AI\DePIN\Sol ba vầng hào quang sinh thái: phân tích ngắn gọn về IO.NET sắp ra mắt một loại tiền tệ

Tác giả: Alex Xu, Mint Ventures

Giới thiệu

Trong Bài viết trước của tôi, đã đề cập rằng so sánh so với hai chu kỳ trước, chu kỳ thị trường tiền điện tử tăng giá này thiếu các báo cáo về hoạt động kinh doanh mới và tài sản mới có đủ ảnh hưởng. AI là một trong những câu chuyện mới hiếm hoi trong vòng này của lĩnh vực Web3. Tác giả bài viết này sẽ cố gắng sắp xếp những suy nghĩ về hai vấn đề sau dựa trên dự án AI hot IO.NET năm nay:

• Sự cần thiết về mặt thương mại của AI+Web3

• Sự cần thiết và thách thức của dịch vụ sức mạnh tính toán phân tán

Thứ hai, tác giả sẽ chọn ra các dự án tiêu biểu về sức mạnh tính toán phân tán AI : Thông tin chính của dự án IO.NET, bao gồm logic sản phẩm, tình hình sản phẩm cạnh tranh và nền tảng dự án cũng như suy ra giá trị của dự án.

Một phần suy nghĩ của bài viết này về sự kết hợp giữa AI và Web3 được lấy cảm hứng từ Lấy cảm hứng từ "Sự hợp nhất thực sự". Một số quan điểm trong bài viết được chúng tôi tổng hợp và trích dẫn từ bài viết, khuyến khích độc giả đọc lại bài viết gốc.

Bài viết này là suy nghĩ dàn dựng của tác giả tính đến thời điểm xuất bản. Nó có thể thay đổi trong tương lai và quan điểm mang tính chủ quan cao. Cũng có thể có sự thật , dữ liệu, Nếu có sai sót trong logic lý luận, vui lòng không sử dụng nó làm tài liệu tham khảo đầu tư. Hoan nghênh nhận xét và thảo luận từ các đồng nghiệp.

Sau đây là phần văn bản.

1. Logic nghiệp vụ: sự kết hợp giữa AI và Web3

1.1 2023: Thành tựu AI "Năm kỳ diệu" mới

Nhìn lại lịch sử phát triển của loài người, một khi khoa học công nghệ đạt được những tiến bộ đột phá, từ đời sống cá nhân đến các cơ cấu công nghiệp khác nhau, rồi đến toàn thể nền văn minh nhân loại cũng sẽ trải qua những thay đổi chấn động địa cầu.

Có hai năm quan trọng trong lịch sử loài người là 1666 và 1905. Ngày nay, chúng được gọi là hai “năm kỳ diệu” trong lịch sử khoa học và công nghệ.

1666 được coi là năm của những điều kỳ diệu vì những thành tựu khoa học của Newton xuất hiện một cách tập trung vào năm đó. Trong năm này, ông đã mở ra ngành quang học vật lý, thành lập ngành toán học giải tích và tìm ra công thức trọng lực, định luật cơ bản của khoa học tự nhiên hiện đại. Mỗi điều này sẽ là một đóng góp nền tảng cho sự phát triển của khoa học nhân loại trong một trăm năm tới, thúc đẩy đáng kể sự phát triển của khoa học tổng thể.

Năm kỳ diệu thứ hai là năm 1905. Khi đó, Einstein mới 26 tuổi đã xuất bản liên tiếp 4 bài báo trong "Biên niên sử vật lý", bao gồm Hiệu ứng quang điện (đặt nền móng cho cơ học lượng tử), chuyển động Brown (trở thành tài liệu tham khảo quan trọng để phân tích các quá trình ngẫu nhiên), thuyết tương đối đặc biệt và phương trình khối lượng-năng lượng (tức là công thức nổi tiếng E=MC^2). Trong đánh giá của các thế hệ sau, mỗi bài trong số bốn bài báo này đều vượt mức trung bình của giải Nobel Vật lý (bản thân Einstein cũng đoạt giải Nobel với bài báo về hiệu ứng quang điện), và quá trình lịch sử của nền văn minh nhân loại một lần nữa được đánh giá rất lớn. nâng cao. Một số bước.

Và năm 2023 vừa trôi qua rất có thể sẽ được gọi là một "năm kỳ diệu" nữa vì ChatGPT.

Chúng tôi coi năm 2023 là một "năm kỳ diệu" trong lịch sử khoa học và công nghệ nhân loại, không chỉ vì sự tiến bộ to lớn của GPT trong việc hiểu và tạo ra ngôn ngữ tự nhiên mà còn vì Điều này cũng là do con người đã tìm ra quy luật tăng trưởng khả năng của các mô hình ngôn ngữ lớn từ quá trình phát triển của GPT - tức là bằng cách mở rộng các tham số mô hình và dữ liệu huấn luyện, khả năng của mô hình có thể được cải thiện theo cấp số nhân - và không có nút thắt trong quá trình này trong thời gian ngắn (Chỉ cần sức mạnh tính toán là đủ).

Khả năng này không chỉ dừng lại ở việc hiểu ngôn ngữ và tạo ra hội thoại. Nó còn có thể được sử dụng rộng rãi trong nhiều lĩnh vực khoa học và công nghệ khác nhau, với việc áp dụng các mô hình ngôn ngữ lớn trong lĩnh vực sinh học. Ví dụ:

• Năm 2018, người đoạt giải Nobel Francis Arnold đã có mặt tại lễ trao giải buổi lễ Cai nói: "Ngày nay chúng ta có thể đọc, viết và chỉnh sửa bất kỳ chuỗi DNA nào trong các ứng dụng thực tế, nhưng chúng ta chưa thể tổng hợp nó." Chỉ 5 năm sau bài phát biểu của ông, vào năm 2023, các nhà nghiên cứu từ Đại học Stanford và các nhà nghiên cứu từ Salesforce Research, một AI một công ty khởi nghiệp ở Thung lũng Silicon, đã xuất bản một bài báo trên tạp chí Công nghệ sinh học tự nhiên. Họ đã sử dụng mô hình ngôn ngữ lớn được tinh chỉnh dựa trên GPT3 để tạo ra 1 triệu protein mới từ 0 và tìm thấy 2 từ chúng. Những protein này có cấu trúc hoàn toàn khác nhau nhưng đều có khả năng diệt khuẩn. khả năng, được kỳ vọng sẽ trở thành một giải pháp thay thế cho thuốc kháng sinh để chống lại vi khuẩn. Nói cách khác: với sự trợ giúp của AI, nút thắt trong việc “sáng tạo” protein đã được giải tỏa.

• Trước đây, thuật toán AlphaFold của trí tuệ nhân tạo đã phân loại gần như toàn bộ 214 triệu cấu trúc protein trên trái đất trong vòng 18 tháng. Các dự đoán đã được đưa ra và kết quả này lớn hơn hàng trăm lần so với kết quả của tất cả công việc trước đây của các nhà sinh học cấu trúc con người.

Với nhiều mô hình khác nhau dựa trên AI, từ các công nghệ cứng như công nghệ sinh học, khoa học vật liệu, nghiên cứu và phát triển thuốc, đến luật, các lĩnh vực nghệ thuật và nhân văn khác chắc chắn sẽ mở ra những thay đổi chấn động trái đất và năm 2023 là năm đầu tiên của tất cả những điều này.

Chúng ta đều biết rằng khả năng tạo ra của cải của loài người đã tăng theo cấp số nhân trong thế kỷ qua và sự trưởng thành nhanh chóng của công nghệ AI chắc chắn sẽ đẩy nhanh hơn nữa xu hướng này.

1.2 Sự kết hợp giữa AI và tiền điện tử

Để hiểu cơ bản sự cần thiết của việc kết hợp AI và Tiền điện tử, chúng ta có thể bắt đầu từ các đặc điểm bổ sung của cả hai.

Các tính năng bổ sung của AI và tiền điện tử

AI có ba Thuộc tính:

• Tính ngẫu nhiên: AI là ngẫu nhiên và cơ chế sản xuất nội dung của nó là It là một hộp đen khó tái tạo và phát hiện nên kết quả cũng ngẫu nhiên

• Tiêu tốn tài nguyên: AI là tài nguyên -ngành công nghiệp chuyên sâu đòi hỏi lượng năng lượng, chip và sức mạnh tính toán khổng lồ

• Trí thông minh giống con người: AI sẽ (sớm) xuất hiện có thể vượt qua bài kiểm tra Turing và sau đó, Rất khó để phân biệt giữa con người và máy móc*

※On Ngày 30 tháng 10 năm 2023, nhóm nghiên cứu từ Đại học California, San Diego đã công bố kết quả Turing test về GPT-3.5 và GPT-4.0 (Báo cáo thử nghiệm). Điểm GPT4.0 là 41%, chỉ cách ngưỡng 50 là 9%. Điểm kiểm tra con người của cùng một dự án là 63%. Ý nghĩa của bài kiểm tra Turing này là có bao nhiêu phần trăm mọi người nghĩ rằng người họ đang trò chuyện là người thật. Nếu vượt quá 50%, điều đó có nghĩa là ít nhất một nửa số người trong đám đông cho rằng người đối thoại là con người chứ không phải máy móc, điều này được coi là đã vượt qua bài kiểm tra Turing.

Trong khi AI tạo ra bước nhảy vọt mới về năng suất cho nhân loại, ba thuộc tính của nó cũng mang lại lợi ích to lớn cho xã hội loài người. Thách thức là:

• Cách xác minh và kiểm soát tính ngẫu nhiên của AI và biến tính ngẫu nhiên thành một lợi thế thay vì một khuyết điểm

• Cách đáp ứng khoảng cách lớn về năng lượng và sức mạnh tính toán mà AI yêu cầu

< li>

Cách phân biệt giữa con người và máy móc

Và Crypto và Block Đặc điểm của chuỗi nền kinh tế có thể chính là liều thuốc phù hợp để giải quyết những thách thức do AI mang lại. Nền kinh tế mã hóa có ba đặc điểm sau:

• Tính quyết định: Doanh nghiệp hoạt động dựa trên blockchain, mã và hợp đồng thông minh. Các quy tắc và ranh giới rất rõ ràng. Đầu vào là gì sẽ mang lại mức độ chắc chắn cao

• < p style="text-align: left;">Phân bổ nguồn lực hiệu quả: Nền kinh tế tiền điện tử đã xây dựng một thị trường tự do toàn cầu khổng lồ. Việc định giá, thu thập và lưu thông tài nguyên rất nhanh. Và do sự tồn tại của mã thông báo, các ưu đãi có thể đẩy nhanh cung cầu thị trường. Khớp nối, tăng tốc đạt điểm tới hạn

• Không cần tin cậy: sổ cái mở, mã số mã nguồn mở và mọi người đều có thể dễ dàng xác minh nó, mang đến hệ thống "không tin cậy" (trustless), trong khi công nghệ ZK tránh bị lộ quyền riêng tư đồng thời với việc xác minh

Tiếp theo, ba ví dụ sẽ được sử dụng để minh họa Sự bổ sung giữa AI và kinh tế học mật mã.

Ví dụ A: Giải quyết tính ngẫu nhiên, tác nhân AI dựa trên kinh tế học mật mã

Tác nhân AI ( AI Agent) là một chương trình trí tuệ nhân tạo chịu trách nhiệm thực hiện công việc cho con người dựa trên ý chí của con người (các dự án tiêu biểu bao gồm Fetch.AI). Giả sử chúng ta muốn tác nhân AI của mình xử lý một giao dịch tài chính, chẳng hạn như "Mua 1.000 USD bằng BTC". Tác nhân AI có thể phải đối mặt với hai tình huống:

Tình huống 1. Nó phải kết nối với các tổ chức tài chính truyền thống (chẳng hạn như BlackRock) và mua BTC ETF. Đây rồi phải đối mặt với một số lượng lớn Các vấn đề thích ứng giữa các tác nhân AI và các tổ chức tập trung, chẳng hạn như KYC, xem xét thông tin, đăng nhập, xác minh danh tính, v.v., hiện tại vẫn còn rất rắc rối.

Kịch bản hai, dựa trên nền kinh tế mã hóa gốc và tình hình sẽ trở nên đơn giản hơn nhiều. Nó sẽ trực tiếp sử dụng bạn thông qua Uniswap hoặc một nền tảng giao dịch tổng hợp. Đăng nhập tài khoản của bạn, đặt hàng để hoàn tất giao dịch và nhận WBTC (hoặc BTC ở các định dạng đóng gói khác). Toàn bộ quá trình diễn ra nhanh chóng và đơn giản. Trên thực tế, đây là điều mà nhiều BOT giao dịch khác nhau đang làm. Họ thực sự đã đóng vai trò là đại lý AI cấp dưới, nhưng công việc của họ tập trung vào giao dịch. Trong tương lai, với sự tích hợp và phát triển của AI, nhiều loại BOT giao dịch khác nhau chắc chắn sẽ có thể thực hiện các ý định giao dịch phức tạp hơn. Ví dụ: theo dõi 100 địa chỉ tiền thông minh trên chuỗi, phân tích chiến lược giao dịch và tỷ lệ thành công của họ, sử dụng 10% số tiền trong địa chỉ của tôi để thực hiện các giao dịch tương tự trong vòng một tuần và dừng lại khi kết quả không tốt và tóm tắt các khả năng của sự thất bại. lý do.

AI sẽ hoạt động tốt hơn trong hệ thống blockchain, về cơ bản là nhờ sự rõ ràng của các quy tắc kinh tế tiền điện tử và khả năng truy cập không cần cấp phép vào hệ thống. Bằng cách thực hiện các nhiệm vụ theo quy tắc hạn chế, những rủi ro tiềm ẩn do tính ngẫu nhiên của AI mang lại cũng sẽ nhỏ hơn. Ví dụ: hiệu suất của AI trong các cuộc thi đấu cờ vua, đánh bài và trò chơi điện tử đã vượt qua con người vì các trò chơi cờ vua và đánh bài là những hộp cát khép kín với các quy tắc rõ ràng. Sự tiến bộ của AI trong lĩnh vực lái xe tự động sẽ tương đối chậm vì thách thức của môi trường mở bên ngoài lớn hơn và chúng ta khó có thể chịu đựng được tính ngẫu nhiên của các vấn đề xử lý AI.

Ví dụ B: Định hình tài nguyên và thu thập tài nguyên thông qua các ưu đãi mã thông báo

Thế giới đằng sau BTC ' Mạng sức mạnh tính toán của Hoa Kỳ, tổng sức mạnh tính toán hiện tại của nó (Hashrate: 576,70 EH/s) vượt quá sức mạnh tính toán toàn diện của siêu máy tính của bất kỳ quốc gia nào. Động lực phát triển của nó đến từ các ưu đãi mạng lưới đơn giản và công bằng.

Ngoại trừ Ngoài ra, các dự án DePIN bao gồm Mobile cũng đang cố gắng sử dụng các ưu đãi mã thông báo để định hình thị trường hai mặt ở cả hai phía cung và cầu nhằm đạt được hiệu ứng mạng. IO.NET mà bài viết này sẽ tập trung tiếp theo là một nền tảng được thiết kế để thu thập sức mạnh tính toán AI. Người ta hy vọng rằng thông qua mô hình mã thông báo, nhiều tiềm năng sức mạnh tính toán AI hơn sẽ được kích thích.

Ví dụ C: Mã nguồn mở, giới thiệu ZK, phân biệt con người và máy móc đồng thời bảo vệ quyền riêng tư

Là một dự án Web3 do người sáng lập OpenAI Sam Altman tham gia, Worldcoin sử dụng thiết bị phần cứng Orb để tạo ra các giá trị băm độc quyền và ẩn danh dựa trên sinh trắc học mống mắt con người và công nghệ ZK để xác minh danh tính và phân biệt giữa con người và máy móc. Vào đầu tháng 3 năm nay, dự án nghệ thuật Web3 Drip đã bắt đầu sử dụng ID Worldcoin để xác minh người dùng thực và trao phần thưởng.

Ngoài ra, Worldcoin còn Gần đây, nó đã mở nguồn mã chương trình của Orb phần cứng mống mắt để đảm bảo tính bảo mật và quyền riêng tư của sinh trắc học người dùng.

Nhìn chung, mã hóa Nền kinh tế đã trở thành một giải pháp tiềm năng quan trọng cho những thách thức AI mà xã hội loài người phải đối mặt do tính chắc chắn của mã và mật mã, lợi thế về lưu thông tài nguyên và gây quỹ do cơ chế mã thông báo và không được phép mang lại cũng như các thuộc tính không cần tin cậy dựa trên mã nguồn mở và sổ cái công khai . kế hoạch.

Và trong số đó, thách thức sắp xảy ra nhất với nhu cầu thương mại mạnh nhất là cơn đói tột độ đối với các sản phẩm AI trong tài nguyên máy tính cũng như nhu cầu rất lớn về chip và sức mạnh tính toán . .

Đây cũng là lý do chính khiến tốc độ tăng trưởng của các dự án điện toán phân tán vượt xa xu hướng AI tổng thể trong chu kỳ thị trường tăng giá này.

Sự cần thiết về mặt thương mại của điện toán phân tán (Tính toán phi tập trung)

AI yêu cầu nhiều tài nguyên điện toán, dù là để đào tạo mô hình hay thực hiện suy luận.

Trong thực hành đào tạo các mô hình ngôn ngữ lớn, một thực tế đã được xác nhận: miễn là quy mô tham số dữ liệu đủ lớn, một số mô hình ngôn ngữ lớn sẽ xuất hiện ... Khả năng mà trước đây không có. Sự tăng vọt theo cấp số nhân về khả năng của mỗi thế hệ GPT so với thế hệ trước là do số lượng tính toán cần thiết để đào tạo mô hình tăng theo cấp số nhân.

Nghiên cứu của DeepMind và Đại học Stanford cho thấy các mô hình ngôn ngữ lớn khác nhau phải đối mặt với các nhiệm vụ khác nhau (thao tác, câu hỏi và câu trả lời bằng tiếng Ba Tư, hiểu ngôn ngữ tự nhiên, v.v.), miễn là do thang đo tham số mô hình tăng lên trong quá trình huấn luyện mô hình (tương ứng, lượng tính toán huấn luyện cũng tăng lên), lượng huấn luyện không thể đạt tới 10^22 FLOP (FLOP đề cập đến lượng phép toán dấu phẩy động mỗi giây, được sử dụng để đo lường Hiệu suất tính toán ), hiệu suất của bất kỳ tác vụ nào cũng gần giống như việc đưa ra câu trả lời ngẫu nhiên; nhưng một khi thang tham số vượt quá giá trị tới hạn của thang đo đó thì hiệu suất của tác vụ sẽ cải thiện đáng kể, bất kể mô hình ngôn ngữ nào.

< /p>

Nó cũng được tính toán luật pháp và kiểm chứng thực tế “nỗ lực lớn có thể tạo nên kỳ tích” đã khiến nhà sáng lập OpenAI Sam Altman đề xuất huy động 7 nghìn tỷ USD để xây dựng nhà máy sản xuất chip tiên tiến có quy mô lớn gấp 10 lần quy mô hiện tại của TSMC (phần này dự kiến ​​trị giá 1,5 nghìn tỷ USD). đô la Mỹ). ), và sử dụng số tiền còn lại để sản xuất chip và đào tạo người mẫu.

Ngoài sức mạnh tính toán cần thiết để huấn luyện mô hình AI, bản thân quá trình suy luận của mô hình cũng đòi hỏi rất nhiều sức mạnh tính toán (mặc dù số lượng tính toán nhỏ hơn so với đào tạo), do đó, nhu cầu về chip và sức mạnh tính toán đã trở thành tiêu chuẩn của những người tham gia cuộc đua AI.

So với các nhà cung cấp sức mạnh điện toán AI tập trung như Amazon Web Services, Google Cloud Platform, Microsoft Azure, v.v., các đề xuất giá trị chính của điện toán AI phân tán bao gồm :

• Khả năng truy cập: Sử dụng các dịch vụ đám mây như AWS, GCP hoặc Azure để có được chip điện toán Truy cập thường xuyên mất hàng tuần và các mẫu GPU phổ biến thường hết hàng. Ngoài ra, để có được sức mạnh tính toán, người tiêu dùng thường cần phải ký những hợp đồng dài hạn, không linh hoạt với các công ty lớn này. Nền tảng điện toán phân tán có thể cung cấp sự lựa chọn phần cứng linh hoạt và khả năng truy cập cao hơn.

• Giá thấp: do sử dụng chip nhàn rỗi và trợ cấp mã thông báo của bên giao thức mạng cho các nhà cung cấp chip và năng lượng máy tính được áp dụng, một mạng điện toán phân tán có thể cung cấp sức mạnh tính toán rẻ hơn.

• Chống kiểm duyệt: Hiện tại, các vật tư và chip điện toán tiên tiến được độc quyền bởi các công ty công nghệ lớn và chính phủ được đại diện bởi Hoa Kỳ đang Tăng cường đánh giá các dịch vụ sức mạnh tính toán AI. Sức mạnh tính toán AI có thể được phân phối, linh hoạt và có được miễn phí, điều này dần trở thành một nhu cầu rõ ràng. Đây cũng là đề xuất giá trị cốt lõi của nền tảng dịch vụ sức mạnh tính toán dựa trên web3.

Nếu năng lượng hóa thạch là máu của thời đại công nghiệp, thì sức mạnh tính toán có thể là máu của kỷ nguyên kỹ thuật số mới được mở ra bởi AI, nguồn cung cấp sức mạnh tính toán sẽ trở thành cơ sở hạ tầng của kỷ nguyên AI. Giống như stablecoin đã trở thành một nhánh phụ phát triển mạnh của tiền tệ hợp pháp trong kỷ nguyên Web3, liệu thị trường điện toán phân tán có trở thành một nhánh phụ của thị trường điện toán AI đang phát triển nhanh chóng không?

Vì đây vẫn còn là một thị trường khá sớm nên mọi thứ vẫn còn phải chờ xem. Tuy nhiên, các yếu tố sau có thể kích thích câu chuyện hoặc việc áp dụng điện toán phân tán vào thị trường:

• Cung cấp GPU và nhu cầu tiếp tục bị thắt chặt. Nguồn cung GPU tiếp tục bị thắt chặt có thể thúc đẩy một số nhà phát triển thử các nền tảng điện toán phân tán.

• Mở rộng quy định. Nếu bạn muốn có được các dịch vụ sức mạnh điện toán AI từ nền tảng sức mạnh điện toán đám mây lớn, bạn phải trải qua KYC và các lớp đánh giá. Thay vào đó, điều này có thể thúc đẩy việc áp dụng các nền tảng điện toán phân tán, đặc biệt là trong các lĩnh vực bị hạn chế và trừng phạt.

• Kích thích giá token. Việc tăng giá mã thông báo trong chu kỳ thị trường tăng giá sẽ làm tăng giá trị trợ cấp của nền tảng cho phía cung cấp GPU, từ đó thu hút nhiều nhà cung cấp hơn tham gia thị trường, tăng quy mô thị trường và giảm giá mua thực tế của người tiêu dùng.

Nhưng đồng thời, thách thức của nền tảng điện toán phân tán cũng khá rõ ràng:

• Những thách thức về kỹ thuật và kỹ thuật

• Bài toán xác minh công việc: Việc tính toán mô hình deep learning. Do cấu trúc phân cấp nên đầu ra của mỗi lớp là được sử dụng làm đầu vào của lớp tiếp theo, do đó việc xác minh tính hợp lệ của phép tính đòi hỏi phải thực hiện tất cả các công việc trước đó và không thể xác minh một cách đơn giản và hiệu quả. Để giải quyết vấn đề này, các nền tảng điện toán phân tán cần phát triển các thuật toán mới hoặc sử dụng các kỹ thuật xác minh gần đúng có thể mang lại sự đảm bảo xác suất về tính chính xác của kết quả thay vì sự chắc chắn tuyệt đối.

• Vấn đề song song hóa: Nền tảng sức mạnh điện toán phân tán tập hợp nguồn cung cấp chip đuôi dài, nhằm mục đích hạn chế khả năng của một đơn vị Sức mạnh tính toán được cung cấp tương đối hạn chế và một nhà cung cấp chip gần như có thể hoàn thành các nhiệm vụ huấn luyện hoặc lý luận của mô hình AI một cách độc lập trong thời gian ngắn.Do đó, phải sử dụng song song hóa để phân tách và phân phối các nhiệm vụ để rút ngắn tổng thể thời gian hoàn thành. Quá trình song song hóa chắc chắn sẽ phải đối mặt với hàng loạt vấn đề như cách phân tách các tác vụ (đặc biệt là các tác vụ deep learning phức tạp), sự phụ thuộc vào dữ liệu và chi phí liên lạc bổ sung giữa các thiết bị.

• Vấn đề bảo vệ quyền riêng tư: Làm thế nào để đảm bảo rằng dữ liệu và mô hình của người mua không bị lộ cho người nhận nhiệm vụ?

• Vấn đề tuân thủ quy định

• Do tính chất không cần cấp phép của thị trường cung cấp và mua sắm hai mặt, nền tảng điện toán phân tán có thể được sử dụng làm điểm bán hàng để thu hút một số khách hàng. Mặt khác, khi các tiêu chuẩn quản lý AI được cải thiện, nó có thể trở thành mục tiêu điều chỉnh của chính phủ. Ngoài ra, một số nhà cung cấp GPU cũng lo ngại liệu tài nguyên máy tính họ thuê có được cung cấp cho các doanh nghiệp hoặc cá nhân bị xử phạt hay không.

Nhìn chung, người tiêu dùng nền tảng điện toán phân tán chủ yếu là các nhà phát triển chuyên nghiệp hoặc các tổ chức vừa và nhỏ, không giống như Các nhà đầu tư tiền điện tử mua tiền điện tử và NFT có yêu cầu cao hơn về tính ổn định và bền vững của các dịch vụ do giao thức cung cấp và giá cả có thể không phải là động lực chính cho việc ra quyết định của họ. Hiện tại, các nền tảng điện toán phân tán vẫn còn một chặng đường dài phía trước để có được sự công nhận từ những người dùng như vậy.

Tiếp theo, chúng tôi sẽ sắp xếp và phân tích thông tin dự án trên IO.NET, một dự án sức mạnh điện toán phân tán mới trong chu kỳ này và dựa trên cùng công nghệ hiện tại trên thị trường Theo dõi các dự án AI và dự án điện toán phân tán của chúng tôi, đồng thời tính toán mức định giá có thể có của chúng sau khi niêm yết.

2. Nền tảng sức mạnh điện toán AI phân tán: IO.NET

2.1 Định vị dự án< / h3>

IO.NET là mạng điện toán phi tập trung xây dựng thị trường hai mặt xung quanh chip. Bên cung là các chip được phân phối trên toàn thế giới (chủ yếu là GPU, Ngoài ra còn có CPU và Apple iGPU, v.v.) sức mạnh tính toán. Bên cầu là các kỹ sư trí tuệ nhân tạo muốn hoàn thành các nhiệm vụ đào tạo hoặc suy luận mô hình AI.

Trên trang web chính thức của IO.NET, nó ghi:

< span style="font-size: 18px;">Sứ mệnh của chúng tôi

Tập hợp một triệu GPU vào DePIN – mạng cơ sở hạ tầng vật lý phi tập trung.

Nhiệm vụ của nó là tích hợp hàng triệu GPU vào mạng DePIN của mình.

So với các nhà cung cấp dịch vụ năng lượng điện toán AI trên nền tảng đám mây hiện có, điểm bán hàng chính của nó được nhấn mạnh với thế giới bên ngoài là:

• Kết hợp linh hoạt: Các kỹ sư AI có thể tự do lựa chọn và kết hợp các chip họ cần để tạo thành một "cụm". Hoàn thành nhiệm vụ điện toán của riêng bạn

• Triển khai nhanh chóng: không cần hàng tuần phê duyệt và chờ đợi (hiện tại là tình trạng của các nhà cung cấp tập trung như AWS) , Việc triển khai có thể được hoàn thành trong vòng vài chục giây và nhiệm vụ có thể được bắt đầu

• Dịch vụ giá thấp: chi phí dịch vụ là 90 % thấp hơn so với các nhà sản xuất chính thống

Ngoài ra, IO.NET cũng có kế hoạch ra mắt cửa hàng mô hình AI và các dịch vụ khác trong tương lai.

2.2 Cơ chế sản phẩm và dữ liệu kinh doanh

Cơ chế sản phẩm và kinh nghiệm triển khai

Cơ chế sản phẩm và kinh nghiệm triển khai

Cơ chế sản phẩm và kinh nghiệm triển khai

strong>

Giống như Amazon Cloud, Google Cloud và Alibaba Cloud, dịch vụ điện toán do IO.NET cung cấp có tên là IO Cloud. IO Cloud là mạng chip phân tán, phi tập trung có khả năng thực thi mã máy học dựa trên Python và chạy các chương trình AI và máy học.

Mô-đun kinh doanh cơ bản của IO Cloud được gọi là Cụm. Cụm là một nhóm GPU có thể tự phối hợp để hoàn thành các tác vụ tính toán. Các kỹ sư trí tuệ nhân tạo có thể cần tùy chỉnh theo mong muốn cụm.

Giao diện sản phẩm của IO.NET rất thân thiện với người dùng. Nếu bạn muốn triển khai cụm chip của riêng mình để hoàn thành các tác vụ điện toán AI, trước khi vào Sau khi nhấp vào Cụm trang sản phẩm, bạn có thể bắt đầu cấu hình cụm chip mình muốn khi cần thiết.

Trước tiên, bạn cần chọn kịch bản nhiệm vụ của riêng mình. Hiện tại có ba loại để bạn lựa chọn:< /p>

1. Chung (loại chung): Cung cấp một môi trường tổng quát hơn, phù hợp với sự không chắc chắn ban đầu của tài nguyên cụ thể nhu cầu Giai đoạn của dự án.

2. Đào tạo (đào tạo): một cụm được thiết kế để đào tạo và tinh chỉnh các mô hình học máy. Tùy chọn này có thể cung cấp nhiều tài nguyên GPU hơn, dung lượng bộ nhớ cao hơn và/hoặc kết nối mạng nhanh hơn để xử lý các tác vụ tính toán chuyên sâu này.

3. Suy luận: Một cụm được thiết kế dành cho suy luận có độ trễ thấp và khối lượng công việc tải nặng. Trong bối cảnh học máy, suy luận đề cập đến việc sử dụng mô hình được đào tạo để đưa ra dự đoán hoặc phân tích dữ liệu mới và đưa ra phản hồi. Do đó, tùy chọn này sẽ tập trung vào việc tối ưu hóa độ trễ và thông lượng để hỗ trợ nhu cầu xử lý dữ liệu theo thời gian thực hoặc gần thời gian thực.

Sau đó, bạn cần chọn nhà cung cấp cụm chip. Hiện tại, IO.NET đã đạt được thỏa thuận với Render Network và mạng lưới khai thác của Filecoin.. hợp tác, do đó người dùng có thể chọn IO.NET hoặc chip của hai mạng còn lại làm nhà cung cấp cụm máy tính của riêng mình, tương đương với việc IO.NET đóng vai trò là bộ tổng hợp (nhưng tính đến thời điểm hiện tại khi viết bài này, dịch vụ Filecon tạm thời ngoại tuyến. ). Điều đáng nói là theo trang này, số lượng GPU có sẵn cho IO.NET hiện là 200.000+, trong khi số lượng GPU có sẵn cho Render Network là 3.700+.

Bước tiếp theo là bước vào quy trình lựa chọn phần cứng chip cụm. Hiện tại, loại phần cứng duy nhất được IO.NET liệt kê để lựa chọn là GPU, không bao gồm CPU hoặc Đó là iGPU của Apple (M1, M2, v.v.) và GPU chủ yếu là các sản phẩm của NVIDIA.

Trong bản chính thức list Trong số các tùy chọn phần cứng GPU có sẵn và có sẵn, theo dữ liệu trong ngày được tác giả thử nghiệm, số lượng GPU có sẵn trên mạng IO.NET là 206.001. Trong số đó, GeForce RTX 4090 (45.250 ảnh) có nhiều dữ liệu nhất, tiếp theo là GeForce RTX 3090 Ti (30.779 ảnh).

Ngoài ra, chip A100-SXM4-80GB còn hiệu quả hơn trong việc xử lý các tác vụ điện toán AI như machine learning, deep learning và điện toán khoa học (giá thị trường 15.000 $+ ), có 7965 hình ảnh trực tuyến.

Và Nvidia đã có Card đồ họa HBM3 H100 80GB (giá thị trường 40.000$+), được thiết kế đặc biệt cho AI ngay từ đầu, có hiệu suất huấn luyện gấp 3,3 lần so với A100 và hiệu suất suy luận gấp 4,5 lần so với A100. số lượng hình ảnh trực tuyến thực tế là 86.

Khi được chọn Sau Chọn loại phần cứng của cụm, người dùng cũng cần chọn các tham số như vùng cụm, tốc độ liên lạc, số lượng và thời gian của GPU được thuê, v.v.

Cuối cùng, IO.NET sẽ cung cấp cho bạn một hóa đơn dựa trên các lựa chọn toàn diện, lấy cấu hình cụm của tác giả làm ví dụ:

• Kịch bản nhiệm vụ chung

• 16 chip A100-SXM4-80GB

• Tốc độ kết nối cao nhất (Ultra High Speed)

• Vị trí vị trí Hoa Kỳ

• Thời gian thuê là 1 tuần

Tổng giá hóa đơn là 3311,6$ và giá thuê mỗi giờ của một thẻ là 1,232$

< /p>

Và A100-SXM4-80GB có trên Amazon Cloud và Google Cloud Giá thuê mỗi giờ cho một thẻ có Microsoft Azure lần lượt là 5,12$, 5,07$ và 3,67$ (nguồn dữ liệu: https://cloud-gpus.com/, giá thực tế sẽ thay đổi theo chi tiết hợp đồng).

Vì vậy, chỉ xét về giá cả, sức mạnh tính toán chip của IO.NET thực sự rẻ hơn nhiều so với các nhà sản xuất chính thống, đồng thời việc kết hợp cung ứng và mua sắm cũng rất linh hoạt. hoạt động cũng dễ dàng để bắt đầu.

Tình hình kinh doanh

Tình hình phía cung

Tính đến ngày 4 tháng 4 năm nay, theo dữ liệu chính thức, tổng nguồn cung GPU của IO.NET về phía cung là 371.027 và nguồn cung CPU là 42.321. Ngoài ra, Render Network là đối tác của nó và 9997 GPU và 776 CPU được kết nối với nguồn cung cấp mạng.

Khi tác giả viết bài này, 214.387 trong tổng số GPU được kết nối với IO.NET đang trực tuyến và tỷ lệ trực tuyến đạt 57,8%. Tỷ lệ trực tuyến của GPU từ Mạng kết xuất là 45,1%.

Dữ liệu phía cung cấp ở trên có ý nghĩa gì?

Để so sánh, chúng tôi giới thiệu một dự án điện toán phân tán khác đã được thành lập là Akash Network đã trực tuyến trong một thời gian dài hơn.

Akash Network đã ra mắt mạng chính vào đầu năm 2020, ban đầu tập trung vào các dịch vụ phân tán cho CPU và bộ lưu trữ. Vào tháng 6 năm 2023, nó đã ra mắt mạng thử nghiệm các dịch vụ GPU và ra mắt mạng chính về sức mạnh tính toán phân tán GPU vào tháng 9 cùng năm.

Theo dữ liệu chính thức của Akash, kể từ khi ra mắt mạng GPU, mặc dù phía cung vẫn tiếp tục phát triển, vì vậy đến nay tổng GPU Số lượng mục chỉ là 365.

Từ góc độ cung cấp GPU, IO.NET cao hơn Akash Network vài bậc và nó đã là kênh cung cấp sức mạnh tính toán GPU phân tán lớn nhất. mạng.

Tình hình bên cầu

Tuy nhiên, từ phía cầu, IO.NET vẫn đang trong giai đoạn đầu phát triển thị trường và hiện đang được triển khai bằng cách sử dụng IO.NET Tổng số lượng tác vụ tính toán không lớn. Tải tác vụ của hầu hết các GPU trực tuyến là 0% và chỉ có bốn chip - A100 PCIe 80GB K8S, RTX A6000 K8S, RTX A4000 K8S và H100 80GB HBM3 - là đang xử lý các tác vụ. Và ngoại trừ A100 PCIe 80GB K8S, khả năng tải của 3 chip còn lại đều dưới 20%.

Giá trị áp suất mạng chính thức được tiết lộ ngày hôm đó là 0%, có nghĩa là hầu hết nguồn cung cấp chip đều ở trạng thái chờ trực tuyến.

Xét về quy mô chi phí mạng, IO.NET đã phát sinh phí dịch vụ là 586.029$ và chi phí trong ngày qua là 3.200$.

Mạng trên quyết toán Quy mô phí, cả về tổng số tiền và khối lượng giao dịch hàng ngày, đều có cùng mức độ lớn với Akash, tuy nhiên, phần lớn doanh thu mạng của Akash đến từ phần CPU và nguồn cung cấp CPU của Akash là hơn 20.000.

Ngoài ra, IO.NET cũng tiết lộ Dữ liệu nghiệp vụ của các tác vụ suy luận AI được mạng xử lý cho đến nay đã xử lý và xác minh hơn 230.000 tác vụ suy luận, tuy nhiên, phần lớn khối lượng kinh doanh này được tạo ra bởi dự án BC8.AI do IO.NET tài trợ.

Từ hiện tại Đánh giá từ dữ liệu kinh doanh, phía cung cấp của IO.NET đã mở rộng thuận lợi. Được kích thích bởi những kỳ vọng airdrop và các hoạt động cộng đồng có tên mã là "Ignition", nó đã nhanh chóng thu thập được một lượng lớn sức mạnh điện toán chip AI. Việc mở rộng về phía cầu vẫn đang ở giai đoạn đầu và nhu cầu hữu cơ hiện không đủ. Đối với những thiếu sót hiện tại về phía cầu, cho dù đó là do việc mở rộng phía người tiêu dùng chưa bắt đầu hay do trải nghiệm dịch vụ hiện tại chưa ổn định và do đó chưa được áp dụng trên quy mô lớn, điều này vẫn cần được đánh giá.

Tuy nhiên, do lỗ hổng về sức mạnh tính toán AI khó có thể lấp đầy trong thời gian ngắn, nên một số lượng lớn các kỹ sư và dự án AI đang tìm kiếm giải pháp thay thế, với sự quan tâm của các nhà cung cấp dịch vụ, cùng với việc IO.NET chưa đưa ra các biện pháp kích thích kinh tế và hoạt động từ phía cầu, cũng như việc cải thiện dần dần trải nghiệm sản phẩm, sự kết hợp dần dần giữa cung và cầu vẫn đáng để mong đợi.

2.3 Bối cảnh của nhóm và tình hình tài chính

Tình hình của nhóm< /p>

Nhóm cốt lõi của IO.NET được thành lập trong lĩnh vực giao dịch định lượng. Trước tháng 6 năm 2022, họ đã tập trung phát triển các sản phẩm cấp tổ chức cho cổ phiếu và tài sản tiền điện tử. Hệ thống giao dịch định lượng . Do nhu cầu về sức mạnh tính toán ở phần phụ trợ của hệ thống, nhóm bắt đầu khám phá khả năng tính toán phi tập trung và cuối cùng tập trung vào vấn đề cụ thể là giảm chi phí dịch vụ tính toán GPU.

Người sáng lập &CEO: Ahmad Shadid

Ahmad Shadid đã từng tham gia IO.NET trước đây Tham gia vào công việc liên quan đến kỹ thuật tài chính và định lượng, đồng thời cũng là tình nguyện viên tại Ethereum Foundation.

CMO&Giám đốc chiến lược: Garrison Yang

Garrison Yang chính thức được bổ nhiệm vào tháng 3 năm nay gia nhập IO.NET, trước đây ông là Phó Giám đốc Chiến lược và Phát triển tại Avalanche và tốt nghiệp Đại học California, Santa Barbara.

COO: Tory Green

Tory Green là Giám đốc điều hành của io.net và trước đây là Giám đốc Điều hành của Hum Capital, Giám đốc Chiến lược và Phát triển Doanh nghiệp tại Fox Mobile Group, tốt nghiệp Stanford.

Đánh giá từ thông tin Linkedin của IO.NET, nhóm có trụ sở chính tại New York, Hoa Kỳ, với chi nhánh tại San Francisco. Quy mô nhóm hiện tại lớn hơn hơn 50 người.

Tình hình tài chính

IO.NET chỉ tiết lộ như vậy xa Một vòng tài trợ, tức là vòng tài trợ Series A đã hoàn thành vào tháng 3 năm nay với mức định giá 1 tỷ USD, huy động được tổng cộng 30 triệu USD, do Hack VC dẫn đầu và các nhà đầu tư tham gia khác bao gồm Multicoin Capital, Delphi Digital, Foresight Ventures, Animoca Brands, Continue Capital, Solana Ventures, Aptos, LongHash Ventures, OKX Ventures, Amber Group, SevenX Ventures và ArkStream Capital, cùng nhiều công ty khác.

Điều đáng nói là, có lẽ do khoản đầu tư nhận được từ Aptos Foundation, dự án BC8.AI ban đầu được sử dụng để quyết toán và kế toán trên Solana , đã được chuyển đổi. Trên cùng một Aptos L1 hiệu suất cao.

2.4 Tính toán định giá

Theo người sáng lập và CEO trước đây Ahmad Shadid, IO .NET sẽ ra mắt mã thông báo vào cuối tháng 4.

IO.NET có hai dự án mục tiêu có thể được sử dụng làm tài liệu tham khảo định giá: Mạng kết xuất và Mạng Akash, cả hai đều là các dự án điện toán phân tán đại diện.

Chúng ta có thể suy ra phạm vi giá trị thị trường của IO.NET theo hai cách: 1. Tỷ lệ thị trường trên doanh thu, đó là: tỷ lệ giá trị thị trường/doanh thu; 2. Tỷ lệ giá trị thị trường/số chip mạng.

Trước tiên chúng ta hãy xem xét việc khấu trừ giá trị dựa trên tỷ lệ giá trên doanh thu:

Từ góc độ tỷ lệ giá trên doanh thu, Akash có thể được sử dụng làm giới hạn dưới trong phạm vi định giá của IO.NET, trong khi Render Là một tham chiếu định giá cao cấp để định giá, phạm vi FDV của nó là 1,67 tỷ USD đến 5,93 tỷ USD.

Tuy nhiên, khi xem xét dự án IO.NET được cập nhật, câu chuyện này phổ biến hơn, cùng với giá trị thị trường lưu hành sớm nhỏ hơn và quy mô phía cung lớn hơn hiện tại , FDV của nó vượt quá Khả năng Render không hề nhỏ.

Hãy nhìn vào một góc độ khác của việc so sánh các định giá, đó là "tỷ lệ giá trên cốt lõi".

Trong bối cảnh thị trường nơi nhu cầu về sức mạnh tính toán AI vượt quá nguồn cung, yếu tố quan trọng nhất của mạng sức mạnh tính toán AI phân tán là quy mô của phía cung cấp GPU Do đó, chúng ta có thể sử dụng "Tỷ lệ cốt lõi" của thị trường được sử dụng để so sánh theo chiều ngang và "tỷ lệ tổng giá trị thị trường của dự án với số lượng chip trong mạng" được sử dụng để suy ra phạm vi định giá có thể có của IO .NET, có thể được sử dụng làm tài liệu tham khảo về giá trị thị trường cho độc giả.

Nếu thị trường Tỷ lệ cốt lõi được sử dụng để tính toán phạm vi giá trị thị trường của IO.NET. IO.NET sử dụng tỷ lệ giá trị thị trường của Mạng kết xuất làm giới hạn trên và Mạng Akash làm giới hạn dưới. Phạm vi FDV của nó là từ 20,6 tỷ USD đến 197,5 tỷ USD.

Tôi tin rằng những độc giả lạc quan về dự án IO.NET sẽ cho rằng đây là một phép tính giá trị thị trường cực kỳ lạc quan.

Và chúng ta cần xem xét rằng số lượng chip IO.NET trực tuyến rất lớn hiện nay được kích thích bởi những kỳ vọng airdrop và các hoạt động khuyến khích. Sau khi dự án chính thức đã ra mắt, Số lượng trực tuyến thực tế của phía cung cấp vẫn cần được quan sát.

Vì vậy, nói chung, việc tính toán định giá từ góc độ tỷ lệ giá trên doanh thu có thể mang lại nhiều thông tin hơn.

IO.NET, với tư cách là một dự án có ba hào quang của hệ sinh thái AI+DePIN+Solana, chúng ta hãy chờ xem hiệu suất giá trị thị trường của nó sẽ như thế nào sau khi nó phóng.

3. Thông tin tham khảo

• Dephi Digital: Sự hợp nhất thực sự

• Galaxy:Tìm hiểu về Giao điểm của Tiền điện tử và AI