Tirsdag ble tre store AI-modeller utgitt, inkludert Genie, GPT-OSS og Opus-4.1, og i dag ble GPT5 utgitt, og bølgen av AI-innovasjon er bølge etter bølge. Selv om det etter teknologimedieevalueringen generelt antas at ytelsen til GPT5 ikke har nådd nivået av AGI, hovedsakelig for å forbedre riktigheten av å gjøre opp for manglene ved Vibe Coding-funksjonen og løse komplekse matematiske og fysiske problemer. Men optimismen til finansmarkedet og AI-bransjen om «AGI-øyeblikket» har ikke blitt påvirket mye. Basert på den nåværende teknologiske fremgangen innen skaleringslov, agentisk læring og forsterkende læring, samt synspunktene til industrilederne Musk og Dario Amodei, vil superintelligens dukke opp i 2026~2027. Finansmarkedet vil hype opp før AGI-øyeblikket kommer, så vi må se etter mål knyttet til det på forhånd og gripe inn på venstresiden for å gripe 🫴 denne nye generasjonens investeringsmuligheter. I lys av det faktum at integrasjonsreisen mellom det amerikanske aksjemarkedet og kryptomarkedet er i gang, i stedet for å vente på at AGI-relaterte mål skal gå gjennom ulike tungvinte Tradfi-børsnoteringsprosedyrer for å åpne seg for sekundærmarkedsaktører, er det bedre å se direkte etter AGI-relaterte deltakende mål i kryptomarkedet. Under forutsetningen om at det eksisterende treningsparadigmet for AI-store modeller forblir uendret, kan vi finne det beste målet fra de fire dimensjonene data, stor modell, datakraft og AGI Agent. –-data Data er det grunnleggende materialet for AI-trening av store modeller, og grunnen til at GPT3.5 kan oppnå et gjennombrudd i ytelsen til store orakelmodeller er introduksjonen av et stort antall Reddit- og X Twitter-korpus. I dag begrenser problemer som uttømming av menneskegenerert databeholdning, AIGC-forurensning og toksisitetstilbakemeldingssløyfer, og forbehandling og håndtering av private data fra bedrifter/enkeltpersoner fremveksten av AGI. Derfor, fra et dataperspektiv, sammenlignet med Chainbase og Ocean Protocol, som spesialiserer seg på å tilby tilleggsopplæringskorpus på kjededata, er Sahara AI, som bruker tokenomics for å stimulere til høykvalitets, flerdimensjonale, strukturerte korpusproduksjonssamarbeidsnettverk, det beste målet. –-Stor modell For tiden er store modeller ikke bare når det gjelder volumytelse, men også i volumbrukstilfeller og brukskostnader. For eksempel er GPT-OSS, utgitt av OpenAI før GPT5, en billig og brukervennlig åpen kildekode stor modell. I AGI-modellsegmentet har Artificial Superintelligence Alliance ($FET) og Bittensor ($TAO) en dyp teknisk arv og merkevarehistorie, men førstnevntes prosjektdrift har en "pensjonert" gammelmannssmak, og Bittensor ($TAO) er et bedre valg. I tillegg, selv om de banebrytende prosjektene ennå ikke har nådd TGE-stadiet, fortjener de vår store oppmerksomhet. Alternative primærmarkedsprosjekter med høy verdsettelse inkluderer SentientAGI, som er forpliktet til å bygge en AGI-forretningsøkonomi, Nous Research og Prime Intellect, som spesialiserer seg på desentralisert AI-opplæring. –-Hashrate Datakraft er oljen i AI-æraen, og den som kontrollerer kraften til datakraftdistribusjon vil ha prismakten, som har blitt en markedskonsensus. Den underliggende logikken til desentraliserte GPU-nettverk (GPU DePIN) er at AI-eksplosjonen er → ekstremt knapp datakraft→ og sentralisert cloud computing-monopolprising → DePIN er en uunngåelig trend For tiden er de viktigste valgfrie standardene for GPU DePIN: Dette er fordi Aethir for det første har sin egen storskala GPU-datakraft, for det andre har Aethir datakraftstøttefunksjoner på bedriftsnivå, og til slutt har Aethir bygget et velstående og diversifisert økosystem for applikasjonslag, inkludert AI Agent, Web3-spill og RWA-protokoller. Dessuten har @AethirCloud i det stille oppnådd en ARR på 156 millioner dollar. Hva er konseptet med dette tallet? Mer enn 99 % av kryptoprosjektene tjener ikke dette beløpet 🤯 gjennom hele livet –-AGI-agent AI Agent-rammeverk Virtual og AI16Z, som har blitt nye myntutskytningsramper, og AI Agents som er spam X etter publiseringsroboter har blitt eliminert av tiden, og nye AI Agent-paradigmer som er mer egnet for AGI-intelligens dukker opp, for eksempel Agent Social-nettverket som @ChainOpera_AI @Infinit_Labs utforsker. Det nye AI Agent-paradigmet forfølger ekte brukervennlighet, som kan oppnå reell kostnadsreduksjon og effektivitetsøkning og generere økonomisk verdi på områder som produktutvikling, økonomiske transaksjoner og skriving av innhold i selvmedier. For øyeblikket er det ingen TGE for disse to prosjektene, og den som går til TGE først vil bli konfigurert først Over.