Bởi Alex Xu, Đối tác nghiên cứu tại Mint Ventures

Giới thiệu

Trong báo cáo gần đây nhất của mình, chúng tôi đã đề cập rằng so với hai chu kỳ trước, đợt tăng giá tiền điện tử hiện tại đang thiếu các mô hình kinh doanh và tường thuật tài sản mới. Trí tuệ nhân tạo (AI) là một trong những câu chuyện mới lạ trong không gian Web3 trong chu kỳ này. Bài viết này đi sâu vào dự án AI hot của năm, IO.NET, và sắp xếp suy nghĩ theo hai câu hỏi sau:

  • Sự cần thiết của AI+Web3 trong bối cảnh thương mại

  • Sự cần thiết và thách thức của việc triển khai mạng máy tính phi tập trung

Tôi sẽ sắp xếp thông tin chính về dự án đại diện trong mạng điện toán AI phi tập trung: IO.NET, bao gồm thiết kế sản phẩm, bối cảnh cạnh tranh và nền tảng dự án. Tôi cũng sẽ suy đoán về các thước đo định giá của dự án.

Những hiểu biết sâu sắc về phần Logic kinh doanh đằng sau sự hội tụ của AI và Web3 lấy cảm hứng từ “Sự hợp nhất thực sự” của Michael Rinko, một nhà phân tích nghiên cứu tại Delphi Delphi. Phân tích này tổng hợp và tham khảo các ý tưởng từ tác phẩm của anh ấy, rất được khuyến khích để đọc thêm The Real Merge.

Xin lưu ý rằng bài viết này phản ánh suy nghĩ hiện tại của tôi và có thể phát triển. Các ý kiến ​​​​ở đây mang tính chủ quan và có thể có sai sót về sự kiện, dữ liệu và lý luận logic. Đây không phải là lời khuyên tài chính nhưng phản hồi và thảo luận đều được hoan nghênh.

Logic kinh doanh đằng sau sự hội tụ của AI và Web3

2023: “Năm tuyệt vời” cho AI

Suy ngẫm về lịch sử phát triển của con người, có thể thấy rõ rằng những đột phá về công nghệ đã thúc đẩy những biến đổi sâu sắc - từ cuộc sống hàng ngày đến bối cảnh công nghiệp và sự tiến triển của chính nền văn minh.

Trong lịch sử loài người có hai năm có ý nghĩa quan trọng là 1666 và 1905, ngày nay được coi là “Annus Mirabilis” trong lịch sử khoa học.

Năm 1666 có được danh hiệu này nhờ hàng loạt đột phá khoa học của Isaac Newton. Chỉ trong một năm, ông đã đi tiên phong trong ngành vật lý được gọi là quang học, thành lập ngành toán học giải tích và tìm ra định luật hấp dẫn, một định luật nền tảng của khoa học tự nhiên hiện đại. Bất kỳ đóng góp nào trong số này đều là nền tảng cho sự phát triển khoa học của nhân loại trong thế kỷ tiếp theo, thúc đẩy đáng kể tiến bộ chung của khoa học.

Năm mang tính bước ngoặt khác là năm 1905, khi Einstein mới 26 tuổi đăng liên tiếp bốn bài báo trên tạp chí “Annalen der Physik”, đề cập đến hiệu ứng quang điện, tạo tiền đề cho cơ học lượng tử; Chuyển động Brown, cung cấp một khuôn khổ then chốt cho việc phân tích quá trình ngẫu nhiên; thuyết tương đối đặc biệt; và sự tương đương khối lượng-năng lượng, được gói gọn trong phương trình E=MC^2. Nhìn lại, mỗi bài báo này đều được coi là vượt qua mức trung bình của công trình đạt giải Nobel về vật lý - một danh hiệu mà chính Einstein đã nhận được cho công trình nghiên cứu về hiệu ứng quang điện. Những đóng góp này đã cùng nhau thúc đẩy nhân loại đạt được nhiều bước tiến trong hành trình văn minh.

Năm 2023, gần đây đã ở phía sau chúng ta, đã sẵn sàng được kỷ niệm như một “Năm kỳ diệu” khác, phần lớn nhờ vào sự xuất hiện của ChatGPT.

Xem năm 2023 là “Năm kỳ diệu” trong lịch sử công nghệ nhân loại không chỉ là ghi nhận những bước tiến đã đạt được trong quá trình tạo và xử lý ngôn ngữ tự nhiên của ChatGPT. Đó cũng là việc nhận ra một mô hình rõ ràng trong quá trình phát triển các mô hình ngôn ngữ lớn — nhận thức rằng bằng cách mở rộng các tham số mô hình và tập dữ liệu huấn luyện, chúng ta có thể đạt được những cải tiến theo cấp số nhân về hiệu suất mô hình. Hơn nữa, nó dường như vô hạn trong thời gian ngắn, giả sử sức mạnh tính toán theo kịp tốc độ.

Khả năng này vượt xa khả năng hiểu ngôn ngữ và tạo ra cuộc trò chuyện; nó có thể được áp dụng rộng rãi trên nhiều lĩnh vực khoa học khác nhau. Lấy việc ứng dụng các mô hình ngôn ngữ lớn trong lĩnh vực sinh học làm ví dụ: 

  • Vào năm 2018, người đoạt giải Nobel Hóa học, Frances Arnold, đã phát biểu trong lễ trao giải của mình: “Ngày nay, vì mọi mục đích thực tế, chúng tôi có thể đọc, viết và chỉnh sửa bất kỳ chuỗi DNA nào, nhưng chúng tôi không thể soạn thảo nó. ” Chuyển nhanh đến năm 2023, một nhóm các nhà nghiên cứu từ Đại học Stanford và Salesforce Research, một công ty khởi nghiệp tập trung vào AI, đã xuất bản trên tạp chí “Công nghệ sinh học tự nhiên”. Bằng cách sử dụng mô hình ngôn ngữ lớn được tinh chỉnh từ GPT-3, họ đã tạo ra một danh mục hoàn toàn mới gồm 1 triệu protein. Trong số này, họ đã phát hiện ra hai loại protein có cấu trúc riêng biệt, cả hai đều có chức năng kháng khuẩn, có khả năng mở đường cho các chiến lược kháng vi khuẩn mới ngoài kháng sinh truyền thống. Điều này biểu thị một bước nhảy vọt vượt bậc trong việc vượt qua các rào cản tạo ra protein với sự hỗ trợ của AI.

  • Trước đó, thuật toán trí tuệ nhân tạo AlphaFold đã dự đoán cấu trúc của gần như tất cả 2,14 tỷ loại protein trên Trái đất trong vòng 18 tháng – một cột mốc quan trọng giúp khuếch đại thành tựu của các nhà sinh học cấu trúc trong suốt lịch sử lên nhiều mức độ.

Việc tích hợp các mô hình AI hứa hẹn sẽ biến đổi mạnh mẽ các ngành công nghiệp. Từ các lĩnh vực công nghệ cứng như công nghệ sinh học, khoa học vật liệu và khám phá ma túy đến các lĩnh vực văn hóa như luật pháp và nghệ thuật, một làn sóng biến đổi sẽ định hình lại các lĩnh vực này, với năm 2023 đánh dấu sự khởi đầu của tất cả.

Người ta thừa nhận rộng rãi rằng thế kỷ vừa qua đã chứng kiến ​​sự gia tăng theo cấp số nhân về khả năng tạo ra sự giàu có của con người. Sự tiến bộ nhanh chóng của công nghệ AI dự kiến ​​sẽ đẩy nhanh quá trình này.

Xu hướng tổng GDP toàn cầu, Nguồn dữ liệu: Nhóm Ngân hàng Thế giới

Hợp nhất AI và tiền điện tử

Để nắm bắt được nhu cầu vốn có về sự kết hợp giữa AI và tiền điện tử, thật sâu sắc khi xem xét các tính năng riêng biệt của chúng bổ sung cho nhau như thế nào.

Sự cộng sinh của các tính năng AI và tiền điện tử

AI được phân biệt bởi ba phẩm chất chính:

  • Tính ngẫu nhiên: AI có tính ngẫu nhiên, với cơ chế sản xuất nội dung là một hộp đen bí ẩn, khó tái tạo, khiến kết quả đầu ra của nó vốn có tính ngẫu nhiên.

  • Sử dụng nhiều tài nguyên: AI là một ngành sử dụng nhiều tài nguyên, đòi hỏi lượng năng lượng, chip và sức mạnh tính toán đáng kể.

  • Trí thông minh giống con người: AI (sắp) có khả năng vượt qua bài kiểm tra Turing, khiến việc phân biệt giữa con người và AI ngày càng khó khăn.

※ Vào ngày 30 tháng 10 năm 2023, các nhà nghiên cứu từ Đại học California, San Diego, đã công bố điểm kiểm tra Turing cho GPT-3.5 và GPT-4.0. Loại thứ hai đạt được số điểm 41%, suýt chút nữa đã vượt qua mốc 50% chỉ với 9 điểm phần trăm, trong đó con người đạt 63% trong cùng một bài kiểm tra. Bản chất của bài kiểm tra Turing này nằm ở việc có bao nhiêu người tham gia nhận thức được đối tác trò chuyện của họ là con người. Điểm trên 50% cho thấy đa số tin rằng họ đang tương tác với con người chứ không phải máy móc, do đó coi AI đã vượt qua bài kiểm tra Turing thành công vì ít nhất một nửa số người không thể phân biệt được nó với con người.

Khi AI mở đường cho những tiến bộ đột phá về năng suất của con người, nó đồng thời đặt ra những thách thức sâu sắc cho xã hội chúng ta, cụ thể:

  • Cách xác minh và kiểm soát tính ngẫu nhiên của AI, biến nó thành lợi thế thay vì khuyết điểm

  • Làm thế nào để đáp ứng các yêu cầu to lớn về năng lượng và sức mạnh tính toán mà AI yêu cầu

  • Cách phân biệt giữa con người và AI

Công nghệ tiền điện tử và chuỗi khối có thể đưa ra giải pháp lý tưởng cho những thách thức do AI đặt ra, được đặc trưng bởi ba thuộc tính chính:

  • Tính quyết định: Hoạt động dựa trên blockchain, mã và hợp đồng thông minh, với các quy tắc và ranh giới rõ ràng. Đầu vào dẫn đến đầu ra có thể dự đoán được, đảm bảo tính quyết định cao.

  • Phân bổ nguồn lực hiệu quả: Nền kinh tế tiền điện tử đã thúc đẩy một thị trường rộng lớn, toàn cầu và tự do, cho phép định giá, gây quỹ và chuyển giao tài nguyên nhanh chóng. Sự hiện diện của token tiếp tục đẩy nhanh sự liên kết cung cầu thị trường, nhanh chóng đạt được khối lượng quan trọng thông qua khuyến khích.

  • Tính không đáng tin cậy: Với sổ cái công khai và mã nguồn mở, bất kỳ ai cũng có thể dễ dàng xác minh hoạt động, tạo ra một hệ thống “không đáng tin cậy”. Hơn nữa, công nghệ Zero-Knowledge (ZK) còn đảm bảo rằng quyền riêng tư được duy trì trong quá trình xác minh này.

Để chứng minh sự bổ sung giữa AI và nền kinh tế tiền điện tử, hãy đi sâu vào ba ví dụ.

Ví dụ A: Khắc phục tính ngẫu nhiên bằng các tác nhân AI được hỗ trợ bởi nền kinh tế tiền điện tử

Tác nhân AI là các chương trình thông minh được thiết kế để thực hiện các nhiệm vụ thay mặt con người theo chỉ thị của họ, trong đó Fetch.AI là một ví dụ đáng chú ý trong lĩnh vực này. Hãy tưởng tượng chúng ta giao nhiệm vụ cho đại lý AI của mình thực hiện một hoạt động tài chính, chẳng hạn như “đầu tư 1000 đô la vào BTC”. Tác nhân AI có thể phải đối mặt với hai tình huống riêng biệt:

Tình huống 1: Đại lý được yêu cầu tương tác với các tổ chức tài chính truyền thống (ví dụ: BlackRock) để mua BTC ETF, gặp phải nhiều vấn đề về khả năng tương thích với các tổ chức tập trung, bao gồm thủ tục KYC, xác minh tài liệu, quy trình đăng nhập và xác thực danh tính, tất cả đều đáng chú ý nặng nề hiện nay.

Kịch bản 2: Khi hoạt động trong nền kinh tế tiền điện tử bản địa, quy trình sẽ trở nên đơn giản hóa. Đại lý có thể trực tiếp thực hiện giao dịch thông qua Uniswap hoặc một công cụ tổng hợp giao dịch tương tự, sử dụng tài khoản của bạn để đăng nhập và xác nhận đơn đặt hàng, từ đó nhận được WBTC hoặc các biến thể khác của BTC được gói. Thủ tục này là hiệu quả và hợp lý. Về cơ bản, đây là chức năng hiện được phục vụ bởi nhiều Bot giao dịch khác nhau, hoạt động như các tác nhân AI cơ bản tập trung vào các hoạt động giao dịch. Với sự phát triển và tích hợp hơn nữa của AI, các bot này sẽ hoàn thành các mục tiêu giao dịch phức tạp hơn. Chẳng hạn, họ có thể giám sát 100 địa chỉ tiền thông minh trên blockchain, đánh giá chiến lược giao dịch và tỷ lệ thành công của họ, phân bổ 10% số tiền để sao chép giao dịch trong một tuần, tạm dừng hoạt động nếu lợi nhuận không thuận lợi và suy ra các lý do tiềm ẩn khiến những chiến lược này.

AI phát triển mạnh trong các hệ thống blockchain, về cơ bản là do các quy tắc của nền kinh tế tiền điện tử được xác định rõ ràng và hệ thống cho phép không cần cấp phép. Hoạt động theo các hướng dẫn rõ ràng giúp giảm đáng kể các rủi ro gắn liền với tính ngẫu nhiên vốn có của AI. Ví dụ: sự thống trị của AI so với con người trong trò chơi cờ vua và điện tử bắt nguồn từ thực tế là những môi trường này là những hộp cát khép kín với các quy tắc đơn giản. Ngược lại, những tiến bộ trong lĩnh vực lái xe tự động diễn ra dần dần. Những thách thức trong thế giới mở phức tạp hơn và khả năng chịu đựng của chúng ta đối với khả năng giải quyết vấn đề không thể đoán trước của AI trong những tình huống như vậy sẽ thấp hơn rõ rệt.

Ví dụ B: Hợp nhất tài nguyên thông qua khuyến khích mã thông báo

Mạng băm toàn cầu đáng gờm hỗ trợ BTC, tự hào với tổng tốc độ băm hiện tại là 576,70 EH/s, vượt xa sức mạnh tính toán tích lũy của siêu máy tính của bất kỳ quốc gia nào. Sự tăng trưởng này được thúc đẩy bởi các ưu đãi đơn giản và công bằng trong mạng lưới.

Xu hướng tỷ lệ băm BTC

Hơn nữa, các dự án DePIN như Mobile, đang khám phá các ưu đãi mã thông báo để phát triển thị trường ở cả bên cung và bên cầu nhằm thúc đẩy hiệu ứng mạng. Trọng tâm sắp tới của bài viết này, IO.NET, là một nền tảng được thiết kế để tổng hợp sức mạnh tính toán AI, với hy vọng mở khóa tiềm năng tiềm ẩn của sức mạnh tính toán AI thông qua mô hình mã thông báo.

Ví dụ C: Tận dụng Nguồn mở và Bằng chứng ZK để phân biệt con người với AI trong khi bảo vệ quyền riêng tư

Worldcoin, một dự án Web3 do Sam Altman của OpenAI đồng sáng lập, sử dụng một cách tiếp cận mới để xác minh danh tính. Bằng cách sử dụng một thiết bị phần cứng có tên là Orb, nó tận dụng sinh trắc học mống mắt của con người để tạo ra các giá trị băm duy nhất và ẩn danh thông qua công nghệ Zero-Knowledge (ZK), phân biệt con người với AI. Đầu tháng 3 năm 2024, dự án nghệ thuật Web3 Drip bắt đầu triển khai Worldcoin ID để xác thực người thật và phân bổ phần thưởng.

Worldcoin gần đây đã cung cấp phần cứng mống mắt có tên Orb, nhằm đảm bảo tính bảo mật và quyền riêng tư của dữ liệu sinh trắc học.

Nhìn chung, do tính quyết định của mã và mật mã, lợi thế về lưu thông tài nguyên và gây quỹ do các cơ chế dựa trên mã thông báo và không cần cấp phép mang lại, bên cạnh tính chất không tin cậy dựa trên mã nguồn mở và sổ cái công khai, nền kinh tế mật mã đã trở thành một giải pháp tiềm năng quan trọng cho những thách thức mà xã hội loài người phải đối mặt với AI.

Thách thức trước mắt và đòi hỏi khắt khe về mặt thương mại là cơn khát cực độ về tài nguyên tính toán mà các sản phẩm AI yêu cầu, chủ yếu do nhu cầu đáng kể về chip và sức mạnh tính toán.

Đây cũng là lý do chính tại sao các dự án điện toán phân tán lại dẫn đầu mức tăng trong chu kỳ thị trường tăng giá này trong toàn bộ lĩnh vực AI.

Sự cấp thiết của doanh nghiệp đối với máy tính phi tập trung

AI yêu cầu nguồn lực tính toán đáng kể, cần thiết cho cả nhiệm vụ đào tạo mô hình và suy luận.

Nó đã được ghi chép rõ ràng trong quá trình đào tạo các mô hình ngôn ngữ lớn rằng một khi quy mô của các tham số dữ liệu là đáng kể, các mô hình này bắt đầu thể hiện những khả năng chưa từng có. Những cải tiến theo cấp số nhân được thấy từ thế hệ ChatGPT này sang thế hệ tiếp theo được thúc đẩy bởi sự tăng trưởng theo cấp số nhân về nhu cầu tính toán cho đào tạo mô hình.

Nghiên cứu từ DeepMind và Đại học Stanford chỉ ra rằng trên nhiều mô hình ngôn ngữ lớn khác nhau, khi xử lý các tác vụ khác nhau—có thể là tính toán, trả lời câu hỏi bằng tiếng Ba Tư hoặc hiểu ngôn ngữ tự nhiên—các mô hình chỉ gần đúng với khả năng đoán ngẫu nhiên trừ khi quá trình đào tạo liên quan đến các tham số mô hình được mở rộng đáng kể (và bằng cách mở rộng, tải tính toán). Hiệu suất của bất kỳ tác vụ nào vẫn gần như ngẫu nhiên cho đến khi nỗ lực tính toán đạt tới 10^22 FLOP. Vượt quá ngưỡng quan trọng này, hiệu suất tác vụ sẽ cải thiện đáng kể trên mọi mô hình ngôn ngữ.

*FLOP đề cập đến các phép toán dấu phẩy động mỗi giây, thước đo hiệu năng tính toán.

Khả năng nổi bật của các mô hình ngôn ngữ lớn

Khả năng nổi bật của các mô hình ngôn ngữ lớn

Nguyên tắc “đạt được điều kỳ diệu bằng nỗ lực tuyệt vời” về sức mạnh tính toán, cả về mặt lý thuyết và được xác minh trong thực tế, đã truyền cảm hứng cho người sáng lập OpenAI, Sam Altman, đề xuất một kế hoạch đầy tham vọng nhằm huy động 7 nghìn tỷ USD. Quỹ này nhằm mục đích thành lập một nhà máy sản xuất chip có thể vượt quá khả năng hiện tại của TSMC gấp 10 lần (ước tính trị giá 1,5 nghìn tỷ USD), số tiền còn lại được phân bổ cho sản xuất chip và đào tạo mô hình.

Ngoài nhu cầu tính toán khi đào tạo các mô hình AI, các quy trình suy luận cũng đòi hỏi sức mạnh tính toán đáng kể, mặc dù ít hơn so với đào tạo. Nhu cầu liên tục về chip và tài nguyên tính toán này đã trở thành hiện thực tiêu chuẩn đối với những người chơi trong lĩnh vực AI.

Ngược lại với các nhà cung cấp điện toán AI tập trung như Amazon Web Services, Google Cloud Platform và Azure của Microsoft, điện toán AI phi tập trung đưa ra một số đề xuất giá trị hấp dẫn:

  • Khả năng truy cập: Để có được quyền truy cập vào chip điện toán thông qua các dịch vụ như AWS, GCP hoặc Azure thường mất hàng tuần và các mẫu GPU phổ biến nhất thường hết hàng. Ngoài ra, người tiêu dùng thường bị ràng buộc bởi các hợp đồng dài hạn và cứng nhắc với các tập đoàn lớn này. Mặt khác, nền tảng điện toán phân tán cung cấp các tùy chọn phần cứng linh hoạt với khả năng truy cập nâng cao.

  • Hiệu quả chi phí: Bằng cách tận dụng các chip nhàn rỗi và kết hợp trợ cấp mã thông báo từ các giao thức mạng cho các nhà cung cấp năng lượng điện toán và chip, mạng máy tính phi tập trung có thể cung cấp sức mạnh tính toán với chi phí giảm.

  • Khả năng chống kiểm duyệt: Việc cung cấp chip tiên tiến hiện đang bị thống trị bởi các công ty công nghệ lớn và với việc chính phủ Hoa Kỳ tăng cường giám sát các dịch vụ điện toán AI, khả năng có được sức mạnh tính toán theo cách phi tập trung, linh hoạt và không hạn chế ngày càng trở nên phổ biến. một sự cần thiết rõ ràng. Đây là đề xuất giá trị cốt lõi của nền tảng điện toán dựa trên web3.

Nếu nhiên liệu hóa thạch là huyết mạch của Thời đại Công nghiệp, thì sức mạnh tính toán có thể là huyết mạch của kỷ nguyên kỹ thuật số mới do AI mở ra, khiến việc cung cấp sức mạnh tính toán trở thành cơ sở hạ tầng cho thời đại AI. Tương tự như cách stablecoin nổi lên như một công cụ phái sinh mạnh mẽ của tiền tệ fiat trong kỷ nguyên Web3, liệu thị trường điện toán phân tán có thể phát triển thành một phân khúc đang phát triển trong thị trường điện toán AI đang mở rộng nhanh chóng không?

Đây vẫn là một thị trường mới nổi và vẫn còn nhiều điều cần phải chờ đợi. Tuy nhiên, một số yếu tố có khả năng có thể thúc đẩy câu chuyện hoặc việc áp dụng điện toán phi tập trung vào thị trường:

  • Những thách thức liên tục về nguồn cung cấp GPU: Những hạn chế về nguồn cung GPU liên tục có thể khuyến khích các nhà phát triển khám phá các nền tảng điện toán phi tập trung.

  • Mở rộng quy định: Việc truy cập các dịch vụ điện toán AI từ các nền tảng đám mây lớn bao gồm các quy trình KYC kỹ lưỡng và sự giám sát kỹ lưỡng. Điều này có thể dẫn đến việc áp dụng nhiều hơn các nền tảng điện toán phi tập trung, đặc biệt là ở những khu vực phải đối mặt với các hạn chế hoặc lệnh trừng phạt.

  • Ưu đãi giá mã thông báo: Việc tăng giá mã thông báo trong thị trường giá lên có thể nâng cao giá trị trợ cấp mà nền tảng cung cấp cho các nhà cung cấp GPU, thu hút nhiều nhà cung cấp hơn vào thị trường, tăng quy mô và giảm chi phí cho người tiêu dùng.

Đồng thời, những thách thức mà các nền tảng điện toán phi tập trung phải đối mặt cũng khá rõ ràng:

  • Những thách thức về kỹ thuật và kỹ thuật

    • Các vấn đề về Bằng chứng Công việc: Các tính toán trong mô hình học sâu, do cấu trúc phân cấp trong đó đầu ra của mỗi lớp được sử dụng làm đầu vào cho lớp tiếp theo, nên việc xác minh tính hợp lệ của các tính toán yêu cầu phải thực hiện tất cả công việc trước đó, việc này không hề đơn giản cũng như không hiệu quả. Để giải quyết vấn đề này, các nền tảng điện toán phi tập trung cần phát triển các thuật toán mới hoặc sử dụng các kỹ thuật xác minh gần đúng để mang lại sự đảm bảo về xác suất cho kết quả, thay vì tính xác định tuyệt đối.

    • Những thách thức song song hóa: Các nền tảng điện toán phi tập trung thu hút nhiều nhà cung cấp chip khác nhau, mỗi nhà cung cấp thường cung cấp sức mạnh tính toán hạn chế. Gần như không thể hoàn thành nhiệm vụ đào tạo hoặc suy luận của mô hình AI bởi một nhà cung cấp chip duy nhất một cách nhanh chóng. Do đó, các nhiệm vụ phải được phân tách và phân phối bằng cách sử dụng song song để rút ngắn thời gian hoàn thành tổng thể. Tuy nhiên, cách tiếp cận này gây ra một số vấn đề phức tạp, bao gồm cách chia nhỏ các nhiệm vụ (các nhiệm vụ học sâu đặc biệt phức tạp), sự phụ thuộc vào dữ liệu và chi phí kết nối bổ sung giữa các thiết bị.

    • Vấn đề bảo vệ quyền riêng tư: Làm cách nào để đảm bảo rằng dữ liệu và mô hình của khách hàng không bị tiết lộ cho người nhận nhiệm vụ?

  • Những thách thức tuân thủ quy định

    • Các nền tảng điện toán phi tập trung, do tính chất không cần cấp phép của chúng trong thị trường cung và cầu, có thể thu hút một số khách hàng nhất định như một điểm bán hàng chính. Tuy nhiên, khi khung pháp lý AI phát triển, những nền tảng này có thể ngày càng trở thành mục tiêu giám sát của chính phủ. Hơn nữa, một số nhà cung cấp GPU lo ngại về việc liệu tài nguyên máy tính thuê của họ có đang được các doanh nghiệp hoặc cá nhân bị trừng phạt sử dụng hay không.

Tóm lại, người dùng chính của nền tảng điện toán phi tập trung hầu hết là các nhà phát triển chuyên nghiệp hoặc doanh nghiệp vừa và nhỏ. Không giống như các nhà đầu tư tiền điện tử và NFT, những khách hàng này ưu tiên sự ổn định và liên tục của các dịch vụ do nền tảng cung cấp và giá cả không nhất thiết là mối quan tâm hàng đầu của họ. Các nền tảng điện toán phi tập trung còn một chặng đường dài trước khi có thể giành được sự chấp nhận rộng rãi từ cơ sở người dùng sành điệu này.

Tiếp theo, chúng tôi sẽ đi sâu vào chi tiết và thực hiện phân tích IO.NET, một dự án sức mạnh tính toán phi tập trung mới trong chu kỳ này. Chúng tôi cũng sẽ so sánh nó với các dự án tương tự để ước tính giá trị thị trường tiềm năng của nó sau khi ra mắt.

Nền tảng điện toán AI phi tập trung: IO.NET

Tổng quan dự án

IO.NET là mạng điện toán phi tập trung đã thiết lập một thị trường hai mặt xung quanh chip. Về phía cung, có sức mạnh tính toán được phân bổ trên toàn cầu, chủ yếu là GPU, nhưng cũng có CPU và GPU tích hợp của Apple (iGPU). Bên cầu bao gồm các kỹ sư AI đang tìm cách hoàn thành các nhiệm vụ suy luận hoặc đào tạo mô hình AI.

Trang web chính thức của IO.NET nêu rõ tầm nhìn của họ:

Nhiệm vụ của chúng ta

Tập hợp một triệu GPU vào DePIN – mạng cơ sở hạ tầng vật lý phi tập trung.

So với các dịch vụ điện toán đám mây AI truyền thống, nền tảng này nêu bật một số ưu điểm chính:

  • Cấu hình linh hoạt: Các kỹ sư AI có quyền tự do lựa chọn và lắp ráp các chip cần thiết thành một “cụm” phù hợp với các tác vụ điện toán cụ thể của họ.

  • Triển khai nhanh chóng: Không giống như thời gian phê duyệt và chờ đợi kéo dài liên quan đến các nhà cung cấp tập trung như AWS, việc triển khai trên nền tảng này có thể được hoàn thành chỉ trong vài giây, cho phép bắt đầu nhiệm vụ ngay lập tức.

  • Hiệu quả về chi phí: Chi phí dịch vụ thấp hơn tới 90% so với chi phí của các nhà cung cấp chính thống.

Hơn nữa, IO.NET có kế hoạch ra mắt các dịch vụ bổ sung trong tương lai, chẳng hạn như cửa hàng mô hình AI.

Cơ chế sản phẩm và số liệu kinh doanh

Cơ chế sản phẩm và kinh nghiệm triển khai

Tương tự như các nền tảng chính như Amazon Cloud, Google Cloud và Alibaba Cloud, IO.NET cung cấp dịch vụ điện toán được gọi là IO Cloud. Dịch vụ này hoạt động thông qua mạng chip phân tán và phi tập trung hỗ trợ thực thi mã máy học dựa trên Python cho AI và các ứng dụng máy học.

Mô-đun kinh doanh cơ bản của IO Cloud được gọi là Cụm——các nhóm GPU tự điều phối được thiết kế để xử lý hiệu quả các tác vụ điện toán. Các kỹ sư AI có thể linh hoạt tùy chỉnh các cụm để đáp ứng nhu cầu cụ thể của họ.

Giao diện người dùng của IO.NET rất thân thiện với người dùng. Nếu bạn đang muốn triển khai cụm chip của riêng mình cho các tác vụ điện toán AI, chỉ cần điều hướng đến trang Cụm trên nền tảng, nơi bạn có thể dễ dàng định cấu hình cụm chip mong muốn theo yêu cầu của mình.

Trang cụm trên IO.NET

Trước tiên, bạn cần chọn loại cụm của mình, với ba tùy chọn có sẵn:

  1. Chung: Cung cấp một môi trường chung, phù hợp cho giai đoạn đầu của dự án khi chưa có yêu cầu rõ ràng về nguồn lực cụ thể.

  2. Đào tạo: Một cụm được thiết kế đặc biệt để đào tạo và tinh chỉnh các mô hình học máy. Tùy chọn này cung cấp thêm tài nguyên GPU, dung lượng bộ nhớ cao hơn và/hoặc kết nối mạng nhanh hơn để đáp ứng các tác vụ tính toán chuyên sâu này.

  3. Suy luận: Một cụm được thiết kế cho công việc có độ trễ thấp và tải trọng cao. Trong bối cảnh học máy, suy luận đề cập đến việc sử dụng các mô hình đã được đào tạo để dự đoán hoặc phân tích các tập dữ liệu mới và đưa ra phản hồi. Do đó, tùy chọn này tập trung vào việc tối ưu hóa độ trễ và thông lượng để hỗ trợ nhu cầu xử lý dữ liệu theo thời gian thực hoặc gần thời gian thực.

Tiếp theo, bạn cần chọn nhà cung cấp cho cụm của mình. IO.NET có quan hệ đối tác với Mạng kết xuất và mạng khai thác Filecoin, cho phép người dùng chọn chip từ IO.NET hoặc hai mạng khác làm nguồn cung cấp cho cụm máy tính của họ. Điều này định vị IO.NET như một công cụ tổng hợp một cách hiệu quả (lưu ý: Các dịch vụ Filecoin tạm thời ngoại tuyến). Điều đáng chú ý là IO.NET hiện có hơn 200.000 GPU có sẵn trực tuyến, trong khi Mạng kết xuất có sẵn hơn 3.700 GPU.

Sau đó, bạn sẽ tiến hành giai đoạn lựa chọn phần cứng cho cụm của mình. Hiện tại, IO.NET chỉ liệt kê GPU là tùy chọn phần cứng khả dụng, không bao gồm CPU hoặc iGPU của Apple (M1, M2, v.v.), với GPU chủ yếu bao gồm các sản phẩm NVIDIA.

Trong số các tùy chọn phần cứng GPU có sẵn và được liệt kê chính thức, dựa trên dữ liệu được tôi kiểm tra trong ngày, tổng số GPU trực tuyến có sẵn trong mạng IO.NET là 206.001. GPU có độ khả dụng cao nhất là GeForce RTX 4090, với 45.250 chiếc, tiếp theo là GeForce RTX 3090 Ti, với 30.779 chiếc.

Hơn nữa, có 7.965 đơn vị chip A100-SXM4-80GB hiệu quả cao (mỗi đơn vị có giá trên 15.000 USD) có sẵn trực tuyến, hiệu quả hơn cho các tác vụ điện toán AI như học máy, học sâu và điện toán khoa học.

NVIDIA H100 80GB HBM3, được thiết kế hoàn toàn dành cho AI (với giá thị trường trên 40.000 USD), mang lại hiệu suất đào tạo cao hơn 3,3 lần và hiệu suất suy luận cao hơn 4,5 lần so với A100. Hiện tại, có 86 đơn vị có sẵn trực tuyến.

Khi loại phần cứng cho cụm đã được chọn, người dùng sẽ cần chỉ định thêm các chi tiết như vị trí địa lý của cụm, tốc độ kết nối, số lượng GPU và thời lượng.

Cuối cùng, IO.NET sẽ tính toán hóa đơn chi tiết dựa trên các lựa chọn mà bạn đã chọn. Để minh họa, hãy xem xét cấu hình cụm sau:

  • Loại cụm: Chung

  • 16 GPU A100-SXM4-80GB

  • Cấp kết nối: Tốc độ cao

  • Vị trí địa lý: Hoa Kỳ

  • Thời lượng: 1 tuần

Tổng hóa đơn cho cấu hình này là 3311,6 USD, với giá thuê mỗi giờ cho mỗi thẻ là 1,232 USD.

Giá thuê mỗi giờ cho một chiếc A100-SXM4-80GB trên Amazon Web Services, Google Cloud và Microsoft Azure lần lượt là 5,12 USD, 5,07 USD và 3,67 USD (dữ liệu lấy từ So sánh GPU đám mây, giá thực tế có thể thay đổi tùy theo chi tiết hợp đồng).

Do đó, xét về mặt chi phí, IO.NET cung cấp sức mạnh tính toán chip ở mức giá thấp hơn nhiều so với giá của các nhà cung cấp chính thống. Ngoài ra, tính linh hoạt trong các tùy chọn cung cấp và mua sắm khiến IO.NET trở thành sự lựa chọn hấp dẫn đối với nhiều người dùng.

Tổng quan về doanh nghiệp

Bên cung

Tính đến ngày 4 tháng 4 năm 2024, số liệu chính thức tiết lộ rằng IO.NET có tổng nguồn cung cấp GPU là 371.027 đơn vị và nguồn cung cấp CPU là 42.321 đơn vị về phía cung. Ngoài ra, Render Network, với tư cách là đối tác, có thêm 9.997 GPU và 776 CPU được kết nối với nguồn cung cấp của mạng.

Nguồn dữ liệu: io.net

Tại thời điểm viết bài, 214.387 GPU được tích hợp với IO.NET đang trực tuyến, dẫn đến tỷ lệ trực tuyến là 57,8%. Tỷ lệ trực tuyến dành cho GPU đến từ Mạng kết xuất là 45,1%.

Dữ liệu này về phía cung có ý nghĩa gì?

Để cung cấp điểm chuẩn, hãy sử dụng Akash Network, một dự án điện toán phi tập trung dày dặn hơn.

Akash Network đã ra mắt mạng chính của mình vào đầu năm 2020, ban đầu tập trung vào các dịch vụ phi tập trung cho CPU và bộ lưu trữ. Nó đã triển khai mạng thử nghiệm cho các dịch vụ GPU vào tháng 6 năm 2023 và sau đó ra mắt mạng chính cho sức mạnh tính toán GPU phi tập trung vào tháng 9 cùng năm.

Dung lượng GPU mạng Akash

Theo dữ liệu chính thức từ Akash, mặc dù phía cung đã tăng trưởng liên tục kể từ khi ra mắt mạng GPU nhưng tổng số GPU được kết nối với mạng vẫn chỉ là 365.

Khi đánh giá khối lượng cung cấp GPU, IO.NET vượt xa Akash Network, hoạt động ở quy mô lớn hơn đáng kể. IO.NET đã tự khẳng định mình là bên cung cấp lớn nhất trong lĩnh vực năng lượng tính toán GPU phi tập trung.

Bên cầu

Từ phía cầu, IO.NET vẫn đang trong giai đoạn đầu phát triển thị trường, với tổng khối lượng nhiệm vụ tính toán tương đối nhỏ được thực hiện trên mạng của nó. Phần lớn GPU đều trực tuyến nhưng không hoạt động, hiển thị phần trăm khối lượng công việc là 0%. Chỉ có bốn loại chip—A100 PCIe 80GB K8S, RTX A6000 K8S, RTX A4000 K8S và H100 80GB HBM3—là tích cực tham gia vào các tác vụ xử lý và trong số này, chỉ có A100 PCIe 80GB K8S là có khối lượng công việc trên 20%.

Mức độ căng thẳng chính thức của mạng được báo cáo trong ngày là 0%, cho thấy một phần đáng kể nguồn cung cấp GPU hiện đang ở trạng thái trực tuyến nhưng không hoạt động.

Về mặt tài chính, IO.NET đã tích lũy được 586.029 USD phí dịch vụ cho đến nay, với 3.200 USD trong tổng số đó được tạo ra vào ngày gần đây nhất.

Nguồn: io.net

Các thông tin tài chính liên quan đến phí thanh toán mạng, cả về tổng khối lượng giao dịch hàng ngày, đều phù hợp chặt chẽ với Akash. Tuy nhiên, điều quan trọng cần lưu ý là phần lớn doanh thu của Akash đến từ việc cung cấp CPU, với lượng hàng tồn kho vượt quá 20.000 CPU.

Nguồn: Thống kê mạng Akash

Ngoài ra, IO.NET đã tiết lộ dữ liệu chi tiết về các tác vụ suy luận AI được mạng xử lý. Theo báo cáo mới nhất, nền tảng này đã xử lý và xác thực thành công hơn 230.000 tác vụ suy luận, mặc dù phần lớn khối lượng này đến từ BC8.AI, một dự án được tài trợ bởi IO.NET.

Nguồn: io.net

Bên cung cấp của IO.NET đang mở rộng một cách hiệu quả, được thúc đẩy bởi những kỳ vọng xung quanh đợt airdrop và sự kiện cộng đồng được gọi là “Ignition”. Sáng kiến ​​này đã nhanh chóng thu hút được một lượng đáng kể sức mạnh tính toán AI. Tuy nhiên, về phía cầu, việc mở rộng vẫn còn non trẻ do nhu cầu hữu cơ không đủ. Những lý do đằng sau nhu cầu chậm chạp này—cho dù là do nỗ lực tiếp cận người tiêu dùng chưa được khởi xướng hay do trải nghiệm dịch vụ không ổn định dẫn đến việc áp dụng trên quy mô lớn bị hạn chế—cần được đánh giá thêm.

Trước những thách thức trong việc nhanh chóng thu hẹp khoảng cách về khả năng tính toán AI, nhiều kỹ sư và dự án AI đang khám phá các giải pháp thay thế, có khả năng làm tăng sự quan tâm đến các nhà cung cấp dịch vụ phi tập trung. Hơn nữa, IO.NET vẫn chưa triển khai các hoạt động hoặc khuyến khích kinh tế để thúc đẩy nhu cầu và khi trải nghiệm sản phẩm tiếp tục được cải thiện, sự cân bằng dự đoán giữa cung và cầu hứa hẹn sẽ có trong tương lai.

Thông tin cơ bản về nhóm và tổng quan về việc gây quỹ

Hồ sơ đội

Nhóm cốt lõi của IO.NET ban đầu tập trung vào giao dịch định lượng. Cho đến tháng 6 năm 2022, họ đã tham gia vào việc tạo ra các hệ thống giao dịch định lượng cấp tổ chức cho cổ phiếu và tiền điện tử. Được thúc đẩy bởi nhu cầu về sức mạnh tính toán của phần phụ trợ hệ thống, nhóm bắt đầu khám phá tiềm năng của điện toán phi tập trung và cuối cùng tập trung vào vấn đề cụ thể là giảm chi phí của các dịch vụ điện toán GPU.

Người sáng lập & Giám đốc điều hành: Ahmad Shadid

Trước khi thành lập IO.NET, Ahmad Shadid đã từng làm việc trong lĩnh vực tài chính định lượng và kỹ thuật tài chính, đồng thời anh cũng là tình nguyện viên tại Ethereum Foundation.

CMO & Giám đốc chiến lược: Garrison Yang

Garrison Yang chính thức gia nhập IO.NET vào tháng 3 năm 2024. Trước đó, ông là Phó Giám đốc Chiến lược và Phát triển tại Avalanche và là cựu sinh viên của Đại học California, Santa Barbara.

COO: Tory Green

Tory Green giữ chức vụ Giám đốc điều hành của IO.NET. Ông trước đây là COO của Hum Capital và Giám đốc Chiến lược và Phát triển Kinh doanh tại Fox Mobile Group. Ông tốt nghiệp Đại học Stanford.

Hồ sơ LinkedIn của IO.NET cho biết nhóm có trụ sở chính tại New York, Hoa Kỳ, với văn phòng chi nhánh ở San Francisco và có hơn 50 nhân viên.

Tổng quan về tài trợ

IO.NET mới chỉ công bố công khai một vòng cấp vốn — Series A hoàn thành vào tháng 3 năm nay với mức định giá 1 tỷ USD, qua đó họ đã huy động thành công 30 triệu USD. Vòng này được dẫn dắt bởi Hack VC, với sự tham gia của các nhà đầu tư khác bao gồm Multicoin Capital, Delphi Digital, Foresight Ventures, Animoca Brands, Continue Capital, Solana Ventures, Aptos, LongHash Ventures, OKX Ventures, Amber Group, SevenX Ventures và ArkStream Capital.

Đáng chú ý, khoản đầu tư từ Quỹ Aptos có thể đã ảnh hưởng đến quyết định của dự án BC8.AI chuyển từ sử dụng Solana cho các quy trình thanh toán và kế toán sang chuỗi khối Lớp 1 hiệu suất cao tương tự, Aptos.

Ước tính định giá

Theo tuyên bố trước đây của người sáng lập và Giám đốc điều hành Ahmad Shadid, IO.NET sẽ ra mắt mã thông báo của mình vào cuối tháng 4 năm 2024.

IO.NET có hai dự án chuẩn dùng làm tài liệu tham khảo để định giá: Mạng kết xuất và Mạng Akash, cả hai đều là các dự án điện toán phi tập trung đại diện.

Có hai phương pháp chính để ước tính vốn hóa thị trường của IO.NET: 

  1. Tỷ lệ Giá trên Doanh thu (P/S), so sánh FDV với doanh thu; 

  2. Tỷ lệ FDV trên chip (Tỷ lệ M/C)

Chúng ta sẽ bắt đầu bằng cách kiểm tra mức định giá tiềm năng bằng cách sử dụng tỷ lệ Giá trên Doanh thu:

Khi xem xét tỷ lệ giá trên doanh thu, Akash đại diện cho mức định giá ước tính của IO.NET ở mức thận trọng, trong khi Render cung cấp tiêu chuẩn cao cấp, đặt ra FDV dao động từ 1,67 tỷ USD đến 5,93 tỷ USD.

Tuy nhiên, dựa trên các bản cập nhật của dự án IO.NET, câu chuyện hấp dẫn hơn, cùng với vốn hóa thị trường ban đầu nhỏ hơn và cơ sở cung cấp rộng hơn, cho thấy FDV của nó có thể vượt qua Mạng kết xuất.

Chuyển sang một góc độ so sánh định giá khác, cụ thể là “Tỷ lệ FDV trên chip”.

Trong bối cảnh thị trường mà nhu cầu về sức mạnh tính toán AI vượt quá nguồn cung, yếu tố quan trọng nhất của mạng điện toán AI phi tập trung là quy mô cung cấp GPU. Do đó, chúng tôi có thể sử dụng “Tỷ lệ FDV trên chip”, là tỷ lệ giữa giá trị được pha loãng hoàn toàn của dự án với số lượng chip trong mạng, để suy ra phạm vi định giá có thể có của IO.NET, cung cấp cho người đọc một tài liệu tham khảo .

Việc sử dụng tỷ lệ thị trường trên chip để tính toán phạm vi định giá của IO.NET đặt chúng ta vào khoảng từ 20,6 tỷ USD đến 197,5 tỷ USD, trong đó Mạng kết xuất đặt điểm chuẩn cao hơn và Mạng Akash ở mức thấp hơn.

Những người đam mê dự án IO.NET có thể coi đây là một ước tính rất lạc quan về vốn hóa thị trường.

Điều quan trọng là phải xem xét số lượng lớn chip trực tuyến hiện tại dành cho IO.NET, được kích thích bởi những kỳ vọng về airdrop và các hoạt động khuyến khích. Số lượng cung trực tuyến thực tế sau khi dự án chính thức ra mắt vẫn cần phải quan sát. 

Nhìn chung, việc định giá dựa trên tỷ lệ giá trên doanh thu có thể mang lại những hiểu biết đáng tin cậy hơn.

IO.NET, được xây dựng dựa trên Solana và được trang bị sự hội tụ của AI và DePIN, đang chuẩn bị ra mắt mã thông báo. Có thể thấy rõ sự mong đợi khi chúng tôi sẵn sàng chứng kiến ​​tác động lên vốn hóa thị trường của nó sau khi ra mắt.

Thẩm quyền giải quyết

  • Sự hợp nhất thực sự

  • Hiểu sự giao thoa giữa tiền điện tử và AI