تقرير بحث FMG: ثلاث مشكلات تتعلق بالذكاء الاصطناعي وحلول DePIN

الملخص

لا يمكن فصل منافسة المنتجات في عصر الذكاء الاصطناعي عن جانب الموارد (قوة الحوسبة، البيانات، وما إلى ذلك)، خاصة أنها مدعومة من جانب الموارد المستقرة.

يتطلب التدريب/التكرار النموذجي أيضًا عددًا كبيرًا من أهداف المستخدم (IP) للمساعدة في تغذية البيانات لإحداث تغيير نوعي في كفاءة النموذج.

يمكن أن يساعد الدمج مع Web3 فرق الذكاء الاصطناعي الناشئة الصغيرة والمتوسطة الحجم على تجاوز عمالقة الذكاء الاصطناعي التقليديين.

بالنسبة لنظام DePIN البيئي، تحدد الموارد مثل قوة الحوسبة وعرض النطاق الترددي الحد الأدنى (تكامل طاقة الحوسبة البسيط ليس له خندق)؛ التطبيق والتحسين المتعمق من نماذج الذكاء الاصطناعي (المشابهة لـ BitTensor) أبعاد مثل التخصص (Render، Hivemaper) والاستخدام الفعال للبيانات تحدد الحد الأعلى للمشروع.

في سياق AI+DePIN، سيحظى استدلال النماذج وضبطها الدقيق، بالإضافة إلى سوق نماذج الذكاء الاصطناعي للهواتف المحمولة، بالاهتمام.

تحليل سوق الذكاء الاصطناعي وثلاثة أسئلة

< p style="text-align: left;">وفقًا للإحصاءات، من سبتمبر 2022، عشية ميلاد ChatGPT، إلى أغسطس 2023، حقق أفضل 50 منتجًا للذكاء الاصطناعي في العالم أكثر من 24 مليار زيارة، بمتوسط النمو الشهري 236.3 مليون مرة.

وراء ازدهار منتجات الذكاء الاصطناعي يكمن الاعتماد المتزايد على قوة الحوسبة.

المصدر: "نماذج اللغة هي عدد قليل من المتعلمين"

جامعة ماساتشوستس: تشير ورقة بحثية من جامعة أمهيرست إلى أن "تدريب نموذج الذكاء الاصطناعي يمكن أن ينبعث منه قدر من الكربون يعادل خمس سيارات على مدى عمرها". ومع تحسن النموذج من خلال التدريب المتكرر، سيزداد استخدام الطاقة بشكل ملحوظ.

أحدث نماذج اللغات تحتوي على مليارات أو حتى تريليونات من الأوزان. أحد النماذج الشائعة، GPT-3، يحتوي على 175 مليار معلمة للتعلم الآلي. سيتطلب استخدام A100 1024 وحدة معالجة رسوميات و34 يومًا و4.6 مليون دولار لتدريب النموذج.

توسعت المنافسة بين المنتجات في عصر ما بعد الذكاء الاصطناعي تدريجيًا لتتحول إلى حرب من جانب الموارد تركز على قوة الحوسبة.

المصدر: الذكاء الاصطناعي يضر كوكبنا: معالجة تكلفة الطاقة المذهلة للذكاء الاصطناعي

يؤدي هذا إلى ثلاثة أسئلة: أولاً، ما إذا كان منتج الذكاء الاصطناعي يتمتع بموارد كافية (قوة الحوسبة، وعرض النطاق الترددي، وما إلى ذلك)، وخاصة الموارد المستقرة، لدعمه. تتطلب هذه الموثوقية اللامركزية مع قوة حاسوبية كافية. في المجال التقليدي، ونظرًا للفجوة في جانب الطلب على الرقائق، إلى جانب الجدار العالمي المبني على أساس السياسات والأيديولوجية، فإن مصنعي الرقائق هم بطبيعة الحال في وضع متميز ويمكنهم رفع الأسعار بشكل كبير. على سبيل المثال، زادت شريحة طراز NVIDIA H100 من 36000 دولار أمريكي إلى 50000 دولار أمريكي في أبريل 2023، مما يزيد من تكلفة فريق تدريب نموذج الذكاء الاصطناعي.

المشكلة الثانية هي أن تلبية شروط جانب الموارد تساعد مشاريع الذكاء الاصطناعي على حل الاحتياجات الصارمة للأجهزة، ولكن التدريب على النماذج/التكرار يتطلب أيضًا عددًا كبيرًا من المستخدمين الأهداف (IP) للمساعدة في تغذية المعلومات. بعد أن يتجاوز حجم النموذج حدًا معينًا، يُظهر الأداء في المهام المختلفة نموًا مذهلاً.

المشكلة الثالثة هي: من الصعب على فرق الذكاء الاصطناعي الناشئة الصغيرة والمتوسطة الحجم التجاوز في المنعطفات. أدى احتكار قوة الحوسبة في السوق المالية التقليدية أيضًا إلى احتكار حلول نماذج الذكاء الاصطناعي. ويعمل كبار مصنعي نماذج الذكاء الاصطناعي، المتمثلين في OPenAI، وGoogle Deepmind، وما إلى ذلك، على بناء خنادقهم الخاصة. تحتاج فرق الذكاء الاصطناعي الصغيرة والمتوسطة الحجم إلى البحث عن منافسة أكثر تنوعًا.

يمكن العثور على إجابات الأسئلة الثلاثة المذكورة أعلاه في Web3. في الواقع، فإن الجمع بين الذكاء الاصطناعي وWeb3 له تاريخ طويل، والنظام البيئي مزدهر نسبيًا.

الصورة أدناه توضح بعض المسارات والمشاريع الخاصة بالنظام البيئي AI+Web3 الذي تنتجه Future Money Group.

AI+DePIN

1. حل DePIN

DePIN هو اختصار لشبكة البنية التحتية المادية اللامركزية. وهو أيضًا عبارة عن مجموعة من علاقات الإنتاج بين الأشخاص والمعدات، من خلال الجمع بين اقتصاديات الرمز المميز ومعدات الأجهزة (مثل أجهزة الكمبيوتر وكاميرات السيارات وما إلى ذلك). ) ، للجمع بين المستخدمين والمعدات بشكل عضوي مع تحقيق التشغيل المنظم للنموذج الاقتصادي.

بالمقارنة مع Web3 المحدد على نطاق أوسع، نظرًا لأن DePIN يرتبط بطبيعة الحال بشكل أوثق بالأجهزة والمؤسسات التقليدية، فإن DePIN يجذب فرق الذكاء الاصطناعي خارج الموقع والمرتبطين هناك هي المزايا الطبيعية من حيث الأموال.

إن سعي نظام DePIN البيئي إلى توفير قوة حوسبة موزعة وحوافز للمساهمين يحل تمامًا احتياجات منتجات الذكاء الاصطناعي من قوة الحوسبة والملكية الفكرية.

• يستخدم DePIN اقتصاديات الرمز المميز لتعزيز قوة الحوسبة في العالم (حساب تسوية مراكز الطاقة وطاقة الحوسبة الشخصية الخاملة) تقلل من خطر مركزية قوة الحوسبة وفي نفس الوقت تقلل من تكلفة استخدام قوة الحوسبة لفريق الذكاء الاصطناعي.

• يساعد تكوين IP الكبير والمتنوع لنظام DePIN البيئي نموذج الذكاء الاصطناعي على تحقيق تنوع وموضوعية قنوات الحصول على البيانات، وهو أمر كافٍ ويمكن لموفري البيانات المتعددين أيضًا ضمان تحسين أداء نموذج الذكاء الاصطناعي.

• يمكن أن يساعد التداخل في الصور الشخصية بين مستخدمي DePIN البيئيين ومستخدمي Web3 في مشاريع الذكاء الاصطناعي المستقرة في تطوير المزيد من المنتجات التي تدعم Web3 إنشاء نماذج ذكاء اصطناعي فريدة منافسة متباينة، وهي غير متوفرة في سوق الذكاء الاصطناعي التقليدي.

في مجال Web2، عادةً ما يأتي جمع بيانات نماذج الذكاء الاصطناعي من مجموعات البيانات العامة أو التي يجمعها منتجو النماذج أنفسهم، مما سيؤدي إلى تتأثر الخلفية الثقافية والقيود الجغرافية مما يسبب "تشويهًا" ذاتيًا في المحتوى الذي ينتجه نموذج الذكاء الاصطناعي. الطرق التقليدية لجمع البيانات محدودة بكفاءة التجميع والتكلفة، مما يجعل من الصعب الحصول على نطاق نموذجي أكبر (عدد المعلمات ووقت التدريب وجودة البيانات). بالنسبة لنماذج الذكاء الاصطناعي، كلما كان حجم النموذج أكبر، كان من الأسهل على أداء النموذج أن يتغير من الناحية النوعية.

المصدر: القدرات الناشئة لنماذج اللغة الكبيرة: كيف تحل المشكلات التي لم يتم تدريبها على معالجتها؟

يصادف أن DePIN تتمتع بميزة طبيعية في هذا المجال . لنأخذ Hivemapper كمثال، حيث يتم توزيعه في 1920 منطقة حول العالم، ويقدم ما يقرب من 40000 مساهم بيانات لـ MAP AI (نموذج Map AI).

يعني الجمع بين الذكاء الاصطناعي وDePIN أيضًا أن تكامل الذكاء الاصطناعي وWeb3 قد وصل إلى مستوى جديد. حاليًا، تُستخدم مشاريع الذكاء الاصطناعي في Web3 على نطاق واسع في الجانب التطبيقي، وبالكاد تخلصت من اعتمادها المباشر على البنية التحتية لـ Web2. وسوف تقوم بزرع نماذج الذكاء الاصطناعي الحالية التي تعتمد على منصات طاقة الحوسبة التقليدية في مشاريع Web3. إن إنشاء نماذج الذكاء الاصطناعي هو أمر نادرا ما تشارك.

كانت عناصر Web3 دائمًا في الروافد السفلية للسلسلة الغذائية ولا يمكنها الحصول على عوائد فائضة حقيقية. "وينطبق الشيء نفسه على منصات الطاقة الحاسوبية الموزعة. لا يمكن للقوة الحاسوبية الخالصة للذكاء الاصطناعي + الاستفادة حقًا من إمكانات الاثنين. في هذه العلاقة، لا يستطيع مقدمو الطاقة الحاسوبية الحصول على المزيد من الأرباح الزائدة، والبنية البيئية بسيطة للغاية. لذلك، من المستحيل لاستخدام اقتصاديات الرمز المميز لتشغيل دولاب الموازنة.

لكن مفهوم AI+DePIN يكسر هذه العلاقة المتأصلة ويحول انتباه Web3 إلى نماذج الذكاء الاصطناعي الأوسع.

2. ملخص مشروع AI+DePIN

< p style = "text-align: left;"> تمتلك DePIN بطبيعة الحال المعدات (قوة الحوسبة، وعرض النطاق الترددي، والخوارزميات، والبيانات)، والمستخدمين (موفري بيانات التدريب النموذجي)، وآليات الحوافز البيئية (الرموز المميزة) التي نحتاجها بشدة للذكاء الاصطناعي. اقتصاديات).

يمكننا وضع تعريف بجرأة: توفير شروط موضوعية كاملة (طاقة الحوسبة/عرض النطاق الترددي/البيانات/IP) للذكاء الاصطناعي وتوفير نماذج الذكاء الاصطناعي (التدريب/الاستدلال/الدقة -tuning) يمكن تعريف السيناريوهات والمشاريع التي يتم منحها اقتصاديات الرمز المميز على أنها AI+DePIN.

ستقوم مجموعة Future Money Group بإدراج النماذج الكلاسيكية التالية لـ AI+DePIN لفرزها.

نقسمها إلى أربعة قطاعات: قوة الحوسبة، وعرض النطاق الترددي، والبيانات، والقطاعات الأخرى وفقًا لأنواع مختلفة من توفير الموارد، ونحاول فرز المشاريع في قطاعات مختلفة.

2.1 قوة الحوسبة

نهاية قوة الحوسبة هي AI+ المكون الرئيسي لقطاع DePIN هو أيضًا الجزء الذي يضم أكبر عدد من المشاريع حاليًا. بالنسبة لمشاريع الطاقة الحاسوبية، فإن المكونات الرئيسية لقوة الحوسبة هي وحدة معالجة الرسومات (GPU) ووحدة المعالجة المركزية (وحدة المعالجة المركزية) وTPU (شريحة تعلم الآلة الاحترافية). من بينها، تم تصنيع TPU بشكل أساسي بواسطة Google نظرًا لصعوبة التصنيع العالية، فهي توفر فقط خدمات تأجير طاقة الحوسبة السحابية الخارجية، وبالتالي فإن حجم السوق صغير. وحدة معالجة الرسومات (GPU) هي أحد مكونات الأجهزة المشابهة لوحدة المعالجة المركزية (CPU)، ولكنها أكثر احترافية. يمكنه التعامل مع العمليات الحسابية المعقدة التي تعمل بالتوازي بكفاءة أكبر من وحدة المعالجة المركزية العادية. تم تصميم وحدات معالجة الرسومات في الأصل للتعامل مع مهام عرض الرسومات في الألعاب والرسوم المتحركة، ولكنها تُستخدم الآن لأكثر من ذلك بكثير. لذلك، تعد وحدة معالجة الرسومات (GPU) حاليًا المصدر الرئيسي لسوق طاقة الحوسبة.

لذلك فإن العديد من مشاريع AI+DePIN التي يمكننا رؤيتها من حيث القوة الحاسوبية تتخصص في الرسومات وعرض الفيديو أو الألعاب ذات الصلة، ويرجع ذلك إلى خصائص وحدة معالجة الرسومات.

من منظور عالمي، يتكون المزودون الرئيسيون لقدرة الحوسبة لمنتجات AI+DePIN من ثلاثة أجزاء: مزودو خدمات طاقة الحوسبة السحابية التقليديون، والأفراد الخاملون قوة الحوسبة ؛ قوة الحوسبة الخاصة. ومن بينها، يمثل مقدمو خدمات طاقة الحوسبة السحابية الحصة الأكبر، تليها قوة الحوسبة الشخصية الخاملة. وهذا يعني أن مثل هذه المنتجات تعمل في كثير من الأحيان كوسطاء للطاقة الحاسوبية. على جانب الطلب هناك العديد من فرق تطوير نماذج الذكاء الاصطناعي.

في الوقت الحاضر، في هذه الفئة، لا يمكن استخدام ما يقرب من 100٪ من قوة الحوسبة عمليًا، وفي معظم الأوقات تكون في وضع الخمول. على سبيل المثال، في شبكة Akash، حوالي 35% من طاقة الحوسبة قيد الاستخدام حاليًا، وبقية طاقة الحوسبة خاملة. io.net في وضع مماثل.

قد يكون السبب في ذلك هو العدد الصغير الحالي لمتطلبات التدريب على نماذج الذكاء الاصطناعي، وهو أيضًا السبب وراء قدرة AI+DePIN على توفير تكاليف طاقة حوسبة رخيصة. ومع توسع سوق الذكاء الاصطناعي في المستقبل، سوف يتحسن هذا الوضع.

شبكة Akash: سوق الخدمات السحابية اللامركزية من نظير إلى نظير

شبكة Akash عبارة عن سوق خدمات سحابية لا مركزية من نظير إلى نظير، ويُشار إليها غالبًا باسم Airbnb للخدمات السحابية. تتيح شبكة Akash للمستخدمين والشركات من جميع الأحجام استخدام خدماتهم بسرعة وثبات وبتكلفة معقولة.

على غرار Render، يوفر Akash أيضًا للمستخدمين خدمات مثل نشر GPU والتأجير والتدريب على نماذج الذكاء الاصطناعي.

في أغسطس 2023، أطلق Akash Supercloud، مما يسمح للمطورين بتحديد السعر الذي يرغبون في دفعه لنشر نماذج الذكاء الاصطناعي الخاصة بهم، في حين أن أولئك الذين لديهم قوة حوسبة إضافية هم المزود. يستضيف نموذج المستخدم. تشبه هذه الميزة إلى حد كبير ميزة Airbnb، مما يسمح لمقدمي الخدمات بتأجير السعة غير المستخدمة.

من خلال العطاءات المفتوحة، يتم تشجيع موفري الموارد على فتح موارد الحوسبة الخاملة في شبكاتهم، وتحقق شبكة Akash استخدامًا أكثر كفاءة للموارد، وبالتالي توفير احتياجات الموارد التي تقدمها Fang أسعار أكثر تنافسية.

العدد الإجمالي الحالي لوحدات معالجة الرسومات البيئية Akash هو 176 وحدة معالجة رسوميات، لكن العدد النشط هو 62، ومستوى النشاط 35%، وهو أقل من مستوى 50% في سبتمبر 2023. الدخل اليومي المقدر هو حوالي 5000 دولار أمريكي. تتمتع رموز AKT بوظيفة التعهد، ويمكن للمستخدمين المشاركة في الحفاظ على أمان الشبكة من خلال تعهد الرموز والحصول على عائد سنوي يبلغ حوالي 13.15%.

يعد أداء بيانات Akash في قطاع AI+DePIN الحالي مرتفعًا نسبيًا، كما أن مشروع FDV الذي تبلغ قيمته 700 مليون دولار أمريكي يتمتع بمساحة أكبر للنمو مقارنةً بـ Render وBitTensor.

لقد اتصل Akash أيضًا بشبكة BitTensor الفرعية لتوسيع مساحة التطوير الخاصة به. بشكل عام، يتمتع مشروع Akash، باعتباره واحدًا من العديد من المشاريع عالية الجودة على مسار AI+DePIN، بأداء أساسي ممتاز.

io.net: AI+DePIN مع أكبر عدد من وحدات معالجة الرسومات

io.net هي شبكة حوسبة لا مركزية تتيح تطوير وتنفيذ وتوسيع نطاق تطبيقات ML (التعلم الآلي) على Solana blockchain، مع الاستفادة من أكبر مجموعة GPU في العالم للسماح لمهندسي التعلم الآلي باستئجار الخدمة السحابية الموزعة والوصول إليها قوة الحوسبة بجزء صغير من تكلفة الخدمات المركزية.

وفقًا للبيانات الرسمية، لدى io.net أكثر من مليون وحدة معالجة رسومات في وضع الاستعداد. بالإضافة إلى ذلك، يعمل تعاون io.net مع Render أيضًا على توسيع موارد وحدة معالجة الرسومات المتاحة للنشر.

يحتوي النظام البيئي io.net على العديد من وحدات معالجة الرسومات، ولكن جميعها تقريبًا تأتي من التعاون مع مختلف بائعي الحوسبة السحابية والوصول إلى العقد الشخصية، ومعدل الخمول نسبيًا عالية، عالية، بأخذ RTX A6000، الذي يحتوي على أكبر عدد من وحدات معالجة الرسومات، على سبيل المثال، 11٪ فقط (927) من وحدات معالجة الرسومات الـ 8426 قيد الاستخدام، بينما لا يستخدم أحد تقريبًا أنواعًا أكثر من وحدات معالجة الرسومات. ولكن واحدة من المزايا الرئيسية لمنتجات io.net الحالية هي أن أسعارها رخيصة. فمقارنة بتكلفة الاتصال بوحدة معالجة الرسومات الخاصة بشركة Akash والتي تبلغ 1.5 دولار أمريكي في الساعة، فإن أقل تكلفة على io.net يمكن أن تتراوح بين 0.1 إلى 1 دولار أمريكي.

في المستقبل، ستفكر io.net أيضًا في السماح لموفري وحدات معالجة الرسومات في نظام الإدخال والإخراج البيئي بزيادة فرصة استخدامها من خلال رهن الأصول المحلية. كلما زاد عدد الأصول التي تستثمرها، زادت فرص اختيارك. وفي الوقت نفسه، يمكن لمهندسي الذكاء الاصطناعي الذين يتعهدون بالأصول المحلية أيضًا استخدام وحدات معالجة الرسومات عالية الأداء.

من حيث نطاق الوصول إلى وحدة معالجة الرسومات، يعد io.net هو الأكبر من بين المشاريع العشرة المدرجة في هذه المقالة. بالإضافة إلى معدل الخمول، فإن عدد وحدات معالجة الرسومات المستخدمة يحتل المرتبة الأولى أيضًا. فيما يتعلق باقتصاديات الرمز المميز، سيتم إطلاق رمز io.net الأصلي ورمز البروتوكول IO في الربع الأول من عام 2024، بحد أقصى للعرض يبلغ 22,300,000. سيتم فرض رسوم بنسبة 5% على المستخدمين مقابل استخدام الشبكة، والتي سيتم استخدامها في رموز Burn IO أو لتقديم حوافز للمستخدمين الجدد على جانبي العرض والطلب. يتميز نموذج الرمز المميز بخصائص سحب واضحة، لذلك على الرغم من أن io.net لم يصدر رمزًا مميزًا، إلا أن السوق يحظى بشعبية كبيرة.

Golem: سوق طاقة الحوسبة المعتمدة على وحدة المعالجة المركزية

Golem هو سوق طاقة حاسوبية لامركزية يسمح لأي شخص بمشاركة وتجميع موارد الحوسبة عن طريق إنشاء شبكة من الموارد المشتركة. يوفر Golem للمستخدمين سيناريوهات لتأجير طاقة الحوسبة.

يتكون سوق Golem من ثلاثة أطراف، وهي مورد طاقة الحوسبة، وجانب الطلب على طاقة الحوسبة، ومطوري البرامج. يرسل طالب طاقة الحوسبة مهمة الحوسبة، وتقوم شبكة Golem بتخصيص مهمة الحوسبة لمورد طاقة الحوسبة المناسب (توفير ذاكرة الوصول العشوائي، ومساحة القرص الصلب، ونواة وحدة المعالجة المركزية، وما إلى ذلك). وبعد اكتمال مهمة الحوسبة، يقوم كلا الطرفين بالدفع و التسوية من خلال الرمز المميز.

يستخدم Golem بشكل أساسي وحدات المعالجة المركزية لتكديس طاقة الحوسبة، على الرغم من أن التكلفة أقل من تكلفة وحدات معالجة الرسومات (تكلف Inter i9 14900k حوالي 700 دولار، بينما تكلف وحدات معالجة الرسومات A100 ما بين 12000 إلى 25000 دولار). ومع ذلك، لا تستطيع وحدة المعالجة المركزية تنفيذ عمليات عالية التزامن وتستهلك طاقة أعلى. ولذلك، فإن استخدام وحدة المعالجة المركزية (CPU) لاستئجار طاقة الحوسبة قد يكون له سرد أضعف قليلاً من مشروع وحدة معالجة الرسومات (GPU).

الذكاء الاصطناعي المغناطيسي: الاستفادة من نماذج الذكاء الاصطناعي

الذكاء الاصطناعي المغناطيسي من خلال دمج موفري طاقة حوسبة وحدة معالجة الرسومات، نقدم خدمات تدريب نموذجية لمطوري نماذج الذكاء الاصطناعي المختلفة. على عكس منتجات AI+DePIN الأخرى، يسمح Magent AI لفرق الذكاء الاصطناعي المختلفة بإصدار رموز ERC-20 بناءً على نماذجهم الخاصة، ويمكن للمستخدمين الحصول على إسقاطات رمزية مختلفة لنماذج مختلفة ومكافآت إضافية من خلال المشاركة في تفاعلات نموذجية مختلفة.

في الربع الثاني من عام 2024، سيتم إطلاق Magent AI على Polygon zkEVM وArbrium.

إنه مشابه إلى حد ما لـ io.net، فهو يدمج بشكل أساسي قوة حوسبة وحدة معالجة الرسومات ويوفر خدمات تدريب نموذجية لفرق الذكاء الاصطناعي.

الفرق هو أن io.net يركز بشكل أكبر على تكامل موارد GPU، وتشجيع مجموعات GPU المختلفة والمؤسسات والأفراد على المساهمة بوحدات معالجة الرسومات أثناء تلقي المكافآت، وهو أمر محرك طاقة الحوسبة.

يبدو أن Magent AI يركز أكثر على نماذج الذكاء الاصطناعي. ونظرًا لوجود الرموز المميزة لنماذج الذكاء الاصطناعي، فقد يركز على الرموز المميزة والإسقاطات الجوية لإكمال جذب المستخدمين والاحتفاظ بهم، ومن خلال هذه الطريقة للاستفادة من نماذج الذكاء الاصطناعي، سنعمل على تعزيز دخول مطوري الذكاء الاصطناعي.

ملخص بسيط: إن Magnet يعادل بناء سوق باستخدام وحدات معالجة الرسومات، حيث يمكن لأي مطور للذكاء الاصطناعي أو ناشر نماذج إصدار رموز ERC-20. يمكن للمستخدمين الحصول على رموز مميزة أو عقد الرموز المختلفة بنشاط.

العرض: مشغل احترافي لعرض الرسوم البيانية لنموذج الذكاء الاصطناعي

Render Network هو مزود حلول عرض لامركزي يعتمد على GPU ويهدف إلى ربط المبدعين وموارد GPU الخاملة من خلال تقنية blockchain للتخلص من قيود الأجهزة وتقليل الوقت والتكاليف، مع توفير إدارة الحقوق الرقمية، وزيادة تعزيز تطوير Metaverse.

وفقًا للورقة البيضاء لـ Render، استنادًا إلى Render، يمكن للفنانين والمهندسين والمطورين إنشاء سلسلة من تطبيقات الذكاء الاصطناعي، مثل إنشاء محتوى ثلاثي الأبعاد بمساعدة الذكاء الاصطناعي و العرض المسرع بواسطة الذكاء الاصطناعي للنظام بأكمله، واستخدام بيانات الرسم البياني للمشهد ثلاثي الأبعاد الخاص بـ Render لتدريب نماذج الذكاء الاصطناعي ذات الصلة.

يوفر Render Render Network SDK لمطوري الذكاء الاصطناعي. وسيتمكن المطورون من استخدام وحدة معالجة الرسومات الموزعة الخاصة بـ Render لتنفيذ العرض من NeRF (Neural Reflection Field) ومهام الحوسبة LightField AI. من العملية إلى مهام الذكاء الاصطناعي التوليدية.

وفقًا لتقرير صادر عن Global Market Insights، من المتوقع أن يصل سوق العرض العالمي ثلاثي الأبعاد إلى 6 مليارات دولار أمريكي. بالمقارنة مع عرض FDV الذي تبلغ قيمته 2.2 مليار دولار أمريكي، لا يزال هناك مجال للتطوير.

في الوقت الحالي، لا يمكن العثور على البيانات المحددة لـ Render المستندة إلى وحدة معالجة الرسومات، ولكن لأن شركة OTOY التي تقف وراء Render أظهرت ارتباطها بشركة Apple عدة مرات؛ إلى جانب عملها أعمال واسعة النطاق OctaneRender، العارض النجمي لـ OTOY، يدعم جميع مجموعات الأدوات ثلاثية الأبعاد الرائدة في الصناعة في مجالات VFX والألعاب وتصميم الحركة والتصور المعماري والمحاكاة، بما في ذلك الدعم الأصلي لمحركات Unity3D وUnreal.

كما انضمت Google وMicrosoft إلى شبكة RNDR. عالج Render ما يقرب من 250000 طلب عرض في عام 2021، وحقق الفنانون في النظام البيئي حوالي 5 مليارات دولار من المبيعات من خلال NFT.

لذلك، يجب مقارنة التقييم المرجعي لـ Render مع إمكانات سوق العرض الشامل (حوالي 30 مليار دولار أمريكي). إلى جانب النموذج الاقتصادي BME (Burning and Minting Balance)، لا يزال لدى Render بعض المجال للنمو، سواء من حيث سعر الرمز المميز أو FDV.

Clore.ai: عرض الفيديو

Clore.ai إنها منصة تعتمد على إثبات العمل (PoW) وتوفر خدمات تأجير الطاقة الحاسوبية لوحدة معالجة الرسومات (GPU). يمكن للمستخدمين استئجار وحدات معالجة الرسوميات الخاصة بهم للقيام بمهام مثل التدريب على الذكاء الاصطناعي، وعرض الفيديو، واستخراج العملات المشفرة، ويمكن للآخرين الحصول على هذه القوة بسعر منخفض.

يشمل نطاق العمل: التدريب على الذكاء الاصطناعي، وعرض الأفلام، والشبكة الافتراضية الخاصة (VPN)، واستخراج العملات المشفرة، وما إلى ذلك. عندما يكون هناك طلب على خدمات طاقة حوسبة محددة، تكتمل المهام التي تحددها الشبكة؛ إذا لم يكن هناك طلب على خدمات طاقة الحوسبة، تجد الشبكة العملة المشفرة ذات أعلى عائد تعدين في ذلك الوقت وتشارك في التعدين.

ارتفع عدد وحدات معالجة الرسومات الخاصة بـClore.ai من 2000 إلى حوالي 9000 في الأشهر الستة الماضية، ولكن من حيث عدد عمليات تكامل GPU، يتفوق Clore.ai على Akash. ومع ذلك، فإن سوقها الثانوية FDV تبلغ حوالي 20٪ فقط من Akash.

فيما يتعلق بنموذج الرمز المميز، تعتمد CLORE وضع تعدين POW، دون التعدين المسبق وICO. ويتم تخصيص 50% من كل كتلة للقائمين بالتعدين و40% للقائمين بالتعدين. - للمستأجرين يتم تخصيص 10% للفريق.

العدد الإجمالي للرموز هو 1.3 مليار. وسيبدأ التعدين في يونيو 2022 وسيدخل بشكل أساسي إلى التداول الكامل بحلول عام 2042. ويبلغ التداول الحالي حوالي 220 مليون. . سيكون العرض المتداول في نهاية عام 2023 حوالي 250 مليونًا، وهو ما يمثل 20٪ من إجمالي المعروض من الرمز المميز. "لذا فإن FDV الفعلي الحالي هو 31 مليون دولار أمريكي. من الناحية النظرية، فإن Clore.ai مقومة بأقل من قيمتها بشكل خطير. ومع ذلك، نظرًا لاقتصادياتها الرمزية، فإن نسبة تخصيص عمال التعدين تبلغ 50٪، ونسبة التعدين والبيع والرفع مرتفعة جدًا، لذلك سعر العملة لديه إمكانية كبيرة لزيادة المقاومة.

Livepeer: عرض الفيديو والاستدلال

يعتمد Livepeer على بروتوكول الفيديو اللامركزي الخاص بـ Ethereum يكافئ الأطراف التي تعالج محتوى الفيديو بشكل آمن وبسعر معقول.

وفقًا للمسؤولين، يمتلك Livepeer الآلاف من موارد GPU لتحويل ملايين الدقائق من الفيديو كل أسبوع.

قد يتبنى Livepeer نهج "الشبكة الرئيسية" + "الشبكة الفرعية"، مما يسمح لمشغلي العقد المختلفين بإنشاء شبكات فرعية وصرف المدفوعات على شبكة Livepeer الرئيسية لأداء هذه المهام. على سبيل المثال، تم تقديم الشبكة الفرعية لفيديو الذكاء الاصطناعي للتدريب على نماذج الذكاء الاصطناعي على وجه التحديد في مجال عرض الفيديو.

سيقوم Livepeer لاحقًا بتوسيع الأجزاء المتعلقة بالذكاء الاصطناعي بدءًا من التدريب النموذجي البسيط وحتى الاستدلال والضبط الدقيق.

أثير: التركيز على الألعاب السحابية والذكاء الاصطناعي

أثير إنها منصة ألعاب سحابية وبنية تحتية سحابية لامركزية (DCI) مصممة خصيصًا لشركات الألعاب والذكاء الاصطناعي. فهو يساعد على تقديم أحمال حوسبة GPU ثقيلة نيابة عن اللاعبين، مما يضمن حصول اللاعبين على تجربة زمن وصول منخفضة للغاية في أي مكان وعلى أي جهاز.

وفي الوقت نفسه، توفر Aethir خدمات النشر بما في ذلك وحدة معالجة الرسومات ووحدة المعالجة المركزية والقرص والعناصر الأخرى. في 27 سبتمبر 2023، قدمت Aethir رسميًا خدمات تجارية للألعاب السحابية وقوة حوسبة الذكاء الاصطناعي للعملاء العالميين، ودمجت قوة الحوسبة اللامركزية لتوفير دعم قوة الحوسبة للألعاب ونماذج الذكاء الاصطناعي على منصتها الخاصة.

تزيل الألعاب السحابية القيود المفروضة على أجهزة الأجهزة الطرفية وأنظمة التشغيل عن طريق نقل متطلبات طاقة الحوسبة للعرض إلى السحابة، مما يؤدي إلى توسيع نطاق قاعدة اللاعبين المحتملين بشكل كبير.

2.2 النطاق الترددي

يتم توفير النطاق الترددي بواسطة DePIN للذكاء الاصطناعي أحد الموارد هو أن سوق النطاق الترددي العالمي سيتجاوز 50 مليار دولار أمريكي في عام 2021، ومن المتوقع أن يتجاوز 100 مليار دولار في عام 2027.

نظرًا للعدد المتزايد وتعقيد نماذج الذكاء الاصطناعي، يعتمد تدريب النماذج عادةً مجموعة متنوعة من استراتيجيات الحوسبة المتوازية، مثل توازي البيانات، وتوازي خطوط الأنابيب، وتوازي الموتر، إلخ. . في أوضاع الحوسبة المتوازية هذه، أصبحت أهمية عمليات الاتصال الجماعية بين أجهزة الحوسبة المتعددة ذات أهمية متزايدة. لذلك، عند بناء مجموعات تدريب واسعة النطاق لنماذج الذكاء الاصطناعي الكبيرة، يصبح دور النطاق الترددي للشبكة بارزًا.

والأهم من ذلك، أن مورد النطاق الترددي المستقر والموثوق بدرجة كافية يمكن أن يضمن الاستجابة المتزامنة بين العقد المختلفة، مما يؤدي تقنيًا إلى تجنب ظهور نقطة تحكم واحدة (على سبيل المثال، Falcon يستخدم نموذج شبكة ترحيل منخفض الكمون + عرض النطاق الترددي العالي لتحقيق التوازن بين الكمون ومتطلبات عرض النطاق الترددي)، مما يضمن في النهاية الجدارة بالثقة ومقاومة الرقابة للشبكة بأكملها.

العشب: منتج تعدين النطاق الترددي المتوافق مع الأجهزة المحمولة

العشب هو المنتج الرئيسي لشبكة Wynd Network، التي تركز على بيانات الشبكة المفتوحة وجمعت تمويلًا بقيمة مليون دولار أمريكي في عام 2023. يتيح Grass للمستخدمين كسب دخل سلبي من اتصالاتهم بالإنترنت عن طريق بيع موارد الشبكة غير المستخدمة.

يمكن للمستخدمين بيع النطاق الترددي للإنترنت على Grass، وتوفير خدمات النطاق الترددي لفرق تطوير الذكاء الاصطناعي المحتاجة، والمساعدة في التدريب على نماذج الذكاء الاصطناعي، والحصول على عوائد رمزية.

في الوقت الحالي، Grass على وشك إطلاق إصدار للهواتف المحمولة. وبما أن إصدار الهاتف المحمول وإصدار الكمبيوتر الشخصي لهما عناوين IP مختلفة، فهذا يعني أنه سيتم تزويد مستخدمي Grass مزيد من المعلومات للمنصة في نفس الوقت، المزيد من عناوين IP، وسيقوم Grass بجمع المزيد من عناوين IP لتوفير كفاءة أفضل للبيانات للتدريب على نماذج الذكاء الاصطناعي.

في الوقت الحالي، لدى Grass طريقتان لتوفير عناوين IP: برنامج ملحق تنزيل الكمبيوتر الشخصي، وتنزيل تطبيق الهاتف المحمول. (يجب أن تكون أجهزة الكمبيوتر الشخصية والأجهزة المحمولة على شبكات مختلفة)

اعتبارًا من 29 نوفمبر 2023، تحتوي منصة Grass على 103000 عملية تنزيل و1450000 عنوان IP فريد.

المحطات الطرفية المتنقلة ومحطات الكمبيوتر لها متطلبات مختلفة للذكاء الاصطناعي، لذا تختلف فئات التدريب على نماذج الذكاء الاصطناعي القابلة للتطبيق.

على سبيل المثال، تحتوي المحطة المتنقلة على كمية كبيرة من البيانات حول تحسين الصورة، والتعرف على الوجوه، والترجمة في الوقت الفعلي، والمساعدين الصوتيين، وتحسين أداء الجهاز، وما إلى ذلك. يصعب توفيرها على جانب الكمبيوتر الشخصي.

يحتل Grass حاليًا موقعًا رائدًا نسبيًا في مجال التدريب على نماذج الذكاء الاصطناعي على الأجهزة المحمولة. وبالنظر إلى الإمكانات الهائلة لسوق الهاتف المحمول على نطاق عالمي، فإن آفاق غراس تستحق الاهتمام.

ومع ذلك، لم يقدم Grass بعد معلومات أكثر فعالية حول نموذج الذكاء الاصطناعي، ومن المتوقع أن تكون عملات التعدين هي الطريقة الرئيسية للعمل في أوائل القرن العشرين. منصة.

شبكة Meson: الطبقة الثانية متوافقة مع الهاتف المحمول

Meson Network هي شبكة تسريع تخزين من الجيل التالي تعتمد على طبقة blockchain 2. وهي تعمل على تجميع الخوادم الخاملة من خلال التعدين وجدولة موارد النطاق الترددي وتخدم أسواق تسريع الملفات والوسائط المتدفقة، بما في ذلك مواقع الويب التقليدية ومقاطع الفيديو والبث المباشر وتخزين Blockchain الإقليمي حل.

يمكننا أن نفهم شبكة Meson باعتبارها تجمعًا لموارد النطاق الترددي، ويمكن اعتبار كلا جانبي المجمع بمثابة جانب العرض والطلب. يساهم الأول في عرض النطاق الترددي ويستخدم الأخير عرض النطاق الترددي.

في هيكل منتج Meson المحدد، يوجد منتجان (GatewayX وGaGaNode) مسؤولان عن تلقي عرض النطاق الترددي الذي تساهم به العقد المختلفة حول العالم، ومنتج واحد (IPCola) ) وهي مسؤولة عن تحقيق الدخل من موارد النطاق الترددي المجمعة هذه.

GatewayX: يدمج بشكل أساسي النطاق الترددي التجاري الخامل، ويستهدف بشكل أساسي مراكز IDC.

من لوحة معلومات بيانات Meson، يمكننا أن نجد أن IDC المتصل حاليًا يحتوي على أكثر من 20000 عقدة حول العالم، وقد شكل إمكانات نقل بيانات تبلغ 12.5 تيرا بايت/ثانية .

GaGaNode: يدمج بشكل أساسي النطاق الترددي الخامل للأجهزة المنزلية والشخصية ويوفر مساعدة في مجال الحوسبة المتطورة.

IPCola: قناة تحقيق الدخل التابعة لـ Meson، والتي تؤدي مهام مثل IP وتخصيص النطاق الترددي.

كشفت Meson حاليًا أن إيراداتها نصف السنوية تزيد عن مليون دولار أمريكي. وفقًا لإحصائيات الموقع الرسمي، تمتلك Meson 27,116 عقدة IDC وسعة IDC تبلغ 17.7 تيرابايت/ثانية.

تتوقع شركة Meson حاليًا إصدار الرموز المميزة في الفترة من مارس إلى أبريل 2024، ولكنها أعلنت عن اقتصاديات الرموز المميزة.

اسم الرمز المميز: MSN، العرض الأولي هو 100 مليون، ومعدل التضخم في التعدين 5% في السنة الأولى، وينخفض ​​بنسبة 0.5% كل عام.

الشبكة 3: مدمجة مع شبكة Sei

الشبكة 3 هي شركة ذكاء اصطناعي قامت ببناء طبقة ذكاء اصطناعي متخصصة ودمجتها مع Sei. من خلال تحسين وضغط خوارزميات نماذج الذكاء الاصطناعي، وحوسبة الحافة وحوسبة الخصوصية، نقدم خدمات لمطوري الذكاء الاصطناعي في جميع أنحاء العالم، مما يساعد المطورين على تدريب النماذج والتحقق منها على نطاق واسع بسرعة وسهولة وكفاءة.

وفقًا لبيانات الموقع الرسمي، تمتلك Network3 حاليًا أكثر من 58000 عقدة نشطة، مما يوفر 2 بيتابايت من خدمات النطاق الترددي. تم التوصل إلى تعاون مع 10 أنظمة بيئية لتقنية blockchain بما في ذلك Alchemy Pay وETHSign وIoTeX.

2.3 البيانات

تختلف عن قوة الحوسبة وعرض النطاق الترددي، يعتبر السوق الحالي لإمدادات محطات البيانات متخصصًا نسبيًا. ويتمتع باحترافية متميزة. عادة ما تكون مجموعة الطلب هي المشروع نفسه أو فريق تطوير نموذج الذكاء الاصطناعي من الفئات ذات الصلة. مثل Hivemapper.

إن تدريب نموذج الخريطة الخاص بك من خلال تغذية بياناتك الخاصة ليس أمرًا صعبًا من الناحية المنطقية، لذا يمكننا محاولة توسيع آفاقنا إلى شيء مشابه لمشاريع Hivemapper DePIN، مثل ديمو، ناتيكس وفرودوبوتس.

Hivemapper: التركيز على تمكين منتجات Map AI الخاصة بها

HiveMapper هو أحد أفضل مفاهيم DePIN على Solana وهو ملتزم بإنشاء "خريطة Google" لامركزية. يمكن للمستخدمين الحصول على رموز HONEY عن طريق شراء مسجل القيادة الذي أطلقته HiveMapper، وعن طريق استخدام الصور في الوقت الفعلي ومشاركتها مع HiveMapper.

حول Hivemapper، ذكرت Future Money Group ذات مرة في "تقرير بحث FMG: زيادة 19 مرة في 30 يومًا، فهم صناعة DePIN للسيارات التي تمثلها Hivemapper" الوصف التفصيلي سوف لا يمكن تفصيلها هنا. السبب وراء تضمين Hivemapper في قسم AI+DePIN هو أن Hivemapper أطلق MAP AI، وهو محرك إنتاج خرائط يعمل بالذكاء الاصطناعي يمكنه إنشاء بيانات خرائط عالية الجودة بناءً على البيانات التي تم جمعها بواسطة مسجل القيادة.

قامت Map AI بإعداد دور جديد، وهو مدرب الذكاء الاصطناعي. يتضمن هذا الدور المساهمين السابقين في بيانات مسجل القيادة ومدربي نموذج Map AI.

لا يتخصص Hivemapper عمدًا في متطلباته لمدربي نماذج الذكاء الاصطناعي. وبدلاً من ذلك، يتبنى عتبات مشاركة منخفضة مثل المهام عن بعد، وتخمين المواقع الجغرافية وسلوكيات الألعاب المماثلة الأخرى للسماح لمزيد من عناوين IP بالمشاركة. كلما كانت موارد IP الخاصة بمشروع DePIN أكثر ثراءً، زادت كفاءة الذكاء الاصطناعي في الحصول على البيانات. يمكن أيضًا للمستخدمين الذين يشاركون في تدريب الذكاء الاصطناعي الحصول على مكافآت HONY الرمزية.

تعد سيناريوهات تطبيق الذكاء الاصطناعي في Hivemapper متخصصة نسبيًا، ولا يدعم Hivemapper التدريب على نماذج الجهات الخارجية. يهدف Map AI إلى تحسين منتجات الخرائط الخاصة به. ولذلك، لن يتغير منطق الاستثمار في Hivemapper.

الإمكانات

DIMO: إلى الداخل جمع بيانات السيارة

DIMO عبارة عن منصة لإنترنت الأشياء للسيارات مبنية على Polygon والتي تمكن السائقين من جمع بيانات سيارتهم ومشاركتها وتسجيل البيانات بما في ذلك عدد الكيلومترات المقطوعة بالسيارة، وسرعة القيادة، وتتبع الموقع، وضغط الإطارات، وصحة البطارية/المحرك، والمزيد.

من خلال تحليل بيانات السيارة، يمكن لمنصة DIMO التنبؤ بوقت الحاجة إلى الصيانة وتذكير المستخدمين على الفور. لا يكتسب السائقون رؤى حول سياراتهم فحسب، بل يمكنهم أيضًا المساهمة بالبيانات في النظام البيئي الخاص بـ DIMO والحصول على رموز DIMO كمكافآت. يمكن لمستهلكي البيانات استخراج البيانات من البروتوكول لفهم أداء المكونات مثل البطاريات وأنظمة القيادة الذاتية وأدوات التحكم.

Natix: جمع بيانات الخرائط التي تدعم الخصوصية

Natix إنها شبكة لا مركزية تم إنشاؤها باستخدام براءات اختراع خصوصية الذكاء الاصطناعي. استنادًا إلى براءات اختراع خصوصية الذكاء الاصطناعي، تهدف إلى الجمع بين العالم وأجهزة الكاميرا (الهواتف الذكية والطائرات بدون طيار والسيارات) لإنشاء شبكة كاميرات متوسطة الأمان، مع جمع البيانات تحت فرضية الامتثال للخصوصية، وتحليل الخرائط الديناميكية اللامركزية (DDMap). لملء المحتوى.

يمكن للمستخدمين الذين يشاركون في توفير البيانات الحصول على الرموز المميزة وNFT للحصول على الحوافز.

FrodoBots: تطبيق شبكة لا مركزية يعتمد على الروبوتات

FrodoBots هي لعبة DePIN تستخدم الروبوتات المحمولة كحامل، وتجمع بيانات التأثير من خلال الكاميرات، ولها سمات اجتماعية معينة.

يشتري المستخدمون الروبوتات للمشاركة في عملية اللعبة والتفاعل مع اللاعبين حول العالم. وفي الوقت نفسه، ستقوم الكاميرا الخاصة بالروبوت أيضًا بجمع وتلخيص بيانات الطريق والخرائط.

تحتوي المشاريع الثلاثة المذكورة أعلاه على عنصرين: جمع البيانات وتوفير الملكية الفكرية. وعلى الرغم من أنها لم تقم بعد بإجراء تدريب على نماذج الذكاء الاصطناعي ذات الصلة، إلا أنها جميعها بمثابة مقدمة نماذج الذكاء الاصطناعي مع توفير الظروف اللازمة. تتطلب هذه المشاريع، بما في ذلك Hivemapper، كاميرات لجمع البيانات وتشكيل خريطة كاملة. ولذلك، تقتصر نماذج الذكاء الاصطناعي المعدلة أيضًا على المناطق التي تركز على بناء الخرائط. إن تمكين نماذج الذكاء الاصطناعي سيساعد المشاريع على بناء خندق أعلى.

ما يجب ملاحظته هو أن مجموعة الكاميرات غالبًا ما تواجه مشكلات تنظيمية مثل انتهاك الخصوصية ثنائي الاتجاه: على سبيل المثال، يؤثر جمع الصور الخارجية بواسطة الكاميرات الخارجية وحقوق الصور الشخصية للمارة، والأهمية التي يعلقها المستخدمون على خصوصيتهم. على سبيل المثال، تقوم Natix بتشغيل الذكاء الاصطناعي لحماية الخصوصية.

2.4 الخوارزمية

قوة الحوسبة وعرض النطاق الترددي والبيانات التركيز يعتمد التمييز على جانب الموارد، بينما تركز الخوارزمية على نموذج الذكاء الاصطناعي. تأخذ هذه المقالة BitTensor كمثال. لا تساهم BitTensor بشكل مباشر في البيانات ولا في قوة الحوسبة. بدلاً من ذلك، تقوم بجدولة وفحص خوارزميات مختلفة من خلال شبكة blockchain وآلية الحوافز، مما يسمح لمجال الذكاء الاصطناعي بتشكيل منافسة حرة وسوق نموذجي لـ مشاركة المعرفة.

على غرار OpenAI، يهدف BitTensor إلى تحقيق أداء استدلالي يطابق عمالقة النماذج التقليدية مع الحفاظ على الخصائص اللامركزية للنموذج.

مسار الخوارزمية متقدم إلى حد ما، والمشاريع المماثلة نادرة. عندما تظهر نماذج الذكاء الاصطناعي، وخاصة تلك التي تعتمد على Web3، فإن المنافسة بين النماذج ستصبح طبيعية.

في الوقت نفسه، ستؤدي المنافسة بين النماذج أيضًا إلى زيادة أهمية التفكير والضبط الدقيق في مجرى صناعة نماذج الذكاء الاصطناعي. إن التدريب على نموذج الذكاء الاصطناعي هو فقط المنبع من صناعة الذكاء الاصطناعي. يحتاج النموذج إلى التدريب أولاً والحصول على ذكاء أولي. وعلى هذا الأساس، يتم إجراء تفكير وتعديل أكثر دقة للنموذج (يمكن فهمه على أنه تحسين) على النموذج قبله. يمكن استخدامه أخيرًا كمنتج نهائي. يتم نشره على الحافة. تتطلب هذه العمليات بنية بيئية أكثر تعقيدًا ودعمًا لقدرة الحوسبة. وهذا يعني أيضًا أن إمكانات التطوير المحتملة هائلة.

BitTensor: نموذج أوراكل للذكاء الاصطناعي

BitTensor هو تشبه الهندسة المعمارية النظام البيئي اللامركزي للتعلم الآلي لشبكة Polkadot الرئيسية + الشبكة الفرعية.

منطق العمل: تنقل الشبكة الفرعية معلومات النشاط إلى Bittensor API (الدور مشابه لأوراكل)، ثم تنقل واجهة برمجة التطبيقات معلومات مفيدة إلى الشبكة الرئيسية، ثم تقوم الشبكة الرئيسية بتوزيع المكافآت.

BitTensor 32 شبكة فرعية

الدور البيئي لـ BitTensor:

المنجم: إنه يمكن فهمها على أنها مزودي خوارزميات ونماذج مختلفة للذكاء الاصطناعي حول العالم، والتي تستضيف نماذج الذكاء الاصطناعي وتوفرها لشبكة Bittensor؛ وتشكل أنواع مختلفة من النماذج شبكات فرعية مختلفة.

المدقق: مقيم داخل شبكة Bittensor. تقييم جودة وفعالية نماذج الذكاء الاصطناعي، وتصنيف نماذج الذكاء الاصطناعي بناءً على الأداء في مهام محددة، ومساعدة المستهلكين على العثور على أفضل الحلول.

المستخدم: المستخدم النهائي لنموذج الذكاء الاصطناعي المقدم من Bittensor. يمكن أن يكون فردًا، أو يمكن أن يكون مطورًا يسعى إلى استخدام نماذج الذكاء الاصطناعي للتطبيقات.

المرشِح: تفويض الرموز المميزة إلى مدقق محدد لإظهار الدعم، أو يمكنك تفويض الرموز المميزة إلى جهات تحقق مختلفة.

سلسلة العرض والطلب المفتوحة للذكاء الاصطناعي: يقدم بعض الأشخاص نماذج مختلفة، والبعض يقيم نماذج مختلفة، ويستخدم البعض النتائج التي يقدمها النموذج الأفضل.

يختلف BitTensor عن الأدوار مثل "وسيط قوة الحوسبة" مثل Akash وRender، وهو أشبه بـ "سوق العمل"، حيث يستخدم النماذج الحالية لاستيعاب المزيد من البيانات. تستخدم لجعل النموذج أكثر معقولية. عمال المناجم والمدققون يشبهون إلى حد كبير "أطراف البناء" و"المشرفين". يطرح المستخدمون أسئلة، ويخرج عمال المناجم الإجابات، ويقوم المتحققون بتقييم جودة الإجابات ثم يعيدونها في النهاية إلى المستخدمين.

الرمز المميز لـ BitTensor هو TAO. القيمة السوقية لـ TAO هي حاليًا في المرتبة الثانية بعد RNDR، ولكن نظرًا لآلية الإصدار طويلة المدى التي تنخفض إلى النصف خلال أربع سنوات، فإن نسبة القيمة السوقية إلى القيمة المخففة بالكامل هي الأدنى بين العديد من المشاريع، مما يعني أيضًا أن التداول الإجمالي لـ TAO حاليًا صغيرة نسبيا، منخفضة، ولكن سعر الوحدة أعلى. وهذا يعني أن القيمة الفعلية لـ TAO أقل من قيمتها الحقيقية.

من الصعب حاليًا العثور على هدف تقييم مناسب، وإذا بدأنا من التشابه الهيكلي، فإن Polkadot (حوالي 12 مليار دولار أمريكي) هو الكائن المرجعي، و TAO لديه ما يقرب من 8 مرات.مساحة للارتفاع.

إذا اتبعنا سمة "Oracle" واستخدمنا Chainlink (14 مليار دولار) ككائن مرجعي، فسيحصل TAO على زيادة بنحو 9 مرات. <ص>

الاستنتاج

بشكل عام، تعمل تقنية AI+DePIN على الترويج لها فهم التحول النموذجي لمسار الذكاء الاصطناعي في سياق Web3، مما يسمح للسوق بالقفز من التفكير المتأصل حول "ما الذي يمكن للذكاء الاصطناعي فعله في Web3؟" والتفكير في السؤال الأكبر المتمثل في "ما الذي يمكن للذكاء الاصطناعي و هل جلب Web3 إلى العالم؟" سؤال.

إذا أطلق الرئيس التنفيذي لشركة NVIDIA Jen-Hsun Huang على إطلاق النماذج الكبيرة التوليدية لحظة "iPhone" للذكاء الاصطناعي، فإن الجمع بين الذكاء الاصطناعي وDePIN يعني أن Web3 هو ترحيب حقيقي. تعالوا إلى "iphone" لحظة.

DePIN، باعتبارها حالة الاستخدام الأكثر قبولًا ونضجًا لـ Web3 في العالم الحقيقي، تجعل Web3 أكثر قبولًا.

نظرًا للتداخل الجزئي بين عقد IP ومشغلات Web3 في مشروع AI+DePIN، فإن الجمع بين الاثنين يساعد الصناعة أيضًا على إنشاء نماذجها الخاصة والنماذج التابعة لمنتجات Web3.AI. سيكون هذا مفيدًا للتطوير الشامل لصناعة Web3 ويفتح مسارات جديدة لهذه الصناعة، مثل التفكير في نماذج الذكاء الاصطناعي وضبطها، وتطوير نماذج الذكاء الاصطناعي المتنقلة.

النقطة المثيرة للاهتمام هي أن منتجات AI+DePIN المدرجة في المقالة تبدو قادرة على تداخل مسار تطوير السلسلة العامة. في الدورات السابقة، ظهرت العديد من السلاسل العامة الجديدة، باستخدام TPS وأساليب الإدارة الخاصة بها لجذب العديد من المطورين.

وينطبق الشيء نفسه على منتجات AI+DePIN الحالية، والتي تجتذب العديد من مطوري نماذج الذكاء الاصطناعي استنادًا إلى قوة الحوسبة الخاصة بهم وعرض النطاق الترددي والبيانات ومزايا IP. لذلك، نرى حاليًا أن منتجات AI+DePIN تميل إلى الانحياز نحو المنافسة المتجانسة.

مفتاح المشكلة ليس مقدار قوة الحوسبة (على الرغم من أن هذا شرط أساسي مهم جدًا)، ولكن كيفية استخدام قوة الحوسبة هذه. لا يزال مسار AI+DePIN الحالي في المراحل الأولى من "النمو الهمجي"، لذا يمكننا أن تكون لدينا توقعات عالية للنمط المستقبلي وشكل المنتج لـ AI+DePIN.

المراجع

1.https://www . techopedia.com/decentralized-physical-infrastructure-networks-DePIN-brings-ai-and-crypto-together

2.https://medium.com / meson-network/with-the-increasing-ai-and-DePIN-trends-why-should-you-consider-keeping-an-eye-on-meson-network-59094665c9bd

3.https://medium.com/cudos/the-rise-of-DePIN-unveiling-the-future-of-ai-and-metaverse-compute-requirements-213f7b5b1171

< p style="text-align: left;">4.https://www.numenta.com/blog/2022/05/24/ai-is-harming-our-planet/

5.https://www.techflowpost.com/article/detail_15398.html

6.https://www .numenta.com/blog/2022/05/24/ai-is-harming-our-planet/

7.https://mirror.xyz / Livepeer.eth/7yjb5osZ28AJ9xvA54bZ4T2hUpNM5O9rrpv-zmGWDZ4