0G Labs Raih Pendanaan Awal $35 Juta untuk Membangun Blockchain AI Modular!

0G Labs Raih Pendanaan Awal $35 Juta untuk Membangun Blockchain AI Modular!

Jakarta, Pintu News – Perusahaan infrastruktur Web3, 0G Labs, telah berhasil mengumpulkan dana awal sebesar $35 juta dalam putaran pendanaan pra-awal. Pendanaan ini diikuti oleh lebih dari 40 institusi crypto-native, termasuk Hack VC dan Blockchain Builders Fund.

Dana tersebut akan digunakan untuk membangun visi 0G Labs dalam menciptakan solusi berbasis blockchain tumpukan penuh untuk melatih, menyebarkan, dan menjalankan model kecerdasan buatan. Salah satu keunggulan utama platformnya adalah kecepatan dibandingkan solusi canggih saat ini seperti jaringan kontrak pintar Ethereum. Simak berita lengkapnya berikut ini!

Pendanaan Awal yang Besar untuk Perusahaan Web3 dan AI

pendanaan 0g labs
Sumber: 0g Labs

Pendanaan awal sebesar $35 juta ini merupakan salah satu pendanaan awal terbesar untuk perusahaan yang bergerak di persimpangan Web3 dan kecerdasan buatan (AI).

Sebagai perbandingan, OpenAI, perusahaan di balik ChatGPT dan Dall-E, mengumpulkan $120.000 dalam putaran pra-awal pada tanggal 22 Agustus 2016. Sejak saat itu, OpenAI telah memanfaatkan keberhasilan teknologi AI generatifnya hingga mencapai valuasi saat ini sekitar $80 miliar per Februari 2024.

Baca Juga: Cardano Luncurkan Partner Chains: Inovasi yang Bisa Mengubah Wajah Blockchain!

Membangun Blockchain AI Modular

0G Labs sedang membangun blockchain AI modular yang bertujuan untuk mengurangi kendala aplikasi AI on-chain dalam ekosistem Web3, seperti kecepatan dan efisiensi biaya. Pesaing mereka termasuk Celestia dan EigenLayer, yang juga fokus pada modularitas.

Modularitas memungkinkan pengembang untuk memilih komponen yang akan mereka gunakan untuk membangun sistem atau aplikasi blockchain. Seperti menyesuaikan pesanan di restoran, pengembang akan dapat mengonfigurasi komponen agar sesuai dengan kebutuhan mereka.

Tujuan 0G Labs adalah untuk memungkinkan blockchain apa pun menjadi berkinerja dan murah seperti aplikasi Web2. Keuntungan dari pendekatan modularitas ini adalah memungkinkan interoperabilitas yang lancar antara blockchain, sambil memastikan keamanan, menghilangkan fragmentasi, dan memaksimalkan konektivitas untuk meta-uni-verse yang ringan dan terbuka.

Baca Juga: ArcBlock ($ABT): Platform Pengembangan DApp dan Blockchain yang Sederhana

Tim yang Berpengalaman dan Berbakat

Di balik 0G Labs terdapat tim yang sangat berpengalaman dan berbakat. Mereka berasal dari berbagai latar belakang, termasuk Microsoft, Bain, dan Bridgewater Associates, serta institusi akademis terkemuka seperti Harvard Business School dan Stanford. Keahlian mereka yang beragam meliputi medali emas Olimpiade dalam Informatika dan penghargaan makalah ilmu komputer teratas.

Tim ini telah menciptakan solusi yang jauh lebih unggul dari pesaingnya, beroperasi pada kecepatan yang jauh lebih cepat. Ketika memproses data pada 50 gigabita per detik sambil menekan biaya hingga 100 kali lipat dibandingkan pesaing, 0G Labs tidak hanya bermain dalam permainan, tetapi juga mengubahnya.

Kinerja semacam ini tidak hanya luar biasa, tetapi juga inovatif, menjadikan 0G Labs sebagai solusi tepat bagi siapa pun yang ingin menjelajahi dunia jaringan AI yang didukung crypto tingkat tinggi.

Kesimpulan

0G Labs telah berhasil mengumpulkan dana awal sebesar $35 juta untuk membangun blockchain AI modular. Pendanaan ini diikuti oleh lebih dari 40 institusi crypto-native, termasuk Hack VC dan Blockchain Builders Fund. Dana tersebut akan digunakan untuk membangun visi 0G Labs dalam menciptakan solusi berbasis blockchain tumpukan penuh untuk melatih, menyebarkan, dan menjalankan model kecerdasan buatan.

Ikuti kami di Google News untuk mendapatkan berita-berita terbaru seputar crypto. Nyalakan notifikasi agar tidak ketinggalan beritanya.

*Disclaimer

Konten ini bertujuan memperkaya informasi pembaca. Selalu lakukan riset mandiri dan gunakan uang dingin sebelum berinvestasi. Segala aktivitas jual beli dan investasi aset crypto menjadi tanggung jawab pembaca.

Referensi