Por Alex Xu, socio de investigación de Mint Ventures
Introducción
En nuestro último informe, mencionamos que, en comparación con los dos ciclos anteriores, al actual mercado alcista de las criptomonedas faltan nuevos modelos de negocio y narrativas de activos. La Inteligencia Artificial (IA) es una de las narrativas novedosas en el espacio Web3 de este ciclo. Este artículo profundiza en el proyecto de IA del año, IO.NET, y organiza reflexiones sobre las dos preguntas siguientes:
La necesidad de AI+Web3 en el panorama comercial
La necesidad y los desafíos de implementar una red informática descentralizada
Organizaré información clave sobre el proyecto representativo en la red informática de IA descentralizada: IO.NET, incluido el diseño del producto, el panorama competitivo y los antecedentes del proyecto. También especularé sobre las métricas de valoración del proyecto.
Las ideas sobre la lógica empresarial detrás de la convergencia de la IA y la Web3 se inspiran en "The Real Merge" de Michael Rinko, analista de investigación de Delphi Delphi. Este análisis asimila y hace referencia a ideas de su trabajo, muy recomendable para lecturas posteriores The Real Merge.
Tenga en cuenta que este artículo refleja mi pensamiento actual y puede evolucionar. Las opiniones aquí son subjetivas y puede haber errores en los hechos, datos y razonamiento lógico. Este no es un consejo financiero, pero se agradecen los comentarios y las discusiones.
La lógica empresarial detrás de la convergencia de la IA y la Web3
2023: el “año maravilloso” de la IA
Al reflexionar sobre los anales del desarrollo humano, queda claro que los avances tecnológicos catalizan transformaciones profundas, desde la vida cotidiana hasta los paisajes industriales y el avance de la civilización misma.
En la historia de la humanidad hay dos años importantes, a saber, 1666 y 1905, que ahora se celebran como el “Annus Mirabilis” en la historia de la ciencia.
El año 1666 obtuvo su título debido a la cascada de avances científicos de Isaac Newton. En un solo año, fue pionero en la rama de la física conocida como óptica, fundó la disciplina matemática del cálculo y derivó la ley de la gravitación, que es una ley fundamental de las ciencias naturales modernas. Cualquiera de estas contribuciones fue fundamental para el desarrollo científico de la humanidad durante el siglo siguiente, acelerando significativamente el progreso general de la ciencia.
El otro año histórico es 1905, cuando Einstein, de apenas 26 años, publicó cuatro artículos en rápida sucesión en "Annalen der Physik", que cubrían el efecto fotoeléctrico, preparando el terreno para la mecánica cuántica; Movimiento browniano, que proporciona un marco fundamental para el análisis de procesos estocásticos; la teoría de la relatividad especial; y la equivalencia masa-energía, resumida en la ecuación E=MC^2. Mirando hacia atrás, se considera que cada uno de estos artículos supera el nivel promedio de los trabajos ganadores del Premio Nobel en física, una distinción que recibió el propio Einstein por su trabajo sobre el efecto fotoeléctrico. Estas contribuciones impulsaron colectivamente a la humanidad a dar varios pasos hacia adelante en el viaje de la civilización.
El año 2023, que recientemente quedó atrás, está listo para celebrarse como otro “Año Milagroso”, gracias en gran parte al surgimiento de ChatGPT.
Ver 2023 como un “Año Milagroso” en la historia de la tecnología humana no se trata solo de reconocer los avances logrados en el procesamiento y la generación del lenguaje natural mediante ChatGPT. También se trata de reconocer un patrón claro en el avance de los grandes modelos de lenguaje: la comprensión de que al expandir los parámetros del modelo y entrenar conjuntos de datos, podemos lograr mejoras exponenciales en el rendimiento del modelo. Además, parece no tener límites en el corto plazo, suponiendo que la potencia informática siga el mismo ritmo.
Esta capacidad se extiende mucho más allá de la comprensión del lenguaje y la generación de conversaciones; Puede aplicarse ampliamente en diversos campos científicos. Tomando como ejemplo la aplicación de grandes modelos de lenguaje en el sector biológico:
En 2018, la Premio Nobel de Química, Frances Arnold, dijo durante la ceremonia de entrega de premios: “Hoy podemos, a todos los efectos prácticos, leer, escribir y editar cualquier secuencia de ADN, pero no podemos componerla. Cinco años más tarde, hasta 2023, un equipo de investigadores de la Universidad de Stanford y Salesforce Research, una startup centrada en la inteligencia artificial, realizó una publicación en “Nature Biotechnology”. Utilizando un modelo de lenguaje grande refinado a partir de GPT-3, generaron un catálogo completamente nuevo de 1 millón de proteínas. Entre ellas, descubrieron dos proteínas con estructuras distintas, ambas dotadas de función antibacteriana, lo que podría allanar el camino para nuevas estrategias de resistencia bacteriana más allá de los antibióticos tradicionales. Esto significa un salto monumental para superar los obstáculos de la creación de proteínas con la ayuda de la IA.
Antes de esto, el algoritmo de inteligencia artificial AlphaFold predijo las estructuras de casi los 2.140 millones de tipos de proteínas de la Tierra en 18 meses, un hito que amplifica en varias magnitudes los logros de los biólogos estructurales a lo largo de la historia.
La integración de modelos de IA promete transformar drásticamente las industrias. Desde los ámbitos de la tecnología dura como la biotecnología, la ciencia de los materiales y el descubrimiento de fármacos hasta las esferas culturales del derecho y las artes, una ola transformadora está destinada a remodelar estos campos, y el año 2023 marcará el comienzo de todo.
Es ampliamente reconocido que el siglo pasado ha sido testigo de un aumento exponencial de la capacidad de la humanidad para generar riqueza. Se espera que el rápido avance de las tecnologías de IA acelere este proceso.
Tendencia del PIB total mundial, fuente de datos: Grupo del Banco Mundial
Fusionando IA y Cripto
Para comprender la necesidad inherente de fusionar la IA y las criptomonedas, resulta revelador observar cómo sus distintas características se complementan entre sí.
La simbiosis de la IA y las funciones criptográficas
La IA se distingue por tres cualidades principales:
Estocasticidad: la IA es estocástica, y su mecanismo de producción de contenidos es una enigmática caja negra difícil de replicar, lo que hace que sus resultados sean inherentemente estocásticos.
Uso intensivo de recursos: la IA es una industria que consume muchos recursos y requiere cantidades significativas de energía, chips y potencia informática.
Inteligencia similar a la humana: la IA es (pronto será) capaz de pasar la prueba de Turing, lo que hace cada vez más difícil distinguir entre humanos e IA.
※ El 30 de octubre de 2023, investigadores de la Universidad de California en San Diego dieron a conocer las puntuaciones de las pruebas de Turing para GPT-3.5 y GPT-4.0. Este último obtuvo una puntuación del 41%, perdiendo por poco la marca del 50% por sólo 9 puntos porcentuales, mientras que los humanos obtuvieron una puntuación del 63% en la misma prueba. La esencia de esta prueba de Turing radica en cuántos participantes perciben que su interlocutor es humano. Una puntuación superior al 50% indica que la mayoría cree que está interactuando con un humano, no con una máquina, por lo que considera que la IA ha superado con éxito la prueba de Turing, ya que al menos la mitad de las personas no pudieron distinguirla de un humano.
A medida que la IA allana el camino para avances revolucionarios en la productividad humana, al mismo tiempo introduce profundos desafíos a nuestra sociedad, específicamente:
Cómo verificar y controlar la estocasticidad de la IA, convirtiéndola en una ventaja y no en un defecto
Cómo cubrir los enormes requisitos de energía y potencia informática que exige la IA
Cómo distinguir entre humanos e IA
La tecnología criptográfica y blockchain podría ofrecer la solución ideal a los desafíos que plantea la IA, caracterizada por tres atributos clave:
Determinismo: las operaciones se basan en blockchain, código y contratos inteligentes, con reglas y límites claros. Los insumos conducen a resultados predecibles, lo que garantiza un alto nivel de determinismo.
Asignación eficiente de recursos: la criptoeconomía ha fomentado un mercado vasto, global y libre, lo que permite fijar precios, recaudar fondos y transferir recursos rápidamente. La presencia de tokens acelera aún más la alineación de la oferta y la demanda del mercado, alcanzando rápidamente una masa crítica a través de la incentivación.
Falta de confianza: con libros de contabilidad públicos y código fuente abierto, cualquiera puede verificar fácilmente las operaciones, creando un sistema "sin confianza". Además, la tecnología Zero-Knowledge (ZK) garantiza aún más que se mantenga la privacidad durante estos procesos de verificación.
Para demostrar la complementariedad entre la IA y la criptoeconomía, profundicemos en tres ejemplos.
Ejemplo A: Superar la estocasticidad con agentes de IA impulsados por la criptoeconomía
Los agentes de IA son programas inteligentes diseñados para realizar tareas en nombre de humanos de acuerdo con sus directivas, siendo Fetch.AI un ejemplo notable en este dominio. Imaginemos que le asignamos a nuestro agente de inteligencia artificial la tarea de ejecutar una operación financiera, como "invertir $1000 en BTC". El agente de IA podría enfrentarse a dos escenarios distintos:
Escenario 1: se requiere que el agente interactúe con entidades financieras tradicionales (por ejemplo, BlackRock) para comprar ETF de BTC, encontrando muchos problemas de compatibilidad con organizaciones centralizadas, incluidos procedimientos KYC, verificación de documentos, procesos de inicio de sesión y autenticación de identidad, todos los cuales son notablemente gravoso en la actualidad.
Escenario 2: cuando se opera dentro de la criptoeconomía nativa, el proceso se simplifica. El agente podría realizar la transacción directamente a través de Uniswap o un agregador comercial similar, utilizando su cuenta para iniciar sesión y confirmar el pedido y, en consecuencia, adquirir WBTC u otras variantes de BTC envuelto. Este procedimiento es eficiente y ágil. Básicamente, esta es la función que cumplen actualmente varios Trading Bots, que actúan como agentes básicos de IA centrados en actividades comerciales. Con un mayor desarrollo e integración de la IA, estos robots cumplirán objetivos comerciales más complejos. Por ejemplo, podrían monitorear 100 direcciones de dinero inteligente en la cadena de bloques, evaluar sus estrategias comerciales y tasas de éxito, asignar el 10% de sus fondos para copiar sus operaciones durante una semana, detener las operaciones si los rendimientos son desfavorables y deducir las posibles razones de estas estrategias.
La IA prospera dentro de los sistemas blockchain, fundamentalmente porque las reglas de la criptoeconomía están definidas explícitamente y el sistema permite la falta de permisos. Operar bajo pautas claras reduce significativamente los riesgos vinculados a la estocasticidad inherente de la IA. Por ejemplo, el dominio de la IA sobre los humanos en el ajedrez y los videojuegos se debe al hecho de que estos entornos son entornos cerrados con reglas sencillas. Por el contrario, los avances en la conducción autónoma han sido más graduales. Los desafíos del mundo abierto son más complejos y nuestra tolerancia a la resolución impredecible de problemas de la IA en tales escenarios es notablemente menor.
Ejemplo B: Consolidación de recursos mediante incentivos simbólicos
La formidable red de hash global que respalda a BTC, que cuenta con una tasa de hash total actual de 576,70 EH/s, supera la potencia informática acumulada de las supercomputadoras de cualquier país. Este crecimiento está impulsado por incentivos simples y justos dentro de la red.
Tendencia del hash de BTC
Además, proyectos DePIN como Mobile están explorando incentivos simbólicos para cultivar un mercado tanto del lado de la oferta como de la demanda para fomentar los efectos de red. El próximo tema central de este artículo, IO.NET, es una plataforma diseñada para agregar potencia informática de IA, con la esperanza de desbloquear el potencial latente de la potencia informática de IA a través de un modelo de token.
Ejemplo C: Aprovechar el código abierto y la prueba ZK para diferenciar a los humanos de la IA y al mismo tiempo proteger la privacidad
Worldcoin, un proyecto Web3 cofundado por Sam Altman de OpenAI, emplea un enfoque novedoso para la verificación de identidad. Utilizando un dispositivo de hardware conocido como Orb, aprovecha la biometría del iris humano para producir valores hash únicos y anónimos a través de la tecnología Zero-Knowledge (ZK), diferenciando a los humanos de la IA. A principios de marzo de 2024, el proyecto artístico Web3 Drip comenzó a implementar Worldcoin ID para autenticar humanos reales y asignar recompensas.
Worldcoin recientemente ha abierto su hardware de iris, Orb, garantizando la seguridad y privacidad de los datos biométricos.
En general, debido al determinismo del código y la criptografía, las ventajas de circulación de recursos y recaudación de fondos que aportan los mecanismos sin permiso y basados en tokens, junto con la naturaleza no confiable basada en el código fuente abierto y los libros de contabilidad públicos, la criptoeconomía se ha convertido en una importante solución potencial para los desafíos que enfrenta la sociedad humana con la IA.
El desafío más inmediato y comercialmente exigente es la sed extrema de recursos computacionales que requieren los productos de IA, impulsada principalmente por una necesidad sustancial de chips y potencia informática.
Esta es también la razón principal por la que los proyectos de potencia informática distribuida han liderado las ganancias durante este ciclo alcista del mercado en el sector de la IA en general.
El imperativo empresarial de la informática descentralizada
La IA requiere importantes recursos computacionales, necesarios tanto para el entrenamiento de modelos como para las tareas de inferencia.
Está bien documentado en el entrenamiento de grandes modelos de lenguaje que una vez que la escala de los parámetros de datos es sustancial, estos modelos comienzan a exhibir capacidades sin precedentes. Las mejoras exponenciales observadas de una generación de ChatGPT a la siguiente están impulsadas por un crecimiento exponencial en las demandas computacionales para el entrenamiento de modelos.
La investigación de DeepMind y la Universidad de Stanford indica que en varios modelos de lenguaje grandes, cuando se manejan diferentes tareas (ya sea computación, respuesta a preguntas en persa o comprensión del lenguaje natural), los modelos solo se aproximan a la conjetura aleatoria a menos que el entrenamiento involucre parámetros del modelo significativamente ampliados (y por extensión, cargas computacionales). El desempeño de cualquier tarea permanece casi aleatorio hasta que los esfuerzos computacionales alcanzan 10^22 FLOP. Más allá de este umbral crítico, el rendimiento de las tareas mejora drásticamente en cualquier modelo de lenguaje.
*Los FLOP se refieren a operaciones de punto flotante por segundo, una medida del rendimiento informático.
Habilidades emergentes de modelos de lenguaje grandes
Habilidades emergentes de modelos de lenguaje grandes
El principio de “lograr milagros con gran esfuerzo” en potencia informática, tanto en teoría como verificado en la práctica, inspiró al fundador de OpenAI, Sam Altman, a proponer un ambicioso plan para recaudar 7 billones de dólares. Este fondo está destinado a establecer una fábrica de chips que superaría diez veces las capacidades actuales de TSMC (con un costo estimado de 1,5 billones de dólares), y los fondos restantes se asignarían a la producción de chips y la capacitación de modelos.
Además de las demandas computacionales del entrenamiento de modelos de IA, los procesos de inferencia también requieren una potencia informática considerable, aunque menor que el entrenamiento. Esta necesidad continua de chips y recursos computacionales se ha convertido en una realidad estándar para los jugadores en el campo de la IA.
A diferencia de los proveedores de informática de IA centralizada como Amazon Web Services, Google Cloud Platform y Azure de Microsoft, la informática de IA descentralizada ofrece varias propuestas de valor convincentes:
Accesibilidad: obtener acceso a chips informáticos a través de servicios como AWS, GCP o Azure normalmente requiere semanas y los modelos de GPU más populares suelen estar agotados. Además, los consumidores suelen estar sujetos a contratos largos y rígidos con estas grandes corporaciones. Las plataformas informáticas distribuidas, por otro lado, ofrecen opciones de hardware flexibles con mayor accesibilidad.
Eficiencia de costos: al aprovechar los chips inactivos e incorporar subsidios simbólicos de los protocolos de red para los proveedores de chips y potencia informática, las redes informáticas descentralizadas pueden ofrecer potencia informática a costos reducidos.
Resistencia a la censura: El suministro de chips de última generación está actualmente dominado por las principales empresas de tecnología, y con el gobierno de los Estados Unidos intensificando el escrutinio de los servicios informáticos de IA, la capacidad de obtener potencia informática de forma descentralizada, flexible y sin restricciones se está volviendo cada vez más una clara necesidad. Esta es una propuesta de valor central de las plataformas informáticas basadas en web3.
Si los combustibles fósiles fueron el elemento vital de la era industrial, entonces la potencia informática bien puede ser el elemento vital de la nueva era digital iniciada por la IA, haciendo del suministro de potencia informática una infraestructura para la era de la IA. De manera similar a cómo las monedas estables surgieron como un vigoroso derivado de la moneda fiduciaria en la época de la Web3, ¿podría el mercado de la informática distribuida evolucionar hacia un segmento floreciente dentro del mercado de la informática de IA en rápida expansión?
Este es todavía un mercado emergente y aún queda mucho por ver. Sin embargo, varios factores podrían impulsar la narrativa o la adopción en el mercado de la informática descentralizada:
Desafíos persistentes del suministro de GPU: las actuales limitaciones de suministro de GPU podrían alentar a los desarrolladores a explorar plataformas informáticas descentralizadas.
Expansión regulatoria: acceder a los servicios informáticos de IA desde las principales plataformas en la nube implica un escrutinio y procesos KYC exhaustivos. Esto podría conducir a una mayor adopción de plataformas informáticas descentralizadas, particularmente en áreas que enfrentan restricciones o sanciones.
Incentivos de precios de tokens: Los aumentos en los precios de los tokens durante los mercados alcistas podrían mejorar el valor de los subsidios ofrecidos a los proveedores de GPU por las plataformas, atrayendo a más proveedores al mercado, aumentando su escala y reduciendo los costos para los consumidores.
Al mismo tiempo, los desafíos que enfrentan las plataformas informáticas descentralizadas también son bastante evidentes:
Desafíos técnicos y de ingeniería
Problemas de prueba de trabajo: los cálculos en modelos de aprendizaje profundo, debido a la estructura jerárquica donde la salida de cada capa se utiliza como entrada para la siguiente, verificar la validez de los cálculos requiere ejecutar todo el trabajo previo, lo cual no es simple ni eficiente. Para abordar esto, las plataformas informáticas descentralizadas deben desarrollar nuevos algoritmos o emplear técnicas de verificación aproximada que ofrezcan garantía probabilística de resultados, en lugar de un determinismo absoluto.
Desafíos de paralelización: las plataformas informáticas descentralizadas recurren a una amplia gama de proveedores de chips, cada uno de los cuales suele ofrecer una potencia informática limitada. Completar rápidamente las tareas de entrenamiento o inferencia de un modelo de IA por parte de un solo proveedor de chips es casi imposible. Por lo tanto, las tareas deben descomponerse y distribuirse mediante paralelización para acortar el tiempo total de finalización. Sin embargo, este enfoque introduce varias complicaciones, incluida la forma en que se dividen las tareas (en particular, las tareas complejas de aprendizaje profundo), las dependencias de datos y los costos adicionales de conectividad entre dispositivos.
Cuestiones de protección de la privacidad: ¿Cómo se puede garantizar que los datos y modelos del cliente no se revelen al destinatario de las tareas?
Desafíos de cumplimiento normativo
Las plataformas informáticas descentralizadas, debido a su naturaleza sin permisos en los mercados de oferta y demanda, pueden atraer a ciertos clientes como un punto de venta clave. Sin embargo, a medida que evolucionan los marcos regulatorios de la IA, estas plataformas pueden convertirse cada vez más en objetivos de escrutinio gubernamental. Además, a algunos proveedores de GPU les preocupa si sus recursos informáticos arrendados están siendo utilizados por empresas o individuos sancionados.
En resumen, los usuarios principales de las plataformas informáticas descentralizadas son en su mayoría desarrolladores profesionales o pequeñas y medianas empresas. A diferencia de los inversores en criptomonedas y NFT, estos clientes priorizan la estabilidad y continuidad de los servicios proporcionados por las plataformas, y los precios no son necesariamente su principal preocupación. Las plataformas informáticas descentralizadas tienen un largo camino por recorrer antes de que puedan obtener una aceptación generalizada por parte de esta base de usuarios exigentes.
A continuación, profundizaremos en los detalles y realizaremos un análisis de IO.NET, un nuevo proyecto de potencia informática descentralizada de este ciclo. También lo compararemos con proyectos similares para estimar su valoración de mercado potencial después de su lanzamiento.
Plataforma informática de IA descentralizada: IO.NET
Descripción del proyecto
IO.NET es una red informática descentralizada que ha establecido un mercado bilateral en torno a los chips. Por el lado de la oferta, hay potencias informáticas distribuidas globalmente, principalmente GPU, pero también CPU y GPU integradas (iGPU) de Apple. El lado de la demanda está formado por ingenieros de IA que buscan completar tareas de inferencia o entrenamiento de modelos de IA.
El sitio web oficial de IO.NET establece su visión:
Nuestra misión
Reunir un millón de GPU en una DePIN (red de infraestructura física descentralizada).
En comparación con los servicios tradicionales de computación de IA en la nube, esta plataforma destaca varias ventajas clave:
Configuración flexible: los ingenieros de IA tienen la libertad de seleccionar y ensamblar los chips necesarios en un "clúster" adaptado a sus tareas informáticas específicas.
Implementación rápida: a diferencia de los largos tiempos de aprobación y espera asociados con proveedores centralizados como AWS, la implementación en esta plataforma se puede completar en solo segundos, lo que permite el inicio inmediato de la tarea.
Eficiencia de costos: los costos del servicio son hasta un 90% más bajos que los ofrecidos por los proveedores convencionales.
Además, IO.NET planea lanzar servicios adicionales en el futuro, como una tienda de modelos de IA.
Mecanismo de producto y métricas comerciales
Mecanismos de producto y experiencia de implementación
Al igual que las principales plataformas como Amazon Cloud, Google Cloud y Alibaba Cloud, IO.NET ofrece un servicio informático conocido como IO Cloud. Este servicio opera a través de una red de chips distribuida y descentralizada que admite la ejecución de código de aprendizaje automático basado en Python para aplicaciones de inteligencia artificial y aprendizaje automático.
El módulo empresarial básico de IO Cloud se llama Clústeres: grupos de GPU autocoordinados diseñados para manejar de manera eficiente tareas informáticas. Los ingenieros de IA tienen la flexibilidad de personalizar los clústeres para satisfacer sus necesidades específicas.
La interfaz de usuario de IO.NET es muy fácil de usar. Si está buscando implementar su propio clúster de chips para tareas informáticas de IA, simplemente navegue a la página Clústeres de la plataforma, donde podrá configurar sin esfuerzo el clúster de chips que desee según sus requisitos.
Página de clúster en IO.NET
Primero, debe seleccionar su tipo de clúster, con tres opciones disponibles:
General: proporciona un entorno general, adecuado para las primeras etapas de un proyecto donde los requisitos de recursos específicos aún no están claros.
Entrenar: un clúster diseñado específicamente para el entrenamiento y ajuste de modelos de aprendizaje automático. Esta opción proporciona recursos de GPU adicionales, mayor capacidad de memoria y/o conexiones de red más rápidas para adaptarse a estas tareas informáticas intensivas.
Inferencia: un clúster diseñado para inferencia de baja latencia y trabajo de alta carga. En el contexto del aprendizaje automático, la inferencia se refiere al uso de modelos entrenados para predecir o analizar nuevos conjuntos de datos y proporcionar retroalimentación. Por lo tanto, esta opción se centra en optimizar la latencia y el rendimiento para respaldar las necesidades de procesamiento de datos en tiempo real o casi en tiempo real.
A continuación, debe elegir un proveedor para su clúster. IO.NET tiene asociaciones con Render Network y la red minera Filecoin, lo que permite a los usuarios seleccionar chips de IO.NET u otras dos redes como fuente de suministro para sus grupos informáticos. Esto posiciona efectivamente a IO.NET como un agregador (nota: los servicios de Filecoin están temporalmente fuera de línea). Vale la pena señalar que IO.NET tiene actualmente más de 200.000 GPU disponibles en línea, mientras que Render Network tiene más de 3.700 GPU disponibles.
Después de esto, pasará a la fase de selección de hardware de su clúster. Actualmente, IO.NET enumera solo las GPU como opción de hardware disponible, excluyendo las CPU o las iGPU de Apple (M1, M2, etc.), y las GPU consisten principalmente en productos NVIDIA.
Entre las opciones de hardware de GPU disponibles y enumeradas oficialmente, según los datos que probé ese día, el número total de GPU en línea disponibles dentro de la red IO.NET fue 206.001. La GPU con mayor disponibilidad fue la GeForce RTX 4090, con 45.250 unidades, seguida de la GeForce RTX 3090 Ti, con 30.779 unidades.
Además, hay 7.965 unidades del chip altamente eficiente A100-SXM4-80GB (cada uno con un precio superior a 15.000 dólares) disponibles en línea, que es más eficiente para tareas informáticas de IA como el aprendizaje automático, el aprendizaje profundo y la informática científica.
La NVIDIA H100 80GB HBM3, que está diseñada desde cero para IA (con un precio de mercado de más de $40,000), ofrece un rendimiento de entrenamiento 3,3 veces mayor y un rendimiento de inferencia 4,5 veces mayor que el A100. Actualmente, hay 86 unidades disponibles en línea.
Una vez que se haya elegido el tipo de hardware para el clúster, los usuarios deberán especificar más detalles, como la ubicación geográfica del clúster, la velocidad de conectividad, la cantidad de GPU y la duración.
Finalmente, IO.NET calculará una factura detallada en función de las opciones seleccionadas. A modo de ilustración, considere la siguiente configuración de clúster:
Tipo de grupo: general
16 GPU A100-SXM4-80 GB
Nivel de conectividad: Alta velocidad
Ubicación geográfica: Estados Unidos
Duración: 1 semana
La factura total para esta configuración es de $3311,6, siendo el precio de alquiler por hora por tarjeta de $1.232.
El precio de alquiler por hora de un único A100-SXM4-80GB en Amazon Web Services, Google Cloud y Microsoft Azure es de $5,12, $5,07 y $3,67 respectivamente (datos obtenidos de Cloud GPU Comparison, los precios reales pueden variar según los detalles del contrato).
En consecuencia, en lo que respecta al costo, IO.NET ofrece potencia de procesamiento de chips a precios mucho más bajos que los de los proveedores convencionales. Además, la flexibilidad en las opciones de suministro y adquisición hace que IO.NET sea una opción atractiva para muchos usuarios.
visión general del negocio
Lado de la oferta
Al 4 de abril de 2024, las cifras oficiales revelan que IO.NET tenía un suministro total de GPU de 371.027 unidades y un suministro de CPU de 42.321 unidades por el lado de la oferta. Además, Render Network, como socio, tenía 9.997 GPU y 776 CPU adicionales conectadas al suministro de la red.
Fuente de datos: io.net
En el momento de escribir este artículo, 214.387 de las GPU integradas con IO.NET estaban en línea, lo que da como resultado una tasa de conexión del 57,8%. La tasa en línea para las GPU provenientes de Render Network fue del 45,1%.
¿Qué implican estos datos del lado de la oferta?
Para proporcionar un punto de referencia, incorporemos Akash Network, un proyecto informático descentralizado más experimentado.
Akash Network lanzó su red principal ya en 2020, centrándose inicialmente en servicios descentralizados para CPU y almacenamiento. Lanzó una red de prueba para servicios de GPU en junio de 2023 y posteriormente lanzó la red principal para potencia informática de GPU descentralizada en septiembre del mismo año.
Capacidad de GPU de la red Akash
Según datos oficiales de Akash, aunque la oferta ha ido creciendo continuamente desde el lanzamiento de su red de GPU, el número total de GPU conectadas a la red sigue siendo sólo 365.
Al evaluar el volumen de suministro de GPU, IO.NET supera ampliamente a Akash Network, operando a una escala dramáticamente mayor. IO.NET se ha establecido como el mayor proveedor en el sector de potencia informática de GPU descentralizada.
Lado de la demanda
Desde el punto de vista de la demanda, IO.NET aún se encuentra en las primeras etapas de crecimiento en el mercado, con un volumen total relativamente pequeño de tareas informáticas ejecutadas en su red. La mayoría de las GPU están en línea pero inactivas, lo que muestra un porcentaje de carga de trabajo del 0 %. Solo cuatro tipos de chips (el A100 PCIe 80GB K8S, RTX A6000 K8S, RTX A4000 K8S y H100 80GB HBM3) participan activamente en las tareas de procesamiento y, entre ellos, solo el A100 PCIe 80GB K8S experimenta una carga de trabajo superior al 20%.
El nivel de estrés oficial de la red informado para el día fue del 0%, lo que indica que una parte significativa del suministro de GPU se encuentra actualmente en un estado en línea pero inactivo.
Financieramente, IO.NET ha acumulado $586,029 en tarifas de servicio hasta la fecha, con $3,200 de ese total generados en el día más reciente.
Fuente: io.net
Los datos financieros relacionados con las tarifas de liquidación de la red, tanto en términos de volúmenes de transacciones totales como diarios, se alinean estrechamente con los de Akash. Sin embargo, es importante tener en cuenta que la mayor parte de los ingresos de Akash se derivan de sus ofertas de CPU, con un inventario que supera las 20.000 CPU.
Fuente: Estadísticas de la red Akash
Además, IO.NET ha revelado datos detallados sobre las tareas de inferencia de IA procesadas por la red. Hasta el último informe, la plataforma ha procesado y validado con éxito más de 230.000 tareas de inferencia, aunque la mayor parte de este volumen proviene de BC8.AI, un proyecto patrocinado por IO.NET.
Fuente: io.net
La oferta de IO.NET se está expandiendo de manera eficiente, impulsada por las expectativas en torno a un lanzamiento aéreo y un evento comunitario conocido como "Ignition". Esta iniciativa ha atraído rápidamente una cantidad significativa de potencia informática de IA. Sin embargo, por el lado de la demanda, la expansión sigue siendo incipiente y la demanda orgánica es insuficiente. Las razones detrás de esta demanda lenta, ya sea debido a esfuerzos de acercamiento a los consumidores no iniciados o a experiencias de servicio inestables que conducen a una adopción limitada a gran escala, requieren una evaluación más profunda.
Dados los desafíos que supone cerrar rápidamente la brecha en las capacidades informáticas de la IA, muchos ingenieros y proyectos de IA están explorando alternativas, lo que podría aumentar el interés en los proveedores de servicios descentralizados. Además, IO.NET aún no ha implementado incentivos económicos o actividades para impulsar la demanda y, a medida que la experiencia del producto continúa mejorando, el equilibrio previsto entre la oferta y la demanda es prometedor para el futuro.
Antecedentes del equipo y descripción general de la recaudación de fondos
Perfil del equipo
El equipo central de IO.NET se centró inicialmente en el comercio cuantitativo. Hasta junio de 2022, se dedicaron a la creación de sistemas de negociación cuantitativa a nivel institucional para acciones y criptomonedas. Impulsado por la demanda de potencia informática del backend del sistema, el equipo comenzó a explorar el potencial de la informática descentralizada y, en última instancia, se centró en la cuestión específica de reducir el costo de los servicios informáticos GPU.
Fundador y director ejecutivo: Ahmad Shadid
Antes de fundar IO.NET, Ahmad Shadid trabajó en finanzas cuantitativas e ingeniería financiera, y también es voluntario en la Fundación Ethereum.
CMO y director de estrategia: Garrison Yang
Garrison Yang se unió oficialmente a IO.NET en marzo de 2024. Antes de eso, fue vicepresidente de estrategia y crecimiento en Avalanche y es alumno de la Universidad de California, Santa Bárbara.
Director de operaciones: Conservador Verde
Tory Green se desempeña como directora de operaciones de IO.NET. Anteriormente fue director de operaciones de Hum Capital y director de estrategia y desarrollo empresarial en Fox Mobile Group. Se graduó en la Universidad de Stanford.
El perfil de LinkedIn de IO.NET indica que el equipo tiene su sede en Nueva York, EE. UU., una sucursal en San Francisco y emplea a más de 50 personas.
Resumen de financiación
IO.NET solo ha anunciado públicamente una ronda de financiación: una Serie A completada en marzo de este año con una valoración de mil millones de dólares, a través de la cual recaudaron con éxito 30 millones de dólares. Esta ronda fue liderada por Hack VC, con la participación de otros inversores, incluidos Multicoin Capital, Delphi Digital, Foresight Ventures, Animoca Brands, Continuar Capital, Solana Ventures, Aptos, LongHash Ventures, OKX Ventures, Amber Group, SevenX Ventures y ArkStream Capital.
En particular, la inversión de la Fundación Aptos podría haber influido en la decisión del proyecto BC8.AI de pasar del uso de Solana para sus procesos de liquidación y contabilidad a Aptos, la cadena de bloques de Capa 1 de alto rendimiento similar.
Estimación de valoración
Según declaraciones anteriores del fundador y director ejecutivo Ahmad Shadid, IO.NET lanzará su token a finales de abril de 2024.
IO.NET tiene dos proyectos de referencia que sirven como referencia para la valoración: Render Network y Akash Network, ambos proyectos representativos de informática descentralizada.
Existen dos métodos principales para obtener una estimación de la capitalización de mercado de IO.NET:
La relación precio-ventas (P/S), que compara el FDV con los ingresos;
Relación FDV a Chip (relación M/C)
Comenzaremos examinando la valoración potencial utilizando la relación precio-ventas:
Al examinar la relación precio-ventas, Akash representa el extremo conservador del espectro de valoración estimada de IO.NET, mientras que Render proporciona un punto de referencia de alto nivel, postulando un FDV que oscila entre $ 1,67 mil millones y $ 5,93 mil millones.
Sin embargo, dadas las actualizaciones del proyecto IO.NET, su narrativa más convincente, junto con su menor capitalización de mercado inicial y una base de suministro más amplia, sugieren que su FDV bien podría superar al de Render Network.
Pasando a otra perspectiva de comparación de valoraciones, a saber, la "relación FDV-Chip".
En el contexto de un mercado donde la demanda de potencia informática de IA supera la oferta, el elemento más crucial de las redes informáticas de IA descentralizadas es la escala de oferta de GPU. Por lo tanto, podemos utilizar la "relación FDV a Chip", que es la relación entre el valor totalmente diluido del proyecto y la cantidad de chips dentro de la red, para inferir el posible rango de valoración de IO.NET, proporcionando a los lectores una referencia. .
Utilizar la relación mercado-chip para calcular el rango de valoración de IO.NET nos sitúa entre 20.600 millones de dólares y 197.500 millones de dólares, con Render Network estableciendo el punto de referencia superior y Akash Network el inferior.
Los entusiastas del proyecto IO.NET podrían ver esto como una estimación muy optimista de la capitalización de mercado.
Es importante considerar la gran cantidad actual de chips en línea para IO.NET, estimulados por expectativas de lanzamiento aéreo y actividades de incentivo. El recuento real en línea del suministro después del lanzamiento oficial del proyecto aún requiere observación.
En general, las valoraciones derivadas de la relación precio-ventas podrían ofrecer información más fiable.
IO.NET, construido sobre Solana y adornado con la convergencia de AI y DePIN, está en la cúspide de su lanzamiento simbólico. La anticipación es palpable mientras estamos a la espera de presenciar el impacto en su capitalización de mercado después del lanzamiento.
Referencia
La verdadera fusión
Comprender la intersección de las criptomonedas y la IA