出典: OKG リサーチ

原作者：ヘディ・ビ

香港 Web3 カーニバルは終了しましたが、Web3 の自由の鼓動はまだ脈動しており、他の業界にも浸透し続けています。前回のサイクルと比較すると、今回の強気相場開始のロジックは、「独自のイノベーション物語」から「主流の認識、資本主導型」モデルへの転換である。著者が観察したWeb3の発展段階も、「閉鎖的でニッチな絶対的自由」から「真の寛容のもとでの相対的自由」の段階へと進化した。

このロジックの下では、箱から出て分析しないと、元のイノベーションの物語を待っていては、Web3 の現在の発展に適応できなくなります。 Web3 全体がコンプライアンスを取り入れ始めて以来、Web3 は香港政府の継続的な推進のもと、金融分野に再び焦点を当ててきました。主流の金融機関も、RWA やスポット ETF を通じて Web3 への参加を加速しています。

このカンファレンスでは、主流の金融機関が Web3 に参入することに加えて、Web2 と Web3 を接続する機会、つまり DePIN トラックも見られました。特に、大規模AIモデルの開発促進により、DePINのサブトラックであるコンピューティングパワーの再配分が再び注目を集めている。

出典: OKG リサーチ

コンピューティング能力が餌ですが、AI 大規模モデルのトレーニングは DePIN の最適な実装シナリオではありません。

「ブロックチェーンはテクノロジーを通じて信頼を築きますが、AI は信頼を切実に必要としている業界です。」とドラゴンフライ キャピタルのマネージング パートナー、ハシード クレシ氏はカンファレンスで述べました。

DePIN は新しいトラックではなく、数年前に提案されています。大規模な AI モデルの急増に伴い、業界ではコンピューティング能力とデータについて多くの議論が行われており、推定によると、大規模なモデルの計算コストは​​毎年 31 倍に増加しています。 GPU は世界的に不足しており、Nvidia のような企業は現在の市場需要において食物連鎖の頂点に位置しており、大きな価格決定力を持っています。独占か分散化か、コストに関する議論が Web3 DePIN 回路について再び激しく議論される理由となっています。

AI 大規模モデルのトレーニングが原因ですが、Rome は一日にして成らず、AI 大規模モデルのトレーニングは現時点では DePIN の最適な実装シナリオではありません。 AI の大規模モデル作成に必要なコンピューティング能力は、推論とトレーニングという 2 つの側面に主に焦点を当てています。トレーニング プロセスでは、大量のデータを入力して複雑なニューラル ネットワーク モデルをトレーニングします。推論プロセスでは、トレーニングされたモデルを使用して、大量のデータを使用してさまざまな結論を推論します。

出典: エヌビディア

分散化とコンピューティング能力の組み合わせにより、トレーニングから微調整トレーニング、そして推論まで、難易度係数は層ごとに減少します。 DePIN では、業界のより多くのプロジェクトがトレーニングではなく推論に焦点を当てていることがわかります。ほとんどの企業が AI トレーニングに NVIDIA GPU クラスターを使用する主な理由は、NVIDIA GPU クラスターには強力な並列コンピューティング機能とメモリ帯域幅があるためです。推論リンクと比較して、並列計算能力と帯域幅の要件ははるかに低くなります。また、大規模なモデルのトレーニングでは、トレーニングが中断されると再トレーニングする必要があるため、安定性により多くの注意が払われます。 GPT で使用するために分散型コンピューティング能力アプリケーションをイーサリアム上に構築した場合、たった 1 回の行列乗算演算で最大 100 億米ドルのガス料金が消費され、1 か月かかります。

さらに、著者はこのカンファレンスでのいくつかの人気プロジェクトの現状を分析し、供給側が需要側を上回っている状況、つまり世界中に分散されたコンピューティングパワーの供給がAIモデルに対するAI開発者の需要を上回っている状況を示しました。トレーニングまたは推論タスク。 OpenAI の創設者である Sam Altman 氏は、TSMC の現在の規模の 10 倍の先進的なチップ工場を建設し、それをチップの生産に使用するために 7 兆ドルを調達することを提案しました。モデルトレーニング。スタンフォード大学の研究では、どの言語モデルであっても、トレーニング パラメーターのスケールがそのスケールの臨界値を超えると、パフォーマンス (精度など) が急激に向上することも示されています。これは、「大きな努力は奇跡を生む」の法則とは真逆であり、分散型コンピューティングパワーの考え方には、現実にはまだ解決すべき問題が多くあることを意味します。

DePIN トラックの「歴史的起源」は「シェアリングエコノミー」にまで遡ることができます

DePIN の概念自体は理解するのが難しくなく、Web2 にまで遡ることができます。インターネット業界を振り返ると、Web2 プレーヤーは少なくとも 15 年間、個人の有形資産を集約して「シェアリング エコノミー」を構築することに没頭してきました。 。」無形資産（アイドル状態のサーバーなど）がピアツーピア（P2P）またはピアツービジネス（P2B）を通じて需要者に直接再配布される場合、分散型テクノロジーブロックチェーンはインセンティブメカニズムを使用して生産関係の最適化を実行できます。これが DePIN の目的です。

したがって、DePIN トラックでは、供給側の全員の熱意が高まっています。実はWeb2は以前から「再配布」の準備を進めてきたが、今回は仲介業者を直接排除する形となった。現在、約 1000 の DePIN プロジェクトがあり、特に Solana エコシステムは、Solana パブリック チェーンの高度なインフラストラクチャ統合とパフォーマンスにより、DePIN インフラストラクチャにおいて主導的な地位を占めています。地域分布の観点から見ると、2024年から2025年にかけて複数のトップ10のDePINがアジアから来ることが予想されます。

出典: メッサーリ

Web3 と AI には多くの接点があります。将来のデジタル世界の普遍的な通貨として、人々が最初に注目するのはコンピューティング パワーです。ただし、最も合理的な実装シナリオである分散型コンピューティング能力は、実装が最も簡単ではありません。

Web3 と AI の交差点には、技術的な困難を克服し、そのような問題を常に突破することに加えて、クリエイターに所有権を与える AI エージェントや小規模な AI モデルのコンピューティング能力シナリオなど、検討する価値があり、より実用的になる他の多くの分野があります。 .セックス。ビジネスモデルの成功と技術の進歩の間には常にバランスがあり、DePIN はこのプロセスを加速しており、DePIN の「狩猟旅行」は完全な収穫とともに戻ってくるでしょう。