AI\DePIN\Sol الهالة البيئية الثلاثية: تحليل موجز لـ IO.NET، التي على وشك إطلاق عملة

المؤلف: Alex Xu، Mint Ventures

المقدمة

في المقالة السابقة، ذكرت أن المقارنة مع الدورتين السابقتين، تفتقر دورة سوق العملات المشفرة الصاعدة هذه إلى أعمال جديدة مؤثرة بما فيه الكفاية وسرد أصول جديدة. الذكاء الاصطناعي هو أحد الروايات الجديدة النادرة في هذه الجولة من مجال Web3. سيحاول مؤلف هذه المقالة فرز الأفكار حول المسألتين التاليتين بناءً على مشروع الذكاء الاصطناعي الساخن لهذا العام IO.NET:

• الضرورة التجارية لـ AI+Web3

• ضرورة وتحديات خدمات الطاقة الحاسوبية الموزعة

ثانيًا، سيقوم المؤلف بفرز المشاريع التمثيلية قوة الحوسبة الموزعة للذكاء الاصطناعي: المعلومات الأساسية لمشروع IO.NET، بما في ذلك منطق المنتج وحالة المنتج التنافسية وخلفية المشروع واستنتاج تقييم المشروع.

جزء من أفكار هذه المقالة حول الجمع بين الذكاء الاصطناعي وWeb3 مستوحاة من مستوحاة من "The Real Merge". بعض الآراء الواردة في هذه المقالة تم استيعابها ونقلها من المقالة، وننصح القراء بقراءة المقالة الأصلية.

هذه المقالة هي التفكير المرحلي للمؤلف اعتبارًا من وقت النشر. وقد تتغير في المستقبل، والآراء ذاتية للغاية. وقد تكون هناك حقائق أيضًا البيانات، إذا كانت هناك أخطاء في المنطق المنطقي، فيرجى عدم استخدامها كمرجع استثماري، ونرحب بالتعليقات والمناقشات من الأقران.

ما يلي هو جزء النص.

1. منطق الأعمال: مزيج من الذكاء الاصطناعي والويب3

1.1 2023: إنجازات الذكاء الاصطناعي "عام المعجزة" الجديد

بالنظر إلى تاريخ التنمية البشرية، بمجرد أن يحقق العلم والتكنولوجيا تقدمًا خارقًا، بدءًا من الحياة اليومية الفردية، وحتى الهياكل الصناعية المختلفة، ومن ثم ستخضع الحضارة الإنسانية بأكملها لتغيرات تهز الأرض وفقًا لذلك.

هناك سنتان مهمتان في تاريخ البشرية، وهما 1666 و1905. ويُعرفان الآن باسم "السنتين المعجزتين" في تاريخ العلوم والتكنولوجيا.

يعتبر عام 1666 عام المعجزات لأن إنجازات نيوتن العلمية ظهرت بشكل مركز في ذلك العام. وفي هذا العام، افتتح الفرع الفيزيائي للبصريات، وأسس الفرع الرياضي لحساب التفاضل والتكامل، واشتق صيغة الجاذبية، القانون الأساسي للعلوم الطبيعية الحديثة. سيكون كل واحد من هذه العناصر بمثابة مساهمة أساسية في تطوير العلوم الإنسانية في المائة عام القادمة، مما يسرع بشكل كبير من تطور العلوم بشكل عام.

عام المعجزة الثاني كان عام 1905. في ذلك الوقت، نشر أينشتاين، الذي كان عمره 26 عامًا فقط، أربع أوراق بحثية متتالية في "حوليات الفيزياء"، تغطي التأثير الكهروضوئي (وضع الأساس لميكانيكا الكم)، والحركة البراونية (أصبحت مرجعًا مهمًا لتحليل العمليات العشوائية)، والنسبية الخاصة ومعادلة الكتلة والطاقة (أي الصيغة الشهيرة E=MC^2). وفي تقييم الأجيال اللاحقة، تجاوزت كل ورقة من هذه الأوراق الأربعة متوسط ​​مستوى جائزة نوبل في الفيزياء (وقد فاز أينشتاين نفسه أيضًا بجائزة نوبل عن ورقته البحثية حول التأثير الكهروضوئي)، ومرة ​​أخرى كانت العملية التاريخية للحضارة الإنسانية كبيرة جدًا. متقدمة عدة خطوات.

ومن المرجح أن يُطلق على عام 2023، الذي مضى للتو، اسم "عام معجزة" آخر بسبب ChatGPT.

نحن نعتبر عام 2023 بمثابة "عام معجزة" في تاريخ العلوم الإنسانية والتكنولوجيا، ليس فقط بسبب التقدم الهائل الذي حققته GPT في فهم اللغة الطبيعية وتوليدها، ولكن أيضًا وذلك أيضًا لأن البشر اكتشفوا قانون النمو في قدرات النماذج اللغوية الكبيرة من تطور GPT - أي أنه من خلال توسيع معلمات النموذج وبيانات التدريب، يمكن تحسين قدرات النموذج بشكل كبير - ولا يوجد عنق الزجاجة في هذه العملية على المدى القصير (طالما أن قوة الحوسبة كافية).

هذه القدرة بعيدة كل البعد عن فهم اللغة وتوليد الحوار، كما يمكن استخدامها على نطاق واسع في مختلف المجالات العلمية والتكنولوجية، مع تطبيق نماذج لغوية كبيرة في المجال البيولوجي. على سبيل المثال:

• في عام 2018، كان فرانسيس أرنولد، الحائز على جائزة نوبل، حاضرًا في الجائزة وقال كاي في الحفل: "اليوم يمكننا قراءة وكتابة وتحرير أي تسلسل للحمض النووي في التطبيقات العملية، لكننا لا نستطيع تركيبه بعد". نشرت شركة ناشئة في وادي السليكون بحثًا في مجلة Nature Biotechnology، حيث استخدموا نموذجًا لغويًا كبيرًا تم ضبطه بدقة استنادًا إلى GPT3 لإنشاء مليون بروتين جديد من 0 ووجدوا 2 منهم، هذه البروتينات، التي لها هياكل مختلفة تمامًا ولكن كلاهما يحتوي على مبيد للجراثيم ومن المتوقع أن تصبح هذه القدرات بديلاً للمضادات الحيوية لمكافحة البكتيريا. وبعبارة أخرى: بمساعدة الذكاء الاصطناعي، تم كسر عنق الزجاجة في "خلق" البروتين.

• في السابق، قامت خوارزمية الذكاء الاصطناعي AlphaFold بتصنيف جميع بنية البروتين الموجودة على الأرض والتي يبلغ عددها 214 مليونًا تقريبًا خلال 18 شهرًا. وتم إجراء التنبؤات، هذه النتيجة أكبر بمئات المرات من نتائج جميع الأعمال السابقة التي قام بها علماء الأحياء البنيوية البشرية.

مع نماذج مختلفة تعتمد على الذكاء الاصطناعي، بدءًا من التقنيات الصلبة مثل التكنولوجيا الحيوية وعلوم المواد وأبحاث الأدوية وتطويرها وحتى القانون، لا بد أن يؤدي الفن والمجالات الإنسانية الأخرى إلى تغييرات هائلة، وعام 2023 هو العام الأول لكل هذا.

نعلم جميعًا أن قدرة البشرية على خلق الثروة قد نمت بشكل كبير في القرن الماضي، وأن النضج السريع لتكنولوجيا الذكاء الاصطناعي سيؤدي حتماً إلى تسريع هذا الاتجاه.

1.2 الجمع بين الذكاء الاصطناعي والتشفير

لكي نفهم بشكل أساسي ضرورة الجمع بين الذكاء الاصطناعي والتشفير، يمكننا أن نبدأ من الخصائص التكميلية للاثنين.

ميزات تكميلية للذكاء الاصطناعي والتشفير

يحتوي الذكاء الاصطناعي على ثلاثة السمات:

• العشوائية: الذكاء الاصطناعي عشوائي، والآلية الكامنة وراء إنتاج محتواه هي هو صندوق أسود يصعب إعادة إنتاجه واكتشافه، لذا فإن النتائج عشوائية أيضًا

• تستهلك الكثير من الموارد: الذكاء الاصطناعي هو مورد -صناعة مكثفة تتطلب كميات هائلة من الطاقة والرقائق وقدرة الحوسبة

• الذكاء الشبيه بالإنسان: الذكاء الاصطناعي (قريبًا) سيكون موجودًا يتمكن من اجتياز اختبار تورينج، ومن ثم يصعب التمييز بين البشر والآلات*

※On في 30 أكتوبر 2023، أصدر فريق بحث من جامعة كاليفورنيا في سان دييغو نتائج اختبار تورينج حول GPT-3.5 وGPT-4.0 (تقرير الاختبار). درجة GPT4.0 هي 41%، وهي تبعد 9% فقط عن خط النجاح البالغ 50%، ودرجة الاختبار البشري لنفس المشروع هي 63%. معنى اختبار تورينج هذا هو عدد الأشخاص الذين يعتقدون أن الشخص الذي يتحدثون معه هو شخص حقيقي. وإذا تجاوزت 50%، فهذا يعني أن نصف الحاضرين على الأقل يعتقدون أن شريك المحادثة إنسان وليس آلة، وهو ما يعتبر ناجحاً في اختبار تورينج.

بينما يخلق الذكاء الاصطناعي قفزة إنتاجية جديدة للبشرية، فإن سماته الثلاث تجلب أيضًا فوائد هائلة للمجتمع البشري. ويتمثل التحدي في:

• كيفية التحقق من عشوائية الذكاء الاصطناعي والتحكم فيها وجعل العشوائية ميزة وليست عيبًا

• كيفية سد الفجوة الهائلة في الطاقة وقدرة الحوسبة التي يتطلبها الذكاء الاصطناعي

< li>

كيفية التمييز بين البشر والآلات

والتشفير والحظر خصائص السلسلة قد يكون الاقتصاد هو الدواء المناسب لحل التحديات التي يجلبها الذكاء الاصطناعي. ويتميز اقتصاد التشفير بالخصائص الثلاث التالية:

• الحتمية: يتم تشغيل الأعمال بناءً على blockchain والتعليمات البرمجية والعقود الذكية. القواعد والحدود واضحة. ما يتم إدخاله سيؤدي إلى درجة عالية من اليقين

• < p style="text-align: left;">تخصيص فعال للموارد: لقد بنى اقتصاد التشفير سوقًا حرة عالمية ضخمة. ويتم تسعير الموارد وجمعها وتداولها بسرعة كبيرة. ونظرًا لوجود الرموز المميزة، يمكن للحوافز تسريع العرض والطلب في السوق. المطابقة، والتسريع للوصول إلى النقطة الحرجة

• خالية من الثقة: دفتر الأستاذ مفتوح، والرمز مفتوح مفتوح المصدر، ويمكن للجميع التحقق منه بسهولة، مما يوفر نظام "خالي من الثقة" (غير موثوق به)"، بينما تتجنب تقنية ZK التعرض للخصوصية في نفس وقت التحقق

بعد ذلك، سيتم استخدام ثلاثة أمثلة لتوضيح التكامل بين الذكاء الاصطناعي والاقتصاد المشفر.

مثال أ: حل العشوائية، وكيل الذكاء الاصطناعي استنادًا إلى اقتصاديات التشفير

وكيل الذكاء الاصطناعي ( AI Agent) هو برنامج ذكاء اصطناعي مسؤول عن أداء العمل للبشر بناءً على إرادة الإنسان (تشمل المشاريع التمثيلية Fetch.AI). لنفترض أننا نريد من وكيل الذكاء الاصطناعي لدينا معالجة معاملة مالية، مثل "شراء 1000 دولار من عملة البيتكوين". قد يواجه وكيل الذكاء الاصطناعي حالتين:

الموقف 1. عليه التواصل مع المؤسسات المالية التقليدية (مثل BlackRock) وشراء BTC ETF. هنا يواجه عددًا كبيرًا من مشكلات التكيف بين وكلاء الذكاء الاصطناعي والمؤسسات المركزية، مثل KYC، ومراجعة المعلومات، وتسجيل الدخول، والتحقق من الهوية، وما إلى ذلك، لا تزال مزعجة للغاية في الوقت الحاضر.

السيناريو الثاني، يعتمد على اقتصاد التشفير الأصلي، وسيصبح الوضع أبسط بكثير. وسوف يستخدمك مباشرة من خلال Uniswap أو منصة التداول التجميعية. قم بتسجيل حسابك، وقم بتقديم طلب لإكمال المعاملة، واحصل على WBTC (أو BTC بتنسيقات مغلفة أخرى). العملية برمتها سريعة وبسيطة. في الواقع، هذا ما تفعله العديد من روبوتات التداول، لقد لعبوا بالفعل دور وكيل الذكاء الاصطناعي المبتدئ، لكن عملهم يركز على التداول. في المستقبل، مع تكامل الذكاء الاصطناعي وتطوره، ستتمكن أنواع مختلفة من الروبوتات التجارية حتماً من تنفيذ نوايا تجارية أكثر تعقيداً. على سبيل المثال: تتبع 100 عنوان أموال ذكية على السلسلة، وتحليل استراتيجيات التداول الخاصة بهم ومعدلات النجاح، واستخدام 10% من الأموال الموجودة في عنواني لتنفيذ معاملات مماثلة خلال أسبوع، والتوقف عندما لا تكون النتائج جيدة، وتلخيص الاحتمالات من الفشل السبب.

سيعمل الذكاء الاصطناعي بشكل أفضل في نظام blockchain، ويرجع ذلك أساسًا إلى وضوح قواعد الاقتصاد المشفر والوصول غير المصرح به إلى النظام. ومن خلال أداء المهام بموجب قواعد محدودة، ستكون المخاطر المحتملة الناجمة عن عشوائية الذكاء الاصطناعي أصغر أيضًا. على سبيل المثال، تجاوز أداء الذكاء الاصطناعي في مسابقات الشطرنج والورق وألعاب الفيديو أداء البشر، لأن ألعاب الشطرنج والورق عبارة عن صناديق رمل مغلقة ذات قواعد واضحة. سيكون تقدم الذكاء الاصطناعي في القيادة الذاتية بطيئا نسبيا، لأن تحديات البيئة الخارجية المفتوحة أكبر، ومن الصعب علينا أن نتسامح مع عشوائية مشاكل معالجة الذكاء الاصطناعي.

المثال ب: تشكيل الموارد وجمع الموارد من خلال الحوافز الرمزية

العالم وراء BTC ' في شبكة الطاقة الحاسوبية، يتجاوز إجمالي قوة الحوسبة الحالية (معدل التجزئة: 576.70 EH/s) قوة الحوسبة الشاملة لأجهزة الكمبيوتر العملاقة في أي بلد. ويأتي دافعها التنموي من حوافز الشبكة البسيطة والعادلة.

باستثناء بالإضافة إلى ذلك، تحاول مشاريع DePIN بما في ذلك Mobile أيضًا استخدام حوافز رمزية لتشكيل سوق ثنائي الجانب على جانبي العرض والطلب لتحقيق تأثيرات الشبكة. IO.NET، والتي ستركز عليها هذه المقالة لاحقًا، هي عبارة عن منصة مصممة لجمع قوة حوسبة الذكاء الاصطناعي، ومن المأمول أن يتم تحفيز المزيد من إمكانات قوة حوسبة الذكاء الاصطناعي من خلال نموذج الرمز المميز.

مثال C: كود مفتوح المصدر، وإدخال ZK، والتمييز بين البشر والآلات مع حماية الخصوصية

كمشروع Web3 شارك فيه مؤسس OpenAI Sam Altman، تستخدم Worldcoin جهاز Orb لإنشاء قيم تجزئة حصرية ومجهولة تعتمد على القياسات الحيوية للقزحية البشرية وتقنية ZK للتحقق من الهوية والتمييز بين البشر والآلات. في أوائل شهر مارس من هذا العام، بدأ مشروع Web3 الفني Drip باستخدام معرفات Worldcoin للتحقق من المستخدمين الحقيقيين وإصدار المكافآت.

بالإضافة إلى ذلك، Worldcoin هو وفي الآونة الأخيرة أيضًا، قامت بفتح مصدر كود البرنامج الخاص بأجهزة قزحية العين Orb لتوفير ضمانات لأمان وخصوصية القياسات الحيوية للمستخدم.

بشكل عام، التشفير الاقتصاد أصبح حلاً محتملاً مهمًا لتحديات الذكاء الاصطناعي التي يواجهها المجتمع البشري بسبب اليقين في الكود والتشفير، ومزايا تداول الموارد وجمع الأموال التي توفرها الآليات غير المصرح بها والرمزية، والخصائص غير الموثوقة القائمة على كود مفتوح المصدر ودفاتر الأستاذ العامة . يخطط.

ومن بينها التحدي الأكثر وشيكًا مع الطلب التجاري الأقوى هو التعطش الشديد لمنتجات الذكاء الاصطناعي في موارد الحوسبة، والطلب الهائل على الرقائق والقدرة الحاسوبية . .

وهذا أيضًا هو السبب الرئيسي الذي يجعل نمو مشاريع الطاقة الحاسوبية الموزعة يتجاوز المسار العام للذكاء الاصطناعي في دورة السوق الصاعدة هذه.

الضرورة التجارية للحوسبة الموزعة (الحوسبة اللامركزية)

يتطلب الذكاء الاصطناعي الكثير من موارد الحوسبة، سواء لنماذج التدريب أو إجراء الاستدلال.

في ممارسة التدريب على نماذج اللغة الكبيرة، تم تأكيد حقيقة واحدة: طالما أن حجم معلمات البيانات كبير بما يكفي، ستظهر بعض نماذج اللغة الكبيرة القدرة التي لم تكن متوفرة من قبل . ترجع القفزة الهائلة في قدرات كل جيل من GPT مقارنة بالجيل السابق إلى الزيادة الهائلة في كمية الحسابات المطلوبة للتدريب النموذجي.

يظهر البحث الذي أجراه DeepMind وجامعة ستانفورد أن نماذج اللغات الكبيرة المختلفة تواجه مهام مختلفة (العمليات، الأسئلة والأجوبة الفارسية، فهم اللغة الطبيعية، وما إلى ذلك)، طالما نظرًا لزيادة مقياس معلمة النموذج أثناء تدريب النموذج (وبالمثل، يتم أيضًا زيادة مقدار حساب التدريب)، لا يمكن أن يصل مقدار التدريب إلى 10^22 FLOPs (يشير FLOPs إلى مقدار عمليات الفاصلة العائمة في الثانية، المستخدمة لقياس أداء الحساب )، فإن أداء أي مهمة هو تقريبًا نفس أداء تقديم الإجابات بشكل عشوائي؛ ولكن بمجرد أن يتجاوز مقياس المعلمة القيمة الحرجة لذلك المقياس، يتحسن أداء المهمة بشكل حاد، بغض النظر عن نموذج اللغة.

< /p>

يتم حسابها أيضًا أدى القانون والتحقق العملي من "الجهود الكبيرة يمكن أن تنتج المعجزات" إلى قيام مؤسس OpenAI سام ألتمان باقتراح جمع 7 تريليون دولار أمريكي لبناء مصنع شرائح متقدم أكبر بعشر مرات من الحجم الحالي لشركة TSMC (من المتوقع أن يكلف هذا الجزء 1.5 تريليون دولار) بالدولار الأمريكي).) ، واستخدم الأموال المتبقية لإنتاج الرقائق والتدريب النموذجي.

بالإضافة إلى القوة الحاسوبية اللازمة لتدريب نموذج الذكاء الاصطناعي، تتطلب عملية الاستدلال للنموذج نفسه أيضًا قدرًا كبيرًا من القوة الحاسوبية (على الرغم من حجمها) الحساب أصغر من التدريب)، لذلك أصبح التعطش للرقائق وقوة الحوسبة هو القاعدة بين المشاركين في مسار الذكاء الاصطناعي.

بالمقارنة مع موفري طاقة حوسبة الذكاء الاصطناعي المركزيين مثل Amazon Web Services وGoogle Cloud Platform وMicrosoft Azure وما إلى ذلك، تتضمن عروض القيمة الرئيسية لحوسبة الذكاء الاصطناعي الموزعة ما يلي:

• إمكانية الوصول: استخدم الخدمات السحابية مثل AWS أو GCP أو Azure للحصول على شرائح الحوسبة الوصول بشكل متكرر يستغرق الأمر أسابيع، وغالبًا ما تكون نماذج GPU الشهيرة غير متوفرة في المخزون. بالإضافة إلى ذلك، من أجل الحصول على قوة الحوسبة، غالبا ما يحتاج المستهلكون إلى توقيع عقود طويلة الأجل وغير مرنة مع هذه الشركات الكبيرة. يمكن لمنصة الحوسبة الموزعة أن توفر اختيارًا مرنًا للأجهزة وإمكانية وصول أكبر.

• أسعار منخفضة: نظرًا لاستخدام الرقائق الخاملة، وفرض الدعم الرمزي لطرف بروتوكول الشبكة لموردي الرقائق والطاقة الحاسوبية، قد تكون شبكة الطاقة الحاسوبية الموزعة قادرة على توفير طاقة حاسوبية أرخص.

• مقاومة الرقابة: في الوقت الحاضر، تحتكر شركات التكنولوجيا الكبرى رقائق وإمدادات الحوسبة المتطورة، والحكومة ممثلة بـ تعمل الولايات المتحدة على زيادة مراجعة خدمات الطاقة الحاسوبية للذكاء الاصطناعي، حيث يمكن توزيع قوة الحوسبة للذكاء الاصطناعي بمرونة والحصول عليها مجانًا، وهو ما أصبح تدريجيًا طلبًا صريحًا، وهذا أيضًا عرض القيمة الأساسية لمنصة خدمات الطاقة الحاسوبية القائمة على الويب 3.

إذا كانت الطاقة الأحفورية هي دماء العصر الصناعي، فإن قوة الحوسبة قد تكون دماء العصر الرقمي الجديد الذي افتتحه العالم. الذكاء الاصطناعي، سيصبح توفير الطاقة الحاسوبية البنية التحتية لعصر الذكاء الاصطناعي. تمامًا كما أصبحت العملات المستقرة فرعًا جانبيًا مزدهرًا للعملة القانونية في عصر Web3، هل سيصبح سوق طاقة الحوسبة الموزعة فرعًا جانبيًا لسوق قوة حوسبة الذكاء الاصطناعي سريع النمو؟

نظرًا لأن هذا السوق لا يزال مبكرًا إلى حد ما، فلا يزال يتعين رؤية كل شيء. ومع ذلك، فإن العوامل التالية قد تحفز السرد أو اعتماد السوق للحوسبة الموزعة:

• إمدادات وحدة معالجة الرسومات ولا يزال الطلب ضيقًا. قد يدفع الإمداد الشحيح المستمر لوحدات معالجة الرسومات بعض المطورين إلى تجربة منصات الحوسبة الموزعة.

• التوسع التنظيمي. إذا كنت ترغب في الحصول على خدمات طاقة حوسبة الذكاء الاصطناعي من منصة طاقة حوسبة سحابية كبيرة، فيجب عليك مراجعة KYC وطبقات من المراجعات. وقد يؤدي ذلك بدلاً من ذلك إلى تعزيز اعتماد منصات الحوسبة الموزعة، خاصة في المناطق الخاضعة للقيود والعقوبات.

• تحفيز سعر الرمز المميز. ستؤدي الزيادة في أسعار الرموز المميزة خلال دورة السوق الصاعدة إلى زيادة قيمة دعم المنصة لجانب العرض الخاص بوحدة معالجة الرسومات، وبالتالي جذب المزيد من الموردين لدخول السوق، وزيادة حجم السوق، وتقليل سعر الشراء الفعلي للمستهلكين.

ولكن في الوقت نفسه، فإن تحديات منصات الحوسبة الموزعة واضحة تمامًا أيضًا:

• التحديات التقنية والهندسية

• مشكلة التحقق من العمل: حساب نموذج التعلم العميق. نظرًا للبنية الهرمية، فإن مخرجات كل طبقة هي يتم استخدامه كمدخل للطبقة التالية، لذا فإن التحقق من صحة الحساب يتطلب تنفيذ جميع الأعمال السابقة ولا يمكن التحقق منه ببساطة وفعالية. ولحل هذه المشكلة، تحتاج منصات الحوسبة الموزعة إلى تطوير خوارزميات جديدة أو استخدام تقنيات التحقق التقريبية التي يمكن أن توفر ضمانات احتمالية لصحة النتائج بدلا من اليقين المطلق.

• مشكلة التوازي: تجمع منصة طاقة الحوسبة الموزعة مورد شرائح طويل الذيل، والذي يهدف إلى الحد من قدرات شريحة واحدة الجهاز. قوة الحوسبة المقدمة محدودة نسبيًا، ويمكن لمورد شريحة واحدة تقريبًا إكمال مهام التدريب أو الاستدلال لنموذج الذكاء الاصطناعي بشكل مستقل في وقت قصير. لذلك، يجب استخدام التوازي لتفكيك المهام وتوزيعها لتقصير إجمالي المهام وقت الانتهاء. ستواجه عملية التوازي حتماً سلسلة من المشاكل مثل كيفية تحليل المهام (خاصة مهام التعلم العميق المعقدة)، وتبعيات البيانات، وتكاليف الاتصال الإضافية بين الأجهزة.

• مشكلة حماية الخصوصية: كيف تتأكد من عدم كشف بيانات المشتري ونموذجه لمتلقي المهمة؟

• مشاكل الامتثال التنظيمي

• نظرًا لطبيعتها غير المسموح بها لسوق العرض والمشتريات ثنائي الجانب، يمكن لمنصة الحوسبة الموزعة يمكن استخدامها كنقاط بيع تجذب بعض العملاء. ومن ناحية أخرى، مع تحسن المعايير التنظيمية للذكاء الاصطناعي، فقد يصبح هدفًا لتصحيح الحكومة. بالإضافة إلى ذلك، يشعر بعض موردي وحدات معالجة الرسومات بالقلق أيضًا بشأن ما إذا كانت موارد الحوسبة التي يستأجرونها يتم توفيرها للشركات أو الأفراد الخاضعين للعقوبات.

بشكل عام، مستهلكو منصات الحوسبة الموزعة هم في الغالب مطورون محترفون أو مؤسسات صغيرة ومتوسطة الحجم، على عكس لدى مستثمري العملات المشفرة الذين يشترون العملات المشفرة والرموز غير القابلة للاستبدال (NFTs)، متطلبات أعلى لاستقرار واستدامة الخدمات التي يقدمها البروتوكول، وقد لا يكون السعر هو الدافع الرئيسي لاتخاذ قراراتهم. في الوقت الحاضر، لا يزال أمام منصات الحوسبة الموزعة طريق طويل لتقطعه للحصول على الاعتراف من هؤلاء المستخدمين.

بعد ذلك، سنقوم بفرز وتحليل معلومات المشروع على IO.NET، وهو مشروع جديد لقوة الحوسبة الموزعة في هذه الدورة، ويعتمد على نفس التكنولوجيا حاليًا في السوق، تتبع مشاريع الذكاء الاصطناعي ومشاريع الحوسبة الموزعة، وحساب مستويات التقييم المحتملة بعد الإدراج.

2. منصة طاقة حوسبة الذكاء الاصطناعي الموزعة: IO.NET

2.1 تحديد موضع المشروع

h3>

IO.NET هي شبكة حوسبة لا مركزية تبني سوقًا ثنائي الجانب حول الرقائق. جانب العرض هو الرقائق الموزعة حول العالم (بشكل أساسي وحدات معالجة الرسومات، وهناك أيضًا وحدة المعالجة المركزية) و Apple iGPU، وما إلى ذلك) قوة الحوسبة. جانب الطلب هو مهندسو الذكاء الاصطناعي الذين يرغبون في إكمال التدريب على نماذج الذكاء الاصطناعي أو مهام الاستدلال.

في الموقع الرسمي لـ IO.NET يقرأ:

< span style="font-size: 18px;">مهمتنا

تجميع مليون وحدة معالجة رسوميات في DePIN - شبكة البنية التحتية المادية اللامركزية.

وتتمثل مهمتها في دمج الملايين من وحدات معالجة الرسومات في شبكة DePIN الخاصة بها.

بالمقارنة مع موفري خدمات طاقة الحوسبة السحابية الحالية التي تعمل بالذكاء الاصطناعي، فإن نقاط البيع الرئيسية التي تم التأكيد عليها للعالم الخارجي هي:

• مجموعة مرنة: يمكن لمهندسي الذكاء الاصطناعي اختيار ودمج الشرائح التي يحتاجونها بحرية لتشكيل "مجموعة". اكتمل مهام الحوسبة الخاصة بك

• النشر بسرعة: لا حاجة لأسابيع من الموافقة والانتظار (الوضع الحالي مع البائعين المركزيين مثل AWS) ، يمكن إكمال النشر في غضون عشرات الثواني ويمكن بدء المهمة

• خدمة منخفضة السعر: تكلفة الخدمة 90 أقل بنسبة % من الشركات المصنعة الرئيسية< /p>

بالإضافة إلى ذلك، تخطط IO.NET أيضًا لإطلاق متجر نماذج الذكاء الاصطناعي وخدمات أخرى في مستقبل.

2.2 آلية المنتج وبيانات العمل

آلية المنتج وتجربة النشر

آلية المنتج وتجربة النشر

قوي>

مثل Amazon Cloud وGoogle Cloud وAlibaba Cloud، تُسمى خدمة الحوسبة التي تقدمها IO.NET باسم IO Cloud. IO Cloud عبارة عن شبكة شرائح موزعة ولامركزية قادرة على تنفيذ تعليمات برمجية للتعلم الآلي المستندة إلى Python وتشغيل برامج الذكاء الاصطناعي والتعلم الآلي.

تُسمى وحدة الأعمال الأساسية لـ IO Cloud بالمجموعات. المجموعات هي مجموعة GPU يمكنها التنسيق الذاتي لإكمال مهام الحوسبة. يمكن لمهندسي الذكاء الاصطناعي الحاجة إلى تخصيص المطلوب تَجَمَّع.

واجهة منتج IO.NET سهلة الاستخدام للغاية. إذا كنت تريد نشر مجموعة الشرائح الخاصة بك لإكمال مهام حوسبة الذكاء الاصطناعي، فقبل الدخول إليها بعد النقر فوق المجموعات صفحة المنتج، يمكنك البدء في تكوين مجموعة الشرائح التي تريدها حسب الحاجة.

أولاً تحتاج إلى اختيار سيناريو المهمة الخاصة بك. يوجد حاليًا ثلاثة أنواع للاختيار من بينها:< /p>

1. عام (نوع عام): يوفر بيئة أكثر عمومية، ومناسبة لعدم اليقين المبكر بشأن مورد محدد مرحلة المشروع.

2. التدريب (التدريب): مجموعة مصممة للتدريب والضبط الدقيق لنماذج التعلم الآلي. يمكن أن يوفر هذا الخيار المزيد من موارد وحدة معالجة الرسومات و/أو سعة ذاكرة أعلى و/أو اتصالات شبكة أسرع للتعامل مع مهام الحوسبة المكثفة هذه.

3. الاستدلال: مجموعة مصممة للاستدلال بزمن وصول منخفض وأحمال العمل ذات الأحمال الثقيلة. في سياق التعلم الآلي، يشير الاستدلال إلى استخدام نموذج مدرب لإجراء تنبؤات أو تحليل البيانات الجديدة وتقديم التعليقات. ولذلك، سيركز هذا الخيار على تحسين زمن الوصول والإنتاجية لدعم احتياجات معالجة البيانات في الوقت الفعلي أو في الوقت الفعلي تقريبًا.

ثم عليك اختيار المورد لمجموعة الشرائح، حاليًا، توصلت IO.NET إلى اتفاقية مع Render Network وشبكة تعدين Filecoin، بحيث يمكن للمستخدمين اختيار IO.NET أو شرائح الشبكتين الأخريين كمورد لمجموعة الحوسبة الخاصة بهم، وهو ما يعادل لعب IO.NET دور المجمع (ولكن اعتبارًا من ذلك الوقت عند كتابة هذه المقالة، تكون خدمة Filecon غير متصلة بالإنترنت مؤقتًا. ). ومن الجدير بالذكر أنه وفقًا للصفحة، فإن عدد وحدات معالجة الرسومات المتاحة لـ IO.NET يبلغ حاليًا أكثر من 200000، في حين أن عدد وحدات معالجة الرسومات المتاحة لشبكة Render Network هو أكثر من 3700.

الخطوة التالية هي الدخول في عملية اختيار أجهزة شرائح المجموعة. حاليًا، أنواع الأجهزة الوحيدة المدرجة بواسطة IO.NET للاختيار هي GPU، ولا تشمل وحدة المعالجة المركزية أو إنها iGPU من Apple (M1، M2، وما إلى ذلك)، ووحدات معالجة الرسوميات هي في الأساس منتجات NVIDIA.

في المسؤول من بين خيارات أجهزة GPU المتاحة والمتاحة، وفقًا لبيانات اليوم التي اختبرها المؤلف، فإن عدد وحدات معالجة الرسومات المتاحة على شبكة IO.NET هو 206,001. من بينها، تحتوي بطاقة GeForce RTX 4090 (45250 صورة) على أكبر عدد من البيانات المتاحة، تليها GeForce RTX 3090 Ti (30779 صورة).

بالإضافة إلى ذلك، تعد شريحة A100-SXM4-80GB أكثر كفاءة في معالجة مهام حوسبة الذكاء الاصطناعي مثل التعلم الآلي والتعلم العميق والحوسبة العلمية (سعر السوق 15000 جنيه إسترليني) $+ )، هناك 7965 صورة على الإنترنت.

وNvidia لديها تتمتع بطاقة الرسومات H100 بسعة 80 جيجابايت HBM3 (سعر السوق 40,000 دولار أمريكي+)، والتي تم تصميمها خصيصًا للذكاء الاصطناعي منذ البداية، بأداء تدريبي يبلغ 3.3 أضعاف أداء A100، وأداء استدلالي يبلغ 4.5 أضعاف أداء A100. العدد الفعلي للصور على الإنترنت هو 86.

عند التحديد بعد عند تحديد نوع جهاز المجموعة، يحتاج المستخدمون أيضًا إلى تحديد معلمات مثل منطقة المجموعة وسرعة الاتصال وعدد ووقت وحدات معالجة الرسومات المستأجرة وما إلى ذلك.

أخيرًا، ستزودك IO.NET بفاتورة بناءً على اختيارات شاملة، مع أخذ تكوين مجموعة المؤلف كمثال:

• سيناريو المهمة العامة

• 16 شريحة A100-SXM4-80GB

• أعلى سرعة اتصال (سرعة عالية جدًا)

• موقع الموقع الولايات المتحدة

• مدة الإيجار أسبوع واحد

سعر الفاتورة الإجمالي هو 3311.6$، وسعر إيجار البطاقة الواحدة بالساعة هو 1.232$

< /p>

ويتوفر A100-SXM4-80GB على Amazon Cloud وGoogle السحابة تبلغ أسعار تأجير البطاقة الواحدة في الساعة لـ Microsoft Azure 5.12 دولارًا و5.07 دولارًا و3.67 دولارًا على التوالي (مصدر البيانات: https://cloud-gpus.com/، وسيختلف السعر الفعلي وفقًا لتفاصيل العقد).

لذا، من حيث السعر وحده، فإن قوة حوسبة الرقائق الخاصة بـ IO.NET هي في الواقع أرخص بكثير من الشركات المصنعة السائدة، كما أن مجموعة التوريد والمشتريات مرنة للغاية. من السهل أيضًا البدء في العملية.

حالة العمل

حالة جانب العرض

اعتبارًا من 4 أبريل من هذا العام، وفقًا للبيانات الرسمية، يبلغ إجمالي المعروض من وحدات معالجة الرسومات الخاصة بـ IO.NET من جانب العرض 371,027، وإمدادات وحدة المعالجة المركزية هو 42,321. بالإضافة إلى ذلك، فإن Render Network هي شريكتها، ويتم توصيل 9997 وحدة معالجة رسوميات و776 وحدة معالجة مركزية بإمدادات الشبكة.

عندما كتب المؤلف هذا المقال، كان 214,387 من إجمالي عدد وحدات معالجة الرسومات المتصلة بـ IO.NET متصلة بالإنترنت، ووصل معدل الاتصال بالإنترنت إلى 57.8%. معدل GPU عبر الإنترنت من Render Network هو 45.1٪.

ماذا تعني بيانات جانب العرض أعلاه؟

للمقارنة، نقدم مشروعًا آخر للحوسبة الموزعة Akash Network والذي ظل متصلاً بالإنترنت لفترة أطول.

أطلقت شبكة Akash الشبكة الرئيسية في وقت مبكر من عام 2020، مع التركيز في البداية على الخدمات الموزعة لوحدة المعالجة المركزية والتخزين. في يونيو 2023، أطلقت شبكة اختبار خدمات GPU، وأطلقت الشبكة الرئيسية لقوة الحوسبة الموزعة لوحدة معالجة الرسومات في سبتمبر من نفس العام.

وفقًا لبيانات Akash الرسمية، منذ إطلاق شبكة GPU الخاصة بها، على الرغم من استمرار جانب العرض في النمو، لذلك أقصى إجمالي GPU عدد الإدخالات هو 365 فقط.

من منظور إمداد وحدة معالجة الرسومات، تعد IO.NET أعلى بعدة مراتب من حيث الحجم من شبكة Akash، وهي بالفعل أكبر مسار طاقة حوسبة GPU موزع. شبكة.

حالة جانب الطلب

ومع ذلك، من ناحية الطلب، لا تزال IO.NET في المراحل الأولى من النمو في السوق، ويتم تنفيذها حاليًا باستخدام IO.NET الحجم الإجمالي لمهام الحوسبة ليس كبيرًا. يبلغ حجم المهام لمعظم وحدات معالجة الرسومات عبر الإنترنت 0%، وأربع شرائح فقط - A100 PCIe 80GB K8S، وRTX A6000 K8S، وRTX A4000 K8S، وH100 80GB HBM3 - تقوم بمعالجة المهام. وباستثناء A100 PCIe 80GB K8S، فإن سعة تحميل الشرائح الثلاث الأخرى أقل من 20%.

قيمة ضغط الشبكة الرسمية التي تم الكشف عنها في ذلك اليوم كانت 0%، مما يعني أن معظم إمدادات الرقائق في حالة استعداد عبر الإنترنت.

فيما يتعلق بمقياس تكلفة الشبكة، تكبدت IO.NET رسوم خدمة قدرها 586,029 دولارًا أمريكيًا، وكانت التكلفة في اليوم الماضي 3,200 دولارًا أمريكيًا.

الشبكة المذكورة أعلاه تسوية حجم الرسوم، سواء من حيث المبلغ الإجمالي أو حجم المعاملات اليومية، هو بنفس الترتيب من حيث الحجم مثل Akash، ومع ذلك، فإن معظم إيرادات شبكة Akash تأتي من جزء وحدة المعالجة المركزية، ويبلغ عرض وحدة المعالجة المركزية لـ Akash أكثر من 20000.

بالإضافة إلى ذلك، كشفت IO.NET أيضًا لقد قامت بيانات الأعمال الخاصة بمهام استدلال الذكاء الاصطناعي التي تعالجها الشبكة حتى الآن بمعالجة والتحقق من أكثر من 230.000 مهمة استدلال، ومع ذلك، يتم إنشاء معظم حجم الأعمال هذا بواسطة مشروع BC8.AI الذي ترعاه IO.NET.

من الحالي انطلاقًا من بيانات الأعمال، توسع جانب العرض الخاص بـ IO.NET بسلاسة، بفضل توقعات الإنزال الجوي والأنشطة المجتمعية التي تحمل الاسم الرمزي "Ignition"، تمكنت بسرعة من جمع كمية كبيرة من قوة حوسبة شرائح الذكاء الاصطناعي. ولا يزال توسعها في جانب الطلب في مراحله الأولى، والطلب على المنتجات العضوية غير كاف في الوقت الحالي. أما بالنسبة لأوجه القصور الحالية في جانب الطلب، سواء كان ذلك بسبب أن التوسع في جانب المستهلك لم يبدأ بعد، أو لأن تجربة الخدمة الحالية ليست مستقرة بعد وبالتالي تفتقر إلى التبني على نطاق واسع، فلا يزال الأمر بحاجة إلى تقييم.

ومع ذلك، وبالنظر إلى صعوبة سد الفجوة في قوة حوسبة الذكاء الاصطناعي على المدى القصير، فإن هناك عددًا كبيرًا من مهندسي ومشاريع الذكاء الاصطناعي يبحثون عن بدائل، مما قد يكون له تأثير سلبي على الحوسبة اللامركزية. ومع اهتمام مقدمي الخدمات، إلى جانب حقيقة أن IO.NET لم تطلق بعد تحفيزًا اقتصاديًا ونشاطيًا على جانب الطلب، فضلاً عن التحسين التدريجي لتجربة المنتج، فإن اللاحق ولا تزال المطابقة التدريجية للعرض والطلب تستحق التطلع إليها.

2.3 خلفية الفريق والوضع المالي

وضع الفريق< /p>

تأسس الفريق الأساسي لـ IO.NET على التداول الكمي. قبل يونيو 2022، كانوا يركزون على تطوير منتجات ذات مستوى مؤسسي للأسهم وأصول العملات المشفرة. . نظرًا للطلب على قوة الحوسبة في الواجهة الخلفية للنظام، بدأ الفريق في استكشاف إمكانية الحوسبة اللامركزية، وركز أخيرًا على المشكلة المحددة المتمثلة في تقليل تكلفة خدمات حوسبة وحدة معالجة الرسومات.

المؤسس والرئيس التنفيذي: أحمد شديد

لقد كان أحمد شديد في IO.NET من قبل يشارك في الأعمال المتعلقة بالهندسة الكمية والمالية، وهو أيضًا متطوع في مؤسسة Ethereum.

كبير مسؤولي التسويق والمدير الاستراتيجي: جاريسون يانغ

تم تعيين جاريسون يانغ رسميًا في مارس من هذا العام بعد عام من انضمامه إلى IO.NET، كان يشغل سابقًا منصب نائب الرئيس للاستراتيجية والنمو في Avalanche وتخرج من جامعة كاليفورنيا، سانتا باربرا.

المدير التنفيذي للعمليات: Tory Green

توري جرين هو الرئيس التنفيذي للعمليات في io.net و كان يشغل سابقًا منصب الرئيس التنفيذي للعمليات في شركة Hum Capital، ومدير التطوير المؤسسي والاستراتيجية في مجموعة Fox Mobile Group، وتخرج من جامعة ستانفورد.

استنادًا إلى معلومات Linkedin الخاصة بـ IO.NET، يقع المقر الرئيسي للفريق في نيويورك بالولايات المتحدة الأمريكية، وله فرع في سان فرانسيسكو. حجم الفريق الحالي أكبر من 50 شخصا.

الوضع المالي

لم تكشف IO.NET إلا عن ذلك لقد تم الانتهاء من جولة التمويل من السلسلة A في مارس من هذا العام بقيمة مليار دولار أمريكي، وتم جمع إجمالي 30 مليون دولار أمريكي، بقيادة Hack VC، والمستثمرين المشاركين الآخرين بما في ذلك Multicoin Capital وDelphi Digital و Foresight Ventures، وAnimoca Brands، وContinue Capital، وSolana Ventures، وAptos، وLongHash Ventures، وOKX Ventures، وAmber Group، وSevenX Ventures، وArkStream Capital، وغيرها.

ومن الجدير بالذكر أنه ربما بسبب الاستثمار الذي تم تلقيه من مؤسسة Aptos، تم إنشاء مشروع BC8.AI، والذي تم استخدامه في الأصل للتسوية والمحاسبة في Solana ، تم تحويله على نفس الأداء العالي L1 Aptos.

2.4 حساب التقييم

وفقًا للمؤسس السابق والرئيس التنفيذي أحمد شديد، IO .NET سيتم إطلاق الرمز المميز في نهاية أبريل.

لدى IO.NET مشروعان مستهدفان يمكن استخدامهما كمراجع تقييم: Render Network وAkash Network، وكلاهما يمثلان مشاريع حوسبة موزعة تمثيلية.

يمكننا استنتاج نطاق القيمة السوقية لـ IO.NET بطريقتين: 1. نسبة السوق إلى المبيعات، أي: القيمة السوقية/نسبة الإيرادات؛ 2. القيمة السوقية/نسبة عدد شرائح الشبكة.

دعونا نلقي نظرة أولاً على خصم التقييم بناءً على نسبة السعر إلى المبيعات:

من منظور نسبة السعر إلى المبيعات، يمكن استخدام Akash كحد أدنى من نطاق تقييم IO.NET، في حين أن Render كمرجع تسعير متطور للتقييم، يتراوح نطاق FDV الخاص بها من 1.67 مليار دولار أمريكي إلى 5.93 مليار دولار أمريكي.

ومع ذلك، وبالنظر إلى مشروع IO.NET المحدث، فإن السرد أكثر شيوعًا، إلى جانب القيمة السوقية الأصغر للتداول المبكر، والنطاق الحالي الأكبر لجانب العرض. ، فإن FDV الخاص به يتجاوز إمكانية العرض ليست صغيرة.

انظر إلى منظور آخر لمقارنة التقييمات، وهو "نسبة السعر إلى السعر الأساسي".

في سياق السوق حيث يتجاوز الطلب على قوة حوسبة الذكاء الاصطناعي العرض، فإن العنصر الأكثر أهمية في شبكة طاقة حوسبة الذكاء الاصطناعي الموزعة هو حجم جانب عرض وحدة معالجة الرسومات لذلك، يمكننا استخدام "نسبة السوق الأساسية" للمقارنة الأفقية، ويتم استخدام "نسبة القيمة السوقية الإجمالية للمشروع إلى عدد الرقائق في الشبكة" لاستنتاج نطاق التقييم المحتمل لـ IO .NET، والذي يمكن استخدامه كمرجع للقيمة السوقية للقراء.

إذا كان السوق يتم استخدام النسبة الأساسية لحساب نطاق القيمة السوقية لـ IO.NET، حيث تستخدم IO.NET نسبة القيمة السوقية لشبكة Render Network كحد أعلى وشبكة Akash كحد أدنى، ويتراوح نطاق FDV الخاص بها من 20.6 مليار دولار أمريكي إلى 197.5 مليار دولار أمريكي.

أعتقد أن القراء المتفائلين بشأن مشروع IO.NET سيعتقدون أن هذا حساب متفائل للغاية للقيمة السوقية.

وعلينا أن نأخذ في الاعتبار أن العدد الحالي من شرائح IO.NET الضخمة جدًا عبر الإنترنت يتم تحفيزه من خلال توقعات الإسقاط الجوي وأنشطة الحوافز. بعد إطلاق المشروع رسميًا تم إطلاقه، لا يزال يتعين ملاحظة العدد الفعلي عبر الإنترنت لجانب العرض الخاص به.

لذلك بشكل عام، قد تكون حسابات التقييم من منظور نسبة السعر إلى المبيعات أكثر إفادة.

IO.NET، كمشروع ذو الهالة الثلاثية لبيئة AI+DePIN+Solana، دعونا ننتظر ونرى كيف سيكون أداء قيمته السوقية بعد إطلاقه يطلق.

3. المعلومات المرجعية

• Dephi Digital: الدمج الحقيقي

• Galaxy:فهم التقاطع بين التشفير والذكاء الاصطناعي