El punto de encuentro entre la IA y las criptomonedas
El 23 de mayo, el gigante de los chips, NVIDIA, publicó el informe financiero del primer trimestre del año fiscal 2025. El informe mostró que los ingresos del primer trimestre de NVIDIA fueron de 26.000 millones de dólares. Entre ellos, los ingresos del centro de datos aumentaron un 427% respecto al año anterior, alcanzando la asombrosa cifra de 22.600 millones de dólares. La capacidad computacional explosiva que NVIDIA ha demostrado para rescatar el rendimiento financiero del mercado de valores estadounidense refleja la creciente demanda de capacidad computacional desatada por las empresas tecnológicas globales en la competencia por la supremacía en la carrera de la inteligencia artificial. Cuanto más ambiciosa sea la estrategia de las empresas tecnológicas líderes en la carrera de la inteligencia artificial, mayor será su demanda exponencial de capacidad computacional. Según las previsiones de TrendForce, se espera que la demanda de servidores de inteligencia artificial de alta gama por parte de los cuatro principales proveedores de servicios en la nube de Estados Unidos: Microsoft, Google, AWS y Meta, represente el 20,2%, 16,6%, 16% y 10,8% respectivamente del total de la demanda mundial para el 2024, superando el 60% en total.
Fuente de la imagen:
"La escasez de chips" se ha convertido en una frase de moda en los últimos años. Por un lado, el entrenamiento y la inferencia de grandes modelos de lenguaje (LLM) requieren una gran potencia computacional; y a medida que los modelos se actualizan, los costos y la demanda de potencia computacional aumentan exponencialmente. Por otro lado, grandes empresas como Meta compran una gran cantidad de chips, lo que inclina los recursos de potencia computacional globales hacia estas empresas tecnológicas, lo que dificulta cada vez más que las pequeñas empresas obtengan la potencia computacional que necesitan. Las dificultades que enfrentan las pequeñas empresas no solo se deben a la escasez de suministro de chips debido al aumento de la demanda, sino también a contradicciones estructurales en el suministro. Actualmente, todavía hay una gran cantidad de GPUs desocupadas en el suministro, por ejemplo, algunos centros de datos tienen una gran cantidad de potencia computacional desocupada (con tasas de uso solo del 12% al 18%), y también hay una gran cantidad de recursos de potencia computacional desocupados en la minería de criptomonedas debido a la disminución de las ganancias. Aunque esta potencia computacional no es adecuada para aplicaciones profesionales como el entrenamiento de IA, aún puede desempeñar un papel importante en otros campos, como la inferencia de IA, el renderizado de juegos en la nube, los teléfonos en la nube, entre otros. La oportunidad de integrar y aprovechar estos recursos de potencia computacional es enorme.
Cambiando el enfoque de la IA a la criptografía, después de tres años de silencio en el mercado de encriptación, finalmente se ha iniciado otra ronda de mercado alcista, con los precios de Bitcoin alcanzando nuevos máximos y varias memecoins emergiendo una tras otra. ** Aunque la IA y el cripto han sido populares como palabra de moda durante muchos años, la inteligencia artificial y la cadena de bloques como dos tecnologías importantes son como dos líneas paralelas, y no han encontrado una "intersección" durante un largo tiempo. A principios de este año, Vitalik publicó un artículo titulado "La promesa y los desafíos de las aplicaciones criptográficas + de IA" que analizaba el futuro de la IA y las criptomonedas combinadas. Vitalik mencionó ideas anhelantes en el artículo, incluida la capacitación y la inferencia que utilizan tecnologías de encriptación como blockchain y MPC para descentralizar la IA, abrir la caja negra del aprendizaje automático y hacer que los modelos de IA sean más confiables. Todavía hay un largo camino por recorrer antes de que estas visiones se hagan realidad. Pero uno de los casos de uso mencionados por Vitalik, el uso de los incentivos económicos de la criptografía para impulsar la IA, también es una dirección importante que se puede lograr en un período de coro de tiempo. Descentralización Potencia computacional red es uno de los escenarios más adecuados para la IA + cripto en esta etapa. **
2 Red de Potencia computacional Descentralizada
Actualmente, hay varios proyectos en desarrollo en la carrera de la red de potencia computacional descentralizada. La lógica subyacente de estos proyectos es similar y se puede resumir como: utilizar tokens para incentivar a los holders de potencia computacional a proporcionar servicios de potencia computacional en la red. Estos recursos de potencia computacional dispersos pueden combinarse en una red descentralizada de potencia computacional con cierta escala. Esto permite aumentar la utilización de la potencia computacional inactiva y satisfacer las demandas de potencia computacional de los clientes a un costo más bajo, logrando una situación de ganar-ganar para compradores y vendedores.
Para que los lectores puedan comprender rápidamente esta área, este artículo desglosará los proyectos específicos y toda la industria desde dos perspectivas: micro y macro. El objetivo es proporcionar a los lectores un punto de análisis para comprender las ventajas competitivas clave de cada proyecto y el desarrollo general de la industria de la potencia computacional descentralizada. El autor presentará y analizará cinco proyectos: Aethir, io.net, Render Network, Akash Network y Gensyn, y resumirá y evaluará la situación del proyecto y el desarrollo de la industria.
Desde el punto de vista del marco de análisis, si nos centramos en una red de potencia computacional descentralizada específica, podemos descomponerla en cuatro componentes principales:
Red de hardware : Integrar los recursos de potencia computacional dispersos juntos, lograr la compartición y equilibrio de carga de los recursos de potencia computacional a través de nodos distribuidos en todo el mundo, es la capa base de la red de potencia computacional descentralizada.
Mercado bilateral: emparejar a proveedores de potencia computacional con demandantes a través de un mecanismo de fijación de precios y descubrimiento adecuado, proporcionando una plataforma de transacción segura para garantizar la transparencia, equidad y confiabilidad de las transacciones entre ambas partes.
Mecanismo de consenso：used to ensure that the nodes in the network run correctly and complete the work. The consensus mechanism is mainly used to monitor two aspects: 1) to monitor whether the node is running online, in an active state ready to accept tasks at any time; 2) proof of node's work: the node has effectively and correctly completed the task after receiving it, and the computational power has not been used for other purposes, occupying processes and threads.
Incentivos de token: El modelo de token se utiliza para incentivar a más participantes a proporcionar/utilizar servicios y capturar los efectos de red con tokens, logrando así la compartición de beneficios de la comunidad.
Si observamos todo el camino de la potencia computacional descentralizada desde arriba, el informe de investigación de Blockworks ofrece un buen marco de análisis, podemos dividir la posición de los proyectos en este camino en tres capas diferentes.
Capa de metal desnudo: Es la capa base de la pila de computación descentralizada, cuya principal tarea es recopilar recursos de potencia computacional bruta y permitir su llamada mediante la API.
Capa de orquestación: Capa intermedia que forma parte del stack de computación descentralizada, cuya tarea principal es la coordinación y abstracción. Es responsable de la programación, escalado, operación, equilibrio de carga y tolerancia a fallos del poder computacional, entre otros. Su función principal es "abstraer" la complejidad de la gestión del hardware subyacente para proporcionar a los usuarios finales una interfaz de usuario más avanzada, orientada a un grupo específico de clientes.
Capa de agregación: La capa superior que compone la pila de cómputo descentralizado, cuya tarea principal es integrar y proporcionar una interfaz unificada para que los usuarios puedan realizar diversas tareas de cómputo en un solo lugar, como entrenamiento de IA, renderizado, zkML, etc. Es equivalente a la capa de orquestación y distribución de varios servicios de cómputo descentralizado.
Fuente de la imagen: Youbi Capital
Según estos dos marcos de análisis, compararemos horizontalmente los cinco proyectos seleccionados y los evaluaremos desde cuatro aspectos: negocio principal, posicionamiento en el mercado, instalaciones de hardware y desempeño financiero.
2.1 Negocio principal
En términos de lógica subyacente, la red Descentralización Potencia computacional es altamente homogénea, es decir, el token se utiliza para incentivar a los titulares de Potencia computacional inactivos a proporcionar servicios Potencia computacional. Centrándonos en esta lógica subyacente, podemos entender las diferencias en el core business del proyecto desde tres aspectos:
Origen de la potencia computacional inactiva:
En el mercado, hay dos fuentes principales de potencia computacional inactiva: 1) potencia computacional inactiva en manos de empresas como centros de datos y mineros; 2) potencia computacional inactiva en manos de usuarios individuales. La potencia computacional de los centros de datos suele ser hardware de nivel profesional, mientras que los usuarios individuales suelen comprar chips de nivel de consumo.
La potencia computacional de Aethir, Akash Network y Gensyn se recopila principalmente de empresas. Los beneficios de recopilar la potencia computacional de las empresas son: 1) las empresas y los centros de datos suelen tener hardware de mayor calidad y equipos de mantenimiento profesional, lo que hace que los recursos de potencia computacional sean más confiables y con mejor rendimiento; 2) los recursos de potencia computacional de las empresas y centros de datos suelen ser más homogéneos y la gestión y supervisión centralizada hace que la programación y el mantenimiento de los recursos sean más eficientes. Sin embargo, este enfoque requiere que el proyecto tenga contactos comerciales con empresas que controlen la potencia computacional, lo que hace que los requerimientos para el proyecto sean más altos. Al mismo tiempo, la escalabilidad y el grado de descentralización pueden verse afectados a cierto nivel.
Render Network y io.net están principalmente diseñados para incentivar a los usuarios minoristas a proporcionar su potencia computacional inactiva. La ventaja de recolectar la potencia computacional de los usuarios minoristas radica en: 1) el bajo costo explícito de la potencia computacional inactiva de los usuarios minoristas, lo que permite ofrecer recursos computacionales más económicos; 2) mayor escalabilidad y grado de descentralización en la red, lo que fortalece la elasticidad y la robustez del sistema. Sin embargo, la desventaja radica en que los recursos minoristas están distribuidos de manera amplia y no uniforme, lo que dificulta la gestión y programación, y aumenta la dificultad operativa. Además, depender de la potencia computacional minorista para formar un efecto de red inicial será más difícil (más difícil de iniciar). Por último, los dispositivos minoristas pueden tener más riesgos de seguridad, lo que puede resultar en riesgos de fuga de datos y abuso de potencia computacional.
Consumidores de potencia computacional
+From the perspective of computing power consumers, Aethir, io.net, and Gensyn mainly target enterprises. For B-side customers, high-performance computing is required for AI and real-time rendering of games. This type of workload requires extremely high computing power resources, usually requiring high-end GPUs or professional-grade hardware. In addition, B-side customers have high requirements for the stability and reliability of computing power resources, so high-quality service level agreements must be provided to ensure the normal operation of the project and provide timely technical support. At the same time, the migration cost of B-side customers is very high. If there is no mature SDK that can enable project parties to quickly deploy on the decentralized network (such as Akash Network requiring users to develop based on remote ports themselves), it is difficult to migrate customers. Unless there is a very significant price advantage, the willingness of customers to migrate is very low.
Render Network y Akash Network proporcionan principalmente servicios de potencia computacional para usuarios minoristas. Estos proyectos requieren diseños de interfaz y herramientas simples y fáciles de usar para brindar una buena experiencia de consumo a los usuarios finales. Además, los consumidores son muy sensibles al precio, por lo que estos proyectos deben ofrecer precios competitivos.
Tipo de hardware
Los recursos de hardware de cálculo comunes incluyen CPU, FPGA, GPU, ASIC y SoC, entre otros. Estos hardware tienen diferencias significativas en cuanto a objetivos de diseño, características de rendimiento y áreas de aplicación. En resumen, la CPU es más adecuada para tareas de cálculo general, la FPGA tiene ventajas en el procesamiento altamente paralelo y la programabilidad, la GPU destaca en el cálculo paralelo, el ASIC es más eficiente en tareas específicas, y el SoC integra múltiples funciones en uno, siendo adecuado para aplicaciones altamente integradas. La elección del hardware depende de las necesidades específicas de la aplicación, los requisitos de rendimiento y consideraciones de costos. Los proyectos de potencia computacional descentralizada que discutimos a menudo recopilan la potencia computacional de GPU, esto se debe a la naturaleza del negocio del proyecto y las características de las GPU. Esto se debe a que las GPU tienen ventajas únicas en el entrenamiento de IA, cálculos paralelos, renderizado multimedia, entre otros.
Aunque la mayoría de estos proyectos implican la integración de GPU, diferentes aplicaciones tienen diferentes requisitos de especificaciones de hardware, por lo que estos hardware tienen núcleos y parámetros optimizados heterogéneos. Estos parámetros incluyen paralelismo/dependencias en serie, memoria, latencia, etc. Por ejemplo, la carga de trabajo de renderizado es en realidad más adecuada para GPU de consumo, y no es adecuada para GPU de centro de datos de mayor rendimiento, ya que el renderizado tiene altas demandas como el trazado de rayos, los chips de consumo como el 4090 s mejoran los núcleos RT, y están especialmente optimizados para tareas de trazado de rayos. El entrenamiento e inferencia de IA requieren GPU de nivel profesional. Por lo tanto, Render Network puede reunir RTX 3090 s y 4090 s de consumidores, mientras que IO.NET necesita más GPU de nivel profesional como H 100 s, A 100 s, para satisfacer las necesidades de las startups de IA.
2.2 Posicionamiento en el mercado
En cuanto a la posición del proyecto, las capas de metal desnudo, la capa de orquestación y la capa de agregación tienen diferentes capacidades para abordar problemas centrales, puntos de optimización y captura de valor.
La capa de metal desnudo se centra en la recolección y utilización de recursos físicos, mientras que la capa de orquestación se centra en la programación y optimización de la potencia computacional, diseñando la mejor optimización de hardware físico según las necesidades del grupo de clientes. La capa de agregación es de propósito general y se centra en la integración y abstracción de diferentes recursos. Desde la cadena de valor, cada proyecto debería comenzar desde la capa de metal desnudo y esforzarse por ascender hacia arriba.
Desde la perspectiva de la captura de valor, la capacidad de capturar valor aumenta de capa en capa, desde la capa de bare metal, pasando por la capa de orquestación, hasta la capa de agregación. La capa de agregación es capaz de capturar la mayor cantidad de valor debido a que la plataforma de agregación puede obtener la máxima eficiencia de red y también puede llegar directamente a la mayor cantidad de usuarios, actuando como la entrada de tráfico en la red descentralizada, y ocupando así la posición de captura de valor más alta en toda la pila de gestión de recursos de potencia computacional.
Del mismo modo, la dificultad de construir una plataforma de agregación es la mayor, ya que el proyecto necesita abordar de manera integral problemas como la complejidad tecnológica, la gestión de recursos heterogéneos, la fiabilidad y escalabilidad del sistema, la realización de efectos de red, la seguridad y la protección de la privacidad, así como la compleja gestión operativa, entre otros aspectos. Estos desafíos no son propicios para el arranque en frío del proyecto, y dependen del desarrollo y el momento del mercado en la pista. Cuando la capa de orquestación aún no haya capturado una parte del mercado lo suficientemente madura, la capa de agregación no es muy realista.
En la actualidad, Aethir, Render Network, Akash Network y Gensyn pertenecen a la capa de Orquestación, y su objetivo es proporcionar servicios a grupos de clientes específicos. El principal negocio de Aethir en la actualidad es el renderizado en tiempo real para juegos en la nube, y proporciona un entorno y herramientas de desarrollo y implementación para clientes empresariales; Render Network se especializa en el renderizado de videos; la misión de Akash Network es proporcionar una plataforma de transacciones similar a Taobao, mientras que Gensyn se centra en el campo del entrenamiento de IA. La posición de io.net es una capa de Agregación, pero actualmente la funcionalidad implementada por io aún se encuentra lejos de la funcionalidad completa de la capa de agregación. Aunque ya ha recopilado hardware de Render Network y Filecoin, la abstracción y la integración de los recursos de hardware aún no se han completado.
2.3 Instalaciones de hardware
Actualmente, no todos los proyectos han publicado datos detallados de la red. En comparación, la interfaz de usuario de io.net explorer es la mejor, donde se pueden ver parámetros como la cantidad, tipo, precio, distribución, uso de la red, ingresos de los nodos, etc. Sin embargo, a fines de abril, el frontend de io.net fue atacado ya que io no autentica las interfaces PUT/POST, lo que permitió a los hackers manipular los datos del frontend. Esto también ha hecho sonar la alarma sobre la privacidad y la confiabilidad de los datos de red en otros proyectos.
En términos de cantidad de GPU y modelos, io.net como capa de agregación debería recopilar la mayor cantidad de hardware. Aethir le sigue de cerca, mientras que la situación de hardware de otros proyectos no es tan transparente. Desde los modelos de GPU, io tiene tanto GPU profesionales como el A100 como GPU de consumo como el 4090, con una amplia variedad, lo cual es consistente con la posición de agregación de io.net. io puede seleccionar la GPU más adecuada según las necesidades específicas de la tarea. Sin embargo, las GPU de diferentes modelos y marcas pueden requerir controladores y configuraciones diferentes, y el software también necesita una optimización compleja, lo que aumenta la complejidad de la gestión y el mantenimiento. Actualmente, la asignación de tareas de io depende principalmente de la elección independiente del usuario.
Aethir lanzó su propio Rig de Minera, Aethir Edge, desarrollado con el apoyo de Qualcomm, se lanzó oficialmente en mayo. Romperá el modo de implementación centralizado de GPU alejado de los usuarios, y desplegará Potencia computacional en el borde. Aethir Edge combinará la potencia computacional del clúster H 100 para servir en escenarios de IA, puede implementar modelos entrenados y proporcionar servicios de cálculo de inferencia a los usuarios al costo más óptimo. Esta solución acerca más a los usuarios, es más rápida y también más rentable.
En términos de oferta y demanda, tomando como ejemplo a Akash Network, sus datos estadísticos muestran que la cantidad total de CPU es de aproximadamente 16 k, mientras que la cantidad de GPU es de 378. Según la demanda de alquiler de red, la utilización de la CPU y la GPU es del 11.1% y el 19.3%, respectivamente. Solo la tasa de alquiler de la GPU de nivel profesional H 100 es relativamente alta, la mayoría de los demás modelos están en estado de desuso. La situación general de otras redes es similar a la de Akash, la demanda general de la red no es alta, excepto por chips populares como A 100, H 100, la mayoría de la potencia computacional está en estado de desuso.
Desde el punto de vista de la ventaja de precios, en comparación con los gigantes del mercado de computación en la nube, no hay una ventaja significativa en costos en comparación con otros proveedores de servicios tradicionales.
2.4 Rendimiento financiero
No importa cómo se diseñe el modelo de token, una economía de tokens saludable debe cumplir con las siguientes condiciones básicas: 1) la demanda de los usuarios debe reflejarse en el precio del token, es decir, el token puede capturar valor; 2) todos los participantes, ya sean desarrolladores, nodos o usuarios, deben recibir incentivos justos y a largo plazo; 3) garantizar una gobernanza descentralizada para evitar la concentración excesiva de personas internas; 4) mecanismos racionales de inflación y deflación, así como un ciclo de liberación de tokens, para evitar que las fluctuaciones bruscas en el precio del token afecten la estabilidad y sostenibilidad de la red.
Si se divide el modelo de tokens en términos generales en BME (equilibrio de quema y acuñación) y SFA (apostar para acceder), estas dos formas de presión deflacionaria en los tokens tienen fuentes diferentes: el modelo BME quema tokens después de que los usuarios compran servicios, por lo que la presión deflacionaria del sistema está determinada por la demanda. Por otro lado, SFA requiere que los proveedores de servicios / nodos apuesten tokens para obtener la calificación de proporcionar servicios, por lo que la presión deflacionaria proviene de la oferta. La ventaja de BME es que es más adecuado para productos no estandarizados. Sin embargo, si la demanda de la red es insuficiente, puede enfrentar una presión inflacionaria continua. Los modelos de tokens de cada proyecto tienen diferencias en los detalles, pero en general, Aethir tiende más hacia SFA, mientras que io.net, Render Network y Akash Network tienden más hacia BME, y aún se desconoce la posición de Gensyn.
En términos de ingresos, la demanda de la red se reflejará directamente en los ingresos totales de la red (aquí no se discute los ingresos de los mineros, ya que los mineros también reciben subsidios del proyecto además de las recompensas por completar tareas). Según los datos públicos, el valor de io.net es el más alto. Aunque los ingresos de Aethir aún no se han anunciado, según la información pública, han anunciado que han firmado pedidos con muchos clientes del lado B.
En términos de precio de la moneda, hasta ahora solo Render Network y Akash Network han realizado ICO. Aethir y io.net también están lanzando monedas recientemente, el rendimiento de precios aún necesita ser observado, no discutiremos mucho sobre esto aquí. El plan de Gensyn aún no está claro. En general, considerando los dos proyectos que lanzaron monedas y los proyectos que ya han lanzado monedas en el mismo campo pero no están incluidos en este artículo, en general, las redes de potencia computacional descentralizada tienen un rendimiento de precio muy destacado, lo que refleja en cierta medida el enorme potencial de mercado y las altas expectativas de la comunidad.
2.5 Resumen
La red de potencia computacional descentralizada ha experimentado un rápido desarrollo en general, y ya hay muchos proyectos que pueden proporcionar servicios a los clientes y generar ingresos. La pista ha dejado de ser puramente narrativa y ha entrado en una etapa de desarrollo que puede proporcionar servicios iniciales.
La debilidad de la demanda es un problema común que enfrenta la red de potencia computacional descentralizada, y la demanda a largo plazo de los clientes no ha sido validada y explotada de manera efectiva. Sin embargo, el lado de la demanda no ha afectado demasiado el precio de la moneda, y varios proyectos que ya han lanzado monedas han tenido un rendimiento destacado.
AI es la narrativa principal de la red de potencia computacional descentralizada, pero no es el único negocio. Además de ser utilizado para el entrenamiento e inferencia de AI, la potencia computacional también puede ser utilizada para renderizado en tiempo real de juegos en la nube, servicios de teléfonos en la nube, etc.
La heterogeneidad del hardware en la red de potencia computacional es alta, y la calidad y escala de la red de potencia computacional deben mejorarse aún más.
Para los usuarios del lado del cliente C, la ventaja de costos no es muy clara. Para los usuarios del lado del cliente B, además de ahorrar costos, también deben considerar la estabilidad, confiabilidad, soporte técnico, cumplimiento y soporte legal de los servicios, pero los proyectos de Web3 no están haciendo lo suficientemente bien en estas áreas.
3 Pensamientos finales
La enorme demanda de potencia computacional generada por el explosivo crecimiento de la IA es indudable. Desde 2012, la potencia computacional utilizada en tareas de entrenamiento de inteligencia artificial ha experimentado un crecimiento exponencial, duplicándose cada 3,5 meses (en comparación, la ley de Moore se duplica cada 18 meses). Desde 2012, la demanda de potencia computacional ha aumentado en más de 300.000 veces, superando con creces el crecimiento de la ley de Moore de 12 veces. Se prevé que el mercado de GPU crezca a una tasa compuesta anual del 32% en los próximos cinco años, superando los 200.000 millones de dólares. Las estimaciones de AMD son aún más altas, la compañía estima que el mercado de chips de GPU alcanzará los 400.000 millones de dólares en 2027.
Fuente de la imagen:
El explosivo crecimiento de la inteligencia artificial y otras cargas de trabajo intensivas en cómputo, como el renderizado de AR/VR, ha expuesto los problemas estructurales de ineficiencia en la computación en la nube tradicional y en los mercados líderes de cómputo. En teoría, las redes de potencia computacional descentralizada pueden ofrecer soluciones más flexibles, económicas y eficientes al aprovechar los recursos de cómputo distribuidos. Esto satisfaría la gran demanda del mercado de recursos de cómputo. Por lo tanto, la combinación de crypto y AI tiene un gran potencial de mercado, pero también enfrenta una fuerte competencia de las empresas tradicionales, altas barreras de entrada y un entorno de mercado complejo. En general, entre todas las áreas de carrera de crypto, las redes de potencia computacional descentralizada son una de las verticales más prometedoras en el campo de la criptografía para satisfacer las necesidades reales.
Fuente de la imagen:
El futuro es brillante pero el camino es tortuoso. Para lograr la visión anterior, todavía hay muchos problemas y desafíos que deben abordarse. En resumen, si solo se proporciona un servicio de nube tradicional en esta etapa, el margen de beneficio del proyecto es muy pequeño. Desde la perspectiva de la demanda, las grandes empresas suelen construir su propia potencia computacional, mientras que la mayoría de los desarrolladores de C se inclinan hacia el servicio en la nube. Si las pequeñas y medianas empresas que realmente necesitan recursos de red descentralizados y potencia computacional tienen una demanda estable, aún necesitamos explorar y verificar más. Por otro lado, la inteligencia artificial (AI) es un mercado amplio con un gran potencial y espacio para la imaginación. Para un mercado más amplio, los proveedores de servicios de potencia computacional descentralizados también deben transformarse en servicios de modelos / AI y explorar más escenarios de uso de crypto + AI para ampliar el valor que el proyecto puede crear. Sin embargo, actualmente existen muchos problemas y desafíos para avanzar hacia el campo de la IA.
No destacan las ventajas de precios: A través de la comparación de datos previos, se puede observar que las ventajas de costos de la red de potencia computacional descentralizada no se han reflejado. La posible razón es que, para chips profesionales de alta demanda como H 100, A 100, etc., el mecanismo de mercado determina que el precio de este hardware no será barato. Además, aunque la red descentralizada puede recolectar recursos de potencia computacional inactivos, la falta de economías de escala, altos costos de red y ancho de banda, así como los costos invisibles de una gran gestión y complejidad operativa traídos por la descentralización, aumentarán aún más el costo de la potencia computacional.
La especialidad del entrenamiento de IA: El entrenamiento de IA descentralizado tiene grandes obstáculos técnicos en la etapa actual. Este obstáculo se puede ver intuitivamente en el flujo de trabajo de la GPU. En el entrenamiento de grandes modelos de lenguaje, la GPU primero recibe lotes de datos preprocesados, realiza cálculos de propagación hacia adelante y hacia atrás para generar gradientes. Luego, cada GPU agregará gradientes y actualizará los parámetros del modelo para asegurarse de que todas las GPU estén sincronizadas. Este proceso se repetirá continuamente hasta que se completen todos los lotes de entrenamiento o se alcancen las rondas previstas. Este proceso involucra una gran cantidad de transferencia y sincronización de datos. Actualmente, no se ha encontrado una respuesta satisfactoria a preguntas como qué estrategias de paralelismo y sincronización utilizar, cómo optimizar el ancho de banda y la latencia de la red, y cómo reducir los costos de comunicación. Actualmente, el uso de una red de potencia computacional descentralizada para el entrenamiento de IA sigue siendo poco realista.
Seguridad de datos y privacidad: Durante el proceso de entrenamiento del gran modelo de lenguaje, varios aspectos relacionados con el procesamiento y la transmisión de datos, como la asignación de datos, el entrenamiento del modelo, y la agregación de parámetros y gradientes, pueden afectar la seguridad de los datos y la privacidad. Además, la privacidad de los modelos de datos es aún más importante. Sin resolver el problema de la privacidad de los datos, no se puede lograr una verdadera escalabilidad en el lado de la demanda.
Desde una perspectiva realista, una red de potencia computacional descentralizada debe considerar tanto la exploración de la demanda actual como el espacio de mercado futuro. Identificar la posición del producto y el público objetivo, como enfocarse primero en proyectos no nativos de AI o Web3, abordar necesidades más periféricas y establecer una base temprana de usuarios. Al mismo tiempo, explorar constantemente varios escenarios de combinación de AI y crypto, explorar la vanguardia tecnológica y lograr la transformación y actualización del servicio.
Referencia
caff.com/zh/archives/17351? ref= 1554
Ver originales
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
Nacido en el borde: ¿Cómo potencia una red de potencia computacional descentralizada Crypto y AI?
Autor original: Jane Doe, Chen Li
Fuente del artículo: Youbi Capital
El punto de encuentro entre la IA y las criptomonedas
El 23 de mayo, el gigante de los chips, NVIDIA, publicó el informe financiero del primer trimestre del año fiscal 2025. El informe mostró que los ingresos del primer trimestre de NVIDIA fueron de 26.000 millones de dólares. Entre ellos, los ingresos del centro de datos aumentaron un 427% respecto al año anterior, alcanzando la asombrosa cifra de 22.600 millones de dólares. La capacidad computacional explosiva que NVIDIA ha demostrado para rescatar el rendimiento financiero del mercado de valores estadounidense refleja la creciente demanda de capacidad computacional desatada por las empresas tecnológicas globales en la competencia por la supremacía en la carrera de la inteligencia artificial. Cuanto más ambiciosa sea la estrategia de las empresas tecnológicas líderes en la carrera de la inteligencia artificial, mayor será su demanda exponencial de capacidad computacional. Según las previsiones de TrendForce, se espera que la demanda de servidores de inteligencia artificial de alta gama por parte de los cuatro principales proveedores de servicios en la nube de Estados Unidos: Microsoft, Google, AWS y Meta, represente el 20,2%, 16,6%, 16% y 10,8% respectivamente del total de la demanda mundial para el 2024, superando el 60% en total.
Fuente de la imagen:
"La escasez de chips" se ha convertido en una frase de moda en los últimos años. Por un lado, el entrenamiento y la inferencia de grandes modelos de lenguaje (LLM) requieren una gran potencia computacional; y a medida que los modelos se actualizan, los costos y la demanda de potencia computacional aumentan exponencialmente. Por otro lado, grandes empresas como Meta compran una gran cantidad de chips, lo que inclina los recursos de potencia computacional globales hacia estas empresas tecnológicas, lo que dificulta cada vez más que las pequeñas empresas obtengan la potencia computacional que necesitan. Las dificultades que enfrentan las pequeñas empresas no solo se deben a la escasez de suministro de chips debido al aumento de la demanda, sino también a contradicciones estructurales en el suministro. Actualmente, todavía hay una gran cantidad de GPUs desocupadas en el suministro, por ejemplo, algunos centros de datos tienen una gran cantidad de potencia computacional desocupada (con tasas de uso solo del 12% al 18%), y también hay una gran cantidad de recursos de potencia computacional desocupados en la minería de criptomonedas debido a la disminución de las ganancias. Aunque esta potencia computacional no es adecuada para aplicaciones profesionales como el entrenamiento de IA, aún puede desempeñar un papel importante en otros campos, como la inferencia de IA, el renderizado de juegos en la nube, los teléfonos en la nube, entre otros. La oportunidad de integrar y aprovechar estos recursos de potencia computacional es enorme.
Cambiando el enfoque de la IA a la criptografía, después de tres años de silencio en el mercado de encriptación, finalmente se ha iniciado otra ronda de mercado alcista, con los precios de Bitcoin alcanzando nuevos máximos y varias memecoins emergiendo una tras otra. ** Aunque la IA y el cripto han sido populares como palabra de moda durante muchos años, la inteligencia artificial y la cadena de bloques como dos tecnologías importantes son como dos líneas paralelas, y no han encontrado una "intersección" durante un largo tiempo. A principios de este año, Vitalik publicó un artículo titulado "La promesa y los desafíos de las aplicaciones criptográficas + de IA" que analizaba el futuro de la IA y las criptomonedas combinadas. Vitalik mencionó ideas anhelantes en el artículo, incluida la capacitación y la inferencia que utilizan tecnologías de encriptación como blockchain y MPC para descentralizar la IA, abrir la caja negra del aprendizaje automático y hacer que los modelos de IA sean más confiables. Todavía hay un largo camino por recorrer antes de que estas visiones se hagan realidad. Pero uno de los casos de uso mencionados por Vitalik, el uso de los incentivos económicos de la criptografía para impulsar la IA, también es una dirección importante que se puede lograr en un período de coro de tiempo. Descentralización Potencia computacional red es uno de los escenarios más adecuados para la IA + cripto en esta etapa. **
2 Red de Potencia computacional Descentralizada
Actualmente, hay varios proyectos en desarrollo en la carrera de la red de potencia computacional descentralizada. La lógica subyacente de estos proyectos es similar y se puede resumir como: utilizar tokens para incentivar a los holders de potencia computacional a proporcionar servicios de potencia computacional en la red. Estos recursos de potencia computacional dispersos pueden combinarse en una red descentralizada de potencia computacional con cierta escala. Esto permite aumentar la utilización de la potencia computacional inactiva y satisfacer las demandas de potencia computacional de los clientes a un costo más bajo, logrando una situación de ganar-ganar para compradores y vendedores.
Para que los lectores puedan comprender rápidamente esta área, este artículo desglosará los proyectos específicos y toda la industria desde dos perspectivas: micro y macro. El objetivo es proporcionar a los lectores un punto de análisis para comprender las ventajas competitivas clave de cada proyecto y el desarrollo general de la industria de la potencia computacional descentralizada. El autor presentará y analizará cinco proyectos: Aethir, io.net, Render Network, Akash Network y Gensyn, y resumirá y evaluará la situación del proyecto y el desarrollo de la industria.
Desde el punto de vista del marco de análisis, si nos centramos en una red de potencia computacional descentralizada específica, podemos descomponerla en cuatro componentes principales:
Si observamos todo el camino de la potencia computacional descentralizada desde arriba, el informe de investigación de Blockworks ofrece un buen marco de análisis, podemos dividir la posición de los proyectos en este camino en tres capas diferentes.
Fuente de la imagen: Youbi Capital
Según estos dos marcos de análisis, compararemos horizontalmente los cinco proyectos seleccionados y los evaluaremos desde cuatro aspectos: negocio principal, posicionamiento en el mercado, instalaciones de hardware y desempeño financiero.
2.1 Negocio principal
En términos de lógica subyacente, la red Descentralización Potencia computacional es altamente homogénea, es decir, el token se utiliza para incentivar a los titulares de Potencia computacional inactivos a proporcionar servicios Potencia computacional. Centrándonos en esta lógica subyacente, podemos entender las diferencias en el core business del proyecto desde tres aspectos:
2.2 Posicionamiento en el mercado
En cuanto a la posición del proyecto, las capas de metal desnudo, la capa de orquestación y la capa de agregación tienen diferentes capacidades para abordar problemas centrales, puntos de optimización y captura de valor.
2.3 Instalaciones de hardware
2.4 Rendimiento financiero
2.5 Resumen
3 Pensamientos finales
La enorme demanda de potencia computacional generada por el explosivo crecimiento de la IA es indudable. Desde 2012, la potencia computacional utilizada en tareas de entrenamiento de inteligencia artificial ha experimentado un crecimiento exponencial, duplicándose cada 3,5 meses (en comparación, la ley de Moore se duplica cada 18 meses). Desde 2012, la demanda de potencia computacional ha aumentado en más de 300.000 veces, superando con creces el crecimiento de la ley de Moore de 12 veces. Se prevé que el mercado de GPU crezca a una tasa compuesta anual del 32% en los próximos cinco años, superando los 200.000 millones de dólares. Las estimaciones de AMD son aún más altas, la compañía estima que el mercado de chips de GPU alcanzará los 400.000 millones de dólares en 2027.
Fuente de la imagen:
El explosivo crecimiento de la inteligencia artificial y otras cargas de trabajo intensivas en cómputo, como el renderizado de AR/VR, ha expuesto los problemas estructurales de ineficiencia en la computación en la nube tradicional y en los mercados líderes de cómputo. En teoría, las redes de potencia computacional descentralizada pueden ofrecer soluciones más flexibles, económicas y eficientes al aprovechar los recursos de cómputo distribuidos. Esto satisfaría la gran demanda del mercado de recursos de cómputo. Por lo tanto, la combinación de crypto y AI tiene un gran potencial de mercado, pero también enfrenta una fuerte competencia de las empresas tradicionales, altas barreras de entrada y un entorno de mercado complejo. En general, entre todas las áreas de carrera de crypto, las redes de potencia computacional descentralizada son una de las verticales más prometedoras en el campo de la criptografía para satisfacer las necesidades reales.
Fuente de la imagen:
El futuro es brillante pero el camino es tortuoso. Para lograr la visión anterior, todavía hay muchos problemas y desafíos que deben abordarse. En resumen, si solo se proporciona un servicio de nube tradicional en esta etapa, el margen de beneficio del proyecto es muy pequeño. Desde la perspectiva de la demanda, las grandes empresas suelen construir su propia potencia computacional, mientras que la mayoría de los desarrolladores de C se inclinan hacia el servicio en la nube. Si las pequeñas y medianas empresas que realmente necesitan recursos de red descentralizados y potencia computacional tienen una demanda estable, aún necesitamos explorar y verificar más. Por otro lado, la inteligencia artificial (AI) es un mercado amplio con un gran potencial y espacio para la imaginación. Para un mercado más amplio, los proveedores de servicios de potencia computacional descentralizados también deben transformarse en servicios de modelos / AI y explorar más escenarios de uso de crypto + AI para ampliar el valor que el proyecto puede crear. Sin embargo, actualmente existen muchos problemas y desafíos para avanzar hacia el campo de la IA.
Desde una perspectiva realista, una red de potencia computacional descentralizada debe considerar tanto la exploración de la demanda actual como el espacio de mercado futuro. Identificar la posición del producto y el público objetivo, como enfocarse primero en proyectos no nativos de AI o Web3, abordar necesidades más periféricas y establecer una base temprana de usuarios. Al mismo tiempo, explorar constantemente varios escenarios de combinación de AI y crypto, explorar la vanguardia tecnológica y lograr la transformación y actualización del servicio.
Referencia
caff.com/zh/archives/17351? ref= 1554