1 La intersección de AI y Cripto

El 23 de mayo, el gigante de los chips NVIDIA lanzó su informe financiero del primer trimestre del año fiscal 2025. El informe mostró que los ingresos del primer trimestre de NVIDIA fueron de $26 mil millones. Entre ellos, los ingresos del centro de datos aumentaron en un asombroso 427% respecto al año pasado, alcanzando los $22.6 mil millones. La capacidad de NVIDIA para impulsar por sí sola el rendimiento financiero del mercado de valores de EE. UU. refleja la demanda explosiva de potencia computacional entre las empresas tecnológicas globales que compiten en el campo de la IA. Cuantas más empresas tecnológicas de primer nivel expandan sus ambiciones en la carrera de la IA, mayor será su demanda exponencialmente creciente de potencia computacional. Según las previsiones de TrendForce, para 2024 se espera que la demanda de servidores de IA de alta gama de los cuatro principales proveedores de servicios en la nube de EE. UU. -Microsoft, Google, AWS y Meta- represente colectivamente más del 60% de la demanda global, con previsiones de participación del 20.2%, 16.6%, 16% y 10.8%, respectivamente.

Fuente de la imagen: https://investor.nvidia.com/financial-info/financial-reports/default.aspx

La "escasez de chips" ha sido continuamente una palabra de moda anual en los últimos años. Por un lado, los grandes modelos de lenguaje (LLM) requieren una potencia informática sustancial para el entrenamiento y la inferencia. A medida que los modelos iteran, los costos y la demanda de potencia informática aumentan exponencialmente. Por otro lado, grandes empresas como Meta compran cantidades masivas de chips, lo que hace que los recursos informáticos globales se inclinen hacia estos gigantes tecnológicos, lo que dificulta cada vez más que las pequeñas empresas obtengan los recursos informáticos necesarios. Los desafíos a los que se enfrentan las pequeñas empresas se derivan no solo de la escasez de chips debido a la demanda creciente, sino también de las contradicciones estructurales en la oferta. Actualmente, todavía hay una gran cantidad de GPU inactivas en el lado de la oferta; por ejemplo, algunos centros de datos tienen una gran cantidad de potencia informática inactiva (con tasas de utilización tan bajas como del 12% al 18%), y también hay recursos significativos de potencia informática inactivos en la minería encriptada debido a la reducción de la rentabilidad. Aunque no toda esta potencia informática es adecuada para aplicaciones especializadas como el entrenamiento de IA, el hardware de grado de consumidor todavía puede desempeñar un papel significativo en otras áreas como la inferencia de IA, la representación de juegos en la nube, los teléfonos en la nube, etc. La oportunidad de integrar y utilizar estos recursos informáticos es enorme.

Centrando la atención de la IA en la cripto, tras tres años de silencio en el mercado de criptomonedas, finalmente ha surgido otro mercado alcista. Los precios del Bitcoin han alcanzado repetidamente nuevos máximos, y continúan surgiendo diversas monedas meme. Aunque la IA y la Cripto han sido palabras de moda en los últimos años, la inteligencia artificial y el blockchain como dos tecnologías importantes parecen líneas paralelas que aún no han encontrado una “intersección”. A principios de este año, Vitalik publicó un artículo titulado “La promesa y los desafíos de las aplicaciones de cripto + IA”, donde se discuten escenarios futuros en los que la IA y la cripto convergen. Vitalik delineó muchas visiones en el artículo, incluyendo el uso de tecnologías de blockchain y MPC (cómputo multipartito) para el entrenamiento descentralizado y la inferencia de IA, lo que podría abrir la caja negra del aprendizaje automático y hacer que los modelos de IA sean más confiables, entre otros beneficios. Si bien realizar estas visiones requerirá un esfuerzo considerable, un caso de uso mencionado por Vitalik—potenciar la IA a través de incentivos cripto-económicos—es una dirección importante que se puede lograr a corto plazo. Las redes de potencia informática descentralizada son actualmente uno de los escenarios más adecuados para la integración de IA + cripto.

2 Red de Potencia Computacional Descentralizada

Actualmente, hay numerosos proyectos en desarrollo en el espacio de la red de potencia computacional descentralizada. La lógica subyacente de estos proyectos es similar y puede resumirse de la siguiente manera: utilizar tokens para incentivar a los proveedores de potencia computacional a participar en la red y ofrecer sus recursos informáticos. Estos recursos informáticos dispersos pueden agregarse en redes de potencia computacional descentralizadas de gran escala. Este enfoque no solo aumenta la utilización de la potencia computacional ociosa, sino que también satisface las necesidades informáticas de los clientes a costos más bajos, logrando una situación de ganar-ganar para compradores y vendedores.

Para proporcionar a los lectores una comprensión integral de este sector en poco tiempo, este artículo deconstruirá proyectos específicos y todo el campo desde perspectivas micro y macro. El objetivo es proporcionar conocimientos analíticos para que los lectores comprendan las ventajas competitivas principales de cada proyecto y el desarrollo general del sector de la red de potencia informática descentralizada. El autor presentará y analizará cinco proyectos: Aethir, io.net, Render Network, Akash Network y Gensyn, y resumirá y evaluará sus situaciones y el desarrollo del sector.

En términos de marco analítico, al centrarse en una red específica de potencia computacional descentralizada, podemos descomponerla en cuatro componentes principales:

• Red de hardware: La integración de recursos informáticos dispersos a través de nodos distribuidos globalmente para facilitar el intercambio de recursos y el equilibrio de carga forma la capa fundamental de las redes de potencia computacional descentralizadas.
• Mercado bilateral: emparejando proveedores de potencia computacional con demandantes a través de mecanismos efectivos de fijación de precios y descubrimiento, proporcionando una plataforma de negociación segura que garantiza transacciones transparentes, justas y confiables para ambas partes.
• Mecanismo de consenso: Garantizar que los nodos dentro de la red funcionen correctamente y completen tareas. El mecanismo de consenso monitorea dos aspectos: 1) Tiempo de actividad del nodo para garantizar que estén activos y listos para aceptar tareas en cualquier momento. 2) Prueba de finalización de la tarea: Los nodos completan efectiva y correctamente las tareas sin desviar la potencia computacional para otros fines, ocupando procesos y hilos.
• Incentivos de tokens: Los modelos de tokens incentivan a más participantes a proporcionar/utilizar servicios, capturando efectos de red con tokens para facilitar el intercambio de beneficios comunitarios.

Desde una perspectiva general del sector de la potencia computacional descentralizada, Blockworks Research proporciona un marco analítico sólido que categoriza los proyectos en tres capas distintas.

• Capa de metal desnudo: Forma la capa fundamental de la pila de computación descentralizada, responsable de agregar recursos de computación crudos y hacerlos accesibles a través de llamadas de API.
• Capa de Orquestación: Constituye la capa intermedia de la pila de computación descentralizada, principalmente enfocada en la coordinación y abstracción. Maneja tareas como programación, escalado, operación, equilibrio de carga y tolerancia a fallos de la potencia computacional. Su papel principal es "abstraer" la complejidad de la gestión del hardware subyacente, proporcionando una interfaz de usuario más avanzada adaptada a las necesidades específicas del cliente.
• Capa de Agregación: Forma la capa superior de la pila de computación descentralizada, principalmente responsable de la integración. Proporciona una interfaz unificada para que los usuarios ejecuten diversas tareas de computación en un solo lugar, como entrenamiento de IA, renderizado, zkML y más. Esta capa actúa como una capa de orquestación y distribución para múltiples servicios de computación descentralizada.

Fuente de la imagen: Youbi Capital

Basándonos en los dos marcos de análisis proporcionados, realizaremos un análisis comparativo de cinco proyectos seleccionados en cuatro dimensiones: negocio principal, posicionamiento en el mercado, instalaciones de hardware y rendimiento financiero.

2.1 Core Business

Desde una perspectiva fundamentada, las redes de potencia computacional descentralizada son altamente homogeneizadas, utilizando tokens para incentivar a los proveedores de potencia computacional inactiva a ofrecer sus servicios. Basándonos en esta lógica fundamental, podemos comprender las diferencias comerciales centrales entre los proyectos desde tres aspectos:

• La fuente de potencia computacional inactiva
  • Las fuentes de potencia informática inactiva en el mercado provienen principalmente de dos categorías principales: 1) centros de datos, compañías mineras y otras empresas; y 2) usuarios individuales. Los centros de datos suelen poseer hardware de grado profesional, mientras que los usuarios individuales generalmente adquieren chips de grado de consumo.
  • Aethir, Akash Network y Gensyn principalmente recopilan potencia computacional de las empresas. Los beneficios de obtener recursos de las empresas incluyen: 1) hardware de mayor calidad y equipos de mantenimiento profesionales, lo que se traduce en un mayor rendimiento y confiabilidad de los recursos informáticos; 2) mayor homogeneidad y gestión centralizada de los recursos informáticos en empresas y centros de datos, lo que resulta en una programación y mantenimiento más eficientes. Sin embargo, este enfoque requiere mayores exigencias por parte de los equipos de proyectos, lo que implica establecer relaciones comerciales con empresas que controlan la potencia computacional. Además, la escalabilidad y la descentralización pueden verse comprometidas en cierta medida.
  • Render Network y io.net incentivan a los usuarios individuales a proporcionar su potencia informática inactiva. Las ventajas de obtener recursos de individuos incluyen: 1) costos explícitos más bajos de potencia informática inactiva de individuos, lo que proporciona recursos informáticos más económicos; 2) mayor escalabilidad y descentralización de la red, mejorando la resiliencia y robustez del sistema. Sin embargo, las desventajas incluyen la distribución generalizada y heterogénea de recursos entre individuos, lo que complica la gestión y la programación, aumentando los desafíos operativos. Además, confiar en la potencia informática individual para iniciar efectos de red puede ser más difícil. Por último, los dispositivos de propiedad individual pueden representar más riesgos de seguridad, lo que podría llevar a fugas de datos y uso indebido de la potencia informática.
• Consumidor de potencia computacional
  • Desde la perspectiva de los consumidores de potencia computacional, Aethir, io.net y Gensyn se dirigen principalmente a las empresas. Para los clientes de B, como los que requieren IA y renderizado de juegos en tiempo real, hay una gran demanda de recursos informáticos de alto rendimiento, que suelen requerir GPU de gama alta o hardware de grado profesional. Además, los clientes de B tienen requisitos estrictos de estabilidad y confiabilidad de los recursos informáticos, lo que requiere acuerdos de nivel de servicio de alta calidad para garantizar una operación de proyecto fluida y un soporte técnico oportuno. Además, los costos de migración para los clientes de B son sustanciales. Si las redes descentralizadas no tienen SDK maduros para facilitar la implementación rápida de proyectos (por ejemplo, Akash Network que requiere que los usuarios desarrollen basándose en puertos remotos), se vuelve difícil persuadir a los clientes para que migren. A menos que haya una ventaja significativa en el precio, la disposición del cliente a migrar sigue siendo baja.
  • Render Network y Akash Network principalmente prestan servicios de potencia informática a usuarios individuales. Servir a consumidores finales requiere que los proyectos diseñen interfaces y herramientas simples y fáciles de usar para ofrecer una experiencia positiva al consumidor. Además, los consumidores son muy sensibles al precio, lo que exige estrategias de precios competitivas por parte de los proyectos.
• Tipo de hardware
  • Los recursos de hardware informático comunes incluyen CPU, FPGA, GPU, ASIC y SoC. Estos tipos de hardware tienen diferencias significativas en objetivos de diseño, características de rendimiento y áreas de aplicación. En resumen, las CPUs son excelentes para tareas de cómputo general, las FPGAs son ventajosas para el procesamiento paralelo y la programabilidad, las GPUs tienen un buen rendimiento en cómputo paralelo, los ASICs son más eficientes para tareas específicas y los SoCs integran múltiples funciones en una unidad, adecuados para aplicaciones altamente integradas. La elección del hardware depende de las necesidades específicas de la aplicación, los requisitos de rendimiento y las consideraciones de costo.
  • Los proyectos de potencia informática descentralizada que discutimos principalmente recopilan potencia informática de GPU, que está determinada por el tipo de proyecto y las características de las GPU. Las GPU tienen ventajas únicas en el entrenamiento de IA, la computación paralela, la renderización multimedia, etc. Aunque estos proyectos involucran principalmente la integración de GPU, diferentes aplicaciones tienen especificaciones y requisitos de hardware diferentes, lo que resulta en núcleos de optimización heterogéneos y parámetros. Estos parámetros incluyen dependencias en paralelo/serie, memoria, latencia, etc. Por ejemplo, las cargas de trabajo de renderización son en realidad más adecuadas para las GPU de grado de consumidor en lugar de las GPU de centro de datos de mayor rendimiento porque la renderización exige altos requisitos para tareas como el trazado de rayos. Los chips de grado de consumidor como los 4090 están mejorados con núcleos RT, específicamente optimizados para tareas de trazado de rayos. El entrenamiento de IA y la inferencia requieren GPU de grado profesional. Por lo tanto, la Red de Render puede agregar GPU de grado de consumidor como RTX 3090 y 4090 de usuarios individuales, mientras que IO.NET requiere más H100, A100 y otras GPU de grado profesional para satisfacer las necesidades de las startups de IA.

2.2 Posicionamiento en el mercado

En cuanto a la posicionamiento del proyecto, los problemas centrales a abordar, el enfoque de optimización y las capacidades de captura de valor difieren para la capa de metal desnudo, la capa de orquestación y la capa de agregación.

• La capa de metal desnudo se enfoca en la recolección y utilización de recursos físicos. La capa de orquestación se preocupa por la programación y optimización de la potencia computacional, diseñando la configuración óptima del hardware físico de acuerdo a las necesidades del cliente. La capa de agregación es de propósito general, enfocada en la integración y abstracción de diferentes recursos.
• Desde una perspectiva de cadena de valor, cada proyecto debe comenzar desde la capa de metal desnudo y esforzarse por ascender. En términos de captura de valor, la capacidad aumenta progresivamente desde la capa de metal desnudo hasta la capa de orquestación y finalmente hasta la capa de agregación. La capa de agregación puede capturar el valor máximo porque una plataforma de agregación puede lograr los mayores efectos de red y llegar directamente a la mayoría de los usuarios, actuando efectivamente como el punto de entrada de tráfico para una red descentralizada, ocupando así la posición de captura de valor más alta en toda la pila de gestión de recursos informáticos.
• De manera correspondiente, la construcción de una plataforma de agregación es la más desafiante. Un proyecto debe abordar de manera integral la complejidad técnica, la gestión de recursos heterogéneos, la fiabilidad y escalabilidad del sistema, la realización del efecto de red, la seguridad y protección de la privacidad, y cuestiones complejas de gestión operativa. Estos desafíos son desfavorables para el inicio en frío de un proyecto y dependen de la situación de desarrollo y el momento del sector. Es irrealista trabajar en la capa de agregación antes de que la capa de orquestación haya madurado y capturado una parte significativa del mercado.
• Actualmente, Aethir, Render Network, Akash Network y Gensyn pertenecen a la capa de orquestación. Su objetivo es proporcionar servicios para objetivos específicos y grupos de clientes. El principal negocio de Aethir es el renderizado en tiempo real para juegos en la nube y proporcionar ciertos entornos de desarrollo y herramientas de implementación para clientes B; el principal negocio de Render Network es el renderizado de video; la misión de Akash Network es proporcionar una plataforma de mercado similar a Taobao; y Gensyn se enfoca profundamente en el campo de entrenamiento de IA. IO.net se posiciona como una capa de agregación, pero su funcionalidad actual aún está algo alejada de la de una capa de agregación completa. Aunque ha recopilado hardware de Render Network y Filecoin, la abstracción e integración de los recursos de hardware aún no se ha completado.

2.3 Instalaciones de hardware

• Actualmente, no todos los proyectos han revelado datos detallados de la red. Comparativamente, la interfaz de usuario del explorador de io.net es la mejor, mostrando parámetros como la cantidad, tipos, precios, distribución, uso de la red y ganancias de GPU/CPU y nodos. Sin embargo, a finales de abril, el frontend de io.net fue atacado debido a la falta de autenticación para las interfaces PUT/POST, lo que llevó a que los hackers alteraran los datos del frontend. Este incidente ha generado preocupaciones sobre la privacidad y confiabilidad de los datos de red para otros proyectos también.
• En cuanto a la cantidad y modelos de GPU, io.net, como capa de agregación, lógicamente debería tener el hardware más completo. Aethir le sigue de cerca, mientras que el estado del hardware de otros proyectos es menos transparente. io.net tiene una amplia variedad de GPU, incluidas GPU de grado profesional como la A100 y GPU de grado de consumidor como la 4090, lo que se alinea con la posición de agregación de io.net. Esto permite a io seleccionar la GPU más adecuada según los requisitos específicos de la tarea. Sin embargo, diferentes modelos y marcas de GPU pueden requerir diferentes controladores y configuraciones, y el software también necesita una compleja optimización, lo que aumenta la complejidad de la gestión y el mantenimiento. Actualmente, la asignación de tareas de io depende principalmente de la autoselección del usuario.
• Aethir ha lanzado su propia máquina de minería, y en mayo, Aethir Edge, con el respaldo de Qualcomm, fue lanzado oficialmente. Esto rompe con la implementación de un único clúster de GPU centralizado lejos de los usuarios, desplegando potencia computacional en el borde. Aethir Edge, combinado con la potencia computacional del clúster H100, sirve a escenarios de IA, desplegando modelos entrenados para proporcionar servicios de computación de inferencia a costos óptimos. Esta solución está más cerca de los usuarios, es más rápida en el servicio y ofrece una mayor eficiencia en costos.
• Desde la perspectiva de la oferta y la demanda, tomando como ejemplo la Red Akash, sus estadísticas muestran un total de aproximadamente 16k de CPU y 378 GPU. Según la demanda de alquiler de red, las tasas de utilización para la CPU y la GPU son del 11,1% y el 19,3%, respectivamente. Solo la GPU de grado profesional H100 tiene una tasa de alquiler relativamente alta, mientras que la mayoría de los otros modelos permanecen inactivos. Esta situación es generalmente similar en otras redes, con una demanda de red en general baja y la mayor parte de la potencia informática, excepto por chips populares como A100 y H100, que permanece inactiva.
• En cuanto a la ventaja de precio, en comparación con los proveedores de servicios tradicionales, la ventaja de costo no es significativa excepto contra los gigantes del mercado de la computación en la nube.

2.4 Rendimiento financiero

• Independientemente de cómo se diseñe el modelo de token, una economía de tokens saludable debe cumplir con las siguientes condiciones básicas: 1) La demanda del usuario en la red debe reflejarse en el precio del token, lo que significa que el token puede capturar valor; 2) Todos los participantes, ya sean desarrolladores, nodos o usuarios, necesitan recibir incentivos a largo plazo y justos; 3) Asegurar la gobernanza descentralizada y evitar la retención excesiva por parte de los insiders; 4) Mecanismos razonables de inflación y deflación y programaciones de lanzamiento de tokens para evitar que la volatilidad significativa del precio afecte la estabilidad y sostenibilidad de la red.
• Si clasificamos ampliamente los modelos de tokens en BME (equilibrio de quema y acuñación) y SFA (apostar para acceder), la presión deflacionaria de estos dos modelos proviene de diferentes fuentes: En el modelo BME, los tokens se queman después de que los usuarios compran servicios, por lo que la presión deflacionaria del sistema está determinada por la demanda. En el modelo SFA, los proveedores de servicios / nodos deben apostar tokens para obtener la calificación para proporcionar servicios, por lo que la presión deflacionaria es generada por la oferta. La ventaja de BME es que es más adecuado para bienes no estandarizados. Sin embargo, si la demanda de la red es insuficiente, puede enfrentar una presión inflacionaria continua. Los modelos de tokens de varios proyectos difieren en los detalles, pero en general, Aethir se inclina más hacia SFA, mientras que io.net, Render Network y Akash Network se inclinan más hacia BME. El modelo de Gensyn aún es desconocido.
• En términos de ingresos, la demanda de red se reflejará directamente en los ingresos totales de la red (excluyendo los ingresos de los mineros, ya que los mineros reciben recompensas por completar tareas y subvenciones de proyectos). Según los datos públicamente disponibles, io.net tiene el valor más alto. Aunque los ingresos de Aethir aún no se han divulgado, la información pública indica que han anunciado la firma de pedidos con muchos clientes finales.
• En cuanto a los precios de los tokens, solo Render Network y Akash Network han realizado ICO hasta ahora. Aethir y io.net también han emitido tokens recientemente, pero su rendimiento de precios debe observarse más a fondo y no se discutirá en detalle aquí. Los planes de Gensyn aún no están claros. De los dos proyectos que han emitido tokens y otros proyectos en el mismo sector que no se discuten aquí, las redes de potencia informática descentralizadas han mostrado un rendimiento de precios muy impresionante, lo que refleja el importante potencial de mercado y las altas expectativas de la comunidad hasta cierto punto.

2.5 Resumen

• El sector de la potencia computacional descentralizada está desarrollándose rápidamente, con muchos proyectos ya capaces de servir a los clientes a través de sus productos y generar ciertos ingresos. El sector ha superado la mera narrativa y ha entrado en una fase en la que se pueden proporcionar servicios preliminares.
• Un problema común que enfrentan las redes de potencia computacional descentralizadas es la débil demanda, con las necesidades a largo plazo de los clientes no siendo bien validadas y exploradas. Sin embargo, los desafíos del lado de la demanda no han afectado significativamente los precios de los tokens, ya que los pocos proyectos que han emitido tokens han mostrado un rendimiento impresionante.
• La IA es la narrativa principal para las redes de potencia computacional descentralizada, pero no es la única aplicación. Además del entrenamiento e inferencia de IA, la potencia computacional también se puede utilizar para renderizado en tiempo real en juegos en la nube, servicios móviles en la nube y más.
• El hardware en las redes de potencia computacional es altamente heterogéneo, y la calidad y escala de estas redes necesitan mejoras adicionales. Para los usuarios finales C, la ventaja de costos no es muy significativa. Para los usuarios finales B, además de los ahorros de costos, también se deben considerar factores como la estabilidad del servicio, la confiabilidad, el soporte técnico, el cumplimiento y el respaldo legal. Los proyectos Web3 generalmente no tienen buen desempeño en estas áreas.

3 Pensamientos Finales

El crecimiento exponencial en la inteligencia artificial ha llevado innegablemente a una gran demanda de potencia computacional. Desde 2012, la potencia computacional utilizada en tareas de entrenamiento de inteligencia artificial ha estado creciendo de forma exponencial, duplicándose aproximadamente cada 3,5 meses (en comparación, la Ley de Moore predice una duplicación cada 18 meses). Desde 2012, la demanda de potencia computacional ha aumentado en más de 300,000 veces, superando con creces el aumento de 12 veces predicho por la Ley de Moore. Las previsiones predicen que el mercado de GPU crecerá a una tasa de crecimiento anual compuesta del 32% en los próximos cinco años, alcanzando más de $200 mil millones. Las estimaciones de AMD son aún mayores, con la empresa prediciendo que el mercado de chips GPU alcanzará los $400 mil millones para 2027.

Image source: https://www.stateof.ai/

El crecimiento explosivo de la inteligencia artificial y otras cargas de trabajo intensivas en cómputo, como el renderizado de AR/VR, ha expuesto ineficiencias estructurales en la computación en la nube tradicional y en los principales mercados de cómputo. En teoría, las redes de potencia informática descentralizada pueden aprovechar los recursos informáticos distribuidos inactivos para proporcionar soluciones más flexibles, rentables y eficientes que satisfagan la enorme demanda de recursos informáticos.

Por lo tanto, la combinación de cripto y IA tiene un enorme potencial de mercado pero también enfrenta una intensa competencia con empresas tradicionales, altas barreras de entrada y un entorno de mercado complejo. En general, entre todos los sectores cripto, las redes de potencia computacional descentralizadas son uno de los verticales más prometedores en el campo de las criptomonedas para satisfacer la demanda real.

Fuente de la imagen: https://vitalik.eth.limo/general/2024/01/30/cryptoai.html

El futuro es brillante, pero el camino es desafiante. Para lograr la visión antes mencionada, necesitamos abordar numerosos problemas y desafíos. En resumen, en esta etapa, simplemente proporcionar servicios de nube tradicionales resulta en un margen de beneficio pequeño para los proyectos.

Desde el lado de la demanda, las grandes empresas normalmente construyen su propia potencia computacional, mientras que la mayoría de los desarrolladores individuales tienden a elegir servicios en la nube establecidos. Queda por explorar y verificar si las pequeñas y medianas empresas, los verdaderos usuarios de los recursos de la red de potencia computacional descentralizada, tendrán una demanda estable.

Por otro lado, la IA es un mercado vasto con un potencial e imaginación extremadamente altos. Para aprovechar este mercado más amplio, los futuros proveedores de servicios de potencia computacional descentralizada deberán pasar a ofrecer modelos y servicios de IA, explorar más casos de uso de cripto + IA y ampliar el valor que sus proyectos pueden crear. Sin embargo, en la actualidad, aún quedan muchos problemas y desafíos por abordar antes de poder lograr un mayor desarrollo en el campo de la IA:

• La ventaja de precio no es prominente: Comparando datos anteriores revela que las redes de potencia computacional descentralizada no muestran ventajas de costo significativas. Esto puede deberse a los mecanismos de mercado que dictan que los chips especializados de alta demanda como H100 y A100 no tienen precios bajos. Además, la falta de economías de escala debido a la descentralización, los altos costos de red y ancho de banda, y la complejidad significativa de la gestión y operaciones agregan costos ocultos que aumentan aún más los costos de computación.
• Desafíos específicos en el entrenamiento de IA: Realizar el entrenamiento de IA de manera descentralizada enfrenta importantes cuellos de botella técnicos en la actualidad. Estos cuellos de botella son visualmente evidentes en el flujo de trabajo de la GPU: durante el entrenamiento de modelos de lenguaje grandes, las GPUs primero reciben lotes de datos preprocesados para la propagación hacia adelante y hacia atrás para calcular gradientes. Luego, las GPUs agregan gradientes y actualizan los parámetros del modelo para garantizar la sincronización. Este proceso iterativo continúa hasta que todos los lotes estén entrenados o se alcance un número especificado de épocas. Involucra una transferencia de datos y sincronización extensas. Preguntas como qué estrategias de paralelismo y sincronización utilizar, cómo optimizar el ancho de banda y la latencia de la red, y cómo reducir los costos de comunicación siguen siendo en gran medida no resueltas. Actualmente, el uso de redes de potencia informática descentralizada para el entrenamiento de IA es impráctico.
• Preocupaciones sobre la seguridad de datos y privacidad: En el proceso de formación de grandes modelos de lenguaje, cada etapa que implica el manejo y la transmisión de datos, como la asignación de datos, el entrenamiento del modelo y la agregación de parámetros y gradientes, puede potencialmente afectar la seguridad de datos y la privacidad. Las preocupaciones de privacidad son especialmente críticas en modelos que involucran datos sensibles. Sin resolver los problemas de privacidad de datos, la escalabilidad en el lado de la demanda no es factible.

Desde una perspectiva pragmática, una red de potencia informática descentralizada necesita equilibrar la exploración de la demanda actual con las futuras oportunidades de mercado. Es crucial identificar una clara posición del producto y público objetivo. Centrarse inicialmente en proyectos no nativos de IA o Web3, que aborden demandas relativamente de nicho, puede ayudar a establecer una base de usuarios temprana. Al mismo tiempo, la exploración continua de varios escenarios donde la IA y la cripto convergen es esencial. Esto implica explorar fronteras tecnológicas y actualizar servicios para satisfacer las necesidades en evolución. Al alinear estratégicamente las ofertas de productos con las demandas del mercado y mantenerse a la vanguardia de los avances tecnológicos, las redes de potencia informática descentralizada pueden posicionarse de manera efectiva para un crecimiento sostenido y relevancia en el mercado.

Referencias

https://www.stateof.ai/

https://vitalik.eth.limo/general/2024/01/30/cryptoai.html

https://foresightnews.pro/article/detail/34368

https://app.blockworksresearch.com/unlocked/compute-de-pi-ns-paths-to-adoption-in-an-ai-dominated-market?callback=%2Fresearch%2Fcompute-de-pi-ns-paths-to-adoption-in-an-ai-dominated-market

https://research.web3caff.com/zh/archives/17351?ref=1554

Declaración:

1. Este artículo es reproducido de [Youbi Capital], el derecho de autor pertenece al autor original [Youbi], si tienes alguna objeción a la reimpresión, por favor contacta al Gate Learnequipo, y el equipo lo manejará lo antes posible según los procedimientos relevantes.

2. Descargo de responsabilidad: Las opiniones expresadas en este artículo representan únicamente las opiniones personales del autor y no constituyen ningún tipo de asesoramiento de inversión.

3. Las otras versiones en diferentes idiomas del artículo son traducidas por el equipo de Gate Learn y no se mencionan en Gate.ioEl artículo traducido no puede ser reproducido, distribuido o plagiado.