Giới thiệu

Trong bài viết trước đó của tôi, tôi đã đề cập rằng so với hai chu kỳ trước, chu kỳ thị trường bò crypto này thiếu các câu chuyện kinh doanh và tài sản mới có ảnh hưởng. Trí tuệ nhân tạo là một trong số ít các câu chuyện mới trong lĩnh vực Web3 lần này. Trong bài viết này, tôi sẽ kết hợp dự án trí tuệ nhân tạo hot trong năm nay, IO.NET, để suy ngẫm về hai vấn đề sau:

1. Sự cần thiết của AI+Web3 trong kinh doanh

2. Sự cần thiết và thách thức của dịch vụ máy tính phân tán

Hơn nữa, tôi sẽ tổ chức thông tin chính của dự án đại diện trong lĩnh vực tính toán phân phối trí tuệ nhân tạo: dự án IO.NET, bao gồm logic sản phẩm, tình hình cạnh tranh và lịch sử dự án. Tôi cũng sẽ nghiên cứu sâu vào định giá của dự án.

Phần của bài viết này về sự kết hợp của trí tuệ nhân tạo và Web3 được truyền cảm hứng từ “The Real Merge” được viết bởi nhà nghiên cứu của Delphi Digital là Michael Rinko. Một số quan điểm trong bài viết này là sự tiêu hóa và trích dẫn từ bài báo đó, và tôi khuyên đọc giả nên tham khảo nguồn gốc.

Bài viết này đại diện cho suy nghĩ tạm thời của tôi vào thời điểm xuất bản. Tình hình có thể thay đổi trong tương lai, và quan điểm có tính chủ quan mạnh mẽ. Chúng cũng có thể chứa các lỗi về sự thật, dữ liệu, hoặc lý luận. Xin vui lòng không sử dụng nó như lời khuyên đầu tư, và tôi hoan nghênh sự phê bình và thảo luận từ đồng nghiệp của tôi.

Dưới đây là văn bản chính.

1. Logic Doanh nghiệp: Sự giao nhau giữa AI và Web3

1.1 2023: "Năm kỳ diệu" mới được tạo ra bởi AI

Nhìn lại lịch sử nhân loại, một khi có sự đột phá trong công nghệ, mọi thứ từ cuộc sống hàng ngày của cá nhân, đến các cảnh quan công nghiệp đa dạng, và thậm chí cả toàn bộ nền văn minh của nhân loại, đều trải qua những thay đổi cách mạng.

Có hai năm quan trọng trong lịch sử nhân loại, đó là 1666 và 1905, hiện được gọi là hai "năm kỳ diệu" vĩ đại trong lịch sử công nghệ.

Năm 1666 được coi là một năm kỳ diệu vì những thành tựu khoa học của Newton đã nổi bật trong thời gian này. Trong năm đó, ông đã tiên phong trong lĩnh vực vật lý được biết đến như quang học, thành lập lĩnh vực toán học của vi phân, và suy ra luật về trọng lực, một luật cơ bản của khoa học tự nhiên hiện đại. Mỗi thành tựu này đều là một đóng góp cơ bản cho sự phát triển khoa học của nhân loại trong thế kỷ tiếp theo, đẩy mạnh đáng kể sự tiến bộ chung của khoa học.

Năm kỳ diệu thứ hai là năm 1905, khi Einstein, chỉ mới 26 tuổi, đã xuất bản bốn bài báo liên tiếp trong “Tạp chí Vật lý”, bao gồm hiệu ứng quang điện (đặt nền móng cho cơ học lượng tử), chuyển động Brownian (trở thành một tài liệu tham khảo quan trọng cho việc phân tích quá trình ngẫu nhiên), lý thuyết tương đối đặc biệt, và phương trình năng lượng khối (công thức nổi tiếng E=MC^2). Trong các đánh giá sau này, mỗi bài báo này được coi là vượt qua mức trung bình của Giải Nobel Vật lý (Einstein cũng đã nhận Giải Nobel cho bài báo của mình về hiệu ứng quang điện), và một lần nữa, sự tiến triển lịch sử của nền văn minh nhân loại đã thực hiện vài bước tiến lớn.

Năm 2023 vừa qua có thể sẽ được gọi là một "năm kỳ diệu" khác vì ChatGPT.

Chúng tôi coi năm 2023 là một 'năm kỳ diệu' khác trong lịch sử công nghệ của loài người không chỉ bởi những tiến bộ đáng kể mà GPT đã đạt được trong việc hiểu và tạo ra ngôn ngữ tự nhiên mà còn bởi loài người đã giải mã mẫu tăng trưởng của các mô hình ngôn ngữ lớn từ sự tiến hóa của GPT — nghĩa là, bằng cách mở rộng các tham số mô hình và dữ liệu huấn luyện, khả năng của mô hình có thể được tăng cường theo cấp số nhân — và quá trình này vẫn chưa gặp chướng ngại ngắn hạn (miễn là có đủ sức mạnh tính toán).

Khả năng này vượt xa sự hiểu biết ngôn ngữ và tạo ra đối thoại và được sử dụng rộng rãi trên các lĩnh vực công nghệ khác nhau. Ví dụ, trong lĩnh vực sinh học năm 2018, người đoạt giải Nobel Hóa học, Frances Arnold, cho biết trong lễ trao giải, "Ngày nay, trong các ứng dụng thực tế, chúng ta có thể đọc, viết và chỉnh sửa bất kỳ trình tự DNA nào, nhưng chúng ta vẫn không thể soạn nó." Chỉ năm năm sau bài phát biểu của bà, vào năm 2023, các nhà nghiên cứu từ Đại học Stanford và Salesforce Research ở Thung lũng Silicon đã xuất bản một bài báo trên tạp chí "Công nghệ sinh học tự nhiên". Họ đã tạo ra 1 triệu protein mới từ đầu bằng cách sử dụng một mô hình ngôn ngữ lớn được tinh chỉnh từ GPT3 và xác định hai protein có cấu trúc riêng biệt, cả hai đều có khả năng kháng khuẩn, có khả năng trở thành một giải pháp mới để chống lại vi khuẩn ngoài kháng sinh. Điều này cho thấy nút thắt cổ chai trong "sáng tạo" protein đã bị phá vỡ với sự trợ giúp của AI.

Hơn nữa, thuật toán AI AlphaFold đã dự đoán cấu trúc của gần 214 triệu protein trên Trái Đất trong vòng 18 tháng, một kỳ tích vượt xa những thành tựu tổng hợp của tất cả các nhà sinh học cấu trúc trong lịch sử hàng trăm lần.

Với các mô hình dựa trên trí tuệ nhân tạo trong công nghệ sinh học, khoa học vật liệu, phát triển thuốc và các ngành khoa học khác, cũng như trong lĩnh vực nhân văn như luật và nghệ thuật, một cuộc biến đổi cách mạng là không thể tránh khỏi, và năm 2023 thực sự là năm khai mạc cho tất cả những tiến bộ này.

Như chúng ta đã biết, trong thế kỷ trước, sự sáng tạo của tài sản con người đã tăng mạnh, và sự chín muồi nhanh chóng của công nghệ AI không thể phủ nhận sẽ tăng tốc quá trình này thêm nữa.

Biểu đồ xu hướng GDP toàn cầu, nguồn dữ liệu: Ngân hàng Thế giới

1.2 Sự tích hợp của AI và Crypto

Để hiểu cơ bản về sự cần thiết của việc tích hợp AI và Crypto, chúng ta có thể bắt đầu từ những đặc điểm bổ sung của họ.

Đặc điểm bổ sung của AI và Crypto

Trí tuệ nhân tạo sở hữu ba đặc tính:

1. Ngẫu nhiên: Trí tuệ nhân tạo thể hiện sự ngẫu nhiên; cơ chế đằng sau việc sản xuất nội dung của nó là một hộp đen khó tái tạo và kiểm tra, do đó kết quả cũng là ngẫu nhiên.

2. Yêu cầu Nhiều Tài Nguyên: AI là một ngành công nghiệp tốn nhiều tài nguyên, đòi hỏi lượng lớn năng lượng, chip và sức mạnh tính toán.

3. Trí tuệ giống con người: Trí tuệ nhân tạo sẽ sớm có thể vượt qua cuộc kiểm tra Turing, từ đó làm cho việc phân biệt giữa con người và máy móc trở nên khó khăn hơn.

Vào ngày 30 tháng 10 năm 2023, một nhóm nghiên cứu từ Đại học California, San Diego đã công bố kết quả kiểm tra Turing cho GPT-3.5 và GPT-4.0. GPT-4.0 đạt được điểm số 41%, chỉ thiếu 9% so với điểm qua môn 50%, trong khi người tham gia đạt 63%. Ý nghĩa của cuộc kiểm tra Turing này là phần trăm người tin rằng đối tác trò chuyện của họ là một con người. Nếu hơn 50% tin rằng vậy, điều đó cho thấy ít nhất một nửa số người xem xét thực thể trò chuyện là con người, không phải là máy móc, do đó được coi là qua môn kiểm tra Turing.

Trong khi AI tạo ra sự hiệu quả mới mang tính đột phá cho nhân loại, ba đặc điểm của nó cũng đem đến những thách thức đáng kể đối với xã hội loài người, bao gồm:

• Cách xác minh và kiểm soát sự ngẫu nhiên của trí tuệ nhân tạo, biến sự ngẫu nhiên từ một lỗi thành một lợi thế.

• Làm thế nào để đáp ứng nhu cầu năng lượng và sức mạnh tính toán đáng kể của trí tuệ nhân tạo.

• Làm thế nào để phân biệt giữa con người và máy móc.

Kinh tế hồ sư và kinh tế blockchain có thể là biển pháp để giải quyết các thách thức mang lại bởi trí tuệ AI. Nội dung kinh tế mã hóa có ba đặc điểm sau:

1. Xác định: Các hoạt động kinh doanh dựa trên blockchain, mã code và hợp đồng thông minh, với quy tắc và ranh giới rõ ràng; đầu vào quyết định kết quả, đảm bảo độ xác định cao.

2. Phân bổ tài nguyên hiệu quả: Nền kinh tế tiền điện tử đã xây dựng một thị trường tự do toàn cầu lớn mạnh, nơi mà việc định giá, gọi vốn và lưu thông tài nguyên diễn ra rất nhanh chóng. Do sự tồn tại của Token, sự khuyến khích có thể tăng tốc quá trình kết hợp cung cầu thị trường, đạt đến điểm chính xác nhanh hơn.

3. Không tin cậy: Với sổ cái công khai và mã nguồn mở, mọi người đều có thể dễ dàng xác minh các hoạt động, dẫn đến hệ thống 'không cần tin tưởng'. Hơn nữa, công nghệ ZK (Zero-Knowledge) tránh được việc tiết lộ thông tin riêng tư trong quá trình xác minh.

Hãy minh họa sự bổ sung giữa trí tuệ nhân tạo và nền kinh tế tiền điện tử bằng ba ví dụ.

Ví dụ A: Đối phó với Sự ngẫu nhiên, các Đại lý Trí tuệ Nhân tạo Dựa trên Nền kinh tế Tiền điện tử

Các đại lý trí tuệ nhân tạo, như những người từ Fetch.AI, được thiết kế để hành động theo ý muốn của con người và thực hiện các nhiệm vụ thay mặt cho con người. Nếu chúng tôi muốn đại lý trí tuệ nhân tạo của mình xử lý một giao dịch tài chính, như “mua $1000 BTC,” nó có thể đối mặt với hai kịch bản:

• Kịch bản Một: Cần tương tác với các tổ chức tài chính truyền thống (như BlackRock) để mua BTC ETFs, đối mặt với nhiều vấn đề tương thích với các điều động AI và các tổ chức tập trung, như KYC, xem xét tài liệu, đăng nhập và xác minh danh tính, hiện đang khá rườm rà.

• Kịch bản hai: Nó hoạt động dựa trên nền kinh tế tiền điện tử bản địa, đơn giản hơn nhiều; nó có thể thực hiện các giao dịch trực tiếp thông qua Uniswap hoặc một nền tảng giao dịch tổng hợp tương tự bằng chữ ký tài khoản của bạn, hoàn tất giao dịch một cách nhanh chóng và đơn giản để nhận WBTC (hoặc một dạng BTC khác được bọc lại). Điều quan trọng là, đây chính là điều mà các bot giao dịch khác nhau đang thực hiện, mặc dù tập trung hoàn toàn vào giao dịch cho đến bây giờ. Khi AI tích hợp và phát triển, chắc chắn các bot giao dịch trong tương lai sẽ có khả năng thực hiện những ý định giao dịch phức tạp hơn, chẳng hạn theo dõi các chiến lược giao dịch và tỉ lệ thành công của 100 địa chỉ tiền thông minh trên blockchain, thực hiện các giao dịch tương tự với 10% quỹ của tôi trong vòng một tuần và dừng lại và tóm tắt nguyên nhân thất bại nếu kết quả không đạt mong đợi.

Trí tuệ nhân tạo hoạt động tốt hơn trong hệ thống blockchain chủ yếu là do sự rõ ràng của các quy tắc kinh tế tiền mã hóa và quyền truy cập hệ thống không hạn chế. Trong những quy định này, những rủi ro tiềm ẩn do tính ngẫu nhiên của trí tuệ nhân tạo được giảm thiểu. Ví dụ, trí tuệ nhân tạo đã vượt qua con người trong các trò chơi bài và trò chơi video do sự rõ ràng và đóng cửa của các quy tắc trong hộp cát. Tuy nhiên, tiến bộ trong lái xe tự động là tương đối chậm do những thách thức từ môi trường bên ngoài mở, và chúng ta ít kiên nhẫn với tính ngẫu nhiên trong việc giải quyết vấn đề của trí tuệ nhân tạo trong những cài đặt như vậy.

Ví dụ B: Định hình Tài nguyên thông qua Động lực Token**

Mạng lưới toàn cầu đứng sau BTC, với tổng công suất băm hiện tại là 576,70 EH/s, vượt qua sức mạnh tính toán kết hợp của bất kỳ siêu máy tính nào của các quốc gia. Sự phát triển của nó được thúc đẩy bởi một động lực mạng lưới đơn giản, công bằng.

Xu hướng sức mạnh tính toán mạng BTC, nguồn: https://www.coinwarz.com/

Ngoài ra, các dự án bản đồ bao gồm DePIN của Mobile định hình một thị trường hai lần bằng cách tiếp cận và cung cấp qua các công cụ khuyến khích token, mục tiêu là đạt được hiệu ứng mạng lưới. Trong bài viết này, IO.NET, được nhấn mạnh trong phần thảo luận sau, là một nền tảng được thiết kế để tập trung sức mạnh tính toán AI, hy vọng mở ra nhiều tiềm năng AI hơn qua một mô hình token.

Ví dụ C: Mã nguồn mở, giới thiệu Các Chứng minh Zero-Knowledge (ZK) để phân biệt con người và máy móc trong khi bảo vệ sự riêng tư

Dự án Web3 liên quan đến nhà sáng lập OpenAI Sam Altman, Worldcoin sử dụng thiết bị phần cứng gọi là Orb, tạo ra một giá trị băm duy nhất và ẩn danh dựa trên sinh trắc học mống mắt con người thông qua công nghệ ZK để xác minh danh tính và phân biệt con người với máy móc. Đầu tháng 3 năm nay, dự án nghệ thuật Web3 Drip bắt đầu sử dụng ID của Worldcoin để xác minh người dùng con người thật và phân phối phần thưởng.

Hơn nữa, Worldcoin đã mới đây công khai mã chương trình của phần cứng nhận dạng mống mắt Orb, đảm bảo an ninh và quyền riêng tư của dữ liệu sinh trắc học của người dùng.

Nhìn chung, nền kinh tế tiền điện tử đã trở thành một giải pháp tiềm năng đáng kể cho những thách thức mà trí tuệ nhân tạo đặt ra đối với xã hội con người, nhờ vào sự chắc chắn của mã code và mật mã, những lợi ích của việc lưu thông tài nguyên và gây quỹ do cơ chế Token mang lại, cũng như tính không tin cậy dựa trên mã nguồn mở và sổ cái công khai.

Thách thức cấp bách và đòi hỏi về mặt thương mại nhất là sự đói khát cực kỳ về tài nguyên tính toán bởi các sản phẩm AI, xoay quanh nhu cầu khổng lồ về vi mạch và sức mạnh tính toán.

Đó cũng là lý do chính tại sao các dự án tính toán phân tán đã dẫn đầu trong quá trình theo dõi toàn cầu về trí tuệ nhân tạo trong chu kỳ thị trường tăng giá này.

Sự cần thiết thương mại của máy tính phi tập trung

Trí tuệ nhân tạo đòi hỏi tài nguyên tính toán đáng kể, cả để huấn luyện mô hình và để suy luận.

Trong quá trình huấn luyện các mô hình ngôn ngữ lớn, đã được xác nhận rằng miễn là quy mô của các tham số dữ liệu đủ lớn, các khả năng mới sẽ xuất hiện mà trước đây chưa có. Mỗi thế hệ của GPT cho thấy một bước nhảy mũi tên với khả năng so sánh với thế hệ tiền nhiệm của nó, được hỗ trợ bởi sự tăng trưởng mũi tên về khối lượng tính toán cần thiết cho việc huấn luyện mô hình.

Nghiên cứu của DeepMind và Đại học Stanford cho thấy rằng các mô hình ngôn ngữ lớn khác nhau, khi đối mặt với các nhiệm vụ khác nhau (tính toán, Persian QA, hiểu ngôn ngữ tự nhiên, vv.), thực hiện tương tự như câu trả lời ngẫu nhiên cho đến khi quá trình huấn luyện đạt dưới 10^22 FLOPs (FLOPs biểu thị số lần thực hiện phép tính dấu phẩy động mỗi giây, một đơn vị đo lường hiệu suất tính toán); tuy nhiên, một khi quy mô của các tham số vượt qua ngưỡng quyết định đó, hiệu suất của bất kỳ nhiệm vụ nào cũng cải thiện đáng kể, bất kể mô hình ngôn ngữ nào.

Nguồn: Các khả năng mới nổi của các mô hình ngôn ngữ lớn

Năng lực nổi bật của các mô hình ngôn ngữ lớn

Chính là nguyên tắc 'đạt được kỳ tích với khả năng tính toán lớn' và việc xác minh thực tế đã dẫn đến Sam Altman, người sáng lập OpenAI, đề xuất tăng 7 nghìn tỷ đô la Mỹ để xây dựng một nhà máy chip tiên tiến lớn gấp 10 lần so với TSMC hiện tại. Dự kiến sẽ chi khoảng 1,5 nghìn tỷ đô la cho phần này, với số tiền còn lại sẽ được sử dụng cho sản xuất chip và huấn luyện mô hình.

Ngoài việc huấn luyện các mô hình trí tuệ nhân tạo, quá trình suy luận của chính các mô hình này cũng đòi hỏi nhiều năng lực tính toán đáng kể, mặc dù ít hơn so với việc huấn luyện. Do đó, nhu cầu về vi xử lý và năng lực tính toán đã trở thành một xu hướng phổ biến trong số các đối thủ trong lĩnh vực trí tuệ nhân tạo.

So với các nhà cung cấp tính toán trí tuệ nhân tạo tập trung như Amazon Web Services, Google Cloud Platform và Azure của Microsoft, các đề xuất giá trị chính của tính toán trí tuệ phân tán bao gồm:

• Khả năng tiếp cận: Truy cập vào chip máy tính thông qua dịch vụ đám mây như AWS, GCP hoặc Azure thường mất vài tuần, và các mẫu GPU phổ biến thường bị hết hàng. Hơn nữa, để có được sức mạnh tính toán, người tiêu dùng thường cần ký kết các hợp đồng dài hạn, không linh hoạt với các công ty lớn này. Ngược lại, các nền tảng tính toán phân tán có thể cung cấp các tùy chọn phần cứng linh hoạt với khả năng tiếp cận lớn hơn.
• Giá Thấp Hơn: Bằng cách sử dụng chip không hoạt động, kết hợp với các khoản trợ cấp Token từ giao thức mạng đến nhà cung cấp chip và công nghệ tính toán, các mạng tính toán phân tán có thể cung cấp sức mạnh tính toán giá cả phải chăng hơn.
• Kháng Cự Kiểm Duyệt: Hiện tại, việc cung ứng chip và nguyên vật liệu máy tính tiên tiến đều bị các công ty công nghệ lớn độc quyền. Ngoài ra, các chính phủ do Hoa Kỳ dẫn đầu đang tăng cường kiểm tra các dịch vụ máy tính trí tuệ nhân tạo. Khả năng tiếp cận công suất tính toán một cách phân tán, linh hoạt và miễn phí đang trở thành một yêu cầu rõ ràng, đồng thời cũng là một giá trị cốt lõi của các nền tảng dịch vụ tính toán dựa trên web3.

Nếu năng lượng hóa thạch từng là huyết mạch của thời đại công nghiệp, thì sức mạnh tính toán có lẽ sẽ trở thành huyết mạch của thời đại kỹ thuật số mới do AI đem lại, với nguồn cung cấp sức mạnh tính toán trở thành cơ sở hạ tầng của thời đại AI. Giống như stablecoins đã trở thành một nhánh phát triển mạnh mẽ của tiền tệ fiat trong thời đại Web3, liệu thị trường tính toán phân tán có thể trở thành một nhánh phát triển nhanh chóng của thị trường tính toán AI không?

Vì đây vẫn là một thị trường khá sớm, mọi thứ vẫn đang trong quá trình quan sát. Tuy nhiên, các yếu tố sau có thể tiềm năng kích thích câu chuyện hoặc sự chấp nhận của thị trường về tính toán phân tán:

• Sự căng thẳng liên tục về cung cấp và cầu về GPU. Sự căng thẳng liên tục về cung cấp GPU có thể thúc đẩy một số nhà phát triển chuyển sang các nền tảng tính toán phân tán.
• Mở rộng quy định. Truy cập các dịch vụ máy tính AI từ các nền tảng máy chủ đám mây lớn yêu cầu KYC và kiểm tra kỹ lưỡng. Điều này có thể thúc đẩy việc áp dụng các nền tảng máy tính phân tán, đặc biệt là tại các khu vực đối mặt với hạn chế và trừng phạt.
• Incentives giá Token. Các chu kỳ thị trường tăng giá và giá token tăng tạo ra giá trị khuyến mãi cho phía cung cấp GPU, thu hút nhiều nhà cung cấp hơn đến thị trường, tăng kích thước thị trường, và giảm giá mua thực tế cho người tiêu dùng.

Tuy nhiên, những thách thức mà các nền tảng máy tính phân tán đối mặt cũng rất rõ ràng:

• Thách thức kỹ thuật và kỹ thuật
• Vấn đề của Proof of Work: Việc tính toán cho các mô hình học sâu, do cấu trúc phân cấp của chúng nơi đầu ra của mỗi lớp phục vụ như đầu vào cho lớp tiếp theo, yêu cầu thực hiện tất cả công việc trước đó để xác minh tính hợp lệ của phép tính. Điều này không thể đơn giản và hiệu quả để xác minh. Để giải quyết vấn đề này, các nền tảng tính toán phân tán cần phát triển các thuật toán mới hoặc sử dụng các kỹ thuật xác minh gần đúng, có thể cung cấp các cam kết xác suất về tính chính xác của kết quả, thay vì sự chắc chắn tuyệt đối.
• Thách thức song song hóa: Các nền tảng tính toán phân tán thu thập dài của nguồn cung cấp chip, có nghĩa là từng thiết bị chỉ có thể cung cấp công suất tính toán hạn chế. Một nhà cung cấp chip duy nhất khó lòng hoàn thành các nhiệm vụ huấn luyện hoặc suy luận của một mô hình AI độc lập trong thời gian ngắn, vì vậy các nhiệm vụ phải được phân rã và phân phối qua song song hóa để rút ngắn thời gian hoàn thành tổng thể. Song song hóa cũng không tránh khỏi các vấn đề như cách phân rã các nhiệm vụ (đặc biệt là các nhiệm vụ học sâu phức tạp), phụ thuộc dữ liệu và chi phí giao tiếp bổ sung giữa các thiết bị.
• Vấn đề Bảo vệ Sự riêng tư: Làm thế nào để đảm bảo rằng dữ liệu và mô hình của bên mua không bị tiết lộ cho người nhận công việc?

Thách thức tuân thủ quy định về điều chỉnh

• Do tính không được cấp phép của các thị trường cung cấp và mua sắm song song của các nền tảng máy tính phân tán, họ có thể thu hút một số khách hàng nhất định như điểm bán hàng. Tuy nhiên, họ có thể trở thành mục tiêu của quy định chính phủ khi tiêu chuẩn quản lý AI được hoàn thiện. Ngoài ra, một số nhà cung cấp GPU có thể lo lắng về việc liệu tài nguyên máy tính cho thuê của họ có được cung cấp cho các doanh nghiệp hoặc cá nhân bị trừng phạt hay không.

Nhìn chung, người tiêu dùng của các nền tảng máy tính phân tán đa số là các nhà phát triển chuyên nghiệp hoặc các tổ chức nhỏ đến trung bình, khác biệt so với các nhà đầu tư tiền điện tử và NFT trong kỳ vọng của họ đối với sự ổn định và liên tục của các dịch vụ được cung cấp bởi giao thức. Giá có thể không phải là động lực chính của họ trong quyết định. Hiện tại, dường như các nền tảng máy tính phân tán vẫn còn một quãng đường dài để có được sự chấp thuận của những người dùng như vậy.

Tiếp theo, chúng tôi sẽ tổ chức và phân tích thông tin dự án cho một dự án máy tính phân tán mới trong chu kỳ này, IO.NET, và ước lượng giá trị thị trường có thể sau khi niêm yết, dựa trên các đối thủ thị trường hiện tại trong lĩnh vực trí tuệ nhân tạo và máy tính phân tán.

2. Nền tảng tính toán AI phân tán: IO.NETNền tảng tính toán AI phân tán: IO.NET

2.1 Vị trí Dự án

IO.NET là mạng máy tính phi tập trung đã thiết lập một thị trường song phương tập trung vào vi xử lý. Bên cung cấp bao gồm vi xử lý (chủ yếu là GPU, nhưng cũng bao gồm CPU và iGPU của Apple) được phân phối toàn cầu, trong khi bên cầu gồm các kỹ sư trí tuệ nhân tạo đang tìm cách thực hiện việc huấn luyện mô hình AI hoặc các nhiệm vụ suy luận.

Như đã nêu trên trang web chính thức của IO.NET:

Sứ mệnh của chúng tôi

Kết hợp một triệu GPU trong một DePIN - mạng cơ sở hạ tầng vật lý phi tập trung.

Nhiệm vụ là tích hợp hàng triệu GPU vào mạng lưới DePIN của mình.

So với các nhà cung cấp dịch vụ tính toán trí tuệ nhân tạo trên điện toán đám mây hiện có, IO.NET nhấn mạnh vào những điểm bán hàng chính sau đây:

• Kết Hợp Linh Hoạt: Các kỹ sư trí tuệ nhân tạo có thể tự do lựa chọn và kết hợp các vi chip mà họ cần để tạo thành “Cụm” để hoàn thành nhiệm vụ tính toán của họ.
• Triển khai nhanh chóng: Việc triển khai có thể hoàn thành trong vài giây, mà không cần đợi vài tuần để được phê duyệt như thường phải làm với các nhà cung cấp trung tâm như AWS.
• Dịch vụ tiết kiệm chi phí: Chi phí dịch vụ thấp hơn 90% so với các nhà cung cấp chính thống.

Ngoài ra, IO.NET dự định sẽ triển khai các dịch vụ như cửa hàng mô hình AI trong tương lai.

Cơ chế Sản phẩm và Dữ liệu Kinh doanh 2.2

Cơ chế Sản phẩm và Kinh nghiệm Triển khai

Tương tự như Amazon Cloud, Google Cloud và Alibaba Cloud, dịch vụ máy tính được cung cấp bởi IO.NET được gọi là IO Cloud. IO Cloud là một mạng phân tán, phi tập trung của các chip có khả năng thực thi mã học máy dựa trên Python và chạy các chương trình AI và học máy.

Mô-đun kinh doanh cơ bản của IO Cloud được gọi là “Clusters.” Clusters là nhóm GPU có thể tự động phối hợp để hoàn thành các nhiệm vụ tính toán. Các kỹ sư trí tuệ nhân tạo có thể tùy chỉnh Clusters mong muốn dựa trên nhu cầu của họ.

Giao diện sản phẩm của IO.NET rất thân thiện với người dùng. Nếu bạn cần triển khai các Cụm chip của riêng mình để hoàn thành các nhiệm vụ tính toán trí tuệ nhân tạo, bạn có thể bắt đầu cấu hình Cụm chip mong muốn ngay khi bạn truy cập trang sản phẩm Cụm chip trên trang web của họ.

Thông tin trang:https://cloud.io.net/cloud/clusters/create-cluster, cũng như bên dưới

Đầu tiên, bạn cần chọn kịch bản dự án của mình, và hiện tại, có ba loại có sẵn:

1. Chung (Loại chung): Cung cấp môi trường tổng quát hơn, phù hợp cho các giai đoạn dự án sớm khi nhu cầu tài nguyên cụ thể chưa chắc chắn.

2. Đào tạo (Loại đào tạo): Được thiết kế để đào tạo và điều chỉnh mô hình học máy. Tùy chọn này cung cấp tài nguyên GPU bổ sung, dung lượng bộ nhớ cao hơn và/hoặc kết nối mạng nhanh hơn để xử lý các nhiệm vụ tính toán cường độ cao này.

3. Suy luận (Loại suy luận): Được thiết kế cho suy luận thời gian thấp và các nhiệm vụ tải cao. Trong ngữ cảnh của học máy, suy luận đề cập đến việc sử dụng các mô hình đã được huấn luyện để dự đoán hoặc phân tích dữ liệu mới và cung cấp phản hồi. Do đó, tùy chọn này tập trung vào tối ưu hóa thời gian trễ và lưu lượng để hỗ trợ nhu cầu xử lý dữ liệu thời gian thực hoặc gần thời gian thực.

Tiếp theo, bạn cần chọn nhà cung cấp cho Cụm chip. Hiện tại, IO.NET đã hợp tác với Mạng Render và mạng đào Filecoin, cho phép người dùng chọn chip từ IO.NET hoặc hai mạng khác để làm nhà cung cấp Cụm tính toán của họ. IO.NET hoạt động như một người tổng hợp (mặc dù, vào thời điểm viết, dịch vụ của Filecoin tạm thời ngoại tuyến). Đáng chú ý, theo hiển thị trang, số lượng GPU trực tuyến có sẵn cho IO.NET là hơn 200.000, trong khi cho Render Network là hơn 3.700.

Cuối cùng, bạn nhập vào giai đoạn lựa chọn phần cứng chip cho các Cụm. Hiện tại, IO.NET chỉ liệt kê GPU cho việc lựa chọn, loại trừ CPU hoặc iGPU của Apple (M1, M2, v.v.), và các GPU chủ yếu là sản phẩm của NVIDIA.

Trong danh sách chính thức của các tùy chọn phần cứng GPU có sẵn, dựa trên dữ liệu được tác giả kiểm tra vào ngày đó, tổng số GPU có sẵn trực tuyến trong mạng lưới IO.NET là 206.001. Trong số đó, GeForce RTX 4090 có số lượng lớn nhất với 45.250 đơn vị, tiếp theo là GeForce RTX 3090 Ti với 30.779 đơn vị.

Ngoài ra, vi mạch A100-SXM4-80GB, hiệu quả hơn cho các nhiệm vụ tính toán trí tuệ nhân tạo như học máy, học sâu và tính toán khoa học (giá thị trường trên $15,000), có 7,965 đơn vị trực tuyến.

The NVIDIA H100 80GB HBM3 graphics card, specifically designed from the ground up for AI (giá thị trường trên 40.000 USD), has a training performance 3.3 times that of the A100 and an inference performance 4.5 times that of the A100, with a total of 86 units online.

Sau khi chọn loại phần cứng cho Cụm, người dùng cũng cần chọn khu vực, tốc độ truyền thông, số lượng GPU được thuê, và thời gian thuê, cùng với các thông số khác.

Cuối cùng, IO.NET sẽ cung cấp một hóa đơn dựa trên sự lựa chọn toàn diện. Ví dụ, trong cấu hình Cụm của tác giả:

• Kịch bản nhiệm vụ chung
• 16 vi mạch A100-SXM4-80GB
• Kết nối siêu tốc độ cao
• Đặt tại Hoa Kỳ
• Kỳ hạn thuê 1 tuần

Tổng số hóa đơn là $3311.6, với giá mỗi giờ mỗi thẻ là $1.232

Trong so sánh, giá thuê theo giờ của A100-SXM4-80GB trên Amazon Cloud, Google Cloud và Microsoft Azure lần lượt là $5.12, $5.07 và $3.67 (nguồn dữ liệu: https://cloud-gpus.com/, giá thực tế có thể thay đổi dựa trên chi tiết hợp đồng).

Vì vậy, chỉ trong mặt giá cả, sức mạnh tính toán của IO.NET rẻ hơn đáng kể so với các nhà sản xuất chính thống, và các tùy chọn cung cấp và mua hàng rất linh hoạt, dễ dàng để bắt đầu.

Điều kiện kinh doanh

Tình hình cung ứng

Vào ngày 4 tháng 4 năm nay, theo dữ liệu chính thức, IO.NET có tổng cung cấp là 371.027 GPU và 42.321 CPU ở phía cung cấp. Ngoài ra, Render Network, đối tác của nó, cũng đã kết nối 9.997 GPU và 776 CPU vào cung cấp mạng.

Nguồn dữ liệu: https://cloud.io.net/explorer/home, cũng như dưới đây

Khi viết bài này, có 214,387 GPU kết nối bởi IO.NET đang online, với tỷ lệ online là 57.8%. Tỷ lệ online cho các GPU từ Render Network là 45.1%.

Dữ liệu cung ứng ở trên gợi ý điều gì?

Để cung cấp một so sánh, hãy giới thiệu một dự án tính toán phân tán khác, cũ hơn, Akash Network, để so sánh. Akash Network đã ra mắt mainnet của mình ngay từ năm 2020, ban đầu tập trung vào các dịch vụ phân tán cho CPUs và lưu trữ. Vào tháng 6 năm 2023, nó đã ra mắt một testnet cho dịch vụ GPU và đi vào hoạt động với mainnet cho sức mạnh tính toán GPU phân tán vào tháng 9 cùng năm đó.

Nguồn dữ liệu: https://stats.akash.network/provider-graph/graphics-gpu

Theo dữ liệu chính thức từ Akash, mặc dù phía cung ứng vẫn tiếp tục tăng, tổng số GPU kết nối vào mạng của nó chỉ đạt 365 đến nay.

Về khối lượng cung cấp GPU, IO.NET cao hơn nhiều lần so với Mạng Akash, khiến nó trở thành mạng cung cấp lớn nhất trong cuộc đua sức mạnh tính toán GPU phân phối.

Tình hình phía cầu

Tuy nhiên, nếu nhìn vào phía cầu, IO.NET vẫn đang ở giai đoạn đầu của việc khai thác thị trường, và khối lượng thực tế của các nhiệm vụ tính toán được thực hiện bằng IO.NET không lớn. Hầu hết các GPU trực tuyến có khối lượng công việc là 0%, chỉ có bốn loại chip - A100 PCIe 80GB K8S, RTX A6000 K8S, RTX A4000 K8S, và H100 80GB HBM3 - xử lý các nhiệm vụ. Ngoại trừ A100 PCIe 80GB K8S, khối lượng công việc của ba loại chip còn lại đều dưới 20%.

Giá trị căng thẳng mạng chính thức được tiết lộ vào ngày hôm nay là 0%, cho thấy hầu hết nguồn cung chip đang ở trạng thái chờ đợi trực tuyến. Trong khi đó, IO.NET đã tạo ra tổng cộng $586,029 trong các khoản phí dịch vụ, với chi phí trong ngày qua lên đến $3,200.

Nguồn dữ liệu: https://cloud.io.net/explorer/clusters

Quy mô của các khoản phí thanh toán mạng này, cả về tổng cộng và về khối lượng giao dịch hàng ngày, có cùng một trật tự lớn như Akash, mặc dù hầu hết doanh thu mạng của Akash đến từ đoạn CPU, với hơn 20,000 CPU được cung cấp.

Nguồn dữ liệu: https://stats.akash.network/

Ngoài ra, IO.NET đã tiết lộ dữ liệu về các nhiệm vụ suy luận trí tuệ nhân tạo được xử lý bởi mạng lưới; đến nay, đã xử lý và xác minh hơn 230.000 nhiệm vụ suy luận, mặc dù hầu hết khối lượng này đã được tạo ra bởi các dự án được tài trợ bởi IO.NET, chẳng hạn như BC8.AI.

Nguồn dữ liệu: https://cloud.io.net/explorer/inferences

Dựa trên dữ liệu kinh doanh hiện tại, việc mở rộng phía cung của IO.NET đang tiến triển suôn sẻ, được thúc đẩy bởi sự kỳ vọng từ airdrops và một sự kiện cộng đồng được đặt tên là "Ignition", nơi đã nhanh chóng tích luỹ một lượng lớn sức mạnh tính toán chip AI. Tuy nhiên, việc mở rộng phía cầu vẫn đang ở giai đoạn đầu, với nhu cầu hữu cơ hiện tại chưa đủ. Vẫn cần phải đánh giá xem việc thiếu hụt nhu cầu hiện tại có phải do việc tiếp cận người tiêu dùng chưa bắt đầu, hay vì trải nghiệm dịch vụ hiện tại chưa ổn định đủ, do đó thiếu sự chấp nhận rộng rãi.

Xét đến sự khó khăn ngắn hạn trong việc nối cầu về sức mạnh tính toán trí tuệ nhân tạo, nhiều kỹ sư và dự án trí tuệ nhân tạo đang tìm kiếm giải pháp thay thế, có thể tạo sự quan tâm đến các nhà cung cấp dịch vụ phi tập trung. Ngoài ra, khi IO.NET chưa triển khai kích thích kinh tế và hoạt động cho phía cầu, cùng với sự cải thiện dần dần của trải nghiệm sản phẩm, sự kỳ vọng về việc phù hợp cuối cùng của cung và cầu vẫn được mong đợi với sự lạc quan.

2.3 Lịch sử và Tài chính của nhóm

Tình hình nhóm

Ban đầu, nhóm lõi của IO.NET tập trung vào giao dịch định lượng, phát triển hệ thống giao dịch định lượng cấp tổ chức cho cổ phiếu và tài sản tiền điện tử cho đến tháng 6 năm 2022. Được thúc đẩy bởi nhu cầu về sức mạnh tính toán của hệ thống phía sau, nhóm bắt đầu khám phá những khả năng của tính toán phi tập trung, cuối cùng tập trung vào việc giảm chi phí của dịch vụ tính toán GPU.

Người sáng lập & CEO: Ahmad Shadid, người có lịch sử trong tài chính định lượng và kỹ thuật và cũng đã từng làm tình nguyện viên cho Ethereum Foundation.

CMO & Chief Strategy Officer: Garrison Yang, người đã tham gia vào IO.NET vào tháng Ba năm nay. Trước đó, ông là Phó Chủ tịch Chiến lược và Phát triển tại Avalanche và tốt nghiệp từ Đại học California, Santa Barbara.

COO: Tory Green, trước đây là COO tại Hum Capital và Giám đốc Phát triển Doanh nghiệp và Chiến lược tại Fox Mobile Group, tốt nghiệp từ Stanford.

Theo thông tin trên LinkedIn, IO.NET đặt trụ sở chính tại New York, Mỹ, với một chi nhánh tại San Francisco, và kích thước đội ngũ vượt quá 50 thành viên.

Tình hình tài chính

Hiện tại, IO.NET chỉ đã tiết lộ một vòng gọi vốn, đó là Series A hoàn thành vào tháng 3 năm nay, trị giá 1 tỷ USD. Được dẫn đầu bởi Hack VC, với sự tham gia của Multicoin Capital, Delphi Digital, Foresight Ventures, Animoca Brands, Continue Capital, Solana Ventures, Aptos, LongHash Ventures, OKX Ventures, Amber Group, SevenX Ventures và ArkStream Capital, với số tiền gọi vốn là 30 triệu USD.

Đáng giá để đề cập rằng có lẽ do đầu tư từ Quỹ Aptos, dự án BC8.AI, ban đầu giải quyết tài khoản trên Solana, đã chuyển sang Aptos blockchain L1 hiệu suất cao.

2.4 Ước lượng Giá trị

Theo như người sáng lập và CEO của IO.NET Ahmad Shadid, công ty sẽ ra mắt token của mình vào cuối tháng 4.

IO.NET có hai dự án tương đối để tham khảo giá trị: Mạng Render và Mạng Akash, cả hai đều đại diện cho các dự án máy tính phân tán.

Có hai cách để suy ra dải vốn hóa thị trường của IO.NET: 1. Tỷ lệ giá bán (tỷ lệ P/S), tức là tỷ lệ vốn hóa thị trường/doanh thu; 2. Tỷ lệ vốn hóa thị trường trên mỗi chip mạng.

Đầu tiên, hãy xem xét sự suy luận định giá dựa trên tỷ lệ P/S:

Từ quan điểm của tỷ số P/S, Akash có thể phục vụ như giới hạn dưới của phạm vi định giá của IO.NET, trong khi Render đóng vai trò như một tham chiếu cho giá cao. Phạm vi FDV (Định giá hoàn toàn pha loãng) của họ dao động từ 1,67 tỷ USD đến 5,93 tỷ USD.

Tuy nhiên, khi xem xét cập nhật cho dự án IO.NET, câu chuyện nóng hộ hơn, với vộ đề lượng lớn và quy mô cung cấp lớn hiện tại, khả năng vượt qua FDV của Render không nhệ.

Tiếp theo, hãy xem xét một quan điểm định giá khác, tỷ lệ 'thị trường-so với-core'.

Trong một thị trường nơi nhu cầu về sức mạnh tính toán AI vượt quá cung cấp, yếu tố quan trọng nhất của các mạng sức mạnh tính toán AI phân tán là quy mô cung cấp GPU. Do đó, chúng ta có thể sử dụng “tỷ lệ từ thị trường đến lõi,” tỷ lệ giữa vốn hóa thị trường dự án tổng cộng và số chip trong mạng, để suy luận phạm vi định giá có thể của IO.NET cho độc giả như một tham chiếu giá trị thị trường.

)

Nếu tính dựa trên tỷ lệ thị trường đến lõi, với Render Network là giới hạn trên và Akash Network là giới hạn dưới, phạm vi FDV cho IO.NET dao động từ 20,6 tỷ USD đến 197,5 tỷ USD.

Những người đọc lạc quan về dự án IO.NET sẽ coi đây là một ước lượng giá trị thị trường rất lạc quan.

Hơn nữa, chúng ta cần xem xét rằng số lượng chip trực tuyến lớn hiện tại của IO.NET có thể được kích thích bởi kỳ vọng airdrop và các hoạt động khuyến khích, và số lượng trực tuyến thực tế ở phía cung vẫn cần được quan sát sau khi dự án chính thức ra mắt.

Do đó, tổng thể, ước lượng định giá từ quan điểm tỷ số P/S có thể sẽ mang tính tham khảo hơn.

IO.NET, dự án kết hợp AI, DePIN và hệ sinh thái Solana, đang chờ đợi hiệu suất thị trường của mình sau khi ra mắt với sự mong đợi lớn lao.

3. Thông tin tham khảo

• Dephi Digital：The Real Merge
• Galaxy：Hiểu biết về sự giao cắt giữa Crypto và AI

免责声明：

1. Bài viết này được sao chép từ [ mintventures]. Tất cả bản quyền thuộc về tác giả gốcIO.NETNếu có ý kiến ​​phản đối về việc tái in này, vui lòng liên hệ Cổng Họcđội ngũ, và họ sẽ xử lý nhanh chóng.
2. Bản phát biểu từ chối trách nhiệm: Các quan điểm và ý kiến được thể hiện trong bài viết này chỉ thuộc về tác giả và không đại diện cho bất kỳ lời khuyên đầu tư nào.
3. Các bản dịch của bài viết sang các ngôn ngữ khác được thực hiện bởi đội ngũ Gate Learn. Trừ khi có ghi chú, việc sao chép, phân phối hoặc đạo văn các bài viết dịch là cấm.