لقد انتهى كرنفال Web3 في هونغ كونغ، لكن نبض حرية Web3 لا يزال ينبض ويستمر في اختراق الصناعات الأخرى. بالمقارنة مع الدورة السابقة، فإن منطق بداية هذه السوق الصاعدة هو التحول من "سرد الابتكار الأصلي" إلى نموذج "الاعتراف السائد، القائم على رأس المال". تطورت مرحلة تطوير Web3 التي لاحظها المؤلف أيضًا من مرحلة "الحرية المطلقة المغلقة والمتخصصة" إلى مرحلة "الحرية النسبية في ظل التسامح الحقيقي". **
وبموجب هذا المنطق، إذا لم نخرج من الصندوق للتحليل، فلن نكون قادرين على التكيف مع التطور الحالي لـ Web3 من خلال انتظار سرد الابتكار الأصلي. ** منذ أن احتضنت Web3 بالكامل الامتثال، أعادت Web3 التركيز على المجال المالي في ظل الترويج المستمر لحكومة هونج كونج. تعمل المؤسسات المالية الرئيسية أيضًا على تسريع مشاركتها في Web3 من خلال RWA وصناديق الاستثمار المتداولة الفورية.
في هذا المؤتمر، بالإضافة إلى المؤسسات المالية الرئيسية التي تدخل Web3، رأينا أيضًا فرصة لربط Web2 وWeb3 - مسار DePIN. لقد أدى الترويج لتطوير نماذج الذكاء الاصطناعي الكبيرة بشكل خاص إلى جعل المسار الفرعي في DePIN مرة أخرى - إعادة تخصيص قوة الحوسبة مصدر قلق كبير.
المصدر: أبحاث أوكي جي
قوة الحوسبة هي الطعم، لكن التدريب على النماذج الكبيرة للذكاء الاصطناعي ليس أفضل سيناريو تنفيذ لـ DePIN.
وقال حسيد قريشي، الشريك الإداري لشركة دراجونفلاي كابيتال، في المؤتمر: "إن تقنية بلوكتشين تبني الثقة من خلال التكنولوجيا، والذكاء الاصطناعي صناعة تحتاج بشدة إلى الثقة".
DePIN ليس مسارًا جديدًا وقد تم اقتراحه منذ بضع سنوات. ومع انفجار نماذج الذكاء الاصطناعي الكبيرة، أجرت الصناعة الكثير من المناقشات حول قوة الحوسبة والبيانات. ووفقا للتقديرات، فإن تكلفة حسابات النماذج الكبيرة تزيد بمقدار 31 مرة كل عام. هناك نقص عالمي في وحدات معالجة الرسومات، وشركات مثل Nvidia هي على قمة السلسلة الغذائية في الطلب الحالي في السوق وتتمتع بقوة تسعير كبيرة. الاحتكار أو اللامركزية، أصبح الجدل حول التكلفة هو السبب وراء مناقشة مسار Web3 DePIN مرة أخرى.
على الرغم من أن التدريب على النماذج الكبيرة للذكاء الاصطناعي هو السبب، إلا أن روما لم يتم بناؤها في يوم واحد، ولا يعد التدريب على النماذج الكبيرة للذكاء الاصطناعي حاليًا أفضل سيناريو تنفيذ لـ DePIN. تركز متطلبات الطاقة الحاسوبية لإنتاج النماذج الكبيرة للذكاء الاصطناعي بشكل أساسي على جانبين: التفكير والتدريب. في عملية التدريب، يتم تدريب نموذج شبكة عصبية معقد عن طريق تغذية كمية كبيرة من البيانات. في عملية الاستدلال، يتم استخدام النموذج المدرب لاستنتاج استنتاجات مختلفة باستخدام كمية كبيرة من البيانات.
المصدر: نفيديا
**مع الجمع بين اللامركزية وقوة الحوسبة، ينخفض معامل الصعوبة طبقة تلو الأخرى من التدريب إلى التدريب الدقيق إلى الاستدلال. **في DePIN، يمكنك أن ترى أن المزيد من المشاريع في الصناعة تركز على الاستدلال بدلاً من التدريب. السبب الرئيسي وراء استخدام معظم المؤسسات لمجموعات NVIDIA GPU للتدريب على الذكاء الاصطناعي هو أن لديها قدرات حوسبة متوازية قوية وعرض نطاق ترددي للذاكرة. بالمقارنة مع رابط الاستدلال، فإن متطلبات طاقة الحوسبة المتوازية وعرض النطاق الترددي أقل بكثير. ويولي التدريب على النماذج الكبيرة مزيدًا من الاهتمام للاستقرار، لأنه بمجرد انقطاع التدريب، يجب إعادة تدريبه. إذا تم إنشاء تطبيق طاقة حوسبة لامركزية على Ethereum لاستخدامه بواسطة GPT، فإن عملية مضاعفة مصفوفة واحدة فقط ستستهلك ما يصل إلى 10 مليارات دولار أمريكي من رسوم الغاز وتستغرق شهرًا واحدًا.
بالإضافة إلى ذلك، قام المؤلف بتحليل الوضع الحالي للعديد من المشاريع الشهيرة في هذا المؤتمر، موضحًا الوضع الذي يتجاوز فيه جانب العرض جانب الطلب، أي أن المعروض من الطاقة الحاسوبية الموزعة حول العالم يتجاوز طلب مطوري الذكاء الاصطناعي على الذكاء الاصطناعي التدريب النموذجي أو مهام الاستدلال. لا يعني ذلك أن الطلب غير موجود. فقد اقترح سام ألتمان، مؤسس OpenAI، جمع 7 تريليون دولار لبناء مصنع شرائح متقدم أكبر بعشر مرات من الحجم الحالي لشركة TSMC واستخدامه في إنتاج الرقائق وتصنيعها. التدريب النموذجي. تظهر أبحاث جامعة ستانفورد أيضًا أنه بغض النظر عن نموذج اللغة، عندما يتجاوز مقياس معلمة التدريب القيمة الحرجة لذلك المقياس، فإن أدائه (مثل الدقة) يتحسن بشكل حاد. وهذا يتعارض تمامًا مع قانون "الجهود الكبيرة يمكن أن تنتج المعجزات"، ويعني أيضًا أنه في الواقع، لا تزال هناك العديد من المشكلات التي يتعين حلها في فكرة قوة الحوسبة اللامركزية.
يمكن إرجاع "الأصول التاريخية" لمسار DePIN إلى "اقتصاد المشاركة"
ليس من الصعب فهم مفهوم DePIN في حد ذاته، بل ويمكن إرجاعه إلى Web2. وبالنظر إلى صناعة الإنترنت، لمدة خمسة عشر عاما على الأقل، كان لاعبو Web2 منغمسين في تجميع الأصول الملموسة الشخصية لخلق "اقتصاد المشاركة". " **إذا تم إعادة توزيع الأصول غير الملموسة (مثل الخوادم الخاملة، وما إلى ذلك) مباشرة على الطالب في شكل نظير إلى نظير (P2P) أو نظير إلى أعمال (P2B)، فيمكن لتقنية blockchain اللامركزية تحفيز الآلية لتحسين علاقات الإنتاج. **هذا هو ما يدور حوله DePIN.
لذلك، في مسار DePIN، يكون حماس الجميع في جانب العرض مرتفعًا. ** في الواقع، كان Web2 يقوم بالتحضيرات "لإعادة التوزيع" لفترة طويلة، لكنه هذه المرة يزيل الوسيط مباشرة. **يوجد حاليًا ما يقرب من ألف مشروع DePIN، وخاصة نظام Solana البيئي، ووفقًا لإحصائيات Messari، يحتل نظام Solana البيئي مكانة رائدة في البنية التحتية لـ DePIN، ويرجع ذلك إلى تكامل البنية التحتية العالية وأداء سلسلة Solana العامة. فيما يتعلق بالتوزيع الإقليمي، من المتوقع أن تأتي العديد من أفضل 10 أرقام DePIN من آسيا في 2024-2025.
الأصل : المساري
هناك تقاطعات عديدة بين Web3 والذكاء الاصطناعي، وباعتبارها العملة العالمية للعالم الرقمي المستقبلي، فإن قوة الحوسبة هي أول ما ينتبه إليه الناس. ومع ذلك، فإن قوة الحوسبة اللامركزية، وهي سيناريو التنفيذ الأكثر منطقية، ليست الأسهل في التنفيذ.
عند تقاطع Web3 والذكاء الاصطناعي، بالإضافة إلى التغلب على الصعوبات التقنية واختراق مثل هذه المشكلات باستمرار، هناك العديد من الفروع الأخرى مثل وكلاء الذكاء الاصطناعي الذين يمنحون المبدعين الملكية وسيناريوهات قوة الحوسبة النموذجية الصغيرة للذكاء الاصطناعي التي تستحق الاستكشاف وستكون أكثر عملية .الجنس. سيكون هناك دائمًا توازن بين نجاح نماذج الأعمال والاختراقات التكنولوجية. ** تعمل DePIN على تسريع هذه العملية، وستعود "رحلة الصيد" الخاصة بـ DePIN بحصاد كامل. **
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
رحلة صيد DePIN: قوة حوسبة الذكاء الاصطناعي كطعم، والطريق طويل وصعب
المؤلف: هيدي بي، أبحاث OKG
لقد انتهى كرنفال Web3 في هونغ كونغ، لكن نبض حرية Web3 لا يزال ينبض ويستمر في اختراق الصناعات الأخرى. بالمقارنة مع الدورة السابقة، فإن منطق بداية هذه السوق الصاعدة هو التحول من "سرد الابتكار الأصلي" إلى نموذج "الاعتراف السائد، القائم على رأس المال". تطورت مرحلة تطوير Web3 التي لاحظها المؤلف أيضًا من مرحلة "الحرية المطلقة المغلقة والمتخصصة" إلى مرحلة "الحرية النسبية في ظل التسامح الحقيقي". **
وبموجب هذا المنطق، إذا لم نخرج من الصندوق للتحليل، فلن نكون قادرين على التكيف مع التطور الحالي لـ Web3 من خلال انتظار سرد الابتكار الأصلي. ** منذ أن احتضنت Web3 بالكامل الامتثال، أعادت Web3 التركيز على المجال المالي في ظل الترويج المستمر لحكومة هونج كونج. تعمل المؤسسات المالية الرئيسية أيضًا على تسريع مشاركتها في Web3 من خلال RWA وصناديق الاستثمار المتداولة الفورية.
في هذا المؤتمر، بالإضافة إلى المؤسسات المالية الرئيسية التي تدخل Web3، رأينا أيضًا فرصة لربط Web2 وWeb3 - مسار DePIN. لقد أدى الترويج لتطوير نماذج الذكاء الاصطناعي الكبيرة بشكل خاص إلى جعل المسار الفرعي في DePIN مرة أخرى - إعادة تخصيص قوة الحوسبة مصدر قلق كبير.
المصدر: أبحاث أوكي جي
قوة الحوسبة هي الطعم، لكن التدريب على النماذج الكبيرة للذكاء الاصطناعي ليس أفضل سيناريو تنفيذ لـ DePIN.
وقال حسيد قريشي، الشريك الإداري لشركة دراجونفلاي كابيتال، في المؤتمر: "إن تقنية بلوكتشين تبني الثقة من خلال التكنولوجيا، والذكاء الاصطناعي صناعة تحتاج بشدة إلى الثقة".
DePIN ليس مسارًا جديدًا وقد تم اقتراحه منذ بضع سنوات. ومع انفجار نماذج الذكاء الاصطناعي الكبيرة، أجرت الصناعة الكثير من المناقشات حول قوة الحوسبة والبيانات. ووفقا للتقديرات، فإن تكلفة حسابات النماذج الكبيرة تزيد بمقدار 31 مرة كل عام. هناك نقص عالمي في وحدات معالجة الرسومات، وشركات مثل Nvidia هي على قمة السلسلة الغذائية في الطلب الحالي في السوق وتتمتع بقوة تسعير كبيرة. الاحتكار أو اللامركزية، أصبح الجدل حول التكلفة هو السبب وراء مناقشة مسار Web3 DePIN مرة أخرى.
على الرغم من أن التدريب على النماذج الكبيرة للذكاء الاصطناعي هو السبب، إلا أن روما لم يتم بناؤها في يوم واحد، ولا يعد التدريب على النماذج الكبيرة للذكاء الاصطناعي حاليًا أفضل سيناريو تنفيذ لـ DePIN. تركز متطلبات الطاقة الحاسوبية لإنتاج النماذج الكبيرة للذكاء الاصطناعي بشكل أساسي على جانبين: التفكير والتدريب. في عملية التدريب، يتم تدريب نموذج شبكة عصبية معقد عن طريق تغذية كمية كبيرة من البيانات. في عملية الاستدلال، يتم استخدام النموذج المدرب لاستنتاج استنتاجات مختلفة باستخدام كمية كبيرة من البيانات.
المصدر: نفيديا
**مع الجمع بين اللامركزية وقوة الحوسبة، ينخفض معامل الصعوبة طبقة تلو الأخرى من التدريب إلى التدريب الدقيق إلى الاستدلال. **في DePIN، يمكنك أن ترى أن المزيد من المشاريع في الصناعة تركز على الاستدلال بدلاً من التدريب. السبب الرئيسي وراء استخدام معظم المؤسسات لمجموعات NVIDIA GPU للتدريب على الذكاء الاصطناعي هو أن لديها قدرات حوسبة متوازية قوية وعرض نطاق ترددي للذاكرة. بالمقارنة مع رابط الاستدلال، فإن متطلبات طاقة الحوسبة المتوازية وعرض النطاق الترددي أقل بكثير. ويولي التدريب على النماذج الكبيرة مزيدًا من الاهتمام للاستقرار، لأنه بمجرد انقطاع التدريب، يجب إعادة تدريبه. إذا تم إنشاء تطبيق طاقة حوسبة لامركزية على Ethereum لاستخدامه بواسطة GPT، فإن عملية مضاعفة مصفوفة واحدة فقط ستستهلك ما يصل إلى 10 مليارات دولار أمريكي من رسوم الغاز وتستغرق شهرًا واحدًا.
بالإضافة إلى ذلك، قام المؤلف بتحليل الوضع الحالي للعديد من المشاريع الشهيرة في هذا المؤتمر، موضحًا الوضع الذي يتجاوز فيه جانب العرض جانب الطلب، أي أن المعروض من الطاقة الحاسوبية الموزعة حول العالم يتجاوز طلب مطوري الذكاء الاصطناعي على الذكاء الاصطناعي التدريب النموذجي أو مهام الاستدلال. لا يعني ذلك أن الطلب غير موجود. فقد اقترح سام ألتمان، مؤسس OpenAI، جمع 7 تريليون دولار لبناء مصنع شرائح متقدم أكبر بعشر مرات من الحجم الحالي لشركة TSMC واستخدامه في إنتاج الرقائق وتصنيعها. التدريب النموذجي. تظهر أبحاث جامعة ستانفورد أيضًا أنه بغض النظر عن نموذج اللغة، عندما يتجاوز مقياس معلمة التدريب القيمة الحرجة لذلك المقياس، فإن أدائه (مثل الدقة) يتحسن بشكل حاد. وهذا يتعارض تمامًا مع قانون "الجهود الكبيرة يمكن أن تنتج المعجزات"، ويعني أيضًا أنه في الواقع، لا تزال هناك العديد من المشكلات التي يتعين حلها في فكرة قوة الحوسبة اللامركزية.
يمكن إرجاع "الأصول التاريخية" لمسار DePIN إلى "اقتصاد المشاركة"
ليس من الصعب فهم مفهوم DePIN في حد ذاته، بل ويمكن إرجاعه إلى Web2. وبالنظر إلى صناعة الإنترنت، لمدة خمسة عشر عاما على الأقل، كان لاعبو Web2 منغمسين في تجميع الأصول الملموسة الشخصية لخلق "اقتصاد المشاركة". " **إذا تم إعادة توزيع الأصول غير الملموسة (مثل الخوادم الخاملة، وما إلى ذلك) مباشرة على الطالب في شكل نظير إلى نظير (P2P) أو نظير إلى أعمال (P2B)، فيمكن لتقنية blockchain اللامركزية تحفيز الآلية لتحسين علاقات الإنتاج. **هذا هو ما يدور حوله DePIN.
لذلك، في مسار DePIN، يكون حماس الجميع في جانب العرض مرتفعًا. ** في الواقع، كان Web2 يقوم بالتحضيرات "لإعادة التوزيع" لفترة طويلة، لكنه هذه المرة يزيل الوسيط مباشرة. **يوجد حاليًا ما يقرب من ألف مشروع DePIN، وخاصة نظام Solana البيئي، ووفقًا لإحصائيات Messari، يحتل نظام Solana البيئي مكانة رائدة في البنية التحتية لـ DePIN، ويرجع ذلك إلى تكامل البنية التحتية العالية وأداء سلسلة Solana العامة. فيما يتعلق بالتوزيع الإقليمي، من المتوقع أن تأتي العديد من أفضل 10 أرقام DePIN من آسيا في 2024-2025.
الأصل : المساري
هناك تقاطعات عديدة بين Web3 والذكاء الاصطناعي، وباعتبارها العملة العالمية للعالم الرقمي المستقبلي، فإن قوة الحوسبة هي أول ما ينتبه إليه الناس. ومع ذلك، فإن قوة الحوسبة اللامركزية، وهي سيناريو التنفيذ الأكثر منطقية، ليست الأسهل في التنفيذ.
عند تقاطع Web3 والذكاء الاصطناعي، بالإضافة إلى التغلب على الصعوبات التقنية واختراق مثل هذه المشكلات باستمرار، هناك العديد من الفروع الأخرى مثل وكلاء الذكاء الاصطناعي الذين يمنحون المبدعين الملكية وسيناريوهات قوة الحوسبة النموذجية الصغيرة للذكاء الاصطناعي التي تستحق الاستكشاف وستكون أكثر عملية .الجنس. سيكون هناك دائمًا توازن بين نجاح نماذج الأعمال والاختراقات التكنولوجية. ** تعمل DePIN على تسريع هذه العملية، وستعود "رحلة الصيد" الخاصة بـ DePIN بحصاد كامل. **