Alex Xu - Empresas de menta
Hora de publicación original: 2024-04-08 10:23
Enlace original: https://research.mintventures.fund/2024/04/08/zh-a-new-solana-based-ai-depin-project-a-brief-analysis-of-upcoming-tokenlaunch-io-net /
introducción
En mi último artículo, mencioné que este ciclo del mercado alcista de las criptomonedas carece de nuevos negocios y nuevas narrativas de activos suficientemente influyentes en comparación con los dos ciclos anteriores. La IA es una de las pocas narrativas nuevas en esta ronda del campo Web3. El autor de este artículo intentará ordenar mis pensamientos sobre los dos temas siguientes basándose en el proyecto de IA de este año, IO.NET:
La necesidad comercial de AI+Web3
La necesidad y los desafíos de los servicios informáticos distribuidos.
En segundo lugar, el autor clasificará la información clave del proyecto IO.NET, un proyecto representativo de potencia informática distribuida de IA, incluida la lógica del producto, los productos competitivos y los antecedentes del proyecto, y deducirá la valoración del proyecto.
Parte de las reflexiones de este artículo sobre la combinación de IA y Web3 se inspiraron en "The Real Merge" escrito por el investigador de Delphi Digital, Michael Rinko. Algunas de las opiniones de este artículo están resumidas y citadas del artículo. Se recomienda a los lectores que lean el artículo original.
Este artículo es el pensamiento escenificado del autor en el momento de su publicación. Puede cambiar en el futuro y las opiniones son muy subjetivas. También puede haber errores en los hechos, los datos y el razonamiento. Se aceptan comentarios y discusiones de pares.
La siguiente es la parte del texto.
1. Lógica empresarial: la combinación de IA y Web3
1.1 2023: El nuevo “año milagroso” creado por la IA
Mirando hacia atrás en la historia del desarrollo humano, una vez que la tecnología logre un gran avance, se producirán cambios trascendentales en la vida diaria individual, en diversas estructuras industriales y en toda la civilización humana.
Hay dos años importantes en la historia de la humanidad, a saber, 1666 y 1905. Ahora se los conoce como los dos "años milagrosos" en la historia de la ciencia y la tecnología.
1666 se considera el Año de los Milagros porque los logros científicos de Newton surgieron de manera concentrada ese año. En este año, abrió la rama física de la óptica, fundó la rama matemática del cálculo y derivó la fórmula de la gravedad, la ley básica de las ciencias naturales modernas. Cada uno de ellos será una contribución fundamental al desarrollo de la ciencia humana en los próximos cien años, acelerando enormemente el desarrollo de la ciencia en general.
El segundo año milagroso fue 1905. En aquel momento, Einstein, que sólo tenía 26 años, publicó cuatro artículos consecutivos en los "Anales de la Física", cubriendo el efecto fotoeléctrico (sentando las bases de la mecánica cuántica) y el movimiento browniano (convirtiéndose en un método para analizar procesos aleatorios). Referencias importantes), la relatividad especial y la ecuación masa-energía (es decir, la famosa fórmula E=MC^2). En la evaluación de generaciones posteriores, cada uno de estos cuatro artículos superó el nivel promedio del Premio Nobel de Física (el propio Einstein también ganó el Premio Nobel por su artículo sobre el efecto fotoeléctrico), y el proceso histórico de la civilización humana volvió a ser muy grande. Avanzado varios pasos.
El año 2023 que acaba de pasar probablemente se llamará otro "año milagroso" gracias a ChatGPT.
Consideramos 2023 como un "año milagroso" en la historia de la ciencia y la tecnología humanas, no solo por el enorme progreso de GPT en la comprensión y generación del lenguaje natural, sino también porque los humanos han descubierto el crecimiento de las capacidades de los grandes modelos de lenguaje a partir de la evolución de GPT La regla, es decir, al expandir los parámetros del modelo y los datos de entrenamiento, las capacidades del modelo se pueden mejorar exponencialmente, y no hay cuellos de botella en este proceso a corto plazo (siempre que la potencia de cálculo sea suficiente).
Esta capacidad está lejos de comprender el lenguaje y generar diálogo. También puede usarse ampliamente en diversos campos científicos y tecnológicos. Tomemos como ejemplo la aplicación de grandes modelos de lenguaje en el campo biológico.
En 2018, el premio Nobel de Química Francis Arnold dijo en la ceremonia de entrega de premios: "Hoy podemos leer, escribir y editar cualquier secuencia de ADN en aplicaciones prácticas, pero aún no podemos componerla cinco años después de su discurso, en 2023", afirmaron los investigadores. Salesforce Research, de la Universidad de Stanford y la startup de inteligencia artificial de Silicon Valley, publicó un artículo en "Nature-Biotechnology". Utilizaron un modelo de lenguaje grande ajustado basado en GPT3 para pasar de 0 a Se crearon un millón de nuevas proteínas, y dos proteínas con características completamente diferentes. Se encontraron estructuras, pero ambas con capacidad bactericida. Se espera que se conviertan en una solución para combatir bacterias además de los antibióticos. En otras palabras: con la ayuda de la IA se ha superado el cuello de botella en la "creación" de proteínas.
Anteriormente, el algoritmo de inteligencia artificial AlphaFold predijo la estructura de casi los 214 millones de proteínas de la Tierra en 18 meses. Este resultado fue cientos de veces mayor que el trabajo de todos los biólogos estructurales humanos en el pasado.
Con varios modelos basados en la IA, todo, desde las tecnologías duras como la biotecnología, la ciencia de los materiales y la investigación y el desarrollo de fármacos hasta campos de las humanidades como el derecho y el arte, marcarán el comienzo de cambios trascendentales, y 2023 es el primer año de todo esto.
Todos sabemos que la capacidad de la humanidad para crear riqueza ha crecido exponencialmente en el último siglo, y la rápida madurez de la tecnología de IA inevitablemente acelerará aún más este proceso.
Gráfico de tendencia del PIB mundial, fuente de datos: Banco Mundial
1.2 La combinación de IA y Cripto
Para comprender esencialmente la necesidad de combinar IA y Cripto, podemos partir de las características complementarias de las dos.
Funciones complementarias de AI y Crypto
La IA tiene tres atributos:
Aleatoriedad: La IA es aleatoria Detrás de su mecanismo de producción de contenidos hay una caja negra difícil de reproducir y detectar, por lo que los resultados también son aleatorios.
Con uso intensivo de recursos: la IA es una industria que consume muchos recursos y requiere mucha energía, chips y potencia informática.
Inteligencia similar a la humana: la IA (pronto) podrá pasar la prueba de Turing y, a partir de entonces, los humanos serán indistinguibles de las máquinas*
※El 30 de octubre de 2023, el equipo de investigación de la Universidad de California en San Diego publicó los resultados de la prueba de Turing (informe de prueba) en GPT-3.5 y GPT-4.0. La puntuación de GPT4.0 es del 41%, que está a sólo un 9% de la línea de aprobación del 50%. La puntuación de la prueba humana del mismo proyecto es del 63%. El significado de esta prueba de Turing es cuánto por ciento de las personas piensan que la persona con la que están charlando es una persona real. Si supera el 50%, significa que al menos la mitad de la multitud piensa que el interlocutor es un ser humano, no una máquina, lo que se considera que pasa la prueba de Turing.
Si bien la IA crea un nuevo avance en la productividad para la humanidad, sus tres atributos también plantean enormes desafíos a la sociedad humana, a saber:
Cómo verificar y controlar la aleatoriedad de la IA para que la aleatoriedad se convierta en una ventaja y no en un defecto
Cómo cubrir la enorme brecha energética y de potencia informática que requiere la IA
Cómo diferenciar entre humanos y máquinas
Las características de las criptomonedas y la economía blockchain pueden ser la medicina adecuada para resolver los desafíos que plantea la IA. La economía de las criptomonedas tiene las siguientes tres características:
Determinismo: el negocio se basa en blockchain, código y contratos inteligentes. Las reglas y los límites son claros. Lo que se ingresa dará como resultado un alto grado de certeza.
Asignación eficiente de recursos: la criptoeconomía ha construido un enorme mercado libre global. La fijación de precios, la recolección y la circulación de recursos son muy rápidas y, debido a la existencia de tokens, se pueden utilizar incentivos para acelerar la correspondencia entre la oferta y la demanda del mercado. y acelerar el punto crítico.
Sin confianza: el libro de contabilidad es abierto, el código es de código abierto y todos pueden verificarlo fácilmente, lo que genera un sistema "sin confianza", mientras que la tecnología ZK evita la exposición de la privacidad al mismo tiempo que la verificación.
A continuación, se utilizarán tres ejemplos para ilustrar la complementariedad de la IA y la criptoeconomía.
Ejemplo A: Resolución de aleatoriedad, agente de IA basado en criptoeconomía
AI Agent es un programa de inteligencia artificial responsable de realizar trabajos para humanos en función de la voluntad humana (los proyectos representativos incluyen Fetch.AI). Supongamos que queremos que nuestro agente de IA procese una transacción financiera, como "Comprar $1000 en BTC". Los agentes de IA pueden enfrentarse a dos situaciones:
Escenario 1: quiere conectarse con instituciones financieras tradicionales (como BlackRock) y comprar ETF de BTC. Se enfrenta a una gran cantidad de problemas de adaptación entre los agentes de IA y las instituciones centralizadas, como KYC, revisión de información, inicio de sesión, verificación de identidad, etc. Sigue siendo muy problemático en este momento.
En el caso dos, se ejecuta en función de la economía de cifrado nativa y la situación será mucho más sencilla. Utilizará directamente su cuenta para firmar y realizar una orden para completar la transacción a través de Uniswap o una plataforma comercial agregada, y recibir WBTC (o). otra encapsulación) formato BTC), todo el proceso es rápido y sencillo. De hecho, esto es lo que están haciendo varios Trading BOT. En realidad, han desempeñado el papel de un agente junior de IA, pero su trabajo se centra en el comercio. En el futuro, con la integración y evolución de la IA, varios tipos de BOT comerciales inevitablemente podrán ejecutar intenciones comerciales más complejas. Por ejemplo: rastrear 100 direcciones de dinero inteligente en la cadena, analizar sus estrategias comerciales y tasas de éxito, usar el 10% de los fondos en mi dirección para ejecutar transacciones similares en una semana, detenerse cuando los resultados no sean buenos y resumir las posibilidades. de fracaso.
La IA funcionará mejor en un sistema blockchain, esencialmente debido a la claridad de las reglas criptoeconómicas y al acceso sin permiso al sistema. Al realizar tareas bajo reglas limitadas, los riesgos potenciales que conlleva la aleatoriedad de la IA también serán menores. Por ejemplo, el desempeño de la IA en competencias de ajedrez y cartas y en videojuegos ha superado al de los humanos porque el ajedrez y los juegos de cartas son cajas de arena cerradas con reglas claras. El progreso de la IA en la conducción autónoma será relativamente lento, porque los desafíos del entorno externo abierto son mayores y nos resulta más difícil tolerar la aleatoriedad de los problemas de procesamiento de la IA.
Ejemplo B: Dar forma a los recursos y reunirlos mediante incentivos simbólicos
La potencia informática total actual de la red mundial de potencia informática detrás de BTC (Hashrate: 576,70 EH/s) supera la potencia informática integral de las supercomputadoras de cualquier país. Su motivación para el desarrollo proviene de incentivos de red simples y justos.
Tendencia de potencia informática de la red BTC, fuente: https://www.coinwarz.com/
Además, los proyectos DePIN, incluido Mobile, también están tratando de utilizar incentivos simbólicos para dar forma a un mercado bilateral en ambos lados de la oferta y la demanda para lograr efectos de red. IO.NET, en la que se centrará este artículo a continuación, es una plataforma diseñada para reunir potencia informática de IA. Se espera que a través del modelo de token se estimule más potencial de potencia informática de IA.
Ejemplo C: código fuente abierto, introducción de ZK, distinción entre humanos y máquinas y protección de la privacidad
Como proyecto Web3 en el que participa el fundador de OpenAI, Sam Altman, Worldcoin utiliza el dispositivo de hardware Orb para generar valores hash exclusivos y anónimos basados en la biometría del iris humano y la tecnología ZK para verificar la identidad y distinguir entre humanos y máquinas. A principios de marzo de este año, el proyecto artístico Web3 Drip comenzó a utilizar ID de Worldcoin para verificar usuarios reales y emitir recompensas.
Además, Worldcoin también ha abierto recientemente el código del programa de su hardware de iris Orb para ofrecer garantías de seguridad y privacidad de la biometría del usuario.
En términos generales, debido a la certeza del código y la criptografía, las ventajas de la circulación de recursos y la recaudación de fondos que aporta el mecanismo de token y sin permiso, y los atributos de confianza basados en el código fuente abierto y los libros de contabilidad públicos, la criptoeconomía se ha convertido en un importante desafío de la IA para la sociedad humana. Una solución potencial importante.
Y entre ellos, el desafío más urgente y con mayor demanda comercial es el hambre extrema de productos de IA en los recursos informáticos, que rodea la enorme demanda de chips y potencia informática.
Esta es también la razón principal por la que el crecimiento de los proyectos de potencia informática distribuida supera la trayectoria general de la IA en este ciclo alcista del mercado.
La necesidad empresarial de la informática descentralizada
La IA requiere recursos informáticos masivos, tanto para entrenar modelos como para realizar inferencias.
En la práctica de entrenamiento de modelos de lenguaje grandes, se ha confirmado un hecho: siempre que la escala de los parámetros de datos sea lo suficientemente grande, surgirán modelos de lenguaje grandes con algunas capacidades que antes no estaban disponibles. El salto exponencial en las capacidades de cada generación de GPT en comparación con la generación anterior se debe al aumento exponencial en la cantidad de cálculos necesarios para el entrenamiento del modelo.
La investigación realizada por DeepMind y la Universidad de Stanford muestra que cuando diferentes modelos de lenguaje grandes enfrentan diferentes tareas (operaciones, respuesta a preguntas en persa, comprensión del lenguaje natural, etc.), solo necesitan aumentar el tamaño de los parámetros del modelo durante el entrenamiento del modelo (en consecuencia, entrenar El La cantidad de cálculo también ha aumentado), hasta que la cantidad de entrenamiento no alcance los 10 ^ 22 FLOP (FLOP se refiere a operaciones de punto flotante por segundo, utilizadas para medir el rendimiento informático), el rendimiento de cualquier tarea es casi el mismo que dar respuestas aleatorias. Y una vez que la escala del parámetro excede el valor crítico de esa escala, el desempeño de la tarea mejora drásticamente, sin importar el modelo de lenguaje.
来源: Habilidades emergentes de modelos de lenguaje grandes
来源: Habilidades emergentes de modelos de lenguaje grandes
También es la verificación de la ley y la práctica de los "grandes milagros" en la potencia informática lo que llevó al fundador de OpenAI, Sam Altman, a proponer recaudar 7 billones de dólares para construir una fábrica de chips avanzada que es 10 veces más grande que el tamaño actual de TSMC (esta parte Se espera que cueste 1,5 billones) y utilizar los fondos restantes para la producción de chips y la capacitación de modelos.
Además de la potencia informática necesaria para el entrenamiento de modelos de IA, el proceso de inferencia del modelo en sí también requiere una gran potencia informática (aunque la cantidad de cálculos es menor que la del entrenamiento), por lo que el hambre de chips y potencia informática Se ha convertido en un factor importante en la participación en la pista de IA del estado normal de la persona.
En comparación con los proveedores de potencia informática de IA centralizada, como Amazon Web Services, Google Cloud Platform, Microsoft Azure, etc., las principales propuestas de valor de la informática distribuida de IA incluyen:
Accesibilidad: obtener acceso a chips informáticos mediante servicios en la nube como AWS, GCP o Azure suele llevar semanas y los modelos de GPU populares suelen estar agotados. Además, para obtener potencia informática, los consumidores a menudo necesitan firmar contratos inflexibles a largo plazo con estas grandes empresas. La plataforma informática distribuida puede proporcionar una selección de hardware flexible y una mayor accesibilidad.
Precios bajos: debido al uso de chips inactivos y los subsidios simbólicos proporcionados por la parte del protocolo de red a los proveedores de chips y potencia informática, la red de potencia informática distribuida puede proporcionar potencia informática más barata.
Resistencia a la censura: en la actualidad, los chips y suministros de potencia informática de última generación están monopolizados por las grandes empresas de tecnología, y el gobierno representado por los Estados Unidos está aumentando el escrutinio de los servicios de potencia informática de IA que pueden distribuirse de forma flexible y libre. Obtenido gradualmente convirtiéndose en una demanda explícita, esta es también la propuesta de valor central de la plataforma de servicios de potencia informática basada en web3.
Si la energía fósil es la sangre de la era industrial, entonces la potencia informática puede ser la sangre de la nueva era digital abierta por la IA, y el suministro de potencia informática se convertirá en la infraestructura de la era de la IA. Así como las monedas estables se han convertido en una próspera rama secundaria de la moneda legal en la era Web3, ¿se convertirá el mercado de potencia informática distribuida en una rama secundaria del mercado de potencia informática de IA en rápido crecimiento?
Como todavía se trata de un mercado bastante temprano, todo está por ver. Sin embargo, los siguientes factores pueden estimular la narrativa o la adopción en el mercado de la potencia informática distribuida:
La oferta y la demanda de GPU siguen siendo escasas. La continua y escasa oferta de GPU puede empujar a algunos desarrolladores a probar plataformas informáticas distribuidas.
Ampliación regulatoria. Si desea obtener servicios de potencia informática de IA de una gran plataforma de potencia informática en la nube, debe pasar por KYC y capas de revisiones. En cambio, esto puede promover la adopción de plataformas informáticas distribuidas, especialmente en áreas sujetas a restricciones y sanciones.
Estímulo del precio de los tokens. El aumento de los precios de los tokens durante el ciclo del mercado alcista aumentará el valor del subsidio de la plataforma para el lado de la oferta de GPU, lo que atraerá a más proveedores para ingresar al mercado, aumentará el tamaño del mercado y reducirá el precio de compra real de los consumidores.
Pero al mismo tiempo, los desafíos de las plataformas informáticas distribuidas también son bastante obvios:
Desafíos técnicos y de ingeniería
Problema de verificación del trabajo: debido a la estructura jerárquica del cálculo del modelo de aprendizaje profundo, la salida de cada capa se utiliza como entrada de la capa siguiente. Por lo tanto, verificar la validez del cálculo requiere la ejecución de todo el trabajo anterior, lo cual. no se puede verificar fácil y efectivamente. Para resolver este problema, las plataformas informáticas distribuidas necesitan desarrollar nuevos algoritmos o utilizar técnicas de verificación aproximada que puedan proporcionar garantías probabilísticas de la exactitud de los resultados en lugar de una certeza absoluta.
Problema de paralelización: la plataforma de potencia informática distribuida reúne un suministro de chips de cola larga, lo que significa que la potencia informática proporcionada por un solo dispositivo es relativamente limitada. Un solo proveedor de chips casi puede completar las tareas de entrenamiento o razonamiento del modelo de IA. de forma independiente en poco tiempo, por lo que se debe utilizar la paralelización para desmantelar y distribuir tareas para acortar el tiempo total de finalización. La paralelización inevitablemente enfrentará una serie de problemas, como cómo descomponer las tareas (especialmente las tareas complejas de aprendizaje profundo), dependencias de datos y costos de comunicación adicionales entre dispositivos.
Cuestión de protección de la privacidad: ¿Cómo garantizar que los datos y modelos del comprador no queden expuestos al destinatario de la tarea?
Desafíos de cumplimiento normativo
La plataforma informática distribuida se puede utilizar como punto de venta para atraer a algunos clientes debido a su naturaleza sin permiso en el mercado bilateral de suministro y adquisición. Por otro lado, a medida que mejoren los estándares regulatorios de la IA, puede convertirse en el objetivo de la rectificación gubernamental. Además, a algunos proveedores de GPU también les preocupa si los recursos informáticos que alquilan se proporcionan a empresas o individuos sancionados.
En general, la mayoría de los consumidores de plataformas informáticas distribuidas son desarrolladores profesionales o instituciones pequeñas y medianas. A diferencia de los inversores en criptomonedas que compran criptomonedas y NFT, estos usuarios tienen una comprensión limitada de los servicios que el protocolo puede proporcionar y tienen mayores requisitos de estabilidad. y la sostenibilidad, y el precio puede no ser la principal motivación para su toma de decisiones. En la actualidad, las plataformas informáticas distribuidas todavía tienen un largo camino por recorrer para lograr el reconocimiento de dichos usuarios.
A continuación, clasificamos y analizamos la información del proyecto sobre IO.NET, un nuevo proyecto de potencia informática distribuida en este ciclo, y basándonos en los proyectos actuales de IA y proyectos de informática distribuida en la misma línea en el mercado, calculamos su posible potencial de mercado después nivel de valoración.
2. Plataforma de potencia informática de IA distribuida: IO.NET
2.1 Posicionamiento del proyecto
IO.NET es una red informática descentralizada que construye un mercado bilateral en torno a los chips: el lado de la oferta es la potencia informática de los chips distribuidos en todo el mundo (principalmente GPU, pero también las CPU y las iGPU de Apple, etc.), y el lado de la demanda. Espera completar los ingenieros de inteligencia artificial para tareas de inferencia o entrenamiento de modelos de IA.
En el sitio web oficial de IO.NET, escribe:
Nuestra misión
Reunir un millón de GPU en una DePIN (red de infraestructura física descentralizada).
Su misión es integrar millones de GPU en su red DePIN.
En comparación con los proveedores de servicios de potencia de computación de IA en la nube existentes, sus principales puntos de venta destacados son:
Combinación flexible: los ingenieros de IA pueden seleccionar y combinar libremente los chips que necesitan para formar un "clúster" para completar sus propias tareas informáticas.
Implementación rápida: no se necesitan semanas de aprobación y espera (actualmente es la situación con proveedores centralizados como AWS), la implementación se puede completar y las tareas se pueden iniciar en decenas de segundos.
Servicios de bajo precio: el costo de los servicios es un 90% más bajo que el de los principales fabricantes.
Además, IO.NET también planea lanzar una tienda de modelos de IA y otros servicios en el futuro.
2.2 Mecanismo del producto y datos comerciales.
Mecanismo del producto y experiencia en implementación.
Al igual que Amazon Cloud, Google Cloud y Alibaba Cloud, el servicio informático proporcionado por IO.NET se llama IO Cloud. IO Cloud es una red de chips distribuida y descentralizada capaz de ejecutar código de aprendizaje automático basado en Python y ejecutar programas de aprendizaje automático e inteligencia artificial.
El módulo comercial básico de IO Cloud se llama Clústeres. Los clústeres son un grupo de GPU que pueden autocoordinarse para completar tareas informáticas y los ingenieros de inteligencia artificial pueden personalizar el clúster deseado según sus propias necesidades.
La interfaz del producto IO.NET es muy fácil de usar. Si desea implementar su propio clúster de chips para completar tareas informáticas de IA, después de ingresar a la página del producto Clústeres, puede comenzar a configurar el clúster de chips que desee.
Información de la página: https://cloud.io.net/cloud/clusters/create-cluster, lo mismo a continuación
Primero debes elegir tu propio escenario de misión. Actualmente hay tres tipos para elegir:
General: proporciona un entorno más general, adecuado para las primeras etapas del proyecto donde los requisitos de recursos específicos son inciertos.
Train: un clúster diseñado para entrenar y ajustar modelos de aprendizaje automático. Esta opción puede proporcionar más recursos de GPU, mayor capacidad de memoria y/o conexiones de red más rápidas para manejar estas tareas informáticas intensivas.
Inferencia: un clúster diseñado para inferencia de baja latencia y cargas de trabajo pesadas. En el contexto del aprendizaje automático, la inferencia se refiere al uso de un modelo entrenado para hacer predicciones o analizar nuevos datos y proporcionar retroalimentación. Por lo tanto, esta opción se centrará en optimizar la latencia y el rendimiento para respaldar las necesidades de procesamiento de datos en tiempo real o casi en tiempo real.
Luego, debe elegir el proveedor del grupo de chips. Actualmente, IO.NET ha cooperado con Render Network y la red minera de Filecoin, por lo que los usuarios pueden elegir IO.NET o chips de las otras dos redes como proveedor de su propio grupo de computación. Es equivalente a que IO.NET desempeñe el papel de agregador (pero al momento de escribir este artículo, el servicio Filecon está temporalmente fuera de línea). Vale la pena mencionar que según la página, la cantidad de GPU disponibles para IO.NET es actualmente de más de 200,000, mientras que la cantidad de GPU disponibles para Render Network es de más de 3,700.
A continuación, ingresamos al proceso de selección de hardware del chip del clúster. Actualmente, los únicos tipos de hardware enumerados por IO.NET para su selección son las GPU, excluyendo las CPU o las iGPU de Apple (M1, M2, etc.), y las GPU son principalmente productos de NVIDIA.
Entre las opciones de hardware de GPU disponibles y enumeradas oficialmente, según los datos probados por el autor ese día, la cantidad de GPU disponibles en la red IO.NET es 206.001. Entre ellas, la GeForce RTX 4090 (45.250 fotos) tiene la mayor cantidad de datos disponibles, seguida de la GeForce RTX 3090 Ti (30.779 fotos).
Además, el chip A100-SXM4-80GB (precio de mercado 15.000$+), que es más eficiente en el procesamiento de tareas informáticas de IA como el aprendizaje automático, el aprendizaje profundo y la informática científica, tiene 7.965 fotografías en línea.
La tarjeta gráfica H100 80GB HBM3 de Nvidia (precio de mercado 40.000$+), que fue diseñada específicamente para IA desde el comienzo del diseño del hardware, tiene un rendimiento de entrenamiento 3,3 veces mayor que el de la A100 y un rendimiento de inferencia que es 4,5 veces mayor que el de la A100. El número real de imágenes en línea es 86.
Después de seleccionar el tipo de hardware del clúster, el usuario también debe seleccionar la región del clúster, la velocidad de comunicación, la cantidad y el tiempo de las GPU alquiladas y otros parámetros.
Finalmente, IO.NET le proporcionará una factura basada en una selección completa. Tome la configuración del clúster del autor como ejemplo:
Escenario de tarea general
16 chips A100-SXM4-80GB
Velocidad máxima de conexión (Ultra Alta Velocidad)
Ubicación Estados Unidos
El periodo de alquiler es de 1 semana.
El precio total de la factura es 3311,6$ y el precio del alquiler por hora de una sola tarjeta es 1.232$
Los precios de alquiler por hora con tarjeta única de A100-SXM4-80GB en Amazon Cloud, Google Cloud y Microsoft Azure son 5,12 $, 5,07 $ y 3,67 $ respectivamente (fuente de datos: https://cloud-gpus.com/, el precio real se basará en los detalles del contrato y el cambio de términos).
Por lo tanto, solo en términos de precio, la potencia informática del chip IO.NET es mucho más barata que la de los principales fabricantes, y la combinación de suministro y adquisición también es muy flexible, y la operación también es fácil de comenzar.
Condiciones de negocio
Situación del lado de la oferta
Al 4 de abril de este año, según datos oficiales, el suministro total de GPU de IO.NET en el lado de la oferta era de 371.027 y el suministro de CPU era de 42.321. Además, Render Network es su socio y 9997 GPU y 776 CPU están conectadas al suministro de red.
Fuente de datos: https://cloud.io.net/explorer/home, lo mismo a continuación
Cuando el autor escribió este artículo, 214.387 del número total de GPU conectadas a IO.NET estaban en línea y la tasa de conexión alcanzó el 57,8%. La tasa en línea de la GPU de Render Network es del 45,1%.
¿Qué significan los datos anteriores del lado de la oferta?
A modo de comparación, presentamos Akash Network, otro proyecto informático distribuido establecido que ha estado en línea durante más tiempo.
Akash Network lanzó su red principal ya en 2020, centrándose inicialmente en servicios distribuidos para CPU y almacenamiento. En junio de 2023, lanzó la red de prueba de servicios de GPU y la red principal de potencia informática distribuida de GPU en septiembre del mismo año.
Fuente de datos: https://stats.akash.network/provider-graph/graphics-gpu
Según los datos oficiales de Akash, aunque la oferta ha seguido creciendo desde el lanzamiento de su red GPU, el número total de conexiones GPU hasta ahora es de sólo 365.
A juzgar por el suministro de GPU, IO.NET es varios órdenes de magnitud mayor que Akash Network y ya es la red de suministro más grande en el circuito de potencia informática distribuida de GPU.
Situación del lado de la demanda
Sin embargo, desde el punto de vista de la demanda, IO.NET aún se encuentra en las primeras etapas de cultivo en el mercado. Actualmente, el número total de usuarios reales que utilizan IO.NET para realizar tareas informáticas no es grande. La carga de tareas de la mayoría de las GPU en línea es del 0% y solo cuatro chips (A100 PCIe 80GB K8S, RTX A6000 K8S, RTX A4000 K8S y H100 80GB HBM3) están procesando tareas. Y a excepción del A100 PCIe 80GB K8S, la capacidad de carga de los otros tres chips es inferior al 20%.
El valor oficial de presión de la red revelado ese día fue del 0%, lo que significa que la mayor parte del suministro de chips se encuentra en estado de espera en línea.
En términos de escala de costos de red, IO.NET incurrió en tarifas de servicio de 586 029 $ y el costo del día anterior fue de 3200 $.
Fuente de datos: https://cloud.io.net/explorer/clusters
La escala de las tarifas de liquidación de la red anteriores, tanto en términos de monto total como de volumen de transacciones diarias, es del mismo orden de magnitud que Akash. Sin embargo, la mayor parte de los ingresos de la red de Akash provienen de la parte de CPU, y el suministro de CPU de Akash es mayor. 20.000.
Fuente de datos: https://stats.akash.network/
Además, IO.NET también reveló los datos comerciales de las tareas de razonamiento de IA procesadas por la red. Hasta ahora, ha procesado y verificado más de 230.000 tareas de razonamiento. Sin embargo, la mayor parte de este volumen de negocios es generado por el proyecto patrocinado por IO.NET. BC8.AI.
Fuente de datos: https://cloud.io.net/explorer/inferences
A juzgar por los datos comerciales actuales, la oferta de IO.NET se está expandiendo sin problemas, estimulada por las expectativas de lanzamiento aéreo y las actividades de la comunidad con el nombre en código "Ignition", y rápidamente ha reunido una gran cantidad de potencia informática de chips de IA. Su expansión por el lado de la demanda aún se encuentra en sus primeras etapas y la demanda orgánica es actualmente insuficiente. En cuanto a las deficiencias actuales en el lado de la demanda, ya sea porque la expansión del lado del consumidor aún no ha comenzado o porque la experiencia de servicio actual aún no es estable y, por lo tanto, carece de una adopción a gran escala, aún es necesario evaluarla.
Sin embargo, teniendo en cuenta que la brecha en la potencia informática de la IA es difícil de llenar en el corto plazo, hay una gran cantidad de ingenieros y proyectos de IA que buscan alternativas y pueden estar interesados en proveedores de servicios descentralizados. Además, IO.NET no lo ha hecho. aún así, se ha llevado a cabo un desarrollo económico por el lado de la demanda con la estimulación de las actividades, la mejora gradual de la experiencia del producto y la posterior adecuación gradual de la oferta y la demanda, todavía vale la pena esperar.
2.3 Antecedentes del equipo y situación financiera
situación del equipo
El equipo central de IO.NET se fundó en el campo del comercio cuantitativo. Antes de junio de 2022, se habían centrado en el desarrollo de sistemas de comercio cuantitativo a nivel institucional para acciones y criptoactivos. Debido a la demanda de potencia informática en el backend del sistema, el equipo comenzó a explorar la posibilidad de la informática descentralizada y finalmente se centró en la cuestión específica de reducir el costo de los servicios informáticos GPU.
Fundador y director ejecutivo: Ahmad Shadid
Ahmad Shadid se dedicó a trabajos relacionados con la ingeniería cuantitativa y financiera antes de IO.NET y también es voluntario en la Fundación Ethereum.
CMO y director de estrategia: Garrison Yang
Garrison Yang se unió oficialmente a IO.NET en marzo de este año. Anteriormente fue vicepresidente de estrategia y crecimiento en Avalanche y se graduó de la Universidad de California en Santa Bárbara.
Director de Operaciones: Conservador Verde
Tory Green es director de operaciones de io.net. Anteriormente fue director de operaciones de Hum Capital, director de estrategia y desarrollo corporativo en Fox Mobile Group y se graduó en Stanford.
A juzgar por la información de Linkedin de IO.NET, el equipo tiene su sede en Nueva York, EE. UU., y una sucursal en San Francisco. El tamaño actual del equipo es de más de 50 personas.
Situación financiera
IO.NET solo ha revelado hasta el momento una ronda de financiación, es decir, la financiación Serie A completada en marzo de este año con una valoración de mil millones de dólares, recaudando un total de 30 millones de dólares, liderada por Hack VC y otros inversores participantes. incluyen Multicoin Capital, Delphi Digital, Foresight Ventures, Animoca Brands, Continuar Capital, Solana Ventures, Aptos, LongHash Ventures, OKX Ventures, Amber Group, SevenX Ventures y ArkStream Capital, entre otros.
Vale la pena mencionar que, quizás debido a la inversión recibida de la Fundación Aptos, el proyecto BC8.AI, que originalmente se utilizaba para liquidación y contabilidad en Solana, se convirtió al mismo L1 Aptos de alto rendimiento.
2.4 Cálculo de valoración
Según el anterior fundador y director ejecutivo, Ahmad Shadid, IO.NET lanzará el token a finales de abril.
IO.NET tiene dos proyectos objetivo que pueden usarse como referencia para la valoración: Render Network y Akash Network, los cuales son proyectos representativos de computación distribuida.
Podemos deducir el rango de valor de mercado de IO.NET de dos maneras: 1. Relación mercado-ventas, es decir: relación valor de mercado/ingresos 2. Relación valor de mercado/número de chips de red;
Veamos primero la deducción por valoración basada en la relación precio-ventas:
Desde la perspectiva de la relación precio-ventas, Akash se puede utilizar como el límite inferior del rango de valoración de IO.NET, mientras que Render se puede utilizar como referencia de precios de gama alta, con un rango de FDV de entre 1.670 millones de dólares y 5.93 dólares. mil millones.
Sin embargo, considerando que el proyecto IO.NET está actualizado, la narrativa es más candente, junto con el menor valor de mercado de circulación temprana y la mayor escala actual del lado de la oferta, la posibilidad de que su FDV supere a Render no es pequeña.
Veamos otro ángulo para comparar valoraciones, a saber, la “relación precio-objetivo”.
En un contexto de mercado donde la demanda de potencia informática de IA supera la oferta, el elemento más importante de una red distribuida de potencia informática de IA es la escala del lado de la oferta de GPU. Por lo tanto, podemos hacer una comparación horizontal con el "mercado al núcleo". "Relación de cantidad" y utilizar el "valor de mercado total del proyecto y el número de chips en la red" Relación de cantidad "para deducir el posible rango de valoración de IO.NET para que los lectores lo utilicen como referencia del valor de mercado.
Si el rango de valor de mercado de IO.NET se calcula en función de la relación mercado-núcleo, IO.NET utiliza la relación mercado-núcleo de Render Network como límite superior y Akash Network como límite inferior. es de 20.600 a 197.500 millones de dólares EE.UU.
Creo que no importa cuán optimistas sean los lectores sobre el proyecto IO.NET, pensarán que se trata de un cálculo de valor de mercado extremadamente optimista.
Y debemos tener en cuenta que la enorme cantidad actual de chips en línea de IO.NET está estimulada por las expectativas de lanzamiento aéreo y las actividades de incentivo. La cantidad real de chips en línea en el lado de la oferta aún debe observarse después del lanzamiento oficial del proyecto. .
Por lo tanto, en general, los cálculos de valoración desde la perspectiva de la relación precio-ventas pueden ser más informativos.
Como proyecto con el triple aura de la ecología AI+DePIN+Solana, IO.NET esperará y verá cuál será su desempeño en valor de mercado después de su lanzamiento.
3. Información de referencia
Delphi Digital: la verdadera fusión
Galaxy: comprensión de la intersección de las criptomonedas y la IA
Enlace original: https://research.mintventures.fund/2024/04/08/zh-a-new-solana-based-ai-depin-project-a-brief-analysis-of-upcoming-tokenlaunch-io-net /
Reimpreso por la comunidad io.net Binance Square, los derechos de autor originales y la responsabilidad del contenido pertenecen al autor original. La reimpresión por io.net y Binance Square no significa que certifique o respalde algunas o todas las vistas del contenido reimpreso.
