元のタイトルを再投稿する: 新しいSolanaベースのAI + DePINプロジェクト: Upcoming-Tokenlaunch IO.NETの簡単な分析

紹介

イン私たちの最後のレポート,我々は、前の2サイクルと比較して、現在の暗号通貨の急騰には新しいビジネスモデルや資産ナラティブが欠けていることを指摘しました。人工知能（AI）は、今回のWeb3空間での新しいナラティブの1つです。この記事では、今年の注目のAIプロジェクトであるIO.NETについて詳しく取り上げ、以下の2つの問いについて考察しています。

• 商業景観におけるAI+Web3の必要性
• 分散コンピューティングネットワークを展開する必要性と課題

第二に、分散型AIコンピューティングネットワークの代表的なプロジェクトであるIO.NETについて、製品設計、競争環境、およびプロジェクトの背景について、主要な情報を整理します。また、プロジェクトの評価指標についても推測します。

The insights on AIとWeb3の収束の背後にあるビジネスロジックpart draw inspiration from “リアルマージMichael Rinko氏によるDelphi Delphiのリサーチアナリストによる分析。この分析は彼の業績からのアイデアを取り入れ、参照しており、読者にはオリジナルの記事を読むことを強くお勧めします。

この記事は私の現在の考えを反映しており、変化する可能性があります。ここでの意見は主観的であり、事実、データ、論理的な推論に誤りがある可能性があります。これは投資アドバイスではなく、フィードバックや議論は歓迎されます。

以下はメインテキストです。

1. AIとWeb3の融合背後のビジネスロジック

1.1 2023: The “Annus Mirabilis” for AI

人類の発展の歴史を振り返ると、技術革新が日常生活から産業の景観、文明そのものの進展までに革命的な変革をもたらすことが明らかである。

人類史において、科学史上「奇跡の年」として祝われる1666年と1905年の2つの重要な年がある。

1666年は、アイザック・ニュートンによる科学的な画期的な発見の連続によってその称号を得た。わずか1年の間に、彼は光学として知られる物理学の分野を開拓し、微積分という数学の学問を創始し、そして現代自然科学の基本的な法則である重力の法則を導いた。これらの貢献のいずれもが、その後の1世紀における人類の科学の発展において基盤となり、科学の総合的な進歩を著しく加速させるものであった。

もう1つの画期的な年は1905年であり、わずか26歳のアインシュタインが『Annalen der Physik』に続けざまに4つの論文を発表し、光電効果を取り扱い、量子力学の舞台を設定; ブラウン運動を取り扱い、確率過程解析の重要な枠組みを提供; 特殊相対性理論; そして質量-エネルギーの等価性を、E=MC^2という方程式で表現しました。振り返ってみると、これらの各論文は、物理学でのノーベル賞受賞作品の平均レベルを上回ると考えられており、アインシュタイン自身が光電効果の研究で受賞したノーベル賞の平均レベルを上回っています。これらの貢献は、総合的に見て、文明の旅で人類をいくつかの歩み前に進めました。

2023年、われわれの背後に最近置かれた、もう1つの「奇跡の年」として祝われることになっています。これは、ChatGPTの台頭の大きな部分のおかげです。

人類の技術史における2023年を「奇跡の年」と見なすことは、ChatGPTによる自然言語処理と生成の進歩を認めるだけではありません。大規模言語モデルの進化にははっきりとしたパターンがあり、モデルのパラメーターとトレーニングデータセットを拡大することで、モデルの性能を指数関数的に向上させることができるという認識も含まれています。さらに、コンピューティングパワーがペースを維持すれば、短期的には限りない可能性があるようです。

この機能は、言語理解や会話生成をはるかに超えており、さまざまな科学分野に幅広く適用される可能性があります。生物学分野での大規模言語モデルの適用を例に取ると：

• 2018年、化学のノーベル賞受賞者であるフランシス・アーノルドは、授賞式で「今日、実質的にはDNAの任意の配列を読み書き編集できるが、それを作曲することはできない」と述べました。 5年後の2023年、スタンフォード大学とAIに焦点を当てたスタートアップ、Salesforce Researchの研究チームは、「Nature Biotechnology」で論文を発表しました。GPT-3から洗練された大規模言語モデルを利用して、完全に新しい100万のタンパク質カタログを生成しました。その中で、2つの異なる構造を持つタンパク質を発見し、両方とも抗菌機能を有しており、従来の抗生物質を超える新しい細菌耐性戦略の道を開いています。これは、AIの支援を受けたタンパク質の創造の障壁を乗り越える上で画期的な飛躍を示しています。
• これより前に、人工知能アルゴリズムAlphaFoldは、地球上のほぼすべての21.4億種類のタンパク質の構造を18ヶ月以内に予測しました。これは、歴史上の構造生物学者の業績を何倍も高める画期的な出来事です。

AIモデルの統合は、産業を劇的に変革することを約束しています。バイオテクノロジー、材料科学、薬物発見のハードテック領域から法律や芸術の文化領域まで、変革の波がこれらの分野を再構築し、そのすべての始まりとなる2023年を迎えることになります。

過去の1世紀において、人類の富を生み出す能力が指数関数的に向上してきたことは広く認識されています。AI技術の急速な進歩により、このプロセスが加速すると予想されています。

世界の総GDPトレンド、データソース：世界銀行グループ

1.2 AIと暗号通貨の統合

AIと暗号通貨の融合における固有の必要性を把握するには、それぞれの特徴がお互いを補完する方法を見ることが示唆に富んでいます。

AIと暗号通貨機能の共生

AIは3つの主要な特性によって区別されます:

• Stochasticity: AIは、そのコンテンツの生成メカニズムが複製しにくい謎の多いブラックボックスであり、その出力がもともと確率的であるため、AIは確率的です。
• リソース集約型：AIはリソース集約型の産業であり、膨大なエネルギー、チップ、および計算能力が必要です。
• Human-like Intelligence: AIは（まもなく）チューリング・テストに合格する能力を持つようになり、人間とAIを区別することがますます難しくなってきています。*

_※_2023年10月30日、カリフォルニア大学サンディエゴ校の研究者たちが、GPT-3.5とGPT-4.0のチューリングテストのスコアを発表しました。後者は、人間が同じテストで63%を獲得する中、わずか9%差で50%の合格点にわずか及ばず41%を獲得しました。このチューリングテストの本質は、どのくらいの参加者が自分のチャット相手を人間と認識するかにあります。50%以上のスコアは、多数が自分が機械ではなく人間とやり取りしていると信じていることを意味し、AIが少なくとも半数の人々に自分が人間と区別できないと見なされるため、チューリングテストに合格したことを表します。

AIが人間の生産性に革新的な進展をもたらす一方で、社会に深刻な課題を同時にもたらしています。具体的には、

• AIの乱択性を検証および制御し、欠点ではなく利点に変える方法
• AIが要求するエネルギーと計算能力の広範な要件をどのようにブリッジするか
• 人間とAIの見分け方

暗号通貨とブロックチェーン技術は、AIによってもたらされる課題に理想的な解決策を提供できる可能性があり、これは3つの主要な属性に特徴付けられています。

• 決定論：操作はブロックチェーン、コード、スマートコントラクトに基づいており、明確なルールと境界があります。入力によって予測可能な出力が生じ、高い決定論レベルを確保します。
• 効率的なリソース配分：暗号経済は広大でグローバルな自由市場を育んでおり、迅速な価格設定、資金調達、リソースの移転が可能となっています。トークンの存在により、市場の供給と需要の調整がさらに加速され、インセンティブによって迅速に臨界質量に達することが可能となります。
• 信頼性のなさ：公開台帳とオープンソースコードにより、誰もが操作を簡単に検証でき、『信頼できない』システムを作成することができます。さらに、ゼロ知識（ZK）技術は、これらの検証プロセス中にプライバシーが維持されることをさらに保証します。

AIと暗号経済の補完関係を示すために、3つの例について詳しく調べてみましょう。

Example A: クリプト経済を活用したAIエージェントによる確率性の克服

AI Agentsは、Fetch.AIがこの分野で注目される例であるように、人間の代わりにタスクを実行するために設計されたインテリジェントプログラムです。 例えば、AIエージェントに「BTCに$1000投資する」というような金融取引を実行するように依頼した場合、AIエージェントは2つの異なるシナリオに直面する可能性があります。

シナリオ1: エージェントは、BTC ETFを購入するために従来の金融機関（例：BlackRock）とやり取りする必要があり、KYC手続き、書類の確認、ログインプロセス、および身元確認を含む中央集権組織との互換性の問題に直面し、現在は特に負担になっています。

シナリオ2：ネイティブ暗号経済内で操作する場合、プロセスは簡略化されます。エージェントは、Uniswapや類似の取引集約機を介して直接取引を実行し、アカウントを使用して注文を確認し、結果としてWBTCやその他のラップトBTCの取得を行うことができます。この手順は効率的で簡素化されています。基本的な取引活動に焦点を当てた基本的なAIエージェントとして機能しているさまざまな取引ボットによって現在提供されている機能です。AIのさらなる開発と統合により、これらのボットはより複雑な取引目標を達成するでしょう。たとえば、彼らはブロックチェーン上の100のスマートマネーアドレスを監視し、その取引戦略や成功率を評価し、1週間でその取引をコピーするために資金の10%を割り当て、収益が不利な場合は操作を停止し、これらの戦略の潜在的な理由を推論するかもしれません。

AIは、ブロックチェーンシステム内で繁栄しています。これは、暗号経済のルールが明示的に定義されており、システムが許可を必要としないからです。明確なガイドラインに従って運営することは、AI固有の確率論に関連するリスクを大幅に軽減します。たとえば、AIがチェスやビデオゲームで人間に圧倒的な優位性を持つのは、これらの環境が明確なルールを持つ閉じられた砂場であるためです。一方、自動運転の進歩はより徐々に進んでいます。オープンワールドの課題はより複雑であり、そのようなシナリオでのAIの予測不能な問題解決への寛容度は著しく低いです。

例B：トークンインセンティブによるリソースの統合

BTCを支える強力なグローバルハッシュネットワークは、現在の総ハッシュレートが576.70 EH/sに達し、どの国のスーパーコンピューターの計算能力をも凌駕しています。この成長は、ネットワーク内のシンプルで公正なインセンティブによって推進されています。

BTCハッシュレートトレンド、ソース：https://www.coinwarz.com/

また、MobileなどのDePINプロジェクトは、供給側と需要側の両方の市場を育成するためにトークンインセンティブを探求しています。 この記事の今後の焦点であるIO.NETは、AIコンピューティングパワーを集約し、トークンモデルを通じてAIコンピューティングパワーの潜在能力を引き出すことを目指しています。

Example C: Leveraging Open Source and ZK Proof to Differentiate Humans from AI While Protecting Privacy

OpenAIのSam Altmanによって共同設立されたWeb3プロジェクトGateは、アイリス生体認証を活用したOrbというハードウェアデバイスを使用して、Zero-Knowledge（ZK）技術を介して一意で匿名のハッシュ値を生成し、人間とAIを区別しています。2024年3月初旬、Web3アートプロジェクトDripは、実際の人間を認証し報酬を割り当てるために、Gate IDを実装し始めました。

Worldcoinは最近、生体認証データのセキュリティとプライバシーを確保するために、irisハードウェアであるOrbをオープンソース化しました。

全体的に、コードと暗号の決定論により、許可なしおよびトークンベースのメカニズムによってもたらされるリソースの循環と資金調達の利点、オープンソースコードと公開台帳に基づく信頼性のない性質により、暗号経済は人類社会がAIと直面する課題に対する重要な潜在的解決策となっています。

最も直接的で商業的に要求される課題は、主にチップと計算能力の相当な需要によって主導されるAI製品に必要な計算リソースへの極端な渇望です。

これは、全体的なAIセクターにおける牛市サイクル中に、分散コンピューティングパワープロジェクトが利益をもたらした主な理由でもあります。

分散コンピューティングのビジネス的必然性

AIは、モデルのトレーニングと推論タスクの両方に必要な大量の計算リソースが必要です。

大規模言語モデルのトレーニングでは、データパラメータの規模が十分に大きくなると、これらのモデルは前例のない能力を発揮し始めることが十分に文書化されています。次世代のChatGPTの世代から見られる指数関数的な改善は、モデルのトレーニングに対する指数関数的な成長によって推進されています。

DeepMindとスタンフォード大学の研究によると、さまざまな大規模言語モデルを扱う際、計算であろうとペルシャ語の質問応答であろうと、あるいは自然言語理解であろうと、モデルは、トレーニングにかなりスケールアップされたモデルパラメータ（およびそれに伴う計算負荷）が関与しない限り、ランダムな推測にほぼ近い結果しか得られないことが示されています。計算の努力が10^22 FLOPsに達するまで、どのタスクのパフォーマンスもほぼランダムのままです。この臨界点を超えると、どの言語モデルにおいてもタスクのパフォーマンスが著しく向上します。

Source:大規模言語モデルの新たな能力

ソース：大規模言語モデルの新興能力

計算能力において「大きな努力で奇跡を成し遂げる」という原則は、理論上でも実証されたことから、OpenAIの創設者であるSam Altmanに大きなインスピレーションを与え、7兆ドルを調達する野心的な計画を提案させました。この資金は、TSMCの現在の能力を10倍超えるチップ工場を設立することを意図しており（推定費用1.5兆ドル）、残りの資金はチップ生産とモデルトレーニングに割り当てられます。

AIモデルのトレーニングに必要な計算要求に加えて、推論プロセスもかなりの計算能力を必要としますが、トレーニングよりは少なくても十分です。AI分野のプレイヤーにとって、チップや計算リソースの継続的な必要性は標準的な現実となっています。

中央集権型のAmazon Web Services、Google Cloud Platform、MicrosoftのAzureなどのAIコンピューティングプロバイダーとは対照的に、分散型AIコンピューティングはいくつかの魅力的な価値提案を提供しています:

• アクセシビリティ: AWS、GCP、またはAzureなどのサービスを通じてコンピューティングチップにアクセスするには通常数週間かかり、最も人気のあるGPUモデルは頻繁に在庫切れになります。さらに、消費者は通常、これらの大手企業との長期かつ厳格な契約に拘束される傾向があります。一方、分散コンピューティングプラットフォームは、柔軟なハードウェアオプションを提供し、アクセシビリティが向上しています。
• コスト効率：アイドルチップを活用し、ネットワークプロトコルからのトークン補助金を組み込むことにより、分散型コンピューティングネットワークは、コンピューティングパワープロバイダーに対してコストを削減した価格でコンピューティングパワーを提供することができます。
• Censorship Resistance: 最先端のチップの供給は現在、主要なテクノロジー企業によって支配されており、アメリカ政府がAIコンピューティングサービスの監視を強化する中、分散化された、柔軟で制限のない方法でコンピューティングパワーを取得する能力はますます明確な必要性となっています。これは、web3ベースのコンピューティングプラットフォームの中核的な価値提案です。

化石燃料が産業革命の生命線であったなら、コンピューティングパワーはAIによって導入された新しいデジタル時代の生命線と言えるかもしれません。コンピューティングパワーの供給はAI時代のインフラとなります。安定したコインがWeb3時代の法定通貨の活発な派生物として登場したように、分散コンピューティング市場はAIコンピューティング市場の急速に拡大するセグメントに進化する可能性がありますか？

これはまだ新興市場であり、多くのことが見えていません。ただし、いくつかの要因が分散コンピューティングのストーリーや市場の採用を潜在的に推進する可能性があります。

• 持続的なGPU供給の課題：GPUの持続的な供給制約は、開発者が分散コンピューティングプラットフォームを探求するきっかけとなるかもしれません。
• 規制の拡大：主要なクラウドプラットフォームからAIコンピューティングサービスにアクセスするには、徹底したKYCプロセスと監査が必要です。これにより、制限や制裁に直面している地域では、分散コンピューティングプラットフォームの採用が増える可能性があります。
• トークン価格インセンティブ：牡牛市場におけるトークン価格の上昇は、プラットフォームによるGPUプロバイダーへの補助金の価値を高め、市場により多くのベンダーを引き付け、規模を拡大し、消費者のコストを低減させる可能性があります。

同時に、分散型コンピューティングプラットフォームが直面する課題も非常に明白です：

技術とエンジニアリングの課題

• Proof of Work Issues: ディープラーニングモデルの計算は、階層構造のため、各層の出力が次の入力として使用されるため、計算の妥当性を検証するには、すべての前の作業を実行する必要があります。これは単純でも効率的でもありません。この問題に対処するために、分散コンピューティングプラットフォームは新しいアルゴリズムを開発するか、絶対的な決定論ではなく結果の確率的保証を提供する概略的な検証技術を採用する必要があります。
• 並列化の課題：分散コンピューティングプラットフォームは、通常、限られた計算能力を提供するさまざまなチップサプライヤーに依存しています。AIモデルのトレーニングや推論タスクを単一のチップサプライヤーで迅速に完了することはほぼ不可能です。そのため、タスクは分解され、並列化を使用して全体の完了時間を短縮する必要があります。ただし、このアプローチには、タスクの分割方法（特に複雑な深層学習タスク）、データ依存関係、およびデバイス間の追加の接続コストなど、いくつかの複雑さが導入されます。
• プライバシー保護の問題：クライアントのデータとモデルがタスクの受信者に開示されないようにどのように確認できますか？

規制順守の課題

• 許可されていない性質のため、分散型コンピューティングプラットフォームは供給と需要の市場で特定の顧客に魅力的なセリングポイントとして機能することができます。しかし、AIの規制フレームワークが進化するにつれて、これらのプラットフォームはますます政府の監視の対象となる可能性があります。さらに、一部のGPUベンダーは、リースされたコンピューティングリソースが制裁を受けたビジネスや個人によって使用されているかどうかについて懸念しています。

要約すると、分散コンピューティングプラットフォームの主要なユーザーは、ほとんどがプロの開発者や中小企業です。暗号通貨やNFTの投資家とは異なり、これらのクライアントはプラットフォームが提供するサービスの安定性と継続性を重視し、価格は必ずしも彼らの最優先事項ではありません。分散コンピューティングプラットフォームは、この厳格なユーザーベースから広範な受け入れを得るまでには長い道のりがあります。

次に、私たちはIO.NETについて詳細に掘り下げ、このサイクルの新しい分散コンピューティングパワープロジェクトを分析します。また、類似のプロジェクトと比較し、発売後の潜在的な市場評価を見積もります。

2. 分散型AIコンピューティングプラットフォーム：IO.NET

2.1 プロジェクトの概要

IO.NETは、チップを中心にした両面市場を確立した分散コンピューティングネットワークです。供給側には、主にGPU、さらにはCPUやAppleの統合GPU（iGPU）など、世界中に分散されたコンピューティングパワーがあります。需要側は、AIエンジニアであり、AIモデルのトレーニングや推論タスクを完了したいと考えています。

公式のIO.NETウェブサイトには、彼らのビジョンが記載されています。

私たちの使命

DePIN – 分散型物理インフラネットワークに100万台のGPUを組み合わせる

その使命は、何百万ものGPUをDePINネットワークに統合することです。

従来のクラウドAIコンピューティングサービスと比較すると、このプラットフォームはいくつかの主要な利点を強調しています。

• 柔軟な構成：AIエンジニアは、特定のコンピューティングタスクに合わせて必要なチップを選択し組み立てる自由があります。
• 迅速な展開：AWSなどの中央集権型プロバイダーに関連する長い承認および待ち時間とは異なり、このプラットフォーム上での展開はわずか数秒で完了し、すぐにタスクを開始できます。
• コスト効率: サービスの費用は、主要なプロバイダーが提供するものより最大90%低いです。

さらに、IO.NETはAIモデルストアなどの追加サービスを将来提供する予定です。

2.2 製品メカニズムとビジネスメトリクス

製品メカニズムと展開経験

Amazon Cloud、Google Cloud、Alibaba Cloudなどの主要プラットフォームに類似して、IO.NETはIO Cloudとして知られるコンピューティングサービスを提供しています。このサービスは、分散化されたネットワーク上で動作し、AIや機械学習アプリケーションのためのPythonベースの機械学習コードの実行をサポートするチップで構成されています。

IO Cloudの基本的なビジネスモジュールは、効率的にコンピューティングタスクを処理するために設計されたGPUの自己調整グループであるClustersと呼ばれています。AIエンジニアは、クラスタをカスタマイズして、自分の特定のニーズに合わせる柔軟性を持っています。

IO.NETのユーザーインターフェースは非常に使いやすいです。AIコンピューティングタスク用の独自のチップクラスタを展開したい場合は、プラットフォームのクラスタページに移動し、簡単に要件に応じたチップクラスタを構成できます。

ページ情報：https://cloud.io.net/cloud/clusters/create-cluster, 同じく下記の通り

最初に、3つのオプションから選択するクラスタータイプを選択する必要があります。

• 一般的な：一般的な環境を提供し、特定のリソース要件がまだ明確でないプロジェクトの初期段階に適しています。
• Train: 機械学習モデルのトレーニングと微調整に特化したクラスター。このオプションは、これらの集中計算タスクに対応するために追加のGPUリソース、より大きなメモリ容量、および/またはより高速なネットワーク接続を提供します。
• Inference: 低遅延推論と高負荷作業用に設計されたクラスタ。 機械学習の文脈では、推論とは訓練されたモデルを使用して新しいデータセットを予測または分析し、フィードバックを提供することを指します。 したがって、このオプションは、リアルタイムまたはほぼリアルタイムのデータ処理ニーズをサポートするために遅延とスループットを最適化することに焦点を当てています。

次に、クラスターのサプライヤーを選択する必要があります。IO.NETは、Render NetworkとFilecoinマイナーネットワークと提携しており、ユーザーはIO.NETまたは他の2つのネットワークからチップを選択して、自身のコンピューティングクラスターの供給源として使用することができます。これにより、IO.NETは効果的に集約業者としての立ち位置を築いています（注：Filecoinサービスは一時的にオフラインです）。IO.NETには現在、200,000以上のGPUがオンラインで利用可能であり、Render Networkには3,700以上のGPUが利用可能であることに留意する価値があります。

これに続いて、クラスタのハードウェア選択フェーズに進みます。現時点では、IO.NETは利用可能なハードウェアオプションとしてGPUのみをリストしており、CPUやAppleのiGPU（M1、M2など）は除外されています。GPUは主にNVIDIA製品で構成されています。

公式にリストされている利用可能なGPUハードウェアの中で、私がその日にテストしたデータに基づくと、IO.NETネットワーク内で利用可能なオンラインGPUの総数は206,001台でした。利用可能なGPUが最も多かったのはGeForce RTX 4090で、45,250台でした。それに続いてGeForce RTX 3090 Tiが30,779台でした。

さらに、オンラインで利用可能な非常に効率的なA100-SXM4-80GBチップのユニット数は7,965個あり、各ユニットの価格は15,000ドル以上です。これは、機械学習、深層学習、科学計算などのAIコンピューティングタスクにより効率的です。

AI（市場価格が4万ドルを超える）向けに一から設計されたNVIDIA H100 80GB HBM3は、A100よりもトレーニング性能が3.3倍、推論性能が4.5倍高い性能を実現します。現在、オンラインで86台のユニットが利用可能です。

ハードウェアタイプがクラスター用に選択されると、ユーザーはさらに、クラスターの地理的位置、接続速度、GPUの数、および期間などの詳細を指定する必要があります。

最終的に、IO.NETは選択したオプションに基づいて詳細な請求書を計算します。例として、次のクラスター構成を考えてみましょう。

• クラスタータイプ: 一般
• 16 A100-SXM4-80GB GPUs
• 接続ティア: ハイスピード
• 地理的位置：アメリカ合衆国
• 期間：1週間

この構成の合計請求額は$3311.6で、カードあたりの時給レンタル料金は$1.232です。

Amazon Web Services、Google Cloud、およびMicrosoft Azureでの単一A100-SXM4-80GBの時間単価はそれぞれ$5.12、$5.07、および$3.67です（データソース：https://cloud-gpus.com/，実際契約の詳細によって価格が異なる場合があります)。

したがって、コストに関しては、IO.NETは主要なプロバイダーの価格よりもはるかに低い価格でチップコンピューティングパワーを提供しています。また、供給と調達のオプションの柔軟性が、IO.NETを多くのユーザーにとって魅力的な選択肢にしています。

ビジネス概要

サプライサイド

2024年4月4日時点で、公式の数字によると、IO.NETのGPU供給総数は371,027ユニット、CPU供給総数は42,321ユニットでした。さらに、パートナーであるRender Networkは、ネットワークの供給に追加で9,997台のGPUと776台のCPUを接続していました。

データソース: https://cloud.io.net/explorer/home, 同じ下

記述時点で、IO.NETに統合されたGPUのうち214,387台がオンラインで、オンライン率は57.8%です。Render NetworkからのGPUのオンライン率は45.1%です。

供給側のこのデータは何を意味していますか？

ベンチマークとして、もっと経験豊富な分散コンピューティングプロジェクトであるAkash Networkを取り上げてみましょう。

Akash Networkは2020年初頭にメインネットを立ち上げ、当初はCPUとストレージ向けの分散型サービスに焦点を当てていました。2023年6月にGPUサービスのためのテストネットを展開し、その後、同年9月に分散型GPUコンピューティングパワーのメインネットを開始しました。

データソース: https://stats.akash.network/provider-graph/graphics-gpu

公式データによると、Akashの供給側はGPUネットワークの開始以来、継続的に成長していますが、ネットワークに接続されているGPUの総数は365台に過ぎません。

GPU供給量を評価する際、IO.NETは劇的に大規模なスケールで運営されているAkash Networkを大幅に上回っています。IO.NETは、分散型GPUコンピューティングパワーセクターにおいて最大の供給側として確立されています。

需要側

需要側から見ると、IO.NET はまだ市場開拓の初期段階にあり、ネットワーク上で実行される計算タスクの総量は比較的少ないです。ほとんどの GPU はオンラインでありながらアイドル状態で、ワークロードの割合は 0% を示しています。A100 PCIe 80GB K8S、RTX A6000 K8S、RTX A4000 K8S、および H100 80GB HBM3 のチップタイプのうち、処理タスクに積極的に参加しているのはわずか 4 種類であり、そのうち A100 PCIe 80GB K8S だけが 20% 以上のワークロードを経験しています。

その日の報告されたネットワークの公式ストレスレベルは0%であり、GPU供給のかなりの部分がオンラインでアイドル状態にあることを示しています。

IO.NETはこれまでにサービス料として$586,029を積み上げ、そのうち$3,200は直近の1日で発生しました。

データソース: https://cloud.io.net/explorer/clusters

ネットワークの決済手数料に関する財務情報は、総取引高と日々の取引量の両方で、Akashのそれと密接に一致しています。ただし、Akashの収益の大部分はCPUの提供から得られており、在庫は20,000を超えていますことに注意することが重要です。

データソース：https://stats.akash.network/

また、IO.NETは、ネットワークによって処理されたAI推論タスクの詳細データを公開しています。最新のレポートによると、プラットフォームは23万件を超える推論タスクを成功裏に処理および検証していますが、このほとんどはIO.NETによって後援されたプロジェクトであるBC8.AIからのものです。

データソース: https://cloud.io.net/explorer/inferences

IO.NETの供給側は、エアドロップや「Ignition」として知られるコミュニティイベントに関する期待によって効率的に拡大しています。この取り組みは、急速に膨大な量のAIコンピューティングパワーを集めています。一方、需要側では、有機的な需要が不十分で、まだ新興段階にあります。この需要の遅れの背景には、未開拓の消費者アウトリーチの取り組みや、大規模な採用の制限につながる不安定なサービス体験など、さまざまな要因があり、さらなる評価が必要です。

AIコンピューティング能力のギャップを迅速に埋めるという課題を考えると、多くのAIエンジニアやプロジェクトが代替案を模索しており、分散型サービスプロバイダーへの関心が高まる可能性があります。さらに、IO.NET は需要を喚起するための経済的インセンティブや活動をまだ実施しておらず、製品体験が向上し続けるにつれて、予想される需要と供給の均衡が将来にわたって有望視されています。

2.3チームのバックグラウンドと資金調達概要

チームプロファイル

IO.NETのコアチームは当初、定量取引に焦点を当てていました。2022年6月まで、彼らは株式や暗号通貨向けの機関レベルの定量取引システムの構築に従事していました。システムバックエンドの需要により、チームは分散コンピューティングの可能性を探索し、最終的にGPUコンピューティングサービスのコスト削減に焦点を当てました。

創業者＆CEO：Ahmad Shadid

IO.NETを設立する前、Ahmad Shadidは量的ファイナンスや金融工学で働いており、Ethereum Foundationのボランティアでもあります。

CMO＆最高戦略責任者：ギャリソン・ヤン

Garrison Yangは2024年3月にIO.NETに正式に参加しました。その前はAvalancheの戦略および成長のVPを務め、カリフォルニア大学サンタバーバラ校の卒業生です。

COO: Tory Green

Tory GreenはIO.NETの最高執行責任者として務めています。以前はHum CapitalのCOOおよびFox Mobile Groupのビジネス開発および戦略ディレクターを務めていました。スタンフォード大学を卒業しています。

IO.NETのLinkedInプロフィールによると、チームは本社をニューヨーク、アメリカに置き、サンフランシスコに支店があり、50人以上のスタッフを雇用しています。

資金調達概要

IO.NETは、今年3月に完了したシリーズAを含む1回のファンディングラウンドのみを公表しており、その時の評価額は10億ドルで、このラウンドではHack VCをリードに、Multicoin Capital、Delphi Digital、Foresight Ventures、Animoca Brands、Continue Capital、Solana Ventures、Aptos、LongHash Ventures、OKX Ventures、Amber Group、SevenX Ventures、ArkStream Capitalを含む他の投資家も参加し、3,000万ドルを調達しました。

特に、Aptos財団からの投資がBC8.AIプロジェクトの決定に影響を与えた可能性があります。これにより、Solanaを決済および会計プロセスに使用することから、同様に高性能なLayer 1ブロックチェーンであるAptosに切り替えることになりました。

2.4 評価見積

創設者兼CEOアフマド・シャディドによる以前の発言によると、IO.NETは2024年4月末までにトークンを発行する予定です。

IO.NETには、評価の参考となる2つのベンチマークプロジェクトがあります：Render NetworkとAkash Network、どちらも代表的な分散コンピューティングプロジェクトです。

IO.NETの時価総額の見積もりを導くための主要な方法は2つあります：1つは売上高に対する時価総額（FDV）と比較する価格売上高比率（P/S比率）であり、もう1つはFDVに対するチップ比率（M/C比率）です。

価格売上高比率を使用して潜在的な評価を検討することから始めます。

価格売上高比率を検証すると、AkashはIO.NETの推定評価スペクトルの保守的な端を表し、Renderは1.67億ドルから5.93億ドルの範囲のFDVを提示するハイエンドのベンチマークを提供しています。

ただし、IO.NETプロジェクトの更新内容を考慮すると、より説得力のあるストーリーと、より小さな初期時価総額、より広範囲な供給基盤から、そのFDVはRender Networkを上回る可能性があります。

別の評価比較の視点、すなわち「FDV-to-Chip比率」に移ると、

AIコンピューティングパワーの需要が供給を上回る市場の文脈において、分散型AIコンピューティングネットワークの最も重要な要素はGPU供給の規模です。したがって、ネットワーク内のチップの数に対するプロジェクトの完全に希釈された価値の比率である「FDV-to-Chip Ratio」を使用して、IO.NETの可能性のある評価範囲を読者に提供します。

IO.NETの評価範囲を計算するために市場対チップ比率を利用すると、Render Networkが上限の基準を設定し、Akash Networkが下限の基準を設定して、私たちは$20.6億ドルから$197.5億ドルの間に位置しています。

IO.NETプロジェクトの愛好家は、これを市場規模の非常に楽観的な推定と見なすかもしれません。

IO.NETのオンライン上の現在の多数のチップを考慮することは重要であり、エアドロップの期待とインセンティブ活動に刺激されています。プロジェクトが公式に開始された後も、供給の実際のオンライン数は引き続き観察が必要です。

全体的に、価格売上高比率から導かれる評価は、より信頼性の高い情報を提供する可能性があります。

IO.NETは、Solanaに基づいて構築され、AIとDePINの収束を持ち、トークンのローンチ直前にあります。私たちはそのローンチ後の市場キャップへの影響を目撃するために立ち会うことを待ちわびています。

Reference：

デルフィ・デジタル：ザ・リアル・マージ

Galaxy：Understanding the Intersection of Crypto and AI

ステートメント：

1. この記事は[から再生されましたパニュース], そして著作権は元の著者に帰属します[Alex Xu], if you have any objection to the reprint, please contact Gate Learn Team , チームは関連手続きに従ってできるだけ早く対応します。

2. 免責事項：この記事に表現されている意見は、著者個人の意見を表すものであり、投資アドバイスを構成するものではありません。

3. 他の言語版の記事はGate Learnチームによって翻訳され、言及されていませんGate翻訳された記事を転載、配布、あるいは盗用することはできません。