The MeeCrypt

$FLT をウォレットに持っていたのを、ほとんど忘れていました。$FLT は @Fluence in に相当します。

去年、いくつかの FLT を拾ったんですが、正直しばらくはあまり気にしていませんでした。

でも最近もう一度 Fluence を見て、トークンがエコシステムの中で実際に何をしているのかを確認したくなりました。

そして、最初に思っていた以上にいろいろあります。

• FLT はステーキングシステムの一部で、トークンは計算リソースのセキュリティや連携のために使われます。

• ガバナンスにも役割があり、コミュニティが Fluence のエコシステムに関する意思決定に参加するための手段を提供しています。

• 計算提供者とネットワーク経済が FLT と結びついているため、トークンが単にウォレットに置かれているだけではなく、実用的な役割を持っています。

• クラウド側もさらに面白くなってきています。Fluence は、従来の中央集権型クラウド提供者に完全に頼らなくても、ユーザーが計算リソースにアクセスできるようなインフラを構築しています。

• そして、さらに大きな視点があります。AI と GPU の計算です。AI アプリケーションが要求する計算能力の大きさに対して、分散型の GPU アクセスは、注目すべき領域になってきています。

この最後の部分が、おそらく一番私の注意を引きました。

というのも、去年あの少しの FLT を買ったときは、AI インフラや GPU の需要について深く考えていなかったからです。

でも今、Fluence についての会話はまったく違って見えます。

私は、ここから FLT がどこへ向かうのかを分かっていると言いたいわけではありません。

ただ、ふと手に取ったトークンが、もっと大きなインフラの物語の一部になっていくのは面白いなと思っています。

なので…また自分の小さな FLT の塊（バッグ）を見守っています。

#Fluence #Web3 #DePIN #AI

@Fluence は、Fluence Networkからfluence.aiへ公式にウェブサイトを移転しましたが、この変更は一見した以上に、プロジェクトの方向性を示していると感じます。

• 新しいドメイン：Fluence Networkは現在、fluence.aiによって表されており、AIがプロジェクトのアイデンティティの中心により近づいています。

• AIインフラ：これは、単に分散型の計算ネットワークとして知られるというより、AIワークロード向けのインフラに対するFluenceの注力が高まっていることを反映しています。

• GPU＋CPUの計算：Fluenceは、GPUとCPUの両方のリソースへのアクセスを軸に構築しており、AIワークロードが成長し続ける中でその重要性はますます高まっています。

• Fluence Cloud：注目すべき点として、FluenceはFluence Cloudを「Fluence Project」の後継として説明するようになっています。

• より広いインフラ重視：プロジェクトの方向性は、クラウド・インフラへと向かっており、分散計算を開発者やビルダーがより利用しやすくする方向に進んでいるように見えます。

• ドメインが語る一部の物語：「Network」から「.ai」へ移ることで、ブランドはますます注力しているAIインフラ領域との直接的なつながりを強めています。

表面的には単なるドメイン変更にすぎませんが、より大きな全体像を見ると、Fluenceがどこへ向かっているのかがより明確なシグナルのように感じられます。

分散型コンピュートから、AIに焦点を当てたクラウド・インフラへ――その進化が、より見えやすくなっています。

#Fluence #AI #DePIN #Web3

あなたのクラウド利用料金は、思っているよりも柔軟かもしれません。

クラウド基盤は便利ですが、特にAIワークロードのように計算需要がスケールし始めると、その「便利さ」は高額になり得ます。

@Fluence $FLT は、ワークロードを分散型の計算プロバイダーのネットワークに接続することで、別のアプローチを取ります。

• インフラコストの低減：従来のクラウドプロバイダーに全面的に依存せず、分散された計算にアクセス
• 柔軟性の向上：複数のプロバイダーの計算を活用可能
• AIに適したインフラ：AIアプリケーションの需要が計算資源の要求を引き続き押し上げる中で役立つ
• クラウドの集中度を低く：主要なプロバイダーにすべてを通すことの代替策

大きな考え方はシンプルです。計算（コンピュート）の重要性がますます高まっているため、それをどこで、どのように調達するかについて選択肢が増えることは、それをより多く確保することと同じくらい重要になり得ます。

そこで、分散型コンピュートが面白くなります。

#Fluence #DePIN #AI

誰もが「$ETH 」だと言っていました。私は「@Fluence 」から$FLTについて考え始めました。

最近面白い質問を見かけました。もし「$BTC 」が突然消えたら、どの資産がその代わりを担えるのでしょうか？

答えは主にETHや、他の確立された暗号資産名でした。

そこで私は別の観点で考え始めました。次の重要な物語が、単に別の金融資産ではなく、次のテクノロジーの波を支えるインフラだとしたらどうでしょう？

AIはすでに大規模な計算需要を生み出しています。モデル、エージェント、そしてアプリケーションはすべて稼働するための計算資源を必要とします。

だからこそ$FLTを注目して見てきました。

「@Fluence 」は分散型コンピュートに向けて取り組んでおり、最近のAMAでエフゲニー・ポノマレフが語ったように、より大きなビジョンは、ますます中央集権化していくクラウド・インフラの代替をつくることです。その重要な起点としてAIが挙げられています。

「$BTC 」は分散型金融における大きな章を表しています。

分散型コンピュートは、Web3の次章において同じくらい重要な要素になり得るのでしょうか？

@Fluence : GPUの能力は誰が手に入れるのか？

GPUの能力は実際にどのように購入され、売買されているのか。世界にはGPUがたくさんあっても、特定の買い手、場所、ワークロード、または期間においては不足が起こり得ます。つまり、GPUの横に単に数字を置くだけでは、価格設定やアクセスはもっと複雑になります。

そこでオークションが役立ちます。フォワードオークションでは買い手が利用可能な容量を競います。一方、リバースオークションでは提供者が需要を満たすために競います。

これらは、ある瞬間における計算能力が実際にどれほどの価値を持つのかを、より動的に見出すための仕組みです。そして、本格的なGPU容量を購入する人にとって、最安の選択肢が必ずしも最適とは限りません。

また、次の点も確認する必要があります。必要なときに、その容量は本当に利用可能ですか。ネットワークファブリックはそのワークロードに耐えられますか。インフラにはどのSLAが付いていますか。もし何かが壊れた場合、どれくらいの速さで復旧できますか。これらの詳細は、AIワークロードが大規模に稼働している際には大きな違いになります。

Fluenceは、データセンターが予約済みのGPUクラスターに対する適格な需要と直接つながれる、グローバルなマーケットプレイスの構築に向けて取り組んでいます。

興味深いのは、これは単にGPUを増やすことだけではないという点です。すでに存在するGPUを、より見つけやすく、比較しやすく、価格を判断しやすく、そして活用しやすくすることが目的です。

#Fluence #DePIN #AI

裏側でAIを動かしているのは誰？ @Fluence

AIエージェントについて私が面白いと感じる点の1つは、レイテンシーが必ずしもモデル自体によって引き起こされるとは限らないことです。

エージェントは、複数のツール呼び出しを行い、状態を取得し、検証を実行し、メモリを更新して、ループを何度も繰り返すことができます。各ステップで数ミリ秒のCPU遅延が起きても、それ自体では些細に見えるかもしれませんが、ワークフロー全体では、その遅延が積み重なってリクエストの締め切りを超えてしまう可能性があります。

ここで重要になるのが、最初に見える以上にインフラです。

AIのワークロードでは、平均的な性能だけでは不十分な場合があります。問題は特に、CPUの競合によって多数の段階にわたり小さな遅延が発生することで表面化します。

そのため、予測可能なパフォーマンスが重要なワークロードでは、専用コンピュートが興味深い選択肢になります。

Fluenceは、分散型コンピュートの側面からこれに取り組んでおり、より一貫した容量を必要とするワークロード向けに、開発者が専用のCPUリソースにアクセスできるようにしています。

AIエージェントが単なる実験から本番運用へ移っていくにつれて、この考え方はますます重要になっていくと思います。エージェントが数十のステップを扱うようになると、各段階のばらつきを削ることが、最終的なユーザー体験に大きな影響を与えます。

私が注目している問いはシンプルです。エージェントのワークロードがより複雑になるにつれて、予測可能なコンピュートは、生の計算パワーと同じくらい重要になるのでしょうか？

https://fluence.ai/

#Fluence #AI #DePIN

@Fluence VPCの本稼働は、フルエンス・エコシステムにとって重要なステップになり得ます。

https://fluence.ai/

新しいVPCインフラにより、開発者はプライベートネットワークで複数のVMを実行でき、セキュリティグループ、制御されたイグレス（出口通信）、任意のパブリックIP、そしてcloud-initを利用できます。簡単に言うと、サービスが連携しながら安全に動作する“実際のアプリケーション”を運用するのに、フルエンスがより適したものになるということです。

$FLTの観点から見ると、ここが面白いところだと思います。

新しいインフラ機能が出たからといって、自動的にFLTの価格が上がるわけではありません。より大きな論点は、VPCがフルエンスをより多くの開発者、ワークロード、そしてビジネスに引き付けるのに役立つかどうかです。

導入が伸びれば、ネットワーク全体でより多くの計算リソースが展開され、強い基盤となる需要が生まれ、ひいてはFLTを支えるファンダメンタルズの改善につながる可能性があります。

だから私は、発表そのものよりも利用状況を見ています。フルエンスが実用的なインフラを追加し、それらの機能が実際のネットワークアクティビティに結びつくなら、時間とともにFLTにとってプラスの触媒になるかもしれません。

私にとって、この論旨はシンプルです。より良いインフラ → もっと多くのユースケース → より多いネットワークアクティビティ → （可能性として）より強いFLTのファンダメンタルズ。

#DePIN #AI #Web3

別の5.5Mドル規模の計算（コンピュート）案件：@Fluence

Fluenceは、バイオロジーから医薬品へより速い道筋を見つけることに焦点を当てたAGIの構築を目指す顧客と、5.5Mドルのコンピュート案件を獲得しました。

私が特に注目しているのは、単に案件の規模だけではありません。

解決しようとしている課題が何なのかです。つまり、コンピュートがボトルネックにならないようにすること。

AI開発はますますコンピュート集約的になっていますが、単にGPUを増やすだけでは話が終わりません。より大きな課題は、必要な場所とタイミングでコンピュートを利用可能にすることです。

そこで、分散型GPUマーケットが面白くなってきます。

Fluenceは、GPU提供者がワークロードをめぐって競争できるマーケットプレイスを構築しており、チームが必要とするコンピュートに、より柔軟な形でアクセスできる可能性があります。

AIの背後にある計算（コンピュート）レイヤーについて、モデルそのものだけでなく今後もっと話が聞けるようになると思います。

5.5Mドルは1つの案件にすぎませんが、それでも、GPUコンピュートへの信頼できるアクセスがどれほど価値あるものになっているかを示しています。

これからFluenceが何をするのか、注目する価値があります。

$FLT #DePIN #AI #Web3

@Fluence : 隠れたGPU市場

AIワークロードは拡大し、データセンターは大規模化し、企業は計算資源に多額を投じています。

しかし、GPUの話にはもう一つ、注目に値すると私が思う側面があります。

一部のハードウェアは、ワークロードとワークロードの間で遊休しています。十分に活用されていないものもあります。そして、単純に他者がアクセスしにくい計算資源もあります。

つまり、これからの計算資源の未来は、単にGPUを増やすこと以上に、すでに存在するGPUをどれだけ効率的に使えるかにかかっているのです。

@Fluence ideaはシンプルですが興味深いものです。利用可能な計算資源と、それを必要とする人々やワークロードを結びつけるインフラを作ることです。

AI需要が加速し続けるなら、議論は徐々に次の問いへ移っていくと思います。

「誰が最も多くのGPUを持っているのか？」

から

「誰が最も多くの計算資源を、柔軟に、そして効率よく利用可能にできるのか？」

へと。

GPU経済は、もはやハードウェアだけの話ではないかもしれません。

それはまた、すでに存在する計算資源の周りに、より良い市場を構築することでもあるのです。

#DePIN #AI #Web3

紙面上で最速のGPUが、あらゆるワークロードにとって自動的に最良の選択になるとは限りません。

ベンチマークは、どのGPUが1秒あたりに最も多くのトークンを処理できるかを示してくれるかもしれませんが、実際の本番環境ではもっと多くの変数を考慮する必要があります。

モデルサイズ、出力長、メモリ要件、同時実行数、リージョン、可用性、そしてもちろん、ワークロードを実行する実際のコストによって、最適解は変わります。

そこで@Fluence は興味深いアプローチを取っています。

GPU Cluster Auctionsでは、購入者はGPUの種類、容量、リージョン、価格、可用性に基づいて、さまざまなプロバイダーのオファーを比較できます。

これにより、意思決定は単に最高性能のハードウェアを追い求めることから離れます。

「どのGPUが最速か？」と問う代わりに、

より良い質問はこうかもしれません。

どのGPUが、実際に理にかなう価格で、必要な性能を提供してくれるのか？

なぜなら、より高性能なGPUが大幅に高価であるにもかかわらず、特定のワークロードに対して意味のある優位性を提供しないのであれば、その追加性能に対価を払う価値はないかもしれないからです。

そして、別のGPUが同じワークロードをより低コストで処理できるなら、その差は大規模になるほど重要になります。

AIワークロードが進化し続ける中で、GPU需要は単により多くの計算資源を見つけることだけではなくなります。

それはまた、適切な場所で、適切な価格で、適切な計算資源を見つけることでもあります。

GPUの価格発見がますます重要になるのは、まさにそこです。

#Flt #DePIN #Web3 #AI

@Fluence GPUオークションで、さらに1,540万ドル超の契約が成立しました

Fluenceは、オークションプラットフォームを通じて、さらに大口のGPU案件を獲得しました。

今回の契約は、アジア全域の96台のH100ノードを対象としており、AI推論とモデル学習を支えるために本番環境へ移行します。

注目すべきは、その契約規模だけではありません。

実際のGPU需要が競争入札を通じて動いており、処理能力を求める買い手と、GPUを保有する提供者を結びつけていることが分かります。

より多くの高額案件がプラットフォームを通じて成立する中、GPUオークションはAIインフラ市場で注目すべき存在になりつつあります。

#FLT #DePIN #Web3

実際に役に立つトークンを手にするのがいいですか？それともチャートが動き出したときだけ注目を集めるトークンがいいですか？

それが、$FLT を注目する価値がある理由です。

@Fluence は、AI経済のための分散型コンピュート基盤を構築しており、$FLT はそのネットワークの経済設計の中心に位置しています。

では、$FLT には具体的に何ができるのでしょうか？

→ ステーキング：FLT は、コンピュート資源の確保と提供を支援するためにステーキングできます。トークン保有者はステーキングに参加可能です。

→ ガバナンス：FLT 保有者は Fluence DAO のガバナンスに参加し、ネットワークを形作る提案に投票できます。

→ ネットワークインセンティブ：FLT は、コンピュート提供者を連携させ、ネットワークのセキュリティを支えるインセンティブシステムの一部です。

私が面白いと思うのは、このトークンが基盤から完全に切り離されていないことです。

ネットワークは AI と GPU コンピュートに注力していて、Fluence は現在、32の地域と71のデータセンターにまたがって 1,400+ 台の GPU を提供していると述べています。

そしてここが、直近の $FLT の動きの中で見落とした人がいるかもしれない、大きな全体像だと思います。

バンプ（急騰）はみんなの注目を集めます。

私が見続けたくなるのは、ユーティリティがあるからです。

今の興味深い問いは、次に $FLT がどこへ向かうのかだけではありません。

それを支えるインフラの周りに、どれだけの価値を築けるのか——です。

AI にはコンピュートが必要です。
Fluence はそのコンピュート層を構築しています。
$FLT は、その背後にある経済層の一部です。

次の DePIN のフェーズでは、ユーティリティトークンが純粋な物語（ナラティブ）系の銘柄を上回ると思いますか？

#Fluence #DePIN #AI

<jp>$6M GPU契約：@Fluence

GPUは不足し、高価になり、AIプロダクトを構築するチームにとってますます重要になりました。 しかし、GPUを持つことは問題の半分にすぎません。もう半分は、利用可能な計算資源を、本当にそれを必要としているチームと結びつけることです。

そこで https://auctions.fluence.network/ の GPUオークションが登場します。

マーケットプレイスの公開以来、GPUクラスター契約で$6M分がすでに記録されています。

モデルはシンプルです：

→ チームが計算需要を投稿する
→ 提供者が入札で競争する
→ 購入者は価格、SLA、レンタル期間を比較する
→ 受け入れられた入札を軸に契約が形成される

現在のマーケットプレイスでは、4か国にわたって6,468台のGPUが利用可能です。

ここで興味深いのは、単に計算資源をレンタルするだけでなく、GPUキャパシティをめぐるより競争的な市場を作り出す方向への変化です。

AIはより多くの計算資源を必要とします。

しかし同時に、私たちがすでに持っている計算資源をより良く配分する方法も必要です。

そしてFluenceは、その側面の解決に挑戦しています。

計算資源が必要？ キャパシティはある？

#Fluence #DePIN #AI #Web3 </jp>

なぜDTECはDePINとモビリティ分野で注目を集めているのか？

車両を受動的な機械として扱うのではなく、@DtecAIは、日常の移動（モビリティ）が分散型のデータおよびAIネットワークの一部になり得るという考えに基づいて取り組んでいます。

主な価値の推進要因：

• 現実世界のデータ：車両およびモビリティデータは、AIや連携アプリケーションにとって価値あるリソースになり得ます。
• DePINインフラ：接続された車両やデバイスが、現実世界のデータを分散型ネットワークへと提供します。
• AI駆動のモビリティ：DTECのアーキテクチャは、車両データ、IoTの入力、AIを組み合わせ、よりパーソナライズされた移動体験を実現します。
• ドライバーの参加：このエコシステムは、DTECトークンを通じて価値あるデータをネットワークに提供するユーザーを報いるよう設計されています。

分散型のモビリティデータがうまくスケールできれば、その機会は暗号資産の領域を大きく超えて、AI、自動車データ、接続された車両、そしてインテリジェントな交通へと広がる可能性があります。

私にとって興味深いのは、「車を使うだけ」から、「車をより大きなデータネットワークの一部にする」方向へと考え方が変わっている点です。

あなたは $DTEC のテーゼに強気ですか？ 👀

#DePIN #AI #Web3 #DTEC

$DTECは究極のDePINモビリティ・プレイですか？

モビリティの分散化は単なるトレンドではなく、車両・データ・AIの相互作用のあり方を再構築し得ます。DTECは、モビリティ・ネットワークを通じて車両、現実世界のデータ、AI、そして分散型インフラをつなぐエコシステムを構築しています。

主なポイント：

• 車両から稼ぐ：車両とモビリティのデータをネットワークに提供し、参加することで報酬を得られます。

• AI搭載のモビリティ：Dtecは現実世界の車両データとAIを組み合わせ、より賢いモビリティ・アプリケーションを可能にします。

• 分散型データ：車両が生成したデータは、中央集権的なシステムに閉じ込められるのではなく、オープンな分散型インフラの一部になり得ます。

• AIコールセンター：DtecはビジネスコミュニケーションにもAIを取り入れ、顧客対応やサポートの自動化を支援します。

• 現実世界のDePIN：デジタル資産のみに頼るのではなく、Dtecは分散型インフラを物理的な車両や日常のモビリティと結びつけます。

DePIN、AI、接続されたモビリティが交差する中で、DTECは興味深い地点で構築を進めています。

$DTECは、次世代の分散型モビリティを定義する最大級のプロジェクトの一つになる可能性があります。

#Dtec #AI #DePIN

@Fluence : GPUの能力をマーケットプレイスへ変える

AIワークロードがGPUへの巨大な需要を生み出していますが、適切なハードウェアへのアクセスは依然として高価で難しい場合があります。

Fluenceはこの課題に対して、別のアプローチで取り組んでいます。

同社の分散型コンピュートネットワークは、利用可能なインフラを顧客と結びつけ、GPUオークションによって、固定のクラウド価格で単純に購入するのではなく、GPUの処理能力を入札で確保できるマーケットプレイスの仕組みを導入します。

すべての顧客が同じあらかじめ決められた料金を支払うのではなく、オークションによって利用可能なGPU供給を実際の需要により適切に結びつけられます。

プロバイダーにとっては、自社のハードウェアを収益化する別の手段になります。

顧客にとっては、必要なコンピュートに対して競争力のあるアクセスを見つけられる可能性が生まれます。

そして、ここがより広いFluenceの見立て（テーゼ）が面白くなるポイントです。

今後のコンピュートは、すべてのハードウェアを一社が所有することを意味しないかもしれません。

むしろ、すでに存在するハードウェアを中心にオープンな市場をつくることかもしれません。

この「インフラ面」で注目すべきなのが、$FLTです。

#DePIN #AI #Web3 #FLT

@Fluence : エンタープライズ品質のクラウド計算を、大手テックの高額な値札なしで

AIモデルの学習や、スケールした重いワークロードを回すような、真剣な計算能力が必要だった場合、それを手に入れられる場所は限られていました。AWS、Google Cloud、Azureです。確実ではあるものの高価で、ほんの数社の企業によって完全に管理されていました。

Fluenceは、そこに辿り着くために品質を妥協するようなことを求めない代替案を構築しています。

同じインフラ、別の所有モデル

Fluenceは、主要なWeb2企業に既にサービスしているトップクラスのデータセンターから計算リソースを調達します。これは、ランダムで検証されていないマシンのネットワークではありません。従来のクラウドを支えるのと同等のクラスのインフラを、別の形で整理したものです。1社がその容量を所有して価格を決めるのではなく、Fluenceは余剰キャパシティを束ねて、誰でも利用できる分散型で常時稼働のネットワークとして提供します。

その結果：顧客は、より低コストでエンタープライズ品質のサービスを得られます。Fluenceの利用者は、従来のクラウド事業者に支払うはずだった金額と比べて、すでに数百万ドルを節約しています。ネットワーク上で実際に稼働する本物のワークロードに基づく、本当の節約です。

$FLTはシステム全体をつなぐトークンです：

• 提供者はFLTをステークしてネットワークをセキュアにし、自身が提供する計算能力の対価を受け取る
• 顧客の収益がバイバック・プログラムを資金化し、ネットワーク上での利用が直接FLTのトークン経済に還元される
• 現在、25,000,000以上のFLTがステークされており、スケールした規模でネットワークを保護している
• 保有者はToken Dashboardを通じてFLTをステークし、ガバナンスに参加し、ネットワーク活動に紐づく報酬にアクセスできる

計算需要のためのAIは減速していません。学習とモデルの実行には膨大なインフラが必要で、その必要性はさらに増していきます。従来のクラウド事業者は、そのインフラへのアクセスを制御し、それに応じて価格を設定することで事業を築いてきました。

Fluenceは別の道を提供します。同じ品質の計算を、同等のクラスのデータセンターから調達しながらも、それをセキュアにし、利用する人々へ価値が還流するネットワークとして構築されているのです。

#DePIN #FLT #AI #Web3

全員が次の大ヒットAIプロダクトを作ろうと急いでいるのに、ほとんど誰もそのレースを実際に遅らせている要因については語っていません。それは、何ヶ月も待つことなく、あるいはハイパースケーラーの特権価格を払わずに、十分なGPUに手を届かせることです。

@Fluence は、そうした課題を「語る」のではなく「実際に解いている」数少ないプロジェクトのひとつです。

仕組みはこうです。みんなをAWS、Google Cloud、Azureに経由させる代わりに、Fluenceは開発者を、独立した計算プロバイダーの世界規模のネットワークへ直接つなぎます。実在のデータセンター、実際のハードウェア。単一の会社が価格やパイプラインを支配することはありません。

しかも、もう動いています。GPUマーケットプレイスは稼働中で、大手クラウドより最大85%低いコストでエンタープライズ向けの計算リソースを提供しています。そしてCPU側は、年額売上がすでに100万ドル超を達成しています。これはロードマップの約束ではなく、本当に利用されている製品です。

最新の追加要素がGPUクラスタオークションです。これは予約済みGPU容量を対象にした、実際の入札市場です。プロバイダーに適正価格での空きがあることを期待するのではなく、チームが必要な内容（GPUモデル、数量、リージョン、期間）を明確に投稿し、プロバイダーがその案件を取り合う形になります。これこそが価格発見（プライスディスカバリー）であり、この領域に現時点で存在しないものです。

DePINとAIが今まさに激しく交差していて、その重なりにある多くのプロジェクトはまだ机上の理論の段階です。Fluenceは違います。現実に使われていて、しかも本当に高額な問題を解決するためのインフラとして機能しています。

Web3×AIの動向を見ているなら、$FLTは「物語」ではなく、実際に何が作られているのかという観点で理解する価値があります。

#Fluence #DePIN #AI

@Fluence Brings Decentralized GPU Compute to AI Builders

GPUアクセスは今、AIにおける最大のボトルネックになっています。アイデアでも才能でもなく、ただ十分な計算資源を用意すること──しかもハイパースケーラーの価格を払わずに、という問題です。主要なDePINプラットフォームであるFluenceは、その課題に真正面から取り組もうとしています。

Fluenceはすでに、AWSやGoogle Cloudの代わりとなる分散型の「クラウドレス」代替手段を提供しており、開発者は1社ではなく、独立系プロバイダーのグローバルなネットワークからサーバーを借りられます。このCPUマーケットプレイスは年商100万ドル超を生み出し、従来のクラウド料金と比べて顧客に数百万ドルの節約をもたらしました。いま同じことをGPUに対して行おうとしています。

開発者は必要に応じてGPUコンテナ、VM、またはベアメタルをデプロイできます。これらはすべて、価格設定と支払いを自動処理するスマートコントラクトを通して実行されます。さらに、ネットワークに参加するには、プロバイダーが担保をステークし、信頼性の基準を満たすことが求められます。その結果、主要クラウドより最大85%低コストの、エンタープライズ品質のGPUアクセスが実現します。

しかも、裏付けとなるのは実際のインフラです。GDPR、ISO 27001、SOC2に準拠したエンタープライズ向けデータセンターにより、GPUの供給を拡大しています。共同創業者のEvgeny Ponomarevが述べた通り、狙いはシンプルです。AIチームを、必要な計算資源から遠ざけている「希少性」と「コスト」の障壁を取り除くことです。

要するに、Fluenceは、クラウドのCPUで機能したのと同じ分散化の実行手順を、今度はGPU不足の解決にも適用しようとしているのです。注目に値します。

#DePIN #Ai #GPU

人々がAIプロジェクトを評価するとき、しばしば発表やトークン価格を見ます。私はむしろエンタープライズのエンゲージメントに注目しています。

AIにおける最大の機会は、アプリケーションだけから生まれるわけではありません。そうしたアプリケーションを可能にするインフラから生まれるのです。AIモデルがより強力になるにつれて、信頼性がありスケール可能な計算資源への需要は引き続き増え続けます。

それが、@Fluence $FLTに至った理由です。

次のトレンドになろうとするのではなく、Fluenceは分散型の計算インフラという領域に注力しています。これは、AIの導入が業界をまたいで広がるにつれて、ますます重要になっていく可能性があります。

また、インフラ系のプロジェクトは別の観点で評価されるべきだとも思います。進捗は、必ずしも日々の価格変動で測られるものではありません。技術が継続的に改善しているか、開発者がそれを基盤として構築しているか、そして企業がそれを使うことで価値を見いだしているか――そうした点で測られるのです。

AIレースはまだ初期段階にあり、計算資源の必要性は鈍化していません。そのため、$FLTは、分散型AIインフラの状況が進化していく中で、私が引き続き注目しているプロジェクトの一つであり続けています。

#Fluence #AI #DePIN #GPU