Questo è piuttosto interessante: token speculare di SpaceX. Le domande che ho in mente sono: - quanta liquidità ci sarà - quali diritti legali avranno i detentori del token
La maggior parte dei modelli di IA "gratuiti" oggi sono stati addestrati da grandi laboratori di ricerca sull'IA con motivi strategici per rilasciarli.
Ma cosa succede quando ciò si ferma?
L'IA tokenizzata potrebbe essere la via d'uscita. 🧵
Sarebbe molto interessante vedere dove si collocano le reti di calcolo decentralizzate di oggi in questo grafico sulle prestazioni dei supercomputer AI.
Dodici mesi fa, non avevamo "Le aziende Nasdaq che si tuffano in TAO" sulla scheda del bingo.
Ma eccoci qui.
- Synaptogenix (SNPX) ha fatto una scommessa in stile MicroStrategy su Bittensor, le azioni sono aumentate del 40% dopo aver annunciato un acquisto di TAO da 10 milioni di dollari (2 volte la propria capitalizzazione di mercato). Puntano a 100 milioni di dollari.
James Altucher lo sta guidando. Partecipazione personale di 5,5 milioni di dollari. Stanno rilasciando azioni privilegiate e warrant legati a TAO. E un completo rebranding in arrivo.
- Oblong (OBLG) è il prossimo. Raccolta di 7,5 milioni di dollari per accumulare TAO e supportare Subnet 0. Le azioni sono aumentate dopo l'annuncio.
La tesi per queste aziende è semplice: TAO è scarso, programmabile e produttivo. È l'asset nativo dell'intelligenza decentralizzata.
Questo non sarà l'ultimo. Stiamo osservando l'inizio di una corsa all'accaparramento del mercato pubblico per l'infrastruttura AI crypto.
Ce l'abbiamo fatta. Un anno intero di @cot_research!
Dal momento in cui la prima edizione della nostra newsletter su AI & Crypto è stata pubblicata l'11 giugno 2024, abbiamo analizzato la follia affinché tu non debba vivere dentro Arxiv o scorrere Twitter/X fino a che i tuoi occhi non sanguinano.
Questo è il più grande cambiamento tecnologico della nostra vita. È caotico, è veloce, e se non sei immerso in esso, è facile perdere di vista ciò che sta realmente accadendo.
Quindi, un grande grazie per aver viaggiato con noi. Il secondo anno inizia ora. 🫡
La Weekly AI Edge #51 è uscita! Leggi questo, poi torna a goderti l'estate:
🌈 Aggiornamenti del Progetto = Il nuovo Enterprise Cluster di @NillionNetwork è attivo, con Vodafone, Deutsche Telekom, Alibaba Cloud e stc Bahrain, puntando a un internet nativo per la privacy. = @TRNR_Nasdaq, quotato al NASDAQ, sta raccogliendo $500M per costruire il più grande tesoro di token AI su una borsa statunitense, sostenuto da ATW e DWF Labs. = @USDai_Official è entrato in beta privata con $10M in depositi per un modello di rendimento legato a titoli di stato tokenizzati e asset AI. = @PondGNN ha lanciato AI Studio e Pond Markets per aiutare i progetti AI a crescere e finanziare. = @Worldcoin ha lanciato USDC nativo e CCTP V2 su World Chain, migliorando i trasferimenti per 27M di utenti. = @peaq e Pulsar hanno lanciato una Zona di Libera Economia Macchinica negli UAE per piloti di macchine alimentati da AI. = @thedkingdao sta distribuendo $300M con un fondo di copertura per scommesse sportive tramite un sistema on-chain DeFAI. = @CrucibleLabs ha lanciato Smart Allocator per auto-stake TAO nei migliori subnet. = @hyperlane ha introdotto il ponte USDC di TaoFi da Solana a Bittensor, sbloccando l'accesso a DeFi per Solana, Base ed Ethereum.
🌴 Agenti AI = @Virtuals_io ha rilasciato I.R.I.S., un agente AI Genesis Virtuals su Ethereum, per avvisi di sicurezza dei contratti. = @TheoriqAI ha lanciato Theo Roo, uno stratega AI per l'efficienza on-chain in tempo reale. = @AlloraNetwork ha avviato un Acceleratore di Agenti di sei settimane con sovvenzioni $ALLO per i migliori agenti. = L'Arma di @Gizatechxyz ora si integra con Rainbow Wallet per il monitoraggio dei rendimenti. = @Chain_GPT ha lanciato AgenticOS, un AI open-source per postare approfondimenti crittografici utilizzando dati on-chain.
🐼 Web2 AI = @MistralAI ha rilasciato Magistral, un modello multilingue per compiti specifici di dominio. = @xAI e Polymarket stanno collaborando per integrare l'AI di Grok con i mercati delle previsioni. = @OpenAI ha lanciato o3-pro, il nuovo modello ChatGPT Pro, con funzionalità avanzate. = @Yutori ha rilasciato Scouts, agenti AI per avvisi internet personalizzati; beta su https://t.co/gxJvB6iC7h. = @Krea è entrato nella modellazione delle immagini con Krea 1 in beta privata, offrendo output di qualità artistica.
+ molto più alpha nella newsletter completa @cot_research (link in bio)
Appena rilasciato un'analisi dettagliata sul training decentralizzato. Copriamo molto al suo interno, ma ecco un rapido scarico di pensieri mentre le mie idee sono fresche:
Così tanto è accaduto negli ultimi 3 mesi e è difficile non entusiasmarci - @NousResearch ha pre-addestrato un modello da 15B in modo distribuito e ora sta addestrando un modello da 40B.
- @PrimeIntellect ha affinato un modello base Qwen da 32B su una mesh distribuita, superando il suo baseline Qwen in matematica e codice.
- @tplr_ai ha addestrato un modello da 1.2B da zero utilizzando ricompense in token. Le curve di perdita iniziali hanno superato le esecuzioni centralizzate.
- @PluralisHQ ha dimostrato che il training a bassa larghezza di banda e parallelo tra modelli è in realtà abbastanza fattibile... qualcosa che la maggior parte pensava impossibile
- @MacrocosmosAI rilascia un nuovo framework con dati + parallelismo della pipeline + design degli incentivi e inizia ad addestrare un modello da 15B
La maggior parte dei team oggi sta scalando fino a ~40B parametri, un livello che sembra segnare il limite pratico del parallelismo dei dati attraverso reti aperte. Oltre a questo, i requisiti hardware diventano così ripidi che la partecipazione è limitata solo a pochi attori ben attrezzati.
Scalare verso modelli da 100B o 1T+ parametri, dipenderà probabilmente dal parallelismo dei modelli, che comporta sfide di un ordine di grandezza più difficili (gestire le attivazioni, non solo i gradienti)
Il vero training decentralizzato non è solo addestrare AI attraverso cluster distribuiti. È addestrare attraverso parti non fidate. È lì che le cose si complicano.
Anche se riesci a risolvere coordinazione, verifica e prestazioni, nulla di tutto ciò funziona senza partecipazione. Il calcolo non è gratuito. Le persone non contribuiranno senza forti incentivi.
Progettare quegli incentivi è un problema difficile: molti problemi spinosi riguardanti la tokenomica di cui parlerò più avanti.
Affinché il training decentralizzato abbia importanza, deve dimostrare di poter addestrare modelli più economici, più veloci, e più adattabili.
Il training decentralizzato potrebbe rimanere di nicchia per un po'. Ma quando la dinamica dei costi cambia, ciò che un tempo sembrava sperimentale può diventare rapidamente il nuovo standard.