23 Mayıs'ta çip devi Nvidia, 2025 mali yılının birinci çeyrek mali raporunu yayınladı. Rapor, Nvidia'nın birinci çeyrek gelirinin 26 milyar dolar olduğunu gösteriyor. Bunların içinde, veri merkezi geliri geçen yıla göre %427 artarak şaşırtıcı bir 22.6 milyar dolara ulaştı. Nvidia'nın finansal performansı, Aİ yarışında rekabet etmek için küresel teknoloji şirketlerinin patlayan bilgi işlem gücü ihtiyacının bir yansımasıdır. En üst düzey teknoloji şirketleri, Aİ yarışında yer alma hırsıyla, benzer şekilde, bilgi işlem gücüne olan ihtiyaçları da üst seviyelerde artmaktadır. TrendForce'un tahminine göre, 2024 yılında ABD'nin dört büyük ana bulut servis sağlayıcısı olan Microsoft, Google, AWS ve Meta'nın, yüksek uçlu Aİ sunucuları için taleplerinin, küresel talebin sırasıyla %20,2'sini, %16,6'sını, %16'sını ve %10,8'ini oluşturması bekleniyor, toplamda %60'ı aşacak.
Kaynak:
「Yonga kıtlığı」 son birkaç yılın yıllık popüler kavramı oldu. Bir yandan, büyük dil modellerinin (LLM) eğitimi ve çıkarımı için büyük miktarda bilgi işlem gücüne ihtiyaç duyulur; ve modelin iterasyonuyla birlikte, bilgi işlem maliyeti ve talep üstel olarak artar. Diğer yandan, Meta gibi büyük şirketler, büyük miktarda yonga satın alır ve küresel bilgi işlem kaynakları bu teknoloji devlerine eğilir, böylece küçük işletmelerin gerekli bilgi işlem kaynaklarına ulaşması giderek zorlaşır. Küçük işletmelerin karşılaştığı zorluklar, artan talep nedeniyle yonga arzının yetersiz olması ve arzın yapısal çelişkilerinden kaynaklanır. Şu anda, arz tarafında, bazı veri merkezlerinde kullanım oranı sadece %12 - 18 olan birçok boş GPU bulunmaktadır, kripto madenciliği nedeniyle kar düşüşüyle birlikte birçok boş bilgi işlem kaynağı ortaya çıkar. Bu bilgi işlem gücünün tamamı AI eğitimi gibi profesyonel uygulama alanları için uygun olmasa da, tüketici seviyesi donanımı AI çıkarımı, bulut oyun renderleme, bulut telefon vb. alanlarda hala büyük bir rol oynayabilir. Bu bilgi işlem kaynaklarını entegre etmek ve kullanmak için büyük bir fırsat vardır.
şifreleme piyasasında üç yıllık sessizliğin ardından, odağı yapay zekadan kriptoya kaydırarak, Bitcoin fiyatlarının yeni zirvelere ulaşması ve çeşitli memecoin'lerin birbiri ardına ortaya çıkmasıyla nihayet başka bir Boğa Piyasası turu başladı. **Yapay zeka ve Kripto uzun yıllardır moda kelime olarak popüler olsa da, iki önemli teknoloji olarak yapay zeka ve Blok Zinciri iki paralel çizgi gibidir ve long bir süredir bir "kesişim" bulamamıştır. Bu yılın başlarında Vitalik, AI ve kriptonun geleceğini tartışan "Kripto + AI uygulamalarının vaadi ve zorlukları" başlıklı bir makale yayınladı. Vitalik, makalede yapay zekayı merkeziyetsiz hale getirmek, makine öğreniminin kara kutusunu açmak ve yapay zeka modellerini daha güvenilmez hale getirmek için blok zinciri ve MPC gibi şifreleme teknolojileri kullanan eğitim ve çıkarım da dahil olmak üzere özlem uyandıran fikirlerden bahsetti. Bu vizyonların gerçekleşmesi için hala long bir yol var. Ancak Vitalik'in bahsettiği kullanım durumlarından biri, yapay zekayı güçlendirmek için kriptonun ekonomik teşviklerini kullanmak, aynı zamanda short bir süre içinde ulaşılabilecek önemli bir yöndür. Merkeziyetsizlik Bilgi İşlem Gücü ağı, bu aşamada AI + kripto için en uygun senaryolardan biridir. **
2 Merkeziyetsizlik Bilgi İşlem Gücü Ağı
Şu anda, merkeziyetsiz bilgi işlem gücü ağının yarışında birçok proje geliştiriliyor. Bu projelerin temel mantığı benzerdir ve şu şekilde özetlenebilir: Token kullanarak bilgi işlem gücü sahiplerini ağa katılmaya teşvik eder, bu dağılmış bilgi işlem kaynakları, belirli bir ölçekte merkeziyetsiz bir bilgi işlem gücü ağına dönüşebilir. Bu, boşta olan bilgi işlem gücünün kullanım oranını artırmakla kalmaz, aynı zamanda müşterilerin bilgi işlem ihtiyaçlarını daha düşük maliyetle karşılamak ve alıcı ve satıcı tarafın kazanç sağlamasını sağlar.
Okuyucuların bu alandaki genel bir anlayışa kısa sürede sahip olmasını sağlamak için, bu makale, mikro ve makro perspektiflerden belirli projeleri ve tüm alana yönelik bir analiz sunmayı amaçlamaktadır. Okuyuculara her projenin temel rekabet avantajını ve merkeziyetsizlik bilgi işlem gücü alanının genel gelişim durumunu anlamak için bir analiz bakış açısı sağlamayı hedeflemektedir. Yazar, Aethir, io.net, Render Network, Akash Network, Gensyn olmak üzere beş projeyi tanıtacak ve analiz edecek ve projelerin durumunu ve alanın gelişimini özetleyecek ve değerlendirecektir.
Analiz çerçevesinden bakıldığında, belirli bir merkeziyetsiz bilgi işlem gücü ağına odaklanırsak, onu dört temel bileşenine ayırabiliriz:
Bilateral Market: Bilgi İşlem Gücü sağlayıcılarını talep edenlerle eşleştirmek için uygun fiyatlandırma ve keşif mekanizması kullanarak güvenli bir ticaret platformu sağlayarak, arz ve talep tarafının işlemlerini şeffaf, adil ve güvenilir bir şekilde gerçekleştiren pazar.
Konsensus Mekanizması: Ağda düğümlerin doğru çalışmasını ve işlerini tamamlamasını sağlamak için kullanılır. Konsensus mekanizması, iki seviyede izleme için kullanılır: 1) Düğümlerin çevrimiçi olarak çalışıp çalışmadığını, her zaman görev kabul edebilecekleri aktif bir durumda olup olmadığını kontrol etmek; 2) Düğüm iş kanıtı: Düğüm görevi aldıktan sonra görevi geçerli ve doğru bir şekilde tamamladığını, bilgi işlem gücünün başka bir amaç için kullanılmadığını ve işlem ve iş parçacıklarını işgal etmediğini kontrol etmek.
Token Incentive: Token model is used to incentivize more participants to provide/use services, and capture this network effect with token, achieving community benefit sharing.
Eğer tüm Merkeziyetsiz Bilgi İşlem Gücü yarışını genel olarak inceleyecek olursak, Blockworks Research'in araştırma raporu iyi bir analiz çerçevesi sunmaktadır ve bu yarıştaki projeleri üç farklı katmana ayırabiliriz.
Bare metal layer: 原始算力资源的收集和 API 调用是构成去中心化计算栈的基础层的主要任务。
Orkestrasyon katmanı: Merkezi olmayan hesaplama yığını oluşturan ara katman, temel görevi koordine etmek ve soyutlamaktır, iş gücünün planlamasından, genişletilmesinden, işletilmesinden, yük dengelemesinden ve hata toleransından sorumludur. Temel rolü, altta yatan donanım yönetiminin karmaşıklığını "soyutlamak" ve son kullanıcılara daha gelişmiş bir kullanıcı arayüzü sunarak belirli müşteri gruplarına hizmet etmektir.
Aggregation layer: Merkeziyetsiz hesaplama yığınının üst katmanını oluşturur, temel görevi entegrasyon ve kullanıcının yapay zeka eğitimi, render alma, zkML vb. gibi çeşitli hesaplama görevlerini tek bir yerde gerçekleştirebileceği bir birleşik arayüz sağlamaktır. Birden fazla merkeziyetsiz hesaplama hizmetinin düzenlenmesi ve dağıtım katmanına denk gelir.
Resim kaynağı: Youbi Capital
Yukarıdaki iki analiz çerçevesine göre, seçilen beş projeyi yatay olarak karşılaştıracağız ve çekirdek iş, pazar konumu, donanım tesisleri ve mali performans olmak üzere dört yönden değerlendireceğiz.
2.1 Temel İş
Temel mantık açısından, Merkeziyetsizlik Bilgi İşlem Gücü ağı oldukça homojendir, yani token, boşta kalan Bilgi İşlem Gücü sahiplerini Bilgi İşlem Gücü hizmetler sunmaya teşvik etmek için kullanılır. Bu temel mantığa odaklanarak, projenin ana işindeki farklılıkları üç açıdan anlayabiliriz:
Boşta Bilgi İşlem Gücü Kaynağı:
Piyasada atıl işlem gücü iki ana kaynaktan gelmektedir: 1) veri merkezleri, madencilik şirketleri vb. tarafından atıl durumdaki işlem gücü; 2) bireysel kullanıcıların elindeki atıl işlem gücü. Veri merkezlerinin işlem gücü genellikle profesyonel düzeyde donanıma sahipken, bireysel kullanıcılar genellikle tüketici düzeyinde çipler satın alır.
Aethir、Akash Network ve Gensyn'in bilgi işlem gücü çoğunlukla işletmelerden toplanmaktadır. İşletmelerden bilgi işlem gücü toplamanın avantajları şunlardır: 1) İşletmeler ve veri merkezleri genellikle daha yüksek kaliteli donanıma ve uzman bakım ekibine sahiptir, bu da bilgi işlem kaynaklarının performansını ve güvenilirliğini artırır; 2) İşletmeler ve veri merkezlerinin bilgi işlem kaynakları genellikle daha homojendir ve merkezi yönetim ve izleme, kaynakların planlanmasını ve bakımını daha verimli hale getirir. Ancak buna karşılık, bu yöntem projelerden daha fazla talep eder, projenin bilgi işlem gücünü kontrol eden işletmelerle ticari ilişkilere sahip olmasını gerektirir. Aynı zamanda, ölçeklenebilirlik ve merkeziyetsizlik derecesi belirli bir derecede etkilenebilir.
Render Network ve io.net, bireysel kullanıcılara ellerindeki boş işlem gücünü teşvik etmek için kullanılıyor. Bireysel kullanıcılardan işlem gücü toplamanın avantajı şunlardır: 1) Bireysel kullanıcıların boş işlem gücü maliyeti düşüktür, daha ekonomik işlem gücü kaynakları sağlayabilirler; 2) Ağın ölçeklenebilirliği ve merkeziyetsizlik derecesi daha yüksektir, sistem esnekliğini ve sağlamlığını artırır. Ancak dezavantajı, bireysel kaynakların geniş bir şekilde dağılıp birbirinden farklı olmasıdır, bu da yönetimi ve planlamayı karmaşık hale getirir, işletme zorluğunu artırır. Ayrıca, bireysel kullanıcıların cihazlarında daha fazla güvenlik riski olabilir, veri sızıntısı ve işlem gücü kötüye kullanımı riskini beraberinde getirebilir.
Bilgi İşlem Gücü Tüketici
+Bilgi işlem gücü tüketicisi olarak, Aethir, io.net ve Gensyn'in hedef müşterileri çoğunlukla işletmelerdir. B2B müşterileri için, yapay zeka ve oyun gerçek zamanlı renderlaması yüksek performanslı hesaplama gereksinimlerine sahiptir. Bu tür iş yükleri, işlem kaynakları için son derece yüksek talepleri vardır ve genellikle yüksek uçlu GPU'lar veya profesyonel donanımlar gerektirir. Ayrıca, B2B müşterileri işlem kaynaklarından istikrarlı ve güvenilir bir şekilde yararlanma talebinde bulunur, bu nedenle yüksek kaliteli hizmet düzeyi anlaşmaları sağlanmalıdır, proje normal bir şekilde işletilmelidir ve zamanında teknik destek sağlanmalıdır. Aynı zamanda, B2B müşterilerinin göç maliyeti çok yüksektir. Eğer merkezi olmayan ağda projelerin hızlı bir şekilde dağıtılabileceği olgun SDK'lar yoksa (örneğin Akash Network, kullanıcıların uzak bağlantı noktalarına dayalı olarak kendi geliştirmelerini yapmalarını gerektirir), müşterilerin göçü zordur. Eğer son derece belirgin bir fiyat avantajı yoksa, müşterilerin göç istekleri çok düşüktür.
Render Network ve Akash Network, madencilik hizmetlerini bireysel kullanıcılara sunmaktadır. C tarafı kullanıcılarına hizmet sağlamak için, projenin kullanıcı dostu arayüz ve araçlar tasarlaması gerekmektedir, böylece tüketicilere iyi bir tüketim deneyimi sunulabilir. Ayrıca, tüketiciler fiyatlara karşı hassas oldukları için, projenin rekabetçi fiyatlandırma sunması gerekmektedir.
Donanım Türü
CPU, FPGA, GPU, ASIC ve SoC gibi yaygın hesaplama donanım kaynakları, tasarım hedefleri, performans özellikleri ve uygulama alanları açısından önemli farklılıklar gösterir. Genel olarak, CPU genel hesaplama görevleri için daha uygundur, FPGA yüksek paralel işleme ve programlanabilirlik açısından avantajlıdır, GPU paralel hesaplama konusunda üstün performans gösterir, ASIC belirli görevler için en yüksek verimliliği sağlar ve SoC, yüksek entegrasyonlu uygulamalar için çok çeşitli işlevleri bir arada sunar. Hangi donanımın seçileceği, belirli uygulama gereksinimlerine, performans gereksinimlerine ve maliyet düşüncelerine bağlıdır. Merkeziyetsiz hesaplama projelerimizde genellikle GPU hesaplama gücü toplanır, bu proje iş türü ve GPU'nun özellikleri nedeniyle belirlenir. Çünkü GPU, yapay zeka eğitimi, paralel hesaplama, çoklu ortam işleme vb. alanlarda benzersiz bir avantaj sağlar.
Bu projeler çoğunlukla GPU entegrasyonunu içerse de, farklı uygulamaların donanım gereksinimleri farklı olduğundan, bu donanımlar heterojenleştirilmiş optimizasyon çekirdekleri ve parametrelere sahiptir. Bu parametreler paralellik/seri bağımlılıkları, bellek, gecikme gibi şeyleri içerir. Örneğin, render iş yükü aslında tüketici seviyesi GPU'lar için daha uygunken, performansı daha yüksek veri merkezi GPU'ları için uygun değildir, çünkü render, ışın izleme gibi şeyler için yüksek taleplerde bulunur, 4090 s gibi tüketici seviyesi yongalar RT çekirdeklerini güçlendirdi, özellikle ışın izleme görevleri için hesaplama optimizasyonu yaptı. AI eğitimi ve çıkarımı ise profesyonel seviyede GPU'lar gerektirir. Bu nedenle Render Network, RTX 3090 s ve 4090 s gibi tüketici seviyesi GPU'ları bireysel tüketicilerden toplayabilirken, IO.NET, AI başlangıç şirketlerinin ihtiyaçlarını karşılamak için daha fazla H 100 s, A 100 s gibi profesyonel seviyede GPU'lara ihtiyaç duyar.
2.2 Pazar Konumlandırması
Proje konumlandırması açısından, bare metal katmanı, orkestrasyon katmanı ve birleştirme katmanı farklı temel sorunları çözmek, odaklanma noktalarını optimize etmek ve değer yakalamak için farklı yeteneklere sahiptir.
Bare metal layer, fiziksel kaynakların toplanması ve kullanımına odaklanırken, Orkestrasyon katmanı, hesaplama gücünün planlaması ve iyileştirilmesiyle ilgilenir, fiziksel donanımı müşteri gruplarının gereksinimlerine göre en iyi şekilde optimize etmek için. Birleştirme katmanı genel amaçlıdır ve farklı kaynakların entegrasyonuna ve soyutlanmasına odaklanır. Değer zinciri açısından, her proje bare metal katmandan başlamalı ve yukarı doğru tırmanmalıdır.
Değer yakalama açısından bakıldığında, bare metal katmanından orchestration katmanına ve ardından aggregation katmanına doğru, değer yakalama yeteneği katman katman artar. Aggregation katmanı en fazla değer yakalayabilen katmandır, çünkü aggregation platformu en büyük ağ etkisini elde edebilir ve en fazla kullanıcıya doğrudan erişebilir. Bu, merkeziyetsiz ağların trafiğinin giriş kapısı olarak kabul edilebilir ve böylece tüm bilgi işlem gücü kaynakları yönetim yığınında en yüksek değer yakalama konumunu işgal eder.
Bununla birlikte, bir toplama platformu oluşturmanın zorluğu da en büyük olandır, proje, teknik karmaşıklığı, heterojen kaynak yönetimini, sistem güvenilirliği ve ölçeklenebilirliği, ağ etkisi başarısını, güvenliği ve gizliliği korumayı ve karmaşık işletme yönetimini içeren pek çok sorunu kapsamlı bir şekilde çözmeyi gerektirir. Bu zorluklar projenin soğuk başlamasına katkıda bulunmaz ve yarış pistinin gelişim durumuna ve zamanlamasına bağlıdır. Orkestrasyon katmanının henüz belirli bir pazar payı yutmadığı sürece, toplama katmanı oluşturmak pek de gerçekçi değildir.
Şu anda, Aethir, Render Network, Akash Network ve Gensyn Orkestrasyon katmanına aittir ve belirli hedeflere ve müşteri gruplarına hizmet sunmayı amaçlamaktadır. Aethir şu anda bulut oyunları için gerçek zamanlı renderlama yapıyor ve B2B müşterilere bir geliştirme ve dağıtım ortamı ve araçları sağlıyor. Render Network video renderlama işinde uzmanlaşmışken, Akash Network bir Taobao benzeri bir ticaret platformu sunmayı hedefliyor ve Gensyn AI eğitimi alanında çalışmalar yürütüyor. io.net, Agregasyon katmanı olarak konumlandırılmış olsa da, şu anda io'nun tamamen çalışan bir agregasyon katmanı olmaktan uzak olduğu bir gerçektir. Render Network ve Filecoin'in donanımlarını toplamış olsa da, donanım kaynaklarının soyutlanması ve entegrasyonu henüz tamamlanmamıştır.
2.3 Donanım Tesisleri
Şu anda, tüm projeler ağın ayrıntılı verilerini yayınlamamıştır, nispeten io.net explorer'ın UI'si en iyisini yapıyor, GPU/CPU sayısı, türü, fiyatı, dağılımı, ağ kullanımı, düğüm geliri vb. gibi parametreleri görebilirsiniz. Ancak Nisan ayı sonlarında, io.net'in ön ucu saldırıya uğradı, io, PUT/POST arayüzü için Auth yapmadığı için, hacker'lar ön uç verilerini değiştirdi. Bu diğer projelerin gizliliği, ağ verilerinin güvenilirliği için bir uyarı işareti olarak hizmet etti.
GPU sayısı ve modele bağlı olarak, io.net'in birleştirme katmanı olarak topladığı donanımın en fazla olması gerekmektedir. Aethir hemen ardından gelirken, diğer projelerin donanım durumu o kadar şeffaf değil. GPU modeline bakıldığında, io'nun hem profesyonel seviyede A 100 gibi GPU'lara hem de tüketici seviyesi 4090 gibi GPU'lara sahip olduğu görülebilir, çeşitlilik gösterir, bu da io.net birleştirme stratejisine uygun. io, belirli görev gereksinimlerine göre en uygun GPU'yu seçebilir. Ancak farklı modeller ve markaların GPU'ları farklı sürücüler ve yapılandırmalar gerektirebilir, yazılımın karmaşık optimizasyonu da gereklidir, bu da yönetim ve bakımın karmaşıklığını artırır. Şu anda, io'nun çeşitli görevlerin dağılımı genellikle kullanıcıların kendi seçimlerine dayanmaktadır.
Aethir kendi Mining Ekipmanını piyasaya sürdü ve Mayıs ayında, desteklediği geliştirme ile birlikte Aethir Edge resmi olarak piyasaya sürüldü. Bu, müşterilerden uzak, merkezi GPU kümesi dağıtımını kıracak ve bilgi işlem gücünü kenara taşıyacak. Aethir Edge, AI senaryoları için H 100 küme gücü ile birleştirilecek ve eğitilmiş modelleri dağıtarak, en uygun maliyetle çıkarım hesaplama hizmeti sunacak. Bu çözüm, müşterilere daha yakın, daha hızlı hizmet ve daha yüksek maliyet etkinliği sağlayacaktır.
Arz ve talep açısından, Akash Network örneğinde olduğu gibi, istatistik verilerine göre, CPU toplamı yaklaşık 16k, GPU sayısı 378'dir ve ağ kiralama talebine göre, CPU ve GPU kullanım oranları sırasıyla %11.1 ve %19.3'tür. ** Sadece H 100 profesyonel GPU'nun kiralama oranı oldukça yüksektir, diğer modellerin çoğu boşta durumdadır. Diğer ağlar genel olarak Akash ile benzer durumlarla karşı karşıya, genel talep düşüktür, A 100, H 100 gibi popüler yonga türleri dışındaki işlem gücü çoğunlukla boşta durumdadır.**
Fiyat avantajı açısından, diğer geleneksel hizmet sağlayıcılara göre maliyet avantajı belirgin değildir, büyük bulut bilişim pazar liderleriyle karşılaştırıldığında.
2.4 Finansal Performans
Hangi token modeli kullanılırsa kullanılsın, sağlıklı bir tokenomics'in aşağıdaki temel koşulları karşılaması gerekir: 1) Kullanıcıların ağa olan talebinin token fiyatına yansıtılması, yani token'ın değer yakalanabilir olması; 2) Geliştiricilerden, düğümlerden ve kullanıcılardan her birinin uzun vadeli adil teşvik alması; 3) Merkeziyetsiz yönetimin garanti edilmesi, içerideki kişilerin aşırı miktarda token tutmasının önlenmesi; 4) Mantıklı enflasyon ve daralma mekanizması ve token serbest bırakma döngüsü, ağın istikrarlı ve sürdürülebilir olmasını etkileyebilecek büyük dalgalanmaların önlenmesi.
Token modelini genel olarak BME (yanma ve basım dengelemesi) ve SFA (erişim için Stake) olarak ayırırsak, bu iki modelin token deflasyon baskısı farklı kaynaklardan gelir: BME modelinde kullanıcılar hizmet satın aldıktan sonra token yakılır, bu nedenle sistemdeki deflasyon baskısı talebe bağlıdır. SFA ise hizmet sağlayıcıların / düğümlerin nitelikli hizmet almak için token stake etmelerini gerektirir, bu nedenle deflasyon baskısı arz tarafından sağlanır. BME'nin avantajı, standart olmayan ürünler için daha uygundur. Ancak ağın talebi yetersizse, sürekli enflasyon baskısıyla karşı karşıya kalabilir. Projelerin token modelleri ayrıntılarda farklılık gösterebilir, ancak genel olarak, Aethir daha çok SFA'ya, io.net, Render Network ve Akash Network ise daha çok BME'ye yöneliktir, Gensyn henüz bilinmemektedir.
Gelir açısından, ağın talep miktarı doğrudan genel ağ gelirine yansır (madencilerin geliri hakkında konuşmuyoruz çünkü madenciler görevlerini tamamlamaktan başka, projeden de destek alırlar). Genel verilere göre io.net'in değeri en yüksek olanıdır. Aethir'in geliri henüz açıklanmadı, ancak genel bilgilere göre, birçok B tarafı müşteriyle anlaşma imzaladıklarını duyurdular.
Şu anda, sadece Render Network ve Akash Network ICO yapmıştır. Aethir ve io.net de yakın zamanda para birimi çıkaracak, fiyat performansını daha fazla gözlemlemek gerekiyor, bu konuda fazla tartışma yapılmamaktadır. Gensyn'in planı henüz net değil. İki projenin para birimi çıkarması ve bu yazıda tartışılmayan aynı yoldaki diğer projelerin birleşik olarak, genel olarak, merkezi olmayan bilgi işlem gücü ağlarının çok parlak fiyat performansı gösterdiği ve büyük pazar potansiyelini ve topluluğun yüksek beklentisini kısmen yansıttığı söylenebilir.
2.5 Özet
Merkeziyetsiz bilgi işlem gücü ağı sektörü genel olarak hızla gelişiyor ve birçok proje ürünlerine dayanarak müşteri hizmeti sağlayabiliyor ve belirli bir gelir elde edebiliyor. Sektör artık sadece anlatım aşamasından çıktı ve ilk aşama hizmetlerini sağlayabilen bir gelişme evresine girdi.
Merkeziyetsiz bilgi işlem gücü ağının karşılaştığı yaygın bir sorun, uzun vadeli müşteri taleplerinin iyi bir şekilde doğrulanmaması ve keşfedilmemesidir. Ancak talep tarafı, para birimleri üzerinde çok fazla etkisi olmamıştır ve birkaç projenin çıkardığı para birimleri etkileyici bir performans sergilemiştir.
AI, merkeziyetsizlik bilgi işlem gücü ağının ana anlatısıdır, ancak tek iş değildir. AI eğitimi ve çıkarımı dışında, bilgi işlem gücü gerçek zamanlı oyun akışı, bulut tabanlı telefon hizmetleri ve daha fazlası için kullanılabilir.
Bilgi İşlem Gücü ağının donanım heterojenliği oldukça yüksektir, bilgi İşlem Gücü ağının kalitesi ve ölçeği daha da artırılmalıdır.
C 端用户 için maliyet avantajı çok belirgin değil. B 端 kullanıcıları için ise maliyet tasarrufunun yanı sıra, hizmetin istikrarı, güvenilirliği, teknik destek, uyumluluk ve yasal destek gibi konular da dikkate alınmalıdır; ancak Web3 projeleri genellikle bu konularda yeterince iyi değil.
3 Kapanış düşünceleri
Yapay zekânın patlayıcı şekilde yükselişi, işlem gücüne olan muazzam talebi kaçınılmaz kılıyor. 2012'den bu yana yapay zeka eğitim görevlerinde kullanılan işlem gücü, üstel bir artış gösteriyor; şu anki hızıyla her 3.5 ayda bir katına çıkıyor (buna karşılık, Moore'un Yasası her 18 ayda bir katına çıkar). 2012'den bu yana işlem gücüne olan talep 300.000 kat arttı, Moore'un Yasası'nın 12 kat artışını aştı. Tahminlere göre, GPU pazarının önümüzdeki beş yıl içinde yıllık %32'lik bir bileşik büyüme oranıyla 2 trilyon dolara ulaşması bekleniyor. AMD'nin tahmini daha yüksek, şirket 2027'ye kadar GPU yonga pazarının 4 trilyon dolara ulaşacağını öngörüyor.
Resim kaynağı:
Yapay zeka ve diğer hesaplama yoğun iş yükleri (örneğin, AR / VR renderlama gibi) patlayıcı bir şekilde arttığı için, geleneksel bulut hesaplama ve öncü hesaplama pazarlarındaki yapısal verimsizlik sorunları açığa çıkmıştır. Teorik olarak merkezi olmayan bilgi işlem güç ağı, dağıtılmış boş bilgi işlem kaynaklarını kullanarak daha esnek, düşük maliyetli ve verimli çözümler sunarak, piyasanın büyük bilgi işlem kaynağı talebini karşılayabilir. Bu nedenle, kripto ve AI'nin birleşimi, büyük bir pazar potansiyeline sahip olsa da, aynı zamanda geleneksel işletmelerle yoğun rekabet, yüksek giriş engelleri ve karmaşık piyasa koşulları ile karşı karşıyadır. Genel olarak, tüm kripto yarışlarını incelediğimizde, merkezi olmayan bilgi işlem güç ağı, gerçek talep elde etmek için en umut verici dikey alanlardan biridir.
Kaynak:
Gelecek parlak, yol ise dolambaçlı. Yukarıdaki vizyona ulaşmak için, birçok sorunu çözmemiz gerekiyor. Genel olarak, şu anda sadece geleneksel bulut hizmeti sunarsak, proje kar marjı çok düşük olacaktır. Talep tarafından bakıldığında, büyük işletmeler genellikle kendi bilgi işlem gücünü oluştururken, saf C tüketici geliştiricilerin çoğu bulut hizmetini tercih edecektir. Gerçekten merkeziyetsiz bilgi işlem gücü ağ kaynaklarını kullanan küçük ve orta ölçekli işletmelerin istikrarlı bir talebi olup olmadığını daha fazla keşfetmek ve doğrulamak gerekiyor. Diğer taraftan, yapay zeka, çok geniş bir pazarı olan yüksek bir potansiyele sahip, daha geniş bir pazar için, gelecekte merkeziyetsiz bilgi işlem hizmet sağlayıcılarının model / yapay zeka hizmetlerine dönüşmesi gerekecek, daha fazla crypto + AI kullanım senaryosu keşfetmeleri ve proje tarafından yaratılabilecek değeri genişletmeleri gerekecektir. Ancak şu anda, yapay zeka alanına daha fazla gelişme sağlamak için birçok sorun ve zorluk bulunmaktadır.
Fiyat avantajı belirgin değil: Önceki verilerin karşılaştırılmasıyla, merkeziyetsiz bilgi işlem gücü ağının maliyet avantajı gözlemlenmedi. Muhtemel nedenlerden biri, büyük talep gören H 100, A 100 vb. profesyonel yongalar için, piyasa mekanizması tarafından bu donanımların fiyatlarının ucuzlamayacağıdır. Ayrıca, merkeziyetsiz ağ, boşta olan bilgi işlem kaynaklarını toplayabilse de, merkeziyetsizliğin getirdiği ölçek ekonomisi etkilerinin eksikliği, yüksek ağ ve bant genişliği maliyetleri, büyük yönetim ve işletme karmaşıklığı gibi görünmeyen maliyetler, bilgi işlem maliyetlerini daha da artırabilir.
Yapay zeka eğitiminin özelliği: Yapay zeka eğitimi için ademi merkeziyetçiliğin kullanılması bu aşamada büyük bir teknik darboğaza sahiptir. Bu darboğaz, GPU'nun önce önceden işlenmiş veri grubunu aldığı ve gradyanlar oluşturmak için ileriye doğru yayılma ve Ters yayılma hesaplamaları gerçekleştirdiği GPU iş akışında belirgindir. Ardından, her GPU gradyanı toplar ve tüm GPU'ların senkronize olduğundan emin olmak için model parametrelerini günceller. Bu işlem, tüm eğitim grupları tamamlanana veya önceden belirlenmiş bir tur sayısına ulaşılana kadar tekrarlanacaktır. Bu işlem çok fazla veri aktarımı ve senkronizasyonu içerir. Ne tür paralel ve senkronizasyon stratejilerinin kullanılacağı, ağ bant genişliğinin ve gecikme süresi nasıl optimize edileceği ve iletişim maliyetlerinin nasıl düşüş edileceği gibi sorular henüz tam olarak cevaplanmamıştır. Bu aşamada, yapay zekayı eğitmek için Merkeziyetsizlik Bilgi İşlem Gücü ağları kullanmak pratik değildir.
Veri Güvenliği ve Gizlilik: Büyük dil modellerinin eğitim sürecinde, veri işleme ve iletimiyle ilgili adımlar, veri dağıtımı, model eğitimi, parametre ve gradyan birleştirme gibi adımlar veri güvenliği ve gizliliğini etkileyebilir. Ayrıca, veri gizlilik paraya model gizliliğinden daha da önemlidir. Veri gizliliği sorununu çözemezsek, talep tarafında gerçek ölçekte bir yaygınlaştırma mümkün olmayacaktır.
En gerçekçi açıdan düşünüldüğünde, merkeziyetsiz bir bilgi işlem gücü ağı, hem mevcut gereksinimleri keşfetmeyi hem de gelecekteki pazar alanlarını dikkate almayı gerektirir. Ürün konumlandırmasını ve hedef müşteri kitlesini doğru belirlemek, örneğin öncelikle yapay zeka veya Web3 doğal projelerine odaklanmak, daha kenar taleplerden başlayarak erken kullanıcı tabanını oluşturmak için önemlidir. Aynı zamanda, AI ve crypto'nun bir araya geldiği çeşitli senaryoları keşfetmek, teknoloji öncüleri keşfetmek ve hizmet dönüşümünü yükseltmek için sürekli araştırmalar yapmak gerekir.
Referans malzemesi
caff.com/zh/archives/17351? ref= 1554
View Original
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
Kenarda Doğanlar: Merkeziyetsiz Bilgi İşlem Gücü Ağı, Crypto ve AI'ye Nasıl Güç Kazandırıyor?
Yazar: Jane Doe, Chen Li
Kaynak: Youbi Capital
1 AI ve Kripto'nun Kesişim Noktası
23 Mayıs'ta çip devi Nvidia, 2025 mali yılının birinci çeyrek mali raporunu yayınladı. Rapor, Nvidia'nın birinci çeyrek gelirinin 26 milyar dolar olduğunu gösteriyor. Bunların içinde, veri merkezi geliri geçen yıla göre %427 artarak şaşırtıcı bir 22.6 milyar dolara ulaştı. Nvidia'nın finansal performansı, Aİ yarışında rekabet etmek için küresel teknoloji şirketlerinin patlayan bilgi işlem gücü ihtiyacının bir yansımasıdır. En üst düzey teknoloji şirketleri, Aİ yarışında yer alma hırsıyla, benzer şekilde, bilgi işlem gücüne olan ihtiyaçları da üst seviyelerde artmaktadır. TrendForce'un tahminine göre, 2024 yılında ABD'nin dört büyük ana bulut servis sağlayıcısı olan Microsoft, Google, AWS ve Meta'nın, yüksek uçlu Aİ sunucuları için taleplerinin, küresel talebin sırasıyla %20,2'sini, %16,6'sını, %16'sını ve %10,8'ini oluşturması bekleniyor, toplamda %60'ı aşacak.
Kaynak:
「Yonga kıtlığı」 son birkaç yılın yıllık popüler kavramı oldu. Bir yandan, büyük dil modellerinin (LLM) eğitimi ve çıkarımı için büyük miktarda bilgi işlem gücüne ihtiyaç duyulur; ve modelin iterasyonuyla birlikte, bilgi işlem maliyeti ve talep üstel olarak artar. Diğer yandan, Meta gibi büyük şirketler, büyük miktarda yonga satın alır ve küresel bilgi işlem kaynakları bu teknoloji devlerine eğilir, böylece küçük işletmelerin gerekli bilgi işlem kaynaklarına ulaşması giderek zorlaşır. Küçük işletmelerin karşılaştığı zorluklar, artan talep nedeniyle yonga arzının yetersiz olması ve arzın yapısal çelişkilerinden kaynaklanır. Şu anda, arz tarafında, bazı veri merkezlerinde kullanım oranı sadece %12 - 18 olan birçok boş GPU bulunmaktadır, kripto madenciliği nedeniyle kar düşüşüyle birlikte birçok boş bilgi işlem kaynağı ortaya çıkar. Bu bilgi işlem gücünün tamamı AI eğitimi gibi profesyonel uygulama alanları için uygun olmasa da, tüketici seviyesi donanımı AI çıkarımı, bulut oyun renderleme, bulut telefon vb. alanlarda hala büyük bir rol oynayabilir. Bu bilgi işlem kaynaklarını entegre etmek ve kullanmak için büyük bir fırsat vardır.
şifreleme piyasasında üç yıllık sessizliğin ardından, odağı yapay zekadan kriptoya kaydırarak, Bitcoin fiyatlarının yeni zirvelere ulaşması ve çeşitli memecoin'lerin birbiri ardına ortaya çıkmasıyla nihayet başka bir Boğa Piyasası turu başladı. **Yapay zeka ve Kripto uzun yıllardır moda kelime olarak popüler olsa da, iki önemli teknoloji olarak yapay zeka ve Blok Zinciri iki paralel çizgi gibidir ve long bir süredir bir "kesişim" bulamamıştır. Bu yılın başlarında Vitalik, AI ve kriptonun geleceğini tartışan "Kripto + AI uygulamalarının vaadi ve zorlukları" başlıklı bir makale yayınladı. Vitalik, makalede yapay zekayı merkeziyetsiz hale getirmek, makine öğreniminin kara kutusunu açmak ve yapay zeka modellerini daha güvenilmez hale getirmek için blok zinciri ve MPC gibi şifreleme teknolojileri kullanan eğitim ve çıkarım da dahil olmak üzere özlem uyandıran fikirlerden bahsetti. Bu vizyonların gerçekleşmesi için hala long bir yol var. Ancak Vitalik'in bahsettiği kullanım durumlarından biri, yapay zekayı güçlendirmek için kriptonun ekonomik teşviklerini kullanmak, aynı zamanda short bir süre içinde ulaşılabilecek önemli bir yöndür. Merkeziyetsizlik Bilgi İşlem Gücü ağı, bu aşamada AI + kripto için en uygun senaryolardan biridir. **
2 Merkeziyetsizlik Bilgi İşlem Gücü Ağı
Şu anda, merkeziyetsiz bilgi işlem gücü ağının yarışında birçok proje geliştiriliyor. Bu projelerin temel mantığı benzerdir ve şu şekilde özetlenebilir: Token kullanarak bilgi işlem gücü sahiplerini ağa katılmaya teşvik eder, bu dağılmış bilgi işlem kaynakları, belirli bir ölçekte merkeziyetsiz bir bilgi işlem gücü ağına dönüşebilir. Bu, boşta olan bilgi işlem gücünün kullanım oranını artırmakla kalmaz, aynı zamanda müşterilerin bilgi işlem ihtiyaçlarını daha düşük maliyetle karşılamak ve alıcı ve satıcı tarafın kazanç sağlamasını sağlar.
Okuyucuların bu alandaki genel bir anlayışa kısa sürede sahip olmasını sağlamak için, bu makale, mikro ve makro perspektiflerden belirli projeleri ve tüm alana yönelik bir analiz sunmayı amaçlamaktadır. Okuyuculara her projenin temel rekabet avantajını ve merkeziyetsizlik bilgi işlem gücü alanının genel gelişim durumunu anlamak için bir analiz bakış açısı sağlamayı hedeflemektedir. Yazar, Aethir, io.net, Render Network, Akash Network, Gensyn olmak üzere beş projeyi tanıtacak ve analiz edecek ve projelerin durumunu ve alanın gelişimini özetleyecek ve değerlendirecektir.
Analiz çerçevesinden bakıldığında, belirli bir merkeziyetsiz bilgi işlem gücü ağına odaklanırsak, onu dört temel bileşenine ayırabiliriz:
Eğer tüm Merkeziyetsiz Bilgi İşlem Gücü yarışını genel olarak inceleyecek olursak, Blockworks Research'in araştırma raporu iyi bir analiz çerçevesi sunmaktadır ve bu yarıştaki projeleri üç farklı katmana ayırabiliriz.
Resim kaynağı: Youbi Capital
Yukarıdaki iki analiz çerçevesine göre, seçilen beş projeyi yatay olarak karşılaştıracağız ve çekirdek iş, pazar konumu, donanım tesisleri ve mali performans olmak üzere dört yönden değerlendireceğiz.
2.1 Temel İş
Temel mantık açısından, Merkeziyetsizlik Bilgi İşlem Gücü ağı oldukça homojendir, yani token, boşta kalan Bilgi İşlem Gücü sahiplerini Bilgi İşlem Gücü hizmetler sunmaya teşvik etmek için kullanılır. Bu temel mantığa odaklanarak, projenin ana işindeki farklılıkları üç açıdan anlayabiliriz:
2.2 Pazar Konumlandırması
Proje konumlandırması açısından, bare metal katmanı, orkestrasyon katmanı ve birleştirme katmanı farklı temel sorunları çözmek, odaklanma noktalarını optimize etmek ve değer yakalamak için farklı yeteneklere sahiptir.
2.3 Donanım Tesisleri
2.4 Finansal Performans
2.5 Özet
3 Kapanış düşünceleri
Yapay zekânın patlayıcı şekilde yükselişi, işlem gücüne olan muazzam talebi kaçınılmaz kılıyor. 2012'den bu yana yapay zeka eğitim görevlerinde kullanılan işlem gücü, üstel bir artış gösteriyor; şu anki hızıyla her 3.5 ayda bir katına çıkıyor (buna karşılık, Moore'un Yasası her 18 ayda bir katına çıkar). 2012'den bu yana işlem gücüne olan talep 300.000 kat arttı, Moore'un Yasası'nın 12 kat artışını aştı. Tahminlere göre, GPU pazarının önümüzdeki beş yıl içinde yıllık %32'lik bir bileşik büyüme oranıyla 2 trilyon dolara ulaşması bekleniyor. AMD'nin tahmini daha yüksek, şirket 2027'ye kadar GPU yonga pazarının 4 trilyon dolara ulaşacağını öngörüyor.
Resim kaynağı:
Yapay zeka ve diğer hesaplama yoğun iş yükleri (örneğin, AR / VR renderlama gibi) patlayıcı bir şekilde arttığı için, geleneksel bulut hesaplama ve öncü hesaplama pazarlarındaki yapısal verimsizlik sorunları açığa çıkmıştır. Teorik olarak merkezi olmayan bilgi işlem güç ağı, dağıtılmış boş bilgi işlem kaynaklarını kullanarak daha esnek, düşük maliyetli ve verimli çözümler sunarak, piyasanın büyük bilgi işlem kaynağı talebini karşılayabilir. Bu nedenle, kripto ve AI'nin birleşimi, büyük bir pazar potansiyeline sahip olsa da, aynı zamanda geleneksel işletmelerle yoğun rekabet, yüksek giriş engelleri ve karmaşık piyasa koşulları ile karşı karşıyadır. Genel olarak, tüm kripto yarışlarını incelediğimizde, merkezi olmayan bilgi işlem güç ağı, gerçek talep elde etmek için en umut verici dikey alanlardan biridir.
Kaynak:
Gelecek parlak, yol ise dolambaçlı. Yukarıdaki vizyona ulaşmak için, birçok sorunu çözmemiz gerekiyor. Genel olarak, şu anda sadece geleneksel bulut hizmeti sunarsak, proje kar marjı çok düşük olacaktır. Talep tarafından bakıldığında, büyük işletmeler genellikle kendi bilgi işlem gücünü oluştururken, saf C tüketici geliştiricilerin çoğu bulut hizmetini tercih edecektir. Gerçekten merkeziyetsiz bilgi işlem gücü ağ kaynaklarını kullanan küçük ve orta ölçekli işletmelerin istikrarlı bir talebi olup olmadığını daha fazla keşfetmek ve doğrulamak gerekiyor. Diğer taraftan, yapay zeka, çok geniş bir pazarı olan yüksek bir potansiyele sahip, daha geniş bir pazar için, gelecekte merkeziyetsiz bilgi işlem hizmet sağlayıcılarının model / yapay zeka hizmetlerine dönüşmesi gerekecek, daha fazla crypto + AI kullanım senaryosu keşfetmeleri ve proje tarafından yaratılabilecek değeri genişletmeleri gerekecektir. Ancak şu anda, yapay zeka alanına daha fazla gelişme sağlamak için birçok sorun ve zorluk bulunmaktadır.
En gerçekçi açıdan düşünüldüğünde, merkeziyetsiz bir bilgi işlem gücü ağı, hem mevcut gereksinimleri keşfetmeyi hem de gelecekteki pazar alanlarını dikkate almayı gerektirir. Ürün konumlandırmasını ve hedef müşteri kitlesini doğru belirlemek, örneğin öncelikle yapay zeka veya Web3 doğal projelerine odaklanmak, daha kenar taleplerden başlayarak erken kullanıcı tabanını oluşturmak için önemlidir. Aynı zamanda, AI ve crypto'nun bir araya geldiği çeşitli senaryoları keşfetmek, teknoloji öncüleri keşfetmek ve hizmet dönüşümünü yükseltmek için sürekli araştırmalar yapmak gerekir.
Referans malzemesi
caff.com/zh/archives/17351? ref= 1554