{« translated_text »: « {n « 1 »: «
Synthèse des points clés
\r\n
Neura est un écosystème d’agents intelligents décentralisé qui tente de combiner le Web3 avec l’intelligence artificielle émotionnelle. Son objectif central est de résoudre les défauts structurels actuels des produits d’IA en matière de continuité émotionnelle, d’appartenance des actifs et de liquidité inter-applications. En termes de feuille de route, Neura n’a pas choisi d’aborder le problème par le biais des protocoles de base, mais plutôt de démarrer par des produits grand public, pour ensuite évoluer vers une plateforme pour développeurs, et finalement vers un système de protocoles d’IA émotionnelle décentralisés. Cette stratégie « d’abord le produit, ensuite le protocole » est relativement rare parmi les projets actuels combinant IA et Crypto.
\r\n
En ce qui concerne l’équipe et les ressources, l’équipe de Neura possède une expérience assez complète dans la recherche en intelligence artificielle, les infrastructures blockchain et l’économie des créateurs. Il est à noter que le projet a recruté l’ancien vice-président de l’IA et de la recherche de Microsoft, Harry Shum, en tant que conseiller stratégique, ce qui renforce dans une certaine mesure sa crédibilité en matière de choix de feuille de route technique et de connexion avec les ressources industrielles, bien que l’impact réel doive encore être validé par la mise sur le marché des produits.
\r\n
Sur le plan de la structure produit, Neura a planifié un écosystème en trois étapes composé de Neura Social, du Neura AI SDK et du Neura Protocol. Le Neura Social, déjà lancé, constitue le point d’entrée frontal de l’ensemble du système. Son principal argument de vente est de permettre aux utilisateurs d’établir des relations durables avec des agents IA dotés de mémoire à long terme et de capacités de rétroaction émotionnelle. Plus loin, le Neura AI SDK tente d’ouvrir ces capacités émotionnelles aux développeurs tiers, tandis que le protocole sous-jacent est responsable de l’unification des actifs, de la mémoire et de la liquidité des agents, permettant aux utilisateurs de maintenir la continuité émotionnelle et des données à travers différents scénarios d’application.
\r\n
Il convient de souligner que, bien que Neura Social soit déjà utilisable, l’écosystème dans son ensemble en est encore à une phase précoce de validation du marché. Le SDK et le protocole décentralisé devraient être progressivement déployés à partir de 2026. À long terme, la vision d’une « économie d’IA émotionnelle » présente un double défi pour l’équipe : d’une part, savoir si les utilisateurs sont prêts à payer de manière continue pour des souvenirs et des relations émotionnelles, et d’autre part, comment effectuer la transition d’une application centralisée vers un système décentralisé gouverné par une DAO sans compromettre l’expérience utilisateur.
\r\n
En termes de conception du token, Neura a adopté une structure à double token. Le $NRA sert d’actif de gouvernance et de paiement universel au niveau de l’écosystème, tandis que le NAT est l’actif dédié à un agent IA individuel, lié à sa mémoire, ses relations et son activité économique. Ce modèle vise à atténuer le problème de la fragmentation de la liquidité des actifs d’IA entre différentes applications et à introduire une demande continue de tokens via un mécanisme de verrouillage de la mémoire. Cependant, la viabilité de cette boucle économique dépend encore de la validation par des scénarios d’utilisation réels et des données de rétention des utilisateurs.
\r\n
En observant le secteur, le marché actuel des tokens d’IA souffre généralement d’une utilité insuffisante et de formes de produits peu diversifiées, la plupart des projets restant au stade du concept ou étant poussés par le sentiment du marché. En comparaison, Neura tente de se différencier en se positionnant autour de la « continuité émotionnelle » et de la « composabilité des actifs », et en explorant, via la combinaison d’infrastructures de paiement et de l’économie des créateurs, une voie d’application plus proche de l’économie réelle. Si cette direction s’avère viable, son cycle de vie pourrait être plus long que celui des projets d’IA purement utilitaires ou narratifs.
\r\n
Dans l’ensemble, Neura en est encore à un stade précoce, mais sa stratégie de priorité au produit et de décentralisation progressive, ainsi que sa tentative systématique de modéliser une économie d’IA émotionnelle, lui confèrent une valeur de suivi et d’analyse continue.
\r\n
1. Contexte de développement et problèmes sectoriels
\r\n
1.1 Introduction : La convergence de l’IA, de l’économie des créateurs et du marché crypto
\r\n
L’intelligence artificielle, l’économie des créateurs et le marché crypto sont en train de remodeler respectivement les systèmes de production technologique, de distribution de contenu et de règlement de la valeur, mais leur fusion en est encore à un stade très fragmenté. Selon les données publiques, le marché mondial de l’IA a dépassé 1 500 milliards de dollars en 2024 et continue de croître rapidement ; le marché de l’économie des créateurs a franchi la barre des 1 000 milliards de dollars ; et dans le domaine crypto, la seule capitalisation des tokens liés au récit des agents IA atteint déjà des centaines de milliards de dollars. Cependant, ces marchés restent cloisonnés au niveau des relations utilisateurs, de l’appartenance des données et de la capture de valeur, sans avoir encore formé de mécanisme de synergie durable.
\r\n
Dans ce contexte, la manière dont les capacités d’IA peuvent être utilisées de manière continue, comment elles peuvent former des relations utilisateurs durables, et comment la valeur qu’elles créent doit être distribuée au sein du réseau, deviennent progressivement des questions communes à ces trois domaines. Cela constitue également le contexte macroéconomique dans lequel Neura tente de s’insérer.
\r\n
1.2 Les contraintes structurelles de centralisation de l’industrie actuelle de l’IA
\r\n
Bien que l’IA générative ait stimulé une prospérité rapide au niveau applicatif, les ressources de calcul sous-jacentes, l’entraînement des modèles et les capacités d’inférence sont fortement concentrées entre les mains d’un petit nombre de grands fournisseurs de services cloud et de modèles. À l’heure actuelle, la plupart des développeurs s’appuient sur des API centralisées pour construire leurs produits, et cette dépendance structurelle entraîne de multiples contraintes.
\r\n
Premièrement, les problèmes de coût et de prévisibilité deviennent de plus en plus prononcés. Certains fournisseurs de services cloud, face à des fluctuations de la demande ou à des ajustements de stratégie commerciale, ont déjà connu des augmentations de prix significatives ou des limitations d’appels, rendant difficile pour les équipes en démarrage la planification d’une structure de coûts stable. Deuxièmement, les modèles dominants manquent de vérifiabilité en ce qui concerne les données d’entraînement, les décisions algorithmiques et le contrôle des biais, ce qui crée un obstacle à la confiance dans des scénarios d’application à haut risque comme la finance ou la santé. Enfin, l’architecture centralisée comporte naturellement des risques de censure ponctuelle et d’interruption de service ; si le service central est restreint, les applications et les utilisateurs qui en dépendent subiront un impact systémique.
\r\n
Ces problèmes ne sont pas des phénomènes temporaires, mais le résultat structurel de la tendance actuelle à la centralisation des infrastructures d’IA.
\r\n
1.3 Les premières explorations de l’« IA on-chain » et la fracture émotionnelle
\r\n
En réponse à cette impasse de centralisation, le domaine crypto a commencé à explorer la voie de l’« IA on-chain », formant rapidement un nouveau récit et une nouvelle classe d’actifs. Cependant, en termes de mise en œuvre réelle, la plupart des projets en sont encore au stade d’une combinaison lâche entre des capacités d’IA off-chain et des incitations par token on-chain. Le calcul central, les données et les flux de revenus de l’IA se produisent souvent toujours off-chain, la partie on-chain assumant davantage une fonction de trading spéculatif et émotionnel, ce qui empêche la valeur de se déposer dans le réseau.
\r\n
Plus crucial encore, que ce soit les assistants d’IA Web2 ou les agents d’IA on-chain, ils manquent généralement de mémoire à long terme et de continuité émotionnelle. Les interactions des utilisateurs sont souvent ponctuelles, le contexte étant perdu à la fin de la session, ce qui limite directement la profondeur des relations utilisateurs et la capacité de rétention. En comparaison, certaines applications d’IA émotionnelle, en renforçant la mémoire et les interactions multi-tours, montrent une rétention des utilisateurs significativement plus élevée. Cet écart révèle une lacune systémique des produits d’IA actuels au niveau de l’intelligence émotionnelle.
\r\n
Sous cet angle, la capacité émotionnelle et la question de l’appartenance des données constituent un défi à deux faces : sans continuité émotionnelle, l’IA a du mal à créer de la valeur à long terme ; sans mécanisme on-chain vérifiable, les données émotionnelles risquent de reproduire les modèles de centralisation et d’appropriation du Web2.
\r\n
1.4 Les problèmes clés que Neura résout
\r\n
L’émergence de Neura vise précisément à résoudre de manière systémique les problèmes sectoriels mentionnés ci-dessus. Grâce à l’innovation technologique et à la conception de modèles économiques, il offre au marché une solution nouvelle et optimisée.
\r\n
\r\n
Source : Neura Whitepaper, Problèmes du marché et solutions de Neura »}
