$BTC $ETH
Il y a une donnée assez intéressante sur la puissance de calcul : à l’heure actuelle, dans les centres de données du monde entier, jusqu’à 30 % de la puissance GPU n’est pas suffisamment exploitée. Des GPU hautes performances comme les NVIDIA H100 sont généralement vendus à prix élevé sur des contrats longs ; les petites équipes et les chercheurs ne peuvent tout simplement pas s’en servir. Le marché de la puissance de calcul décentralisé Akash Network vise précisément à résoudre ce problème : permettre aux fournisseurs de GPU de monétiser leurs ressources inutilisées, afin que les consommateurs puissent accéder à une puissance de calcul hautes performances à moindre coût pendant des créneaux horaires flexibles.
30 % des ressources de calcul sont laissées inutilisées et gaspillées, tandis qu’un grand nombre d’équipes ne peuvent pas se permettre le même niveau de puissance à cause des prix trop élevés. Ce n’est donc pas un problème de « puissance de calcul insuffisante », mais plutôt un problème d’« efficacité d’allocation des ressources trop faible » ; et c’est précisément là que les réseaux décentralisés excellent.
apiarys est une plateforme d’agrégation qui permet d’appeler directement divers modèles et agents IA. Elle facture à l’usage : un paiement à chaque appel. Les revenus sont réglés en $HNY. Suivant la même logique que « redistribuer la puissance de calcul inutilisée » d’Akash Network, apiarys s’appuie également sur de véritables cartes graphiques physiques qui exécutent des tâches IA, y compris des agents de quantification « Golden » qui tournent déjà en conditions réelles. Les données de backtest historiques fournies par le projet indiquent des performances de 1,5 %-2 % en variation quotidienne et 30 %-40 % sur une base mensuelle (selon la situation du marché ; les données historiques ne préjugent pas des performances futures). Ce qui fait la différence, c’est l’exécution réelle grâce à une puissance de calcul réelle, et non un emballage conceptuel. Le projet en est encore à ses débuts : les règles et la forme du produit sont en cours d’amélioration constante. Le seuil de participation est très bas, et $HNY-d6b0 se trouve actuellement à un niveau de tarification qui n’a pas encore été pleinement reflété.
D’un côté, 30 % de la puissance de calcul est gaspillée par manque d’utilisation ; de l’autre, d’innombrables équipes n’ont pas les moyens d’y accéder. Selon vous, qui va réellement résoudre cette « inadéquation d’efficacité » à l’avenir ?
Il y a une donnée assez intéressante sur la puissance de calcul : à l’heure actuelle, dans les centres de données du monde entier, jusqu’à 30 % de la puissance GPU n’est pas suffisamment exploitée. Des GPU hautes performances comme les NVIDIA H100 sont généralement vendus à prix élevé sur des contrats longs ; les petites équipes et les chercheurs ne peuvent tout simplement pas s’en servir. Le marché de la puissance de calcul décentralisé Akash Network vise précisément à résoudre ce problème : permettre aux fournisseurs de GPU de monétiser leurs ressources inutilisées, afin que les consommateurs puissent accéder à une puissance de calcul hautes performances à moindre coût pendant des créneaux horaires flexibles.
30 % des ressources de calcul sont laissées inutilisées et gaspillées, tandis qu’un grand nombre d’équipes ne peuvent pas se permettre le même niveau de puissance à cause des prix trop élevés. Ce n’est donc pas un problème de « puissance de calcul insuffisante », mais plutôt un problème d’« efficacité d’allocation des ressources trop faible » ; et c’est précisément là que les réseaux décentralisés excellent.
apiarys est une plateforme d’agrégation qui permet d’appeler directement divers modèles et agents IA. Elle facture à l’usage : un paiement à chaque appel. Les revenus sont réglés en $HNY. Suivant la même logique que « redistribuer la puissance de calcul inutilisée » d’Akash Network, apiarys s’appuie également sur de véritables cartes graphiques physiques qui exécutent des tâches IA, y compris des agents de quantification « Golden » qui tournent déjà en conditions réelles. Les données de backtest historiques fournies par le projet indiquent des performances de 1,5 %-2 % en variation quotidienne et 30 %-40 % sur une base mensuelle (selon la situation du marché ; les données historiques ne préjugent pas des performances futures). Ce qui fait la différence, c’est l’exécution réelle grâce à une puissance de calcul réelle, et non un emballage conceptuel. Le projet en est encore à ses débuts : les règles et la forme du produit sont en cours d’amélioration constante. Le seuil de participation est très bas, et $HNY-d6b0 se trouve actuellement à un niveau de tarification qui n’a pas encore été pleinement reflété.
D’un côté, 30 % de la puissance de calcul est gaspillée par manque d’utilisation ; de l’autre, d’innombrables équipes n’ont pas les moyens d’y accéder. Selon vous, qui va réellement résoudre cette « inadéquation d’efficacité » à l’avenir ?