$FLT
Il est facile de se concentrer sur le nombre de GPU produits, mais la question la plus intéressante est : quelle part de cette puissance de calcul est réellement utilisée ?
Tous les GPU ne tournent pas à pleine capacité 24 h/24 et 7 j/7. Le matériel peut rester inutilisé entre deux tâches, être sous-utilisé, ou être verrouillé au sein d’infrastructures qui ne sont pas facilement accessibles à d’autres utilisateurs.
Cela crée une forme d’opportunité différente.
Au lieu de traiter en permanence la puissance de calcul comme quelque chose qu’il faut construire de zéro, une infrastructure décentralisée peut aider à mettre en relation la capacité existante avec les workloads qui en ont besoin.
C’est l’une des raisons pour lesquelles je trouve @Fluence intéressant.
La grande idée ne consiste pas simplement à « avoir plus de GPU ». Il s’agit de créer un marché de la puissance de calcul plus flexible, où les ressources disponibles peuvent potentiellement être mises au travail au lieu de rester inactives.
Si la demande liée à l’IA continue de croître, les gagnants ne seront peut-être pas uniquement les entreprises qui produisent le matériel le plus puissant.
Ils pourraient aussi être les réseaux capables de trouver comment rendre la puissance de calcul existante plus accessible, plus efficace et plus utile.
La prochaine phase de l’économie des GPU pourrait être moins axée sur l’achat de nouveau matériel et davantage sur la mise au travail de matériel actuellement inutilisé.
#DePIN #Web3 #AI
Il est facile de se concentrer sur le nombre de GPU produits, mais la question la plus intéressante est : quelle part de cette puissance de calcul est réellement utilisée ?
Tous les GPU ne tournent pas à pleine capacité 24 h/24 et 7 j/7. Le matériel peut rester inutilisé entre deux tâches, être sous-utilisé, ou être verrouillé au sein d’infrastructures qui ne sont pas facilement accessibles à d’autres utilisateurs.
Cela crée une forme d’opportunité différente.
Au lieu de traiter en permanence la puissance de calcul comme quelque chose qu’il faut construire de zéro, une infrastructure décentralisée peut aider à mettre en relation la capacité existante avec les workloads qui en ont besoin.
C’est l’une des raisons pour lesquelles je trouve @Fluence intéressant.
La grande idée ne consiste pas simplement à « avoir plus de GPU ». Il s’agit de créer un marché de la puissance de calcul plus flexible, où les ressources disponibles peuvent potentiellement être mises au travail au lieu de rester inactives.
Si la demande liée à l’IA continue de croître, les gagnants ne seront peut-être pas uniquement les entreprises qui produisent le matériel le plus puissant.
Ils pourraient aussi être les réseaux capables de trouver comment rendre la puissance de calcul existante plus accessible, plus efficace et plus utile.
La prochaine phase de l’économie des GPU pourrait être moins axée sur l’achat de nouveau matériel et davantage sur la mise au travail de matériel actuellement inutilisé.
#DePIN #Web3 #AI
