Ini cukup keren: token cermin SpaceX. Pertanyaan di benak saya adalah: - berapa banyak likuiditas yang akan ada - klaim hukum apa yang akan dimiliki pemegang token
Dua belas bulan yang lalu, kami tidak memiliki “Perusahaan Nasdaq yang memasuki TAO” di kartu bingo.
Tapi di sinilah kita.
- Synaptogenix (SNPX) melakukan taruhan gaya MicroStrategy pada saham Bittensor yang melonjak 40% setelah mengumumkan pembelian TAO senilai $10M (2x dari kapitalisasi pasar mereka sendiri). Mereka menargetkan $100M.
James Altucher memimpin ini. Taruhan pribadi $5.5M. Mereka akan merilis saham preferen dan waran terkait TAO. Dan rebranding penuh akan segera datang.
- Oblong (OBLG) adalah berikutnya. Penggalangan dana $7.5M untuk mengakumulasi TAO dan mendukung Subnet 0. Sahamnya melonjak setelah pengumuman.
Teori untuk perusahaan-perusahaan ini sederhana: TAO langka, dapat diprogram, dan produktif. Ini adalah aset asli dari kecerdasan terdesentralisasi.
Ini tidak akan menjadi yang terakhir. Kami sedang menyaksikan awal dari perebutan pasar publik untuk infrastruktur AI kripto.
Kami sudah berhasil. Satu tahun penuh @cot_research!
Sejak edisi pertama buletin AI & Crypto kami diterbitkan pada 11 Juni 2024, kami telah memecah kekacauan ini sehingga Anda tidak perlu hidup di dalam Arxiv atau menggulir Twitter/X sampai mata Anda berdarah.
Ini adalah pergeseran teknologi terbesar dalam hidup kita. Ini kacau, cepat, dan jika Anda tidak terjun langsung ke dalamnya, mudah untuk melewatkan apa yang sebenarnya terjadi.
Jadi, terima kasih banyak telah bersama kami. Tahun kedua dimulai sekarang. 🫡
Weekly AI Edge #51 telah terbit! Baca ini, lalu kembali menikmati musim panas:
🌈 Pembaruan Proyek = @NillionNetwork's Enterprise Cluster yang baru sudah aktif, bekerja sama dengan Vodafone, Deutsche Telekom, Alibaba Cloud, dan stc Bahrain, bertujuan untuk internet yang mengutamakan privasi. = @TRNR_Nasdaq, terdaftar di NASDAQ, mengumpulkan $500M untuk membangun perbendaharaan token AI terbesar di bursa AS, didukung oleh ATW dan DWF Labs. = @USDai_Official memasuki beta privat dengan $10M dalam deposito untuk model hasil yang terkait dengan Treasury yang ter-tokenisasi dan aset AI. = @PondGNN meluncurkan AI Studio dan Pond Markets untuk membantu proyek AI berkembang dan mendapatkan dana. = @Worldcoin meluncurkan USDC asli dan CCTP V2 di World Chain, meningkatkan transfer untuk 27M pengguna. = @peaq dan Pulsar meluncurkan Zona Bebas Ekonomi Mesin di UEA untuk pilot mesin bertenaga AI. = @thedkingdao menginvestasikan $300M dengan dana lindung nilai taruhan olahraga melalui sistem DeFAI on-chain. = @CrucibleLabs meluncurkan Smart Allocator untuk secara otomatis mempertaruhkan TAO ke subnet terbaik. = @hyperlane memperkenalkan jembatan USDC TaoFi dari Solana ke Bittensor, membuka akses DeFi untuk Solana, Base, dan Ethereum.
🌴 Agen AI = @Virtuals_io merilis I.R.I.S., agen AI Virtuals Genesis di Ethereum, untuk peringatan keamanan kontrak. = @TheoriqAI meluncurkan Theo Roo, seorang strategi AI untuk efisiensi on-chain secara real-time. = @AlloraNetwork memulai Program Percepatan Agen selama enam minggu dengan hibah $ALLO untuk agen teratas. = @Gizatechxyz's Arma sekarang terintegrasi dengan Rainbow Wallet untuk pelacakan hasil. = @Chain_GPT meluncurkan AgenticOS, AI sumber terbuka untuk memposting wawasan kripto menggunakan data on-chain.
🐼 AI Web2 = @MistralAI merilis Magistral, model multibahasa untuk tugas-tugas spesifik domain. = @xAI dan Polymarket bermitra untuk mengintegrasikan AI Grok dengan pasar prediksi. = @OpenAI meluncurkan o3-pro, model ChatGPT Pro yang baru, dengan fitur yang ditingkatkan. = @Yutori merilis Scouts, agen AI untuk peringatan internet yang dipersonalisasi; beta di https://t.co/gxJvB6iC7h. = @Krea memasuki pemodelan gambar dengan Krea 1 dalam beta privat, menawarkan output setara seniman.
+ lebih banyak alpha dalam buletin lengkap @cot_research (tautan di bio)
Baru saja merilis analisis mendalam tentang pelatihan terdesentralisasi. Kami membahas banyak hal di sana, tetapi ini adalah pemikiran cepat saat pikiran saya masih segar:
Begitu banyak yang terjadi dalam 3 bulan terakhir dan sulit untuk tidak merasa bersemangat - @NousResearch telah melatih model 15B secara terdistribusi dan sekarang sedang melatih model 40B.
- @PrimeIntellect telah menyempurnakan model dasar Qwen 32B di atas mesh terdistribusi, mengungguli baseline Qwen-nya dalam matematika dan kode.
- @tplr_ai melatih model 1.2B dari awal menggunakan imbalan token. Kurva kerugian awal mengungguli pelatihan terpusat.
- @PluralisHQ menunjukkan bahwa pelatihan model-paralel dengan bandwidth rendah sebenarnya cukup layak... sesuatu yang dianggap sebagian besar orang tidak mungkin
- @MacrocosmosAI merilis kerangka kerja baru dengan paralelisme data+pipeline + desain insentif dan mulai melatih model 15B
Sebagian besar tim saat ini sedang meningkatkan hingga ~40B parameter, tingkat yang tampaknya menandai batas praktis paralelisme data di seluruh jaringan terbuka. Di luar itu, persyaratan perangkat keras menjadi sangat curam sehingga partisipasi terbatas hanya pada beberapa aktor yang dilengkapi dengan baik.
Meningkat ke model parameter 100B atau 1T+, kemungkinan akan bergantung pada paralelisme model, yang memiliki tantangan yang jauh lebih sulit (menghadapi aktivasi, bukan hanya gradien)
Pelatihan terdesentralisasi yang sebenarnya bukan hanya melatih AI di seluruh kluster terdistribusi. Ini adalah pelatihan di antara pihak-pihak yang tidak saling percaya. Di situlah segala sesuatunya menjadi rumit.
Bahkan jika Anda berhasil mengatasi koordinasi, verifikasi, dan kinerja, tidak ada yang berhasil tanpa partisipasi. Komputasi tidak gratis. Orang tidak akan berkontribusi tanpa insentif yang kuat.
Mendesain insentif tersebut adalah masalah yang sulit: banyak isu rumit seputar tokenomics yang akan saya bahas nanti.
Agar pelatihan terdesentralisasi menjadi berarti, ia harus membuktikan bahwa ia dapat melatih model dengan biaya lebih murah, lebih cepat, dan lebih adaptif.
Pelatihan terdesentralisasi mungkin tetap menjadi niche untuk sementara waktu. Tetapi ketika dinamika biaya berubah, apa yang dulunya tampak eksperimental dapat dengan cepat menjadi default baru.