مقدمة

في مقالتي السابقة، ذكرت أنه بالمقارنة مع الدورتين السابقتين، يفتقد سوق الثيران الرقمية هذا دورة إلى سرد قصص جديدة تؤثر في الأعمال والأصول. الذكاء الاصطناعي هو واحد من السرد الجديد في هذه الجولة من مجال الويب3. في هذه المقالة، سأجمع بين مشروع الذكاء الاصطناعي الساخن لهذا العام، IO.NET، لأفكر في القضيتين التاليتين:

1. ضرورة AI+Web3 في الأعمال التجارية

2. ضرورة وتحديات خدمات الحوسبة الموزعة

وبالإضافة إلى ذلك، سأقوم بتنظيم المعلومات الرئيسية للمشروع الرمزي في مجال الحوسبة الموزعة للذكاء الاصطناعي: مشروع IO.NET، بما في ذلك منطق المنتج، والوضع التنافسي، وخلفية المشروع. سأقوم أيضًا بالتفصيل في تقييم المشروع.

كانت جزء من هذا المقال حول توحيد الذكاء الاصطناعي و Web3 مستوحاة من “The Real Merge” المكتوبة من قبل الباحث في Delphi Digital Michael Rinko. بعض الآراء في هذا المقال تقتبس من وتلخص تلك الورقة، وأنصح القراء بالرجوع إلى النص الأصلي.

يمثل هذا المقال أفكاري الوسيطة حتى تاريخ نشره. قد تتغير الحالة في المستقبل، والآراء لها طابع شخصي قوي. قد تحتوي أيضًا على أخطاء وقد تحتوي على أخطاء حقيقية أو بيانات أو استدلال. يرجى عدم استخدام هذا كنصيحة استثمارية، وأرحب بالانتقادات والنقاش من نظرائي.

النص التالي هو النص الرئيسي.

1. البنية التحتية التجارية: تقاطع الذكاء الاصطناعي والويب3

1.1 2023: العام الجديد الذي تم إنشاؤه بواسطة الذكاء الاصطناعي

نعود إلى تاريخ الإنسان، فور حدوث اختراق في التكنولوجيا، يتعرض كل شيء من الحياة اليومية للفرد، إلى المناظر الصناعية المختلفة، وحتى حضارة البشرية بأكملها، لتغيرات ثورية.

هناك عامان مهمان في تاريخ البشرية، وهما عام 1666 وعام 1905، واللذان يُشار إليهما الآن باسم العامين العظيمين "السنتان المعجزتان" في تاريخ التكنولوجيا.

يعتبر العام 1666 عامًا معجزة لأن إنجازات نيوتن العلمية ظهرت بشكل بارز خلال هذا الوقت. في ذلك العام، رسخ فرع الفيزياء المعروف باسم البصريات، وأسس فرع الرياضيات المعروف باسم الاستدلال، واشتق قانون الجاذبية، وهو قانون أساسي في العلوم الطبيعية الحديثة. كان كل من هذه الإنجازات مساهمة أساسية في التطور العلمي للإنسانية للقرن التالي، مما أسرع بشكل كبير من التقدم العام للعلوم.

كانت السنة المعجزة الثانية عام 1905 ، عندما نشر أينشتاين ، البالغ من العمر 26 عاما فقط ، أربع أوراق متتالية في "حوليات الفيزياء" ، تغطي التأثير الكهروضوئي (وضع الأساس لميكانيكا الكم) ، والحركة البراونية (أصبحت مرجعا حاسما لتحليل العمليات العشوائية) ، ونظرية النسبية الخاصة ، ومعادلة الكتلة والطاقة (الصيغة الشهيرة E = MC ^ 2). في التقييمات اللاحقة ، اعتبرت كل من هذه الأوراق تتجاوز المستوى المتوسط لجائزة نوبل في الفيزياء (حصل أينشتاين نفسه أيضا على جائزة نوبل عن ورقته حول التأثير الكهروضوئي) ، ومرة أخرى ، اتخذ التقدم التاريخي للحضارة الإنسانية عدة قفزات عملاقة إلى الأمام.

يُحتمل أن يُطلَق على العام 2023 الذي مرّ مؤخرًا لقب "عام العجائب" آخر نظرًا لـ ChatGPT.

نعتبر عام 2023 عامًا آخر "عام عجائبي" في تاريخ التكنولوجيا البشرية ليس فقط بسبب التقدم الكبير الذي حققته GPT في فهم اللغة الطبيعية وإنشائها ولكن أيضًا لأن البشرية قد فكت رموز نمط النمو للنماذج اللغوية الكبيرة من تطور GPT - وهذا يعني، من خلال توسيع معلمات النموذج وبيانات التدريب، يمكن تعزيز قدرات النموذج بشكل هائل - وهذه العملية لا تواجه حاجزًا قصير الأجل (طالما كان هناك قدر كاف من الطاقة الحاسوبية).

تمتد هذه القدرة إلى ما هو أبعد من فهم اللغة وتوليد الحوار وتستخدم على نطاق واسع في مختلف المجالات التكنولوجية. على سبيل المثال ، في المجال البيولوجي في عام 2018 ، قال الحائز على جائزة نوبل في الكيمياء ، فرانسيس أرنولد ، خلال حفل توزيع الجوائز ، "اليوم ، في التطبيقات العملية ، يمكننا قراءة وكتابة وتحرير أي تسلسل للحمض النووي ، لكننا ما زلنا غير قادرين على تكوينه". بعد خمس سنوات فقط من خطابها ، في عام 2023 ، نشر باحثون من جامعة ستانفورد و Salesforce Research في وادي السيليكون ورقة في "Nature Biotechnology". لقد أنشأوا 1 مليون بروتين جديد من الصفر باستخدام نموذج لغوي كبير تم ضبطه بدقة من GPT3 وحددوا بروتينين لهما هياكل متميزة ، كلاهما يتمتع بقدرات مضادة للبكتيريا ، مما قد يصبح حلا جديدا لمكافحة البكتيريا بخلاف المضادات الحيوية. هذا يدل على أن عنق الزجاجة في "خلق" البروتين قد تم كسره بمساعدة الذكاء الاصطناعي.

علاوة على ذلك، تنبأ خوارزمية الذكاء الاصطناعي AlphaFold بتراكيب ما يقرب من 214 مليون بروتين على الأرض في غضون 18 شهرًا، إنجاز يفوق نتائج جميع علماء البيولوجيا الهيكلية في التاريخ بمئات المرات.

مع نماذج قائمة على الذكاء الاصطناعي في التكنولوجيا الحيوية وعلوم المواد وتطوير الأدوية وغيرها من العلوم الصعبة، فضلاً عن العلوم الإنسانية مثل القانون والفن، فإن تحولًا ثوريًا لا مفر منه، وعام 2023 هو فعلا العام الأولي لكل هذه التطورات.

كما نعلم جميعًا، في القرن الماضي، نمت إنشاءات الثروة البشرية بشكل هائل، وستسرع التكنولوجيا الذكية المتقدمة بدون شك هذه العملية بشكل أكبر.

رسم بياني لاتجاه الناتج المحلي الإجمالي العالمي، مصدر البيانات: البنك الدولي

1.2 تكامل الذكاء الاصطناعي والعملات المشفرة

لفهم ضرورة دمج الذكاء الاصطناعي والعملات المشفرة بشكل جوهري، يمكننا البدء من خصائصهم المكملة.

السمات المكملة للذكاء الاصطناعي والعملات المشفرة

تمتلك الذكاء الاصطناعي ثلاث سمات:

1. عشوائية: يظهر الذكاء الاصطناعي العشوائية؛ الآلية الكامنة وراء إنتاج محتواه هي صندوق أسود يصعب تكراره وفحصه، وبالتالي النتائج أيضًا عشوائية.

2. مُستهلك للموارد: صناعة الذكاء الاصطناعي مكلفة من حيث الموارد وتتطلب كميات كبيرة من الطاقة والرقائق والطاقة الحسابية.

3. ذكاء شبيه بالإنسان: سيكون بمقدور الذكاء الاصطناعي قريبًا اجتياز اختبار تورينج، مما يجعل من الصعب بعد ذلك التمييز بين البشر والآلات.

في 30 أكتوبر 2023، أصدر فريق بحثي من جامعة كاليفورنيا، سان دييغو نتائج اختبار تورينغ لـ GPT-3.5 و GPT-4.0. حصل GPT-4.0 على نسبة 41%، على بُعد 9% فقط من العلامة المرورية البالغة 50%، مع تحقيق المشاركون البشر نسبة 63%. معنى هذا الاختبار هو النسبة المئوية للأشخاص الذين يعتقدون أن شريكهم الحواري هو إنسان. إذا كان أكثر من 50% يعتقدون ذلك، فإن ذلك يدل على أن نصف الأشخاص على الأقل يعتبرون الكيان الحواري إنسانًا، وليس آلة، وبالتالي يُعتبر أنها اجتازت اختبار تورينغ.

بينما تخلق الذكاء الاصطناعي انتاجية جديدة مبهرة للبشرية، إلا أن ثلاث سمات له أيضًا تُعيِّق تحديات كبيرة للمجتمع البشري، بما في ذلك:

• كيفية التحقق والتحكم في عشوائية الذكاء الاصطناعي، تحويل العشوائية من عيب إلى ميزة.

• كيفية تلبية احتياجات الطاقة الكبيرة والقوة الحسابية للذكاء الاصطناعي.

• كيفية التمييز بين البشر والآلات.

قد تكون اقتصاديات العملات المشفرة والبلوكشين علاجًا للتحديات التي يواجهها الذكاء الاصطناعي. يتمتع الاقتصاد التشفيري بالخصائص الثلاث التالية:

1. التحديدية: تعتمد العمليات التجارية على تقنية البلوكشين والشيفرة والعقود الذكية، مع قواعد وحدود واضحة؛ الإدخال يحدد النتيجة، مما يضمن تحقيق تحدد عالي.

2. تخصيص الموارد بكفاءة: الاقتصاد الرقمي بنى سوقًا حرًا عالميًا ضخمًا حيث تكون تسعير السلع والتمويل ودوران الموارد سريعة للغاية. نظرًا لوجود الرموز، يمكن للحوافز تسريع تطابق عرض السوق والطلب، والوصول إلى نقاط حرجة بشكل أسرع.

3. غير موثوق به:مع السجلات العامة والشفرة المفتوحة المصدر، يمكن للجميع التحقق بسهولة من العمليات، مما يؤدي إلى نظام "بلا ثقة". علاوة على ذلك، تقنية ZK (Zero-Knowledge) تجنب تعريض الخصوصية أثناء التحقق.

دعونا نوضح التكامل بين الذكاء الاصطناعي والاقتصاد الرقمي بثلاثة أمثلة.

مثال أ: معالجة العشوائية، وكلاء الذكاء الاصطناعي القائمة على الاقتصاد الرقمي

الوكلاء الذكاء الاصطناعي، مثل تلك التي تأتي من Fetch.AI، مصممة للعمل بناءً على إرادة الإنسان وأداء المهام نيابة عنه. إذا أردنا من وكيل الذكاء الاصطناعي لدينا التعامل مع عملية مالية، مثل "شراء 1000 دولار من بيتكوين"، فقد يواجه سيناريوهين:

• سيناريو واحد: إنه يحتاج إلى التكامل مع المؤسسات المالية التقليدية (مثل BlackRock) لشراء صناديق الاستثمار المتداولة للبيتكوين (BTC ETFs)، مواجهة العديد من مشكلات التوافق مع وكلاء الذكاء الاصطناعي والمؤسسات المركزية، مثل إجراءات معرفة العميل (KYC) ومراجعة الوثائق وتسجيل الدخول والتحقق من الهوية، والتي تعتبر حاليًا مُرهقة للغاية.

• سيناريو اثنين: يعمل استنادًا إلى الاقتصاد اللامركزي، والذي هو أبسط بكثير؛ يمكنه تنفيذ المعاملات مباشرةً من خلال Uniswap أو منصة تداول مجمعة مماثلة باستخدام توقيع حسابك، واستكمال المعاملة بسرعة وبسهولة لاستلام WBTC (أو شكل آخر من أشكال البيتكوين الملفوف). هذا هو ببساطة ما يقوم به مختلف الروبوتات التجارية بالفعل، على الرغم من أنها تركز حاليًا فقط على التداول. مع دمج الذكاء الاصطناعي وتطوره، ستكون روبوتات التداول المستقبلية بالتأكيد قادرة على تنفيذ نوايا تداول أكثر تعقيدًا، مثل تتبع استراتيجيات التداول ونسب نجاح 100 عنوان للأموال الذكية على سلسلة الكتل، وتنفيذ معاملات مماثلة بنسبة 10٪ من أموالي على مدى أسبوع، وإيقاف وتلخيص أسباب الفشل في حال كانت النتائج غير مرضية.

تؤدي الذكاء الاصطناعي بشكل أفضل داخل أنظمة البلوكتشين بشكل أساسي بسبب وضوح قواعد الاقتصاد الرقمي والوصول غير المقيد إلى النظام. ضمن هذه القواعد المحددة، يتم تقليل المخاطر المحتملة التي يمكن أن يحدثها العشوائية في الذكاء الاصطناعي. على سبيل المثال، فقد حقق الذكاء الاصطناعي أداءً أفضل من البشر بالفعل في ألعاب الورق وألعاب الفيديو بسبب الحاوية المغلقة والواضحة للقواعد. ومع ذلك، تكمن التحديات في التقدم في مجال القيادة الذاتية بشكل نسبي بسبب تحديات البيئة الخارجية المفتوحة، ونحن أقل تسامحًا مع العشوائية في حل مشاكل الذكاء الاصطناعي في مثل هذه الإعدادات.

مثال B: تشكيل الموارد من خلال حوافز الرموز

الشبكة العالمية التي تقف وراء BTC، بمعدل تجزئة إجمالي حالي يبلغ 576.70 EH/s، تتجاوز القوة الحسابية المجتمعة لأي كمبيوتر فائق السرعة في أي دولة. تطويرها يدفعه حافز شبكة بسيط وعادل.

اتجاه قوة حوسبة شبكة BTC، المصدر: https://www.coinwarz.com/

بالإضافة إلى ذلك، تحاول المشاريع بما في ذلك DePIN للهواتف المحمولة تشكيل سوق ذو جانبين للعرض والطلب من خلال حوافز العملة المشفرة، بهدف تحقيق تأثيرات الشبكة. تتمحور مناقشة النقاط التالية في هذا المقال حول IO.NET، وهي منصة مصممة لتجميع قوة الحوسبة الذكية الاصطناعية، على أمل إطلاق المزيد من الإمكانات الذكاء الاصطناعي من خلال نموذج العملة المشفرة.

المثال ج: تعريف الشفرة المفتوحة، ومقدمة لدليل الصفر المعرفي (ZK) للتمييز بين البشر والآلات مع حماية الخصوصية

كمشروع Web3 يتضمن مشروع Worldcoin الذي يشارك فيه مؤسس OpenAI سام ألتمان، يستخدم جهازًا عتاديًا يُسمى Orb، الذي يولد قيمة تجزئة فريدة ومجهولة بناءً على بيانات حيوية للقزحية البشرية من خلال تقنية ZK للتحقق من الهوية والتمييز بين البشر والآلات. في بداية مارس هذا العام، بدأ مشروع الفن Web3 Drip باستخدام هوية Worldcoin للتحقق من مستخدمي البشر الحقيقيين وتوزيع المكافآت.

وعلاوة على ذلك، قامت شركة Worldcoin مؤخرًا بنشر برنامج تشغيل أجهزة التعرف على القزحية Orb الخاص بها، مما يضمن أمان وخصوصية بيانات المستخدم البيومترية.

بشكل عام، أصبحت الاقتصادية الرقمية حلاً محتملاً مهماً للتحديات التي يطرحها الذكاء الاصطناعي على المجتمع البشري، نظرًا ليقين الرمز والتشفير، ومزايا دورة الموارد وجمع التبرعات التي جلبتها آليات العملة، وطبيعتها غير المعتمدة على الثقة بناءً على الرموز مفتوحة المصدر والدفاتر العامة.

أكثر التحديات العاجلة والتجارية المطلوبة هي الجوع الشديد للموارد الحسابية من قبل منتجات الذكاء الاصطناعي، التي تدور حول الطلب الهائل على الرقائق والطاقة الحسابية.

هذا هو أيضًا السبب الرئيسي في أن مشاريع الحوسبة الموزعة قادت المسار العام للذكاء الاصطناعي في هذا الدورة السوقية الصاعدة.

ضرورة التجارية للحوسبة اللامركزية

تتطلب الذكاء الاصطناعي موارد حوسبة كبيرة، سواء لتدريب النماذج أو للاستدلال.

في ممارسة تدريب النماذج اللغوية الكبيرة، تم تأكيد أنه طالما كانت مقياس معلمات البيانات كافياً كبيراً، فإن قدرات جديدة تظهر لم تكن موجودة من قبل. تُظهر كل جيل من GPT قفزة زائدة بشكل متسارع في القدرات مقارنة بسلفه، مدعومة بنمو متسارع في حجم الحسابات اللازم لتدريب النموذج.

أظهرت الأبحاث التي أجرتها DeepMind وجامعة ستانفورد أن نماذج اللغة الكبيرة المختلفة، عند مواجهة مهام مختلفة (الحساب، السؤال والإجابة بالفارسية، فهم اللغة الطبيعية، إلخ)، تؤدي بشكل مماثل إلى الإجابات العشوائية حتى يصل التدريب إلى أقل من 10^22 FLOPs (تعني عمليات النقطة العائمة في الثانية، وهي مقياس للأداء الحسابي)؛ ومع ذلك، بمجرد تجاوز مقياس المعلمات لهذا الحد الحرج، يتحسن أداء أي مهمة بشكل ملحوظ، بغض النظر عن نموذج اللغة.

المصدر: القدرات الناشئة لنماذج اللغة الكبيرة

القدرات الناشئة لنماذج اللغة الكبيرة

إنه بالضبط مبدأ "تحقيق المعجزات بقوة حوسبة كبيرة" والتحقق العملي منه الذي دفع سام ألتمان، مؤسس OpenAI، إلى اقتراح جمع 7 تريليون دولار أمريكي لبناء مصنع رقاقات متقدم يبلغ عشر مرات حجم TSMC الحالي. من المتوقع أن يتم إنفاق 1.5 تريليون دولار على هذا الجزء، مع استخدام الأموال المتبقية لإنتاج الرقائق وتدريب النماذج.

بالإضافة إلى تدريب نماذج الذكاء الاصطناعي، يتطلب عملية الاستدلال ذاتها للنماذج قدرة حوسبة كبيرة أيضا، على الرغم من أنها أقل بكثير مما هو مطلوب للتدريب. ولذلك، أصبح الشغف بالرقائق وقوة الحوسبة أمراً عادياً بين منافسي الذكاء الاصطناعي.

بالمقارنة مع مزودي خدمات الحوسبة الذكية المركزية مثل خدمات ويب أمازون ومنصة Google Cloud وAzure التابعة لشركة Microsoft، فإن القيم الرئيسية للحوسبة الذكية الموزعة تشمل:

• قابلية الوصول: يستغرق الوصول إلى رقائق الحوسبة من خلال خدمات السحابة مثل AWS، GCP، أو Azure عادة أسابيع، وغالبا ما تكون طرازات وحدة معالجة الرسومات الشهيرة غير متوفرة. علاوة على ذلك، للحصول على قوة الحوسبة، غالبا ما يحتاج المستهلكون إلى توقيع عقود طويلة الأمد وغير قابلة للتعديل مع هذه الشركات الكبيرة. على النقيض من ذلك، يمكن لمنصات الحوسبة الموزعة توفير خيارات أجهزة مرنة مع قابلية الوصول الأكبر.
• تخفيض الأسعار: من خلال استخدام رقائق الخمول، جنبًا إلى جنب مع المنح الرمزية من بروتوكول الشبكة إلى مزودي رقائق وطاقة الحساب، قد تقدم شبكات الحوسبة الموزعة طاقة حسابية أكثر توفرًا.
• مقاومة الرقابة: حاليًا، يتم استبدال رقائق الحوسبة والإمدادات المتطورة من قبل الشركات التكنولوجية الكبيرة. بالإضافة إلى ذلك، تزيد الحكومات بقيادة الولايات المتحدة من الرقابة على خدمات الحوسبة الذكية. إن القدرة على الحصول على قوة الحوسبة بطريقة موزعة، مرنة، ومجانية تصبح طلبًا واضحًا، وهو أيضًا عرض قيمة أساسي لمنصات خدمات الحوسبة القائمة على web3.

إذا كانت الوقود الأحفوريّة هي دم العصر الصناعي، فإن قوة الحوسبة ستكون على الأرجح دم العصر الرقمي الجديد الذي يعلنه الذكاء الاصطناعي، حيث يصبح توفير قوة الحوسبة البنية التحتية لعصر الذكاء الاصطناعي. تماما كما أصبحت العملات المستقرة فرعا قويا للعملات القانونية في عصر الويب3، هل يمكن أن يصبح سوق الحوسبة الموزعة فرعا سريع النمو لسوق الحوسبة الذكية؟

نظرًا لأن هذا لا يزال سوقًا مبكرًا نسبيًا، فإن كل شيء لا يزال تحت المراقبة. ومع ذلك، قد تحفز العوامل التالية بصورة محتملة السرد أو اعتماد السوق للحوسبة الموزعة:

• توتر مستمر في العرض والطلب على وحدات معالجة الرسومات. قد يشجع التوتر المستمر في عرض وحدات معالجة الرسومات بعض المطورين على اللجوء إلى منصات الحوسبة الموزعة.
• توسيع تنظيمي. يتطلب الوصول إلى خدمات الحوسبة الذكية من منصات الحوسبة السحابية الكبيرة إجراءات التحقق من الهوية والفحص الشامل. قد يشجع هذا بدلاً من ذلك اعتماد منصات الحوسبة الموزعة، خاصة في المناطق التي تواجه قيودًا وعقوبات.
• Token price incentives. دورات السوق الثورية وارتفاع أسعار العملات تزيد قيمة الدعم لجانب توريد وحدات المعالجة الرسومية، مما يجذب المزيد من الموردين إلى السوق، ويزيد من حجم السوق، ويقلل من السعر الفعلي للشراء للمستهلكين.

ومع ذلك، فإن التحديات التي تواجه منصات الحوسبة الموزعة واضحة أيضًا:

• التحديات التقنية والهندسية
• مشاكل دليل العمل: يتطلب حساب النماذج العميقة للتعلم العميق، بسبب هيكليتها التسلسلية حيث يعمل إخراج كل طبقة كمدخل للطبقة التالية، تنفيذ جميع الأعمال السابقة للتحقق من صحة الحساب. لا يمكن ببساطة التحقق بفعالية. لمعالجة هذه المشكلة، تحتاج منصات الحوسبة الموزعة إلى تطوير خوارزميات جديدة أو استخدام تقنيات التحقق التقريبية، التي يمكن أن توفر ضمانات احتمالية لصحة النتيجة، بدلاً من اليقين المطلق.
• تحديات التوازي: تجمع منصات الحوسبة الموزعة ذيل العرض الطويل لإمداد الرقائق، مما يعني أن الأجهزة الفردية يمكن أن توفر قدرة حوسبة محدودة فقط. يصعب على مورد الرقائق الفردية إكمال مهام تدريب أو استنتاج نموذج ذكاء اصطناعي بشكل مستقل في فترة قصيرة، لذلك يجب تفكيك المهام وتوزيعها من خلال التوازي لتقصير وقت الاكتمال الإجمالي. يواجه التوازي أيضًا بالضرورة مشاكل مثل كيفية تفكيك المهام (خاصة المهام المعقدة للتعلم العميق)، والتبعية البيانية، وتكاليف الاتصال الإضافية بين الأجهزة.
• قضايا حماية الخصوصية: كيفية ضمان عدم تعرض بيانات ونماذج الطرف الشرائي للمستلمين في المهمة؟

تحديات الامتثال التنظيمي

• نظرًا للطبيعة غير المرخص لها لأسواق العرض والتوريد المزدوجة لمنصات الحوسبة الموزعة، يمكن أن تجذب انتباه بعض العملاء كنقاط بيع. من ناحية أخرى، قد تصبح هدفًا للتنظيم الحكومي مع تحسين معايير التنظيم الذكي. بالإضافة إلى ذلك، قد يشعر بعض موردي وحدات المعالجة الرسومية بالقلق بشأن ما إذا كانت مواردهم الحسابية المؤجرة تُقدم للشركات أو الأفراد المحظورين.

بشكل عام، يتكون جمهور منصات الحوسبة الموزعة في الغالب من المطورين المحترفين أو المؤسسات الصغيرة إلى المتوسطة، على عكس مستثمري العملات المشفرة والعملات غير القابلة للاستبدال الذين يختلفون في توقعاتهم بشأن استقرار واستمرارية الخدمات المقدمة من قبل البروتوكول. قد لا يكون السعر دافعهم الرئيسي في اتخاذ القرار. في الوقت الحالي، يبدو أن منصات الحوسبة الموزعة لا تزال تحتاج إلى فترة زمنية طويلة لكسب موافقة مثل هؤلاء المستخدمين.

فيما يلي، سننظم ونحلل معلومات المشروع لمشروع حوسبة موزع جديد في هذا الدورة، IO.NET، ونقدر قيمته السوقية المحتملة بعد القيد، بناءً على المنافسين الحاليين في السوق في قطاعي الذكاء الاصطناعي والحوسبة الموزعة.

منصة حوسبة ذكاء اصطناعي موزعة: IO.NETمنصة حوسبة ذكاء اصطناعي موزعة: IO.NET

2.1 تحديد موقع المشروع

IO.NET هي شبكة حوسبة لامركزية أنشأت سوق ثنائي مركزي حول الرقائق. الجانب المعروض يتكون من رقائق (بشكل أساسي وحدات معالجة الرسومات، ولكن أيضًا وحدات المعالجة المركزية و وحدات المعالجة الرسومية المتكاملة لشركة Apple) موزعة على نطاق عالمي، بينما الجانب الطلبي يتألف من مهندسي الذكاء الاصطناعي الذين يسعون لأداء مهام تدريب النماذج الاصطناعية أو المهام الاستدلالية.

كما هو مذكور على موقع IO.NET الرسمي:

مهمتنا

تجميع مليون بطاقة رسومية في DePIN - شبكة البنية التحتية اللامركزية الفيزيائية.

المهمة هي دمج ملايين من وحدات المعالجة الرسومية في شبكة DePIN الخاصة بها.

بالمقارنة مع موفري خدمات الحوسبة السحابية الذكية الحاليين، يؤكد IO.NET على نقاط البيع الرئيسية التالية:

• تركيب مرن: يمكن لمهندسو الذكاء الاصطناعي اختيار الرقائق التي يحتاجونها بحرية ودمجها لتشكيل "المجموعات" لإكمال مهام الحساب الخاصة بهم.
• النشر السريع: يمكن إكمال النشر في ثوان، دون أسابيع من الموافقة والانتظار الذي يتطلبه عادة الموفرون المركزيون مثل AWS.
• خدمة فعالة من حيث التكلفة: تكلفة الخدمات تقل بنسبة 90% مقارنة بتلك المقدمة من مزودي الخدمات الرئيسيين.

بالإضافة إلى ذلك، تخطط IO.NET لإطلاق خدمات مثل متجر نماذج الذكاء الاصطناعي في المستقبل.

2.2 آلية المنتج والبيانات التجارية

آلية المنتج وتجربة النشر

مثل خدمة الحوسبة المقدمة من قبل IO.NET والتي تسمى IO Cloud ، IO Cloud هو شبكة موزعة ومركزية من الشرائح قادرة على تنفيذ رموز التعلم الآلي القائمة على لغة Python وتشغيل برامج الذكاء الاصطناعي والتعلم الآلي.

يُطلق على الوحدة التجارية الأساسية لـ IO Cloud اسم "المجموعات." المجموعات هي مجموعات من وحدات المعالجة الرسومية التي يمكن أن تنسق بشكل مستقل لإكمال المهام الحسابية. يمكن لمهندسي الذكاء الاصطناعي تخصيص مجموعاتهم المرغوبة بناءً على احتياجاتهم.

واجهة منتج IO.NET سهلة الاستخدام للغاية. إذا كنت بحاجة إلى نشر أنظمة تجميع الرقائق الخاصة بك لإكمال مهام الحوسبة الذكية، يمكنك البدء في تكوين أنظمة تجميع الرقائق المطلوبة بمجرد دخولك إلى صفحة منتجات الأنظمة المجمعة على موقعهم على الفور.

معلومات الصفحة: https://cloud.io.net/cloud/clusters/create-cluster، نفس الأمر أدناه

أولاً، تحتاج إلى تحديد سيناريو مشروعك، وحالياً، هناك ثلاثة أنواع متاحة:

1. عام (نوع عام): يوفر بيئة أكثر تعميمًا، مناسبة لمراحل المشروع الأولية عندما تكون احتياجات الموارد المحددة غير مؤكدة.

2. تدريب (نوع التدريب): مصمم لتدريب وضبط نماذج التعلم الآلي. تقدم هذه الخيارات موارد GPU إضافية، وسعة ذاكرة أعلى، و/أو اتصالات شبكية أسرع للتعامل مع هذه المهام الحسابية المكثفة.

3. الاستدلال (نوع الاستدلال): مصمم للاستدلال على منخفض التأخير والمهام ذات الحمل العالي. في سياق التعلم الآلي، يشير الاستدلال إلى استخدام النماذج المدربة للتنبؤ أو تحليل البيانات الجديدة وتقديم التغذية الراجعة. لذلك، تركز هذه الخيارات على تحسين التأخير والإنتاجية لدعم احتياجات معالجة البيانات في الوقت الحقيقي أو شبه الفوري.

بعد ذلك، تحتاج إلى اختيار المورد لمجموعات الرقائق. حاليًا، IO.NET لديها شراكات مع شبكة Render وشبكة تعدين Filecoin، مما يتيح للمستخدمين اختيار الرقائق من IO.NET أو الشبكتين الأخريين كمورد لمجموعات الحوسبة الخاصة بهم. يعمل IO.NET كمجمع (على الرغم من أن خدمة Filecoin متوقفة مؤقتًا في وقت كتابة هذا). يجدر بالذكر أنه وفقًا لعرض الصفحة، عدد وحدات GPU المتاحة عبر الإنترنت لـ IO.NET يتجاوز 200،000، بينما يتجاوز ذلك لشبكة Render أكثر من 3،700.

أخيرًا، تدخل مرحلة اختيار أجهزة الرقاقة للمجموعات. حاليًا، تقوم IO.NET فقط بسرد وحدات المعالجة الرسومية للاختيار، مستبعدة وحدات المعالجة المركزية أو وحدات المعالجة الرسومية المدمجة لشركة Apple (M1، M2، إلخ)، وتتميز وحدات المعالجة الرسومية بشكل رئيسي بمنتجات NVIDIA.

في القائمة الرسمية لخيارات الأجهزة الرسومية المتاحة، بناءً على البيانات التي اختبرها الكاتب في ذلك اليوم، يبلغ العدد الإجمالي لوحدات معالجة الرسوميات المتاحة عبر الشبكة IO.NET 206,001 وحدة. من بينها، تتوفر GeForce RTX 4090 بأعلى درجة توفر بواقع 45,250 وحدة، تليها GeForce RTX 3090 Ti بـ 30,779 وحدة.

بالإضافة إلى ذلك، الرقاقة A100-SXM4-80GB، التي تعتبر أكثر كفاءة لمهام الحوسبة الذكية مثل التعلم الآلي، والتعلم العميق، والحساب العلمي (سعر السوق أكثر من 15،000 دولار)، تحتوي على 7،965 وحدة على الإنترنت.

بطاقة الرسوميات NVIDIA H100 80GB HBM3، مصممة خصيصًا من الألف إلى الياء للذكاء الاصطناعي (بسعر سوقي يزيد عن 40,000 دولار)، تتمتع بأداء تدريبي يبلغ 3.3 مرات أداء بطاقة A100 وأداء استنتاجي يبلغ 4.5 مرات أداء بطاقة A100، مع وجود مجموع 86 وحدة على الإنترنت.

بعد اختيار نوع العتاد للمجموعات، يحتاج المستخدمون أيضًا إلى اختيار المنطقة وسرعة الاتصال وعدد وحدات المعالجة الرسومية المستأجرة ومدة الايجار، بالإضافة إلى معلمات أخرى.

أخيراً، ستقدم IO.NET فاتورة استناداً إلى الاختيار الشامل. على سبيل المثال، في تكوينات العناصر الخاصة بالمؤلف:

• سيناريو المهمة العامة
• 16 رقائق A100-SXM4-80GB
• اتصال فائق السرعة
• موجود في الولايات المتحدة
• فترة الإيجار لمدة أسبوع واحد

الفاتورة الإجمالية هي 3311.6 دولار، مع سعر الساعة للبطاقة الواحدة هو 1.232 دولار

على سبيل المقارنة، فإن أسعار الإيجار بالساعة لـ A100-SXM4-80GB على Amazon Cloud و Google Cloud و Microsoft Azure هي على التوالي 5.12 دولار، 5.07 دولار، و 3.67 دولار (مصدر البيانات: https://cloud-gpus.com/, قد تختلف الأسعار الفعلية بناءً على تفاصيل العقد).

وبالتالي، من الناحية النقدية فقط، يكون قدر الحوسبة لـ IO.NET أرخص بكثير من تلك المصنعة من قبل الشركات الرئيسية، وخيارات التوريد والتوريد مرنة للغاية، مما يجعل البدء سهلاً.

شروط العمل

حالة الجانب المعروض

اعتبارًا من 4 أبريل هذا العام، وفقًا للبيانات الرسمية، تمتلك IO.NET إجمالي يبلغ 371,027 وحدة معالجة الرسومات و 42,321 وحدة معالجة مركزية على الجانب العرضي. بالإضافة إلى ذلك، فإن Render Network، كشريك لها، قامت أيضًا بربط 9,997 وحدة معالجة الرسومات و 776 وحدة معالجة مركزية بالشبكة الخاصة بها.

مصدر البيانات: https://cloud.io.net/explorer/home, نفس الشيء أدناه

حتى كتابة هذه المقالة، 214،387 من وحدات معالجة الرسومات المتصلة بـ IO.NET متصلة عبر الإنترنت، بنسبة على الإنترنت بلغت 57.8٪. نسبة الاتصال بالإنترنت لوحدات معالجة الرسومات من شبكة Render هي 45.1٪.

ماذا تعني البيانات الواردة أعلاه من الجانب العرضي؟

لتوفير مقارنة، دعونا نقدم مشروع حوسبة موزع آخر وأقدم، وهو شبكة Akash، للتباين. شبكة Akash أطلقت شبكتها الرئيسية في وقت مبكر من عام 2020، حيث كانت تركز في البداية على خدمات التوزيع لوحدات المعالجة المركزية والتخزين. في يونيو 2023، أطلقت شبكة تجريبية لخدمات وحدات معالجة الرسومات وذهبت على الهواء مباشرة بشبكتها الرئيسية لقوة حوسبة وحدات المعالجة الرسومية الموزعة في سبتمبر من نفس العام.

مصدر البيانات: https://stats.akash.network/provider-graph/graphics-gpu

وفقًا للبيانات الرسمية من Akash، على الرغم من أن جانب العرض قد استمر في النمو، إلا أن العدد الإجمالي لوحدات معالجة الرسوميات المتصلة بشبكتها لم يصل إلى 365 حتى الآن.

من حيث حجم إمداد وحدات المعالجة الرسومية، تعد IO.NET بأمر كبير أفضل من شبكة Akash Network، مما يجعلها أكبر شبكة إمداد في سباق قوة حوسبة وحدات المعالجة الرسومية الموزعة.

الوضع الجانب الطلب

ومع ذلك، من الناحية الطلب، لا تزال IO.NET في مراحلها الأولى من زراعة السوق، وحجم المهام الحوسبة الفعلية التي تم تنفيذها باستخدام IO.NET ليس كبيرًا. معظم وحدات GPU عبر الإنترنت لديها عبء عمل بنسبة 0٪، حيث تتولى أربعة أنواع فقط من الشرائح - A100 PCIe 80GB K8S، و RTX A6000 K8S، و RTX A4000 K8S، و H100 80GB HBM3 - مهام معينة. باستثناء A100 PCIe 80GB K8S، يقل عبء العمل لدى الشرائح الثلاثة الأخرى عن 20٪.

تم الكشف عن قيمة توتر الشبكة الرسمية في اليوم وهي 0 ٪، مما يشير إلى أن معظم إمدادات الشرائح في حالة انتظار عبر الإنترنت. في الوقت نفسه، تولد IO.NET إجمالي 586،029 دولارًا في رسوم الخدمة، مع تكلفة في اليوم الأخير تبلغ 3،200 دولار.

مصدر البيانات: https://cloud.io.net/explorer/clusters

مقياس رسوم تسوية الشبكة هذه، سواء من حيث المجموع أو من حيث حجم المعاملات اليومية، يقع على نفس مقدار أكاش، على الرغم من أن معظم إيرادات شبكة أكاش تأتي من قطاع وحدة المعالجة المركزية، مع أكثر من 20،000 وحدة معالجة مركزية مزودة.

مصدر البيانات: https://stats.akash.network/

بالإضافة إلى ذلك، قد كشفت شبكة IO.NET عن البيانات المتعلقة بمهام استنتاج الذكاء الاصطناعي التي تم معالجتها من قبل الشبكة؛ حتى الآن، تم معالجة وتحقق أكثر من 230000 مهمة استنتاج، ولكن معظم هذه الحجم تم توليده من قبل مشاريع تمولها شبكة IO.NET، مثل BC8.AI.

مصدر البيانات: https://cloud.io.net/explorer/inferences

استنادًا إلى البيانات التجارية الحالية، يسير توسيع الجانب الإمدادي لـ IO.NET بسلاسة، مع توقعات بتوزيع هبات هوائية وحدث مجتمع يُطلق عليه اسم "الإشعال"، الذي جذب بسرعة كبيرة كمية كبيرة من قوة حوسبة شرائح الذكاء الاصطناعي. ومع ذلك، لا يزال التوسع في الجانب الطلبي في مراحله الأولى، حيث الطلب العضوي غير كاف حاليًا. يبقى علينا تقييم ما إذا كان نقص الطلب الحالي يعود إلى حقيقة أن التواصل مع العملاء لم يبدأ بعد، أو بسبب عدم ثبات تجربة الخدمة الحالية، مما يؤدي إلى نقص التبني الواسع النطاق.

نظرًا لصعوبة تقدير الفجوة في قوة حوسبة الذكاء الاصطناعي على المدى القصير، يبحث العديد من مهندسي الذكاء الاصطناعي والمشاريع عن حلول بديلة، مما قد يثير اهتمام مقدمي الخدمات اللامركزية. بالإضافة إلى ذلك، نظرًا لعدم بدء IO.NET بالتحفيز الاقتصادي والنشاط لجانب الطلب بعد، جنبًا إلى جنب مع تحسن تدريجي في تجربة المنتج، ما زال من المتوقع بتفاؤل تحقيق توافق العرض والطلب في النهاية.

2.3 خلفية الفريق والتمويل

حالة الفريق

فريق IO.NET الأساسي كان في البداية متخصصًا في التداول الكمي، حيث قام بتطوير أنظمة التداول الكمي على مستوى المؤسسات للأسهم والأصول الرقمية حتى يونيو 2022. ومن خلال الحاجة إلى قوة الحسابات في نظام الخلفية، بدأ الفريق في استكشاف إمكانيات الحوسبة اللامركزية، وركز في النهاية على تقليل تكلفة خدمات الحوسبة بوحدة المعالجة الرسومية.

المؤسس والرئيس التنفيذي: أحمد شديد، الذي لديه خلفية في التمويل الكمي والهندسة وكذلك عمل كمتطوع مع مؤسسة إيثريوم.

CMO & رئيس موظفي الاستراتيجية: غاريسون يانغ، الذي انضم إلى IO.NET في مارس هذا العام. كان سابقا نائب الرئيس للاستراتيجية والنمو في Avalanche وتخرج من جامعة كاليفورنيا، سانتا باربارا.

نائب الرئيس التنفيذي: توري غرين، كان سابقًا نائب الرئيس التنفيذي في Hum Capital ومدير التطوير الشركوي والاستراتيجية في فوكس موبايل جروب، تخرج من جامعة ستانفورد.

وفقًا لمعلومات LinkedIn، تقع IO.NET في مقرها الرئيسي في نيويورك، الولايات المتحدة، مع فرع في سان فرانسيسكو، ويزيد حجم الفريق عن 50 عضوًا.

الوضع التمويلي

حتى الآن، لم تكشف IO.NET سوى جولة واحدة من التمويل، وهي السلسلة أ التي تم الانتهاء منها في مارس من هذا العام، بقيمة 1 مليار دولار. جمعت 30 مليون دولار بقيادة Hack VC، مع مشاركين آخرين بما في ذلك Multicoin Capital، Delphi Digital، Foresight Ventures، Animoca Brands، Continue Capital، Solana Ventures، Aptos، LongHash Ventures، OKX Ventures، Amber Group، SevenX Ventures، و ArkStream Capital.

يجدر بالذكر أنه ربما بسبب الاستثمار من مؤسسة Aptos، فإن مشروع BC8.AI، الذي كان يسوي الحسابات أصلاً على منصة Solana، قد تحول إلى سلسلة الكتل L1 عالية الأداء Aptos.

2.4 تقدير التقييم

وفقًا لمؤسس شركة IO.NET والرئيس التنفيذي أحمد شديد، ستقوم الشركة بإطلاق عملتها في نهاية أبريل.

لدى IO.NET مشروعان قابلان للمقارنة كمرجع للتقييم: شبكة Render وشبكة Akash ، وكلاهما يمثل مشاريع الحوسبة الموزعة.

هناك طريقتان لتقدير نطاق رأس المال السوقي لـ IO.NET: 1. نسبة السعر إلى المبيعات (نسبة P/S)، أي نسبة رأس المال السوقي/الإيرادات؛ 2. نسبة رأس المال السوقي لكل شريحة شبكية.

أولاً، دعونا نلقي نظرة على تقدير التكهن استنادًا إلى معدل السعر/المبيعات:

من وجهة نظر نسبة P/S، يمكن لـ Akash أن تكون الحد الأدنى لنطاق تقييم IO.NET، بينما يعمل Render كمرجع لتسعير التقييم العالي. نطاق قيمتهما المستندة إلى التخفيف الكامل تتراوح بين 1.67 مليار دولار إلى 5.93 مليار دولار.

ومع ذلك، بالنظر إلى تحديثات مشروع IO.NET، وسرده الأكثر حرارة، والحد الأدنى للقيمة السوقية المتداولة في وقت مبكر، والمقياس الحالي الأكبر للإمداد، فإن احتمال تجاوز قيمته السوقية النهائية لشركة Render ليست صغيرة.

فيما يلي، دعونا نلقي نظرة على وجهة نظر تقييم أخرى، نسبة "السوق إلى النواة".

في سوق حيث الطلب على قوة الحساب الآلي يفوق العرض، العنصر الأكثر أهمية في شبكات الحوسبة الموزعة لقوة الحساب الآلي هو مقياس عرض وحدات GPU. لذلك، يمكننا استخدام "نسبة السوق إلى النواة"، نسبة إجمالي قيمة السوق للمشروع إلى عدد الرقائق في الشبكة، لتقدير نطاق التقييم المحتمل لـ IO.NET للقراء كمرجع لقيمة السوق.

)

إذا تم احتسابها استنادًا إلى نسبة السوق إلى النواة، بشبكة Render كحد أقصى وشبكة Akash كحد أدنى، فإن نطاق قيمة التمويل الكامل لشبكة IO.NET يتراوح بين 20.6 مليار دولار أمريكي و197.5 مليار دولار أمريكي.

القراء الذين يتفائلون بمشروع IO.NET سوف يعتبرون هذا تقديراً لقيمة السوق متفائلاً جداً.

علاوة على ذلك، يجب أن نأخذ في الاعتبار أن عدد الرقائق الكبير الحالي على الإنترنت من IO.NET قد يتم تحفيزه بتوقعات الهبوط الجوي وأنشطة التحفيز، وأنه من اللازم مراقبة العدد الفعلي على جانب العرض بعد إطلاق المشروع رسميًا.

لذلك، بشكل عام، قد يكون تقدير التقييم من منظور معدل السعر إلى المبيعات أكثر إشارة.

IO.NET، كمشروع يجمع بين الذكاء الاصطناعي و DePIN ونظام السولانا، ينتظر أداء سوقه بفارغ الصبر بعد إطلاقه.

3. معلومات الإحالة

• ديلفي ديجيتال:الاندماج الحقيقي
• جالاكسي：فهم تقاطع العملات المشفرة والذكاء الاصطناعي

إخلاء المسؤولية:

1. تم نقل هذه المقالة من [ شركات الأسهم]. جميع حقوق الطبع والنشر تنتمي إلى الكاتب الأصلي IO.NET. إذا كانت هناك اعتراضات على هذه الإعادة طباعتها، يرجى الاتصال بـبوابة تعلمالفريق، وسوف يتولى الأمر على الفور.
2. تنصل المسؤولية: الآراء والآراء المعبر عنها في هذه المقالة هي فقط تلك التي يعبر عنها الكاتب ولا تشكل أي نصيحة استثمارية.
3. يتم إجراء ترجمات المقالة إلى لغات أخرى من قبل فريق Gate Learn. ما لم يذكر غير ذلك، فإن نسخ أو توزيع أو سرقة المقالات المترجمة ممنوع.