Sahara AI: Створення децентралізованої інфраструктури в сфері ШІ

Один. Огляд проекту

Sahara AI є повностековою, AI-орієнтованою децентралізованою блокчейн-платформою, що має на меті створення відкритої AI-колабораційної економіки, керованої глобальною спільнотою. Проект прагне забезпечити прозоре атрибуцію AI-активів, повний контроль над власністю та ефективні канали монетизації на ланцюгу, створюючи "Ефір для AI-сфери".

1. Історія розвитку проекту

• Початок 2023 року: запуск проекту, первісна ідея полягає в створенні ексклюзивних "інтелектуальних агентів" для експертів з різних галузей.
• Середина 2023 року: завершено фінансування на 6 мільйонів доларів на стадії seed, яке очолило Polychain Capital
• 2024 рік: досягнення співпраці з великими компаніями, такими як Microsoft, Amazon, отримання відповідних замовлень
• Серпень 2024 року: отримано 43 мільйони доларів США у рамках раунду фінансування серії A, головними інвесторами якого стали Pantera, Binance Labs та Polychain Capital.
• Червень 2025 року: AI Agent Builder та AI Marketplace вступають у стадію відкритого тестування

2. Основна команда

• Sean Ren(CEO): професор Каліфорнійського університету в Південній Каліфорнії, інноватор MIT TR35
• Тайлер Чжоу(COO): колишній директор з інвестицій Binance Labs
• Технічна команда: з Google Brain, Fetch.ai, Ocean Protocol та ін., має кілька патентів на розподілене машинне навчання

Два, Технічна архітектура та продуктова екосистема

1. Технічна архітектура

Sahara AI використовує гібридну архітектуру блокчейну, яка включає в себе рівень застосунків, рівень транзакцій, рівень даних та виконавчий рівень. Ключові метадані записуються в ланцюг, тоді як великі набори даних та AI моделі зберігаються поза ланцюгом. Проект розробляє власний L1 блокчейн Sahara Chain, який сумісний з EVM та оптимізований для обчислень, пов'язаних з AI.

! Звіт про глибоке дослідження Сахари: "Децентралізований Ethereum" у галузі штучного інтелекту

2. Екосистема продуктів

• Платформа даних ( DSP ): надає послуги краудсорсингового маркування даних
• Sahara Studio: універсальний набір для розробки AI
• AI біржа: платформа, що з'єднує постачальників даних, розробників моделей і користувачів
• Безпечне середовище виконання: забезпечує безпечне виконання чутливих даних поза ланцюгом та верифікацію на ланцюзі

Три, економічна модель токенів

$SAHARA є основним ціннісним медіатором, що керує всією екосистемою, загальна максимальна кількість постачання становить 10 мільярдів монет.

Розподіл токенів:

• Розвиток спільноти та екосистеми:64.25%
• Основні учасники:15%
• Ранні підтримувачі:19.75%
• Ліквідність та стабільність ринку:1%

$SAHARA був запущений у червні 2025 року на кількох основних біржах.

Чотири, ринкові перспективи та конкурентна ситуація

Очікується, що світовий ринок децентралізованого ШІ зросте з приблизно 2,5 мільярда доларів США у 2024 році до понад 80 мільярдів доларів США у 2030 році, з середньорічним темпом зростання понад 60%. Основні конкуренти Sahara AI включають Bittensor (TAO), Olas (OLAS) та Ritual, які мають різні технологічні шляхи та ринкові позиції.

П'ять, план розвитку

Короткостроковий (1-2 роки ): оптимізація основної технологічної архітектури, вдосконалення SaharaStudio, просування офіційного запуску AI AgentBuilder та AI Marketplace Середній термін ( 3-5 років ): досягнення прориву в технології міжланцюгової взаємодії, створення світової провідної децентралізованої екосистеми ШІ, розширення міжнародних ринків. Довгостроково(5 років): стати лідером у сфері децентралізації AI, сприяти поширенню та демократизації технологій AI.

Шість, інвестиційні рекомендації

Дайте інвестиційні поради щодо "обережного оптимізму, купівлі на спадах". Sahara AI є провідним проєктом у секторі DeAI, має великий довгостроковий потенціал, але в короткостроковій перспективі слід звернути увагу на можливий тиск на продаж від розблокування часток ранніх інвесторів і аеродропів. Рекомендується інвесторам з високим ризиком поступово накопичувати позиції під час корекції ринку; консервативним інвесторам варто дочекатися запуску основної мережі та верифікації екосистемних даних перед прийняттям рішення.