В последние годы стремительное развитие технологий искусственного интеллекта (AI) и Web3 привлекло широкое внимание по всему миру. Искусственный интеллект достиг значительных прорывов в таких областях, как распознавание лиц, обработка естественного языка и машинное обучение, что принесло огромные преобразования и инновации в различные отрасли. В 2023 году объем рынка AI достиг 200 миллиардов долларов, такие крупные игроки, как OpenAI, Character.AI, Midjourney и другие, массово появились, возглавив волну AI.
Тем временем Web3, как новая модель сети, меняет восприятие и использование Интернета. Web3 основан на децентрализованной технологии блокчейн и реализует совместное использование и контроль данных, самоопределение пользователей и создание механизмов доверия через такие функции, как смарт-контракты, распределенное хранение и децентрализованная аутентификация. Основная идея Web3 заключается в том, чтобы освободить данные от централизованных властей, предоставив пользователям контроль над данными и право на разделение ценности. В настоящее время рыночная капитализация сектора Web3 составляет 25 триллионов, появляются проекты, такие как Bitcoin, Ethereum, Solana, а также приложения на уровне Uniswap, Stepn, привлекающие все больше людей в индустрию Web3.
Сочетание ИИ и Web3 является областью, которая вызывает большой интерес как у восточных, так и у западных разработчиков и инвесторов. Как хорошо интегрировать оба направления — это вопрос, который стоит исследовать. В этой статье будет подробно рассмотрено текущее состояние развития ИИ+Web3, проанализированы ограничения и проблемы, с которыми сталкиваются текущие проекты, а также предоставлены рекомендации и инсайты для инвесторов и специалистов.
2. Способы взаимодействия AI и Web3
Развитие ИИ и Web3 похоже на стороны весов: ИИ приносит повышение производительности, а Web3 приводит к изменению производственных отношений. Какие искры могут возникнуть от столкновения ИИ и Web3? Сначала мы проанализируем проблемы и возможности, с которыми сталкиваются каждая из отраслей, а затем обсудим, как они могут помочь друг другу решить эти проблемы.
2.1 Проблемы, с которыми сталкивается AI-отрасль
Чтобы исследовать трудности, с которыми сталкивается индустрия ИИ, сначала рассмотрим суть индустрии ИИ. Основу индустрии ИИ составляют три ключевых элемента: вычислительная мощность, алгоритмы и данные.
Вычислительная мощность: это способность выполнять масштабные вычисления и обработки. Задачи ИИ обычно требуют обработки больших объемов данных и выполнения сложных вычислений, таких как обучение моделей глубоких нейронных сетей. Высокая вычислительная мощность может ускорить процесс обучения и вывода моделей, улучшая производительность и эффективность систем ИИ. В последние годы, с развитием GPU и специализированных AI-чипов (, таких как TPU ), повышение вычислительной мощности сыграло важную роль в развитии отрасли ИИ.
Алгоритм: это ключевая составляющая AI-системы, используемая для решения задач и выполнения заданий с помощью математических и статистических методов. Алгоритмы AI можно разделить на традиционные алгоритмы машинного обучения и алгоритмы глубокого обучения, при этом алгоритмы глубокого обучения в последние годы добились значительных успехов. Выбор и проектирование алгоритмов имеют решающее значение для производительности и эффективности AI-системы. Постоянное улучшение и инновации в алгоритмах могут повысить точность, устойчивость и обобщающую способность AI-систем.
Данные: Основная задача ИИ-системы заключается в извлечении паттернов и закономерностей из данных через обучение и тренировки. Данные являются основой для обучения и оптимизации моделей, и благодаря масштабным выборкам данных ИИ-система может обучать более точные и умные модели. Богатые наборы данных могут предоставить более полную и разнообразную информацию, что позволяет моделям лучше обобщать на невидимые ранее данные и помогает ИИ-системе лучше понимать и решать проблемы реального мира.
После того как мы рассмотрим три основных элемента ИИ, давайте посмотрим на трудности и вызовы, с которыми сталкивается ИИ в этих трех областях:
В области вычислительной мощности AI-задачи обычно требуют значительных вычислительных ресурсов для обучения и вывода моделей, особенно для моделей глубокого обучения. Получение и управление крупномасштабной вычислительной мощностью является дорогостоящей и сложной задачей. Стоимость, энергопотребление и обслуживание высокопроизводительных вычислительных устройств представляют собой проблемы. Особенно для стартапов и индивидуальных разработчиков получение достаточной вычислительной мощности может быть затруднительным.
Хотя алгоритмы глубокого обучения достигли огромного успеха во многих областях, все же существуют некоторые затруднения и вызовы. Например, для обучения глубоких нейронных сетей требуется большое количество данных и вычислительных ресурсов, а для некоторых задач интерпретируемость и объяснимость модели могут быть недостаточными. Кроме того, устойчивость алгоритма и способность к обобщению также являются важными проблемами, производительность модели на не виденных данных может быть нестабильной. В процессе выбора среди множества алгоритмов, как найти лучший алгоритм для предоставления наилучших услуг, является задачей, требующей постоянного исследования.
В области данных данные являются движущей силой ИИ, но получение качественных и разнообразных данных по-прежнему представляет собой проблему. Некоторые данные в определенных областях могут быть труднодоступны, например, чувствительные медицинские данные в области здравоохранения. Кроме того, качество, точность и аннотация данных также являются проблемами; неполные или предвзятые данные могут привести к ошибкам или смещениям в моделях. В то же время защита конфиденциальности и безопасности данных также является важным фактором.
Кроме того, существуют такие проблемы, как объяснимость и прозрачность, черный ящик моделей ИИ вызывает общественное беспокойство. Для некоторых приложений, таких как финансы, медицина и юстиция, процесс принятия решений моделями должен быть объяснимым и прослеживаемым, в то время как существующие модели глубокого обучения часто страдают от недостатка прозрачности. Объяснение процесса принятия решений моделями и предоставление надежных объяснений по-прежнему остается проблемой.
Кроме того, многие бизнес-модели стартапов в области ИИ недостаточно ясны, что также вызывает замешательство у многих предпринимателей в области ИИ.
2.2 Проблемы, с которыми сталкивается отрасль Web3
В индустрии Web3 в настоящее время существует множество различных проблем, которые необходимо решить, будь то анализ данных Web3, плохой пользовательский опыт веб-продуктов Web3 или проблемы с уязвимостями кода смарт-контрактов и хакерскими атаками, во всех этих аспектах есть много возможностей для улучшения. Искусственный интеллект, как инструмент повышения производительности, также имеет много потенциальных возможностей для реализации в этих областях.
Прежде всего, это улучшение аналитических способностей и прогнозирования данных: Применение технологий ИИ в анализе данных и прогнозировании оказало значительное влияние на отрасль Web3. С помощью интеллектуального анализа и извлечения данных на основе алгоритмов ИИ платформы Web3 могут извлекать ценную информацию из огромных объемов данных и осуществлять более точные прогнозы и принятие решений. Это имеет важное значение для оценки рисков, прогнозирования рынка и управления активами в области децентрализованных финансов ( DeFi ).
Кроме того, можно улучшить пользовательский опыт и персонализированные услуги: применение технологий ИИ позволяет платформам Web3 предоставлять лучший пользовательский опыт и персонализированные услуги. Анализируя и моделируя пользовательские данные, платформы Web3 могут предложить пользователям персонализированные рекомендации, индивидуализированные услуги и интеллектуальный опыт взаимодействия. Это помогает повысить вовлеченность пользователей и их удовлетворенность, способствуя развитию экосистемы Web3, например, многие протоколы Web3 интегрируют такие инструменты ИИ, как ChatGPT для более качественного обслуживания пользователей.
В области безопасности и защиты конфиденциальности применение ИИ также оказывает глубокое влияние на отрасль Web3. Технологии ИИ могут использоваться для обнаружения и защиты от кибератак, выявления аномального поведения и предоставления более надежной защиты. В то же время ИИ также может быть применен для защиты конфиденциальности данных, используя технологии шифрования данных и вычислений с защищенной конфиденциальностью для защиты личной информации пользователей на платформах Web3. В области аудита смарт-контрактов, поскольку в процессе написания и аудита смарт-контрактов могут возникать уязвимости и угрозы безопасности, технологии ИИ могут использоваться для автоматизации аудита контрактов и обнаружения уязвимостей, повышая безопасность и надежность контрактов.
Можно увидеть, что в отношении трудностей, с которыми сталкивается индустрия Web3, и потенциальных возможностей для улучшения, ИИ может участвовать и помогать во многих аспектах.
Три, Анализ текущего состояния проектов AI+Web3
Проекты, сочетающие ИИ и Web3, в основном исходят из двух крупных направлений: использование технологий блокчейна для повышения эффективности проектов ИИ и использование технологий ИИ для улучшения проектов Web3.
Вокруг двух аспектов возникло множество проектов, исследующих этот путь, включая различные проекты, такие как Io.net, Gensyn, Ritual и другие. В дальнейшем в статье будет проведен анализ текущего состояния и развития различных подсекторов, связанных с поддержкой AI в web3 и поддержкой Web3 в AI.
3.1 Web3 помогает AI
3.1.1 Децентрализованная вычислительная мощность
С момента запуска ChatGPT на одной платформе в конце 2022 года началась волна интереса к ИИ. Через 5 дней после запуска количество пользователей достигло 1 миллиона, в то время как на другой платформе на это потребовалось около двух с половиной месяцев, чтобы достичь 1 миллиона загрузок. После этого ChatGPT также значительно ускорил свой рост, за 2 месяца количество активных пользователей в месяц достигло 100 миллионов, а к ноябрю 2023 года количество активных пользователей в неделю достигло 100 миллионов. С появлением ChatGPT область ИИ быстро превратилась из нишевого направления в широко обсуждаемую отрасль.
Согласно одному отчету, ChatGPT требует 30000 GPU определенного бренда для работы, в то время как будущему GPT-5 потребуется гораздо больше вычислительных мощностей. Это также привело к началу гонки вооружений между различными AI-компаниями: только обладая достаточным количеством вычислительной мощности, можно обеспечить себе достаточную动力 и преимущество в войне AI, что, в свою очередь, привело к нехватке GPU.
До возникновения ИИ клиенты крупнейших поставщиков GPU были сосредоточены в трех основных облачных службах. С ростом искусственного интеллекта появилось множество новых покупателей, включая крупные технологические компании, а также другие платформы данных и стартапы в области ИИ, которые присоединились к войне за накопление GPU для обучения моделей ИИ. Некоторые крупные технологические компании значительно увеличили объем закупок кастомизированных моделей ИИ и внутренних исследований. Некоторые компании, занимающиеся базовыми моделями, а также платформы данных также приобрели больше GPU, чтобы помочь своим клиентам предоставлять услуги ИИ.
Как упоминалось в одном из анализов прошлого года, "богатые на GPU и бедные на GPU", всего несколько компаний обладают более чем 20 000 высококачественных GPU, члены команды могут использовать от 100 до 1000 GPU для проектов. Эти компании либо облачные провайдеры, либо разрабатывают собственные LLM, включая некоторые крупные AI компании и т.д.
Однако большинство компаний являются «бедными» в отношении GPU и могут лишь бороться на малом количестве GPU, тратя много времени и усилий на более сложные задачи по развитию экосистемы. И эта ситуация не ограничивается только стартапами. У некоторых из самых известных компаний в области искусственного интеллекта количество высококлассных GPU меньше 20K. Эти компании располагают талантами мирового уровня, но ограничены в количестве доступных GPU, что ставит их в невыгодное положение по сравнению с крупными компаниями в соревновании в области искусственного интеллекта.
Этот дефицит не ограничивается лишь "бедными GPU", даже к концу 2023 года лидеры в области ИИ были вынуждены закрыть платную регистрацию на несколько недель из-за нехватки GPU и одновременно закупить больше поставок GPU.
Можно увидеть, что в связи с быстрым развитием ИИ возникло серьезное несоответствие между спросом и предложением на GPU, проблема нехватки становится все более актуальной.
Чтобы решить эту проблему, некоторые проекты Web3 начали пытаться сочетать технические особенности Web3 и предоставлять децентрализованные вычислительные услуги, включая Akash, Render, Gensyn и другие. Общей чертой таких проектов является то, что они используют токены для стимуляции широких масс пользователей предоставлять неиспользуемую вычислительную мощность GPU, становясь стороной предложения вычислительных мощностей, чтобы поддерживать клиентов ИИ.
Сторона предложения может быть разделена на три аспекта: облачные сервисы, майнеры криптовалют и предприятия.
Поставщики облачных услуг включают крупных поставщиков облачных услуг, а также поставщиков облачных услуг на базе GPU. Пользователи могут перепродавать неиспользуемую вычислительную мощность поставщиков облачных услуг для получения дохода. Криптомайнеры, когда определенная публичная цепочка переходит от PoW к PoS, также становятся важным потенциальным предложением на стороне предложения с неиспользуемой мощностью GPU. Кроме того, некоторые крупные компании, в силу стратегической ориентации, приобрели большое количество GPU и могут использовать неиспользуемую вычислительную мощность GPU в качестве предложения.
Игроки на текущей арене в основном делятся на две категории: одна категория использует децентрализованные вычислительные мощности для вывода ИИ, другая категория использует децентрализованные вычислительные мощности для обучения ИИ. Первая категория, такая как Render(, хотя и сосредоточена на рендеринге, также может использоваться для предоставления вычислительных мощностей ИИ), Akash, Aethir и др.; вторая категория, такая как io.net(, может поддерживать как вывод, так и обучение), Gensyn. Главное различие между ними заключается в разных требованиях к вычислительным мощностям.
Сначала давайте поговорим о первом проекте AI-выводов, который привлекает пользователей к предоставлению вычислительной мощности с помощью токенов, а затем предоставляет услуги вычислительной сети стороне спроса, тем самым достигая согласования спроса и предложения на неиспользуемую вычислительную мощность.
Основной момент заключается в том, что с помощью механизма стимулов токенов проект сначала привлекает поставщиков, а затем пользователей, что позволяет реализовать холодный запуск проекта и механизмы его основной работы, что позволяет ему продвигаться.
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
20 Лайков
Награда
20
6
Поделиться
комментарий
0/400
MindsetExpander
· 07-26 02:51
В Web3 все понятно, много френов в сети просят меня объяснить инвестиционные возможности Web3, но я обычно предлагаю глубокий анализ, а не простые рекомендации.
Посмотреть ОригиналОтветить0
MEVictim
· 07-25 22:40
Разве это не просто раздувание нового концепта? Какой в этом смысл?
Посмотреть ОригиналОтветить0
TokenBeginner'sGuide
· 07-23 03:51
Вежливое напоминание: согласно рыночным данным, в настоящее время объем рынка в области ИИ достиг 200 миллиардов долларов, рекомендуется новичкам осторожно оценивать риски и не гнаться за ценой.
Посмотреть ОригиналОтветить0
Blockwatcher9000
· 07-23 03:50
Не гони волну, это все концепция, будут играть для лохов
Посмотреть ОригиналОтветить0
StealthDeployer
· 07-23 03:41
Когда мы сможем увидеть веб3 версию midjourney?
Посмотреть ОригиналОтветить0
MetaverseLandlord
· 07-23 03:40
Еще одна волна горячих новостей, Будут играть для лохов.
Новая глава интеграции ИИ и Web3: текущее состояние, вызовы и возможности
Столкновение AI и Web3: будущее развитие и вызовы
1. Введение: Текущее состояние развития AI+Web3
В последние годы стремительное развитие технологий искусственного интеллекта (AI) и Web3 привлекло широкое внимание по всему миру. Искусственный интеллект достиг значительных прорывов в таких областях, как распознавание лиц, обработка естественного языка и машинное обучение, что принесло огромные преобразования и инновации в различные отрасли. В 2023 году объем рынка AI достиг 200 миллиардов долларов, такие крупные игроки, как OpenAI, Character.AI, Midjourney и другие, массово появились, возглавив волну AI.
Тем временем Web3, как новая модель сети, меняет восприятие и использование Интернета. Web3 основан на децентрализованной технологии блокчейн и реализует совместное использование и контроль данных, самоопределение пользователей и создание механизмов доверия через такие функции, как смарт-контракты, распределенное хранение и децентрализованная аутентификация. Основная идея Web3 заключается в том, чтобы освободить данные от централизованных властей, предоставив пользователям контроль над данными и право на разделение ценности. В настоящее время рыночная капитализация сектора Web3 составляет 25 триллионов, появляются проекты, такие как Bitcoin, Ethereum, Solana, а также приложения на уровне Uniswap, Stepn, привлекающие все больше людей в индустрию Web3.
Сочетание ИИ и Web3 является областью, которая вызывает большой интерес как у восточных, так и у западных разработчиков и инвесторов. Как хорошо интегрировать оба направления — это вопрос, который стоит исследовать. В этой статье будет подробно рассмотрено текущее состояние развития ИИ+Web3, проанализированы ограничения и проблемы, с которыми сталкиваются текущие проекты, а также предоставлены рекомендации и инсайты для инвесторов и специалистов.
2. Способы взаимодействия AI и Web3
Развитие ИИ и Web3 похоже на стороны весов: ИИ приносит повышение производительности, а Web3 приводит к изменению производственных отношений. Какие искры могут возникнуть от столкновения ИИ и Web3? Сначала мы проанализируем проблемы и возможности, с которыми сталкиваются каждая из отраслей, а затем обсудим, как они могут помочь друг другу решить эти проблемы.
2.1 Проблемы, с которыми сталкивается AI-отрасль
Чтобы исследовать трудности, с которыми сталкивается индустрия ИИ, сначала рассмотрим суть индустрии ИИ. Основу индустрии ИИ составляют три ключевых элемента: вычислительная мощность, алгоритмы и данные.
Вычислительная мощность: это способность выполнять масштабные вычисления и обработки. Задачи ИИ обычно требуют обработки больших объемов данных и выполнения сложных вычислений, таких как обучение моделей глубоких нейронных сетей. Высокая вычислительная мощность может ускорить процесс обучения и вывода моделей, улучшая производительность и эффективность систем ИИ. В последние годы, с развитием GPU и специализированных AI-чипов (, таких как TPU ), повышение вычислительной мощности сыграло важную роль в развитии отрасли ИИ.
Алгоритм: это ключевая составляющая AI-системы, используемая для решения задач и выполнения заданий с помощью математических и статистических методов. Алгоритмы AI можно разделить на традиционные алгоритмы машинного обучения и алгоритмы глубокого обучения, при этом алгоритмы глубокого обучения в последние годы добились значительных успехов. Выбор и проектирование алгоритмов имеют решающее значение для производительности и эффективности AI-системы. Постоянное улучшение и инновации в алгоритмах могут повысить точность, устойчивость и обобщающую способность AI-систем.
Данные: Основная задача ИИ-системы заключается в извлечении паттернов и закономерностей из данных через обучение и тренировки. Данные являются основой для обучения и оптимизации моделей, и благодаря масштабным выборкам данных ИИ-система может обучать более точные и умные модели. Богатые наборы данных могут предоставить более полную и разнообразную информацию, что позволяет моделям лучше обобщать на невидимые ранее данные и помогает ИИ-системе лучше понимать и решать проблемы реального мира.
После того как мы рассмотрим три основных элемента ИИ, давайте посмотрим на трудности и вызовы, с которыми сталкивается ИИ в этих трех областях:
В области вычислительной мощности AI-задачи обычно требуют значительных вычислительных ресурсов для обучения и вывода моделей, особенно для моделей глубокого обучения. Получение и управление крупномасштабной вычислительной мощностью является дорогостоящей и сложной задачей. Стоимость, энергопотребление и обслуживание высокопроизводительных вычислительных устройств представляют собой проблемы. Особенно для стартапов и индивидуальных разработчиков получение достаточной вычислительной мощности может быть затруднительным.
Хотя алгоритмы глубокого обучения достигли огромного успеха во многих областях, все же существуют некоторые затруднения и вызовы. Например, для обучения глубоких нейронных сетей требуется большое количество данных и вычислительных ресурсов, а для некоторых задач интерпретируемость и объяснимость модели могут быть недостаточными. Кроме того, устойчивость алгоритма и способность к обобщению также являются важными проблемами, производительность модели на не виденных данных может быть нестабильной. В процессе выбора среди множества алгоритмов, как найти лучший алгоритм для предоставления наилучших услуг, является задачей, требующей постоянного исследования.
В области данных данные являются движущей силой ИИ, но получение качественных и разнообразных данных по-прежнему представляет собой проблему. Некоторые данные в определенных областях могут быть труднодоступны, например, чувствительные медицинские данные в области здравоохранения. Кроме того, качество, точность и аннотация данных также являются проблемами; неполные или предвзятые данные могут привести к ошибкам или смещениям в моделях. В то же время защита конфиденциальности и безопасности данных также является важным фактором.
Кроме того, существуют такие проблемы, как объяснимость и прозрачность, черный ящик моделей ИИ вызывает общественное беспокойство. Для некоторых приложений, таких как финансы, медицина и юстиция, процесс принятия решений моделями должен быть объяснимым и прослеживаемым, в то время как существующие модели глубокого обучения часто страдают от недостатка прозрачности. Объяснение процесса принятия решений моделями и предоставление надежных объяснений по-прежнему остается проблемой.
Кроме того, многие бизнес-модели стартапов в области ИИ недостаточно ясны, что также вызывает замешательство у многих предпринимателей в области ИИ.
2.2 Проблемы, с которыми сталкивается отрасль Web3
В индустрии Web3 в настоящее время существует множество различных проблем, которые необходимо решить, будь то анализ данных Web3, плохой пользовательский опыт веб-продуктов Web3 или проблемы с уязвимостями кода смарт-контрактов и хакерскими атаками, во всех этих аспектах есть много возможностей для улучшения. Искусственный интеллект, как инструмент повышения производительности, также имеет много потенциальных возможностей для реализации в этих областях.
Прежде всего, это улучшение аналитических способностей и прогнозирования данных: Применение технологий ИИ в анализе данных и прогнозировании оказало значительное влияние на отрасль Web3. С помощью интеллектуального анализа и извлечения данных на основе алгоритмов ИИ платформы Web3 могут извлекать ценную информацию из огромных объемов данных и осуществлять более точные прогнозы и принятие решений. Это имеет важное значение для оценки рисков, прогнозирования рынка и управления активами в области децентрализованных финансов ( DeFi ).
Кроме того, можно улучшить пользовательский опыт и персонализированные услуги: применение технологий ИИ позволяет платформам Web3 предоставлять лучший пользовательский опыт и персонализированные услуги. Анализируя и моделируя пользовательские данные, платформы Web3 могут предложить пользователям персонализированные рекомендации, индивидуализированные услуги и интеллектуальный опыт взаимодействия. Это помогает повысить вовлеченность пользователей и их удовлетворенность, способствуя развитию экосистемы Web3, например, многие протоколы Web3 интегрируют такие инструменты ИИ, как ChatGPT для более качественного обслуживания пользователей.
В области безопасности и защиты конфиденциальности применение ИИ также оказывает глубокое влияние на отрасль Web3. Технологии ИИ могут использоваться для обнаружения и защиты от кибератак, выявления аномального поведения и предоставления более надежной защиты. В то же время ИИ также может быть применен для защиты конфиденциальности данных, используя технологии шифрования данных и вычислений с защищенной конфиденциальностью для защиты личной информации пользователей на платформах Web3. В области аудита смарт-контрактов, поскольку в процессе написания и аудита смарт-контрактов могут возникать уязвимости и угрозы безопасности, технологии ИИ могут использоваться для автоматизации аудита контрактов и обнаружения уязвимостей, повышая безопасность и надежность контрактов.
Можно увидеть, что в отношении трудностей, с которыми сталкивается индустрия Web3, и потенциальных возможностей для улучшения, ИИ может участвовать и помогать во многих аспектах.
Три, Анализ текущего состояния проектов AI+Web3
Проекты, сочетающие ИИ и Web3, в основном исходят из двух крупных направлений: использование технологий блокчейна для повышения эффективности проектов ИИ и использование технологий ИИ для улучшения проектов Web3.
Вокруг двух аспектов возникло множество проектов, исследующих этот путь, включая различные проекты, такие как Io.net, Gensyn, Ritual и другие. В дальнейшем в статье будет проведен анализ текущего состояния и развития различных подсекторов, связанных с поддержкой AI в web3 и поддержкой Web3 в AI.
3.1 Web3 помогает AI
3.1.1 Децентрализованная вычислительная мощность
С момента запуска ChatGPT на одной платформе в конце 2022 года началась волна интереса к ИИ. Через 5 дней после запуска количество пользователей достигло 1 миллиона, в то время как на другой платформе на это потребовалось около двух с половиной месяцев, чтобы достичь 1 миллиона загрузок. После этого ChatGPT также значительно ускорил свой рост, за 2 месяца количество активных пользователей в месяц достигло 100 миллионов, а к ноябрю 2023 года количество активных пользователей в неделю достигло 100 миллионов. С появлением ChatGPT область ИИ быстро превратилась из нишевого направления в широко обсуждаемую отрасль.
Согласно одному отчету, ChatGPT требует 30000 GPU определенного бренда для работы, в то время как будущему GPT-5 потребуется гораздо больше вычислительных мощностей. Это также привело к началу гонки вооружений между различными AI-компаниями: только обладая достаточным количеством вычислительной мощности, можно обеспечить себе достаточную动力 и преимущество в войне AI, что, в свою очередь, привело к нехватке GPU.
До возникновения ИИ клиенты крупнейших поставщиков GPU были сосредоточены в трех основных облачных службах. С ростом искусственного интеллекта появилось множество новых покупателей, включая крупные технологические компании, а также другие платформы данных и стартапы в области ИИ, которые присоединились к войне за накопление GPU для обучения моделей ИИ. Некоторые крупные технологические компании значительно увеличили объем закупок кастомизированных моделей ИИ и внутренних исследований. Некоторые компании, занимающиеся базовыми моделями, а также платформы данных также приобрели больше GPU, чтобы помочь своим клиентам предоставлять услуги ИИ.
Как упоминалось в одном из анализов прошлого года, "богатые на GPU и бедные на GPU", всего несколько компаний обладают более чем 20 000 высококачественных GPU, члены команды могут использовать от 100 до 1000 GPU для проектов. Эти компании либо облачные провайдеры, либо разрабатывают собственные LLM, включая некоторые крупные AI компании и т.д.
Однако большинство компаний являются «бедными» в отношении GPU и могут лишь бороться на малом количестве GPU, тратя много времени и усилий на более сложные задачи по развитию экосистемы. И эта ситуация не ограничивается только стартапами. У некоторых из самых известных компаний в области искусственного интеллекта количество высококлассных GPU меньше 20K. Эти компании располагают талантами мирового уровня, но ограничены в количестве доступных GPU, что ставит их в невыгодное положение по сравнению с крупными компаниями в соревновании в области искусственного интеллекта.
Этот дефицит не ограничивается лишь "бедными GPU", даже к концу 2023 года лидеры в области ИИ были вынуждены закрыть платную регистрацию на несколько недель из-за нехватки GPU и одновременно закупить больше поставок GPU.
Можно увидеть, что в связи с быстрым развитием ИИ возникло серьезное несоответствие между спросом и предложением на GPU, проблема нехватки становится все более актуальной.
Чтобы решить эту проблему, некоторые проекты Web3 начали пытаться сочетать технические особенности Web3 и предоставлять децентрализованные вычислительные услуги, включая Akash, Render, Gensyn и другие. Общей чертой таких проектов является то, что они используют токены для стимуляции широких масс пользователей предоставлять неиспользуемую вычислительную мощность GPU, становясь стороной предложения вычислительных мощностей, чтобы поддерживать клиентов ИИ.
Сторона предложения может быть разделена на три аспекта: облачные сервисы, майнеры криптовалют и предприятия.
Поставщики облачных услуг включают крупных поставщиков облачных услуг, а также поставщиков облачных услуг на базе GPU. Пользователи могут перепродавать неиспользуемую вычислительную мощность поставщиков облачных услуг для получения дохода. Криптомайнеры, когда определенная публичная цепочка переходит от PoW к PoS, также становятся важным потенциальным предложением на стороне предложения с неиспользуемой мощностью GPU. Кроме того, некоторые крупные компании, в силу стратегической ориентации, приобрели большое количество GPU и могут использовать неиспользуемую вычислительную мощность GPU в качестве предложения.
Игроки на текущей арене в основном делятся на две категории: одна категория использует децентрализованные вычислительные мощности для вывода ИИ, другая категория использует децентрализованные вычислительные мощности для обучения ИИ. Первая категория, такая как Render(, хотя и сосредоточена на рендеринге, также может использоваться для предоставления вычислительных мощностей ИИ), Akash, Aethir и др.; вторая категория, такая как io.net(, может поддерживать как вывод, так и обучение), Gensyn. Главное различие между ними заключается в разных требованиях к вычислительным мощностям.
Сначала давайте поговорим о первом проекте AI-выводов, который привлекает пользователей к предоставлению вычислительной мощности с помощью токенов, а затем предоставляет услуги вычислительной сети стороне спроса, тем самым достигая согласования спроса и предложения на неиспользуемую вычислительную мощность.
Основной момент заключается в том, что с помощью механизма стимулов токенов проект сначала привлекает поставщиков, а затем пользователей, что позволяет реализовать холодный запуск проекта и механизмы его основной работы, что позволяет ему продвигаться.