Recherche approfondie sur Grass: Une nouvelle étoile brillante dans le domaine DePIN, le chemin d'expansion de la banque de données AI

Points clés TL; DR

Grass se démarque dans le domaine DePIN grâce à un double moteur "technologie + modèle" :

• Les preuves à divulgation nulle de connaissance et l'architecture Solana Layer2 garantissent l'authenticité des données, résolvant le problème des "données sales" dans l'industrie de l'IA.
• Le mode "minage par bande passante → incitation par points" a converti 2,5 millions d'utilisateurs en nœuds de données, créant un avantage du côté de l'offre.
• La demande de données AI explose, l'écosystème Solana et DePIN est en plein essor, et une stratégie opérationnelle appropriée aide à en faire un leader dans le domaine des données AI de type DePIN.

Points clés du développement futur de Grass :

• Court terme : mise en œuvre technique, la transition décentralisée en 2025 pourra-t-elle réussir
• Moyen terme : validation de la demande, échelle des données d'achat des entreprises AI
• Long terme : conformité au jeu, règles de confidentialité des données et de propriété

Le plus grand risque réside dans le "carnaval des tokens masquant un vide de demande" – si les commandes des clients AI ne parviennent pas à se développer, le volant commercial 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 silencieux pour l'égalité des données éclate.

DePIN intègre les ressources inutilisées mondiales ( en puissance de calcul, stockage, et bande passante ) à travers une économie de jetons, construisant ainsi 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'îlots, ce qui entraîne 80 % de la valeur des données non libérée.

La compétition future en IA est essentiellement un double jeu entre l'efficacité d'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 des deux.

1.1 DePIN : Repenser le paradigme mondial des infrastructures

DePIN( signifie Réseaux d'Infrastructure Physique Décentralisés, un nouveau modèle économique ) qui intègre des ressources physiques globales décentralisées ( telles que la puissance de calcul, le stockage, la bande passante, l'énergie, etc. ) grâce à la technologie blockchain.

La logique centrale réside dans le fait de : inciter la contribution de ressources inutilisées par des jetons, construire un réseau d'infrastructure décentralisé, remplaçant le modèle coûteux et inefficace des prestataires de services centralisés traditionnels.

Comparé au modèle centralisé, la transformation décentralisée des infrastructures physiques présente des avantages significatifs en termes de structure de coûts, de mode de gouvernance, de résilience du réseau et d'extensibilité de l'écosystème.

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 un appariement de l'offre et de la demande ainsi que des mécanismes d'incitation grâce à la technologie blockchain.

• Infrastructure physique : représentée par le réseau sans fil décentralisé Helium(, construit grâce au déploiement communautaire des dispositifs de points d'accès pour créer un réseau de communication à couverture mondiale ;

• Réseau de ressources numériques : comprend le stockage décentralisé Filecoin), le calcul distribué Aethir(, etc., en intégrant des ressources inutilisées pour former un modèle économique partagé.

Selon les données de Messari, 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 est inférieur à 0,1 %. Au cours des dix prochaines années, une croissance de 100 à 1000 fois est attendue.

En 2024, la capitalisation boursière totale du secteur DePIN atteindra 50 milliards de dollars, englobant plus de 350 projets, avec un taux de croissance annuel supérieur à 35 %.

Le moteur central réside dans l'amélioration de l'efficacité des ressources ) comme l'utilisation de la bande passante inutilisée ( et l'explosion de la demande ) comme l'exigence en puissance de calcul et en données de l'IA ( et ses effets bilatéraux.

Bien sûr, l'évolutivité des réseaux décentralisés, la confidentialité des données et la validation de la sécurité restent des défis clés pour le développement de DePIN.

![GrassDepth étude : DePIN, une étoile brillante, une banque de données AI en expansion])https://img-cdn.gateio.im/webp-social/moments-53ff22e3333759cdc38081bea3e4148f.webp(

) 1.2 Demande de données IA : 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 ### comme GPT ( et de réseaux de neurones 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.

Taille et caractéristiques de la demande de 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 que les données soient mises à jour et diversifiées en temps réel;

• 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 clé pour la commercialisation.

• Différenciation des scénarios : la conduite autonome nécessite des données de capteurs de haute précision, l'IA médicale dépend d'une base de données de cas conforme à la vie privée, l'IA sociale repose sur des données de comportement des utilisateurs.

Points de douleur de l'approvisionnement en données traditionnelles :

• Barrières de données : les grandes entreprises/acteurs principaux contrôlent une large gamme de sources de données, les petits et moyens développeurs font face à des seuils d'entrée élevés et à des prix injustes ;

• Îlots de données : les données sont souvent dispersées entre différentes institutions et entreprises, 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 implique souvent des litiges sur la vie privée et les droits d'auteur ;

• Circulation inefficace : l'isolement des données et l'absence de normalisation entraînent une collecte répétée, avec un taux d'utilisation des données mondiales inférieur à 20 % ;

• Interruption de la chaîne de valeur : les contributeurs individuels créant des données ne peuvent pas profiter de l'utilisation ultérieure des données.

Le chemin de rupture de DePIN :

• Collecte de données distribuée : collecte de données publiques via un réseau de nœuds ) tel que les réseaux sociaux, bases de données publiques (, réduisant les coûts de collecte de données et améliorant 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 : collaboration communautaire pour le prétraitement des données, combinée à la preuve à divulgation nulle de connaissance )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 entre l'offre et la demande.

Le projet Grass se situe à l'intersection de DePIN et de l'industrie des données AI, appliquant de manière innovante le concept DePIN dans le domaine de la collecte de données AI, et construisant un réseau de collecte de données décentralisé, visant à fournir une source de données plus économique, plus efficace et plus fiable pour l'entraînement des modèles AI.

Dans les chapitres suivants, nous analyserons en profondeur les mécanismes spécifiques, les caractéristiques techniques, les cas d'application et les perspectives de développement futur du projet Grass.

![Grass Depth Rapport d'étude : DePIN, une étoile brillante, une banque de données AI en expansion])https://img-cdn.gateio.im/webp-social/moments-5a5dc433d77affb341f2409a4573ace1.webp(

2. Informations de base sur le projet

Grass construit un réseau de collecte de données décentralisé grâce à l'architecture DePIN, fournissant des sources de données à haute performance et haute 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 depuis son lancement, validant ainsi sa logique commerciale.

Le projet a reçu le soutien de capitaux de premier plan tels que Polychain et Hack VC, s'appuyant sur la chaîne haute performance 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'activité

Grass est un projet DePIN qui collecte et vérifie les données Internet à travers la bande passante inutilisée des appareils des utilisateurs, soutenant particulièrement le développement de l'intelligence artificielle (AI).

Son cœur est de permettre aux entreprises d'utiliser la connexion Internet des utilisateurs via le réseau d'agents résidentiels ###residential proxy network(, 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 géographiquement.

• Problèmes résolus : Le scraping traditionnel du web 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 de manière 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 d'habiliter les utilisateurs à contribuer à la couche de données et d'encourager la participation grâce à un mécanisme de récompense.

• Mode de participation des utilisateurs : Les utilisateurs n'ont besoin que de trois étapes pour commencer : visiter le site officiel de Grass, installer l'extension/client, se connecter et commencer à gagner des Grass Points. Cette 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 résident dans : le faible coût de capture des données dans un réseau décentralisé, une plus grande diversité des données ; les utilisateurs gagnent des récompenses en contribuant de la bande passante, réalisant ainsi le retour de la valeur des données ; l'utilisation de la technologie blockchain pour vérifier les données, garantissant ainsi la transparence et la fiabilité des données.

) 2.2 Développement

Phase de concept : 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 terminé un financement de 3,5 millions de dollars pour la ronde de semences, dirigé par Polychain Capital et Tribe Capital, totalisant 4,5 millions de dollars (, y compris ) dirigé par No Limit Holdings.

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 a annoncé plus de 2 millions d'appareils de nœuds connectés, en pleine croissance rapide. Selon les données de DePIN Scan, à la date de 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 ###, représentant 10 % de l'offre totale (, récompensant les utilisateurs précoces.

Échange en ligne : Lancement sur une plateforme d'échange le 28 octobre 2024, après 10 jours de cotation, le prix est passé de 0,6 $ à 3,89 $, augmentant progressivement d'environ 5 fois.

État actuel : le projet continue de s'étendre, la deuxième phase de l'incitation à l'engagement des utilisateurs est en cours ; il est prévu de lancer des applications mobiles Android et iPhone pour accroître l'échelle du réseau et la participation des utilisateurs.

![Grass Depth Rapport de recherche : DePIN, une étoile brillante, une banque de données AI en expansion])https://img-cdn.gateio.im/webp-social/moments-8593de2d2e4360b40bef787e7bb9844f.webp(

) 2.3 État de l'équipe

Selon les données de Rootdata, Grass a été développé par Wynd Labs, dont le fondateur est Andrej Radonjic, qui est le PDG de Wynd Labs, diplômé d'un master en mathématiques et statistiques de l'Université de York et d'un baccalauréat en physique appliquée de l'Université McMaster.

Les membres de l'équipe proviennent tous de Wynd Labs, se concentrant sur le développement de la technologie blockchain et de l'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 Tracxn, Wynd Labs a été fondée en 2022, et son produit phare est Grass.

( 2.4 Financement et partenaires importants

Investisseurs et soutien

Tour de semence : 350 millions de dollars américains de financement en tour de semence achevés en 2023, dirigés par Polychain Capital et Tribe Capital. Selon Rootdata, le financement total après le tour de semence atteint 450 millions de dollars américains, y compris le tour de pré-séance dirigé par No Limit Holdings.

Financement de la série A : le financement de la série A a été complété en septembre 2024, dirigé par HackVC, avec la participation de Polychain, Delphi, Lattice et Brevan Howard, le montant n'a pas été divulgué.

Soutien des investisseurs : HackVC, Polychain, Delphi, Lattice et Brevan Howard sont tous des investisseurs bien connus dans l'industrie. Obtenir leur soutien montre également la reconnaissance du projet dans l'industrie.

Partenaire

Plateforme blockchain : construite sur le réseau Solana, le projet tire parti de la haute performance et de l'évolutivité de Solana.

Actuellement, aucune collaboration spécifique avec des entreprises d'IA ou d'autres projets n'a été clairement mentionnée, mais l'écosystème du réseau Solana pourrait offrir des opportunités de collaboration à l'avenir.

![Grass Depth Rapport de recherche : DePIN, une étoile brillante, la banque de données AI en expansion])https://img-cdn.gateio.im/webp-social/moments-442ddae78916efb3c3998ddaa1e5a21b.webp###

3. Analyse technique du projet

Grass tente de redistribuer la valeur des données des grandes entreprises technologiques aux utilisateurs ordinaires.

Le réseau de nœuds dans l'architecture technique de Grass, l'innovation dans le traitement ZKP et le livre de données, forment un flux de travail en boucle fermée, décentralisant toute la chaîne de collecte, de validation à la livraison, soutenant ainsi efficacement sa vision décentralisée.

Cependant, l'opération centralisée actuelle doit résoudre si la mise en œuvre technique peut être équilibrée.