玩币族移动版

玩币族首页 > 区块链资产 >

深扒Aidatify:假VC「投资」1750万美元的野鸡AI项目

行情不好的时候,妖魔鬼怪就来了。



昨晚看到有同行发了这么一个新闻,直接把我整迷糊了:融这么多钱的 AI 项目,怎么之前听都没听过?


打开官推一看,嚯,我关注的人里也谁都没关注。一个项目如果是这种情况,我一般就不会再往下看了。在加密世界里,要是一个 Gem 只有你一人发现,往往不代表你慧眼识珠,而说明这是个别人不想沾的诈骗盘。



「缝合怪」项目


本着对同行负责的原则,我决定继续看下去。同行说 Aidatify 是一个全链 AI 聚合器,望文生义的话,会觉得它是不是整合了多个区块链上的 AI 服务和资源?


按照这个项目的官方介绍,它其实是一个 DEX 数据聚合器,产品功能上应该类似于 DefiLlama。之所以能和 AI 扯上关系,是因为 Aidatify 声称拥有先进的 AI 技术,可以每天处理 500 TB 的数据和 300 万个智能合约地址。



500 TB 是什么概念呢?假如一张照片大小是 2MB,它一天要处理 2.5 亿张照片;假设一部 4K 电影大小为 50GB,它一天要处理 1 万部 4K 电影。简单来说,只有互联网大厂才能处理这种规模的数据,一个融了不到 2000 万美元的项目这么说实在有些夸张。


在白皮书中,Aidatify 还强调它能通过机器学习和深度学习算法,为用户推荐高收益、低风险的 DeFi 产品。但具体用什么算法做到这一点,却是只字未提。



可能觉得光有一个「AI」的 Buff 还不够,Aidatify 又叠了一个「无损再质押挖矿」的 Buff。可以说,今年的叙事热点都被它缝合全了。



不知道其他人看到这句话会有什么感受,反正我看到「无损」二字只有一阵心慌,毕竟鄙人进币圈亏的第一笔钱就是在 Luna 稳定币上。当一个项目说自己提供的收益产品没有风险,那么这个项目本身就是最大的风险。


可疑的融资和野鸡领投方


我们再回到 Aidatify 公布的这轮 1750 万美元 A 轮融资上。这笔钱着实不是个小数目,尤其 VC 现在普遍手头紧,一个没有背景的团队一下子融这么多钱怎么看都很假。


首先,Aidatify 公布的融资信息与其代币经济模型之间存在明显的不一致。Aidatify 宣布以 1.5 亿美元的估值完成了 1750 万美元的 A 轮融资。然而,根据其代币经济模型,AID 代币的完全稀释估值 (FDV) 仅为 100 万美元(1 亿代币 * $0.01 每枚)。投资者投入了 1750 万美元,但根据代币分配,分配给 VC 的代币价值仅为 10 万美元(1000 万 AID * $0.01 每枚)。



其次,领投方 SM Capital 也是一个野鸡 VC。根据官网描述,SM Capital 成立于 2011 年,是来自华尔街的投资团队,管理资产超过 20 亿美元。诡异的是,虽然官网列出这么多投资组合,但却搜不到任何 SM Capital 参投这些项目的新闻公告。BlockBeats 向一些上面出现的项目方求证后,他们一致反馈根本不认识这个 VC。


SM Capital 官网列出的投资组合


翻了一下 SM Capital 的官推,虽然显示 2011 年 11 月注册,但最早一条推特仅发布于上周。除了 Aidatify,没一个项目方关注。3840 名关注者中只有 8 名有蓝标认证,其他关注者都像是买的粉,刷着刷着就看不到了。



国人盘露出鸡脚


到这里,我已经非常笃定这条融资新闻就是一个野鸡项目联合野鸡 VC 骗韭菜用的,而且还是个国人盘。


为什么是国人盘?别看白皮书里介绍团队清一水都是毕业于各个名牌大学的外国人,但官网和宣传片的小细节直接露出了鸡脚。


首先,官网的语言选项除了英文,就是中文。一般的国外项目方可做不到这么贴心。



更离谱的是,官方放出来的两条宣传片,虽然是英文配音,但字幕只有中文一种,连英文字幕都没了。所以这视频很难说不是量身定做拍给国人看的。整个英文配音,再塞一些 AI 和区块链的名词术语,都是为了让韭菜看不懂。只有看不懂,才好骗嘛!



总结


Aidatify 这条融资新闻不仅让很多币圈同行媒体着了道,连著名的创投数据库网站 PitchBook 也在阴沟里翻船。


在 PitchBook 网站上,Aidatify 这笔融资被归到另一个 SM Capital 名下。根据 PitchBook 网站介绍,这个 SM Capital 是一家成立于 2021 年,总部位于圣马力诺的欧洲 VC,之前投资过金融科技公司 Stripe、Qomodo,甚至还有马斯克的 SpaceX。不知道 Aidatify 见到它和这些顶级公司并列,会不会自己也是一阵错愕?



这里也提醒一下广大读者,不要盲目依赖单一来源的信息,一定要进行多方交叉验证,确保信息的准确性,避免上当受骗。


知识: AI