1/ Thread su quello che penso sia uno dei progetti più sottovalutati nel mercato: $FLOCK 🧵 >> @flock_io è diventato il primo e unico AI decentralizzato integrato da @Alibaba_Qwen, il LLM di Alibaba (il GPT di OpenAI, il Claude di Anthropic). Questa non è una partnership vuota, come se Flock stesse semplicemente utilizzando Alibaba Cloud o integrando i modelli Qwen. Invece, Qwen sta costruendo modelli e addestrando sulla infrastruttura di Flock per un AI decentralizzato e incentrato sulla privacy. Alcuni dettagli: >> La versione 2.5 on-edge di Qwen è in fase di addestramento con Flock e sarà venduta direttamente a casi d'uso industriali, come ospedali, istituzioni finanziarie e altri settori dove la privacy dei dati è di massima importanza. Con le loro stesse parole: "Questo segna il primo dispiegamento di un modello di agente AI decentralizzato all'interno di un importante ecosistema AI centralizzato".

2/ È già abbastanza grande, ma c'è di più. @base MCP ha sostituito la parte onchain di Claude di Anthropic con il Modello della Fondazione Web3 di FLock. "Si prevedeva che Claude fosse il motore di esecuzione predefinito. Tuttavia, a marzo, Base ha scelto FLock come modello predefinito per l'esecuzione degli agenti onchain, dopo che FLock ha superato Claude in vari benchmark Web3."

3/ Ma cos'è FLock? FLock è un'infrastruttura full-stack per un'IA orientata alla privacy. Hanno pionierato l'Apprendimento Federato (FL) su larga scala — un metodo di addestramento decentralizzato in cui i modelli apprendono collaborativamente senza condividere dati grezzi. I settori da interrompere sono quelli in cui la privacy è fondamentale (ad es. sanità, governo, banche, studi legali, ecc). La tesi centrale di FLock: i dati pubblici sono già stati estratti. Il prossimo salto nell'IA verrà dai dati privati. Il protocollo copre l'intero stack, dalla preparazione dei dati al deployment del modello, su tre livelli: + AI Arena = come Bittensor, per l'addestramento e la competizione di modelli aperti + FL Alliance = come Nous Research, per il fine-tuning + Moonbase = come Virtuals, per agenti e modelli di IA @Defi0xJeff ha scritto un fantastico articolo su FLock, coprendolo in modo estensivo. Controllalo qui:

5/ I numeri parlano da soli • 7.169 modelli di AI creati • 186 nodi di trading • 249 validatori • 1.263 validatori • 613.692 invii di validazione @MessariCrypto ha coperto Flock in dettaglio qui (i numeri sono aumentati da allora mostrando una crescita costante):

8/ Hanno raccolto 9 milioni di dollari da @DCGco e @OKX_Ventures, che hanno raddoppiato l'investimento a dicembre '24 (sempre un buon segno), e da @GSR_io (anche il loro Market Maker). Come puoi vedere, questi investitori non si limitano a scrivere assegni. GSR sta addestrando modelli decentralizzati con dati di trading, e DCG supporta il subnet ed è un validatore ufficiale. Un altro validatore Flock che si distingue è A41, il più grande validatore della Corea per totale di asset staked. Hanno anche ricevuto una sovvenzione dalla Ethereum Foundation.

10/ I VC hanno investito a 150 milioni di dollari e 300 milioni di FDV e sono bloccati per 12 mesi di cliff + 24 mesi di vesting, così come il team e i consulenti. Nessuna preoccupazione riguardo alla pressione di vendita da parte di questi. L'offerta circolante aumenterà considerevolmente tramite inflazione per incentivare la partecipazione nell'ecosistema. Qualcosa da tenere in considerazione. Fortunatamente, il subnet guadagna ricompense in $TAO che spero utilizzino per evitare l'inflazione di $FLOCK.

12/ Il team ha recentemente accennato di star preparando qualcosa con il team McLaren F1. Questo è il livello a cui stanno giocando. Non tutti entrano in quelle strutture. Non mi sorprenderebbe, data la natura competitiva della Formula 1, vedere collaborazioni di questo tipo per modelli di intelligenza artificiale orientati alla privacy.

13/ Altri: • Flock è anche evidenziato tra le prime 100 aziende di AI più promettenti da @CBinsights, insieme a titani come @Figure_robot, @LangChainAI e altre startup web2. • Il team ha scritto un articolo premiato sull'applicazione dell'apprendimento federato nella sanità. (articolo: • Hanno un sacco di altri articoli accademici e citazioni:

14/ Questa è la mia panoramica per ora. La tesi è semplice: • Prima integrazione di un sistema AI decentralizzato da un LLM web2 — Qwen di Alibaba, utilizzando direttamente Flock per addestrare e costruire modelli • Integrato in Base MCP per l'esecuzione onchain • Raccolti 9 milioni di dollari da DCG, OKX, GSR • Numeri che segnalano alti livelli di adozione, con attori come GSR, Animoca o Dimo che addestrano modelli • Tecnologia sottostante solida (apprendimento federato) con una buona narrativa e visione (AI incentrata sulla privacy), e una piattaforma di co-creazione full-stack con accumulo di valore per il token • Potenziale partnership con McLaren • Sottorete Bittensor supportata da Yuma Group e DCG • Solo 20 milioni di dollari di capitalizzazione di mercato con un rapporto di staking / locking in costante aumento • Elencato in exchange di livello 1 come Bybit, Upbit e Bithumb, con una grande penetrazione nel mercato coreano