The MeeCrypt

@Fluence Báo cáo DAO Q3 2026 đã được công bố và tôi càng lạc quan hơn về $FLT

Đây là phần tóm tắt đơn giản của tôi về báo cáo:

1. Họ chi rất ít nhưng xây dựng được rất nhiều.
Trong 3 tháng, họ chỉ chi 300 nghìn đô la, cộng thêm phần thưởng staking. Với một công ty công nghệ đang xây dựng nền tảng đám mây hoàn chỉnh, con số này cực kỳ thấp. Hầu hết các công ty chi gấp 10 lần như vậy.

Vậy mà họ vẫn còn một khoản ngân quỹ khổng lồ: hơn 350 triệu FLT và hơn 1,1 triệu đô la stablecoin. Điều đó có nghĩa là họ có thể tiếp tục xây dựng trong thời gian dài.

2. Họ đang ra mắt những sản phẩm thực tế mà mọi người có thể sử dụng.
• Họ đã ra mắt Virtual Private Cloud — cho phép các công ty chạy ứng dụng an toàn và riêng tư hơn.
• Họ đã ra mắt các máy tính giá rẻ, bắt đầu từ 2,54 đô la mỗi tháng, để cả những nhà phát triển nhỏ cũng có thể sử dụng.
• Họ đã bổ sung Web Terminal, giúp bạn sử dụng dịch vụ trực tiếp trên trình duyệt.
• Họ đã bổ sung tính năng cho phép các tác tử AI tự thanh toán bằng USDC và tự động thuê máy tính. Không cần người dùng đăng ký.

Và điểm nổi bật nhất là các phiên đấu giá GPU. Chúng giúp các công ty thuê GPU mạnh để chạy AI. Chỉ riêng trong Q3, họ đã giúp chốt các hợp đồng trị giá 6 triệu đô la, 15,4 triệu đô la và 5,5 triệu đô la, trong đó có 96 GPU H100 ở châu Á. Đó là hoạt động kinh doanh thực sự.

Họ cũng chuyển sang http://fluence.ai để cho thấy hiện nay họ tập trung vào điện toán đám mây AI.

3. Người nắm giữ vẫn có thu nhập.
Trong Q3, họ đã trả 990 nghìn FLT cho hoạt động staking, với APR khoảng 11,5%. Tháng 7: 340 nghìn, tháng 8: 300 nghìn, tháng 9: 350 nghìn.

Với tôi, mọi thứ rất đơn giản: chi tiêu thấp, ngân quỹ được cải thiện, sản phẩm tốt và khách hàng thực sự trả hàng triệu đô la cho GPU.

Tôi vẫn đang theo dõi đà tăng trưởng của FLT

#FLT #Web3 #DePIN

@Fluence vừa huy động thêm 2,4 triệu USD, giờ đây đang thúc đẩy AI vật lý cùng worldengine_ai

Thêm một ngày, thêm một hợp đồng thực tế cho Fluence. Và hợp đồng này có ý nghĩa lớn đối với câu chuyện của dự án.

Fluence vừa ký thỏa thuận trị giá 2,4 triệu USD với WorldEngine AI để cung cấp năng lực tính toán suy luận cho AI vật lý.

Đây là lý do tôi cho rằng điều này rất quan trọng với những người nắm giữ $FLT:

1. Doanh thu thực, trường hợp sử dụng thực
Đây không phải khoản tài trợ hay quan hệ đối tác trên testnet. Đây là 2,4 triệu USD cho các tác vụ suy luận thực tế. DePIN cần có thêm nhiều thỏa thuận như thế này.

2. AI vật lý > AI kỹ thuật số
Ngày nay, ai cũng có thể huấn luyện mô hình. Nút thắt nằm ở khâu triển khai. Robot cần năng lực tính toán đáng tin cậy, độ trễ thấp suốt 24/7. Nếu suy luận thất bại, robot cũng thất bại. Fluence đang giải quyết vấn đề đó.

3. Các lớp công nghệ kết hợp hoàn hảo
WorldEngine đang phát triển trên các lĩnh vực:
→ dữ liệu robot
→ huấn luyện mô hình
→ đánh giá
→ triển khai

Fluence là lựa chọn phù hợp để trở thành nền tảng tính toán phi tập trung, cung cấp sức mạnh cho lớp cuối cùng và quan trọng nhất: suy luận.

Tôi đã nói điều này suốt nhiều tháng: tương lai của AI là AI vật lý. Và khi AI bước vào thế giới thực, bên chiến thắng sẽ không chỉ là những nhà phát triển mô hình. Đó sẽ là các nhà cung cấp hạ tầng giúp mọi thứ vận hành ổn định.

Càng có nhiều quan hệ đối tác như thế này, nhu cầu đối với $FLT càng tăng.

AI đang có một cơ thể, và Fluence đang cung cấp sức mạnh cho bộ não của nó.

Lạc quan thôi là chưa đủ để diễn tả điều này.

#FLT #DePIN #Web3 #AI

Nhiều sản phẩm hạ tầng buộc các nhà phát triển phải rời khỏi quy trình hiện có để sử dụng chúng.

@Fluence MCP đang đi theo hướng ngược lại.

Khi đã kết nối, tác nhân viết mã bằng AI của bạn có thể làm việc trực tiếp với phần tính toán của Fluence ngay trong môi trường mà bạn đang sử dụng.

Thiết lập rất gọn nhẹ:

• Một đoạn cấu hình
• Một khóa API của Fluence
• Một client tương thích MCP

Không cần cài đặt server MCP cục bộ. Không cần quản lý cập nhật.

Và sau khi kết nối ban đầu, bạn không cần phải tiếp tục mở Fluence Console. Việc tương tác được giữ hoàn toàn trong ứng dụng client viết mã của bạn.

Nghe có vẻ như cải thiện UX nhỏ, nhưng tôi nghĩ điều đó quan trọng.

Các nhà phát triển đang dần thoải mái hơn với việc các tác nhân AI đảm nhiệm nhiều hơn trong quy trình phát triển. Việc cung cấp cho các tác nhân đó quyền truy cập vào phần tính toán là bước tiếp theo hợp lý.

#FluenceProject #DePIN #AI

DePIN vẫn gặp khó khăn trong việc giúp các nhà phát triển dễ dàng tiếp cận cơ sở hạ tầng phi tập trung.

@Fluence đang áp dụng một hướng tiếp cận thú vị với tích hợp MCP mới. Nhờ đó, các tác nhân AI có thể tương tác với năng lực tính toán của Fluence thông qua các công cụ tương thích với MCP.

• Kết nối Cursor, Claude Code, VS Code, Codex hoặc một ứng dụng MCP khác
• Cho tác nhân AI biết bạn cần năng lực tính toán nào
• Để tác nhân xử lý việc tương tác với Fluence
• Sử dụng năng lực tính toán phi tập trung mà không biến việc quản lý cơ sở hạ tầng thành trọng tâm quy trình làm việc

Các nhà phát triển không nhất thiết muốn phải học thêm một hệ thống cơ sở hạ tầng phức tạp khác. Họ muốn xây dựng, triển khai và để các hệ thống nền tảng tự vận hành.

Nếu Fluence có thể biến năng lực tính toán phi tập trung thành thứ mà tác nhân AI chỉ cần gọi đến khi cần, DePIN sẽ có một câu chuyện thiết thực hơn nhiều dành cho nhà phát triển.

Thông điệp dành cho những người xây dựng rất đơn giản: đừng chỉ theo dõi câu chuyện về DePIN. Hãy thử cơ sở hạ tầng này.

Tôi thực lòng hy vọng sẽ có thêm nhiều nhà phát triển khám phá Fluence và tìm hiểu xem họ có thể xây dựng những gì với nền tảng này.

#FLT #DePIN #Web3 #AI

Tôi suýt quên mất là mình có một ít $FLT trong ví: @Fluence .

Tôi đã mua thêm vài FLT vào năm ngoái, và thành thật mà nói là một thời gian sau đó tôi không để ý nhiều đến nó.

Nhưng gần đây nhìn lại Fluence khiến tôi quay lại kiểm tra xem token thực sự làm gì trong hệ sinh thái.

Và hóa ra còn nhiều hơn những gì tôi ban đầu nghĩ.

• FLT nằm trong hệ thống staking, nơi các token được dùng cho việc bảo mật và phối hợp các nguồn tài nguyên tính toán.

• Nó còn có vai trò trong quản trị, giúp cộng đồng có cách tham gia vào các quyết định liên quan đến hệ sinh thái Fluence.

• Các nhà cung cấp compute và nền kinh tế của mạng lưới được kết nối với FLT, qua đó token có vai trò thực tế hơn chứ không chỉ là “để trong ví”.

• Phần phía cloud cũng đang trở nên thú vị hơn. Fluence đang xây dựng hạ tầng để người dùng có thể truy cập tài nguyên compute mà không cần phải phụ thuộc hoàn toàn vào các nhà cung cấp cloud tập trung truyền thống.

• Và giờ đây còn một góc nhìn lớn hơn nữa: AI và tính toán bằng GPU. Với lượng sức mạnh tính toán mà các ứng dụng AI đang đòi hỏi, việc truy cập GPU theo hướng phi tập trung đang trở thành một mảng đáng theo dõi hơn bao giờ hết.

Phần cuối cùng có lẽ là thứ khiến tôi chú ý nhất.

Bởi vì khi tôi mua vài FLT đó vào năm ngoái, tôi không hề nghĩ nhiều đến hạ tầng cho AI hay nhu cầu về GPU.

Giờ đây, câu chuyện xoay quanh Fluence trông hoàn toàn khác.

Tôi không nói là tôi biết FLT sẽ đi về đâu từ đây.

Chỉ là tôi thấy thú vị khi một token mình mua một cách khá tình cờ lại bắt đầu trở thành một phần của câu chuyện hạ tầng lớn hơn rất nhiều.

Nên vâng… tôi lại đang để mắt tới “túi” FLT nhỏ của mình.

#Fluence #Web3 #DePIN #AI

@Fluence đã chính thức chuyển website của mình từ Fluence Network sang fluence.ai, và tôi nghĩ sự thay đổi này nói lên nhiều điều về định hướng của dự án hơn là những gì có thể thấy ở cái nhìn đầu tiên.

• Miền mới: Fluence Network hiện được đại diện thông qua fluence.ai, đưa AI đến gần hơn với trung tâm của bản sắc dự án.

• Hạ tầng AI: Điều này phản ánh việc Fluence ngày càng tập trung vào hạ tầng phục vụ các khối lượng công việc AI, thay vì chỉ được biết đến như một mạng điện toán phi tập trung.

• Tính toán GPU + CPU: Fluence đang xây dựng xoay quanh việc tiếp cận cả tài nguyên GPU và CPU, vốn ngày càng trở nên quan trọng khi các khối lượng công việc AI tiếp tục tăng trưởng.

• Fluence Cloud: Một chi tiết đáng chú ý là hiện tại Fluence mô tả Fluence Cloud như là kế thừa của Fluence Project.

• Tập trung rộng hơn vào hạ tầng: Hướng đi của dự án dường như đang chuyển sang hạ tầng đám mây và giúp việc tiếp cận điện toán phân tán trở nên dễ dàng hơn với các nhà phát triển và người xây dựng.

• Miền cho biết một phần câu chuyện: Việc chuyển từ “Network” sang “.ai” giúp thương hiệu có kết nối trực tiếp hơn với không gian hạ tầng AI mà họ ngày càng tập trung.

Ở bề mặt, đó vẫn chỉ là thay đổi tên miền, nhưng khi nhìn vào bức tranh lớn hơn, nó giống như một tín hiệu rõ ràng hơn về nơi Fluence đang hướng tới.

Từ điện toán phi tập trung đến hạ tầng đám mây tập trung vào AI, sự phát triển đang ngày càng dễ nhìn thấy.

#Fluence #AI #DePIN #Web3

Hóa đơn đám mây của bạn có thể linh hoạt hơn bạn nghĩ.

Hạ tầng đám mây rất tiện lợi, nhưng sự tiện lợi có thể trở nên tốn kém khi nhu cầu tính toán bắt đầu tăng quy mô, đặc biệt đối với các tác vụ AI.

@Fluence $FLT thực hiện theo một cách tiếp cận khác bằng cách kết nối các khối lượng công việc tới một mạng lưới phi tập trung của các nhà cung cấp tính toán.

• Chi phí hạ tầng thấp hơn: truy cập tính toán phân tán mà không cần phụ thuộc hoàn toàn vào các nhà cung cấp đám mây truyền thống
• Linh hoạt hơn: các khối lượng công việc có thể tận dụng tài nguyên tính toán từ nhiều nhà cung cấp khác nhau
• Hạ tầng sẵn sàng cho AI: phù hợp khi các ứng dụng AI tiếp tục gia tăng nhu cầu về tài nguyên tính toán
• Ít tập trung đám mây hơn: một lựa chọn thay thế cho việc đưa mọi thứ qua cùng một nhóm nhà cung cấp lớn

Ý tưởng lớn hơn thật đơn giản: năng lực tính toán ngày càng quan trọng, vì vậy việc có nhiều lựa chọn hơn về nơi và cách nguồn cung cấp có thể quan trọng không kém gì việc có nhiều tài nguyên hơn.

Chính vì thế mà điện toán phi tập trung trở nên thú vị.

#Fluence #DePIN #AI

Ai cũng nói $ETH . Tôi bắt đầu nghĩ về $FLT từ @Fluence

Gần đây tôi thấy một câu hỏi thú vị: nếu $BTC đột nhiên biến mất, thì tài sản nào có thể thay thế?

Các câu trả lời chủ yếu là ETH và những cái tên crypto đã được khẳng định khác.

Tôi bắt đầu suy nghĩ theo một hướng khác: nếu câu chuyện quan trọng tiếp theo không chỉ là một tài sản tài chính khác, mà là cơ sở hạ tầng cung cấp năng lượng chon làn sóng công nghệ tiếp theo?

AI đã đang tạo ra nhu cầu khổng lồ cho điện toán. Các mô hình, tác nhân và ứng dụng đều cần tài nguyên tính toán để hoạt động.

Vì vậy, $FLT thật đáng để theo dõi.

@Fluence đang hướng tới điện toán phi tập trung, và như Evgeny Ponomarev đã thảo luận trong một AMA gần đây, tầm nhìn lớn hơn là tạo ra một lựa chọn thay thế cho hạ tầng đám mây ngày càng tập trung, trong đó AI là điểm khởi đầu quan trọng.

$BTC đại diện cho một chương lớn trong tài chính phi tập trung.

Liệu điện toán phi tập trung có thể trở thành một mảnh ghép quan trọng ngang bằng trong chương tiếp theo của Web3 không?

@Fluence : Ai sẽ nhận được năng lực GPU?

Năng lực GPU thực sự được mua và bán như thế nào. Có thể có rất nhiều GPU trên thế giới nhưng vẫn thiếu hụt đối với một người mua cụ thể, một vị trí cụ thể, một loại khối lượng công việc cụ thể hoặc một khoảng thời gian cụ thể. Điều đó khiến việc định giá và khả năng tiếp cận trở nên phức tạp hơn nhiều so với việc chỉ gắn một con số bên cạnh một GPU.

Đây là lúc các cuộc đấu giá trở nên hữu ích. Đấu giá tiến (forward auction) cho phép người mua cạnh tranh để giành quyền sử dụng năng lực sẵn có, trong khi đấu giá lùi (reverse auction) cho phép các nhà cung cấp cạnh tranh để đáp ứng nhu cầu.

Cả hai đều tạo ra một cách thức linh hoạt hơn để xác định giá trị thực sự của năng lực tính toán tại một thời điểm nhất định. Và với ai đang mua năng lực GPU một cách nghiêm túc, lựa chọn rẻ nhất không nhất thiết đã là lựa chọn đúng.

Bạn cũng cần đặt câu hỏi: Năng lực đó có thực sự sẵn có khi bạn cần hay không? Mạng kết nối (fabric) có thể xử lý được khối lượng công việc hay không? Cơ sở hạ tầng đi kèm những SLA nào? Nếu có sự cố, việc khôi phục sẽ mất bao lâu? Những chi tiết này có thể tạo ra khác biệt lớn khi các workload AI đang chạy ở quy mô lớn.

Fluence đang hướng tới việc xây dựng một thị trường toàn cầu, nơi các trung tâm dữ liệu có thể kết nối trực tiếp với nhu cầu đã được xác thực để đặt trước các cụm GPU.

Điểm thú vị là không phải chỉ là thêm nhiều GPU hơn. Mà là làm cho những GPU đã tồn tại trở nên dễ phát hiện, dễ so sánh, dễ định giá và dễ khai thác hơn.

#Fluence #DePIN #AI

Ai đứng đằng sau hậu trường đang được ai “cấp nguồn” cho nó? @Fluence

Một điều khiến tôi thấy thú vị về các tác nhân AI (AI agents) là độ trễ không phải lúc nào cũng do chính mô hình gây ra.

Một tác nhân có thể thực hiện nhiều lệnh gọi công cụ (tool calls), truy xuất trạng thái (state), chạy xác thực (validations), cập nhật bộ nhớ (memory) và lặp lại vòng lặp đó vài lần. Một vài mili giây bị trì hoãn CPU ở mỗi bước có vẻ không đáng kể nếu xét riêng lẻ, nhưng trong toàn bộ quy trình, những độ trễ đó có thể cộng dồn và khiến yêu cầu vượt quá thời hạn (deadline).

Đây là lúc cơ sở hạ tầng trở nên quan trọng hơn vẻ ngoài ban đầu.

Với các tác vụ AI, hiệu suất trung bình không phải lúc nào cũng đủ. Vấn đề thực sự có thể xuất hiện
đặc biệt khi CPU bị tranh chấp (contention) gây ra các độ trễ nhỏ ở nhiều giai đoạn.

Vì vậy, có thể thấy compute chuyên dụng (dedicated compute) là một lựa chọn đáng cân nhắc cho các tác vụ mà hiệu suất có thể dự đoán được là yếu tố then chốt.

Fluence đang tiếp cận vấn đề này từ phía điện toán phi tập trung (decentralized compute), cung cấp cho nhà phát triển quyền truy cập vào các tài nguyên CPU chuyên dụng cho những tác vụ cần năng lực ổn định hơn.

Tôi nghĩ điều này ngày càng trở nên phù hợp khi các tác nhân AI chuyển từ các thử nghiệm đơn giản sang môi trường sản xuất (production). Khi một tác nhân xử lý hàng chục bước, việc giảm bớt sự biến thiên (variability) ở từng giai đoạn có thể tạo ra tác động lớn hơn nhiều lên trải nghiệm người dùng cuối.

Câu hỏi tôi đang theo dõi rất đơn giản: khi các tác vụ của tác nhân trở nên phức tạp hơn, liệu compute có thể dự đoán được sẽ quan trọng tương đương với sức mạnh compute “thô” (raw compute power) hay không?

https://fluence.ai/

#Fluence #AI #DePIN

@Fluence VPC ra mắt có thể là một bước quan trọng đối với hệ sinh thái Fluence.

https://fluence.ai/

Cơ sở hạ tầng VPC mới cho phép các nhà phát triển chạy nhiều VM với mạng riêng (private networking), nhóm bảo mật (security groups), kiểm soát luồng egress, IP công khai tùy chọn và cloud-init. Nói một cách đơn giản, điều này giúp Fluence phù hợp hơn để chạy các ứng dụng thực tế, nơi nhiều dịch vụ phối hợp với nhau một cách an toàn.

Đối với góc nhìn $FLT, đây là phần mà tôi nghĩ sẽ trở nên thú vị.

Một tính năng cơ sở hạ tầng mới không tự động có nghĩa là giá FLT sẽ tăng. Câu hỏi lớn hơn là liệu VPC có giúp Fluence thu hút thêm nhà phát triển, khối lượng công việc (workloads) và doanh nghiệp hay không.

Nếu mức độ áp dụng tăng, có thể triển khai thêm năng lực tính toán trên toàn mạng, tạo ra nhu cầu cơ bản mạnh hơn và tiềm năng cải thiện các yếu tố nền tảng hỗ trợ FLT.

Vì vậy, tôi theo dõi mức sử dụng nhiều hơn là bản thông báo. Nếu Fluence tiếp tục bổ sung cơ sở hạ tầng mang tính thực tiễn và các tính năng đó chuyển thành hoạt động mạng thực sự, tôi nghĩ điều đó có thể trở thành một chất xúc tác tích cực cho FLT theo thời gian.

Với tôi, luận điểm rất đơn giản: cơ sở hạ tầng tốt hơn → nhiều trường hợp sử dụng hơn → nhiều hoạt động mạng hơn → có khả năng củng cố các nền tảng của FLT.

#DePIN #AI #Web3

Thêm một thỏa thuận điện toán trị giá 5,5 triệu USD cho @Fluence

Fluence đã ký một thỏa thuận điện toán trị giá 5,5 triệu USD với một khách hàng đang xây dựng AGI tập trung vào việc tìm ra những con đường nhanh hơn từ sinh học đến thuốc men.

Điều nổi bật với tôi không chỉ là quy mô của thỏa thuận.

Mà là bài toán đang được giải quyết: đảm bảo rằng điện toán không trở thành nút thắt cổ chai.

Phát triển AI ngày càng tốn điện toán, nhưng việc chỉ có thêm GPU thôi không phải là tất cả câu chuyện. Thách thức lớn hơn là làm cho điện toán sẵn có ở đúng nơi và đúng lúc khi cần.

Đó là lý do các thị trường GPU phi tập trung trở nên đáng chú ý.

Fluence đang xây dựng một sàn giao dịch nơi các nhà cung cấp GPU có thể cạnh tranh để giành các tác vụ (workloads), có khả năng tạo ra một cách linh hoạt hơn để các nhóm tiếp cận phần điện toán họ cần.

Tôi nghĩ chúng ta sẽ sớm nghe thêm về lớp điện toán đứng sau AI, chứ không chỉ về chính các mô hình.

5,5 triệu USD chỉ là một thỏa thuận, nhưng nó cũng cho thấy việc truy cập GPU điện toán một cách đáng tin cậy đang trở nên có giá trị như thế nào.

Đáng theo dõi những gì Fluence làm tiếp theo.

$FLT #DePIN #AI #Web3

@Fluence : Thị trường GPU ẩn

Khối lượng công việc AI đang mở rộng, các trung tâm dữ liệu ngày càng lớn hơn, và các công ty đang chi tiêu mạnh tay cho năng lực tính toán.

Nhưng còn một khía cạnh khác của câu chuyện GPU mà tôi nghĩ đáng để theo dõi:

Một số phần cứng nằm nhàn rỗi giữa các khối công việc. Một số khác bị sử dụng chưa hiệu quả. Và một số năng lực tính toán đơn giản là khó để người khác tiếp cận.

Điều đó khiến tương lai của năng lực tính toán không chỉ còn là bổ sung thêm GPU, mà còn là chúng ta có thể sử dụng hiệu quả đến đâu những GPU vốn đã tồn tại.

@Fluence idea khá đơn giản nhưng thú vị: tạo ra hạ tầng có thể kết nối năng lực tính toán sẵn có với những người và khối công việc đang cần nó.

Nếu nhu cầu AI tiếp tục tăng nhanh, tôi nghĩ cuộc thảo luận sẽ dần chuyển từ:

“Ai có nhiều GPU nhất?”

do đó là:

“Ai có thể làm cho nhiều năng lực tính toán nhất trở nên sẵn có, linh hoạt và được sử dụng hiệu quả?”

Nền kinh tế GPU có lẽ sẽ không chỉ còn xoay quanh phần cứng nữa.

Nó cũng có thể là việc xây dựng những thị trường tốt hơn xung quanh năng lực tính toán vốn đã tồn tại.

#DePIN #AI #Web3

GPU nhanh nhất theo lý thuyết không phải lúc nào cũng là lựa chọn tốt nhất cho mọi khối lượng công việc.

Một bài benchmark có thể cho bạn biết GPU nào có thể đẩy được nhiều token mỗi giây nhất, nhưng các triển khai thực tế lại có nhiều biến số hơn để xử lý.

Quy mô model, độ dài đầu ra, yêu cầu bộ nhớ, mức độ đồng thời, khu vực, tính sẵn sàng và, tất nhiên, chi phí thực tế để chạy khối lượng công việc đều có thể thay đổi cách tính.

Đó là nơi @Fluence mang đến một cách tiếp cận thú vị.

Với Đấu giá Cụm GPU, người mua có thể so sánh các ưu đãi từ nhiều nhà cung cấp khác nhau dựa trên loại GPU, dung lượng, khu vực, giá cả và tính sẵn sàng.

Cách này giúp việc ra quyết định không còn chỉ xoay quanh việc săn tìm phần cứng hiệu năng cao nhất.

Thay vì hỏi:

“GPU nào nhanh nhất?”

Một câu hỏi tốt hơn có thể là:

“GPU nào mang lại hiệu năng tôi cần với mức giá thực sự hợp lý?”

Bởi nếu một GPU mạnh hơn có giá cao hơn đáng kể nhưng không đem lại lợi thế hữu ích cho đúng khối lượng công việc của bạn, thì phần hiệu năng tăng thêm có thể không đáng để trả.

Và nếu một GPU khác có thể xử lý cùng khối lượng công việc đó với chi phí thấp hơn, thì khoản chênh lệch này bắt đầu trở nên quan trọng hơn khi mở rộng quy mô.

Khi các khối lượng công việc AI tiếp tục phát triển, nhu cầu GPU sẽ không chỉ dừng lại ở việc tìm thêm năng lực tính toán.

Mà còn là tìm đúng loại năng lực tính toán, ở đúng nơi, với đúng mức giá.

Đó là lý do vì sao việc “khám phá giá GPU” có thể ngày càng trở nên quan trọng.

#Flt #DePIN #Web3 #AI

@Fluence GIÁU THƯA BÁN GPU MỚI VỪA ĐẾN THÊM MỘT THỎA THUẬN TRỊ GIÁ HƠN 15,4 TRIỆU USD

Fluence đã giành được một thỏa thuận GPU lớn khác thông qua nền tảng đấu giá của mình.

Thỏa thuận này bao gồm 96 nút H100 trên khắp châu Á, đi vào sản xuất để hỗ trợ suy luận AI và huấn luyện mô hình.

Phần thú vị không chỉ nằm ở quy mô của thỏa thuận.
Nó cho thấy nhu cầu GPU thực sự đang di chuyển thông qua hình thức đấu giá cạnh tranh, kết nối các bên mua cần năng lực với các nhà cung cấp đang có sẵn GPU.

Với nhiều thỏa thuận giá trị cao hơn được đưa lên nền tảng, Đấu giá GPU đang trở thành một mảnh ghép đáng chú ý trong thị trường hạ tầng AI.

#FLT #DePIN #Web3

Bạn thà nắm giữ một token có giá trị sử dụng thực sự hay một token chỉ thu hút sự chú ý khi biểu đồ bắt đầu chuyển động?

Đó là lý do $FLT đáng để bạn theo dõi.

@Fluence đang xây dựng hạ tầng điện toán phi tập trung cho nền kinh tế AI, và $FLT nằm ở trung tâm của cơ chế kinh tế mạng lưới đó.

Vậy $FLT thực sự có thể làm được gì?

→ Staking (Gửi/staking): FLT có thể được staking để giúp bảo mật và cung cấp tài nguyên điện toán, cho phép người nắm giữ token tham gia staking.

→ Quản trị: Người nắm giữ FLT có thể tham gia quản trị của Fluence DAO và bỏ phiếu cho các đề xuất định hình mạng lưới.

→ Phần thưởng/khuyến khích mạng lưới: FLT là một phần của hệ thống khuyến khích, điều phối các nhà cung cấp điện toán và giúp bảo mật mạng lưới.

Điều tôi thấy thú vị là token này không hoàn toàn tách rời khỏi hạ tầng.

Mạng lưới tập trung vào AI và điện toán GPU, và Fluence cho biết hiện họ cung cấp 1.400+ GPU trên 32 khu vực và 71 trung tâm dữ liệu.

Và đây là nơi tôi nghĩ một số người có thể đã bỏ lỡ bức tranh lớn hơn trong lần biến động $FLT gần đây.

Một cú pump sẽ thu hút sự chú ý của tất cả mọi người.

Giá trị sử dụng (utility) mới là thứ khiến tôi tiếp tục theo dõi.

Câu hỏi thú vị bây giờ không chỉ là $FLT sẽ đi đâu tiếp theo.

Mà là: có thể xây dựng được bao nhiêu giá trị xung quanh hạ tầng mà nó vận hành.

AI cần có điện toán.
Fluence đang xây dựng lớp điện toán.
$FLT là một phần của lớp kinh tế đứng sau đó.

Bạn có nghĩ rằng các token có giá trị sử dụng sẽ vượt trội các kịch bản thuần câu chuyện (pure narrative plays) trong giai đoạn tiếp theo của DePIN không?

#Fluence #DePIN #AI

$6M TRONG CÁC HỢP ĐỒNG GPU: @Fluence

GPU trở nên khan hiếm, đắt đỏ và ngày càng quan trọng đối với các nhóm xây dựng sản phẩm AI. Nhưng việc có GPU chỉ là một nửa vấn đề. Nửa còn lại là kết nối công suất sẵn có với những nhóm thực sự cần nó.

Đó là lý do các https://auctions.fluence.network/ GPU Auctions ra đời.

Kể từ khi ra mắt thị trường, đã có $6M trong các hợp đồng cụm GPU được ghi nhận.

Mô hình rất đơn giản:

→ Các nhóm đăng nhu cầu tính toán (compute) của họ
→ Các nhà cung cấp cạnh tranh bằng các mức giá thầu
→ Người mua so sánh giá, SLA và khung thời gian thuê
→ Các hợp đồng được hình thành dựa trên mức giá thầu được chấp nhận

Thị trường hiện tại hiển thị 6,468 GPU sẵn có tại 4 quốc gia.

Điều tôi thấy thú vị ở đây là sự chuyển dịch từ việc chỉ thuê tính toán sang việc tạo ra một thị trường cạnh tranh hơn xung quanh năng lực GPU.

AI cần nhiều năng lực tính toán hơn.

Nhưng nó cũng cần các cách tốt hơn để phân bổ phần năng lực tính toán mà chúng ta đã có.

Và Fluence đang thử giải quyết khía cạnh đó của bài toán.

Cần compute? Có sẵn năng lực?

#Fluence #DePIN #AI #Web3

Tại sao DTEC đang thu hút sự chú ý trong lĩnh vực DePIN và di chuyển?

Thay vì coi xe cộ chỉ là những cỗ máy thụ động, @DtecAI đang xây dựng dựa trên ý tưởng rằng di chuyển hằng ngày có thể trở thành một phần của mạng dữ liệu và AI phi tập trung.

Các động lực giá trị chính:

• Dữ liệu thực tế: Dữ liệu về phương tiện và di chuyển có thể trở thành một nguồn tài nguyên giá trị cho AI và các ứng dụng kết nối.
• Hạ tầng DePIN: Các phương tiện và thiết bị kết nối đóng góp dữ liệu thực tế cho một mạng phi tập trung.
• Di chuyển được hỗ trợ bởi AI: Kiến trúc của DTEC kết hợp dữ liệu từ phương tiện, các đầu vào IoT và AI để tạo ra trải nghiệm di chuyển được cá nhân hóa hơn.
• Sự tham gia của người lái: Hệ sinh thái được thiết kế xoay quanh việc thưởng cho người dùng khi họ đóng góp dữ liệu có giá trị cho mạng thông qua token DTEC.

Nếu dữ liệu di chuyển phi tập trung mở rộng hiệu quả, cơ hội có thể vượt xa phạm vi crypto để lan sang AI, dữ liệu ô tô, phương tiện kết nối và giao thông vận tải thông minh.

Điều thú vị đối với tôi là sự thay đổi từ việc chỉ sử dụng một phương tiện sang việc biến phương tiện trở thành một phần của mạng dữ liệu lớn hơn.

Bạn có lạc quan về luận điểm $DTEC không? 👀

#DePIN #AI #Web3 #DTEC

DTEC có phải là thương vụ Mobility DePIN tối thượng không?

Phi tập trung hóa giao thông không chỉ là một xu hướng, nó có thể định hình lại cách các phương tiện, dữ liệu và AI tương tác với nhau. DTEC đang xây dựng một hệ sinh thái kết nối các phương tiện, dữ liệu thực tế, AI và hạ tầng phi tập trung thông qua mạng lưới di chuyển của mình.

NHỮNG ĐIỂM NỔI BẬT:

• Kiếm tiền từ phương tiện của bạn: Đóng góp dữ liệu phương tiện và di chuyển cho mạng lưới và nhận phần thưởng khi tham gia.

• Di chuyển dựa trên AI: Dtec kết hợp dữ liệu phương tiện thực tế với AI để tạo điều kiện cho các ứng dụng di chuyển thông minh hơn.

• Dữ liệu phi tập trung: Dữ liệu do phương tiện tạo ra có thể trở thành một phần của hạ tầng phi tập trung mở, thay vì bị khóa trong các hệ thống tập trung.

• Trung tâm cuộc gọi AI: Dtec cũng đưa AI vào truyền thông doanh nghiệp, giúp tự động hóa các tương tác với khách hàng và hỗ trợ.

• DePIN ngoài đời thực: Thay vì chỉ dựa vào tài sản kỹ thuật số, Dtec liên kết hạ tầng phi tập trung với các phương tiện vật lý và di chuyển hằng ngày.

Khi DePIN, AI và di chuyển kết nối hội tụ, DTEC đang phát triển tại một điểm giao thú vị.

$DTEC có thể sẽ trở thành một trong những dự án lớn nhất định hình thế hệ tiếp theo của giao thông di chuyển phi tập trung.

#Dtec #AI #DePIN

@Fluence : Biến Năng lực GPU Thành Một Thị Trường

Các tác vụ AI đang tạo ra nhu cầu rất lớn đối với GPU, nhưng việc tiếp cận đúng phần cứng vẫn có thể tốn kém và khó khăn.

Fluence đang tiếp cận vấn đề theo một cách khác.

Mạng lưới tính toán phi tập trung của họ kết nối hạ tầng sẵn có với khách hàng, trong khi Đấu giá GPU của họ giới thiệu một mô hình thị trường nơi năng lực GPU có thể được đặt giá thay vì chỉ đơn giản được mua thông qua giá điện toán đám mây cố định.

Thay vì mọi khách hàng đều trả cùng một mức giá định sẵn, một cuộc đấu giá có thể giúp khớp cung GPU sẵn có với nhu cầu thực tế.

Đối với các nhà cung cấp, điều này tạo ra một cách khác để kiếm tiền từ phần cứng của họ.

Đối với khách hàng, điều này tạo ra khả năng tìm được mức truy cập cạnh tranh đến năng lực tính toán mà họ cần.

Và đây là lúc luận điểm rộng hơn của Fluence trở nên đáng chú ý.

Tương lai của tính toán có thể không phải là về việc một công ty sở hữu toàn bộ phần cứng.

Có thể là về việc tạo ra các thị trường mở xung quanh phần cứng đã tồn tại.

Đó là góc nhìn về hạ tầng đằng sau $FLT đáng theo dõi.

#DePIN #AI #Web3 #FLT