المؤلف: هيدي بي
لقد انتهى كرنفال Web3 في هونغ كونغ، لكن نبض حرية Web3 لا يزال ينبض ويستمر في اختراق الصناعات الأخرى. بالمقارنة مع الدورة السابقة، فإن منطق بداية هذه السوق الصاعدة هو التحول من "سرد الابتكار المحلي" إلى نموذج "الاعتراف السائد، القائم على رأس المال". تطورت أيضًا مرحلة تطوير Web3 التي لاحظها المؤلف من "الحرية المطلقة المغلقة والمتخصصة" إلى مرحلة "الحرية النسبية في ظل التسامح الحقيقي".
وبموجب هذا المنطق، إذا لم نخرج من الصندوق للتحليل، فإن انتظار السرد الأصلي للابتكار لن يعد أمرًا ضروريًا تكون قادرًا على التكيف مع التطور الحالي لـ Web3. منذ أن احتضنت Web3 بالكامل الامتثال، أعادت Web3 التركيز على المجال المالي من خلال الترويج المستمر لحكومة هونج كونج. تعمل المؤسسات المالية الرئيسية أيضًا على تسريع مشاركتها في Web3 من خلال RWA وصناديق الاستثمار المتداولة الفورية.
في هذا المؤتمر، بالإضافة إلى المؤسسات المالية الرئيسية التي تدخل Web3، رأينا أيضًا فرصة لربط Web2 وWeb3 - مسار DePIN. على وجه الخصوص، أدى الترويج لتطوير نماذج الذكاء الاصطناعي الكبيرة إلى جعل إعادة توزيع قوة الحوسبة، وهو مسار فرعي في DePIN، موضوعًا ساخنًا مرة أخرى.
المصدر: أبحاث OKG
القوة الحاسوبية هي الطُعم، لكن التدريب على النماذج الكبيرة للذكاء الاصطناعي ليس أفضل سيناريو لتنفيذ DePIN p>
"إن تقنية Blockchain تبني الثقة من خلال التكنولوجيا، والذكاء الاصطناعي صناعة تحتاج بشدة إلى الثقة." وقال حسيد قريشي، الشريك الإداري لشركة Dragonfly Capital، في المؤتمر.
DePIN ليس مسارًا جديدًا وقد تم اقتراحه منذ بضع سنوات. ومع انفجار نماذج الذكاء الاصطناعي الكبيرة، أجرت الصناعة الكثير من المناقشات حول قوة الحوسبة والبيانات. ووفقا للتقديرات، زادت تكلفة حسابات النماذج الكبيرة 31 مرة كل عام. هناك نقص عالمي في وحدات معالجة الرسومات، وشركات مثل Nvidia هي على رأس السلسلة الغذائية في الطلب الحالي في السوق وتتمتع بقوة تسعير كبيرة. الاحتكار أو اللامركزية، أصبح الجدل حول التكلفة هو السبب وراء مناقشة دائرة Web3 DePIN بشدة مرة أخرى.
على الرغم من أن التدريب على النماذج الكبيرة للذكاء الاصطناعي هو السبب، إلا أن روما لم يتم بناؤها في يوم واحد. لا يعد التدريب على النماذج الكبيرة للذكاء الاصطناعي حاليًا أفضل سيناريو تنفيذ لـ DePIN
قوي>. تركز متطلبات الطاقة الحاسوبية لإنتاج النماذج الكبيرة للذكاء الاصطناعي بشكل أساسي على جانبين: التفكير والتدريب. في عملية التدريب، يتم تدريب نموذج شبكة عصبية معقد عن طريق تغذية كمية كبيرة من البيانات. في عملية الاستدلال، يتم استخدام النموذج المدرب لاستنتاج استنتاجات مختلفة باستخدام كمية كبيرة من البيانات.
المصدر: NVIDIA
الجمع بين اللامركزية وقوة الحوسبة، يقلل معامل الصعوبة طبقة تلو الأخرى من التدريب إلى التدريب الدقيق على الاستدلال.من. في DePIN، يمكنك أن ترى أن المزيد من المشاريع في الصناعة تركز على الاستدلال بدلاً من التدريب. السبب الرئيسي وراء استخدام معظم الشركات لمجموعات NVIDIA GPU للتدريب على الذكاء الاصطناعي هو أن لديها إمكانات حوسبة متوازية قوية وعرض نطاق ترددي للذاكرة. بالمقارنة مع رابط الاستدلال، فإن متطلبات طاقة الحوسبة المتوازية وعرض النطاق الترددي أقل بكثير. ويولي التدريب على النماذج الكبيرة مزيدًا من الاهتمام للاستقرار، لأنه بمجرد انقطاع التدريب، يجب إعادة تدريبه. إذا تم بناء تطبيق طاقة حوسبة لامركزية على إيثريوم لاستخدامه بواسطة GPT، فإن عملية مضاعفة مصفوفة واحدة فقط ستستهلك ما يصل إلى 10 مليارات دولار أمريكي من رسوم الغاز وتستغرق شهرًا.
بالإضافة إلى ذلك، قام المؤلف بتحليل الوضع الحالي للعديد من المشاريع الشائعة في هذا المؤتمر، مظهرًا اتجاهًا يتجاوز فيه جانب العرض جانب الطلب، أي أنها موزعة في جميع أنحاء العالم. يتجاوز مصدر طاقة الحوسبة احتياجات مطوري الذكاء الاصطناعي للتدريب على نماذج الذكاء الاصطناعي أو مهام الاستدلال. هذا لا يعني أن الطلب غير موجود. فقد اقترح سام ألتمان، مؤسس OpenAI، جمع 7 تريليون دولار أمريكي لبناء مصنع شرائح متقدم أكبر بعشر مرات من الحجم الحالي لشركة TSMC و لاستخدامها في إنتاج الرقائق والتدريب النموذجي. تظهر أبحاث جامعة ستانفورد أيضًا أنه بغض النظر عن نموذج اللغة، عندما يتجاوز مقياس معلمة التدريب القيمة الحرجة لذلك المقياس، فإن أدائه (مثل الدقة) يتحسن بشكل حاد. وهذا يتعارض تمامًا مع قانون "الجهود الكبيرة يمكن أن تنتج المعجزات"، ويعني أيضًا أنه في الواقع، لا تزال هناك العديد من المشكلات التي يتعين حلها في فكرة قوة الحوسبة اللامركزية.
يمكن إرجاع "الأصول التاريخية" لمسار DePIN إلى أسلوب "اقتصاد المشاركة"
ليس من الصعب فهم مفهوم DePIN بحد ذاته ويمكن حتى إرجاعه إلى Web2. بالنظر إلى صناعة الإنترنت، لمدة 15 عامًا على الأقل، كان مشغلو Web2 منغمسين في تجميع البيانات الشخصية الأصول الملموسة لخلق "اقتصاد المشاركة". إذا تم إعادة توزيع الأصول غير الملموسة (مثل الخوادم الخاملة، وما إلى ذلك) مباشرة إلى الطالب من خلال نظير إلى نظير (P2P) أو نظير إلى أعمال (P2B)، فيمكن لتقنية blockchain اللامركزية إنشاء آلية حوافز لتحسين علاقات الإنتاج. هذا هو ما يدور حوله DePIN.
لهذا السبب، في مسار DePIN، يكون حماس الجميع في جانب العرض مرتفعًا. في الواقع، كان Web2 يقوم بالتحضيرات "لإعادة التوزيع" لفترة طويلة، لكنه هذه المرة يزيل الوسيط مباشرة. يوجد حاليًا ما يقرب من ألف مشروع DePIN، وخاصة نظام Solana البيئي، ووفقًا لإحصائيات Messari، يحتل نظام Solana البيئي مكانة رائدة في البنية التحتية لـ DePIN، ويرجع ذلك إلى تكامل البنية التحتية العالية وأداء سلسلة Solana العامة . فيما يتعلق بالتوزيع الإقليمي، من المتوقع أن تأتي العديد من أفضل 10 أرقام DePIN من آسيا في الفترة 2024-2025.
المصدر: Messari
يوجد العديد من التقاطعات بين Web3 والذكاء الاصطناعي. وباعتبارها العملة العالمية للعالم الرقمي المستقبلي، فإن قوة الحوسبة هي أول ما ينتبه إليه الناس إلى.من. ومع ذلك، فإن قوة الحوسبة اللامركزية، وهي سيناريو التنفيذ الأكثر منطقية، ليست الأسهل في التنفيذ.
عند تقاطع Web3 والذكاء الاصطناعي، بالإضافة إلى التغلب على الصعوبات التقنية واختراق مثل هذه المشكلات باستمرار، هناك أيضًا العديد من الفروع الأخرى مثل الذكاء الاصطناعي إن ملكية الوكيل للمبدعين والقوة الحاسوبية لنماذج الذكاء الاصطناعي الصغيرة تستحق الاستكشاف وستكون أكثر عملية. سيكون هناك دائمًا توازن بين نجاح نماذج الأعمال والاختراقات التكنولوجية. تعمل شركة DePIN على تسريع هذه العملية، وستعود "رحلة الصيد" الخاصة بشركة DePIN بحصاد كامل.