Rapport d'étude approfondie sur Grass : Banque de données AI dans l'industrie DePIN
Points clés
Le facteur clé qui a permis à Grass de se démarquer dans le projet DePIN est la participation sans seuil.
Grass assure l'authenticité des données grâce à la preuve à connaissance nulle et à l'architecture Solana Layer2, résolvant le problème des "données corrompues" dans l'industrie de l'IA ; en même temps, il transforme 2,5 millions d'utilisateurs en nœuds de données grâce au modèle "minage de bande passante → incitations par points", formant un avantage du côté de l'offre.
Avec la croissance de la demande de données AI, la popularité de Solana et de DePIN, ainsi que des stratégies opérationnelles raisonnables, Grass est devenu le projet leader des DePIN de données AI.
Les facteurs clés à surveiller pour le développement futur de Grass :
Court terme : la transformation décentralisée sera-t-elle réussie en 2025 ?
Moyen terme : Taille des données d'achat des entreprises d'IA ;
Long terme : règles sur la confidentialité des données et la propriété.
Le principal risque actuel réside dans le "carnaval des tokens masquant le vide de la demande" - si les commandes des clients de l'IA ne parviennent pas à se développer dans le futur, le cycle commercial parfait pourrait se dégrader d'un cycle positif "données-capital" en une bulle du côté de l'offre.
1. Contexte de l'industrie
Lorsque la démocratisation de la puissance de calcul de DePIN rencontre le dilemme des données de l'IA, un mouvement pour l'égalité des données éclate discrètement.
DePIN intègre les ressources inutilisées mondiales grâce à une économie de jetons (, puissance de calcul, stockage, bande passante ), et construit un réseau d'infrastructure distribué ; en même temps, l'industrie de l'IA fait face à une pénurie structurelle de données, à des monopoles de géants, à des controverses sur la vie privée 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 en essence un double jeu entre l'efficacité d'acquisition des données et la conformité éthique, et DePIN offre une solution technique optimale.
La disruption de Grass réside dans la réalisation de cette fusion.
1.1 DePIN: Reconfiguration des infrastructures au niveau mondial
DePIN( est un réseau d'infrastructure physique décentralisée) qui intègre des ressources physiques mondiales décentralisées( telles que la puissance de calcul, le stockage, la bande passante, l'énergie, etc.) grâce à la technologie blockchain, un nouveau modèle économique.
La logique centrale réside dans le fait de : inciter la contribution de ressources inutilisées par le biais de jetons, construire un réseau d'infrastructure décentralisé, remplaçant le modèle coûteux et peu efficace des prestataires de services centralisés traditionnels.
Comparé au modèle centralisé, la transformation décentralisée des infrastructures physiques présente de plus grands avantages en termes de structure de coûts, de modes de gouvernance, de résilience du réseau et d'expansion écologique.
Selon la définition de Messari, DePIN couvre deux grandes catégories d'infrastructures physiques ( telles que les réseaux sans fil et les réseaux énergétiques ) ainsi que les réseaux de ressources numériques ( tels que le stockage et le calcul ), et réalise l'appariement de l'offre et de la demande ainsi que les mécanismes d'incitation grâce à la technologie blockchain.
Infrastructure physique : représentée par un projet de réseau sans fil décentralisé, construction d'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.
Selon les données de Messari, d'ici 2024, le nombre d'appareils DePIN dans le monde a dépassé 13 millions, avec une taille de marché atteignant 50 milliards de dollars, mais le taux de pénétration est inférieur à 0,1 %. Au cours des dix prochaines années, une croissance de 100 à 1000 fois est prévue.
En 2024, la capitalisation boursière du secteur DePIN atteindra 50 milliards de dollars, couvrant plus de 350 projets, avec un taux de croissance annuel de plus de 35 %.
Le 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 pour la puissance de calcul et les données ), 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 pétrole de la nouvelle ère"
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).
La performance 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 la performance des modèles d'IA.
Taille et caractéristiques de la demande de données
Saut de niveau : par exemple, pour GPT-4, la formation 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 diversification en temps réel des données ;
Coût proportionnel : 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 à la commercialisation ;
Différenciation des scénarios : la conduite autonome nécessite des données de capteurs de haute précision, l'IA médicale dépend de bases de données de cas conformes à la vie privée, l'IA sociale dépend des données de comportement des utilisateurs.
Points de douleur traditionnels de l'approvisionnement en données
Barrières de données : les 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 ;
Îlots de données : les données sont souvent dispersées entre différentes institutions et entreprises, et le partage et la circulation des données font face à de nombreux obstacles, ce qui empêche une utilisation optimale des ressources de données.
Vie privée des données : La collecte de données implique souvent des litiges liés à la vie privée et aux droits d'auteur, comme la contestation des développeurs suite à un événement de facturation d'API d'un réseau social.
Circulation inefficace : l'isolement des données et l'absence de normalisation entraînent une collecte redondante, l'utilisation des données mondiales étant inférieure à 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 la rupture de DePIN
Collecte de données distribuées : capture de données publiques ( via un réseau de nœuds, telles que les médias sociaux, bases de données publiques ), réduisant le coût de la collecte de données et augmentant 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 pour contribuer aux données, augmentant ainsi la qualité et la diversité des données, et améliorant la capacité de généralisation des modèles d'IA.
Nettoyage et annotation décentralisés : collaboration communautaire pour le 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, les demandeurs achètent des ensembles de données structurées avec des tokens, formant un appariement direct de l'offre et de la demande.
Le projet Grass est situé à l'intersection de DePIN et de l'industrie des données AI, appliquant de manière innovante le concept de DePIN dans le domaine de la collecte de données AI, et a construit un réseau de collecte 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 allons analyser en profondeur les mécanismes spécifiques, les caractéristiques techniques, les cas d'application 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 capture de données décentralisé via l'architecture DePIN, fournissant des sources de données à haute performance et haute diversité pour l'entraînement AI. 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, le token a augmenté de plus de 5 fois en 10 jours lors de son lancement, validant ainsi sa logique commerciale.
Le projet a attiré des investissements de la part de certains fonds de capital-risque renommés, s'appuyant sur la chaîne haute performance de Solana pour réaliser la vérification et le transfert des données.
L'anonymat actuel de l'équipe reste controversé, et les progrès en matière de traitement décentralisé 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 noyau 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 de différentes localisations géographiques, ce qui est très utile pour l'entraînement de modèles d'IA nécessitant des données diversifiées et représentatives sur le plan géographique.
Problèmes résolus : Le web scraping traditionnel est généralement effectué par des systèmes centralisés, ce qui entraîne une faible efficacité et des erreurs ou des biais fréquents. 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 multi-régionale 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 des utilisateurs : les utilisateurs n'ont besoin que de trois étapes pour commencer : visiter le site officiel de Grass, installer l'extension/application, 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 les avantages de Grass sont : le coût bas de récupération des données dans un réseau décentralisé, une diversité de données plus riche ; les utilisateurs gagnent des récompenses en contribuant leur 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 : le début de la construction du produit au début de 2023 marque l'entrée du projet dans la phase de développement réel.
Financement de la ronde de semences : En 2023, Grass a complété un financement de 3,5 millions de dollars lors de la ronde de semences, dirigé par une institution de capital-risque renommée, pour un total de 4,5 millions de dollars (, y compris la ronde de pré-semences dirigée par une certaine société d'investissement ).
Tests utilisateurs : fin 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 annonce plus de 2 millions de dispositifs de nœuds connectés, en forte croissance. Selon les données de DePIN Scan, à la date de mars 2025, son nombre d'utilisateurs actifs a dépassé 2,5 millions.
Airdrop initial : Annonce du premier airdrop le 21 octobre 2024, distribution de 100 millions de tokens GRASS (, 10 % de l'offre totale ), récompense pour les utilisateurs précoces.
Échange en ligne : Mise en ligne sur un certain échange le 28 octobre 2024, le prix a augmenté de $0,6 à $3,89 en 10 jours, augmentant de manière constante d'environ 5 fois.
État actuel : le projet continue de s'étendre, la deuxième phase des incitations à la mise en veille des utilisateurs est en cours ; un lancement d'applications mobiles Android et iPhone est prévu pour accroître l'échelle du réseau et l'engagement des utilisateurs.
2.3 État de l'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. Il possède une maîtrise en mathématiques et statistiques de l'Université de York et 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 IA, avec une expérience dans les domaines concernés. Cependant, les informations spécifiques sur les membres n'ont pas été largement divulguées, seule l'identité de Radonjic a été révélée.
Selon des informations publiques, Wynd Labs a été fondée en 2022, et son produit phare est Grass.
Le contexte de l'équipe montre une expertise dans les domaines de la blockchain et de l'IA, mais un manque de transparence de l'information pourrait affecter la confiance des investisseurs et des utilisateurs. L'expérience de Radonjic apporte de la crédibilité au projet, mais l'anonymat des autres membres pourrait soulever 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 une célèbre institution de capital-risque. Selon des données publiques, le financement total après la série de semences a atteint 450 000 $, y compris le tour précédent de semence dirigé par une société d'investissement.
Financement de la série A : Financement de la série A terminé en septembre 2024, dirigé par une célèbre institution de capital-risque, avec la participation de plusieurs institutions d'investissement renommées, le montant n'a pas été divulgué.
Support des investisseurs : Plusieurs institutions de capital-risque renommées sont des investisseurs bien connus dans l'industrie. Obtenir leur soutien montre également la reconnaissance du projet dans le secteur.
Partenaire
Plateforme blockchain : construite sur le réseau Solana, le projet utilise la haute performance et l'évolutivité de Solana.
Actuellement, aucune collaboration spécifique avec des entreprises d'IA ou d'autres projets n'a été mentionnée, mais l'écosystème du réseau Solana pourrait offrir des opportunités de collaboration futures.
3. Analyse technique du projet
Grass essaie de redistribuer la valeur des données des grandes entreprises technologiques aux utilisateurs ordinaires.
Le réseau de nœuds, l'innovation dans le traitement ZKP et le livre de données dans l'architecture technique de Grass forment un flux de travail en boucle fermée, décentralisant toute la chaîne, de la collecte à la validation et à la livraison, soutenant ainsi efficacement sa vision décentralisée.
Cependant, il reste à résoudre les opérations centralisées actuelles, et il faut suivre si la mise en œuvre technique peut se dérouler sans heurts.
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.
16 J'aime
Récompense
16
5
Partager
Commentaire
0/400
RektDetective
· Il y a 18h
zk-SNARKs est trop cool
Voir l'originalRépondre0
All-InQueen
· Il y a 18h
Pas de seuil d'entrée pour participer ? Ah, est-ce qu'il y a des jetons à gagner ?
Voir l'originalRépondre0
DarkPoolWatcher
· Il y a 18h
Que peut-on faire avec ça...
Voir l'originalRépondre0
CryptoTherapist
· Il y a 18h
déballons les couches psychologiques ici... l'approche zéro barrière de grass est un sommet de thérapie de marché pour le traumatisme de l'adoption de masse
Grass : La fusion disruptive entre DePIN et les données AI
Rapport d'étude approfondie sur Grass : Banque de données AI dans l'industrie DePIN
Points clés
Grass assure l'authenticité des données grâce à la preuve à connaissance nulle et à l'architecture Solana Layer2, résolvant le problème des "données corrompues" dans l'industrie de l'IA ; en même temps, il transforme 2,5 millions d'utilisateurs en nœuds de données grâce au modèle "minage de bande passante → incitations par points", formant un avantage du côté de l'offre.
Avec la croissance de la demande de données AI, la popularité de Solana et de DePIN, ainsi que des stratégies opérationnelles raisonnables, Grass est devenu le projet leader des DePIN de données AI.
Court terme : la transformation décentralisée sera-t-elle réussie en 2025 ?
Moyen terme : Taille des données d'achat des entreprises d'IA ;
Long terme : règles sur la confidentialité des données et la propriété.
Le principal risque actuel réside dans le "carnaval des tokens masquant le vide de la demande" - si les commandes des clients de l'IA ne parviennent pas à se développer dans le futur, le cycle commercial parfait pourrait se dégrader d'un cycle positif "données-capital" en une bulle du côté de l'offre.
1. Contexte de l'industrie
Lorsque la démocratisation de la puissance de calcul de DePIN rencontre le dilemme des données de l'IA, un mouvement pour l'égalité des données éclate discrètement.
DePIN intègre les ressources inutilisées mondiales grâce à une économie de jetons (, puissance de calcul, stockage, bande passante ), et construit un réseau d'infrastructure distribué ; en même temps, l'industrie de l'IA fait face à une pénurie structurelle de données, à des monopoles de géants, à des controverses sur la vie privée 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 en essence un double jeu entre l'efficacité d'acquisition des données et la conformité éthique, et DePIN offre une solution technique optimale.
La disruption de Grass réside dans la réalisation de cette fusion.
1.1 DePIN: Reconfiguration des infrastructures au niveau mondial
DePIN( est un réseau d'infrastructure physique décentralisée) qui intègre des ressources physiques mondiales décentralisées( telles que la puissance de calcul, le stockage, la bande passante, l'énergie, etc.) grâce à la technologie blockchain, un nouveau modèle économique.
La logique centrale réside dans le fait de : inciter la contribution de ressources inutilisées par le biais de jetons, construire un réseau d'infrastructure décentralisé, remplaçant le modèle coûteux et peu efficace des prestataires de services centralisés traditionnels.
Comparé au modèle centralisé, la transformation décentralisée des infrastructures physiques présente de plus grands avantages en termes de structure de coûts, de modes de gouvernance, de résilience du réseau et d'expansion écologique.
Selon la définition de Messari, DePIN couvre deux grandes catégories d'infrastructures physiques ( telles que les réseaux sans fil et les réseaux énergétiques ) ainsi que les réseaux de ressources numériques ( tels que le stockage et le calcul ), et réalise l'appariement de l'offre et de la demande ainsi que les mécanismes d'incitation grâce à la technologie blockchain.
Infrastructure physique : représentée par un projet de réseau sans fil décentralisé, construction d'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.
Selon les données de Messari, d'ici 2024, le nombre d'appareils DePIN dans le monde a dépassé 13 millions, avec une taille de marché atteignant 50 milliards de dollars, mais le taux de pénétration est inférieur à 0,1 %. Au cours des dix prochaines années, une croissance de 100 à 1000 fois est prévue.
En 2024, la capitalisation boursière du secteur DePIN atteindra 50 milliards de dollars, couvrant plus de 350 projets, avec un taux de croissance annuel de plus de 35 %.
Le 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 pour la puissance de calcul et les données ), 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 pétrole de la nouvelle ère"
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).
La performance 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 la performance des modèles d'IA.
Taille et caractéristiques de la demande de données
Saut de niveau : par exemple, pour GPT-4, la formation 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 diversification en temps réel des données ;
Coût proportionnel : 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 à la commercialisation ;
Différenciation des scénarios : la conduite autonome nécessite des données de capteurs de haute précision, l'IA médicale dépend de bases de données de cas conformes à la vie privée, l'IA sociale dépend des données de comportement des utilisateurs.
Points de douleur traditionnels de l'approvisionnement en données
Barrières de données : les 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 ;
Îlots de données : les données sont souvent dispersées entre différentes institutions et entreprises, et le partage et la circulation des données font face à de nombreux obstacles, ce qui empêche une utilisation optimale des ressources de données.
Vie privée des données : La collecte de données implique souvent des litiges liés à la vie privée et aux droits d'auteur, comme la contestation des développeurs suite à un événement de facturation d'API d'un réseau social.
Circulation inefficace : l'isolement des données et l'absence de normalisation entraînent une collecte redondante, l'utilisation des données mondiales étant inférieure à 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 la rupture de DePIN
Collecte de données distribuées : capture de données publiques ( via un réseau de nœuds, telles que les médias sociaux, bases de données publiques ), réduisant le coût de la collecte de données et augmentant 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 pour contribuer aux données, augmentant ainsi la qualité et la diversité des données, et améliorant la capacité de généralisation des modèles d'IA.
Nettoyage et annotation décentralisés : collaboration communautaire pour le 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, les demandeurs achètent des ensembles de données structurées avec des tokens, formant un appariement direct de l'offre et de la demande.
Le projet Grass est situé à l'intersection de DePIN et de l'industrie des données AI, appliquant de manière innovante le concept de DePIN dans le domaine de la collecte de données AI, et a construit un réseau de collecte 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 allons analyser en profondeur les mécanismes spécifiques, les caractéristiques techniques, les cas d'application 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 capture de données décentralisé via l'architecture DePIN, fournissant des sources de données à haute performance et haute diversité pour l'entraînement AI. 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, le token a augmenté de plus de 5 fois en 10 jours lors de son lancement, validant ainsi sa logique commerciale.
Le projet a attiré des investissements de la part de certains fonds de capital-risque renommés, s'appuyant sur la chaîne haute performance de Solana pour réaliser la vérification et le transfert des données.
L'anonymat actuel de l'équipe reste controversé, et les progrès en matière de traitement décentralisé 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 noyau 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 de différentes localisations géographiques, ce qui est très utile pour l'entraînement de modèles d'IA nécessitant des données diversifiées et représentatives sur le plan géographique.
Problèmes résolus : Le web scraping traditionnel est généralement effectué par des systèmes centralisés, ce qui entraîne une faible efficacité et des erreurs ou des biais fréquents. 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 multi-régionale 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 des utilisateurs : les utilisateurs n'ont besoin que de trois étapes pour commencer : visiter le site officiel de Grass, installer l'extension/application, 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 les avantages de Grass sont : le coût bas de récupération des données dans un réseau décentralisé, une diversité de données plus riche ; les utilisateurs gagnent des récompenses en contribuant leur 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 : le début de la construction du produit au début de 2023 marque l'entrée du projet dans la phase de développement réel.
Financement de la ronde de semences : En 2023, Grass a complété un financement de 3,5 millions de dollars lors de la ronde de semences, dirigé par une institution de capital-risque renommée, pour un total de 4,5 millions de dollars (, y compris la ronde de pré-semences dirigée par une certaine société d'investissement ).
Tests utilisateurs : fin 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 annonce plus de 2 millions de dispositifs de nœuds connectés, en forte croissance. Selon les données de DePIN Scan, à la date de mars 2025, son nombre d'utilisateurs actifs a dépassé 2,5 millions.
Airdrop initial : Annonce du premier airdrop le 21 octobre 2024, distribution de 100 millions de tokens GRASS (, 10 % de l'offre totale ), récompense pour les utilisateurs précoces.
Échange en ligne : Mise en ligne sur un certain échange le 28 octobre 2024, le prix a augmenté de $0,6 à $3,89 en 10 jours, augmentant de manière constante d'environ 5 fois.
État actuel : le projet continue de s'étendre, la deuxième phase des incitations à la mise en veille des utilisateurs est en cours ; un lancement d'applications mobiles Android et iPhone est prévu pour accroître l'échelle du réseau et l'engagement des utilisateurs.
2.3 État de l'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. Il possède une maîtrise en mathématiques et statistiques de l'Université de York et 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 IA, avec une expérience dans les domaines concernés. Cependant, les informations spécifiques sur les membres n'ont pas été largement divulguées, seule l'identité de Radonjic a été révélée.
Selon des informations publiques, Wynd Labs a été fondée en 2022, et son produit phare est Grass.
Le contexte de l'équipe montre une expertise dans les domaines de la blockchain et de l'IA, mais un manque de transparence de l'information pourrait affecter la confiance des investisseurs et des utilisateurs. L'expérience de Radonjic apporte de la crédibilité au projet, mais l'anonymat des autres membres pourrait soulever 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 une célèbre institution de capital-risque. Selon des données publiques, le financement total après la série de semences a atteint 450 000 $, y compris le tour précédent de semence dirigé par une société d'investissement.
Financement de la série A : Financement de la série A terminé en septembre 2024, dirigé par une célèbre institution de capital-risque, avec la participation de plusieurs institutions d'investissement renommées, le montant n'a pas été divulgué.
Support des investisseurs : Plusieurs institutions de capital-risque renommées sont des investisseurs bien connus dans l'industrie. Obtenir leur soutien montre également la reconnaissance du projet dans le secteur.
Partenaire
Plateforme blockchain : construite sur le réseau Solana, le projet utilise la haute performance et l'évolutivité de Solana.
Actuellement, aucune collaboration spécifique avec des entreprises d'IA ou d'autres projets n'a été mentionnée, mais l'écosystème du réseau Solana pourrait offrir des opportunités de collaboration futures.
3. Analyse technique du projet
Grass essaie de redistribuer la valeur des données des grandes entreprises technologiques aux utilisateurs ordinaires.
Le réseau de nœuds, l'innovation dans le traitement ZKP et le livre de données dans l'architecture technique de Grass forment un flux de travail en boucle fermée, décentralisant toute la chaîne, de la collecte à la validation et à la livraison, soutenant ainsi efficacement sa vision décentralisée.
Cependant, il reste à résoudre les opérations centralisées actuelles, et il faut suivre si la mise en œuvre technique peut se dérouler sans heurts.
![GrassDepth étude de recherche :