Top 10 AI-virksomheder, der udvikler store sprogmodeller til krypto
Kunstig intelligens og kryptovaluta udvikles ikke længere i separate hjørner af teknologibranchen. Efterhånden som blockchain-applikationer bliver mere komplicerede, har udviklere og brugere i stigende grad brug for AI-systemer, der forstår smarte kontrakter, tokenomics, aktivitet på kæden, decentraliseret finansiering og det særlige sprog, der findes i ... Web3.
Det er her, kryptospecifikke store sprogmodeller begynder at gøre en forskel. Generelle modeller kan forklare, hvad en blockchain er, men de kan have svært ved at fortolke en kompleks transaktion, vurdere en DeFi protokol eller forstå forholdet mellem tegnebogsaktivitet og markedsforhold. Kryptofokuserede modeller bliver trænet, finjusteret eller forbundet med datasæt, der giver dem en meget stærkere forståelse af disse miljøer.
Markedet er stadig relativt ungt, og ikke alle projekter, der beskrives som et "krypto-AI-firma", bygger en grundlæggende model fra bunden. Nogle træner deres egne modeller, mens andre finjusterer eksisterende open source-modeller eller bygger specialiseret infrastruktur omkring LLM'er. Alligevel er disse virksomheder og platforme med til at skubbe branchen hen imod AI-systemer, der kan gøre mere end blot at tale om krypto.
KædeGPT
KædeGPT er blandt de klareste eksempler på en virksomhed, der bygger AI specifikt omkring behovene hos Web3 industri. Dens Web3 AI LLM er designet omkring blockchain-data, smarte kontrakter, DeFi, NFTs og tokenomics i stedet for udelukkende at stole på den brede viden, der findes i generelle modeller.
Et af de mere interessante aspekter ved ChainGPT's tilgang er dens forbindelse til live information. Dokumentationen siger, at modellen kan arbejde med on-chain data, markedsinformation, nyheder og sociale feeds, hvilket giver udviklere mulighed for at bygge applikationer, der har brug for mere aktuel kontekst, end en statisk sprogmodel kan levere.
Det gør teknologien nyttig til alt fra kryptoforskning og kundesupport til handelsassistance og analyse af smarte kontrakter.GPT har også gjort sin model tilgængelig via API'er og SDK'er, hvilket giver andre Web3 virksomheder en måde at tilføje kryptobevidst AI uden selv at skulle udvikle en hel modelstak.
Fetch.ai
Fetch.ai har taget en lidt anderledes vej ved at fokusere på AI-modeller, der kan fungere som en del af autonome agentsystemer. I februar 2025 introducerede Fetch.ai ASI-1 Mini, som de beskrev som en Web3-oprindelig stor sprogmodel bygget til agentiske AI-arbejdsgange.
Den vigtige forskel er, at ASI-1 Mini ikke blot er positioneret som endnu en chatbot, der er trænet til at besvare spørgsmål om kryptovaluta. Fetch.ai har designet den omkring ræsonnement, beslutningstagning og autonome arbejdsgange med flere ræsonnementsmetoder, der har til formål at balancere hastighed og dybde.
Den tilgang er vigtig, fordi den næste fase af krypto-AI sandsynligvis vil involvere agenter, der rent faktisk kan interagere med blockchain-netværk. I stedet for at spørge en AI, hvilken token der har det højeste udbytte, og derefter manuelt udføre en transaktion, kan brugerne i sidste ende delegere dele af den proces til autonome systemer. Modeller som ASI-1 Mini udvikles med den bredere vision i tankerne.
CryptoGPT
CryptoGPT er et andet projekt, der har forsøgt at opbygge AI-infrastruktur specifikt til kryptovaluta- og blockchain-sektorerne. Dets erklærede fokus strækker sig ud over en simpel AI-chatbot til applikationer som generering af smarte kontrakter, revision, handelsassistance og andre Web3-relaterede værktøjer.
Projektet har også skitseret planer for en AI-fokuseret blockchain-infrastruktur gennem sin AIVM, der har til formål at understøtte udførelse, træning og levering af computerressourcer til AI-modeller på kæden.
Der er dog en vigtig forskel her. KryptoGPT's egen dokumentation siger, at deres AI-modeller ikke er open source, mens adgangen er beregnet til at blive leveret via API'er og SDK'er. Det gør deres strategi tættere på en leverandør af AI-infrastruktur end et åbent forskningslaboratorium.
For kryptobrugere er tiltrækningskraften ret ligetil. I stedet for at tvinge et generelt AI-system til at lære blockchain-terminologi fra bunden,GPT forsøger at bage den domæneviden ind i produktet.
BytomDAO
BytomDAO har valgt en af de mere direkte tilgange til at skabe en kryptofokuseret sprogmodel. Dens CryptoGPT Initiativet er baseret på CryptoInstruct, et datasæt, der indeholder millioner af instruktionseksempler designet omkring kryptovaluta-relateret information og opgaver.
Projektet siger, at det er finjusteret Llama 3. brug af CryptoInstruct-datasættet til at producere kryptoGPT modeller på forskellige parameterskalaer. Ideen bag denne tilgang er særligt relevant for kryptoindustrien, fordi blockchain-information er yderst specialiseret og konstant under forandring.
I stedet for at forsøge at konkurrere med de største generelle modeller på tværs af alle mulige emner, kan en specialiseret model koncentrere sine muligheder på områder som projektinformation, blockchain-koncepter og kryptospecifikke opgaver.
Dette er et af de klareste eksempler på, hvorfor domænespecifik træning kan blive vigtig i Web3En mindre model, der har en dybdegående forståelse af krypto, kan nogle gange være mere nyttig til en blockchain-applikation end en meget større model, der ved lidt om alt.
IndeksAI
IndexAI er et andet projekt bygget op omkring ideen om, at sprogmodeller skal kunne interagere direkte med blockchain-netværk. Platformen beskriver sin grundlæggende model som en open source LLM trænet i blockchain-viden.
Dens ambition rækker ud over blot at besvare spørgsmål. IndexAI siger, at dens teknologi giver AI-agenter mulighed for at læse information på tværs af flere blockchains og, med de passende funktioner, skrive til disse netværk ved at underskrive transaktioner, udføre handler og udføre swaps.
Den forskel er betydelig. Den reelle mulighed i kryptospecifikke LLM'er ligger måske ikke i bedre samtaler om Bitcoin eller Ethereum. Det kan være evnen til at omdanne instruktioner i naturligt sprog til sikre, verificerbare blockchain-handlinger.
En bruger kunne i sidste ende beskrive et mål i almindeligt sprog, mens et AI-system håndterer de underliggende blockchain-interaktioner. Det kræver betydeligt mere domænebevidsthed end en konventionel chatbot.
DMind
DMind positionerer sig som en open source AGI-forskningsorganisation med specifikt fokus på digital finans. Dens arbejde omfatter store sprogmodeller, datasæt, benchmarks og værktøjer rettet mod finansiel og Web3 applikationer.
Virksomhedens DMind-3-modeller er særligt interessante, fordi de er designet omkring realiteterne ved økonomisk eksekvering i Web3DMind siger, at modellerne er beregnet til at adressere situationer, hvor en enkelt brugerhandling kan passere gennem flere smarte kontrakter, udløse likvidationer eller udsætte midler for kontradiktorisk udførelse.
Det er et andet problem end blot at generere et sammenhængende svar. Inden for decentraliseret finans kan et AI-system potentielt påvirke transaktioner, der involverer rigtige penge. Som følge heraf bliver det lige så vigtigt at forstå det omgivende udførelsesmiljø, risici og interaktioner mellem kontrakter som at producere flydende tekst.
DMinds open source-tilgang kan også gøre dens arbejde nyttigt for udviklere, der ønsker at inspicere, tilpasse og bygge videre på specialiserede finansielle AI-modeller i stedet for udelukkende at være afhængige af lukkede kommercielle systemer.
Nexis Labs
Nexis Labs arbejder på krydsfeltet mellem store sprogmodeller, autonome agenter og blockchain-eksekvering gennem sin Nex-T1-platform. Virksomheden beskriver Nex-T1 som et AI-system i virksomhedsklassen, der er designet til at forbinde avancerede LLM'er med handlingsrettet blockchain-eksekvering.
Dens fokus er særligt relevant for DeFi, hvor autonome systemer skal fortolke markedsinformation og derefter potentielt handle. Nexis Labs beskriver sit arbejde omkring multi-agent orkestrering, autonom DeFi handel og menneskelige kontroller.
Dette fremhæver en vigtig udvikling på markedet for krypto-AI. Selve modellen er kun én brik i puslespillet. For at et AI-system kan blive reelt nyttigt inden for decentraliseret finans, har det brug for et orkestreringslag, adgang til pålidelig blockchain-information og sikkerhedsforanstaltninger omkring udførelse.
Nexis Labs griber derfor problemet an fra agentsiden, hvor en LLM bliver en del af et større system, der er i stand til at ræsonnere over finansielle oplysninger og interagere med blockchain-infrastruktur.
0G
0G er ved at opbygge et bredere decentraliseret AI-økosystem, der inkluderer sin egen modelinfrastruktur. Dens platform viser i øjeblikket modeller, herunder 0GM-1.0-35B-A3B, sammen med andre modeller, der er tilgængelige gennem dens AI stak.
Virksomhedens overordnede mål er at bringe AI-beregning, -lagring og -inferens tættere på blockchain-infrastruktur. Den beskriver sit netværk som fuldt understøttende on-chain AI, verificerbar beregning og privat inferens.
Det gør 0G relevant for den kryptospecifikke LLM-samtale, selvom dens ambition rækker ud over én bestemt sprogmodel. Virksomheden arbejder effektivt på den infrastruktur, der kræves for at AI-modeller kan fungere i decentraliserede applikationer.
Dette kan vise sig at være lige så vigtigt som modellerne selv. At køre sofistikerede AI-systemer kræver enorme computer- og lagringsressourcer, mens blockchain-applikationer kræver gennemsigtighed og verificerbarhed. At bringe disse to krav sammen er en af branchens største tekniske udfordringer.
Nous Research
Nous Research skiller sig noget anderledes ud end de andre navne på denne liste, fordi deres sprogmodeller ikke udelukkende er designet til kryptovaluta. Deres betydning stammer fra virksomhedens arbejde med open source AI og decentraliseret modeltræning.
Laboratoriet udvikler åbne sprogmodeller, herunder sin Hermes-familie, samtidig med at det arbejder på infrastruktur til distribueret træning. Dets forskning omkring decentraliseret AI har omfattet brugen af blockchain-baseret koordinering og distribueret databehandling.
Forbindelsen til krypto handler derfor mindre om at skabe en "Bitcoin-chatbot" og mere om at ændre, hvordan kraftfulde sprogmodeller kan trænes og betjenes. Denne sondring bliver stadig vigtigere, efterhånden som kryptoprojekter udforsker decentraliserede alternativer til den centraliserede AI-infrastruktur, der er domineret af en relativt lille gruppe af teknologivirksomheder.
Nous Researchs arbejde viser, at kryptospecifik AI ikke nødvendigvis behøver at betyde en model, der udelukkende er trænet på kryptodata. Det kan også betyde at bygge modeller og infrastruktur, der passer naturligt ind i decentraliserede økosystemer.
Galadriel
Galadriel griber forholdet mellem LLM'er og blockchain an fra en anden vinkel: at gøre AI-inferens verificerbar.
Deres Sentience-projekt giver udviklere mulighed for at skabe autonome AI-agenter, hvis LLM-inferenser kan verificeres gennem kryptografiske beviser. Systemet bruger betroede udførelsesmiljøer til at behandle LLM-anmodninger og sende attestationer på Solana, hvilket giver applikationer mulighed for at verificere, at en inferens blev udført som angivet.
Selvom Galadriel ikke blot bygger en proprietær krypto-chatbot, adresserer deres arbejde et stort problem for blockchain-baseret AI. Hvis en AI-agent træffer beslutninger, der kan flytte penge eller udføre transaktioner, har brugerne brug for mere end en models ord for, at processen blev håndteret korrekt.
Verificerbar AI kan i sidste ende blive en kritisk del af krypto-native sprogmodeller, især i takt med at autonome agenter får større kontrol over tegnebøger og finansielle transaktioner.
Det større kapløb handler om mere end chatbots
Fremkomsten af kryptospecifikke LLM'er peger på et bredere skift i AI-industrien. Generelle modeller er allerede blevet bemærkelsesværdigt dygtige til at forklare blockchain-koncepter, skrive smart-kontrakt-kode og opsummere kryptonyheder. Den næste udfordring er at få AI til at forstå blockchain-miljøet dybt nok til at agere sikkert i det.
Det betyder at have adgang til information i realtid på kæden, forstå interaktioner mellem smarte kontrakter, genkende økonomiske risici og vide, hvornår en handling kan have uoprettelige konsekvenser.
De virksomheder, der arbejder inden for dette område, griber problemet an fra forskellige vinkler. Nogle træner modeller på kryptospecifikke datasæt. Andre bygger Web3-native LLM'er, decentraliserede træningsnetværk, autonome agenter eller verifikationssystemer, der gør AI-aktivitet mere gennemsigtig.
Markedet er stadig i sin tidlige fase, og flere projekter vil sandsynligvis forsvinde, mens andre udvikler sig til meget større AI-infrastrukturvirksomheder. Men retningen bliver tydeligere. Krypto har ikke nødvendigvis brug for endnu en chatbot, der kan forklare, hvad Bitcoin er. Det, den har brug for, er AI-systemer, der forstår, hvordan decentraliserede markeder rent faktisk fungerer.
Hvis det sker, kan de vigtigste krypto-AI-modeller i sidste ende være dem, som brugerne knap nok bemærker. De vil sidde bag tegnebøger, børser, DeFi applikationer og autonome agenter, der i stilhed fortolker blockchain-data og hjælper med at omdanne instruktioner i naturligt sprog til handlinger på kæden.
Ansvarsfraskrivelse
I tråd med den Trust Project retningslinjer, bemærk venligst, at oplysningerne på denne side ikke er beregnet til at være og ikke skal fortolkes som juridiske, skattemæssige, investeringsmæssige, finansielle eller nogen anden form for rådgivning. Det er vigtigt kun at investere, hvad du har råd til at tabe, og at søge uafhængig finansiel rådgivning, hvis du er i tvivl. For yderligere information foreslår vi at henvise til vilkårene og betingelserne samt hjælpe- og supportsiderne fra udstederen eller annoncøren. MetaversePost er forpligtet til nøjagtig, objektiv rapportering, men markedsforholdene kan ændres uden varsel.
Om forfatteren
Alisa, en dedikeret journalist ved MPost, specialiserer sig i krypto, AI, investeringer og det omfattende område af Web3. Med et skarpt øje for nye trends og teknologier leverer hun omfattende dækning for at informere og engagere læserne i det stadigt udviklende landskab af digital finans.
Flere artikler
Alisa, en dedikeret journalist ved MPost, specialiserer sig i krypto, AI, investeringer og det omfattende område af Web3. Med et skarpt øje for nye trends og teknologier leverer hun omfattende dækning for at informere og engagere læserne i det stadigt udviklende landskab af digital finans.
