抢抓 AI+Web3 融合新机遇，Pond 如何搭建高性能 AI 技术模型？

2025-01-03 18:06

来源链接

订阅此专栏

收藏此文章

Web3 行业快速发展过程中，AI 始终是不容忽视的应用趋势。你知道潜力新星项目 Pond 如何搭建高性能 AI 技术模型，在 NFT 和 DeFi 版图打开全新的项目开发视野的吗？一起来揭秘去中心化 AI 模型构建和 AI 训练逻辑，探索 Pond 引领开发者的技术新风向。

12 月 26 日（周四）20:00 第 25 期 TinTinAMA 活动顺利举行，活动由 TinTinLand 社区经理 Tracy 主持，Pond 增长负责人 Wendy 出席活动直播，现场观看人数超过 2.5 万人次。活动现场，嘉宾与观众们直播畅聊 Pond AI 应用模型建设路径和 AI 未来。错过直播的伙伴们可以点击回放链接，查看精彩瞬间！

📺 X Space：https://x.com/i/spaces/1OwxWNVgOmjJQ

去中心化 AI 模型先锋，

Pond 架起开放自由 AI 应用桥梁

Pond 是一个创新的去中心化 AI 模型平台，致力于通过图神经网络为区块链和 Web3 生态提供强大的数据洞察与预测能力，通过利用先进的 AI 技术，帮助开发者提升去中心化应用（DApp）的效率，推动 Web3 生态的快速发展。 值得一提的是，Pond 在 DeFi、安全、NFT 推荐等领域均有突破性应用的开发成绩，通过独特 Markout PnL 预测模型和动态费率解决方案，为开发者提供高效工具，推动 Web3 创新发展，今年 10 月获得 C 轮融资计划 750 万美元的资金，获得更多开发前行的动力资源。

当前 Pond 生态的产品开发主要集中在去中心化 AI 模型开发平台，想要构建一个针对数据、Crypto 的 AI 模型，对标 Web2 的一些类似于 GitHub 这样能够进行集中训练和托管的地方。目前项目进行到第一阶段，也在努力吸引更多开发者加入生态，未来可能会发布的空头计划所依托的积分系统已经上线，因此在平台训练 AI 模型现在是有相应的奖励。在底层的模型和训练构建基础上，团队还计划加入链上推理、数据实时验证和 Agent 生成，比如利用大语言模型阐释市场发展变化，更多让没有技术背景的用户也能够使用的产品类型。

明晰 Pond 模型核心功能：

再定义 AI 模型设计

为了激励更多开发者更好、更快地在 Web3 环境中实现创作变现，Pond 生态平台目前基本能够帮助开发者完成前期的数据清洗和梳理工作，让开发者可以用现成的数据实现模型训练。那么在推理方面，为了实现实时数据跟踪和处理，平台可以直接让开发者使用链上数据；此外，还有跟 Agent Framework 类型的项目方展开合作，为开发者提供更多便捷的操作工具，打开更有效率的创作通道。

那么对于如何让 AI 模型产生更多收益，Wendy 指出 Token 激励和 Bounty 激励是当前的主要手段，其他还包括 AI 模型投入商业市场的价值效益，未来如果做出更多成熟的产品，那么产品收益也会分发给模型开发者。前段时间，团队思考过用数字资产的方式进行项目激励，但是为了引领开发项目走向可持续发展的未来，Pond 仍在思考如何将项目进行个性化、更周全的激励机制供给。

深挖 Pond 模型技术亮点：

高效的数据识别追踪

团队在初期进行了几个项目的测试，通过反女巫（Anti Sybil）组织的合作和 AI 地址识别中进行安全模型的优化，相似类型的 Token 模型、链上预测等也都在被 Pond 进行研究和借鉴，都是能够促进 Pond 生态繁荣发展的重要技术深耕方向。尤其是地址识别板块，无论是个体、企业、媒体都需要通过链上地址标签优化实现高效信息追踪、行为模式辨别，比如 Token 中的“做市商（Market Maker）”识别，通过胜率标签的分类，为大众交易和电商数据分析提供更多辅助支持。

此外，深究 Pond 技术生态可以看到 Markout PnL 预测模型成为其突出优势，能够以 5 分钟预测窗口为基准。“5 分钟其实是一个团队在测试中认为去中心化 AI 模型能够达到的相对表现最佳的时间，从主观上来说这是一个可以选择的时长，在多个标准的探索中这个标准还需要探索才能够实现进一步的链上数据部署”，Wendy 分析道。

锚定 NFT 和 DeFi 入手开发模型，

给开发者的经验之谈

之所以选择 NFT 和 DeFi 两个领域入手开发模型，主要是基于个体开发者对 NFT 类型的项目相对更好上手发力，入门难度和技术门槛较低；DeFi 在 Crypto AI 模型方向的应用潜力非常显著，无论是资产清算还是策略优化，都可以凭借 AI Training 进行简化升级和交互应用，这都是对散户来说比较有优势的地方。

动态费率模型应用复杂场景，

关注链上数据预测

未来 Pond 也计划将动态费率模型应用到更复杂的 DeFi 场景中，就像很多项目方也在探索跨链交易和去中心化期权市场等，但会更关注在链上数据预测方向的技术升级轨道上。区块链上的黑天鹅事件有时候不可预测，所以面向 AI 模型的预测难题，需要更多开发者和用户的智慧、数据进行场景优化，这也是 Pond 需要解决的问题。

开发者需要把握的 Pond 模型

开发策略建议

而对于希望开发类似系统的开发者，Pond 的模型开发过程也有一些值得参考的经验或挑战👇

第一个是数据的清理和分类，这对 Web3 开发者对数据的解析应用考验能力非常高（所以 Pond 会把这部分进行预先处理和准备）
第二个是有些主题模型迭代的属性判断，部分主体的 AI 模型适配性是通过更多开发经验和市场判断进行抉择的，这需要长期的探索和敏锐的嗅觉来面对
第三个是在市场注意力快速变化的时代，需要捕捉社区用户最想要得到的应用模型，真正开发用户需要的技术产品也是团队让技术模型变得更加用户友好的必经之路

面向 AI+Web3 融合未来，

深耕链上地图模型

在当前的行业发展背景下，AI+Web3 必然是一个“经久不衰”的热门话题，随着 A16z 开始赞助某个 Agent 进行开发时，我们也发现了 AI 应用其实具备更多想象力，实在地引起了用户的兴趣和关注。最近新出的一些 AI 模型也引领 Pond 继续挖掘适应新兴区块链生态的技术亮点元素，实在地转向用户侧的项目迭代。

链上地图模型也是 Pond 积极推动的研究创新点，目前主要在往 Solana 等生态进行辐射应用，未来可能会扩展到 Near 等更多新兴生态中，为他们提供更多支持。活动尾声，Wendy 总结 Pond 项目的核心价值时概括到，“去中心化 AI 模型构建和 AI 训练逻辑是贯穿 Pond 生态始终的核心命题，也是项目发展的技术愿景，希望更多伙伴能够看到 Pond 的技术价值，与我们探索 AI 模型的未来！”

往期精彩