée ) et l'explosion de la demande (, comme la demande d'IA en puissance de calcul et en données ), créant un effet bilatéral.
Bien sûr, l'évolutivité, la confidentialité des données et la vérification de la sécurité des réseaux décentralisés restent des défis clés pour le développement de DePIN.
1.2 Demande de données AI : croissance explosive et contradictions structurelles
"Les données sont le nouveau pétrole (Data is the new oil)"
L'acquisition et le traitement des données AI sont le moteur central du développement de l'intelligence artificielle, en particulier lors de l'entraînement de grands modèles de langage ( tels que GPT ) et de réseaux neuronaux génératifs ( comme MidJourney ).
Les performances et l'efficacité des modèles d'IA dépendent en grande partie de la qualité et de la quantité des données d'entraînement. Des données de haute qualité, diversifiées et représentatives géographiquement sont essentielles pour les performances des modèles d'IA.
Exigences et caractéristiques des données
Saut de niveau : Prenons l'exemple de GPT-4, l'entraînement nécessite plus de 45 To de données textuelles, tandis que la vitesse d'itération de l'IA générative exige une mise à jour et une diversité des données en temps réel ;
Part des coûts : Les coûts de collecte, de nettoyage et d'annotation des données dans le développement de l'IA représentent plus de 40 % du budget total, devenant ainsi un goulot d'étranglement central pour la commercialisation ;
Différenciation des scénarios : La conduite autonome nécessite des données de capteurs à haute précision, l'IA médicale dépend d'une base de données de cas conforme à la vie privée, l'IA sociale dépend des données de comportement des utilisateurs.
Points de douleur traditionnels dans la fourniture de données
Barrières de données : Les grandes entreprises/acteurs majeurs contrôlent de vastes sources de données, les petits et moyens développeurs font face à des barrières élevées et à des prix injustes ;
Îles de données : Les données sont souvent dispersées entre différentes institutions et entreprises, et le partage et la circulation des données rencontrent de nombreux obstacles, ce qui empêche une utilisation optimale des ressources de données.
Confidentialité des données : La collecte de données est souvent liée à des disputes sur la vie privée et les droits d'auteur, comme l'incident de facturation de l'API d'une certaine plateforme qui a suscité des protestations des développeurs ;
Circulation inefficace : Les îlots de données et le manque de standardisation entraînent une collecte redondante, avec un taux d'utilisation des données mondial de moins de 20 % ;
Interruption de la chaîne de valeur : Les contributeurs individuels qui créent des données ne peuvent pas en tirer profit lors de l'utilisation ultérieure des données.
Le chemin de rupture de DePIN
Collecte de données distribuée : Capturer des données publiques ( via un réseau de nœuds, telles que les médias sociaux et les bases de données publiques ), afin de réduire le coût de la collecte de données et d'améliorer l'efficacité et l'échelle de la collecte de données ;
Améliorer la qualité et la diversité des données : Grâce au mécanisme d'incitation DePIN, il est possible d'attirer davantage de participants à contribuer aux données, ce qui améliore la qualité et la diversité des données, et renforce la capacité de généralisation des modèles d'IA.
Nettoyage et annotation décentralisés : la collaboration communautaire permet de réaliser un prétraitement des données, en combinant la preuve à divulgation nulle d'information (ZK) pour garantir l'authenticité des données ;
Boucle fermée d'incitation à la tokenisation : Les contributeurs de données reçoivent des récompenses en tokens, tandis que les demandeurs achètent des ensembles de données structurées avec des tokens, créant ainsi un appariement direct de l'offre et de la demande.
Le projet Grass se situe à l'intersection de DePIN et de l'industrie des données AI. Il applique de manière innovante le concept DePIN au domaine de la collecte de données AI, construisant un réseau de capture de données décentralisé, visant à fournir des sources de données plus économiques, plus efficaces et plus fiables pour l'entraînement des modèles AI.
Dans les chapitres suivants, nous analyserons en profondeur les mécanismes spécifiques, les caractéristiques techniques, les cas d'utilisation et les perspectives de développement futur du projet Grass.
2. Informations de base sur le projet
L'expansion rapide de Grass est due à son seuil de participation extrêmement bas. Cela permet à chaque utilisateur de devenir un 'mineur' de données AI, échangeant sa bande passante inutilisée contre des dividendes futurs.
Grass construit un réseau de collecte de données décentralisé grâce à l'architecture DePIN, fournissant des sources de données à fort rapport qualité-prix et à grande diversité pour l'entraînement de l'IA. Les utilisateurs n'ont qu'à installer le client pour contribuer à la bande passante et obtenir des récompenses en tokens --- en un an, plus de 2,5 millions de nœuds ont été attirés, et le token a augmenté de plus de 5 fois en 10 jours lors de son lancement, validant ainsi sa logique commerciale.
Le projet a reçu des paris de plusieurs capitaux de premier plan, s'appuyant sur la chaîne haute performance de Solana pour réaliser la certification et le transfert des données.
L'anonymat actuel de l'équipe reste controversé, et les progrès de la décentralisation du traitement des données doivent être suivis.
2.1 Champ d'application
Grass est un projet DePIN qui collecte et vérifie les données Internet grâce à la bande passante inutilisée des appareils des utilisateurs, en particulier pour soutenir le développement de l'intelligence artificielle (AI).
Son cœur est un réseau de proxy résidentiel (residential proxy network), permettant aux entreprises d'utiliser la connexion Internet des utilisateurs pour accéder et extraire des données Internet provenant de différentes localisations géographiques, ce qui est très utile pour l'entraînement des modèles d'IA nécessitant des données diversifiées et représentatives sur le plan géographique.
Problèmes résolus : La collecte de données sur Internet traditionnelle est généralement effectuée par des systèmes centralisés, ce qui est inefficace et sujet à des erreurs ou des biais. Grass vise à fournir des données Internet fiables et vérifiées grâce à une approche décentralisée, et les données fournies par les utilisateurs décentralisés possèdent naturellement des caractéristiques de diversité, de publication dans plusieurs régions et de temps réel.
Vision et mission : La vision de Grass est de créer une couche de données Internet décentralisée, où les données sont collectées, vérifiées et structurées de manière à minimiser la confiance. Sa mission est de donner aux utilisateurs le pouvoir de contribuer à la couche de données et d'encourager la participation grâce à un mécanisme de récompense.
Méthode de participation utilisateur : Les utilisateurs peuvent commencer en trois étapes : visiter le site officiel de Grass, installer l'extension/client, se connecter et commencer à gagner des Grass Points. Cette méthode de contribution de bande passante pour gagner des récompenses offre aux utilisateurs ordinaires une opportunité de partager les dividendes de la croissance de l'IA.
En résumé, les caractéristiques clés et avantages de Grass sont : le coût faible de l'extraction de données sur un réseau décentralisé, une diversité de données plus riche ; les utilisateurs gagnent des récompenses en contribuant de la bande passante, réalisant ainsi un retour sur la valeur des données ; l'utilisation de la technologie blockchain pour vérifier les données, garantissant la transparence et la fiabilité des données.
2.2 Développement
Phase conceptuelle : Mi-2022, le projet a été proposé par Wynd Labs.
Phase de développement : Début 2023, la construction du produit a commencé, marquant l'entrée du projet dans la phase de développement réelle.
Série de financement par capital-risque : En 2023, Grass a terminé un financement par capital-risque de 3,5 millions de dollars, dirigé par un certain capital et un autre capital, pour un total de 4,5 millions de dollars (, y compris ) la série de préfinancement dirigée par un certain capital.
Tests utilisateurs : À la fin de 2023, lancement d'une extension pour le navigateur Chrome, début des tests utilisateurs, attirant la participation des premiers utilisateurs.
Jalon : En avril 2024, le projet a annoncé plus de 2 millions de dispositifs de nœuds connectés, en forte croissance. Selon les données pertinentes, d'ici mars 2025, le nombre d'utilisateurs actifs a dépassé 2,5 millions.
Premier airdrop : Annonce du premier airdrop le 21 octobre 2024, distribution de 100 millions de jetons GRASS (10 % de l'approvisionnement total ), récompense pour les premiers utilisateurs.
Échanges en ligne : Mise en ligne sur un certain échange le 28 octobre 2024, après 10 jours, le prix est passé de 0,6 $ à 3,89 $, augmentant régulièrement d'environ 5 fois.
État actuel : Le projet continue de s'étendre, avec la deuxième phase d'incitation à l'inactivité des utilisateurs en cours ; une application mobile Android et iPhone est prévue pour augmenter l'échelle du réseau et la participation des utilisateurs.
2.3 Équipe
Selon les données publiques, Grass a été développé par Wynd Labs, dont le fondateur est Andrej Radonjic, qui est le PDG de Wynd Labs, et qui possède une maîtrise en mathématiques et statistiques de l'Université York ainsi qu'un baccalauréat en ingénierie physique de l'Université McMaster.
Les membres de l'équipe proviennent tous de Wynd Labs, se concentrant sur le développement de technologies blockchain et d'IA, avec une expérience dans des domaines connexes. Cependant, les informations spécifiques sur les membres n'ont pas été largement divulguées, seule l'identité de Radonjic ayant été révélée.
Selon les informations publiques, Wynd Labs a été fondée en 2022, et son produit phare est Grass.
Le parcours de l'équipe montre une expertise dans les domaines de la blockchain et de l'IA, mais un manque de transparence des informations pourrait affecter la confiance des investisseurs et des utilisateurs. L'expérience de Radonjic confère de la crédibilité au projet, mais l'anonymat des autres membres pourrait susciter des inquiétudes.
2.4 Financement et partenaires importants
Investisseurs et soutien
Série de semences : 350 000 $ de financement de série de semences achevé en 2023, dirigé par un certain capital et un certain capital. Selon les données publiques, le total du financement après la série de semences atteint 450 000 $, y compris le tour de pré-série de semences dirigé par un certain capital.
Série A : La série A a été complétée en septembre 2024, dirigée par un certain capital, avec la participation de plusieurs institutions, le montant n'a pas été divulgué.