9 ก.พ. 2024 | เลาไบ ABCDE

กว่าหนึ่งปีหลังจากการเปิดตัว ChatGPT การสนทนาเกี่ยวกับ AI+Crpyo ก็กลับมามีชีวิตชีวาอีกครั้งในตลาดเมื่อเร็ว ๆ นี้ AI ถือได้ว่าเป็นหนึ่งในเส้นทางที่สำคัญที่สุดในตลาดกระทิงในรอบ 24-25 ปี แม้แต่ Buterin เองก็ตีพิมพ์ " คำมั่นสัญญาและความท้าทายของแอปพลิเคชัน crypto + AI" (แนวโน้มและความท้าทายของแอปพลิเคชัน Crypto+AI) กล่าวถึงทิศทางการสำรวจที่เป็นไปได้ของ AI+Cryto ในอนาคต

บทความนี้จะไม่คาดการณ์เชิงอัตวิสัยมากเกินไป แต่เพียงจากมุมมองของตลาดหลัก เราจะสรุปสั้น ๆ เกี่ยวกับโครงการของผู้ประกอบการที่รวม AI และ Crypto ที่สังเกตได้ในปีที่ผ่านมาและดูจากมุมที่ผู้ประกอบการกำลังเข้าสู่ตลาด จนถึงขณะนี้มีความสำเร็จอะไรบ้าง และยังมีการสำรวจในด้านใดบ้าง

1. วงจรของ AI+Crypto

ตลอด 23 ปีที่ผ่านมา เราได้พูดคุยเกี่ยวกับโครงการ AI+Crypto หลายสิบโครงการ และสามารถมองเห็นวงจรที่ชัดเจนได้

ก่อนที่จะเปิดตัว ChatGPT ในปลายปี 2565 มีโครงการบล็อกเชนที่เกี่ยวข้องกับ AI ในตลาดรองน้อยมาก โครงการหลักที่ใครๆ ก็นึกถึงคือ FET, AGIX และโครงการที่จัดตั้งขึ้นอื่นๆ นอกจากนี้ยังมีไม่มากที่เกี่ยวข้องกับ AI โครงการในตลาดหลัก

มกราคมถึงพฤษภาคม ปี 2566 เรียกได้ว่าเป็นช่วงการระบาดกระจุกตัวครั้งแรกของโครงการ AI อย่างไรก็ตาม Chatgpt มีผลกระทบอย่างมากต่อผู้คน โครงการเก่า ๆ จำนวนมากในตลาดรองได้เปลี่ยนไปใช้เส้นทาง AI และ ตลาดหลักเกือบทุกสัปดาห์ ทุกคนสามารถพูดคุยเกี่ยวกับโครงการ AI+Crypto ได้ ในทำนองเดียวกัน โครงการ AI ในช่วงเวลานี้ให้ความรู้สึกค่อนข้างเรียบง่าย หลายโครงการเป็นโครงการ "copycat" + "การแก้ไขลูกโซ่" ที่อิงจาก ChatGPT แทบไม่มีอุปสรรคทางเทคนิคหลักๆ เลย ทีมพัฒนาภายในของเรามักจะใช้พื้นฐานโครงการหนึ่งโครงการ กรอบสามารถทำซ้ำได้ภายในเวลาเพียงหนึ่งหรือสองวัน สิ่งนี้ทำให้เราพูดถึงโครงการ AI มากมายในช่วงเวลานี้ แต่สุดท้ายก็ไม่ได้ทำอะไรเลย

ตลาดรองเริ่มลดลงตั้งแต่เดือนพฤษภาคมถึงตุลาคม สิ่งที่น่าสนใจคือจำนวนโครงการ AI ในตลาดหลักก็ลดลงอย่างรวดเร็วเช่นกันในช่วงเวลานี้ เพียงในช่วง 1-2 เดือนที่ผ่านมาเท่านั้นที่ตัวเลขกลับมาใช้งานได้อีกครั้ง เกี่ยวกับ AI+Crypto การอภิปราย บทความ ฯลฯ ในตลาดก็ได้รับการเสริมคุณค่าเช่นกัน เราได้เข้าสู่ "ฉากยิ่งใหญ่" อีกครั้งที่เราสามารถพบกับโปรเจ็กต์ AI ได้ทุกสัปดาห์ หลังจากผ่านไปครึ่งปี เห็นได้ชัดว่าโครงการ AI ชุดใหม่มีความเข้าใจที่ชัดเจนเกี่ยวกับเส้นทาง AI การใช้งานสถานการณ์ทางธุรกิจ และการรวมกันของ AI + Crypto ได้รับการปรับปรุงอย่างมีนัยสำคัญเมื่อเทียบกับ AI Hype ชุดแรก แม้ว่าอุปสรรคทางเทคนิคจะยังไม่รุนแรงแต่ความสมบูรณ์โดยรวมก็เข้าสู่ระดับที่สูงขึ้น มันเป็นเพียงในปีที่ 24 ของเราเท่านั้นที่ในที่สุดเราก็ได้เดิมพันครั้งแรกกับแทร็ก AI+Crpyto

2. ติดตาม AI + Crypto

Buterin ให้คำทำนายจากมิติและมุมมองที่ค่อนข้างเป็นนามธรรมหลายประการในบทความ Prospects and Challenges:

เราจะสรุปโครงการ AI เหล่านี้ที่เห็นในตลาดหลักในปัจจุบันจากมุมมองที่เฉพาะเจาะจงและตรงยิ่งขึ้น โครงการ AI+Crypto ส่วนใหญ่มีศูนย์กลางอยู่ที่แกนหลักของ Crypto ซึ่งก็คือ "การกระจายอำนาจทางเทคนิค (หรือการเมือง) + สินทรัพย์เชิงพาณิชย์"

ไม่มีอะไรจะพูดเกี่ยวกับการกระจายอำนาจ แล้ว Web3 ล่ะ... ตามหมวดหมู่ของสินทรัพย์ สามารถแบ่งคร่าวๆ ได้เป็นสามเส้นทางหลัก:

สินทรัพย์ของพลังการประมวลผล

นี่เป็นเส้นทางที่ค่อนข้างหนาแน่นเพราะนอกเหนือจากโปรเจ็กต์ใหม่ ๆ แล้ว ยังมี Pivot ของโปรเจ็กต์เก่า ๆ มากมาย เช่น Akash บน Cosmos และ Nosana บน Solana หลังจาก Pivot โทเค็นก็พุ่งสูงขึ้น สิ่งนี้สะท้อนถึงการมองโลกในแง่ดีของตลาดสำหรับ AI ​​track แม้ว่า RNDR จะเน้นไปที่การเรนเดอร์แบบกระจายอำนาจ แต่ก็สามารถให้บริการ AI ได้จริง ดังนั้น การจัดหมวดหมู่จำนวนมากยังจัดประเภทผลิตภัณฑ์ที่เกี่ยวข้องกับพลังการประมวลผลทั้งหมด เช่น RNDR ไว้ในแทร็ก AI

นี่เป็นเส้นทางที่ค่อนข้างหนาแน่นเพราะนอกเหนือจากโปรเจ็กต์ใหม่ ๆ แล้ว ยังมี Pivot ของโปรเจ็กต์เก่า ๆ มากมาย เช่น Akash บน Cosmos และ Nosana บน Solana หลังจาก Pivot โทเค็นก็พุ่งสูงขึ้น สิ่งนี้สะท้อนถึงการมองโลกในแง่ดีของตลาดสำหรับ AI ​​track แม้ว่า RNDR จะเน้นไปที่การเรนเดอร์แบบกระจายอำนาจ แต่ก็สามารถให้บริการ AI ได้จริง ดังนั้น การจัดหมวดหมู่จำนวนมากยังจัดประเภทผลิตภัณฑ์ที่เกี่ยวข้องกับพลังการประมวลผลทั้งหมด เช่น RNDR ไว้ในแทร็ก AI

การแบ่งทรัพย์สินของพลังการประมวลผลสามารถแบ่งย่อยเพิ่มเติมได้เป็น 2 ทิศทางตามการใช้พลังการประมวลผล:

หนึ่งคือ "พลังการประมวลผลแบบกระจายอำนาจที่ใช้สำหรับการฝึกอบรม AI" ที่แสดงโดย Gensyn;

หนึ่งคือ "พลังการประมวลผลแบบกระจายอำนาจที่ใช้สำหรับการใช้เหตุผลของ AI" ซึ่งแสดงโดย Pivot และโครงการใหม่ส่วนใหญ่

ปรากฏการณ์ที่น่าสนใจมากสามารถเห็นได้บนเส้นทางนี้ หรืออาจกล่าวได้ว่าห่วงโซ่การดูถูกไม่ได้มองโลกในแง่ดี:

AI แบบดั้งเดิม → การให้เหตุผลแบบกระจายอำนาจ → การฝึกอบรมแบบกระจายอำนาจ

เหตุผลส่วนใหญ่เป็นเรื่องทางเทคนิค เนื่องจากการฝึกอบรม AI (โดยเฉพาะ AI โมเดลขนาดใหญ่) เกี่ยวข้องกับข้อมูลจำนวนมหาศาล และสิ่งที่เกินจริงมากกว่าข้อกำหนดด้านข้อมูลก็คือข้อกำหนดแบนด์วิดท์ที่เกิดจากการสื่อสารความเร็วสูงของข้อมูลเหล่านี้ ในสภาพแวดล้อมโมเดลขนาดใหญ่ของ Transformer ปัจจุบัน การฝึกอบรมโมเดลขนาดใหญ่เหล่านี้ต้องใช้กราฟิกการ์ดระดับไฮเอนด์ระดับ 4090 จำนวนมาก/กราฟิกการ์ด AI ระดับมืออาชีพ H100 ที่ซื้อเมทริกซ์พลังการประมวลผล + ช่องทางการสื่อสารระดับ 100G ซึ่งประกอบด้วย NVLink และสวิตช์ไฟเบอร์ออปติกระดับมืออาชีพ คุณบอกว่าสิ่งนี้สามารถนำไปใช้ในลักษณะกระจายอำนาจได้ อืม...

การใช้เหตุผลของ AI ต้องการพลังการประมวลผลและแบนด์วิดท์การสื่อสารน้อยกว่าการฝึกอบรมของ AI ความเป็นไปได้ของการกระจายอำนาจนั้นยิ่งใหญ่กว่าการฝึกอบรมเป็นอย่างมาก ด้วยเหตุนี้ โครงการที่เกี่ยวข้องกับพลังการประมวลผลส่วนใหญ่จึงมีส่วนร่วมในการให้เหตุผล และโดยพื้นฐานแล้วการฝึกอบรมเป็นเพียง Gensyn เท่านั้น ผู้เล่นรายใหญ่อย่าง Together ที่ระดมทุนได้มากกว่า 100 ล้านหยวน แต่จากมุมมองของประสิทธิภาพด้านต้นทุนและความน่าเชื่อถืออย่างเท่าเทียมกัน อย่างน้อยในขั้นตอนนี้ พลังการประมวลผลแบบรวมศูนย์ยังดีกว่าการใช้เหตุผลแบบกระจายอำนาจมาก

ไม่ใช่เรื่องยากที่จะอธิบายว่าทำไมเมื่อพิจารณาถึงการให้เหตุผลแบบกระจายอำนาจและการฝึกอบรมแบบกระจายอำนาจ พวกเขาคิดว่า “คุณไม่สามารถทำได้เลย” ในขณะที่ AI แบบดั้งเดิมจะพิจารณาที่การฝึกอบรมและการให้เหตุผลแบบกระจายอำนาจ และคิดว่า “การฝึกอบรมนั้นไม่สมจริงในทางเทคนิค” และ “การให้เหตุผล ไม่น่าเชื่อถือในเชิงพาณิชย์” สเปกตรัม"

บางคนบอกว่าเมื่อ BTC/ETH ออกมาครั้งแรก ทุกคนยังบอกด้วยว่าโมเดลของโหนดแบบกระจายทั้งหมดที่นับไม่น่าเชื่อถือเมื่อเปรียบเทียบกับการประมวลผลแบบคลาวด์ แต่ท้ายที่สุดแล้วมันไม่ได้ผลใช่ไหม จากนั้นจะขึ้นอยู่กับความต้องการในอนาคตของการฝึกอบรม AI และการใช้เหตุผลของ AI สำหรับมิติของความถูกต้อง การไม่เปลี่ยนแปลง และความซ้ำซ้อน เพียงแค่มุ่งเน้นไปที่ประสิทธิภาพ ความน่าเชื่อถือ และราคา ไม่สามารถดีไปกว่าการรวมศูนย์ได้ในขณะนี้

สินทรัพย์ของแบบจำลอง

นี่เป็นเส้นทางที่โปรเจ็กต์มารวมตัวกัน และเป็นเส้นทางที่เข้าใจง่ายกว่าการใช้ตัวพิมพ์ใหญ่ของพลังการประมวลผล เพราะหนึ่งในแอปพลิเคชันที่โด่งดังที่สุดหลังจาก ChatGPT ได้รับความนิยมคือ Character.AI คุณสามารถปรึกษากับปราชญ์เช่นโสกราตีสและขงจื๊อ พูดคุยกับคนดัง เช่น Musk และ Ultraman Sam และยังตกหลุมรักไอดอลเสมือนเช่น Hatsune Miku และ Raiden General ทั้งหมดนี้คือเสน่ห์ของโมเดลภาษาขนาดใหญ่ แนวคิดของ AI Agent หยั่งรากลึกในหัวใจของผู้คนผ่าน Character.AI

จะเกิดอะไรขึ้นหากตัวแทน เช่น Confucius, Musk และ Thunder General ล้วนเป็น NFT ทั้งสิ้น

นี่ไม่ใช่ AI X Crypto ใช่ไหม !

นี่ไม่ใช่ AI X Crypto ใช่ไหม !

ดังนั้น การ Assetization ของ Model จึงไม่มากเท่ากับ Assetization ของ Agent ที่สร้างขึ้นจาก Model ใหญ่ ท้ายที่สุดแล้ว Model ขนาดใหญ่เองก็ไม่สามารถวางบน Chain ได้ แต่จะเกี่ยวกับการแมป Agent บน Model เข้าไปมากกว่า NFT เพื่อสร้าง AI "การกำหนดสินทรัพย์" ที่ "เหมือนโมเดล"

ตอนนี้มีตัวแทนในแวดวงที่สามารถสอนให้คุณเรียนภาษาอังกฤษได้และยังมีตัวแทนที่สามารถตกหลุมรักคุณได้มีตัวแทนทุกประเภททั้งการค้นหาตัวแทนและโครงการอนุพันธ์เช่น Market Place

ปัญหาทั่วไปในเส้นทางนี้คือไม่มีอุปสรรคทางเทคนิค โดยพื้นฐานแล้ว มันคือ NFTization ของ Character.AI ผู้เชี่ยวชาญด้านเทคนิคของเราที่ In-House ใช้เครื่องมือและเฟรมเวิร์กโอเพ่นซอร์สที่มีอยู่เพื่อสร้างเครื่องจักรที่พูดเหมือน BMAN และเสียงเหมือน ในคืนเดียว ตัวแทน BMAN ประการที่สอง ระดับของการบูรณาการกับบล็อกเชนนั้นเบามาก เหมือนกับ Gamefi NFT บน ETH โดยพื้นฐานแล้ว ข้อมูลเมตาอาจเป็นเพียง URL หรือแฮช โมเดล/เอเจนต์อยู่บนเซิร์ฟเวอร์คลาวด์ และธุรกรรมบนลูกโซ่ เป็นเพียงเรื่องของความเป็นเจ้าของเท่านั้น

การกำหนดสินทรัพย์ของโมเดล/ตัวแทนจะยังคงเป็นหนึ่งในเส้นทางที่สำคัญที่สุดสำหรับ AI Appear

การใช้อักษรตัวพิมพ์ใหญ่ของข้อมูล

การใช้อักษรตัวพิมพ์ใหญ่ของข้อมูลเหมาะสมที่สุดสำหรับ AI+Crypto เนื่องจากการฝึกอบรม AI แบบดั้งเดิมส่วนใหญ่สามารถใช้ข้อมูลที่มองเห็นได้บนอินเทอร์เน็ตเท่านั้น หรือให้แม่นยำยิ่งขึ้น - ข้อมูลการรับส่งข้อมูลที่เป็นสาธารณสมบัติ ซึ่งอาจคิดเป็นสัดส่วนน้อยกว่า 10-20% และมีข้อมูลมากกว่า จริงๆ แล้วอยู่ในการรับส่งข้อมูลโดเมนส่วนตัว (รวมถึงข้อมูลส่วนบุคคล) หากข้อมูลการรับส่งข้อมูลเหล่านี้สามารถนำมาใช้ในการฝึกอบรมหรือปรับแต่งโมเดลขนาดใหญ่ได้เราก็สามารถใช้ข้อมูลเหล่านี้ในสาขาแนวตั้งต่างๆ ได้อย่างแน่นอน มี Agent/Bot ที่เป็นมืออาชีพมากขึ้น

สโลแกนที่ Web3 ดีที่สุดคืออะไร อ่าน เขียน เป็นเจ้าของ!

จากนั้นผ่าน AI+Crypto ภายใต้การแนะนำของสิ่งจูงใจแบบกระจายอำนาจ ดูเหมือนเป็นแนวทางที่สมเหตุสมผลมากในการปล่อยข้อมูลของกระแสส่วนบุคคลและเห็นแก่ตัว ใช้ประโยชน์จากมัน และจัดหา "ปันส่วน" ที่ดีขึ้นและสมบูรณ์ยิ่งขึ้นสำหรับโมเดลขนาดใหญ่ มีหลายทีมจริงๆ ทำงานอย่างเข้มข้นในสาขานี้

อย่างไรก็ตาม ปัญหาที่ใหญ่ที่สุดในเส้นทางนี้คือข้อมูลนั้นยากต่อการสร้างมาตรฐาน เช่น พลังการประมวลผล พลังการประมวลผลแบบกระจายอำนาจ โมเดลของกราฟิกการ์ดของคุณสามารถแปลงเป็นพลังการประมวลผลได้โดยตรง แต่ปริมาณ คุณภาพ การใช้งาน และมิติอื่นๆ ของข้อมูลส่วนตัวนั้นวัดได้ยาก หากพลังการประมวลผลแบบกระจายอำนาจคือ ERC20 พลังการประมวลผลแบบกระจายอำนาจ ของข้อมูลการฝึก AI ก็เหมือนกับ ERC721 นิดหน่อย และยังคงเป็นโปรเจ็กต์ของ PunkAzuki ที่มีหลาย Traits ปะปนกัน ความยากของสภาพคล่องและตลาดไม่ได้ยากกว่า ERC20 เลยแม้แต่น้อย ดังนั้น ในปัจจุบันการทำโปรเจ็กต์ AI Data Capitalization จึง ยากนิดหน่อยที่จะก้าวไปข้างหน้า

อีกสิ่งหนึ่งที่ควรกล่าวถึงในแทร็กข้อมูลคือการกระจายอำนาจคำอธิบายประกอบ การใช้ตัวพิมพ์ใหญ่ของข้อมูลใช้ในขั้นตอน "การรวบรวมข้อมูล" และข้อมูลที่รวบรวมจะต้องได้รับการประมวลผลก่อนที่จะส่งไปยัง AI นี่คือจุดประสงค์ของขั้นตอนคำอธิบายประกอบข้อมูล ขั้นตอนนี้ส่วนใหญ่เป็นแรงงานเข้มข้นแบบรวมศูนย์ ใช้รางวัลโทเค็นแบบกระจายอำนาจเพื่อทำให้งานแรงงานมีการกระจายอำนาจ ติดป้ายกำกับเป็น Earn หรือกระจายงานในลักษณะเดียวกันกับแพลตฟอร์มการระดมทุน ก็เป็นแนวคิดเช่นกัน เราได้เห็นทีมจำนวนไม่มากที่ทำงานในด้านนี้อยู่ในปัจจุบัน

3. ชิ้นส่วนปริศนาที่หายไปของ AI+Crypto

มาพูดคุยสั้น ๆ เกี่ยวกับชิ้นส่วนปริศนาที่หายไปจากมุมมองของเรา

ประการหนึ่งคืออุปสรรคทางเทคนิค ดังที่ได้กล่าวไว้ก่อนหน้านี้ โครงการ AI+Crypto ส่วนใหญ่แทบไม่มีอุปสรรคใดๆ เลยเมื่อเทียบกับโครงการ AI แบบดั้งเดิมใน Web2 พวกเขาพึ่งพาโมเดลทางเศรษฐกิจและสิ่งจูงใจโทเค็นมากขึ้นเพื่อทุ่มเทความพยายามให้กับประสบการณ์ส่วนหน้า ตลาด และการดำเนินงาน แน่นอนว่าสิ่งนี้ เป็นที่เข้าใจได้ว่าการกระจายอำนาจและการกระจายมูลค่าเป็นจุดแข็งของ Web3 อย่างไรก็ตาม การขาดอุปสรรคหลักจะนำไปสู่ความรู้สึกฉับไวใน X to Earn อย่างหลีกเลี่ยงไม่ได้ ฉันยังคงหวังว่าจะมีทีมอื่นๆ เช่น RNDR ซึ่งเป็นบริษัทแม่ของ OTOY พร้อมด้วยเทคโนโลยีหลักเพื่อแสดงความสามารถของพวกเขาใน Crypto

ประการที่สองคือสถานการณ์ปัจจุบันของผู้ปฏิบัติงาน เท่าที่สังเกตมา ทีมผู้ประกอบการบางทีมในเส้นทาง AI X Crypto รู้จัก AI เป็นอย่างดี แต่ไม่มีความเข้าใจอย่างลึกซึ้งเกี่ยวกับ Web3 บางทีมเป็น Crypto Native มาก แต่มีความสำเร็จที่จำกัดในด้าน AI สิ่งนี้คล้ายกับแทร็ก Gamefi ในยุคแรก ๆ มาก ไม่ว่าพวกเขาจะรู้จักเกมดีและคิดเกี่ยวกับการปรับเปลี่ยนห่วงโซ่เกม Web2 หรือพวกเขารู้จัก Web3 ดีและคิดถึงนวัตกรรมและการเพิ่มประสิทธิภาพของโมเดลการทำฟาร์มทองคำต่างๆ Matr1x เป็นทีมแรกที่เราพบกันในเส้นทาง Gamefi ที่มีความเข้าใจเกมและ Crypto สองเท่า นี่คือเหตุผลที่ฉันเขียนไว้ก่อนหน้านั้น Matr1x เป็นหนึ่งในสามโครงการที่ฉัน "ตัดสินใจทันทีที่เราพูดคุยกัน เกี่ยวกับเรื่องนี้" ในอีก 23 ปีข้างหน้า เรากำลังรอคอย คุณจะเห็นทีมที่เข้าใจ double A ในด้าน AI และ Crypto ในปี 2024

ประการที่สามคือฉากธุรกิจ AI การรวมกันของ AI และ Crypto ในโครงการต่าง ๆ ที่เห็นในตลาดในปัจจุบันค่อนข้าง "เข้มงวด" หรือ "หยาบ" และไม่ได้ดึงความสามารถในการแข่งขันหรือองค์ประกอบของ AI หรือ Crypto ที่เหมาะสมออกมา สิ่งนี้ยังไม่สอดคล้องกับประเด็นที่สองที่กล่าวถึงข้างต้นอย่างใกล้ชิด ที่เกี่ยวข้อง. ตัวอย่างเช่น ทีม R&D ภายในของเราได้คิดและออกแบบวิธีการผสมผสานที่ดีขึ้น น่าเสียดาย หลังจากดูโครงการต่างๆ บนเส้นทาง AI มากมายแล้ว เรายังไม่เห็นทีมใดเข้าสู่กลุ่มนี้เลย เราจึงทำได้แค่ดำเนินการต่อ ที่จะรอ

คุณถามอะไรว่าทำไมเราซึ่งเป็น VC ถึงนึกถึงสถานการณ์บางอย่างก่อนผู้ประกอบการในตลาด? เนื่องจากมีผู้เก่งๆ 7 คนในทีม In House AI ของเรา โดย 5 คนในนั้นมีพื้นฐานปริญญาเอกด้าน AI สำหรับความเข้าใจของทีม ABCDE เกี่ยวกับ Crypto คุณรู้ไหม...

สิ่งสุดท้ายที่ฉันอยากจะพูดก็คือ แม้ว่า AI x Crypto จะยังเร็วมากและยังไม่บรรลุนิติภาวะจากมุมมองของตลาดหลัก แต่ก็ไม่ได้ขัดขวางเราจากการมองโลกในแง่ดีว่า AI เป็นหนึ่งในเส้นทางหลัก ท้ายที่สุดแล้ว AI ปลดปล่อยประสิทธิภาพการผลิต และ blockchain ปลดปล่อยความสัมพันธ์ด้านการผลิต มีวิธีใดที่ดีกว่าในการรวมทั้งสองเข้าด้วยกัน :)

เกี่ยวกับ ABCDE

ABCDE เป็น VC ที่มุ่งเน้นการลงทุนชั้นนำใน Crypto Builders ชั้นนำ ก่อตั้งโดยผู้ร่วมก่อตั้ง Huobi Du Jun ซึ่งทำงานในอุตสาหกรรม Crypto มามากกว่า 10 ปี และ BMAN อดีตผู้ประกอบการด้านอินเทอร์เน็ตและ Crypto ผู้ร่วมก่อตั้ง ABCDE ได้สร้างบริษัทมูลค่าหลายพันล้านดอลลาร์ในอุตสาหกรรม Crypto ตั้งแต่เริ่มต้น เพราะเราเป็นผู้ประกอบการ เราจึงเข้าใจผู้ประกอบการดีขึ้น เราได้สร้างระบบนิเวศแบบครบวงจรสำหรับ Builder ของ ABCDE เช่น บริษัทจดทะเบียน (1611.HK), การแลกเปลี่ยน (Huobi), บริษัท SAAS (ChainUP), สื่อ (CoinTime.com) และแพลตฟอร์มสำหรับนักพัฒนา (BeWater.xyz)

ทวิตเตอร์: https://twitter.com/ABCDLabs

เว็บไซต์: www.ABCDE.com

ทวิตเตอร์： https://twitter.com/ABCDLabs

เว็บไซต์：www.ABCDE.com