Des données sociales au cerveau AI : quel type de réseau AI Port3 Network va-t-il créer pour le monde Web3 ?

1. Introduction

Dans le monde du Web3, les données passent d'informations statiques à des actifs dynamiques. En particulier, les données de comportement social des utilisateurs deviennent les "minerais numériques" les plus précieux mais encore sous-exploités de l'ère de l'IA. Les données sociales générées à chaque instant contiennent une immense valeur qui n'a pas encore été pleinement exploitée.

Nous constatons que la réalité du Web3 est fragmentée : d'une part, nous avons été témoins d'une croissance explosive des protocoles verticaux tels que DeFi, NFT, GameFi, avec une grande quantité de données comportementales générées par les utilisateurs à la fois sur la chaîne et hors chaîne ; d'autre part, ces données sont éparpillées dans des DApps isolés, des enregistrements de transactions et des plateformes sociales, manquant d'intégration structurée, rendant difficile la construction d'une image unifiée et ne pouvant pas être réellement exploitées.

En même temps, l'essor de l'IA est en train de redéfinir rapidement l'ensemble du monde numérique. Des projets comme ChatGPT d'OpenAI, Claude d'Anthropic, ainsi que des projets basés sur Web3 comme Autonolas, Morphpad et Mind Network, ont tous proposé la vision "données appelables + intentions exécutables".

Dans ce contexte, une question se pose : si l'IA est l'avenir, qui construira la couche de données et la base de décision de Web3 ? Port3 Network a donné une réponse plutôt ultime :

Depuis la plateforme de tâches SoQuest initiale, jusqu'au moteur de notation de comportement social Rankit, en passant par le langage d'exécution d'intentions inter-chaînes OpenBQL, Port3 a construit une "infrastructure de données sociales" centrée sur le comportement des utilisateurs et adaptée aux modèles d'IA. Elle intègre non seulement les données on-chain et les comportements sociaux off-chain, mais aussi, grâce à la normalisation et à la reconnaissance d'intentions, transforme les données en "modèles d'action" que les agents peuvent comprendre, invoquer et exécuter.

En d'autres termes, Port3 n'est plus une plateforme ou un outil unique, mais a pris position de manière stratégique en tant que "cerveau de données Web3" avant que les récits sur la souveraineté des données, l'identité sur chaîne, et la finance sociale ne soient réellement intégrés.

2. Présentation du projet

Qu'est-ce que 2.1 Port3 ?

Port3 Network est un projet d'infrastructure de données sociales Web3 alimenté par l'IA, visant à construire une couche de données sociales inter-chaînes, programmable et appelable. En agrégeant les données de comportement des utilisateurs de Web2 et Web3, et en les traitant de manière standardisée grâce à un moteur d'IA, Port3 a créé un cycle complet allant de la collecte de données (SoQuest), à la notation structurée (Rankit), en passant par les requêtes intelligentes (OpenBQL) jusqu'à l'appel d'Agent (Ailliance.ai), devenant ainsi une installation clé pour l'assetisation du comportement en chaîne à l'ère de l'IA.

2.2 Aperçu du projet

2.2.1 Situation de financement

Février 2023 : Fin de la levée de fonds de 3 millions de dollars lors du tour de seed.

Août 2023 : Obtention d'un nouveau tour de financement de plusieurs millions de dollars.

Octobre 2023 : Obtention de soutien supplémentaire en matière d'investissement et de subventions.

2.2.2 État de l'équipe

Max D. : cofondateur, avec une expérience de travail chez Apple ; possède une vaste expérience en incubation de projets Web3 et en expansion d'écosystèmes.

Anthony Deng : co-fondateur, a travaillé dans le développement backend chez Tencent et Viabtc Technology Limited, avec de nombreuses années d'expérience en conception de systèmes à haute concurrence et en architecture distribuée.

3. La vision de Port3 : de "plateforme de tâches" à "couche de données sociales AI"

La matrice de produits de Port3 peut être résumée par une ligne directrice principale : "Le comportement est un actif, Port3 est responsable du cycle fermé de flux de données, de la collecte à la conversion."

3.1 Port3 infrastructures de base clés

3.1.1 Agrégation de données - SoQuest

SoQuest est la porte d'entrée des données centrale construite par le Port3 Network, une plateforme de capture des comportements des utilisateurs Web3 qui intègre la distribution de tâches, la validation des comportements, la croissance de la communauté et la collecte de données. C'est essentiellement un système de génération de données basé sur un mécanisme de déclenchement par des tâches, visant à collecter les comportements sociaux des utilisateurs, qui relie les interactions sur la chaîne et les chemins de comportement entre les plateformes sociales Web2.

SoQuest prend en charge les principales plateformes Web2 telles que Twitter, Telegram, Discord et est compatible avec les comportements d'interaction sur 19 chaînes, y compris EVM, Solana, Aptos, Sui, tels que les transactions, l'autorisation, le minting de NFT, formant l'un des systèmes de collecte de comportements les plus étendus dans le domaine du Web3.

À la mi-2025, le Port3 Network aura collecté des données dynamiques de plus de 6 millions d'utilisateurs et de 7 000 projets, couvrant plus de 10 millions d'utilisateurs de cryptomonnaies. Cela a généré un vaste enregistrement des comportements des utilisateurs et des événements d'interaction sociale sur la blockchain, construisant une base de données des comportements sociaux Web3 réelle, multidimensionnelle et à haute fréquence.

Pour améliorer l'évolutivité de la plateforme et la capacité de collecte de données, SoQuest a lancé le module QaaS(Quest-as-a-Service, permettant aux projets d'intégrer un système de tâches dans leur propre dApp ou application Mini Telegram. En 2025, une API de validation sera davantage ouverte, permettant d'implémenter la logique de validation sans modèle prédéfini, ce qui améliorera considérablement la standardisation et l'universalité du système de tâches.

3.1.2 Données de stockage - Couche de données sociales AI

Les données de comportement des utilisateurs capturées par SoQuest sont finalement intégrées au module central du Port3 Network - AI Social Data Layer, qui est une base de données comportementale structurée conçue spécifiquement pour les applications d'IA. C'est également l'infrastructure de base permettant à Port3 de réaliser "l'assetisation des comportements" et "la financiarisation de l'information (InfoFi)".

Contrairement à la conception traditionnelle des plateformes de données en chaîne qui vise à "interroger", la couche de données de Port3 se concentre sur : comment rendre les données utilisables par les modèles d'IA et soutenir l'inférence et l'interaction en chaîne exécutées automatiquement.

La couche de données sociales AI intègre des millions d'enregistrements d'interactions en chaîne et des données sur les comportements des tâches sociales, et se met à jour en temps réel via des modules d'application tels que SoQuest et Rankit, construisant ainsi un système de données sociales dynamiques en auto-croissance. C'est le centre cognitif du comportement de Port3, qui structure et sémantise des données comportementales complexes en chaîne et hors chaîne, fournissant aux agents un carburant de données "compréhensible, combinable et appelable".

3.1.3 Application de données - Rankit + OpenBQL + Ailliance.ai → Système AI Agent

Rankit : moteur d'analyse du comportement social alimenté par l'IA

Rankit est l'application phare des capacités de données sociales de Port3, qui représente l'"exécution visuelle" des capacités de données BQL au niveau de l'IA.

Les capacités et l'innovation des paradigmes de Rankit :

• Score de popularité sociale interplateformes : en intégrant des signaux sociaux de Twitter, Telegram, Discord, etc., identifier les tendances clés, les projets phares et les changements de sentiment dans le monde Web3.

• Reconnaissance sémantique et modélisation de notation : grâce à l'analyse des émotions par NLP et des grands modèles, les points de discussion, l'influence des KOL et le degré de confiance des utilisateurs sont transformés en indicateurs structurés, utilisés pour la gouvernance de la communauté, la gestion des risques de prêt, les transactions sur la chaîne, etc.

• Démonstration de mise en œuvre dans des scénarios verticaux : par exemple, le tout nouveau moteur de données écologiques USD1, qui relie les cartes thermiques, l'activité sociale et la dynamique on-chain pour suivre en temps réel les projets prometteurs sur BNB Chain, devenant ainsi une boussole intelligente pour les utilisateurs DeFi à la recherche d'Alpha.

Avec le soutien de Rankit, Port3 peut non seulement fournir des données, mais aussi des "données explicatives" - non seulement vous dire ce qui s'est passé, mais aussi vous dire ce que vous devez faire.

OpenBQL : un langage d'exécution on-chain basé sur l'intention

Si SoQuest est le point d'entrée des données, alors BQL (Blockchain Quest Language) est le cortex cérébral des données de Port3, le noyau sémantique et le moteur d'exécution de tous les processus de traitement, d'organisation et d'appel des données comportementales.

Le rôle et le mécanisme de BQL :

• Couche de langage universelle : BQL fournit une structure de requête conviviale pour le langage naturel, permettant aux développeurs ou aux agents d'utiliser des instructions similaires à "acheter un NFT sur la chaîne Aptos" pour effectuer des opérations réelles sur la chaîne, connectant les environnements multi-chaînes EVM, BTC et Solana.

• Couche d'exécution standardisée : traitement automatisé en un clic des opérations d'actifs sur la chaîne (comme le trading, le staking, l'ajout de liquidité), qui est le noyau clé de l'automatisation des comportements sur la chaîne.

• Extracteur de sémantique des données : Fournit un support de données structurées standard pour les modèles d'IA et les agents, permettant des mises à jour et des calculs de données haute fréquence nécessaires à la financiarisation de l'information (InfoFi).

Grâce à BQL, Port3 est en train de promouvoir un nouveau "protocole de langage naturel on-chain" dans le monde du Web3, permettant aux actions on-chain de passer du "niveau de code" au "niveau d'intention" - les machines ne se contentent pas d'exécuter les instructions que vous donnez, elles peuvent également comprendre vos intentions.

Capacité d'intégration de l'agent AI : Ailliance.ai

• Port3 est en train de construire une couche API d'agent universelle, permettant aux développeurs d'appeler directement les données structurées générées par Rankit/SoQuest/OpenBQL ou d'exécuter des instructions.

• Les applications incluent des assistants d'investissement automatisés, des robots interactifs, des assistants intelligents pour les jeux sur blockchain, couvrant divers scénarios tels que les décisions de trading, la publication de tâches, et l'exploitation des communautés.

Cet ensemble de structure de produits fait de Port3 la seule plateforme capable de "collecte → analyse → application → appel" tout au long du processus dans le domaine des données sociales Web3.

Son objectif final est de construire un réseau de protocole standard Web3 AI basé sur des données comportementales, permettant au modèle AI d comprendre, de reconnaître et d'opérer des actifs sur la chaîne.

3.2 La motte de Port3 : le volant de croissance apporté par l'accumulation des affaires

Port3 peut occuper une place de choix dans la narration AI Web3, non pas en raison de sa capacité de grand modèle avancée, mais parce qu'il a construit, au cours de l'accumulation des affaires, un actif de données de comportement social à haute valeur d'une profondeur et d'une ampleur exceptionnelles. Cet avantage en matière de données constitue une base unique pour les applications AI de Port3, la construction d'agents et l'entraînement de modèles :

3.2.1. Données de comportement on-chain et off-chain de niveau des millions

S'appuyant sur trois ans d'exploitation de la plateforme de missions SoQuest, Port3 a accumulé plus de 10 millions de niveaux de participation des utilisateurs, couvrant plusieurs dimensions telles que le comportement de mission, l'interaction avec les portefeuilles, les actifs en chaîne et le niveau de participation de la communauté. Ces données traversent Web2 et Web3, comme les publications sur Twitter, l'activité sur Discord, la rétention sur Telegram, les transactions en chaîne, le staking, et les positions détenues, formant une carte des comportements sociaux extrêmement dense. Dans le contexte actuel du modèle d'IA "les données comme carburant", ce type de données comportementales structurées et à haute fréquence est sans aucun doute la ressource d'entrée la plus précieuse pour construire un agent IA Web3.

3.2.2 Collaboration approfondie avec des milliers de projets, données mises à jour en temps réel en continu

Port3 n'est pas une plateforme axée sur un seul produit, mais a établi des partenariats avec plus de 7000 projets Web3, couvrant divers scénarios tels que l'émission d'airdrops, la conception de tâches, la gouvernance communautaire et les interactions sur la chaîne. Cette collaboration a non seulement apporté des comportements d'utilisateur réels, mais aussi garanti la diversité et la réactivité des sources de données. Grâce à des canaux de données co-construits avec les porteurs de projets, Port3 absorbe continuellement les dernières tendances écologiques et les tendances des utilisateurs, construisant ainsi un moteur de données en évolution dynamique, plutôt qu'un ensemble de captures d'écran statiques. Cette capacité de mise à jour des données fournit un "pool de matériel d'entraînement" en constante évolution pour les modèles d'IA.

3.2.3 Créer un ensemble de données dédié à l'entraînement des modèles d'IA, fournissant un soutien sémantique pour les agents sur la chaîne

Comparé aux données Web2 générales, l'identité en chaîne, les chemins d'interaction et le comportement des actifs des utilisateurs Web3 présentent une grande anonymité et une complexité structurelle, rendant difficile l'adaptation des modèles traditionnels. Port3, grâce au système de reconnaissance sémantique et d'étiquetage comportemental de Rankit, a justement ouvert la voie de mapping entre le comportement en chaîne et la sémantique du langage naturel. Par exemple : "Le portefeuille A participe à une airdrop dans le protocole B + tweet + participe à la gouvernance pour la deuxième fois", peut être modélisé en tant qu'étiquette sémantique "participant actif" ou "premier évangéliste", permettant ainsi à l'Agent AI de comprendre et d'engager ces groupes d'utilisateurs. C'est ce qui pousse le modèle AI en chaîne à passer de la "perception" à la "compréhension".