إعادة نشر العنوان الأصلي: مشروع جديد مبني على سولانا AI + DePIN: تحليل موجز لمشروع Upcoming-Tokenlaunch IO.NET

مقدمة

فيتقريرنا الأخير, ذكرنا أنه مقارنة بالدورتين السابقتين، يفتقد الارتفاع الحالي في أسعار العملات المشفرة النماذج التجارية الجديدة والروايات الأصول. الذكاء الاصطناعي (AI) هو واحد من الروايات الجديدة في مجال Web3 هذه الدورة. يغوص هذا المقال في مشروع AI الساخن لهذا العام، IO.NET، وينظم الأفكار حول السؤالين التاليين:

• ضرورة AI+Web3 في المشهد التجاري
• ضرورة وتحديات نشر شبكة حوسبة موزعة

ثانيًا، سأنظم المعلومات الرئيسية حول المشروع الرمزي في شبكة الحوسبة الذكية غير المركزية: IO.NET، بما في ذلك تصميم المنتج، والمنافسة، والخلفية المشروع. سأقوم أيضًا بالتكهن بمعايير تقييم المشروع.

الرؤى حول منطق الأعمال وراء التقارب بين الذكاء الاصطناعي والويب3الجزء يستوحي منالاندماج الحقيقيبقلم مايكل رينكو، محلل أبحاث في جيت جيت. تقوم هذه التحليلات بامتصاص والإشارة إلى أفكار من عمله، ويُوصى بشدة للقارئ بقراءة المقال الأصلي.

يرجى ملاحظة أن هذا المقال يعكس تفكيري الحالي وقد يتطور. الآراء هنا هي ذات طابع شخصي وقد تكون هناك أخطاء في الحقائق والبيانات والاستدلال المنطقي. هذه ليست نصيحة مالية، ولكن يُرحب بالتعليقات والمناقشات.

النص التالي هو النص الرئيسي.

1. المنطق التجاري وراء تلاقي الذكاء الاصطناعي والويب 3

1.1 2023: العام المليء بالعجائب للذكاء الاصطناعي

عند التفكير في سجلات تطور الإنسان، من الواضح أن الاختراقات التكنولوجية تحفز تحولات عميقة - من الحياة اليومية إلى المناظر الصناعية ومسيرة الحضارة نفسها.

في تاريخ البشرية، هناك عامان مهمان، هما عام 1666 وعام 1905، واللذان يُحتفل الآن بهما باسم 'أنوس ميرابيليس' في تاريخ العلم.

حصلت السنة 1666 على لقبها بسبب تسلسل اكتشافات علمية إيزاك نيوتن. في سنة واحدة فقط، رسخ فرع الفيزياء المعروف باسم البصريات، وأسس تخصص الحساب التفاضلي، واشتق قانون الجاذبية، الذي يعد قانوناً أساسياً للعلوم الطبيعية الحديثة. أي واحدة من هذه المساهمات كانت أساسية للتطور العلمي للإنسانية خلال القرن التالي، مما سرع بشكل كبير من تقدم العلوم بشكل عام.

العام الآخر الذي يعتبر نقطة تحول هو عام 1905، عندما نشر العبقري ألبرت أينشتاين الذي يبلغ من العمر 26 عامًا فقط أربعة أوراق بسرعة متتالية في "Annalen der Physik"، تتناول تأثير الفوتونات، مما وضع المسرح لميكانيكا الكم؛ وحركة براونية، والتي وفرت إطارًا حيويًا لتحليل العمليات العشوائية؛ نظرية النسبية الخاصة؛ وتكافؤ الكتلة والطاقة، المجسم في المعادلة E=MC^2. إذا نظرنا إلى الوراء، يُعتبر أن كل واحدة من هذه الأوراق تتفوق على المستوى المتوسط لعمل الفائزين بجائزة نوبل في الفيزياء - تم تكريم أينشتاين نفسه بجائزة نوبل عن عمله في تأثير الفوتونات. هذه المساهمات دفعت البشرية جماعيًا عدة خطوات إلى الأمام في رحلة الحضارة.

العام 2023، الذي مر مؤخرًا، يتوجه ليتم الاحتفال به كعام آخر 'سنة معجزة'، بفضل الجزء الأكبر من ظهور ChatGPT.

يعتبر النظر إلى عام 2023 كـ "عام معجزة" في تاريخ التكنولوجيا البشرية ليس مجرد الاعتراف بالخطوات التي تم اتخاذها في معالجة اللغة الطبيعية وإنشاءها بواسطة ChatGPT. إنه أيضًا حول التعرف على نمط واضح في تقدم النماذج الكبيرة للغة - وهو إدراك أنه من خلال توسيع معلمات النموذج ومجموعات بيانات التدريب، يمكننا تحقيق تحسينات زائدة بشكل تسلسلي في أداء النموذج. وعلاوة على ذلك، يبدو أنه لا حدود له في المدى القصير، شريطة أن يتم مواكبة القدرة الحسابية.

تتجاوز هذه القدرة بكثير عن فهم اللغة وإنشاء الحوارات؛ يمكن تطبيقها على نطاق واسع عبر مجموعة متنوعة من المجالات العلمية. أخذ تطبيق النماذج اللغوية الكبيرة في القطاع البيولوجي كمثال:

• في عام 2018، قالت الحاصلة على جائزة نوبل في الكيمياء، فرانسيس أرنولد، خلال حفل تسليم الجائزة الخاص بها: 'اليوم يمكننا بكل الأغراض العملية قراءة وكتابة وتحرير أي سلسلة من الحمض النووي، ولكننا لا يمكننا تأليفها.' تقدم سريعًا خمس سنوات إلى عام 2023، قام فريق من الباحثين من جامعة ستانفورد وشركة سيلزفورس للأبحاث، وهي شركة ناشئة تركز على الذكاء الاصطناعي، بنشر مقال في 'طبيعة التكنولوجيا الحيوية.' باستخدام نموذج لغوي كبير تم تنقيته من GPT-3، قاموا بإنشاء فهرس جديد تمامًا يحتوي على مليون بروتين. من بين هذه، اكتشفوا بروتينين بهيكلين متميزين، كلاهما مزود بوظيفة مضادة للبكتيريا، مما قد يمهد الطريق لاستراتيجيات جديدة لمقاومة البكتيريا تتجاوز المضادات الحيوية التقليدية. هذا يدل على قفزة هائلة في التغلب على عقبات إنشاء البروتين بمساعدة الذكاء الاصطناعي.
• قبل هذا، تنبأ خوارزمية الذكاء الاصطناعي AlphaFold بتراكيب ما يقرب من 2.14 مليار نوع من البروتين على الأرض في غضون 18 شهرًا - إنجاز يعزز إنجازات علماء البنية الجزيئية على مر العصور بعدة مرات.

إن دمج نماذج الذكاء الاصطناعي يعد بتحول جذري في الصناعات. من العوالم التكنولوجية الشاقة للتكنولوجيا الحيوية وعلم المواد واكتشاف الأدوية إلى المجالات الثقافية للقانون والفنون، موجة تحولية ملموسة مُقررة لإعادة تشكيل هذه المجالات، مع بداية عام 2023 لكل ذلك.

من المعترف به على نطاق واسع أن القرن الماضي شهد ارتفاعًا متسارعًا في قدرة الإنسانية على توليد الثروة. من المتوقع أن تسرع التقدم السريع لتقنيات الذكاء الاصطناعي هذه العملية.

اتجاه الناتج المحلي الإجمالي العالمي الكلي، مصدر البيانات: مجموعة البنك الدولي

1.2 دمج الذكاء الاصطناعي والعملة المشفرة

لفهم الحاجة الكامنة لالاندماج بين الذكاء الاصطناعي والعملات المشفرة، من المفيد النظر في كيفية تكملة ميزاتهم المميزة بعضها البعض.

ترابط الذكاء الاصطناعي وميزات العملات المشفرة

يتميز الذكاء الاصطناعي بثلاث صفات رئيسية:

• العشوائية: الذكاء الاصطناعي هو عشوائي، مع آلية إنتاج محتواه تكون صندوق أسود صعب التكرار وغامض، مما يجعل منتجاته عشوائية بشكل جوهري.
• المُكثّفة من ناحية الموارد: تُعتبر الذكاء الاصطناعي صناعة مُكثّفة من ناحية الموارد، حيث تتطلب كميات كبيرة من الطاقة والشرائح والطاقة الحسابية.
• الذكاء شبه البشري: يمكن للذكاء الاصطناعي (قريبًا) أن يجتاز اختبار تورينغ، مما يجعل الأمر أكثر صعوبة في التمييز بين البشر والذكاء الاصطناعي.

_※ في 30 أكتوبر 2023، كشف باحثون من جامعة كاليفورنيا، سان دييغو، عن نتائج اختبار تورينج لـ GPT-3.5 و GPT-4.0. حقق الأخير نتيجة بنسبة 41٪، مفوتاً بشعرة الحاجز البالغ 50٪ بـ 9 نقاط في المئة، حيث حصل البشر على نتيجة 63٪ في نفس الاختبار. جوهر هذا الاختبار يكمن في عدد المشاركين الذين يدركون أن شريك الدردشة الخاص بهم هو إنسان. تشير النتيجة التي تزيد عن 50٪ إلى أن الغالبية يعتقدون أنهم يتفاعلون مع إنسان، ليس آلة، مما يعني أن الذكاء الاصطناعي قد نجح بنجاح في اجتياز اختبار تورينج على الأقل نصف الأشخاص لم يتمكنوا من التمييز بينه وبين إنسان.

مع انفتاح الذكاء الاصطناعي على الطريق لتحقيق تقدم ثوري في إنتاجية الإنسان، فإنه في الوقت نفسه يُطلق تحديات عميقة على مجتمعنا، على وجه التحديد:

• كيفية التحقق والتحكم في العشوائية للذكاء الاصطناعي، محولًا إياها إلى ميزة بدلاً من عيب
• كيفية تقديم الجسور بين المتطلبات الهائلة للطاقة والطاقة الحسابية التي تتطلبها الذكاء الاصطناعي
• كيف نميز بين البشر الذكاء الاصطناعي

تقنية العملات المشفرة والبلوكتشين يمكن أن تقدم الحل الأمثل للتحديات التي تطرحها الذكاء الاصطناعي، والتي تتميز بثلاث سمات رئيسية:

• التحديد: تعتمد العمليات على سلسلة الكتل والشفرة والعقود الذكية، مع قواعد وحدود واضحة. تؤدي المدخلات إلى النواتج القابلة للتنبؤ، مما يضمن مستوى عالٍ من التحديد.
• توزيع الموارد الفعال: اقتصاد العملات المشفرة قد شجع على سوق واسع وعالمي وحر، مما يمكن تسعير الموارد وجمع التبرعات ونقلها بسرعة. تواجد الرموز يعزز بشكل أكبر توازن عرض وطلب السوق، مما يحقق بسرعة الكتلة الحرجة من خلال التحفيز.
• عدم الثقة: مع دفاتر الأستاذ العامة والشيفرة المصدرية المفتوحة، يمكن لأي شخص التحقق بسهولة من العمليات، مما يخلق نظام "عديم الثقة". علاوة على ذلك، تكنولوجيا Zero-Knowledge (ZK) تضمن بشكل أكبر أن الخصوصية تُحافظ خلال هذه العمليات التحقق.

لتوضيح التكملة بين الذكاء الاصطناعي والاقتصاد الرقمي، دعونا نغوص في ثلاثة أمثلة.

مثال أ: التغلب على العشوائية مع وكلاء الذكاء الاصطناعي المدعومين بالاقتصاد الرقمي

وكلاء الذكاء الاصطناعي هم برامج ذكية مصممة لأداء المهام نيابة عن البشر وفقًا لتوجيهاتهم، مع Fetch.AI كمثال بارز في هذا المجال. تخيل أننا نكلف وكيل الذكاء الاصطناعي بتنفيذ عملية مالية، مثل "استثمار 1000 دولار في BTC." يمكن أن يواجه الوكيل الذكاء الاصطناعي سيناريوهين متميزين:

السيناريو 1: يتعين على الوكيل التفاعل مع الكيانات المالية التقليدية (على سبيل المثال، بلاك روك) لشراء صناديق الاستثمار المتداولة للبتكوين، مواجهة العديد من مشاكل التوافق مع المنظمات المركزية، بما في ذلك إجراءات معرفة العميل، التحقق من الوثائق، عمليات تسجيل الدخول، والمصادقة على الهوية، والتي تعتبر جميعها مرهقة للغاية في الوقت الحالي.

سيناريو ٢: عند التشغيل ضمن الاقتصاد اللامركزي للعملات المشفرة الأصلية، يصبح العملية مبسطة. يمكن للوكيل أن ينفذ المعاملة مباشرة من خلال Uniswap أو مجمع تداول مماثل، باستخدام حسابك لتسجيل الدخول وتأكيد الطلب، وبالتالي الحصول على WBTC أو نسخ أخرى من BTC الملفوفة. هذه الإجراءات فعالة ومبسطة. أساسًا، هذه هي الوظيفة التي تقدمها حاليًا مجموعة متنوعة من الروبوتات التجارية، التي تعمل كوكلاء ذكاء اصطناعي أساسيين مع التركيز على أنشطة التداول. مع تطوير ودمج الذكاء الاصطناعي بشكل أعمق، ستقوم هذه الروبوتات بتحقيق أهداف تداول أكثر تعقيدًا. على سبيل المثال، قد يراقبون ١٠٠ عنوان للأموال الذكية على البلوكشين، يقومون بتقييم استراتيجياتهم التجارية ونسب نجاحها، ويخصصون ١٠٪ من أموالهم لنسخ تجارتهم على مدى أسبوع، ويوقفون العمليات إذا كانت العوائد غير مرضية، ويستنتجون الأسباب المحتملة لهذه الاستراتيجيات.

يزدهر الذكاء الاصطناعي داخل أنظمة سلسلة الكتل نظرًا لأن قواعد اقتصاد العملات المشفرة محددة صراحة، والنظام يسمح بعدم وجود إذن. يقلل التشغيل وفقا للإرشادات الواضحة بشكل كبير من المخاطر المرتبطة بالاستوكاستيكية الكامنة للذكاء الاصطناعي. على سبيل المثال، ينبثق سيطرة الذكاء الاصطناعي على البشر في لعبة الشطرنج وألعاب الفيديو من حقيقة أن هذه البيئات هي صناديق رمل مغلقة بقواعد مباشرة. على النقيض، كانت التقدمات في القيادة الذاتية أكثر تدريجاً. التحديات في العالم المفتوح أكثر تعقيدًا، وتحملنا لحلول الذكاء الاصطناعي العشوائية في مثل هذه السيناريوهات أقل بشكل ملحوظ.

مثال ب: تجميع الموارد عبر حوافز الرموز

الشبكة الهاش العالمية القوية الداعمة للبيتكوين، والتي تتفاخر بمعدل هاش إجمالي حالي يبلغ 576.70 EH/s، تفوق قوة الحوسبة التراكمية لأي حواسيب فائقة في أي بلد. يتم دفع هذه النمو بالحوافز البسيطة والعادلة داخل الشبكة.

اتجاه قوة الهاش للبتكوين، المصدر: https://www.coinwarz.com/

وما هو أكثر من ذلك، مشاريع DePIN مثل Mobile، تقوم باستكشاف حوافز الرموز لتنمية سوق على كلا جانبي العرض والطلب لتعزيز تأثيرات الشبكة. التركيز القادم لهذا المقال، IO.NET، هو منصة مصممة لتجميع قوة الحوسبة الذكية الاصطناعية، على أمل فتح الإمكانات الكامنة لقوة الحوسبة الذكية الاصطناعية من خلال نموذج الرمز.

مثال C: الاستفادة من المصدر المفتوح وبرهان ZK للتمييز بين البشر والذكاء الاصطناعي مع حماية الخصوصية

يستخدم Worldcoin، وهو مشروع Web3 تم تأسيسه بواسطة Sam Altman من OpenAI، نهجًا جديدًا للتحقق من الهوية. باستخدام جهاز الأجهزة المعروف باسم Orb، يستفيد من بيومتريا قزحية العين البشرية لإنتاج قيم تجزئة فريدة ومجهولة عبر تقنية Zero-Knowledge (ZK)، مما يميز البشر عن الذكاء الاصطناعي. في مطلع مارس 2024، بدأ مشروع الفنون Web3 Drip في تنفيذ هوية Worldcoin للمصادقة على البشر الحقيقيين وتخصيص المكافآت.

فتحت Worldcoin مؤخرًا مصدرها المفتوح لأجهزة iris الخاصة بها، Orb، مضمنة أمان وخصوصية البيانات الحيوية.

بشكل عام، نظرًا لتحديدية الشيفرات والتشفير، والفوائد التي تجلبها آليات الاستئذان والقائمة على الرموز التي تتعلق بالموارد وجمع التبرعات، جنبًا إلى جنب مع الطبيعة غير المعتمدة على الثقة بناءً على شيفرة المصدر المفتوح والدفاتر العامة، أصبحت الاقتصاد الرقمي حلاً محتملاً مهمًا للتحديات التي تواجهها المجتمع البشري مع الذكاء الاصطناعي.

أكثر التحديات الفورية والتجاريا المطلوبة هي العطش الشديد للموارد الحسابية المطلوبة من قبل منتجات الذكاء الاصطناعي، والتي يدفعها في المقام الأول الحاجة الكبيرة للشرائح والطاقة الحاسوبية.

هذا هو أيضًا السبب الرئيسي لماذا قادت مشاريع توزيع القوة الحسابية المكاسب خلال دورة السوق الثوري هذه في القطاع العام للذكاء الاصطناعي.

الضرورة التجارية للحوسبة اللامركزية

تتطلب الذكاء الاصطناعي موارد حسابية كبيرة، ضرورية لكل من تدريب النموذج ومهام الاستدلال.

لقد تم توثيقه بشكل جيد في تدريب النماذج اللغوية الكبيرة أنه بمجرد أن يكون مقياس معلمات البيانات كبيرًا، تبدأ هذه النماذج في إظهار قدرات غير مسبوقة. تعتمد التحسينات النموية السريعة المرئية من جيل ChatGPT إلى الجيل التالي على النمو التناسبي في مطالب التدريب النموذجي.

تشير الأبحاث التي أجرتها DeepMind وجامعة ستانفورد إلى أنه عبر نماذج اللغات الكبيرة المختلفة ، عند التعامل مع مهام مختلفة - سواء كانت حسابية أو إجابة على الأسئلة الفارسية أو فهم اللغة الطبيعية - فإن النماذج تقترب فقط من التخمين العشوائي ما لم يتضمن التدريب معلمات نموذج موسعة بشكل كبير (وبالتالي ، الأحمال الحسابية). يظل أداء أي مهمة عشوائيا تقريبا حتى تصل الجهود الحسابية إلى 10 ^ 22 FLOPs. بعد هذا الحد الحرج ، يتحسن أداء المهام بشكل كبير عبر أي نموذج لغوي.

المصدر: القدرات الناشئة لنماذج اللغة الكبيرة

المصدر: القدرات الناشئة لنماذج اللغات الكبيرة

مبدأ "تحقيق المعجزات بجهد كبير" في قوة الحوسبة، سواء نظريًا أو تم التحقق منه عمليًا، ألهم مؤسس OpenAI، سام ألتمان، لاقتراح خطة طموحة لجمع 7 تريليون دولار. يهدف هذا الصندوق إلى إنشاء مصنع رقائق يفوق قدرات TSMC الحالية بعشر مرات (يُقدر تكلفته بنحو 1.5 تريليون دولار)، مع تخصيص الأموال المتبقية لإنتاج الرقائق وتدريب النماذج.

بالإضافة إلى الاحتياجات الحسابية لتدريب نماذج الذكاء الاصطناعي، تتطلب عمليات الاستدلال أيضًا كمية كبيرة من الطاقة الحاسوبية، على الرغم من أنها أقل بكثير من التدريب. هذه الحاجة المستمرة إلى رقائق وموارد حاسوبية أصبحت واقعًا قياسيًا للاعبين في مجال الذكاء الاصطناعي.

على عكس مقدمي خدمات الحوسبة الذكية المركزية مثل خدمات ويب أمازون ومنصة غوغل السحابية وAzure من مايكروسوفت، تقدم الحوسبة الذكية اللامركزية عدة مقترحات قيمة مقنعة:

• الوصول: يتطلب الوصول إلى رقائق الحوسبة من خلال خدمات مثل AWS أو GCP أو Azure عادة أسابيع، وغالباً ما تكون الطرازات الأكثر شهرة من وحدات GPU غير متوفرة بانتظام. بالإضافة إلى ذلك، يكون المستهلكون عادةً مقيدين بعقود طويلة وصارمة مع هذه الشركات الكبيرة. منصات الحوسبة الموزعة، من ناحية أخرى، توفر خيارات أجهزة مرنة مع إمكانية الوصول المحسنة.
• كفاءة التكلفة: من خلال الاستفادة من الشرائح الخاملة ودمج الدعم بالرموز الرقمية من بروتوكولات الشبكة لمزودي الطاقة الحوسبة، يمكن للشبكات الحوسبة غير المركزية توفير طاقة الحوسبة بتكاليف منخفضة.
• مقاومة الرقابة: يسيطر حاليًا على إمدادات الشرائح التقنية الحديثة من قبل الشركات التكنولوجية الكبرى، ومع زيادة الحكومة الأمريكية للفحص الدقيق لخدمات الحوسبة الذكية، فإن القدرة على الحصول على طاقة حوسبة بشكل لا مركزي ومرن وغير مقيد تصبح بشكل متزايد ضرورة واضحة. وهذه هي القيمة الأساسية المقترحة من منصات الحوسبة القائمة على web3.

إذا كانت الوقود الأحفوري هو الدم الحيوي لعصر الصناعة، فقد يكون قدر الحوسبة القوة الحيوية للعصر الرقمي الجديد الذي جلبته الذكاء الاصطناعي، مما يجعل توفير قدر الحوسبة بنية تحتية لعصر الذكاء الاصطناعي. بالمثل، كما ظهرت العملات المستقرة كمشتق نشط من العملة القانونية في عصر Web3، هل يمكن أن يتطور سوق الحوسبة الموزعة إلى قطاع ناشئ ضمن سوق الحوسبة الاصطناعية المتنامية بسرعة؟

هذا لا يزال سوقًا ناشئًا، ويظل الكثير يتبقى ليُرى. ومع ذلك، هناك عدة عوامل قد تدفع بالسرد أو اعتماد السوق على الحوسبة اللامركزية:

• التحديات المستمرة في توفير وحدات GPU: قد تشجع قيود التوريد المستمرة لوحدات GPU المطورين على استكشاف منصات الحوسبة اللامركزية.
• توسيع التنظيم: الوصول إلى خدمات الحوسبة الذكية من المنصات السحابية الرئيسية ينطوي على عمليات التحقق من الهوية الكاملة والفحص. قد يؤدي هذا إلى زيادة اعتماد منصات الحوسبة اللامركزية، خاصة في المناطق التي تواجه قيودًا أو عقوبات.
• تحفيزات أسعار الرموز: يمكن أن تعزز زيادات في أسعار الرموز خلال الأسواق الصاعدة قيمة الدعم المقدم لمزودي وحدة المعالجة الرسومية من قبل المنصات، مما يجذب المزيد من البائعين إلى السوق، وزيادة حجمها، وخفض التكاليف للمستهلكين.

في الوقت نفسه، تظهر تحديات الحوسبة اللامركزية بوضوح أيضا:

التحديات التقنية والهندسية

• مشاكل دليل العمل: الحسابات في نماذج التعلم العميق، بسبب الهيكلية الهرمية حيث يتم استخدام إخراج كل طبقة كمدخل للطبقة التالية، يتطلب التحقق من صحة الحسابات تنفيذ كل العمل السابق، وهو أمر ليس بسيطًا أو فعالًا. لمواجهة هذا، تحتاج منصات الحوسبة اللامركزية إما إلى تطوير خوارزميات جديدة أو استخدام تقنيات التحقق التقريبية التي تقدم ضمانات احتمالية للنتائج، بدلاً من التحديد المطلق.
• تحديات التوازي: تعتمد منصات الحوسبة اللامركزية على مجموعة متنوعة من موردي الشرائح، حيث يقدم كل منهم قدرة حوسبة محدودة عادةً. من الصعب تقريبًا إكمال مهام تدريب أو استنتاج نموذج الذكاء الاصطناعي بواسطة مورد شريحة واحد بسرعة. لذلك، يجب تحليل المهام وتوزيعها باستخدام التوازي لتقصير وقت الاكتمال الإجمالي. ومع ذلك، يقدم هذا النهج عدة تعقيدات، بما في ذلك كيفية تقسيم المهام (لا سيما المهام المعقدة للتعلم العميق)، وتبعيات البيانات، وتكاليف الاتصال الإضافية بين الأجهزة.
• قضايا حماية الخصوصية: كيف يمكن للشخص التأكد من عدم كشف بيانات العميل والنماذج لمستلم المهام؟

تحديات الامتثال التنظيمي

• منصات الحوسبة اللامركزية، بفضل طبيعتها المفتوحة في أسواق العرض والطلب، قد تكون جاذبة لبعض العملاء كنقطة بيع رئيسية. ومع ذلك، مع تطور الأطر القانونية للذكاء الاصطناعي، قد تصبح هذه المنصات بشكل متزايد أهدافا للافتتاحات الحكومية. وعلاوة على ذلك، يشعر بعض بائعي وحدات معالجة الرسومات بالقلق بشأن ما إذا كانت موارد الحوسبة التي تم تأجيرها تستخدم من قبل شركات أو أفراد تحت عقوبات.

في الختام، فإن المستخدمين الرئيسيين لمنصات الحوسبة اللامركزية هم في الغالب مطورون محترفون أو مؤسسات صغيرة إلى متوسطة الحجم. على عكس مستثمري العملات المشفرة والNFT، يعطي هؤلاء العملاء الأولوية لاستقرار واستمرارية الخدمات المقدمة من المنصات، والتسعير ليس بالضرورة هو همهم الأول. لدى منصات الحوسبة اللامركزية رحلة طويلة أمامها قبل أن تستطيع الفوز بقبول واسع من هذه القاعدة المستخدمين الفاحصة.

فيما يلي، سنغوص في التفاصيل ونقوم بتحليل IO.NET، وهو مشروع جديد للقوة الحوسبة اللامركزية في هذا الدورة. كما سنقارنه مع مشاريع مماثلة لتقدير قيمته السوقية المحتملة بعد إطلاقه.

2. منصة حوسبة الذكاء الاصطناعي اللامركزية: IO.NET

2.1 نظرة عامة على المشروع

IO.NET هو شبكة حوسبة متمركزة أنشأت سوقًا ذو جانبين حول الرقائق. من ناحية العرض، هناك قوى حوسبة منتشرة على نطاق عالمي، بشكل أساسي وحدات معالجة الرسومات (GPUs)، ولكن أيضًا وحدات معالجة المركزية (CPUs) ووحدات معالجة الرسومات المدمجة لشركة Apple (iGPUs). يتكون الجانب الطلبي من مهندسي الذكاء الاصطناعي الذين يسعون لإكمال تدريب نموذج الذكاء الاصطناعي أو مهام الاستدلال.

يقول موقع IO.NET الرسمي رؤيتهم:

مهمتنا

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

مهمتها هي دمج الملايين من وحدات معالجة الرسوميات في شبكة DePIN الخاصة بها.

بالمقارنة مع خدمات الحوسبة السحابية التقليدية للذكاء الاصطناعي، تسلط هذه المنصة الضوء على عدة مزايا رئيسية:

• تكوين مرن: يحظى مهندسو الذكاء الاصطناعي بحرية اختيار وتجميع الشرائح اللازمة في "مجموعة" مصممة خصيصًا لمهام الحساب الخاصة بهم.
• النشر السريع: على عكس الإجراءات الطويلة المتعلقة بالموافقة وأوقات الانتظار المرتبطة بمزودي الخدمات المركزية مثل AWS، يمكن إكمال النشر على هذه المنصة في ثوانٍ معدودة فقط، مما يسمح ببدء المهمة على الفور.
• كفاءة التكلفة: تكون تكاليف الخدمة تصل إلى 90٪ أقل من تلك التي يقدمها مقدمو الخدمات الرئيسيون.

وعلاوة على ذلك، تخطط IO.NET لإطلاق خدمات إضافية في المستقبل، مثل متجر لنماذج الذكاء الاصطناعي.

2.2 آلية المنتج والمقاييس التجارية

آليات المنتج وتجربة النشر

بالمثل لمنصات رئيسية مثل Amazon Cloud و Google Cloud و Alibaba Cloud، تقدم IO.NET خدمة حوسبة تعرف بـIO Cloud. تعمل هذه الخدمة من خلال شبكة موزعة ولامركزية من الشرائح التي تدعم تنفيذ رمز تعلم الآلة القائم على Python لتطبيقات الذكاء الاصطناعي وتعلم الآلة.

يُطلق على الوحدة الأساسية للأعمال في IO Cloud اسم Clusters - مجموعات ذاتية التنسيق من وحدات معالجة الرسومات المصممة للتعامل بكفاءة مع مهام الحوسبة. يحصل مهندسو الذكاء الاصطناعي على مرونة لتخصيص هذه المجموعات لتلبية احتياجاتهم الخاصة.

واجهة مستخدم IO.NET ودية للغاية. إذا كنت تبحث عن نشر مجموعة رقائق خاصة بك لمهام الحوسبة الذكية، ما عليك سوى التنقل إلى صفحة العناقيد على المنصة، حيث يمكنك تكوين مجموعة الرقائق المطلوبة بسهولة وفقًا لمتطلباتك.

معلومات الصفحة: https://cloud.io.net/cloud/clusters/create-cluster, نفس الشيء أدناه

أولاً، تحتاج إلى تحديد نوع العنقود الخاص بك، مع ثلاث خيارات متاحة:

• عام: يوفر بيئة عامة، مناسبة لمراحل مبكرة من مشروع حيث لم تكن متطلبات الموارد المحددة واضحة بعد.
• Train: مجموعة مصممة خصيصًا لتدريب وضبط نماذج التعلم الآلي. توفر هذه الخيارات موارد إضافية لوحدة معالجة الرسومات، وسعة ذاكرة أعلى، و/أو اتصالات شبكية أسرع لاستيعاب هذه المهام الحسابية المكثفة.
• استنتاج: عبارة عن مجموعة مصممة للاستنتاج ذو البطء المنخفض والعبء العالي. في سياق التعلم الآلي، يشير الاستنتاج إلى استخدام النماذج المدربة للتنبؤ أو تحليل مجموعات بيانات جديدة وتقديم تغذية راجعة. لذلك، تركز هذه الخيارات على تحسين البطء والإنتاجية لدعم احتياجات معالجة البيانات في الوقت الحقيقي أو شبه الوقت الحقيقي.

بعد ذلك، تحتاج إلى اختيار مورد لعنقودك. تتعاون IO.NET مع Render Network وشبكة منقبي Filecoin، مما يسمح للمستخدمين باختيار رقائق من IO.NET أو الشبكتين الأخريين كمصدر إمداد لعناقيدهم الحسابية. يوضح هذا بشكل فعال موقع IO.NET كجامع (ملاحظة: خدمات Filecoin متوقفة مؤقتًا). يُلاحظ أن IO.NET حاليًا لديها أكثر من 200,000 وحدة معالجة رسومية متاحة عبر الإنترنت، بينما تحتوي Render Network على أكثر من 3,700 وحدة معالجة رسومية متاحة.

بعد ذلك، ستنتقل إلى مرحلة اختيار الأجهزة الأساسية لعنقودك. حاليًا، تقوم IO.NET بسرد بطاقات الرسوميات فقط كخيار أجهزة متاح، باستثناء وحدات المعالجة المركزية أو معالجات Apple iGPUs (M1، M2، الخ)، حيث تتألف البطاقات الرسومية الأساسية بشكل أساسي من منتجات NVIDIA.

من بين الخيارات الأجهزة ذات وحدات معالجة الرسومات المُدرجة رسميًا والمتاحة، استنادًا إلى البيانات التي تم اختبارها بواسطتي في ذلك اليوم، كان إجمالي عدد وحدات معالجة الرسومات عبر شبكة IO.NET هو 206,001. وكانت وحدة معالجة الرسومات ذات التوفر الأعلى هي GeForce RTX 4090، بعدد وحدات 45,250، تليها GeForce RTX 3090 Ti بعدد وحدات 30,779.

وعلاوة على ذلك، هناك 7،965 وحدة من شريحة A100-SXM4-80GB فائقة الكفاءة (كل وحدة بسعر يزيد عن 15،000 دولار) متاحة عبر الإنترنت، وهو أكثر كفاءة لمهام الحوسبة الذكية مثل التعلم الآلي، والتعلم العميق، والحوسبة العلمية.

تقدم NVIDIA H100 80GB HBM3، التي صممت من الألف إلى الياء للذكاء الاصطناعي (بسعر سوقي يزيد عن 40،000 دولار)، أداء تدريب يفوق الأداء بنسبة 3.3 مرات وأداء استنتاجي يزيد بنسبة 4.5 مرات عن A100. حاليًا، تتوفر 86 وحدة عبر الإنترنت.

بمجرد اختيار نوع الأجهزة للمجموعة، سيحتاج المستخدمون إلى تحديد تفاصيل إضافية مثل الموقع الجغرافي للمجموعة، سرعة الاتصال، عدد وحدات معالجة الرسومات (GPUs)، والمدة.

وأخيراً، سوف IO.NET يحسب فاتورة مفصلة بناءً على الخيارات التي اخترتها. على سبيل المثال، اعتبر تكوين العنقود التالي:

• نوع العنقود: عام
• 16 بطاقات A100-SXM4-80GB
• الاتصال: سرعة عالية
• الموقع الجغرافي: الولايات المتحدة
• المدة: 1 أسبوع

إجمالي الفاتورة لهذه التكوين هو 3311.6 دولار، مع سعر الإيجار بالساعة للبطاقة الواحدة يبلغ 1.232 دولار.

سعر الإيجار بالساعة لـ A100-SXM4-80GB الفردي على خدمات Amazon Web Services و Google Cloud و Microsoft Azure هو 5.12 دولار، 5.07 دولار، و 3.67 دولار على التوالي (البيانات المصدرة:https://cloud-gpus.com/، الفعليالأسعار قد تختلف اعتمادًا على تفاصيل العقد)

وبالتالي، عندما يتعلق الأمر بالتكلفة، تقدم IO.NET قوة حوسبة الرقاقات بأسعار أقل بكثير من تلك المقدمة من قبل مقدمي الخدمات الرئيسيين. بالإضافة إلى ذلك، تجعل المرونة في خيارات الإمداد والتوريد من IO.NET خيارًا جذابًا للعديد من المستخدمين.

نظرة عامة على الأعمال

الجانب المعروض

اعتبارًا من 4 أبريل 2024، تكشف الأرقام الرسمية عن أن IO.NET كان لديها إجمالي إمداد بوحدات GPU قدره 371،027 وإمداد بوحدات CPU قدره 42،321 من جانب الإمداد. بالإضافة إلى ذلك، كان لدى شبكة Render Network، كشريك، 9،997 وحدة GPU إضافية و 776 وحدة معالج مركزي متصلة بإمداد الشبكة.

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

في وقت الكتابة، كانت 214،387 من وحدات المعالجة الرسومية المتكاملة مع IO.NET على الإنترنت، مما أسفر عن معدل اتصال بالإنترنت بنسبة 57.8٪. كان معدل الاتصال بالإنترنت لوحدات المعالجة الرسومية القادمة من شبكة Render 45.1٪.

ماذا يعني هذه البيانات على الجانب العرضي؟

لتوفير معيار، دعونا نجلب شبكة Akash، مشروع حوسبة لامركزية أكثر تجربة.

شبكة Akash أطلقت شبكتها الرئيسية في وقت مبكر من عام 2020، مركزة في البداية على الخدمات اللامركزية لوحدات المعالجة المركزية والتخزين. تم إطلاق شبكة اختبار لخدمات وحدات المعالجة الرسومية في يونيو 2023 ومن ثم تم إطلاق الشبكة الرئيسية لقوة الحوسبة اللامركزية لوحدات المعالجة الرسومية في سبتمبر من نفس العام.

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

وفقًا للبيانات الرسمية من Akash، على الرغم من انتقال العرض جانبها بشكل مستمر منذ إطلاق شبكة معالج الرسوميات الخاصة بها، فإن عدد الإجمالي لمعالجات الرسوميات المتصلة بالشبكة يبقى 365 فقط.

عند تقييم حجم إمداد وحدة معالجة الرسومات (GPU)، يفوق IO.NET بشكل كبير شبكة Akash، حيث يعمل على نطاق أكبر بشكل كبير. لقد أثبتت IO.NET نفسها كأكبر جانب إمداد في قطاع قوة حساب الرسومات (GPU) المتمركز.

الجانب الطلب

من جانب الطلب، يزال IO.NET في مراحل مبكرة من التنمية السوقية، مع إجمالي حجم صغير نسبيًا من المهام الحسابية التي يتم تنفيذها على شبكته. معظم وحدات GPU متصلة بالإنترنت ولكنها خاملة، مما يظهر نسبة عمل مئوية بنسبة 0٪. تشارك أربعة أنواع من الشرائح فقط - A100 PCIe 80GB K8S، RTX A6000 K8S، RTX A4000 K8S، و H100 80GB HBM3 - في معالجة المهام بنشاط، ومن بين هذه، فقط A100 PCIe 80GB K8S يواجه عبء عمل أعلى من 20٪.

أفادت مستويات الإجهاد الرسمية للشبكة لهذا اليوم بنسبة 0٪، مما يشير إلى أن جزءًا كبيرًا من إمدادات وحدة المعالجة الرسومية حاليا في وضع متصل عبر الإنترنت ولكنه في وضع الخمول.

ماليًا، حققت IO.NET مبلغ 586,029 دولارًا في رسوم الخدمة حتى الآن، مع توليد 3,200 دولار من هذا المجموع في اليوم الأخير.

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

البيانات المالية المتعلقة برسوم تسوية الشبكة، سواء من حيث الحجم الإجمالي أو حجم المعاملات اليومية، تتوافق عن كثب مع تلك التي تخص Akash. ومع ذلك، يُشير إلى أن الجزء الأكبر من عائدات Akash تأتي من عروض وحدات المعالجة المركزية الخاصة بها، مع مخزون يفوق 20,000 وحدة معالجة مركزية.

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

بالإضافة إلى ذلك، قامت IO.NET بالكشف عن البيانات المفصلة لمهام الاستدلال الصناعي التي تم معالجتها بواسطة الشبكة. حتى آخر تقرير، نجحت المنصة في معالجة وتحقق أكثر من 230,000 مهمة استدلال، على الرغم من أن معظم هذا الحجم يعود إلى BC8.AI، وهو مشروع يرعاه IO.NET.

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

توسع جانب العرض في IO.NET بكفاءة، مدفوعًا بالتوقعات المحيطة بتوزيع الهبة وحدث مجتمعي يعرف باسم "الاشتعال". لقد جذبت هذه المبادرة بسرعة كبيرة من الطاقة الحاسوبية الذكية. من ناحية الطلب ، تظل التوسعة في مهدها على الرغم من عدم وجود طلب عضوي كاف. تتطلب الأسباب وراء هذا الطلب البطيء - سواء كان ذلك بسبب جهود الوصول إلى العملاء غير المبتدئين أو تجارب الخدمة غير المستقرة التي تؤدي إلى قلة التبني على نطاق واسع - تقييمًا إضافيًا.

نظرًا للتحديات في سد الفجوة بسرعة في قدرات الحوسبة الذكية، يقوم العديد من مهندسي الذكاء الاصطناعي والمشاريع باستكشاف بدائل، مما قد يزيد من الاهتمام بمزودي الخدمات المتمركزة، وعلاوة على ذلك، لم تطبق IO.NET بعد حوافز اقتصادية أو أنشطة لتعزيز الطلب، ومع استمرار تحسن تجربة المنتج، يعد التوازن المتوقع بين العرض والطلب وعدًا للمستقبل.

2.3 خلفية الفريق ونظرة عامة على جمع التبرعات

ملف الفريق

كان فريق Gate.io الأساسي متخصصًا في التداول الكمي. حتى يونيو 2022، كانوا يعملون على إنشاء أنظمة تداول كمية على مستوى المؤسسات للأسهم والعملات الرقمية. دفعتهم حاجة نظام الخلفية إلى طاقة الحساب، بدأ الفريق في استكشاف إمكانات الحوسبة اللامركزية وركز في النهاية على مسألة تقليل تكلفة خدمات حوسبة وحدة المعالجة الرسومية.

مؤسس والرئيس التنفيذي: أحمد شديد

قبل تأسيس آيو.نت، عمل أحمد شديد في التمويل الكمي والهندسة المالية، وهو أيضًا متطوع في مؤسسة إثريوم.

CMO & رئيس مجلس الإدارة: غاريسون يانغ

Garrison Yang انضم رسميًا إلى IO.NET في مارس 2024. قبل ذلك، كان نائب الرئيس للإستراتيجية والنمو في Avalanche وهو خريج جامعة كاليفورنيا، سانتا باربرا.

COO: توري جرين

يعمل توري غرين كمدير تشغيل رئيسي في IO.NET. كان سابقًا كبير مسؤولي العمليات في Hum Capital ومدير تطوير الأعمال والاستراتيجية في Fox Mobile Group. تخرج من جامعة ستانفورد.

ملف تعريف IO.NET على LinkedIn يشير إلى أن الفريق مقره في نيويورك، الولايات المتحدة، مع مكتب فرعي في سان فرانسيسكو، ويوظف أكثر من 50 موظفًا.

نظرة عامة على التمويل

IO.NET لم تعلن علنًا سوى جولة تمويل واحدة - جولة سلسلة A تمت في مارس هذا العام بقيمة 1 مليار دولار، من خلالها جمعوا بنجاح 30 مليون دولار. قادت هذه الجولة Hack VC، بمشاركة من المستثمرين الآخرين 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.

بشكل ملحوظ، قد يكون الاستثمار من مؤسسة Aptos قد أثر على قرار مشروع BC8.AI بالانتقال من استخدام سولانا لعمليات التسوية والمحاسبة إلى البلوكشين طبقة 1 ذو الأداء العالي بشكل مماثل، Aptos.

2.4 تقدير التقييم

وفقًا للبيانات السابقة التي أدلى بها مؤسس والرئيس التنفيذي أحمد شديد، من المقرر أن يتم إطلاق رمز IO.NET بحلول نهاية إبريل 2024.

IO.NET لديها مشروعان مرجعيان يعملان كمراجع للتقييم: Render Network و Akash Network، وكلاهما مشاريع توزيعية تمثلية في مجال الحوسبة.

هناك طريقتان رئيسيتان لاستقاء تقدير لحدود السوق لـ IO.NET: 1. معدل السعر إلى المبيعات (P/S)، الذي يقارن FDV بالإيرادات؛ 2. نسبة FDV-to-Chip (M/C Ratio)

سنبدأ بفحص التقييم المحتمل باستخدام نسبة السعر إلى المبيعات:

فحص نسبة السعر إلى المبيعات، يمثل أكاش الطرف المحافظ في الطيف التقديري لقيمة IO.NET، بينما يوفر ريندر معيارًا عالي المستوى، مقترحًا نطاق قيمة القيمة النقدية للمؤسسة من 1.67 مليار دولار إلى 5.93 مليار دولار.

ومع ذلك، نظرًا للتحديثات على مشروع IO.NET، وسرده الأكثر إقناعًا، جنبًا إلى جنب مع حجم سوقه الابتدائي الأصغر وقاعدة إمداد أوسع، يوحي بأن قيمة السوق الكامنة له قد تتجاوز بشكل جيد تلك لشبكة Render.

التحول إلى وجهة نظر مقارنة تقييم أخرى، وهي "نسبة قيمة الشركة إلى الرقاقة".

في سياق سوق حيث تفوق الطلب على قوة الحوسبة الذكية على العرض، فإن العنصر الأكثر أهمية في شبكات الحوسبة الذكية اللامركزية هو مقدار توفر وحدات GPU. لذلك، يمكننا استخدام "نسبة FDV-to-Chip"، وهي نسبة قيمة المشروع الكلية المخففة إلى عدد الرقائق داخل الشبكة، لاستنتاج نطاق التقييم المحتمل لـ IO.NET، مما يوفر للقراء مرجعًا.

باستخدام نسبة السوق إلى الرقاقة لحساب نطاق تقييم IO.NET، يضعنا بين 20.6 مليار دولار و 197.5 مليار دولار، مع تحديد Render Network كمعيار أعلى و Akash Network كمعيار أدنى.

ربما يرى عشاق مشروع IO.NET هذا التقدير متفائلًا للغاية لحجم السوق.

من المهم أن ننظر إلى العدد الهائل الحالي من الرقائق عبر الإنترنت لـ IO.NET، الذي يتحفز بتوقعات الهبوط الجوي والأنشطة التحفيزية. لا يزال يتطلب العد الفعلي عبر الإنترنت للعرض بعد إطلاق المشروع رسمياً مراقبة.

بشكل عام، يمكن أن تقدم التقييمات المستمدة من نسبة السعر إلى المبيعات رؤى أكثر موثوقية.

IO.NET، المبني على Solana والمزين بتقاطع AI وDePIN، على وشك إطلاق رمزه. الترقب محسوس حيث نقف لنشهد تأثير سقف السوق بعد الإطلاق.

مرجع:

Dephi Digital: الاندماج الحقيقي

Galaxy: فهم تقاطع العملات المشفرة والذكاء الاصطناعي

بيان:

1. تم نقل هذه المقالة من [Gatepanews، وحقوق الطبع والنشر تنتمي إلى الكاتب الأصليAlex Xuإذا كان لديك أي اعتراض على إعادة النشر، يرجى التواصل معGate Learn Team , سيتعامل الفريق معها في أقرب وقت ممكن وفقا للإجراءات ذات الصلة.

2. تنويه: الآراء والآراء المعبر عنها في هذه المقالة تمثل وجهات نظر الكاتب فقط ولا تشكل أي نصيحة استثمارية.

3. تتم ترجمة النسخ الأخرى من المقال بواسطة فريق Gate Learn ولا يتم ذكرها في Gate.io, قد لا يُعاد توليف المقال المترجم أو توزيعه أو سرقته.