Tác giả gốc: Alex Xu, Đối tác nghiên cứu tại Mint Ventures
giới thiệu
trong tôibài báo trước, đã đề cập rằng 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 số ít câu chuyện mới trong vòng này của lĩnh vực Web3, trong bài viết này, tác giả sẽ cố gắng sắp xếp suy nghĩ của mình 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 điện toán phân tán
Thứ hai, tác giả sẽ sắp xếp các thông tin chính của dự án IO.NET, một dự án đại diện cho sức mạnh tính toán phân tán AI, bao gồm logic sản phẩm, sản phẩm cạnh tranh và nền tảng dự án, đồng thời 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 Michael rinko, một nhà nghiên cứu tại Delphi Digital.《The Real Merge》cảm hứng. 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, có thể thay đổi trong tương lai, quan điểm mang tính chủ quan cao, cũng có thể có sai sót về thực tế, số liệu và lý luận. Vui lòng không sử dụng làm tài liệu tham khảo đầu tư. . Bình luận và thảo luận từ các đồng nghiệp đều được hoan nghênh. .
Sau đây là văn bản chính.
1. Logic nghiệp vụ: sự kết hợp giữa AI và Web3
1.1 2023: “Năm kỳ diệu” mới do AI tạo ra
Nhìn lại lịch sử phát triển của loài người, một khi công nghệ đạt được bước đột phá, những thay đổi chấn động địa cầu sẽ diễn ra từ cuộc sống hằng ngày của mỗi cá nhân, đến các cơ cấu công nghiệp khác nhau và đến toàn bộ nền văn minh nhân loại.
Có hai năm quan trọng trong lịch sử loài người là 1666 và 1905 mà ngày nay được gọi là hai “năm kỳ diệu” trong lịch sử khoa học và công nghệ.
Năm 1666 được coi là Năm của những điều kỳ diệu vì những thành tựu khoa học của Newton đều 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. Einstein khi đó mới 26 tuổi đã đăng liên tiếp 4 bài báo trong “Biên niên sử vật lý”, đề cập đến hiệu ứng quang điện (đặt nền móng cho cơ học lượng tử) và chuyển động Brown (trở thành một phương pháp). để phân tích các quá trình ngẫu nhiên), các tài liệu tham khảo quan trọng), 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.
Năm 2023 vừa 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 của 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 con người đã tìm ra sự phát triển của khả năng mô hình ngôn ngữ lớn từ sự phát triển của GPT.Quy tắc - nghĩa 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 nào trong quá trình này trong thời gian ngắn (miễn là đủ sức mạnh tính toán).
Khả năng này không chỉ dừng lại ở việc hiểu ngôn ngữ và tạo ra đối thoại mà còn có thể được sử dụng rộng rãi trong nhiều lĩnh vực khoa học và công nghệ khác nhau, ví dụ như ứng dụng các mô hình ngôn ngữ lớn trong lĩnh vực sinh học:
Năm 2018, người đoạt giải Nobel Hóa học Francis Arnold đã phát biểu tại lễ trao giải: 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 vẫn chưa thể tổng hợp được nó. từ Đại học Stanford và công ty khởi nghiệp AI ở Thung lũng Silicon, Salesforce Research đã xuất bản một bài báo về Công nghệ sinh học tự nhiên. Họ đã sử dụng mô hình ngôn ngữ lớn được tinh chỉnh dựa trên GPT 3 đến 0. Tạo ra 1 triệu protein mới và tìm thấy hai loại protein có cấu trúc hoàn toàn khác nhau, nhưng cả hai đều có khả năng diệt khuẩn và được kỳ vọng sẽ trở thành giải pháp chống lại vi khuẩn bên cạnh kháng sinh. Nói cách khác: với sự trợ giúp của AI, nút thắt trong việc “sáng tạo” protein đã được phá vỡ.
Trước đây, thuật toán AlphaFold của trí tuệ nhân tạo đã dự đoán cấu trúc của gần như toàn bộ 214 triệu protein trên trái đất trong vòng 18 tháng, kết quả này gấp hàng trăm lần công sức của tất cả các nhà sinh học cấu trúc con người trước đây.
Với nhiều mô hình khác nhau dựa trên AI, mọi thứ từ công nghệ cứng như công nghệ sinh học, khoa học vật liệu, nghiên cứu và phát triển dược phẩm cho đến các lĩnh vực nhân văn như luật pháp và nghệ thuật sẽ mở ra những thay đổi chấn động trái đất và năm 2023 là năm đầu tiên của tất cả những điều này.
Tất cả 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 quá trình này.
Biểu đồ xu hướng GDP toàn cầu, nguồn dữ liệu: Ngân hàng Thế giới
1.2 Sự kết hợp giữa AI và tiền điện tử
Để hiểu cơ bản sự cần thiết của việc kết hợp AI với 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 Crypto
AI có ba thuộc tính:
Tính ngẫu nhiên: AI mang tính ngẫu nhiên, đằng sau cơ chế sản xuất nội dung của nó là một hộp đen rất khó tái tạo và phát hiện nên kết quả cũng mang tính ngẫu nhiên.
Sử dụng nhiều tài nguyên: AI là một ngành sử dụng nhiều tài nguyên, đòi hỏi nhiều năng lượng, chip và sức mạnh tính toán
Trí thông minh giống con người: AI sẽ (sớm) có thể vượt qua bài kiểm tra Turing và sau đó, con người sẽ không thể phân biệt được với máy móc*
※ Vào ngày 30 tháng 10 năm 2023, một nhóm nghiên cứu tại Đại học California, San Diego đã công bố kết quả thử nghiệm Turing trên GPT-3.5 và GPT-4.0 (Báo cáo thử nghiệm). Điểm GPT 4.0 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 đến những thách thức to lớn cho xã hội loài người, đó là:
Làm thế nào để xác minh và kiểm soát tính ngẫu nhiên của AI để tính ngẫu nhiên trở thành ưu điểm chứ không phải là khuyết điểm
Làm thế nào để đáp ứng khoảng cách lớn về năng lượng và sức mạnh tính toán mà AI yêu cầu
Cách phân biệt giữa con người và máy móc
Đặc điểm của tiền điện tử và nền kinh tế blockchain có thể 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.
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 biện pháp khuyến khích có thể được sử dụng để đẩy nhanh sự phù hợp giữa cung và cầu thị trường và tăng tốc điểm tới hạn.
Không cần tin cậy: Sổ cái mở, mã nguồn mở và mọi người đều có thể dễ dàng xác minh, mang đến một hệ thống không tin cậy, đồng thời công nghệ ZK tránh bị lộ quyền riêng tư cùng lúc với việc xác minh
Tiếp theo, ba ví dụ 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 nền tảng kinh tế tiền điện tử
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 tôi muốn đại lý AI của mình xử lý một giao dịch tài chính, chẳng hạn như “Mua 1.000 đô la BTC”. Các tác nhân AI có thể phải đối mặt với hai tình huống:
Kịch bản 1: Nó muốn kết nối với các tổ chức tài chính truyền thống (chẳng hạn như BlackRock) và mua BTC ETF. Nó phải đối mặt với một số lượng lớn các vấn đề về thích ứng giữa các đại lý 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.
Trường hợp thứ hai, nó chạy dựa trên nền kinh tế tiền điện tử bản địa và tình huống sẽ trở nên đơn giản hơn nhiều, nó sẽ trực tiếp sử dụng tài khoản của bạn để ký và đặt lệnh hoàn tất giao dịch thông qua Uniswap hoặc một nền tảng giao dịch tổng hợp và nhận WBTC (hoặc nền tảng khác). đóng gói) định dạng BTC), toàn bộ quá trình diễn ra nhanh chóng và dễ dàng. 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, nhiều loại BOT giao dịch khác nhau chắc chắn sẽ có thể thực hiện các ý định giao dịch phức tạp hơn với sự tích hợp và phát triển của AI. 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 hiệu quả không tốt và tóm tắt khả năng về lý do thất bại.
AI sẽ hoạt động tốt hơn trong các hệ thống blockchain, về cơ bản là do 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 khuyến khích mã thông báo
Tổng sức mạnh tính toán hiện tại của mạng sức mạnh tính toán toàn cầu đằng sau BTC (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.
Xu hướng sức mạnh tính toán mạng BTC, nguồn: https://www.coinwarz.com/
Ngoài ra, các dự án DePIN, bao gồm cả Mobile, cũng đang cố gắng sử dụng các ưu đãi mã thông báo để định hình một 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 của 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 gần đây cũng đã mở mã nguồn chương trình của Orb phần cứng mống mắt để đảm bảo tính bảo mật và quyền riêng tư của sinh trắc học người dùng.
Nói chung, do tính chắc chắn của mã và mật mã, những lợi thế của việc lưu thông tài nguyên và gây quỹ do cơ chế mã thông báo và không cần cấp phép mang lại cũng như các thuộc tính không cần tin cậy dựa trên mã nguồn mở và sổ cái công khai, nền kinh tế mật mã đã trở thành một thách thức lớn đối với con người. xã hội đang đối mặt với những thách thức về AI. Một giải pháp tiềm năng quan trọng.
Và trong số đó, thách thức cấp bách nhất với nhu cầu thương mại mạnh mẽ nhất là sự khao khát cực độ của các sản phẩm AI về tài nguyên máy tính, xung quanh 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 quá lộ trình AI tổng thể trong chu kỳ thị trường tăng trưởng này.
Sự cần thiết kinh doanh của tính toán phi tập trung
AI yêu cầu tài nguyên điện toán khổng lồ, cho cả mô hình đào tạo và thực hiện suy luận.
Trong thực tiễn 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, các mô hình ngôn ngữ lớn sẽ xuất hiện với một số khả năng mà trước đây không có. Đằng sau sự tăng vọt theo cấp số nhân về khả năng của mỗi thế hệ GPT so với thế hệ trước là sự gia tăng theo cấp số nhân về số lượng tính toán cần thiết cho việc đào tạo mô hình.
Nghiên cứu của DeepMind và Đại học Stanford cho thấy khi các mô hình ngôn ngữ lớn khác nhau phải đối mặt với các nhiệm vụ khác nhau (thao tác, trả lời câu hỏi tiếng Ba Tư, hiểu ngôn ngữ tự nhiên, v.v.), chúng chỉ cần tăng kích thước của các tham số mô hình trong quá trình đào tạo mô hình (tương ứng, đào tạo The lượng tính toán cũng tăng lên), cho đến khi lượng đào tạo không đạt tới 10^22 FLOP (FLOP là các phép toán dấu phẩy động mỗi giây, được sử dụng để đo hiệu suất tính toán), hiệu suất của bất kỳ tác vụ nào gần như giống như đưa ra câu trả lời ngẫu nhiên. ; Và khi thang đo tham số vượt quá giá trị tới hạn của thang đo đó, hiệu suất tác vụ sẽ cải thiện đáng kể, bất kể mô hình ngôn ngữ nào.
Nguồn: Khả năng nổi bật của các mô hình ngôn ngữ lớn
Nguồn: Khả năng nổi bật của các mô hình ngôn ngữ lớn
Cũng chính việc kiểm chứng luật pháp và thực tiễn về những “phép lạ lớn” về sức mạnh tính toán đã khiến người sáng lập OpenAI Sam Altman đề xuất huy động 7 nghìn tỷ USD để xây dựng nhà máy sản xuất chip tiên tiến lớn gấp 10 lần quy mô hiện tại của TSMC (phần này Dự kiến chi phí là 1,5 nghìn tỷ USD) và sử dụng số tiền còn lại để sản xuất chip và đào tạo mô hình.
Ngoài sức mạnh tính toán cần thiết cho việc huấn luyện các 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 huấn luyện) nên cơn đói chip và sức mạnh tính toán đã trở thành nhân tố chính tham gia vào đường đua AI, trạng thái bình thường của con người.
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: Việc truy cập vào chip điện toán bằng các dịch vụ đám mây như AWS, GCP hoặc Azure thường 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 do bên giao thức mạng cung cấp cho các nhà cung cấp chip và năng lượng điện toán, mạng điện toán phân tán có thể cung cấp sức mạnh tính toán rẻ hơn.
Chống kiểm duyệt: Hiện tại, các chip và vật tư điện toán tiên tiến đang được các công ty công nghệ lớn độc quyền và chính phủ do Hoa Kỳ đại diện đang tăng cường giám sát các dịch vụ điện toán AI. Dần dần trở thành một nhu cầu rõ ràng, đây cũng là đề xuất giá trị cốt lõi của nền tảng dịch vụ sức mạnh điện 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 số mới do AI mở ra, và 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 là một thị trường khá sớm nên mọi thứ vẫn còn phải chờ xem. Tuy nhiên, các yếu tố sau có thể kích thích việc tường thuật hoặc áp dụng thị trường sức mạnh tính toán phân tán:
Cung và cầu GPU 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, những 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: Do tính toán của mô hình deep learning có cấu trúc phân cấp nên đầu ra của mỗi lớp được dùng 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 công việc trước đó. không thể được xác minh một cách dễ dàng 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 tính toán phân tán tập hợp một nguồn cung cấp chip dài, nghĩa là sức mạnh tính toán do một thiết bị cung cấp tương đối hạn chế, một nhà cung cấp chip gần như có thể hoàn thành các nhiệm vụ đào tạo hoặc suy luận của mô hình AI độc lập trong thời gian ngắn, do đó phải sử dụng song song để tháo dỡ và phân bổ nhiệm vụ nhằm rút ngắn tổng 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 cách nào để đảm bảo rằng dữ liệu và mô hình của người mua không bị lộ cho người nhận nhiệm vụ?
Những thách thức tuân thủ quy định
Nền tảng điện toán phân tán có thể được sử dụng như một điểm bán hàng để thu hút một số khách hàng do tính chất không được phép của thị trường cung cấp và mua sắm hai mặt. Mặt khác, khi các quy định pháp lý về 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, hầu hết người tiêu dùng nền tảng điện toán phân tán 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, những người dùng này ít hoặc không quan tâm đến các dịch vụ mà giao thức có thể cung cấp. Có yêu cầu cao hơn đối với sự ổn định, bền vững 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 sắp xếp và phân tích thông tin dự án của một dự án điện toán phân tán mới IO.NET trong chu kỳ này, đồng thời dựa trên các dự án AI hiện tại và các dự án điện toán phân tán trong cùng một lộ trình trên thị trường, chúng tôi đã tính toán tiềm năng có thể có của nó sau khi niêm yết. mức định giá.
2. Nền tảng điện toán AI phân tán: IO.NET
2.1 Định vị dự án
IO.NET là mạng điện toán phi tập trung xây dựng thị trường hai mặt xung quanh chip. Bên cung là sức mạnh tính toán của các chip được phân phối trên toàn thế giới (chủ yếu là GPU, ngoài ra còn có CPU và iGPU của Apple, v.v.) và bên cầu đang hy vọng hoàn thành các kỹ sư Trí tuệ nhân tạo cho các nhiệm vụ suy luận hoặc đào tạo mô hình AI.
Trên trang web chính thức của IO.NET, nó viết:
Our Mission
Putting together one million GPUs in a DePIN – decentralized physical infrastructure network.
Nhiệm vụ của nó là tích hợp hàng triệu GPU vào mạng DePIN của mình.
So với các nhà cung cấp dịch vụ điện toán đám mây AI hiện có, điểm bán hàng chính của nó được nhấn mạnh 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 các nhiệm vụ tính toán của riêng mình
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 và các tác vụ có thể được bắt đầu trong vòng hàng chục giây
Dịch vụ giá rẻ: Giá dịch vụ thấp hơn 90% so với các nhà sản xuất chính thống
Ngoài ra, IO.NET còn có kế hoạch ra mắt các dịch vụ như cửa hàng mô hình AI trong tương lai.
2.2 Cơ chế sản phẩm và dữ liệu kinh doanh
Cơ chế sản phẩm và kinh nghiệm triển khai
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 nghiệp vụ cơ bản của IO Cloud được gọi là Clusters. Clusters 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 tùy chỉnh cluster mong muốn theo nhu cầu riêng của mình.
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 tính toán AI, sau khi vào trang sản phẩm Clusters của nó, bạn có thể bắt đầu cấu hình những gì bạn muốn khi cần.
Thông tin trang: https://cloud.io.net/cloud/clusters/create-cluster, bên dưới tương tự
Đầu tiên bạn cần lựa chọn kịch bản nhiệm vụ cho riêng mình, hiện tại có ba loại để bạn lựa chọn:
Tổng quát: Cung cấp một môi trường tổng quát hơn, phù hợp cho các giai đoạn đầu của dự án khi các yêu cầu về nguồn lực cụ thể không chắc chắn.
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.
Suy luận: Một cụm được thiết kế 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 lựa chọn nhà cung cấp cụm chip, hiện tại IO.NET đã đạt được sự hợp tác với Render Network và mạng miner của Filecoin nên người dùng có thể lựa chọn IO.NET hoặc chip của 2 mạng còn lại làm nhà cung cấp máy tính của riêng mình. cluster.Nó tương đương với IO.NET đóng vai trò là một trình tổng hợp (nhưng tính đến thời điểm viết bài, 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+.
Tiếp theo, chúng ta bước vào quá trình lựa chọn phần cứng cluster chip. Hiện tại, IO.NET chỉ liệt kê GPU là loại phần cứng có sẵn, không bao gồm CPU hoặc iGPU của Apple (M 1, M 2, v.v.) và GPU cũng chủ yếu là các sản phẩm của NVIDIA.
Trong số các tùy chọn phần cứng GPU được liệt kê chính thức và có sẵn, theo dữ liệu được tác giả kiểm tra trong ngày, số lượng GPU có sẵn trên mạng IO.NET là 206.001. Có sẵn nhiều nhất là GeForce RTX 4090 (45.250 ảnh), tiếp theo là GeForce RTX 3090 Ti (30.779 ảnh).
Ngoài ra, chip A 100-SXM 4-80 GB (giá thị trường 15.000 USD+), hiệu quả hơn trong việc xử lý các tác vụ điện toán AI như machine learning, deep learning và điện toán khoa học, có 7.965 ảnh trực tuyến.
Card đồ họa H 100 80 GB HBM 3 của Nvidia (giá thị trường 40.000 USD+), được thiết kế dành riêng cho AI ngay từ khi bắt đầu thiết kế phần cứng, có hiệu suất đào tạo gấp 3,3 lần so với A 100 và hiệu suất suy luận gấp 4,5 lần của A 100. Số lượng thực tế trên mạng Có 86 ảnh.
Sau khi chọn loại phần cứng của cụm, người dùng cũng cần chọn các thông số như vùng cụm, tốc độ liên lạc, số lượng và thời gian của GPU được thuê.
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 100-SXM 4-80 GB
Tốc độ kết nối tối đa (Ultra High Speed)
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 $
Giá thuê thẻ đơn hàng giờ cho A 100-SXM 4-80 GB trên Amazon Cloud, Google Cloud và 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 dựa trên chi tiết hợp đồng).
Do đó, chỉ xét về giá cả, sức mạnh tính toán chip của IO.NET quả thực 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, vận hành cũng dễ dàng bắt đầu.
Những điều kiện kinh doanh
Tình hình bên 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, với Render Network là đối tác, 9997 GPU và 776 CPU được kết nối với nguồn cung cấp của mạng.
Nguồn dữ liệu: https://cloud.io.net/explorer/home, tương tự bên dưới
Khi tác giả viết bài này, có 214.387 trong tổng số GPU 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 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 của mình 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.
Nguồn dữ liệu: https://stats.akash.network/provider-graph/graphics-gpu
Theo dữ liệu chính thức của Akash, kể từ khi ra mắt mạng GPU, mặc dù phía cung tiếp tục phát triển nhưng tổng số kết nối GPU cho đến nay chỉ là 365.
Đánh giá về việc cung cấp GPU, IO.NET cao hơn Akash Network vài bậc và đã là mạng cung cấp lớn nhất trong đường đua sức mạnh tính toán GPU phân tán.
Tình hình bên cầu
Tuy nhiên, từ phía cầu, IO.NET vẫn đang trong giai đoạn đầu phát triển thị trường và tổng số lượng sử dụng thực tế của IO.NET để thực hiện các tác vụ tính toán là không nhiều. Tải tác vụ của hầu hết các GPU trực tuyến là 0% và chỉ có bốn chip A100 PCIe80GB K8S, RTX A6000K8S, RTX A4000K8S và H100 80GB HBM 3 là đang xử lý các tác vụ. Và ngoại trừ A100 PCIe80GB K8S, khả năng chịu tải của 3 chip còn lại đều dưới 20%.
Giá trị áp lực mạng chính thức được tiết lộ vào ngày hôm đó là 0%, có nghĩa là hầu hết nguồn cung cấp chip đều ở chế độ chờ trực tuyến.
Xét về quy mô chi phí mạng, IO.NET đã phát sinh phí dịch vụ là 586029 USD và chi phí trong ngày qua là 3200 USD.
Nguồn dữ liệu: https://cloud.io.net/explorer/clusters
Quy mô phí thanh toán mạng nêu trên, cả về tổng số và khối lượng giao dịch hàng ngày, đều ngang bằng 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.
Nguồn dữ liệu: https://stats.akash.network/
Ngoài ra, IO.NET cũng tiết lộ dữ liệu nghiệp vụ của các tác vụ suy luận AI do 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 do IO.NET tài trợ. BC 8.AI.
Nguồn dữ liệu: https://cloud.io.net/explorer/inferences
Đánh giá từ dữ liệu kinh doanh hiện tại, phía cung cấp của IO.NET đang 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, xét thấy khoảng trống về sức mạnh tính toán AI khó có thể lấp đầy trong thời gian ngắn, một số lượng lớn các kỹ sư và dự án AI đang tìm kiếm giải pháp thay thế và có thể quan tâm đến các nhà cung cấp dịch vụ phi tập trung. Với sự kích thích của các hoạt động, trải nghiệm sản phẩm dần dần được cải thiện và sự kết hợp dần dần giữa cung và cầu sau đó, điều đó vẫn rất đáng mong đợi.
2.3 Bối cảnh đội ngũ và tình hình tài chính
Tình hình đội
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 vào phát triển hệ thống giao dịch định lượng cấp tổ chức cho cổ phiếu và tài sản tiền điện tử. 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 Giám đốc điều hành: Ahmad Shadid
Ahmad Shadid đã tham gia vào công việc liên quan đến kỹ thuật tài chính và định lượng trước IO.NET và cũng là tình nguyện viên tại Ethereum Foundation.
CMO Giám đốc chiến lược: Garrison Yang
Garrison Yang chính thức gia nhập IO.NET vào tháng 3 năm nay. Ông trước đây 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. Ông trước đây là giám đốc điều hành của Hum Capital và giám đốc chiến lược và phát triển doanh nghiệp của Fox Mobile Group. Ông tốt nghiệp Stanford.
Đánh giá từ thông tin Linkedin của IO.NET, nhóm có trụ sở tại New York, Hoa Kỳ, với chi nhánh tại San Francisco, quy mô nhóm hiện tại là hơn 50 người.
Tình hình tài chính
IO.NET mới chỉ tiết lộ một vòng tài trợ cho đến nay, đó 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 và các nhà đầu tư tham gia khác dẫn đầu. 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 tổ chức khác.
Điều đáng nói là, có lẽ do khoản đầu tư nhận được từ Aptos Foundation, dự án BC 8.AI, vốn ban đầu được sử dụng để thanh toán và kế toán trên Solana, đã được chuyển đổi sang cùng loại L1 Aptos hiệu suất cao.
2.4 Tính toán định giá
Theo người sáng lập và Giám đốc điều hành trước đó 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 để 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, nghĩa là: tỷ lệ giá trị thị trường/doanh thu 2. Tỷ lệ giá trị thị trường/số lượng 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 có thể được sử dụng làm tham chiếu định giá cao cấp để định giá, với phạm vi FDV từ 1,67 tỷ USD đến 5,93 tỷ USD.
Tuy nhiên, xét đến việc dự án IO.NET được cập nhật, câu chuyện đang nóng hơn, cùng với giá trị thị trường lưu hành ban đầu nhỏ hơn và quy mô phía cung lớn hơn hiện tại, khả năng FDV của nó vượt quá Render là không nhỏ.
Hãy nhìn vào một góc độ khác để so sánh các định giá, cụ thể là “tỷ lệ giá trên cốt lõi”.
Trong bối cảnh thị trường mà 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 so sánh theo chiều ngang với thị trường đến cốt lõi. tỷ lệ và sử dụng tổng giá trị thị trường của dự án và số lượng chip trong mạng Tỷ lệ số lượng để suy ra phạm vi định giá có thể có của IO.NET để độc giả sử dụng làm tài liệu tham khảo giá trị thị trường.
Nếu phạm vi giá trị thị trường của IO.NET được tính toán dựa trên tỷ lệ thị trường trên lõi thì IO.NET sử dụng tỷ lệ thị trường trên lõi của Mạng kết xuất làm giới hạn trên và Mạng Akash làm giới hạn dưới. là 20,6 tỷ 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 phải tính đến việc số lượng chip trực tuyến khổng lồ của IO.NET hiện nay được kích thích bởi kỳ vọng airdrop và các hoạt động khuyến khích, sau khi dự án chính thức ra mắt, số lượng chip trực tuyến thực tế về phía cung vẫn cần phải Được Quan sát.
Do đó, nói chung, việc tính toán định giá từ góc độ tỷ lệ giá trên doanh thu có thể mang lại nhiều thông tin hơn.
Là một dự án có ba hào quang của hệ sinh thái AI+DePIN+Solana, IO.NET sẽ chờ xem hiệu suất giá trị thị trường của nó sẽ như thế nào sau khi ra mắt.
3. Thông tin tham khảo
Dephi Digital：The Real Merge
