Le 23 mai, le géant des puces NVIDIA a publié ses résultats financiers pour le premier trimestre de l'exercice 2025. Selon le rapport, le chiffre d'affaires de NVIDIA au premier trimestre s'est élevé à 26 milliards de dollars. En particulier, les revenus du centre de données ont augmenté de 427 % par rapport à l'année dernière, atteignant un impressionnant 22.6 milliards de dollars. La capacité de NVIDIA à sauver à elle seule la performance financière du marché boursier américain reflète la demande croissante de puissance de calcul des sociétés technologiques mondiales pour concourir dans le domaine de l'IA. Plus les grandes entreprises technologiques sont ambitieuses dans le domaine de l'IA, plus leur demande de puissance de calcul augmente de manière exponentielle.
Source de l'image:
« Pénurie de puces » est devenu un terme chaud ces dernières années. D'une part, l'entraînement et l'inférence des grands modèles de langage (LLM) nécessitent une puissance de calcul considérable ; et avec l'itération des modèles, les coûts et les demandes de puissance de calcul augmentent de manière exponentielle. D'autre part, des entreprises comme Meta achètent une énorme quantité de puces, et les ressources de puissance de calcul mondiales se concentrent de plus en plus vers ces géants de la technologie, rendant de plus en plus difficile pour les petites entreprises d'obtenir la puissance de calcul dont elles ont besoin. Le dilemme auquel les petites entreprises sont confrontées provient non seulement de la pénurie d'approvisionnement causée par la demande croissante, mais aussi de contradictions structurelles dans l'approvisionnement. Actuellement, il existe encore de nombreuses GPU inutilisées du côté de l'approvisionnement, par exemple, de nombreux centres de données ont une quantité importante de puissance de calcul inutilisée (avec des taux d'utilisation allant de 12% à 18%) et une grande quantité de ressources de puissance de calcul inutilisées dans le domaine du minage de cryptomonnaie en raison de la diminution des bénéfices. Bien que cette puissance de calcul ne convienne pas nécessairement aux applications professionnelles telles que l'entraînement de l'IA, elle peut encore jouer un rôle énorme dans d'autres domaines, tels que l'inférence de l'IA, le rendu de jeux en nuage, les téléphones en nuage, etc. L'occasion d'intégrer et d'utiliser ces ressources de puissance de calcul est énorme.
Déplacez votre attention de l'IA vers la crypto. Après trois ans de calme sur le marché cryptographique, nous assistons enfin à un nouveau marché haussier. Le prix du Bitcoin atteint régulièrement de nouveaux sommets et de nombreux memecoins apparaissent. Bien que l'IA et la crypto aient été des mots à la mode ces dernières années, l'intelligence artificielle et la blockchain semblent être deux lignes parallèles qui n'ont pas encore trouvé un point de convergence. Au début de cette année, Vitalik a publié un article intitulé "Les promesses et les défis des applications crypto + IA", dans lequel il discute des scénarios futurs de combinaison de l'IA et de la crypto. Vitalik mentionne de nombreuses idées, notamment l'utilisation de la blockchain et de la MPC pour décentraliser l'entraînement et l'inférence de l'IA, ce qui permettrait de rendre les modèles d'IA plus fiables et de confiance. La réalisation de ces visions nécessite encore beaucoup de travail. Cependant, l'un des cas d'utilisation mentionnés par Vitalik - l'utilisation des incitations économiques de la crypto pour renforcer l'IA - est également une direction importante et réalisable à court terme. Les réseaux de puissance de calcul décentralisés sont l'un des scénarios les plus appropriés pour l'IA + crypto à l'heure actuelle.
2 Réseau de puissance de calcul décentralisé
Actuellement, de nombreux projets se développent sur la piste de réseau de puissance de calcul décentralisé. La logique sous-jacente de ces projets est similaire et peut être résumée comme suit: en utilisant des jetons pour inciter les titulaires de capacités de calcul à fournir des services de capacité de calcul sur le réseau, ces ressources de capacité de calcul dispersées peuvent être regroupées en un réseau de puissance de calcul décentralisé de taille raisonnable. Cela permet non seulement d'augmenter l'utilisation de la capacité de calcul inutilisée, mais également de répondre aux besoins de puissance de calcul des clients à moindre coût, réalisant ainsi une situation gagnant-gagnant pour l'acheteur et le vendeur.
Afin de permettre aux lecteurs de comprendre rapidement l'ensemble de cette piste, cet article déconstruira les projets spécifiques et l'ensemble de la piste du point de vue micro et macro, dans le but de fournir aux lecteurs une perspective d'analyse pour comprendre l'avantage concurrentiel de chaque projet et la situation globale du développement de la puissance de calcul décentralisée. L'auteur présentera et analysera cinq projets: Aethir, io.net, Render Network, Akash Network, Gensyn, et résumera et évaluera la situation des projets et le développement de la piste.
Du point de vue de l'analyse du cadre, si l'on se concentre sur un réseau de puissance de calcul décentralisé spécifique, on peut le décomposer en quatre composants clés :
Réseau matériel : regroupe les ressources de puissance de calcul dispersées, réalise le partage et l'équilibrage des ressources de puissance de calcul à travers les nœuds répartis dans le monde entier, et constitue la couche de base du réseau de puissance de calcul décentralisé.
Marché bilatéral : mettre en correspondance les fournisseurs de puissance de calcul avec les demandeurs grâce à un mécanisme de tarification et de découverte raisonnable, fournir une plate-forme de transaction sécurisée et garantir la transparence, l'équité et la fiabilité des transactions entre l'offre et la demande.
Mécanisme de consensus：utilisé pour garantir le bon fonctionnement des nœuds au sein du réseau et l'achèvement des tâches. Le mécanisme de consensus est principalement utilisé pour surveiller deux aspects : 1）surveillance du bon fonctionnement des nœuds, en étant actifs et prêts à accepter des tâches à tout moment；2）preuve du travail des nœuds : le nœud ayant reçu une tâche l'a effectuée correctement et valide, sans que sa puissance de calcul soit utilisée à d'autres fins et occupe les processus et les threads.
Jeton d'incitation：Le modèle de jeton est utilisé pour inciter davantage de participants à fournir / utiliser des services, et pour capturer ce réseau d'effet de jeton, réalisant ainsi le partage des bénéfices communautaires.
Si l'on examine la totalité de la course à la puissance de calcul décentralisée, le rapport de recherche de Blockworks fournit un excellent cadre d'analyse, nous pouvons diviser la position des projets de cette course en trois couches différentes.
Bare metal layer: La couche de métal nu est la couche de base du stack de calcul décentralisé, dont la principale tâche est de collecter les ressources de puissance de calcul brutes et de les rendre disponibles pour les appels API.
Couche d'orchestration: La couche intermédiaire qui constitue la pile de calcul décentralisée, dont la principale tâche est la coordination et l'abstraction, responsable de la planification, de l'extension, des opérations, de l'équilibrage de charge et de la tolérance aux pannes, etc. Son rôle principal est d'"abstraire" la complexité de la gestion matérielle sous-jacente pour fournir une interface utilisateur plus avancée aux utilisateurs finaux, desservant des groupes de clients spécifiques.
Couche d'agrégation: Le niveau supérieur de la pile de calcul décentralisé, dont la principale tâche est l'intégration, chargée de fournir une interface unifiée permettant aux utilisateurs d'effectuer plusieurs tâches de calcul en un seul endroit, telles que l'apprentissage automatique, le rendu, zkML, etc. Cela équivaut à l'orchestration et à la distribution de plusieurs services de calcul décentralisés.
Source de l'image: Youbi Capital
Selon les deux cadres d'analyse ci-dessus, nous comparerons les cinq projets sélectionnés horizontalement et les évaluerons à partir de quatre aspects - activité principale, positionnement sur le marché, infrastructures matérielles et performances financières.
2.1 Activités principales
Du point de vue de la logique sous-jacente, le réseau de puissance de calcul décentralisée est hautement homogène, c'est-à-dire qu'il utilise des jetons pour inciter les détenteurs de puissance de calcul inutilisée à fournir des services de puissance de calcul. Sur la base de cette logique sous-jacente, nous pouvons comprendre les différences dans le cœur métier du projet à partir de trois aspects.
Source de puissance de calcul inutilisée :
Il y a deux sources principales de puissance de calcul inutilisée sur le marché : 1) la puissance de calcul inutilisée détenue par les centres de données, les mineurs et autres entreprises ; 2) la puissance de calcul inutilisée détenue par les particuliers. La puissance de calcul des centres de données est généralement un matériel de niveau professionnel, tandis que les particuliers ont tendance à acheter des puces de niveau grand public.
La puissance de calcul d'Aethir, Akash Network et Gensyn est principalement collectée auprès d'entreprises. Les avantages de collecter la puissance de calcul auprès d'entreprises sont les suivants : 1) les entreprises et les centres de données ont généralement du matériel de meilleure qualité et des équipes de maintenance professionnelles, ce qui rend les ressources de puissance de calcul plus performantes et fiables ; 2) les ressources de puissance de calcul des entreprises et des centres de données sont souvent plus homogènes, et une gestion et surveillance centralisées rendent la planification et la maintenance des ressources plus efficaces. Cependant, ce mode de collecte exige des exigences plus élevées de la part du projet, nécessitant des contacts commerciaux avec des entreprises maîtrisant la puissance de calcul. En même temps, la scalabilité et le degré de décentralisation seront affectés dans une certaine mesure.
Render Network et io.net sont principalement destinés à encourager les détenteurs de puissance de calcul inutilisée à la fournir. Les avantages de collecter la puissance de calcul des détenteurs individuels sont les suivants : 1) Le coût explicite de la puissance de calcul inutilisée des détenteurs individuels est relativement faible, ce qui permet de fournir des ressources de puissance de calcul plus économiques ; 2) La scalabilité du réseau et le degré de décentralisation sont plus élevés, renforçant ainsi l'élasticité et la résilience du système. Cependant, les inconvénients sont que les ressources des détenteurs individuels sont largement réparties et non uniformes, ce qui rend la gestion et la planification plus complexes et augmente la difficulté de la création d'effets de réseau initiaux (kickstart). Enfin, les équipements des détenteurs individuels peuvent présenter davantage de risques de sécurité, ce qui peut entraîner des risques de fuite de données et d'utilisation abusive de la puissance de calcul.
Puissance de calcul consommateur
Du point de vue des consommateurs de puissance de calcul, les principaux clients cibles d'Aethir, io.net et Gensyn sont des entreprises. Pour les clients B, les besoins en calcul haute performance sont nécessaires pour l'IA et le rendu en temps réel des jeux. Ce type de charge de travail exige des ressources de calcul très élevées, généralement avec des GPU haut de gamme ou du matériel professionnel. De plus, les clients B ont des exigences élevées en termes de stabilité et de fiabilité des ressources de calcul, il est donc nécessaire de fournir des protocoles de niveau de service de haute qualité pour garantir le bon fonctionnement du projet et fournir un support technique en temps opportun. De plus, le coût de migration pour les clients B est élevé. S'il n'y a pas de SDK mature dans le réseau décentralisé qui permet aux développeurs de déployer rapidement un projet (comme Akash Network exige que les utilisateurs développent basés sur des ports distants), il est très difficile pour les clients de migrer. Sans un avantage de prix extrêmement significatif, la volonté de migration des clients est très faible.
Render Network et Akash Network fournissent principalement des services de puissance de calcul aux utilisateurs individuels. Pour les utilisateurs grand public, le projet doit concevoir une interface et des outils simples et conviviaux pour offrir une bonne expérience de consommation. De plus, les consommateurs sont très sensibles aux prix, il est donc nécessaire de proposer des tarifs compétitifs.
Type de matériel
Les ressources matérielles de calcul courantes incluent CPU, FPGA, GPU, ASIC et SoC, etc. Ces matériels présentent des différences significatives en termes d'objectifs de conception, de caractéristiques de performance et de domaines d'application. En résumé, le CPU est plus compétent pour les tâches de calcul général, les avantages de FPGA résident dans le traitement hautement parallèle et la programmabilité, le GPU a une excellente performance en calcul parallèle, l'ASIC est le plus efficace pour des tâches spécifiques, tandis que le SoC intègre plusieurs fonctionnalités en un seul, convient aux applications hautement intégrées. Le choix du matériel dépend des besoins spécifiques de l'application, des exigences de performance et des considérations de coût. ** Les projets de puissance de calcul décentralisée que nous discutons sont principalement axés sur la collecte de la puissance de calcul GPU, ce qui est déterminé par le type de projet et les caractéristiques de GPU. Parce que le GPU a des avantages uniques dans des domaines tels que l'entraînement AI, le calcul parallèle, le rendu multimédia, etc.**
Bien que la plupart de ces projets impliquent l'intégration de GPU, les différentes applications ont des exigences différentes en termes de spécifications matérielles, ce qui entraîne une hétérogénéité des cœurs et des paramètres d'optimisation. Ces paramètres incluent le parallélisme/les dépendances sérielles, la mémoire, la latence, etc. Par exemple, la charge de travail de rendu est en réalité plus adaptée aux GPU grand public qu'aux GPU de centre de données plus performants, car le rendu nécessite des exigences élevées en matière de traçage de rayons, et les puces grand public telles que le 4090 S renforcent les cœurs RT, ce qui permet d'optimiser les calculs pour les tâches de traçage de rayons. L'entraînement et l'inférence de l'IA nécessitent quant à eux des GPU de niveau professionnel. Par conséquent, Render Network peut rassembler des GPU grand public tels que les RTX 3090 S et 4090 S auprès des particuliers, tandis que IO.NET a besoin de plus de GPU de niveau professionnel tels que les H 100 S et A 100 S pour répondre aux besoins des start-ups en IA.
2.2 Positionnement sur le marché
En ce qui concerne le positionnement du projet, les couches bare metal, orchestration et agrégation doivent résoudre des problèmes centraux, optimiser les points clés et capturer de la valeur de manière différente.
La couche de métal nu se concentre sur la collecte et l'utilisation des ressources physiques, la couche d'orchestration se concentre sur la planification et l'optimisation de la puissance de calcul, et conçoit la meilleure optimisation du matériel physique selon les besoins des groupes de clients. La couche d'agrégation est générale, se concentrant sur l'intégration et l'abstraction des différentes ressources. En termes de chaîne de valeur, chaque projet devrait commencer par la couche de métal nu et s'efforcer de monter vers le haut.
Du point de vue de la capture de la valeur, de la couche métallique nue à la couche d'orchestration en passant par la couche d'agrégation, la capacité de capture de valeur augmente par couche. La couche d'agrégation peut capturer la plus grande valeur, car la plateforme d'agrégation peut obtenir le plus grand effet réseau et peut également toucher directement le plus grand nombre d'utilisateurs, agissant comme une entrée de trafic dans le réseau décentralisé, occupant ainsi la position de capture de valeur la plus élevée dans l'ensemble de la pile de gestion des ressources de puissance de calcul.
De même, la construction d'une plateforme d'agrégation est également la plus difficile. Le projet doit résoudre de nombreux problèmes, tels que la complexité technologique, la gestion des ressources hétérogènes, la fiabilité et la scalabilité du système, la réalisation d'effets de réseau, la sécurité et la protection de la vie privée, ainsi que la gestion complexe des opérations. Ces défis ne favorisent pas le démarrage à froid du projet et dépendent de l'évolution et du timing de la piste. Il n'est pas réaliste de faire une couche d'agrégation avant que la couche d'orchestration ne prenne une part de marché significative.
Actuellement, **Aethir, Render Network, Akash Network et Gensyn appartiennent tous à la couche d'orchestration, visant à fournir des services spécifiques à des objectifs et des groupes de clients particuliers. **Aethir se concentre actuellement sur le rendu temps réel pour les jeux en nuage, et fournit un environnement de développement et des outils de déploiement aux clients B; Render Network se spécialise dans le rendu vidéo, Akash Network vise à fournir une plateforme de transaction similaire à Taobao, tandis que Gensyn se concentre sur le domaine de la formation en IA. io.net est positionné comme une couche d'agrégation, mais les fonctionnalités actuellement mises en œuvre par io sont encore loin de la fonctionnalité complète de la couche d'agrégation. Bien que des ressources matérielles de Render Network et de Filecoin aient été collectées, l'abstraction et l'intégration des ressources matérielles ne sont pas encore achevées.
2.3 Installations matérielles
Actuellement, toutes les informations détaillées sur le réseau ne sont pas disponibles pour tous les projets. Comparativement, l'interface utilisateur d'io.net explorer est la meilleure, où vous pouvez voir des paramètres tels que le nombre de GPU/CPU, le type, le prix, la répartition, l'utilisation du réseau, les revenus des nœuds, etc. Cependant, à la fin d'avril, l'interface frontale d'io.net a été attaquée. Étant donné que io n'a pas authentifié les interfaces PUT/POST, les pirates ont modifié les données frontales. Cela a également sonné l'alarme pour la confidentialité et la fiabilité des données réseau des autres projets.
En termes de nombre de GPU et de modèles, io.net en tant que couche d'agrégation devrait collecter le plus grand nombre de matériels. Aethir suit de près, et la situation matérielle des autres projets n'est pas aussi transparente. En ce qui concerne les modèles de GPU, io dispose à la fois de GPU professionnels tels que A 100 et de GPU grand public tels que 4090, avec une grande variété, ce qui correspond à la position d'agrégation d'io.net. io peut choisir le GPU le plus approprié en fonction des besoins spécifiques de la tâche. Cependant, les GPU de différents modèles et marques peuvent nécessiter différents pilotes et configurations, et le logiciel nécessite également une optimisation complexe, ce qui augmente la complexité de la gestion et de la maintenance. Actuellement, la répartition des tâches de toutes sortes d'io repose principalement sur le choix autonome des utilisateurs.
Aethir a lancé son propre Rig de minage. En mai, Aethir Edge, développé avec le soutien de Qualcomm, a été officiellement lancé. Il rompra avec le déploiement centralisé traditionnel des grappes de GPU, éloignant la puissance de calcul du GPU unique et la déploiera en périphérie. Aethir Edge combinera la puissance de calcul du cluster H 100 pour servir les scénarios d'IA, en déployant des modèles d'entraînement pré-entraînés et en fournissant des services d'inférence aux utilisateurs à un coût optimal. Cette solution rapproche davantage les utilisateurs, offre un service plus rapide et présente également un meilleur rapport qualité-prix.
Du point de vue de l'offre et de la demande, prenons l'exemple du réseau Akash Network qui affiche des données statistiques selon lesquelles la quantité totale de CPU est d'environ 16k et le nombre de GPU est de 378. Selon la demande de location de réseau, les taux d'utilisation des CPU et des GPU sont respectivement de 11,1% et de 19,3%. Parmi eux, seul le taux d'utilisation du GPU de niveau professionnel H 100 est assez élevé, la plupart des autres modèles étant inutilisés. La situation à laquelle sont confrontés les autres réseaux est grosso modo la même qu'Akash, la demande totale de réseau n'étant pas élevée, à l'exception de puces populaires telles que A 100, H 100, la plupart de la puissance de calcul étant inutilisée.
Du point de vue de l'avantage de prix, en comparaison avec les géants du marché du cloud computing, l'avantage de coût par rapport à d'autres fournisseurs de services traditionnels n'est pas particulièrement remarquable.
2.4 Performance financière
Quel que soit le modèle de jeton conçu, une économie saine en jetons doit répondre à plusieurs conditions de base: 1) La demande des utilisateurs pour le réseau doit se refléter dans le prix du jeton, ce qui signifie que le jeton peut capturer de la valeur; 2) Tous les participants, qu'il s'agisse de développeurs, de nœuds ou d'utilisateurs, doivent recevoir une incitation juste et à long terme; 3) Assurer une gouvernance décentralisée pour éviter une possession excessive par des initiés; 4) Des mécanismes raisonnables d'inflation et de déflation, ainsi que des cycles de libération de jetons, pour éviter l'impact de la forte fluctuation des prix du jeton sur la robustesse et la durabilité du réseau.
Si nous divisons le modèle de jeton de manière générale en équilibre de gravure et de création (BME) et en participation pour accéder (SFA), ces deux modèles de jeton ont des sources de pression déflationniste différentes : le modèle BME brûle des jetons après que les utilisateurs aient acheté des services, donc la pression déflationniste du système est déterminée par la demande. En revanche, le SFA exige que les fournisseurs de services / les nœuds engagent des jetons pour obtenir l'éligibilité à la fourniture de services, donc la pression déflationniste est apportée par l'offre. Les avantages du BME sont qu'il convient mieux aux biens non standardisés. Cependant, s'il y a une demande insuffisante sur le réseau, il peut faire face à une pression d'inflation continue. Les modèles de jetons de chaque projet diffèrent dans les détails, mais dans l'ensemble, Aethir penche davantage vers le SFA, tandis que io.net, Render Network et Akash Network penchent davantage vers le BME, et Gensyn est encore inconnu.
En termes de revenus, la demande du réseau se reflétera directement dans les revenus globaux du réseau (nous ne discutons pas ici des revenus des mineurs, car les mineurs reçoivent non seulement une récompense pour avoir accompli des tâches, mais aussi des subventions du projet). Selon les données publiques, la valeur de io.net est la plus élevée. Bien que les revenus d'Aethir n'aient pas encore été publiés, d'après les informations publiques, ils ont annoncé avoir signé des contrats avec de nombreux clients de la B-side.
En termes de prix des pièces, seuls Render Network et Akash Network ont effectué une ICO jusqu'à présent. Aethir et io.net ont également récemment émis des pièces, leur performance en termes de prix nécessite d'être observée de plus près, ce qui ne sera pas discuté en détail ici. Les plans de Gensyn ne sont pas clairs. En résumé, en prenant en compte les deux projets ayant effectué une émission de pièces et d'autres projets déjà émis dans le même domaine mais non inclus dans cet article, ** globalement, les réseaux de calcul décentralisés ont une performance de prix très impressionnante, ce qui reflète dans une certaine mesure le grand potentiel du marché et les fortes attentes de la communauté. **
2.5 Conclusion
Le développement global du réseau de puissance de calcul décentralisé progresse rapidement, de nombreux projets sont déjà en mesure de fournir des services à la clientèle et de générer des revenus. Le secteur a dépassé le stade de la simple narration et est entré dans une phase de développement permettant de fournir des services préliminaires.
La faiblesse de la demande est un problème commun au réseau de puissance de calcul décentralisé, et la demande à long terme des clients n'a pas été bien validée et exploitée. Cependant, le côté demande n'a pas trop affecté le prix de la monnaie, et plusieurs projets qui ont déjà émis des jetons ont affiché des performances remarquables.
AI est le principal récit de la puissance de calcul décentralisée, mais ce n'est pas le seul métier. En plus d'être utilisée pour la formation et l'inférence en IA, la puissance de calcul peut également être utilisée pour le rendu en temps réel des jeux en nuage, les services de téléphonie en nuage, etc.
Le degré d'hétérogénéité matérielle du réseau de puissance de calcul est assez élevé, la qualité et l'échelle du réseau de puissance de calcul doivent être encore améliorées.
Pour les utilisateurs grand public, l'avantage de coût n'est pas très évident. Pour les utilisateurs professionnels, en plus d'économiser des coûts, il faut également tenir compte de la stabilité du service, la fiabilité, le support technique, la conformité et le soutien juridique, etc., mais les projets Web3 ne font généralement pas assez bien dans ces aspects.
3 Réflexions finales
L'explosion de l'IA a indéniablement entraîné une demande massive de puissance de calcul. Depuis 2012, la puissance de calcul utilisée dans les tâches d'apprentissage de l'intelligence artificielle connaît une croissance exponentielle, doublant tous les 3,5 mois (comparé à la loi de Moore qui double tous les 18 mois). Depuis 2012, la demande en puissance de calcul a augmenté de plus de 300 000 fois, dépassant largement la croissance de 12 fois prévue par la loi de Moore. On estime que le marché des GPU devrait croître à un taux de croissance annuel composé de 32% au cours des cinq prochaines années, pour dépasser les 200 milliards de dollars. Les estimations d'AMD sont encore plus élevées, la société prévoyant que le marché des puces GPU atteindra 400 milliards de dollars d'ici 2027.
Source de l'image:
La croissance explosive de l'intelligence artificielle et d'autres charges de travail intensives en calcul (comme le rendu AR/VR) a mis en lumière les inefficacités structurelles du marché traditionnel du calcul en nuage et du calcul de pointe. En théorie, un réseau de puissance de calcul décentralisée pourrait offrir des solutions plus flexibles, moins coûteuses et plus efficaces en exploitant les ressources de calcul distribuées inutilisées pour répondre à la demande énorme du marché en ressources de calcul. Ainsi, la combinaison de la crypto et de l'IA présente un énorme potentiel de marché, mais elle est également confrontée à une concurrence acharnée avec les entreprises traditionnelles, à des barrières à l'entrée élevées et à un environnement de marché complexe. Dans l'ensemble, parmi toutes les pistes de la crypto, les réseaux de puissance de calcul décentralisée sont l'un des domaines verticaux les plus prometteurs pour répondre à une demande réelle dans le domaine de la cryptographie.
Source de l'image:
L'avenir est brillant, mais la route est sinueuse. Pour atteindre la vision ci-dessus, nous devons encore résoudre de nombreux problèmes et défis. En résumé, si nous fournissons uniquement des services cloud traditionnels à ce stade, la marge bénéficiaire du projet est très faible. Du côté de la demande, les grandes entreprises ont généralement leur propre puissance de calcul, la plupart des développeurs C grand public choisissent des services cloud, et il est nécessaire de creuser et de vérifier davantage si les petites et moyennes entreprises qui utilisent réellement les ressources des réseaux de puissance de calcul décentralisés auront une demande stable. D'autre part, l'IA est un marché vaste avec un potentiel énorme, et pour un marché plus vaste, les fournisseurs de services de puissance de calcul décentralisés doivent également se transformer en services de modèle / IA et explorer davantage de scénarios d'utilisation de la crypto-monnaie + IA pour élargir la valeur créée par le projet. Cependant, pour se développer davantage dans le domaine de l'IA, il reste de nombreux problèmes et défis à résoudre pour le moment.
Pas d'avantage de prix significatif : La comparaison des données précédentes montre que l'avantage de coût du réseau de puissance de calcul décentralisé n'a pas été mis en évidence. Les raisons possibles sont que les puces spécialisées à forte demande comme H 100, A 100, etc., ne seront pas bon marché en raison du mécanisme du marché. De plus, bien que le réseau décentralisé puisse collecter des ressources de puissance de calcul inutilisées, les coûts invisibles tels que le manque d'effets d'échelle économique, les coûts élevés de réseau et de bande passante, ainsi que la complexité de gestion et d'exploitation considérable augmentent encore les coûts de puissance de calcul.
La spécificité de la formation de l'IA : Il existe actuellement un énorme goulot d'étranglement technique dans la formation de l'IA en utilisant une approche décentralisée. Ce goulot d'étranglement est clairement visible dans le flux de travail des GPU. Lors de l'entraînement de grands modèles de langage, les GPU reçoivent d'abord des lots de données prétraitées, effectuent des calculs de propagation avant et arrière pour générer des gradients. Ensuite, chaque GPU agrège les gradients et met à jour les paramètres du modèle pour assurer une synchronisation entre tous les GPU. Ce processus se répète jusqu'à ce que la formation soit terminée pour tous les lots de données ou atteigne un nombre de tours prédéterminé. Ce processus implique une quantité importante de transfert de données et de synchronisation. Des questions telles que la stratégie de parallélisme et de synchronisation à utiliser, comment optimiser la bande passante du réseau et la latence, ainsi que la réduction des coûts de communication, n'ont pas encore trouvé de bonnes réponses. Il n'est pas encore réaliste d'utiliser un réseau de puissance de calcul décentralisé pour la formation de l'IA.
Sécurité des données et confidentialité : Au cours du processus d'entraînement des grands modèles linguistiques, chaque étape impliquée dans le traitement et la transmission des données, comme la répartition des données, l'entraînement du modèle, l'agrégation des paramètres et des gradients, peut affecter la sécurité des données et la confidentialité. De plus, la confidentialité des données est encore plus importante pour les modèles de confidentialité des pièces. Sans résoudre le problème de la confidentialité des données, il est impossible de le mettre à l'échelle réellement du côté de la demande.
**Du point de vue le plus réaliste, un réseau de puissance de calcul décentralisé doit prendre en compte à la fois la découverte des besoins actuels et l'espace du marché futur. Trouver la positionnement du produit et le groupe cible, par exemple en ciblant d'abord les projets non natifs de l'IA ou du Web3, en commençant par des besoins plus marginaux, pour établir une base d'utilisateurs précoce. En même temps, explorez constamment divers scénarios de combinaison d'IA et de crypto, explorez les avant-gardes technologiques et réalisez la transformation et la mise à niveau des services.
Références
caff.com/zh/archives/17351? ref= 1554
Voir l'original
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
Né à la périphérie : Comment les réseaux de puissance de calcul décentralisée alimentent-ils la crypto et l'IA ?
L'auteur original : Jane Doe, Chen Li
Source origin: Youbi Capital
Les intersections entre l'IA et la Crypto
Le 23 mai, le géant des puces NVIDIA a publié ses résultats financiers pour le premier trimestre de l'exercice 2025. Selon le rapport, le chiffre d'affaires de NVIDIA au premier trimestre s'est élevé à 26 milliards de dollars. En particulier, les revenus du centre de données ont augmenté de 427 % par rapport à l'année dernière, atteignant un impressionnant 22.6 milliards de dollars. La capacité de NVIDIA à sauver à elle seule la performance financière du marché boursier américain reflète la demande croissante de puissance de calcul des sociétés technologiques mondiales pour concourir dans le domaine de l'IA. Plus les grandes entreprises technologiques sont ambitieuses dans le domaine de l'IA, plus leur demande de puissance de calcul augmente de manière exponentielle.
Source de l'image:
« Pénurie de puces » est devenu un terme chaud ces dernières années. D'une part, l'entraînement et l'inférence des grands modèles de langage (LLM) nécessitent une puissance de calcul considérable ; et avec l'itération des modèles, les coûts et les demandes de puissance de calcul augmentent de manière exponentielle. D'autre part, des entreprises comme Meta achètent une énorme quantité de puces, et les ressources de puissance de calcul mondiales se concentrent de plus en plus vers ces géants de la technologie, rendant de plus en plus difficile pour les petites entreprises d'obtenir la puissance de calcul dont elles ont besoin. Le dilemme auquel les petites entreprises sont confrontées provient non seulement de la pénurie d'approvisionnement causée par la demande croissante, mais aussi de contradictions structurelles dans l'approvisionnement. Actuellement, il existe encore de nombreuses GPU inutilisées du côté de l'approvisionnement, par exemple, de nombreux centres de données ont une quantité importante de puissance de calcul inutilisée (avec des taux d'utilisation allant de 12% à 18%) et une grande quantité de ressources de puissance de calcul inutilisées dans le domaine du minage de cryptomonnaie en raison de la diminution des bénéfices. Bien que cette puissance de calcul ne convienne pas nécessairement aux applications professionnelles telles que l'entraînement de l'IA, elle peut encore jouer un rôle énorme dans d'autres domaines, tels que l'inférence de l'IA, le rendu de jeux en nuage, les téléphones en nuage, etc. L'occasion d'intégrer et d'utiliser ces ressources de puissance de calcul est énorme.
Déplacez votre attention de l'IA vers la crypto. Après trois ans de calme sur le marché cryptographique, nous assistons enfin à un nouveau marché haussier. Le prix du Bitcoin atteint régulièrement de nouveaux sommets et de nombreux memecoins apparaissent. Bien que l'IA et la crypto aient été des mots à la mode ces dernières années, l'intelligence artificielle et la blockchain semblent être deux lignes parallèles qui n'ont pas encore trouvé un point de convergence. Au début de cette année, Vitalik a publié un article intitulé "Les promesses et les défis des applications crypto + IA", dans lequel il discute des scénarios futurs de combinaison de l'IA et de la crypto. Vitalik mentionne de nombreuses idées, notamment l'utilisation de la blockchain et de la MPC pour décentraliser l'entraînement et l'inférence de l'IA, ce qui permettrait de rendre les modèles d'IA plus fiables et de confiance. La réalisation de ces visions nécessite encore beaucoup de travail. Cependant, l'un des cas d'utilisation mentionnés par Vitalik - l'utilisation des incitations économiques de la crypto pour renforcer l'IA - est également une direction importante et réalisable à court terme. Les réseaux de puissance de calcul décentralisés sont l'un des scénarios les plus appropriés pour l'IA + crypto à l'heure actuelle.
2 Réseau de puissance de calcul décentralisé
Actuellement, de nombreux projets se développent sur la piste de réseau de puissance de calcul décentralisé. La logique sous-jacente de ces projets est similaire et peut être résumée comme suit: en utilisant des jetons pour inciter les titulaires de capacités de calcul à fournir des services de capacité de calcul sur le réseau, ces ressources de capacité de calcul dispersées peuvent être regroupées en un réseau de puissance de calcul décentralisé de taille raisonnable. Cela permet non seulement d'augmenter l'utilisation de la capacité de calcul inutilisée, mais également de répondre aux besoins de puissance de calcul des clients à moindre coût, réalisant ainsi une situation gagnant-gagnant pour l'acheteur et le vendeur.
Afin de permettre aux lecteurs de comprendre rapidement l'ensemble de cette piste, cet article déconstruira les projets spécifiques et l'ensemble de la piste du point de vue micro et macro, dans le but de fournir aux lecteurs une perspective d'analyse pour comprendre l'avantage concurrentiel de chaque projet et la situation globale du développement de la puissance de calcul décentralisée. L'auteur présentera et analysera cinq projets: Aethir, io.net, Render Network, Akash Network, Gensyn, et résumera et évaluera la situation des projets et le développement de la piste.
Du point de vue de l'analyse du cadre, si l'on se concentre sur un réseau de puissance de calcul décentralisé spécifique, on peut le décomposer en quatre composants clés :
Si l'on examine la totalité de la course à la puissance de calcul décentralisée, le rapport de recherche de Blockworks fournit un excellent cadre d'analyse, nous pouvons diviser la position des projets de cette course en trois couches différentes.
Source de l'image: Youbi Capital
Selon les deux cadres d'analyse ci-dessus, nous comparerons les cinq projets sélectionnés horizontalement et les évaluerons à partir de quatre aspects - activité principale, positionnement sur le marché, infrastructures matérielles et performances financières.
2.1 Activités principales
Du point de vue de la logique sous-jacente, le réseau de puissance de calcul décentralisée est hautement homogène, c'est-à-dire qu'il utilise des jetons pour inciter les détenteurs de puissance de calcul inutilisée à fournir des services de puissance de calcul. Sur la base de cette logique sous-jacente, nous pouvons comprendre les différences dans le cœur métier du projet à partir de trois aspects.
2.2 Positionnement sur le marché
En ce qui concerne le positionnement du projet, les couches bare metal, orchestration et agrégation doivent résoudre des problèmes centraux, optimiser les points clés et capturer de la valeur de manière différente.
2.3 Installations matérielles
2.4 Performance financière
Quel que soit le modèle de jeton conçu, une économie saine en jetons doit répondre à plusieurs conditions de base: 1) La demande des utilisateurs pour le réseau doit se refléter dans le prix du jeton, ce qui signifie que le jeton peut capturer de la valeur; 2) Tous les participants, qu'il s'agisse de développeurs, de nœuds ou d'utilisateurs, doivent recevoir une incitation juste et à long terme; 3) Assurer une gouvernance décentralisée pour éviter une possession excessive par des initiés; 4) Des mécanismes raisonnables d'inflation et de déflation, ainsi que des cycles de libération de jetons, pour éviter l'impact de la forte fluctuation des prix du jeton sur la robustesse et la durabilité du réseau.
2.5 Conclusion
3 Réflexions finales
L'explosion de l'IA a indéniablement entraîné une demande massive de puissance de calcul. Depuis 2012, la puissance de calcul utilisée dans les tâches d'apprentissage de l'intelligence artificielle connaît une croissance exponentielle, doublant tous les 3,5 mois (comparé à la loi de Moore qui double tous les 18 mois). Depuis 2012, la demande en puissance de calcul a augmenté de plus de 300 000 fois, dépassant largement la croissance de 12 fois prévue par la loi de Moore. On estime que le marché des GPU devrait croître à un taux de croissance annuel composé de 32% au cours des cinq prochaines années, pour dépasser les 200 milliards de dollars. Les estimations d'AMD sont encore plus élevées, la société prévoyant que le marché des puces GPU atteindra 400 milliards de dollars d'ici 2027.
Source de l'image:
La croissance explosive de l'intelligence artificielle et d'autres charges de travail intensives en calcul (comme le rendu AR/VR) a mis en lumière les inefficacités structurelles du marché traditionnel du calcul en nuage et du calcul de pointe. En théorie, un réseau de puissance de calcul décentralisée pourrait offrir des solutions plus flexibles, moins coûteuses et plus efficaces en exploitant les ressources de calcul distribuées inutilisées pour répondre à la demande énorme du marché en ressources de calcul. Ainsi, la combinaison de la crypto et de l'IA présente un énorme potentiel de marché, mais elle est également confrontée à une concurrence acharnée avec les entreprises traditionnelles, à des barrières à l'entrée élevées et à un environnement de marché complexe. Dans l'ensemble, parmi toutes les pistes de la crypto, les réseaux de puissance de calcul décentralisée sont l'un des domaines verticaux les plus prometteurs pour répondre à une demande réelle dans le domaine de la cryptographie.
Source de l'image:
L'avenir est brillant, mais la route est sinueuse. Pour atteindre la vision ci-dessus, nous devons encore résoudre de nombreux problèmes et défis. En résumé, si nous fournissons uniquement des services cloud traditionnels à ce stade, la marge bénéficiaire du projet est très faible. Du côté de la demande, les grandes entreprises ont généralement leur propre puissance de calcul, la plupart des développeurs C grand public choisissent des services cloud, et il est nécessaire de creuser et de vérifier davantage si les petites et moyennes entreprises qui utilisent réellement les ressources des réseaux de puissance de calcul décentralisés auront une demande stable. D'autre part, l'IA est un marché vaste avec un potentiel énorme, et pour un marché plus vaste, les fournisseurs de services de puissance de calcul décentralisés doivent également se transformer en services de modèle / IA et explorer davantage de scénarios d'utilisation de la crypto-monnaie + IA pour élargir la valeur créée par le projet. Cependant, pour se développer davantage dans le domaine de l'IA, il reste de nombreux problèmes et défis à résoudre pour le moment.
**Du point de vue le plus réaliste, un réseau de puissance de calcul décentralisé doit prendre en compte à la fois la découverte des besoins actuels et l'espace du marché futur. Trouver la positionnement du produit et le groupe cible, par exemple en ciblant d'abord les projets non natifs de l'IA ou du Web3, en commençant par des besoins plus marginaux, pour établir une base d'utilisateurs précoce. En même temps, explorez constamment divers scénarios de combinaison d'IA et de crypto, explorez les avant-gardes technologiques et réalisez la transformation et la mise à niveau des services.
Références
caff.com/zh/archives/17351? ref= 1554