The MeeCrypt

Pendant longtemps, le calcul décentralisé semblait séduisant en théorie, mais il était difficile à utiliser en pratique.

Pour les développeurs et les équipes qui créent des produits, la flexibilité qu’offre @Fluence change la donne. Vous pouvez créer sans vous soucier des coûts cachés et des restrictions propres aux fournisseurs de cloud centralisés traditionnels.

Voici ce qu’ils proposent 👇

1. Aucun frais de sortie : transférez vos données sans frais supplémentaires. Vous ne payez que ce que vous utilisez.

2. Bande passante illimitée : aucun bridage, aucune facture surprise lorsque votre application passe à l’échelle.

3. Standards ouverts : une infrastructure fondée sur des protocoles ouverts, et non sur des systèmes fermés. Vous gardez la maîtrise de votre stack.

4. Migration facile et aucune dépendance vis-à-vis d’un fournisseur : déployez où et quand vous le souhaitez. Migrez vos charges de travail en quelques minutes, pas en quelques mois.

Entraîner des modèles, exécuter des inférences et stocker d’immenses jeux de données : tout cela nécessite une infrastructure évolutive, abordable et flexible. Pouvoir contrôler OÙ vos charges de travail s’exécutent et COMMENT vous passez à l’échelle n’est plus un luxe, mais une nécessité pour toute personne qui construit des produits ambitieux.

Fluence offre cette liberté aux développeurs : la liberté de choisir, de passer à l’échelle et de créer sans limites.

Les créateurs adoptent déjà cette solution.

#Fluence #DePIN #DecentralizedCloud #AI

@Fluence met à jour son réseau de calcul avec deux nouveaux clusters NVIDIA B300

Deux clusters NVIDIA HGX B300 peuvent désormais être réservés via Fluence, ce qui augmente la capacité de calcul GPU haute performance de son réseau.

Voici ce qui est intéressant :

🇺🇸 Texas : 10 nœuds refroidis par liquide, avec 8 GPU B300 par nœud. Chaque GPU dispose de 288 Go de mémoire HBM3E, soit 2,3 To de mémoire GPU par nœud. Le cluster peut être prêt dans la semaine suivant la signature.

🇺🇸 Nevada : 6 nœuds refroidis par air, équipés de systèmes Aivres KR9288X3 avec des GPU HGX B300. Ils devraient être prêts le 1er janvier 2027.

Les deux options proposent une infrastructure bare metal dédiée, un accès root complet, 2 To de mémoire système et 30,72 To de stockage NVMe.

Ce qui me semble intéressant dans cette mise à jour, c’est son aspect pratique. Il ne s’agit pas seulement de nouvelles caractéristiques matérielles à découvrir : les équipes peuvent réserver l’infrastructure pour leurs propres charges de travail et garder le contrôle direct de leurs systèmes.

À mesure que les charges de travail liées à l’IA deviennent plus exigeantes, je pense que l’infrastructure qui les alimente mérite autant d’attention que les applications que tout le monde voit.

Fluence continue de développer ses activités dans ce domaine, et je suis curieux de voir comment son réseau de calcul va évoluer.

#Fluence #AI #DePIN

Comment réduire vos coûts cloud avec Fluence en 3 étapes :

Étape 1 : Accédez à la console Fluence
N’allez pas sur AWS. Rendez-vous sur http://fluence.ai/gpu
Connectez votre portefeuille pour accéder au tableau de bord.

Étape 2 : Louez un GPU, pas du cloud
Cliquez sur « Louer un GPU ».
Choisissez ce dont vous avez besoin : H100, A100 ou H200. Choisissez un emplacement proche de chez vous.
Fluence propose plus de 1 400 GPU dans 32 régions. Les prix sont déjà 60 % moins élevés que chez AWS/GCP. Vous voyez le prix par heure en temps réel.

Étape 3 : Payez uniquement pendant l’utilisation
Lancez votre instance, déployez votre modèle et entraînez-le.
Quand vous avez terminé, ÉTEIGNEZ-LA.
Fluence facture à la seconde. Aucun engagement mensuel. Si vous l’utilisez pendant 2 heures, vous ne payez que ces 2 heures.

Et voilà.

Pas de crédits, pas d’appel commercial, pas de contrat d’entreprise.

Cloud traditionnel : vous payez 3,50 $/h, même quand il est inactif, soit 2 500 $/mois.
Fluence : vous payez environ 1,40 $/h, uniquement pendant l’utilisation, soit environ 900 $/mois.

Vous réduisez vos coûts de 60 % parce que :
1. Vous payez moins cher à l’heure.
2. Vous ne payez que pendant la durée d’utilisation.

#Fluence #GPU #DePIN #AI

@Fluence Le rapport DAO du T3 2026 est publié, et je suis encore plus optimiste concernant $FLT

Voici mon résumé du rapport :

1. Ils dépensent très peu, mais construisent beaucoup.
En 3 mois, ils n’ont dépensé que 300 k$ plus les récompenses de staking. Pour une entreprise technologique qui construit une plateforme cloud complète, c’est très peu. La plupart des entreprises dépensent 10 fois plus.

Et il leur reste encore une énorme trésorerie : plus de 350 millions de FLT et plus de 1,1 million de dollars en stablecoins. Ça signifie qu’ils peuvent continuer à construire pendant longtemps.

2. Ils lancent de vrais produits que les gens peuvent utiliser.
• Ils ont lancé Virtual Private Cloud — cela permet aux entreprises d’exécuter leurs applications de manière plus sécurisée et privée.
• Ils ont lancé des ordinateurs à bas prix, à partir de 2,54 $ par mois, afin que même les petits développeurs puissent les utiliser.
• Ils ont ajouté un terminal Web, pour que vous puissiez l’utiliser directement depuis votre navigateur.
• Ils ont ajouté une fonctionnalité permettant aux agents d’IA de payer eux-mêmes en USDC et de louer automatiquement des ordinateurs. Nul besoin qu’une personne s’inscrive.

Et la nouveauté la plus importante : les enchères de GPU. Elles aident les entreprises à louer de puissants GPU pour l’IA. Rien qu’au T3, elles ont contribué à conclure des contrats d’une valeur de 6 M$, 15,4 M$ et 5,5 M$, dont un portant sur 96 H100 en Asie. C’est du concret.

Ils sont également passés à http://fluence.ai pour montrer qu’ils se concentrent désormais sur le cloud dédié à l’IA.

3. Les détenteurs continuent de gagner des récompenses.
Ils ont versé 990 k FLT en récompenses de staking au T3, avec un taux annuel en pourcentage d’environ 11,5 %. 340 k en juillet, 300 k en août, 350 k en septembre.

Pour moi, c’est simple : peu de dépenses, une trésorerie plus solide, de bons produits et de vrais clients qui paient des millions pour des GPU.

Je continue de suivre la croissance de FLT

#FLT #Web3 #DePIN

@Fluence décroche 2,4 M$ supplémentaires et alimente désormais l’IA physique avec worldengine_ai

Un jour de plus, un nouveau vrai contrat pour Fluence. Et celui-ci est important pour le récit.

Fluence vient de signer un contrat de 2,4 M$ avec WorldEngine AI pour fournir de la puissance de calcul d’inférence à l’IA physique.

Voici pourquoi je pense que c’est énorme pour les détenteurs de $FLT :

1. Des revenus réels, un cas d’usage concret
Ce n’est ni une subvention ni un partenariat sur un testnet. Il s’agit de 2,4 M$ pour de véritables charges de travail d’inférence. Il nous en faut davantage dans le secteur DePIN.

2. IA physique > IA numérique
Aujourd’hui, tout le monde peut entraîner un modèle. Le vrai goulot d’étranglement, c’est le déploiement. Les robots ont besoin d’une puissance de calcul fiable, à faible latence, 24 h/24 et 7 j/7. Si l’inférence échoue, le robot échoue. Fluence résout ce problème.

3. Une parfaite adéquation avec la pile technologique
WorldEngine développe des solutions dans les domaines suivants :
→ données robotiques
→ entraînement des modèles
→ évaluation
→ déploiement

Fluence s’intègre parfaitement comme infrastructure décentralisée de calcul, alimentant la dernière couche, et la plus importante : l’inférence.

Je le répète depuis des mois : l’avenir de l’IA est physique. Et lorsque l’IA entre dans le monde réel, les gagnants ne seront pas seulement ceux qui créent les modèles. Ce seront aussi les fournisseurs d’infrastructure qui veillent au bon fonctionnement de l’ensemble.

Davantage de partenariats comme celui-ci signifie davantage de demande pour $FLT.

L’IA se dote d’un corps, et Fluence alimente son cerveau.

Dire que je suis optimiste est un euphémisme.

#FLT #DePIN #Web3 #AI

Beaucoup de produits d’infrastructure poussent les développeurs à quitter leur workflow existant pour les utiliser.

@Fluence MCP va dans la direction opposée.

Une fois connecté, votre agent de codage IA peut travailler avec la plateforme de calcul Fluence directement depuis l’environnement que vous utilisez déjà.

La configuration est légère :

• Un extrait de configuration
• Une clé API Fluence
• Un client compatible avec MCP

Pas de serveur MCP local à installer. Pas de mises à jour à gérer.

Et après la connexion initiale, vous n’avez pas besoin de continuer à ouvrir la console Fluence. L’interaction reste à l’intérieur de votre client de codage.

Cela peut sembler être une amélioration UX mineure, mais je pense que cela compte.

Les développeurs se familiarisent déjà avec le fait que des agents IA prennent en charge davantage d’étapes du processus de développement. Leur donner accès au calcul est une étape logique.

#FluenceProject #DePIN #AI

DePIN peine encore à rendre les infrastructures décentralisées accessibles aux développeurs.

@Fluence adopte une approche intéressante avec sa nouvelle intégration MCP. Les agents d’IA peuvent ainsi interagir avec la puissance de calcul de Fluence à l’aide d’outils compatibles avec MCP.

• Connectez Cursor, Claude Code, VS Code, Codex ou un autre client MCP
• Indiquez à votre agent d’IA la puissance de calcul dont vous avez besoin
• Laissez l’agent gérer les interactions avec Fluence
• Profitez d’une puissance de calcul décentralisée sans faire de la gestion de l’infrastructure le cœur de votre flux de travail

Les développeurs ne souhaitent pas forcément avoir à se familiariser avec une nouvelle pile d’infrastructure complexe. Ils veulent créer, déployer et laisser les systèmes sous-jacents faire leur travail.

Si Fluence parvient à rendre la puissance de calcul décentralisée accessible à la demande par un simple appel d’un agent d’IA, DePIN disposera d’un argument beaucoup plus concret pour séduire les développeurs.

Le message à retenir pour les créateurs est simple : ne vous contentez pas de suivre le récit autour de DePIN. Essayez l’infrastructure.

J’espère sincèrement que davantage de développeurs découvriront Fluence et verront ce qu’ils peuvent créer avec.

#FLT #DePIN #Web3 #AI

J’ai presque oublié que j’avais quelques $FLT de @Fluence dans mon portefeuille.

J’ai acheté quelques FLT l’année dernière, et franchement, pendant un moment, je n’y faisais pas vraiment attention.

Mais en regardant à nouveau Fluence récemment, ça m’a donné envie de vérifier ce que le token fait réellement au sein de l’écosystème.

Et il y a plus de choses que je ne le pensais au départ.

• FLT fait partie du système de staking, où les tokens sont utilisés pour la sécurité et la coordination des ressources informatiques.

• Il a un rôle dans la gouvernance, en donnant à la communauté un moyen de participer aux décisions concernant l’écosystème de Fluence.

• Les fournisseurs de calcul et l’économie du réseau sont liés à FLT, ce qui donne au token un rôle concret qui va au-delà du simple fait de rester dans un portefeuille.

• Le volet “cloud” devient aussi plus intéressant. Fluence construit une infrastructure permettant aux utilisateurs d’accéder à des ressources de calcul sans devoir s’en remettre entièrement aux fournisseurs de cloud centralisés traditionnels.

• Et maintenant, il y a encore un angle plus large : l’IA et le calcul sur GPU. Avec la puissance de calcul que les applications d’IA exigent, l’accès décentralisé aux GPU devient un domaine bien plus intéressant à surveiller.

La dernière partie, c’est probablement ce qui a le plus attiré mon attention.

Parce que lorsque j’ai acheté ces quelques FLT l’année dernière, je ne pensais pas beaucoup à l’infrastructure IA ni à la demande en GPU.

Aujourd’hui, la conversation autour de Fluence a l’air très différente.

Je ne dis pas que je sais où ira FLT à partir de là.

Je me contente de penser qu’il est intéressant de voir un token qu’on a récupéré un peu par hasard commencer à faire partie d’une histoire d’infrastructure bien plus grande.

Alors oui… je garde à nouveau un œil sur mon petit sac de FLT.

#Fluence #Web3 #DePIN #AI

@Fluence a officiellement déplacé son site web de Fluence Network vers fluence.ai, et je pense que ce changement en dit plus sur la direction du projet qu’il n’y paraît d’abord.

• Nouveau domaine : Fluence Network est désormais représenté via fluence.ai, ce qui rapproche l’IA du cœur de l’identité du projet.

• Infrastructure IA : cela reflète l’accent croissant de Fluence sur l’infrastructure destinée aux charges de travail IA, plutôt que d’être simplement connu comme un réseau de calcul décentralisé.

• Calcul GPU + CPU : Fluence se construit autour de l’accès à la fois aux ressources GPU et CPU, qui deviennent de plus en plus importantes à mesure que les charges de travail IA continuent de croître.

• Fluence Cloud : un détail intéressant est que Fluence décrit désormais Fluence Cloud comme le successeur du Fluence Project.

• Un cap plus large vers l’infrastructure : la direction du projet semble évoluer vers une infrastructure cloud et rendre le calcul distribué plus accessible aux développeurs et aux bâtisseurs.

• Le domaine raconte une partie de l’histoire : passer de « Network » à « .ai » donne à la marque une connexion plus directe avec l’écosystème d’infrastructure IA sur lequel elle se concentre de plus en plus.

Ce n’est encore, en surface, qu’un changement de domaine, mais si l’on regarde le tableau plus vaste, cela ressemble à un signal plus clair de l’orientation de Fluence.

Du calcul décentralisé vers une infrastructure cloud axée sur l’IA : l’évolution devient de plus en plus évidente.

#Fluence #AI #DePIN #Web3

Votre facture cloud pourrait être plus flexible que vous ne le pensez.

L’infrastructure cloud est pratique, mais la commodité peut coûter cher lorsque la demande en calcul commence à s’intensifier, notamment pour les charges de travail liées à l’IA.

@Fluence $FLT adopte une approche différente en connectant les charges de travail à un réseau décentralisé de fournisseurs de calcul.

• Coûts d’infrastructure plus bas : accès à du calcul distribué sans dépendre entièrement des fournisseurs cloud traditionnels
• Plus de flexibilité : les charges de travail peuvent puiser dans le calcul de différents fournisseurs
• Infrastructure prête pour l’IA : utile alors que les applications d’IA continuent d’augmenter la demande en calcul
• Moins de concentration cloud : une alternative au fait de tout faire passer par les mêmes grands fournisseurs

L’idée centrale est simple : le calcul devient de plus en plus important, donc disposer de davantage d’options quant à l’endroit et à la manière dont il est fourni pourrait compter autant que d’en avoir davantage.

C’est là que le calcul décentralisé devient intéressant.

#Fluence #DePIN #AI

Tout le monde a dit $ETH . J’ai commencé à penser à $FLT depuis @Fluence

J’ai vu récemment une question intéressante : si $BTC venait soudainement à disparaître, quel actif pourrait prendre sa place ?

Les réponses étaient pour la plupart ETH et d’autres noms de cryptos déjà bien établis.

Je me suis mis à réfléchir à un angle différent : et si le prochain récit important n’était pas simplement un autre actif financier, mais l’infrastructure qui alimente la prochaine vague de technologie ?

L’IA crée déjà une demande massive en calcul. Les modèles, les agents et les applications ont tous besoin de ressources informatiques pour fonctionner.

C’est pour cela que $FLT a été intéressant à suivre.

@Fluence travaille à la mise en place d’un calcul décentralisé, et comme Evgeny Ponomarev l’a évoqué lors d’un récent AMA, la vision plus large est de créer une alternative à une infrastructure cloud de plus en plus centralisée, l’IA constituant un point de départ important.

$BTC représente un grand chapitre de la finance décentralisée.

Le calcul décentralisé pourrait-il devenir une pièce tout aussi importante du prochain chapitre de Web3 ?

@Fluence : Qui obtient la capacité GPU ?

Comment la capacité GPU est réellement achetée et vendue. Il peut y avoir beaucoup de GPUs dans le monde et pourtant être confronté à une pénurie pour un acheteur, un lieu, une charge de travail ou une période donnés. Cela rend la tarification et l’accès plus complexes que de simplement afficher un prix à côté d’un GPU.

C’est là que les enchères deviennent utiles. Une enchère à l’avant permet aux acheteurs de se disputer une capacité disponible, tandis qu’une enchère inversée permet aux fournisseurs d’entrer en concurrence pour satisfaire une demande.

Les deux créent une manière plus dynamique de découvrir la valeur réelle du calcul à un instant donné. Et pour quelqu’un qui achète une capacité GPU sérieuse, l’option la moins chère n’est pas automatiquement la bonne.

Vous devez aussi vous demander : la capacité est-elle réellement disponible au moment où vous en avez besoin ? Le réseau (fabric) peut-il supporter la charge de travail ? Quel SLA est inclus avec l’infrastructure ? En cas de panne, à quelle vitesse peut-elle être rétablie ? Ces détails peuvent faire une énorme différence lorsque des charges de travail IA tournent à grande échelle.

Fluence construit une place de marché mondiale où les centres de données peuvent se connecter directement à une demande qualifiée pour des clusters GPU réservés.

La partie intéressante, c’est que ce n’est pas seulement une question d’ajouter davantage de GPUs. Il s’agit de rendre les GPUs qui existent déjà plus faciles à découvrir, à comparer, à tarifer et à utiliser.

#Fluence #DePIN #AI

Qui alimente l’IA en coulisses ? @Fluence

Ce qui m’intéresse avec les agents d’IA, c’est que la latence n’est pas toujours causée par le modèle lui-même.

Un agent peut effectuer plusieurs appels d’outils, récupérer l’état, exécuter des validations, mettre à jour la mémoire, puis répéter la boucle plusieurs fois. Quelques millisecondes de délai CPU à chaque étape peuvent sembler insignifiantes à elles seules, mais, sur l’ensemble du flux de travail, ces délais peuvent s’additionner et faire dépasser la demande avant son échéance.

C’est là que l’infrastructure devient plus importante qu’elle n’y paraît d’abord.

Pour les charges de travail liées à l’IA, des performances moyennes ne suffisent pas toujours. Le vrai problème peut apparaître
especially lorsque la contention CPU provoque de petits retards sur de nombreuses étapes.

Cela rend le calcul dédié une option intéressante pour les charges de travail où des performances prévisibles comptent.

Fluence aborde cette question du côté du calcul décentralisé, en offrant aux développeurs l’accès à des ressources CPU dédiées pour les charges de travail qui nécessitent une capacité plus constante.

Je pense que cela devient de plus en plus pertinent à mesure que les agents d’IA passent d’expériences simples à une mise en production. Lorsqu’un agent gère des dizaines d’étapes, réduire la variabilité de chaque phase peut avoir un impact beaucoup plus important sur l’expérience utilisateur finale.

La question que je surveille est simple : à mesure que les charges de travail des agents deviennent plus complexes, le calcul prévisible deviendra-t-il aussi important que la puissance brute de calcul ?

https://fluence.ai/

#Fluence #AI #DePIN

@Fluence VPC mise en ligne pourrait être une étape importante pour l’écosystème Fluence.

https://fluence.ai/

La nouvelle infrastructure VPC permet aux développeurs d’exécuter plusieurs VM avec un réseau privé, des groupes de sécurité, un contrôle de l’egress, des IP publiques optionnelles et cloud-init. En termes simples, cela rend Fluence plus adapté pour exécuter de vraies applications, avec différents services qui fonctionnent ensemble de manière sécurisée.

Du point de vue de $FLT, je pense que c’est là que les choses deviennent intéressantes.

Une nouvelle fonctionnalité d’infrastructure ne signifie pas automatiquement que le prix de FLT augmente. La question la plus importante est de savoir si le VPC aide Fluence à attirer davantage de développeurs, de workloads et d’entreprises.

Si l’adoption augmente, davantage de calcul pourrait être déployé sur le réseau, créant une demande sous-jacente plus forte et potentiellement améliorant les fondamentaux qui soutiennent FLT.

Je surveille donc l’utilisation davantage que l’annonce elle-même. Si Fluence continue d’ajouter une infrastructure pratique et que ces fonctionnalités se traduisent par une activité réseau réelle, je pense que cela pourrait devenir un catalyseur positif pour FLT au fil du temps.

Pour moi, la thèse est simple : meilleure infrastructure → plus de cas d’usage → plus d’activité réseau → potentiellement des fondamentaux FLT plus solides.

#DePIN #AI #Web3

Un autre accord de calcul de 5,5 M$ pour @Fluence

Fluence a obtenu un accord de calcul de 5,5 M$ avec un client qui développe une AGI axée sur la recherche de voies plus rapides entre la biologie et les médicaments.

Ce qui me frappe, ce n’est pas seulement la taille de l’accord.

C’est le problème résolu : s’assurer que le calcul ne devienne pas le goulot d’étranglement.

Le développement de l’IA devient de plus en plus gourmand en calcul, mais le simple fait d’avoir davantage de GPU n’est pas toute l’histoire. Le défi plus important est de rendre le calcul disponible là où et quand il est nécessaire.

C’est là que les marchés décentralisés de GPU deviennent intéressants.

Fluence construit une place de marché où les fournisseurs de GPU peuvent se concurrencer pour des charges de travail, créant potentiellement un moyen plus flexible pour les équipes d’accéder au calcul dont elles ont besoin.

Je pense que nous entendrons davantage parler de la couche de calcul derrière l’IA, et pas seulement des modèles eux-mêmes.

5,5 M$ représentent un accord, mais cela montre aussi à quel point l’accès fiable au calcul GPU devient précieux.

À surveiller : ce que Fluence fera ensuite.

$FLT #DePIN #AI #Web3

@Fluence : Le marché GPU caché

Les charges de travail liées à l’IA s’étendent, les data centers grossissent et les entreprises dépensent massivement pour la puissance de calcul.

Mais il y a un autre aspect de l’histoire des GPU qui, à mon avis, mérite d’être surveillé :

Certains matériels restent inutilisés entre les charges. D’autres demeurent sous-utilisés. Et certaines capacités de calcul sont tout simplement difficiles d’accès pour les autres.

Cela rend l’avenir du calcul moins axé sur l’ajout de plus de GPU que sur la façon d’utiliser efficacement les GPU déjà existants.

@Fluence idea est simple, mais intéressant : créer une infrastructure capable de connecter la puissance de calcul disponible aux personnes et aux charges de travail qui en ont besoin.

Si la demande en IA continue d’accélérer, je pense que la conversation va progressivement passer de :

« Qui possède le plus de GPU ? »

à :

« Qui peut mettre à disposition le plus de calcul, de manière flexible et efficacement utilisée ? »

L’économie des GPU ne sera peut-être plus seulement une question de matériel.

Elle pourrait aussi consister à construire de meilleurs marchés autour de la puissance de calcul qui existe déjà.

#DePIN #AI #Web3

Le GPU le plus rapide sur le papier n’est pas automatiquement le meilleur choix pour chaque type de charge de travail.

Un benchmark peut vous indiquer quel GPU permet de traiter le plus de tokens par seconde, mais les déploiements réels impliquent davantage de variables à prendre en compte.

La taille du modèle, la longueur de sortie, les besoins en mémoire, la concurrence, la région, la disponibilité et, bien sûr, le coût réel d’exécution de la charge de travail peuvent tous modifier l’équation.

C’est là qu’intervient @Fluence , avec une approche intéressante.

Grâce aux enchères de clusters GPU, les acheteurs peuvent comparer des offres de différents prestataires en fonction du type de GPU, de la capacité, de la région, des prix et de la disponibilité.

Cela déplace la décision : il ne s’agit plus simplement de chercher le matériel le plus performant.

Au lieu de se demander :

« Quel GPU est le plus rapide ? »

Une meilleure question pourrait être :

« Quel GPU me fournit les performances dont j’ai besoin, à un prix qui a réellement du sens ? »

Car si un GPU plus puissant coûte nettement plus cher, sans apporter d’avantage significatif pour votre charge de travail spécifique, les performances supplémentaires ne valent peut-être pas le surcoût.

Et si un autre GPU peut exécuter la même charge de travail à moindre coût, cette différence commence à compter à grande échelle.

Alors que les charges de travail liées à l’IA continuent d’évoluer, la demande en GPU ne se limitera pas à trouver plus de capacité de calcul.

Elle concernera aussi trouver la bonne capacité de calcul, au bon endroit, au bon prix.

C’est là que la découverte des prix des GPU pourrait devenir de plus en plus importante.

#Flt #DePIN #Web3 #AI

@Fluence ENCHÈRES DE GPU VIENT DE DÉBARQUER UN AUTRE ACCORD DE 15,4 M$+

Fluence a conclu un autre accord majeur sur les GPU via sa plateforme d’enchères.

Celui-ci couvre 96 nœuds H100 en Asie, qui passent en production pour soutenir l’inférence IA et l’entraînement des modèles.

Le point intéressant n’est pas seulement l’ampleur de l’accord.

Il montre que la vraie demande en GPU progresse via des enchères concurrentielles, mettant en relation des acheteurs en recherche de capacité avec des fournisseurs disposant de GPU disponibles.

Avec davantage d’accords à forte valeur qui arrivent via la plateforme, les Enchères de GPU deviennent un élément intéressant du marché de l’infrastructure IA à surveiller.

#FLT #DePIN #Web3

Préférez-vous tenir un token qui a une utilité réelle, ou un token qui n’attire l’attention que lorsque le graphique commence à bouger ?

C’est justement ce qui rend $FLT intéressant à regarder.

@Fluence construit une infrastructure de calcul décentralisée pour l’économie de l’IA, et $FLT se trouve au cœur des mécanismes économiques de son réseau.

Alors, que peut faire concrètement $FLT ?

→ Staking : $FLT peut être mis en staking pour aider à sécuriser et à provisionner des ressources de calcul, les détenteurs de tokens pouvant participer au staking.

→ Gouvernance : les détenteurs de $FLT peuvent participer à la gouvernance de Fluence DAO et voter sur des propositions qui façonnent le réseau.

→ Incitations réseau : $FLT fait partie du système d’incitations qui coordonne les fournisseurs de calcul et contribue à sécuriser le réseau.

Ce qui m’intéresse, c’est que le token n’est pas totalement détaché de l’infrastructure.

Le réseau est axé sur l’IA et le calcul GPU, et Fluence affirme désormais proposer 1 400+ GPUs sur 32 régions et 71 centres de données.

Et c’est, je pense, là que certaines personnes ont peut-être manqué la vue d’ensemble pendant le dernier mouvement de $FLT.

Un pump attire l’attention de tout le monde.

L’utilité, elle, me donne envie de continuer à suivre.

La question intéressante maintenant n’est pas seulement où $FLT ira ensuite.

C’est la quantité de valeur qui peut être construite autour de l’infrastructure qu’il alimente.

L’IA a besoin de calcul.
Fluence construit la couche de calcul.
$FLT fait partie de la couche économique qui la soutient.

Pensez-vous que les tokens d’utilité surpasseront les simples paris narratifs lors de la prochaine phase de DePIN ?

#Fluence #DePIN #AI

$6M EN CONTRATS GPU : @Fluence

Les GPU sont devenus rares, coûteux et de plus en plus essentiels pour les équipes qui construisent des produits d’IA. Mais disposer de GPU n’est que la moitié du problème. L’autre moitié consiste à mettre en relation la capacité disponible avec les équipes qui en ont réellement besoin.

C’est là qu’interviennent les enchères GPU sur https://auctions.fluence.network/.

Depuis le lancement de la place de marché, 6 M$ de contrats pour des clusters GPU ont déjà été enregistrés.

Le modèle est simple :

→ Les équipes publient leur besoin en calcul
→ Les fournisseurs se font concurrence avec des offres
→ Les acheteurs comparent le prix, le SLA et les fenêtres de location
→ Les contrats se forment autour de l’offre acceptée

La place de marché actuelle propose 6 468 GPU disponibles dans 4 pays.

Ce qui m’intéresse ici, c’est le passage d’une simple location de capacité de calcul à la création d’un marché plus concurrentiel autour de la capacité GPU.

L’IA a besoin de davantage de calcul.

Mais elle a aussi besoin de meilleures façons d’allouer le calcul dont nous disposons déjà.

Et Fluence tente de s’attaquer à ce volet du problème.

Besoin de calcul ? Vous avez de la capacité ?

#Fluence #DePIN #AI #Web3