Karnaval Web3 Hong Kong telah berakhir, namun denyut kebebasan Web3 masih terus berdetak dan terus merambah ke industri lain. Dibandingkan dengan siklus sebelumnya, logika awal dari pasar bullish ini adalah untuk bertransformasi dari “narasi inovasi asli” menjadi model “pengakuan arus utama, didorong oleh modal”. Tahap pengembangan Web3 yang diamati oleh penulis juga telah berevolusi dari tahap "kebebasan absolut yang tertutup dan khusus" menjadi tahap "kebebasan relatif di bawah toleransi sejati". **
Berdasarkan logika ini, jika kita tidak keluar dari kotak untuk menganalisis, kita tidak akan mampu lagi beradaptasi dengan perkembangan Web3 saat ini dengan menunggu narasi inovasi asli. **Sejak seluruh Web3 menerapkan kepatuhan, Web3 telah memfokuskan kembali pada bidang keuangan di bawah promosi berkelanjutan dari pemerintah Hong Kong. Lembaga keuangan arus utama juga mempercepat partisipasi mereka dalam Web3 melalui ATMR dan ETF spot.
Pada konferensi ini, selain lembaga keuangan arus utama yang memasuki Web3, kami juga melihat peluang untuk menghubungkan Web2 dan Web3 - jalur DePIN. Terutama promosi pengembangan model AI besar sekali lagi membuat sub-track di DePIN - realokasi daya komputasi menjadi perhatian yang hangat.
Sumber: Penelitian OKG
Kekuatan komputasi adalah umpannya, namun pelatihan model besar AI bukanlah skenario penerapan terbaik untuk DePIN.
“Blockchain membangun kepercayaan melalui teknologi, dan AI adalah industri yang sangat membutuhkan kepercayaan,” kata Haseed Qureshi, Managing Partner Dragonfly Capital, pada konferensi tersebut.
DePIN bukanlah jalur baru dan sudah diusulkan beberapa tahun lalu. Dengan meledaknya model AI besar, industri telah melakukan banyak diskusi mengenai daya komputasi dan data. Diperkirakan biaya penghitungan model besar meningkat 31 kali lipat setiap tahun. Ada kekurangan GPU global, dan perusahaan seperti Nvidia berada di puncak rantai makanan dalam hal permintaan pasar saat ini dan memiliki kekuatan harga yang besar. Monopoli atau desentralisasi, perdebatan soal biaya menjadi alasan mengapa jalur Web3 DePIN kembali hangat diperbincangkan.
Meskipun pelatihan model besar AI adalah penyebabnya, Roma tidak dibangun dalam sehari, dan pelatihan model besar AI saat ini bukanlah skenario implementasi terbaik untuk DePIN. Persyaratan daya komputasi untuk produksi model besar AI terutama berfokus pada dua aspek: penalaran dan pelatihan. Dalam proses pelatihan, model jaringan saraf kompleks dilatih dengan memasukkan data dalam jumlah besar. Dalam proses penalaran, model yang dilatih digunakan untuk menyimpulkan berbagai kesimpulan dengan menggunakan data dalam jumlah besar.
Sumber: NVIDIA
**Dengan kombinasi desentralisasi dan daya komputasi, koefisien kesulitan menurun lapis demi lapis mulai dari pelatihan hingga pelatihan penyempurnaan hingga inferensi. **Di DePIN, Anda dapat melihat bahwa lebih banyak proyek di industri yang berfokus pada inferensi daripada pelatihan. Alasan utama mengapa sebagian besar perusahaan menggunakan cluster GPU NVIDIA untuk pelatihan AI adalah karena mereka memiliki kemampuan komputasi paralel dan bandwidth memori yang kuat. Dibandingkan dengan tautan inferensi, persyaratan untuk daya komputasi paralel dan bandwidth jauh lebih rendah. Dan pelatihan model besar lebih memperhatikan stabilitas, karena begitu pelatihan dihentikan maka perlu dilatih ulang. Jika aplikasi daya komputasi terdesentralisasi dibangun di atas Ethereum untuk digunakan oleh GPT, hanya satu operasi perkalian matriks akan menghabiskan biaya bahan bakar hingga 10 miliar dolar AS dan memakan waktu 1 bulan.
Selain itu, penulis menganalisis status terkini dari beberapa proyek populer dalam konferensi ini, menunjukkan situasi di mana sisi penawaran melebihi sisi permintaan, yaitu pasokan daya komputasi yang didistribusikan ke seluruh dunia melebihi permintaan pengembang AI terhadap AI. pelatihan model atau tugas inferensi. Bukan berarti tidak ada permintaan. Sam Altman, pendiri OpenAI, telah mengusulkan untuk mengumpulkan US$7 triliun untuk membangun pabrik chip canggih yang 10 kali lebih besar dari ukuran TSMC saat ini dan menggunakannya untuk produksi chip dan pelatihan model. Penelitian Universitas Stanford juga menunjukkan bahwa apa pun model bahasanya, ketika skala parameter pelatihan melebihi nilai kritis skala tersebut, kinerjanya (seperti akurasi) meningkat tajam. Hal ini sangat bertentangan dengan hukum “usaha besar dapat menghasilkan keajaiban”, dan ini juga berarti bahwa pada kenyataannya, masih banyak masalah yang harus diselesaikan dalam gagasan daya komputasi terdesentralisasi.
"Asal usul sejarah" jalur DePIN dapat ditelusuri kembali ke "ekonomi berbagi"
Konsep DePIN sendiri tidak sulit untuk dipahami, bahkan dapat ditelusuri kembali ke Web2. Melihat kembali industri Internet, setidaknya selama 15 tahun, para pemain Web2 telah tenggelam dalam mengumpulkan aset berwujud pribadi untuk menciptakan "ekonomi berbagi". " **Jika aset tidak berwujud (seperti server yang menganggur, dll.) didistribusikan kembali langsung ke pihak yang meminta dalam bentuk Peer to peer (P2P) atau Peer to business (P2B), teknologi blockchain yang terdesentralisasi dapat memberi insentif pada mekanisme untuk mengoptimalkan hubungan produksi. **Inilah yang dimaksud dengan DePIN.
Oleh karena itu, di jalur DePIN, antusiasme semua orang di sisi suplai sangat tinggi. **Sebenarnya Web2 sudah lama melakukan persiapan "redistribusi", namun kali ini langsung mencopot perantaranya. **Saat ini terdapat hampir seribu proyek DePIN, khususnya ekosistem Solana. Menurut statistik Messari, ekosistem Solana berada pada posisi terdepan dalam infrastruktur DePIN. Hal ini disebabkan oleh integrasi infrastruktur yang tinggi dan kinerja rantai publik Solana. Dalam hal distribusi regional, beberapa 10 DePIN teratas diperkirakan berasal dari Asia pada tahun 2024-2025.
Asal: Messari
Web3 dan AI memiliki banyak persimpangan. Sebagai mata uang universal dunia digital masa depan, daya komputasi adalah hal pertama yang diperhatikan orang. Namun, daya komputasi terdesentralisasi, yang merupakan skenario implementasi paling masuk akal, bukanlah yang termudah untuk diterapkan.
Di persimpangan Web3 dan AI, selain mengatasi kesulitan teknis dan terus-menerus memecahkan masalah tersebut, terdapat banyak cabang lain seperti agen AI yang memberikan kepemilikan kepada pencipta dan skenario kekuatan komputasi model AI kecil yang perlu ditelusuri dan akan lebih praktis. .seks. Akan selalu ada keseimbangan antara keberhasilan model bisnis dan terobosan teknologi.**DePIN mempercepat proses ini, dan "perjalanan berburu" DePIN akan kembali dengan hasil yang memuaskan. **
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Perjalanan berburu DePIN: Kekuatan komputasi AI sebagai umpan, jalannya panjang dan sulit
Penulis: Hedy Bi, Riset OKG
Karnaval Web3 Hong Kong telah berakhir, namun denyut kebebasan Web3 masih terus berdetak dan terus merambah ke industri lain. Dibandingkan dengan siklus sebelumnya, logika awal dari pasar bullish ini adalah untuk bertransformasi dari “narasi inovasi asli” menjadi model “pengakuan arus utama, didorong oleh modal”. Tahap pengembangan Web3 yang diamati oleh penulis juga telah berevolusi dari tahap "kebebasan absolut yang tertutup dan khusus" menjadi tahap "kebebasan relatif di bawah toleransi sejati". **
Berdasarkan logika ini, jika kita tidak keluar dari kotak untuk menganalisis, kita tidak akan mampu lagi beradaptasi dengan perkembangan Web3 saat ini dengan menunggu narasi inovasi asli. **Sejak seluruh Web3 menerapkan kepatuhan, Web3 telah memfokuskan kembali pada bidang keuangan di bawah promosi berkelanjutan dari pemerintah Hong Kong. Lembaga keuangan arus utama juga mempercepat partisipasi mereka dalam Web3 melalui ATMR dan ETF spot.
Pada konferensi ini, selain lembaga keuangan arus utama yang memasuki Web3, kami juga melihat peluang untuk menghubungkan Web2 dan Web3 - jalur DePIN. Terutama promosi pengembangan model AI besar sekali lagi membuat sub-track di DePIN - realokasi daya komputasi menjadi perhatian yang hangat.
Sumber: Penelitian OKG
Kekuatan komputasi adalah umpannya, namun pelatihan model besar AI bukanlah skenario penerapan terbaik untuk DePIN.
“Blockchain membangun kepercayaan melalui teknologi, dan AI adalah industri yang sangat membutuhkan kepercayaan,” kata Haseed Qureshi, Managing Partner Dragonfly Capital, pada konferensi tersebut.
DePIN bukanlah jalur baru dan sudah diusulkan beberapa tahun lalu. Dengan meledaknya model AI besar, industri telah melakukan banyak diskusi mengenai daya komputasi dan data. Diperkirakan biaya penghitungan model besar meningkat 31 kali lipat setiap tahun. Ada kekurangan GPU global, dan perusahaan seperti Nvidia berada di puncak rantai makanan dalam hal permintaan pasar saat ini dan memiliki kekuatan harga yang besar. Monopoli atau desentralisasi, perdebatan soal biaya menjadi alasan mengapa jalur Web3 DePIN kembali hangat diperbincangkan.
Meskipun pelatihan model besar AI adalah penyebabnya, Roma tidak dibangun dalam sehari, dan pelatihan model besar AI saat ini bukanlah skenario implementasi terbaik untuk DePIN. Persyaratan daya komputasi untuk produksi model besar AI terutama berfokus pada dua aspek: penalaran dan pelatihan. Dalam proses pelatihan, model jaringan saraf kompleks dilatih dengan memasukkan data dalam jumlah besar. Dalam proses penalaran, model yang dilatih digunakan untuk menyimpulkan berbagai kesimpulan dengan menggunakan data dalam jumlah besar.
Sumber: NVIDIA
**Dengan kombinasi desentralisasi dan daya komputasi, koefisien kesulitan menurun lapis demi lapis mulai dari pelatihan hingga pelatihan penyempurnaan hingga inferensi. **Di DePIN, Anda dapat melihat bahwa lebih banyak proyek di industri yang berfokus pada inferensi daripada pelatihan. Alasan utama mengapa sebagian besar perusahaan menggunakan cluster GPU NVIDIA untuk pelatihan AI adalah karena mereka memiliki kemampuan komputasi paralel dan bandwidth memori yang kuat. Dibandingkan dengan tautan inferensi, persyaratan untuk daya komputasi paralel dan bandwidth jauh lebih rendah. Dan pelatihan model besar lebih memperhatikan stabilitas, karena begitu pelatihan dihentikan maka perlu dilatih ulang. Jika aplikasi daya komputasi terdesentralisasi dibangun di atas Ethereum untuk digunakan oleh GPT, hanya satu operasi perkalian matriks akan menghabiskan biaya bahan bakar hingga 10 miliar dolar AS dan memakan waktu 1 bulan.
Selain itu, penulis menganalisis status terkini dari beberapa proyek populer dalam konferensi ini, menunjukkan situasi di mana sisi penawaran melebihi sisi permintaan, yaitu pasokan daya komputasi yang didistribusikan ke seluruh dunia melebihi permintaan pengembang AI terhadap AI. pelatihan model atau tugas inferensi. Bukan berarti tidak ada permintaan. Sam Altman, pendiri OpenAI, telah mengusulkan untuk mengumpulkan US$7 triliun untuk membangun pabrik chip canggih yang 10 kali lebih besar dari ukuran TSMC saat ini dan menggunakannya untuk produksi chip dan pelatihan model. Penelitian Universitas Stanford juga menunjukkan bahwa apa pun model bahasanya, ketika skala parameter pelatihan melebihi nilai kritis skala tersebut, kinerjanya (seperti akurasi) meningkat tajam. Hal ini sangat bertentangan dengan hukum “usaha besar dapat menghasilkan keajaiban”, dan ini juga berarti bahwa pada kenyataannya, masih banyak masalah yang harus diselesaikan dalam gagasan daya komputasi terdesentralisasi.
"Asal usul sejarah" jalur DePIN dapat ditelusuri kembali ke "ekonomi berbagi"
Konsep DePIN sendiri tidak sulit untuk dipahami, bahkan dapat ditelusuri kembali ke Web2. Melihat kembali industri Internet, setidaknya selama 15 tahun, para pemain Web2 telah tenggelam dalam mengumpulkan aset berwujud pribadi untuk menciptakan "ekonomi berbagi". " **Jika aset tidak berwujud (seperti server yang menganggur, dll.) didistribusikan kembali langsung ke pihak yang meminta dalam bentuk Peer to peer (P2P) atau Peer to business (P2B), teknologi blockchain yang terdesentralisasi dapat memberi insentif pada mekanisme untuk mengoptimalkan hubungan produksi. **Inilah yang dimaksud dengan DePIN.
Oleh karena itu, di jalur DePIN, antusiasme semua orang di sisi suplai sangat tinggi. **Sebenarnya Web2 sudah lama melakukan persiapan "redistribusi", namun kali ini langsung mencopot perantaranya. **Saat ini terdapat hampir seribu proyek DePIN, khususnya ekosistem Solana. Menurut statistik Messari, ekosistem Solana berada pada posisi terdepan dalam infrastruktur DePIN. Hal ini disebabkan oleh integrasi infrastruktur yang tinggi dan kinerja rantai publik Solana. Dalam hal distribusi regional, beberapa 10 DePIN teratas diperkirakan berasal dari Asia pada tahun 2024-2025.
Asal: Messari
Web3 dan AI memiliki banyak persimpangan. Sebagai mata uang universal dunia digital masa depan, daya komputasi adalah hal pertama yang diperhatikan orang. Namun, daya komputasi terdesentralisasi, yang merupakan skenario implementasi paling masuk akal, bukanlah yang termudah untuk diterapkan.
Di persimpangan Web3 dan AI, selain mengatasi kesulitan teknis dan terus-menerus memecahkan masalah tersebut, terdapat banyak cabang lain seperti agen AI yang memberikan kepemilikan kepada pencipta dan skenario kekuatan komputasi model AI kecil yang perlu ditelusuri dan akan lebih praktis. .seks. Akan selalu ada keseimbangan antara keberhasilan model bisnis dan terobosan teknologi.**DePIN mempercepat proses ini, dan "perjalanan berburu" DePIN akan kembali dengan hasil yang memuaskan. **