¿Qué tan grande es este mercado deportivo? Miles de millones de dólares cada año a nivel mundial, y la liga de fútbol americano NFL representa una gran parte de eso. Pero la mayor parte de este dinero es capturado por empresas tradicionales, con altos márgenes y reglas poco claras. Además, en muchas regiones, no es legal. El mercado de predicción en la cadena era originalmente una solución perfecta: descentralizado, reglas transparentes y de acceso global. Pero siempre ha habido un problema fatal: ¿de dónde vienen los datos?
12月29号@APRO Oracle anunció que los datos de la NFL están oficialmente en línea. Esta noticia no parece muy grande, pero es muy importante para el mercado de predicción en la cadena, porque significa que los desarrolladores finalmente tienen una fuente de datos deportivos confiable, verificable y casi en tiempo real, sin tener que depender de API centralizadas o pruebas manuales. La credibilidad del mercado de predicción y la experiencia del usuario pueden mejorar significativamente.
Investigando detenidamente cómo APRO maneja los datos deportivos, encontré que la implementación de esta tecnología es bastante interesante. La información sobre los resultados de los partidos de la NFL está dispersa en varios lugares. Los sitios web oficiales publican anuncios, medios deportivos como ESPN informan, y hay discusiones entre los fanáticos en redes sociales. Incluso en las transmisiones de video en vivo hay información. Los formatos de estas fuentes de datos son completamente diferentes; algunos son páginas web HTML, otros son documentos PDF, algunos son imágenes de video y otros son tweets.
Los oráculos tradicionales realmente no pueden manejar este tipo de escenarios complejos, porque solo pueden leer datos estructurados, números, formatos JSON fijos, etc. Se quedan atónitos cuando se encuentran con PDFs o videos. La capa de captura de IA de APRO está diseñada específicamente para esto, utilizando OCR para reconocer texto en imágenes y documentos, y NLP para entender el significado extrayendo información clave como los equipos participantes, el puntaje, el ganador y el tiempo del partido.
Lo más crítico es que APRO realiza validaciones cruzadas desde múltiples fuentes de datos, no solo mirando los anuncios en el sitio web oficial, sino también capturando simultáneamente información de ESPN, CBS Sports, Twitter y cuentas oficiales, e incluso de las transmisiones en vivo de YouTube. Luego, utilizan IA para analizar la información de estas diferentes fuentes. Si la mayoría de las fuentes muestran el mismo resultado, entonces esos datos son confiables. Si hay conflictos, el sistema marcará la información como necesita confirmación manual.
Este mecanismo de verificación de múltiples fuentes es muy importante, porque una única fuente de datos puede ser propensa a errores. El sitio web oficial puede ser hackeado, los medios pueden reportar errores, pero si hay cinco o seis fuentes de datos independientes que muestran el mismo resultado, la probabilidad de error es muy baja. Además, la capa de consenso de auditoría de APRO cuenta con múltiples nodos que re-validan usando diferentes modelos de IA. Solo cuando más de dos tercios de los nodos llegan a un consenso, los datos se incluirán en la cadena.
Desde la perspectiva de la temporalidad, APRO afirma que es casi en tiempo real. No se ha publicado un retraso específico, pero desde la arquitectura técnica, debería ser posible alcanzar niveles de minutos. Después de que termine un partido de la NFL, la entidad oficial publicará inmediatamente los resultados. Los crawlers de APRO recogerán la información de inmediato, el procesamiento de IA puede tardar uno o dos minutos, la verificación por múltiples nodos puede tardar otro minuto o dos, así que en total, los datos podrían estar en la cadena en aproximadamente cinco minutos. Esta velocidad es ya suficientemente rápida para un mercado de predicción.
Además, APRO no solo cubre la NFL, sino que también incluye baloncesto, fútbol, boxeo y bádminton. Aunque no se ha publicado la lista específica de ligas, desde la capacidad técnica, debería ser capaz de manejar eventos importantes como la NBA y la UEFA Champions League sin problemas, porque la capa de captura de IA es genérica; los diferentes deportes solo tienen diferentes fuentes de datos, pero la lógica de procesamiento es similar.
Lo que es aún más emocionante son los datos de esports. APRO mencionó en su promoción anterior que planean apoyar eventos de esports. Aunque no se lanzó oficialmente hasta el 31 de diciembre, el potencial en esta dirección es enorme. No necesito decir lo caliente que está actualmente el mercado de esports, con cientos de millones de espectadores en todo el mundo y premios que a menudo superan los millones de dólares. Además, el público de esports es joven y tiene una alta aceptación de las criptomonedas, lo que lo hace perfecto para el mercado de predicción en cadena.
El desafío de manejar datos de esports es en realidad más alto que el de los deportes tradicionales, porque los datos de los partidos de esports son más complejos. No solo se trata de quién gana o pierde, sino también del número de eliminaciones, la economía, la elección de equipamiento y el número de peleas en equipo. Además, los partidos de esports tienen un ritmo rápido, y pueden terminar en tan solo unos minutos, lo que exige una mayor inmediatez en la recolección y verificación de datos.
Pero la tecnología de mejora de IA de APRO es adecuada para este escenario. Pueden analizar directamente las imágenes de los videos de las transmisiones de juegos, utilizando visión por computadora para identificar datos dentro del juego. Por ejemplo, en un partido de LOL, se pueden extraer datos como el número de oro de un equipo, el equipamiento de los héroes y el número de eliminaciones desde la pantalla, y luego se valida cruzando con los datos de la API oficial para garantizar la precisión.
Además, los datos macroeconómicos son una dirección importante en los planes de APRO. Aunque aún no se han lanzado, el potencial es enorme. Datos de CPI, tasa de desempleo, crecimiento del PIB, decisiones de tasas de interés, estos indicadores macroeconómicos tienen un gran impacto en los mercados financieros. Si se pueden incluir estos datos de manera oportuna y precisa en la cadena, se podrían realizar muchas aplicaciones interesantes.
Por ejemplo, un mercado de predicción basado en el CPI, donde los usuarios pueden predecir si el CPI del próximo mes aumentará o disminuirá, o un protocolo DeFi de ajuste automático que decide la exposición al riesgo según los datos de la tasa de desempleo. Estas aplicaciones ya son bastante maduras en las finanzas tradicionales, pero no han podido desarrollarse en la cadena debido a la falta de fuentes de datos confiables.
El desafío de manejar datos macroeconómicos también es considerable, porque estos datos suelen ser publicados por entidades gubernamentales. El formato puede ser un informe en PDF, puede ser una hoja de cálculo de Excel, y en algunos países, se realizarán conferencias de prensa para anunciar verbalmente. La capa de captura de IA de APRO necesita manejar todos estos diferentes formatos de datos. OCR reconocerá el texto en PDFs, ASR convertirá el audio de conferencias de prensa a texto, y NLP extraerá los números clave, para luego estructurarlos y enviarlos a la cadena.
Desde la perspectiva de la estrategia de productos, la disposición de la matriz de datos de APRO es muy interesante. No simplemente proporcionan feeds de precios, sino que ofrecen un servicio de datos integral en torno al sector vertical de mercados de predicción: deportes, esports, economía macro, y en el futuro, probablemente también clima, elecciones y premios de entretenimiento. Básicamente, quieren proporcionar datos sobre todo lo que se pueda predecir.
La ventaja de este enfoque es que puede establecer un fuerte efecto de red. Una plataforma de mercado de predicción puede necesitar varios tipos de datos. Si APRO puede manejar todos los datos, definitivamente no buscarán integrar cinco o seis oráculos diferentes. Además, el modelo de suscripción de APRO permite a los desarrolladores elegir según sus necesidades, suscribiéndose solo a los datos que necesitan y descartando lo que no. Esta flexibilidad reduce la barrera de entrada.
Desde la perspectiva de la competencia, hay pocas proyectos de oráculos que se centran en datos de mercado de predicción. Chainlink y Pyth se enfocan principalmente en datos de precios. Aunque Chainlink también tiene algunos casos de datos deportivos, su escala no es grande y se logra principalmente a través de adaptadores externos, no como un producto central. Desde el principio, APRO ha centrado su atención en datos no financieros y utiliza tecnología de mejora de IA para manejarlos, lo que es una diferenciación clara.
He estado prestando especial atención a las discusiones en las redes sociales y he encontrado que la gente está bastante expectante por los datos deportivos de APRO. Algunos mencionaron que la transmisión de datos confiables es clave para la expansión de los mercados de predicción. Otros señalaron que el desarrollo impulsado por la utilidad tranquila de APRO contrasta con el hype del mercado. Este comentario es bastante acertado, porque APRO efectivamente mantiene un perfil bajo, a diferencia de algunos proyectos que están constantemente haciendo marketing.
Pero el bajo perfil no significa que no haya progreso. Desde el 26 hasta el 30 de diciembre, lanzaron OaaS en tres cadenas de forma continua. Esta capacidad de ejecución es bastante fuerte, y además, participaron en la Binance Blockchain Week en Abu Dhabi y Dubái, como constructores de BNB Chain, realizando intercambios con desarrolladores, lo que demuestra que están expandiendo activamente la cooperación en el ecosistema.
Desde el punto de vista de los detalles técnicos, el proceso de APRO para manejar datos deportivos es aproximadamente el siguiente: el primer paso es la recolección de datos, donde crawlers obtienen información de múltiples fuentes de datos. El segundo paso es el procesamiento de IA, donde OCR, ASR y NLP extraen información clave. El tercer paso es la verificación por múltiples nodos, donde nodos watchdog independientes vuelven a procesar con diferentes modelos. El cuarto paso es la confirmación de consenso, donde se logra acuerdo a través del algoritmo PBFT. El quinto paso es el almacenamiento en la cadena, donde se escriben los resultados en contratos inteligentes, al mismo tiempo que se guarda la información original en BNB Greenfield.
Este proceso puede parecer complejo, pero cada paso es necesario. La recolección de datos debe ser de múltiples fuentes para prevenir fallos en un solo punto. El procesamiento de IA debe utilizar múltiples modelos para mejorar la precisión. La verificación por múltiples nodos debe ser independiente para evitar colusión. El algoritmo de consenso debe ser tolerante a fallos para garantizar que, incluso si un nodo se comporta mal, el sistema pueda seguir funcionando. El almacenamiento en la cadena debe ser inalterable para facilitar auditorías posteriores.
Además, el sistema de APRO es modular, cada etapa puede ser optimizada y actualizada de forma independiente. Por ejemplo, los modelos de IA pueden seguir entrenándose para mejorar la precisión de reconocimiento. Las fuentes de datos pueden aumentarse dinámicamente para cubrir más ligas deportivas, y el algoritmo de consenso puede ajustar parámetros para equilibrar velocidad y seguridad. Este diseño modular otorga al sistema una gran escalabilidad.
Desde la perspectiva de costos, APRO ha reducido los costos de gas en un 87% a través de técnicas de procesamiento por lotes y rollup. Esta optimización es muy importante para los datos deportivos que necesitan ser actualizados con frecuencia, porque un partido de la NFL podría tener decenas de puntos de datos que necesitan ser incluidos en la cadena: cambios en el puntaje, anotaciones, tiempo en el campo, etc. Si cada punto de datos se incluyera por separado en la cadena, los costos de gas serían muy altos. El procesamiento por lotes puede empaquetar múltiples datos en una sola transacción, reduciendo significativamente los costos.
Además, el modelo de tirón de APRO permite a los usuarios obtener datos bajo demanda, sin necesidad de suscribirse a feeds que no necesitan. Esto también puede ayudar a ahorrar costos. Por ejemplo, si solo te importa el puntaje final de la NFL y no el proceso intermedio, solo necesitas obtener los datos una vez al final del partido, en lugar de suscribirte a actualizaciones en tiempo real durante todo el evento. Esta flexibilidad es amigable para equipos de startups con recursos limitados.
Desde la perspectiva de oportunidades de mercado, los mercados de predicción en la cadena todavía están en una etapa muy temprana. Aunque hay plataformas líderes como Opinion Labs, la tasa de penetración sigue siendo muy baja. El mercado tradicional mueve miles de millones de dólares al año, mientras que el mercado de predicción en la cadena podría ser solo de decenas de millones. Hay un amplio espacio para crecer, y la infraestructura de datos es el cuello de botella clave que determinará si el mercado de predicción puede crecer. Si APRO puede resolver este problema, el valor futuro será muy considerable.
Además, los escenarios de aplicación de los mercados de predicción no se limitan. Las empresas pueden usar mercados de predicción internos para tomar decisiones, por ejemplo, predecir las ventas de un producto o si un proyecto se completará a tiempo. Esta información puede ayudar a la alta dirección a hacer una mejor asignación de recursos. Los gobiernos pueden usar mercados de predicción para recoger la opinión pública, como el apoyo a políticas o resultados electorales. La academia puede usarlo para investigación y validar modelos teóricos.
Todas estas aplicaciones requieren fuentes de datos confiables. APRO no solo proporciona datos, sino también la verificabilidad de esos datos. Cualquiera puede rastrear el origen de los datos y ver el proceso de verificación. Esta transparencia es algo que las soluciones tradicionales no pueden ofrecer. Además, la arquitectura descentralizada de APRO evita el control de un solo punto, lo que significa que nadie puede alterar los datos unilateralmente. Esto es crucial para mercados de predicción que requieren confianza.
$AT en este ecosistema jugará un papel cada vez más importante. A medida que los datos deportivos, los datos de esports y los datos macroeconómicos se lancen gradualmente, la demanda de servicios de datos por parte de los desarrolladores seguirá creciendo. Cada llamada requerirá el pago de AT, y los nodos apostarán AT para garantizar la seguridad de la red. Esta relación de oferta y demanda es saludable y sostenible.
#APRO En la dirección de servicios de datos verticales, ya han comenzado a construir su propio foso defensivo. Desde la NFL hasta esports y datos macroeconómicos, quieren llevar todo lo que se pueda predecir a la cadena. Esta ambición no es pequeña, pero desde la capacidad técnica y la capacidad de ejecución, realmente es posible lograrlo. Para aquellos que se enfocan en el sector de mercados de predicción, APRO es absolutamente una infraestructura que no se puede ignorar.$AT
