FX168财经网_全球视野外汇黄金加密货币NFT资讯网

【A股头条】周末A股重磅利好，证监会发声，积极发展股票ETF！利空英伟达？国产DeepSeek大模型震动全球AI圈

金融界01-27 07:40

利空英伟达？国产DeepSeek大模型震动全球AI圈，周末疯狂刷屏，量化私募巨头成功跨界AI！网名调侃：中国股民做出贡献

ore应用商店美区免费榜排行第六，超越Google Gemini、Microsoft Copilot等美国生成式AI产品。今日有网友反映，DeepSeek崩了，提示服务器繁忙。一位Meta的工程师在美国科技公司员工社区Blind中这样写道，“Meta的生成式AI部门正处于恐慌中。这一切始于DeepSeek，它使得 Llama 4 在基准测试中已经落后。雪上加霜的是：那个不知名的中国公司，仅有550万美元的训练预算。工程师们正在疯狂地剖析DeepSeek，并试图从中复制一切可能的东西。” ”英伟达高级研究科学家Jim Fan表示，DeepSeek-R1可能是第一个展示了RL（强化学习）飞轮可发挥作用且能带来持续增长的OSS（开源软件）项目。加利福尼亚大学伯克利分校教授Alex Dimakis则称，DeepSeek似乎是奔赴OpenAI最初使命的“最佳人选”，其他公司需要迎头赶上。硅谷风投A16Z创始人Marc Andreessen也发表评论称，DeepSeek-R1是他见过的最令人惊叹且令人印象深刻的一个突破，作为开源的模型，它的面世给世界带来了一份礼物。不过，“深度学习”三巨头之一、图灵奖得主、Meta AI首席科学家杨立昆表示，DeepSeek-R1面世与其说意味着中国公司在AI领域正在超越美国公司，不如说意味着开源大模型正在超越闭源。训练成本大降，利空英伟达？此外，值得注意的是DeepSeek-R1 API服务定价为每百万输入tokens 1元（缓存命中）/4元（缓存未命中），每百万输出tokens16元，输出API价格只有OpenAI o1的3%。低价背后，显然仍是秀肌肉，价格实力展现了技术实力——从AIInfra 层面降本的技术能力。而训练成本一直是DeepSeek的一大优势。在其12月底发布的DeepSeek-V3中，参数量为671B，激活参数为37B，使用的预训练token量为14.8万亿。其多项评测成绩超越了阿里的Qwen2.5-72B和MetadeLlama-3.1-405B等其他开源模型，并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。前OpenAI联创、知名AI科学家AndrejKarpathy在其个人社交平台上表示，DeepSeek-V3整个训练过程仅用了不到280万GPU小时，相比之下，Meta旗下顶尖的开源模型Llama-3405B的训练时长是3080万GPU小时。如果DeepSeekV3的优良表现能够得到广泛验证，那么这将是资源有限情况下对研究和工程的一次出色展示。若从成本上进行更直观的对比，假设H800的租金为每GPU小时2美元，DeepSeek-V3的总训练成本仅为600万美元不到，是Llama-3405B超6000万美元训练成本的十分之一不到。对于深度求索强大的降本能力，“AI界的拼多多”呼声四起。英伟达的竞争对手、知名半导体公司超微半导体（AMD）昨日发布消息称，已将DeepSeek-V3模型集成到AMD的芯片产品Instinct MI300X GPU上，该模型旨在与SGLang一起实现最佳性能。DeepSeek-V3针对Al推理进行了优化。业内人士分析称，AMD作为全球领先的芯片厂商，通过与DeepSeek合作将为AI推理带来新的想象空间，也有望动摇“英伟达+OpenAI”联合主导的行业格局，改变既有的游戏规则。 DeepSeek不仅将模型训练成本大幅降低，而且发布的新模型R1也同步开源模型权重，公开了完整训练细节，挑战了闭源系统的优势。随着DeepSeek将AI大模型技术及使用门槛降低，有市场人士担忧，DeepSeekR1的崛起可能会削弱市场对英伟达AI芯片需求的预期，对英伟达的市场地位和战略布局产生影响。有观点认为，DeepSeek-V3极低的训练成本预示着AI大模型对算力投入的需求将大幅下降，这无疑将利空全球AI算力的核心供应商英伟达。网名调侃：中国股民做出贡献 DeepSeek是国内量化巨头幻方量化的子公司。依靠DeepSeek的出色表现，量化巨头幻方量化创始人梁文锋也迅速奠定了在AI圈地位。梁文锋本硕均就读于浙江大学信息与电子工程学专业。2015年，梁文锋与校友共同创立幻方量化。2021年，幻方量化成为国内首家突破千亿规模的的量化私募大厂，被称为国内量化私募“四大天王”之一。早年，幻方量化开始大规模布局 AI 算力，搭建起“萤火一号”集群。2021年，“萤火二号”落成，这给了DeepSeek快速奔跑的底层支撑。对此，有人调侃，中国股民给世界AI最大的的贡献就是让幻方量化赚了那么多钱。然后幻方量化创始人有钱买最好的GPU，收纳一批中国最牛的精英，做出了不错的Deepseek。

金融界01-26 17:13

微软投入数百亿美元推动人工智能发展，因AI服务采用速度低于预期，股价较高点回落10%，市场期待2025年收入与增长双驱动

个月中仅有13%的用户尝试，相比之下，Google Gemini和ChatGPT的使用率分别达到了25%。同时，微软还宣布将Office套件的价格提高30%，以捆绑其人工智能工具并试图提高采纳率。 AI服务采用速度对微软股价的影响微软的股价自2024年7月创下历史新高后已经下跌约10%，在“七巨头”中表现最差。这反映出投资者对其AI相关高额支出的担忧，以及服务 adoption速度低于预期的市场反应。虽然Azure云计算业务预计将在未来数年实现两位数增长，但最近两个季度的疲软表现（包括增长预期下调和放缓）使得投资者对短期回报的信心受挫。市场对微软AI未来的看法尽管面临短期挑战，但华尔街对微软的长期潜力仍持乐观态度。超过90%的分析师建议买入微软股票，其12个月目标价格显示约20%的上升空间。摩根士丹利的分析师认为，微软的品牌调整表明市场正在重新定位其AI产品策略，并对后续增长充满期待。美银表示，微软是AI周期中“最佳定位”的公司之一。 UBS全球财富管理的首席投资官Solita Marcelli表示，2025年人工智能收入有望显著提升，并成为推动股票表现的关键动力。相关科技行业动态苹果公司股价在1月11日大跌4%，创下2025年以来的单日最大跌幅，主要由于中国市场疲软和iPhone销售疲态。 TikTok可能因假期和新政府的干预而暂时避免禁令，这为其中国母公司争取更多时间进行业务调整。 SpaceX的Starship火箭在第七次测试中意外爆炸，可能延缓公司的技术进步。编辑观点与名词解释微软在人工智能上的巨额投资显示了其在未来科技方向上的决心，尽管短期回报可能并不显著，但长期增长潜力依旧显而易见。在不断优化产品和服务的过程中，微软的AI战略需要平衡市场预期与技术创新之间的关系。名词解释人工智能（AI）：利用机器学习和算法模拟人类智能的技术。 Azure：微软提供的云计算服务平台，支持AI和其他业务应用程序。七巨头（Magnificent Seven）：指科技行业的七家顶尖公司，包括微软、苹果、谷歌等。 2025年相关大事件 2025年1月15日：微软宣布Copilot功能重命名，并试图加速其企业版的市场采用。 2025年1月12日：美银将微软评为2025年AI领域的最佳投资选择。 2025年1月11日：苹果公司股价因iPhone销售疲软和中国市场下滑下跌4%。来源：今日美股网

今日美股网01-18 00:10

Google推出Gemini系列AI模型：增强生成能力与多模态处理带来突破性进展

Google Gemini内容导读什么是Gemini Gemini应用与Gemini模型的区别 Gemini高级功能 Gemini在Google服务中的应用 Gemini模型的能力 Gemini的定价什么是Gemini Gemini是Google推出的下一代生成式人工智能（AI）模型系列，由Google的AI研究实验室DeepMind和Google Research共同开发。Gemini系列包括四种不同版本的模型： Gemini Ultra Gemini Pro Gemini Flash：这是一个加速版的Pro模型，具备更高的速度。 Gemini Nano：包括Nano-1和更强大的Nano-2，主要用于离线运行。这些模型都具备多模态能力，能够处理并分析文字以外的多种数据类型，如音频、图像、视频等。 Gemini应用与Gemini模型的区别 Gemini模型与Gemini应用是两个不同的概念。Gemini应用是通过图形化界面与Gemini模型交互的客户端应用，类似于ChatGPT和Claude的前端界面。 Gemini应用包括Google的Web和移动端客户端，Android系统中的Gemini应用取代了Google Assistant，而在iOS中，则通过Google和Google Search应用来访问Gemini。 Gemini高级功能 Gemini的高级功能包括Gemini Advanced，这是一项面向Google One AI Premium Plan用户的高级服务，提供更多的功能和更强大的处理能力。使用Gemini Advanced，用户可以享受更长的对话历史记录、优先访问新功能的特权，并且能够直接在Gemini内运行和编辑Python代码。此外，Gemini Advanced用户还可以使用Deep Research功能来生成复杂的研究简报，并且享有能够记住旧对话的记忆功能。 Gemini在Google服务中的应用 Gemini不仅限于独立应用，还被集成到Google的多个服务中，包括Gmail、Docs、Slides、Sheets等。用户可以在这些服务中使用Gemini生成内容、总结信息和帮助数据分析。在Google地图中，Gemini可以帮助用户总结咖啡店的评价或提供旅游建议。 Gemini模型的能力 Gemini模型具备强大的多模态能力，能够执行多种任务，包括语音转文字、图像和视频的标注等。具体来说，Gemini Ultra可以帮助用户进行物理作业、解决问题，并从科学文献中提取信息。 Gemini Pro在推理、规划和理解方面比LaMDA更强，并且支持处理更大规模的数据。 Gemini的定价 Gemini的定价基于使用量收费。具体价格如下： Gemini 1.0 Pro：输入令牌每百万次50美分，输出令牌每百万次1.50美元。 Gemini 1.5 Pro：根据输入和输出令牌的长度，价格为每百万次输入令牌1.25美元到2.50美元，输出令牌每百万次5美元到10美元。 Gemini 1.5 Flash：输入令牌每百万次7.5美分到15美分，输出令牌每百万次30美分到60美分。编辑观点根据TodayUSstock.com报道，Gemini作为Google的下一代生成式人工智能模型，在功能的多样性和技术的先进性上展示了其巨大的潜力。随着它在Google服务中的逐步渗透，预计Gemini将为用户提供更加个性化、智能化的体验。然而，目前生成式AI的偏见和虚假信息问题仍然存在，需要用户在使用过程中保持警觉。在未来的开发中，Google能否解决这些问题，并进一步提升Gemini的实际应用效果，将是其成败的关键。名词解释 Gemini: Google开发的一系列多模态生成式AI模型。多模态: 能够处理和分析多种不同类型的数据（如文本、图像、音频等）的能力。 Google One AI Premium Plan: Google的付费AI服务，提供对Gemini高级功能的访问。 DeepMind: Google旗下的人工智能研究实验室。今年相关大事件 2024年12月: Google推出了Gemini 2.0 Flash，这是其旗舰AI模型，具备更高速度和多模态处理能力。 2024年8月: Gemini重新引入了生成图片的功能，允许特定用户生成更加准确的历史人物图像。 2024年6月: Google推出了面向青少年的Gemini体验，提供专门的AI使用指南和安全功能。来源：今日美股网

今日美股网2024-12-14

解密去中心化AI云平台OORT .如何打造公平透明的开发环境？

23年以来，AI技术如ChatGPT、Google Gemini和OpenAI Sora对我们产生了显著影响。然而，人们对它们如何收集和使用数据以及其中可能存在的偏见却知之甚少。想象一下，如果一个AI应用主要从某一特定群体收集的数据中学习，这可能会使AI在做决策时无意中偏袒、产生偏见或使某些群体处于不利地位。为了避免这种情况，必须使用来自不同群体的多样化数据。这样，AI才能做到公平和包容。随着这些技术逐渐成为我们生活中的重要组成部分，信任显得尤为重要。就像人类在一起相处并逐渐了解彼此的能力和优点，信任也会随之建立。要更好地信任AI，我们应当研究其运作方式，确保其使用无偏见的数据，并在设计过程中纳入各种观点。这种方法强调透明性和多样化输入，对于打造人人都能信赖和受益的AI至关重要。在不断引领这些技术进步的同时，OORT的愿景非常清晰简明：构建一个以信任为核心的生态系统，确保人类与AI能够共同繁荣。 OORT的使命：去中心化AI的云平台 OORT是一个成立于2021年五月的去中心化AI的云平台。我们的网络利用了从数据中心到边缘设备的全球资源，并集成了基于区块链的OORT专有验证层。OORT提供的一系列服务包括数据收集和标注、数据存储和模型训练。我们旨在通过去中心化网络帮助AI开发者，为其搭建更公平高效的AI应用奠定基础。具体来说，OORT提出了一种开放和透明的开发AI应用的新方式，其涵盖数据收集和标注、模型训练和微调等关键阶段。通过在这些阶段中引入社区参与，我们旨在使AI更易于理解，并从一开始就促进协作。我们的目标是打造民主化和大众化AI开发流程，使其更加包容，并通过每个人的积极参与建立对AI产品的信任。图1. 中心化AI ｜所有阶段都由完全由科技巨头控制，对于公众来说，这些阶段是完全不公开透明的。中心化AI（CeAI）如何运作首先，让我们探讨中心化AI的运作方式。像OpenAI和Google这样的公司使用他们自己的数据中心，以中心化的方式开发并运行其AI系统，整个流程不对外公开。用户不知道AI开发的各个阶段如何进行，也不知道数据是如何用于模型训练的。图2. 去中心化AI | 每个阶段都由社区贡献，全部流程公开透明去中心化AI（DeAI）如何运作相比之下，OORT利用区块链技术重新定义了AI开发的每个阶段，如图2所示。数据收集世界各地的任何人都可以使用个人电脑或智能手机分享数据，并获得奖励。数据预处理用户可以使用智能手机和电脑来帮助预处理数据，例如为AI项目进行数据标注。处理完成后，数据会被更新到OORT去中心化云平台，处理后的数据集的“哈希值”将被存储在区块链上。数据模型设计社区成员共同创建AI模型，任何人都可以使用并在此基础上进行创新，从而使创新变得更加容易和大众化。模型训练和微调 AI工程师能够以比AWS或Google Cloud等服务更低的成本，连接到未被充分利用的全球计算网络。更重要的是，训练过程中的时间戳和使用的数据集都会记录在我们的区块链上，从而增强了透明度和责任感。模型部署与依赖于AWS等大型服务器来部署AI模型不同，AI应用和软件开发者现在可以直接在他们的设备（如智能手机和电脑）上部署模型。这使其能够离线使用AI应用程序，确保个人数据安全且不会传输给第三方。通过利用家用设备，用户可以随时随地享受AI工具的灵活性和便利性。 OORT的产品 OORT旨在帮助开发者以透明、去中心化和值得信赖的方式构建AI。与其他封闭式开发的AI系统不同，OORT的产品鼓励社区的参与。这意味着，用户不再只是旁观者，而是可以积极参与到推动AI技术进步的过程中。我们旨在实现人工智能的民主化和多样化。截止到2024年6月，OORT已经服务全球超1万企业及个人客户，其中包括Dell，联想打印，Binance Smart Chain等。 OORT Datahub 为AI项目提供数据集，数据由来自全球的OORT社区提供并进行预处理。产品中集成的区块链技术确保每一步操作都有明确和永久的记录。 OORT Storage 集成希捷、腾讯云等全球存储服务器，提供堪比亚马逊AWS S3性能的去中心化对象存储解决方案，节省成本高达60%。 OORT Compute 整合并利用来自全球的GPU，为AI模型训练和推理提供更好的成本效益。预计2024年推出。 OORT的去中心化物理基础设施 (DePin) OORT的去中心化基础设施是其产品的底层基础。OORT的DePin网络主要由两个主要部分组成：提供存储和计算能力的分布在世界各地的物理设备节点，以及链接这些设备并通过协议来确保这些节点安全可靠运行的OORT主网 (Olympus协议)。 OORT的三类物理节点 OORT的DePin网络由三种类型的物理节点组成：超级节点：来自OORT合作伙伴的Seagate和腾讯云等公司的服务器。它们负责训练AI模型和存储大量数据等任务。归档节点：来自Filecoin和Arweave网络的节点，负责冷数据存储。它们主要用于备份AI数据集。边缘节点：用户拥有的个人设备，如专为OORT定制的“Deimos”边缘设备、笔记本电脑和PC。它们负责本地数据存储、数据预处理以及运行AI模型以快速做出决策。 Olympus协议（主网） Olympus协议是OORT开发的一种区块链公链协议，任何有兴趣的组织或个人都可以使用。该协议的技术细节和性能描述可以在黄皮书中找到。Olympus 使用一种叫做“诚实证明”（PoH）的受美国专利保护的共识算法，将OORT DePin网络中的来自全球的节点连接起来。这种算法确保所有节点诚实透明地完成其被分配的任务，并以分布式方式动态优化和使用网络资源。代币经济学 OORT有其协议网络原生的功能性代币。该代币用于用户产品支付、质押以获得奖励，并让社区成员能够参与项目决策。支付OORT产品：用户可以通过信用卡使用法定货币支付来使用OORT产品。然而，使用OORT代币支付购买将享有额外折扣。质押：目前用户有两种方式可以质押OORT代币可以将代币放入质押池中来获得质押奖励，其包括DeFi、OORT Earn和DEX流动性质押池等。可以通过绑定池（例如，OORT Boost）http://oortboost.xyz/将代币委托给节点提供者，节点提供者将其用于网络节点的抵押。您将从节点提供者那里获得一部分挖矿奖励。治理：OORT鼓励社区成员提出建议并做出对项目有益的决策，如产品费用设定或社区规则制定等。具体而言，如果用户想提出某项建议，需要存入特定数量的代币，提案通过后将返还这些代币；否则，该代币将分配给支持OORT网络的节点提供者。 OORT在去中心化AI领域的竞争优势在去中心化AI领域，各个赛道竞争激烈，如AI数据管理、AI模型训练和AI算法开发。是什么使OORT能够脱颖而出？ OORT为AI项目开发提供了一站式的民主化平台，任何AI开发者都可以在这里找到AI应用开发全周期所需的一切资源，并且专注于AI开发流程的低成本和透明度。 OORT的三个产品无缝协作，以实现最佳的AI开发成果和企业级性能体验。投资人与团队截至2024年1月，OORT获得总投资1000万美金，机构投资者有Taisu Ventures（即Emurgo - Cardano Venture Arm）、Red Beard Ventures（A16Z和Animoca Brands资助的基金）、Angelist、Trinity Venture Capital、Linkvc和Waterdrip Capital，以及来自JP Morgan、哥伦比亚大学、康奈尔大学，Ausum Ventures和ISKER Group等机构的个人投资者。OORT还获得了微软和谷歌的资助。 OORT总部位于美国，其核心成员来自世界知名的机构，如哥伦比亚大学、Qualcomm、AT&T、JP Morgan等。 40+渠道·生态·客户：BNB Chain-BNB Greenfield (币安)、DEII(戴尔)、Lenovo Image(联想图像)、Tencent(腾讯)、Alibaba Cloud（阿里）、Seagate(希捷)、Akamai（阿卡迈)、 Neo、IoTeX、Mind Network、Storj、Space and Time、Poolz Finance、OORT SWAP、iPolloverse、Grown、Crust、Sinso、PoP Planet、Parallell、Revolution NFT、Coresky NFT、Mises、Appsco、NumenCyber、SPEARHEAD、Layerr、Uverse、Y0 NFT、ThreeFold、IOV Labs、blue world、Crypto Legacy、Supermoon Camp、Walken、Clocr、Midas、 iCrypto World、Verida、404DAO、Midasreless、Supermoon Camp、1024bank、etc 、FilSwan、AFRICA2.0（非洲2.0）、Ivy League（常春藤盟校）、Together Labs、Finstreet等已登录交易所：Gate、Bitget、MEXC、KuCoin、BingX、Bitmart、Pionex、HiBT、SuperEx、Hotcoin、CoinEx、Pancake Swap、LiquidCrypto-Swap（DEX ）、oortswap（DEX）等！来源：金色财经

金色财经2024-07-27

老外都在用盘点全球最高效的十大办公AI工具

gence-work-chatgpt-google-gemini-1851581083 中文内容由元宇宙之心（MetaverseHub）团队编译，如需转载请联系我们。来源：金色财经

金色财经2024-07-22

探索 AI x Crypto：如何实现自下而上的协调？

治）偏好，这可能会影响模型的输出（参见Google Gemini的推出）。相关地，我们看到OpenAI从一个致力于为人类利益开发开源AI的非营利组织，转变为引入外部资本后的封闭和企业化营利结构。这再次创造了一种情况，即存在着优先考虑股东而非用户的激励机制。 AI可能朝向这种提取式模型的风险足以让人质疑是否需要一种不同的协调方法——例如像加密货币所提供的自下而上的方法——即使这种方法可能无法解决所有问题，但或许能够提供更好的解决方案。 3、加密货币实现了自下而上的协调比特币引入了抗审查的货币概念，这种货币不受中心化实体控制，而是由密码学、软件代码和经济激励所保障，全部建立在一个去中心化网络上。区块链技术构建在开源的理念之上，提供了一种新的自下而上的协调模式。协调的角色从中心化的当事方转变为这些分布式网络的机制和激励设计，所有这些都由开源软件代码驱动，并由点对点系统中的个体和群体共同治理，无需中心化信任。加密货币结合了三大学术领域的创新：密码学、网络与分布式系统以及博弈论。密码学是数学的一个分支，通过加密和解密信息实现跨网络的信息安全。网络与分布式系统是计算机科学的一个分支，通常被认为是支持点对点基础设施的架构。博弈论——作为机制设计领域的重要组成部分——来自经济学，创造了协调不同当事方实现目标的激励结构，例如系统的连续性和维护。这些领域的联合创新使得加密货币具备了许多核心原理，从而实现了自下而上的协调：不可变账本：区块链的最重要特征之一是其不可变性。它们是不可更改的真实来源，几乎不可能被删除或篡改。在人工智能驱动的创作时代，区块链提供了唯一的无信任数字产权、所有权和归属证明方法。个体层面的所有权：加密货币使用户能够在互联网上拥有资产，无需信任的平台作为中介来验证所有权，从而在点对点的方式下实现无信任的合约协议。这些资产以Token的形式存在，可编程并且可以代表任意数据或对象。通过基于加密货币的资产所有权，用户不仅完全控制着代表财务产品的Token，还控制着代表其身份、数据和偏好的Token。去中心化：区块链网络是建立在点对点分布式节点网络之上的。在这种背景下，去中心化意味着没有单一实体或司法管辖区能够在不遵循协议的情况下改变、损坏或控制网络。在去中心化系统中，政策由参与者和网络用户共同制定和决定，这些参与者包括用户、验证者、投资者以及更广泛的社区成员，通过开源代码中定义的明确定义的共识机制。加密货币创造了一个独特的设计空间，允许个体或群体通过代码进行基层方式的协调和强制执行。加密货币并不提倡一种协调形式，而是在哲学上允许用户根据其偏好选择加入或退出。如果用户或一组用户对网络/协议的任何部分表示不同意，他们可以加入另一个网络，并带走他们的资产和数据，在某些情况下甚至可以完全启动一个新网络。这些基本原理使得无信任、透明和去中心化的生态系统得以形成。AI面临着前面提到的自上而下模式中所描述的中心化风险。我们心中的重要问题是，AI能否从由加密货币实现的自下而上的协调模式中受益？ 4、人工智能中的自上而下与自下而上协调方式为了了解加密的自下而上协调模型如何有助于人工智能，让我们来审视人工智能价值链——创造和部署的不同阶段，并比较每个阶段的自上而下和自下而上的协调方式。 1）数据：人工智能的基础互联网上的一切都以某种形式存在数据中。任何形式的内容、知识产权、软件代码、图像、内容、音乐，以及您快速划过或点击的方式等都是数据的一种形式，数据是训练AI模型的核心要素之一。如今用于训练基础模型的最流行数据集包括Common Crawl，这是一个拥有1万亿个令牌（1个令牌大约代表1个单词）的数据集，以及ImageNet，一个包含1400万个带标注图像的数据集。数据协调中的关键问题是数据的获取，其核心包括数据所有权。在自上而下的协调模型中，人工智能公司通常假定它们可以使用在网上抓取的数据，并宣称这是合理使用，而不需要补偿那些创建数据的用户。然而，创建者、用户和数据所有者对人工智能公司在没有明确许可的情况下训练其数据的合法性和道德性提出了反对意见。有许多诉讼案件（如《纽约时报》诉OpenAI、报纸诉OpenAI、音乐行业诉AI初创公司等），声称人工智能公司不能简单地使用抓取的数据。甚至像X这样的集中平台也关闭了它们的API，并使用速率限制来防止机器人抓取它们的网站。在由加密经济机制促成的自下而上协调模型中，用户可以在区块链上注册并将其数据、内容和知识产权进行Token化。一旦上链，用户可以设定其他人合法使用其数据的权限，包括决定是否希望因提供数据而获得补偿。这创建了一个系统，使用户在（人工智能）公司使用这些数据时能够获益，同时也允许（人工智能）公司在不像今天那样操作于灰色地带的情况下合法使用这些数据。 2）训练：构建AI模型训练指的是教导机器学习模型识别其训练数据中的模式和关系的过程。这一步骤的目标是使模型开发出描述其训练数据中不同数据点之间关系的参数或权重。训练下一代AI模型需要大量的计算资源和时间。具有更多参数的模型需要更多的数据和计算能力来训练（例如更大的GPU集群）。例如，训练GPT-4花费了OpenAI约1亿美元，而训练Gemini Ultra花费了Google约2亿美元。在训练阶段的一个关键协调问题是如何资助AI模型的开发，考虑到其高昂的成本。在自上而下的协调模型中，AI的资金主要来自大型科技公司、私人基金和机构投资者。没有大规模众筹的概念可以支持下一代AI模型的开发。这种资金模型优化了少数参与者的利益，很可能以用户为代价。AI公司必须优先考虑股东的利益积累，尽管用户和其他利益相关者（例如第三方开发者）对AI模型最终成功的贡献可能会远远超过他们所获得的回报。在由加密技术驱动的自下而上协调模型中，任何拥有有用资源的人都可以为AI模型的开发做出贡献，并从这些AI模型所创造的价值中获利。用户可以通过使用加密Token帮助资助AI模型的创建，并拥有该模型的一部分。除了提供资金外，基于加密的系统还可以用来激励用户贡献其他资源，例如他们的数据和/或多余的计算能力，这正是中心化公司筹集资金的重要途径之一。一些敏锐的怀疑者可能会指出，在AI领域已经存在一个健康的开源运动，它已经在没有加密技术的情况下有效地进行协调。但是，如果缺乏贡献的激励，开源项目将缺乏必要的协调系统，无法实现其长期承诺成为对中心化封闭解决方案的真正替代。换句话说，如今的开源AI缺乏一个能够允许其在全球范围内协调参与者和合作者，并让他们捕捉到他们所创造的价值的激励层。 3）推断：将AI投入实际运用一旦模型训练完成，用户可以输入提示并要求模型基于提示返回一些输出。模型将根据训练阶段开发的参数来执行此操作。模型生成输出的这一过程称为推断。在自上而下的协调模型中，私有模型是不透明的系统，不提供用户或社区对模型参数的洞察，它们就像黑匣子一样运作。在过去几年中，我们看到模型中出现了偏见，特别是基于创建模型的组织的基本偏好。例如，当Google推出Gemini时，该模型未能准确地描绘出历史人物的种族和性别特征。许多其他中心化模型也限制了用户基于其管理团队设置的政策提出某些类型的问题。此外，验证推断是否由正确的模型执行仅仅是信任平台的问题。这种基于信任的系统为潜在操纵敞开了大门，尤其是当AI公司面临将其投资变现的压力时。在由加密技术驱动的自下而上协调模型中，验证推断是否正确是通过链上验证和可证明的基于密码学的技术实现的，从而实现了无需信任的操作。这种方法可以减少模型输出中的偏见，并增加透明度。 5、协调问题超越AI价值链：所有权、归因和合法性随着人工智能在我们日常生活中的更深度整合和规模化应用，引发了超越数据、训练和推断技术方面的深层协调问题。这些问题围绕着两个主要主题展开：所有权与归属，以及合法性与稀缺性。关于所有权与归属：谁拥有由AI模型创建的图像？当图像被重新制作（裁剪、编辑、转换为视频等）并生成衍生作品时会发生什么？如果这些模型的输出用于商业目的，谁应该得到补偿，以及补偿的内容是什么？训练AI模型所使用的数据的创建者/所有者是否应该为模型生成的任何输出获得补偿？如果一个AI代理代表您行事，并使用了基于偏见数据训练的AI模型创建您要用于盈利的内容，如果这个代理出现错误或造成损害，责任应由谁承担？在合法性和稀缺性问题上：随着AI实现了无限丰富和AI生成内容在互联网上泛滥，我们如何区分“真实”和“虚假”的内容？如果人们对AI伴侣产生情感依赖，谁拥有这些伴侣？谁控制它们？创造者/所有者是否可以从影响个人的决策或行为中受益？随着AI伴侣变得更加个性化，与它们的互动是否应作为平台自由使用的训练数据？这些问题突显了将传统的所有权、归因和稀缺性概念应用于AI生成内容和互动的复杂性。由加密货币启用的自下而上协调模型可能为解决这些问题提供新的框架，潜在地允许更加细致和公平的所有权和补偿系统。 6、Coda：中世纪的机构，似神的科技拥有如此强大的技术如人工智能，我们本应该生活在数字复兴时代。然而，我们目睹的是对最智能人工智能的军备竞赛，其中数据最大的利益相关者和贡献者——用户，往往未被优先考虑。加密货币为自下而上协调提供了一个新的设计空间，对人工智能尤为重要，因为人工智能可能导致权力极度集中化的风险。与以往的技术不同，人工智能集中化带来的风险可能导致负和结果，这使得对替代协调模型的需求更加紧迫（和有趣）。 E.O. 威尔逊曾说：“人类真正的问题在于：我们拥有旧石器时代的情感，中世纪的机构和似神的科技。” 我们现在手持着似神的人工智能技术，然而我们的协调和治理方法仍然根植于过时的、类似中世纪机构的自上而下模型。这种不匹配可能最终成为社会最重要的协调失败。来源：金色财经

金色财经2024-07-08

GPU短缺的解药？计算去中心化基础设施（DePINs）的案例分析

型伦理基础的担忧。一个著名的例子是最近Google Gemini的争议。虽然其对各种提示的许多奇怪回复当时没有造成任何实际危险，但这一事件展示了少数公司主导和控制AI开发的内在风险。当今的科技初创企业在获取计算资源以支持其AI模型方面面临越来越多的挑战。这些应用程序在模型部署之前需要执行大量的计算密集型过程。对于小型企业来说，积累大量的GPU是一项不可持续的努力，而传统的云计算服务如AWS或Google Cloud虽然提供了无缝且便捷的开发者体验，但其有限的容量最终导致高昂的成本，使许多开发者望而却步。归根结底，不是每个人都能提出筹集7万亿美元用于硬件成本的计划。那么该怎么办？ Nvidia之前估计，有超过4万家公司使用GPU进行AI和加速计算，全球有超过400万开发者社区。展望未来，全球AI市场预计将从2023年的5150亿美元增长到2032年的2.74万亿美元，年均增长率为20.4%。同时，GPU市场预计到2032年将达到4000亿美元，年均增长率为25%。然而，在AI革命之后，计算资源供需之间日益扩大的不平衡可能会创造一个相当反乌托邦的未来，其中少数资金充足的巨头主导了许多变革性技术的发展。因此，我们认为所有的道路都通向去中心化的替代解决方案，以帮助弥合AI开发者需求与可用资源之间的差距。 DePINs的角色什么是DePINs？ DePIN是由Messari研究团队创造的一个术语，代表去中心化物理基础设施网络。拆开来看，去中心化是指没有单一实体抽取租金和限制访问。同时，物理基础设施指的是利用的“现实生活”物理资源。网络指的是一组参与者以协调的方式工作以实现预定目标或目标集。今天，DePINs的总市值约为283亿美元。 DePINs的核心是全球节点网络，将物理基础设施资源与区块链连接起来，以实现去中心化市场，连接买家和供应商，任何人都可以成为供应商，并为其服务和对网络的贡献获得补偿。在这种情况下，通过各种法律和监管手段以及服务费用限制访问网络的中央中介被智能合约和代码组成的去中心化协议取代，由其各自的代币持有者管理。 DePINs的价值在于它们提供了去中心化、可访问、低成本和可扩展的传统资源网络和服务提供商的替代方案。它们实现了去中心化的市场，旨在达到一个特定的终极目标；商品和服务的成本由市场动态决定，任何人可以随时参与，随着供应商数量的增加和利润率的降低，自然地降低单位成本。使用区块链使DePINs能够构建加密经济激励系统，帮助确保网络参与者为其服务获得适当的补偿，使关键价值提供者成为利益相关者。然而，重要的是要注意，网络效应是通过将小的个体网络转变为更大的生产系统来实现的，这对于实现DePINs的许多好处至关重要。此外，尽管代币奖励已被证明是网络引导机制的强大手段，但在更广泛的DePINs领域中，建立可持续的激励措施以帮助用户留存和长期采用仍然是一个关键挑战。 DePINs如何运作？为了更好地理解DePINs在支持去中心化计算市场中提供的价值，重要的是认识到不同的结构组件及其如何协同工作以形成去中心化资源网络。让我们考虑一个DePINs的结构和参与者。协议一个去中心化的协议，即建立在基础区块链网络之上的一组智能合约，用于促进网络参与者之间的信任互动。在理想情况下，该协议将由一组多元化的利益相关者管理，他们积极致力于网络的长期成功。这些利益相关者然后使用其持有的协议代币对提议的变更和发展进行投票。鉴于成功协调一个分布式网络本身就是一个巨大挑战，核心团队通常会在初期保留实施这些变更的权力，然后将权力过渡给去中心化自治组织（DAO）。网络参与者资源网络的终端用户是其最有价值的参与者，可以根据其功能进行分类。供应商：提供资源给网络的个人或实体，以换取DePINs原生代币支付的货币奖励。供应商通过区块链本地协议“连接”到网络，该协议可能强制执行白名单上网过程或无权限过程。通过接收代币，供应商在网络中获得了一部分权益，类似于股权所有权上下文中的利益相关者，使他们能够对各种提案和网络发展进行投票，例如他们认为将有助于推动需求和增加网络价值的提案，从而随着时间的推移创造更高的代币价格。当然，接收代币的供应商也很可能利用DePINs作为被动收入的一种形式，并在接收代币时将其出售。消费者：这些是积极寻找DePINs提供的资源的个人或实体，如寻求GPU的AI初创公司，代表经济方程中的需求方。如果使用DePINs比传统替代方案有实际优势（如更低的成本和开销要求），消费者会被迫使用DePINs，从而代表网络的有机需求。DePINs通常要求消费者以其原生代币支付资源费用，作为创造价值和保持稳定现金流的一种手段。资源 DePINs可以服务于不同的市场，并采用不同的商业模式分配资源。Blockworks为此提供了一个很好的框架；定制硬件DePINs，为供应商提供专门的专有硬件进行分配；和商品硬件DePINs，使现有的闲置资源（包括但不限于计算、存储和带宽）的分配成为可能。经济学在一个理想运作的DePIN中，价值从消费者支付供应商资源的收入中积累。对网络的持续需求意味着对原生代币的持续需求，这与供应商和代币持有者的经济激励相一致。在早期阶段产生可持续的有机需求对大多数初创企业来说是一个挑战，这就是为什么DePINs会提供通胀性代币激励来激励早期供应商和引导网络的供应，以此产生需求，从而产生更多有机供应。这与风投在公司初期阶段补贴Uber乘客成本以引导最初的客户群，从而进一步吸引司机并增强其网络效应的方式非常相似。 DePINs需要尽可能战略性地管理代币激励，因为它们在网络的整体成功中起着关键作用。当需求和网络收入上升时，代币发行应该减少。相反，当需求和收入下降时，代币发行应该被用来再次激励供应。为了进一步说明一个成功的DePIN网络的样子，可以考虑“DePIN飞轮”，一个用于引导DePINs的积极反射循环。总结如下： DePIN通过分发通胀性代币奖励来激励供应商向网络提供资源，并建立一个可供消费的基本供应水平。假设供应商的数量开始增长，网络中开始形成竞争动态，提高了网络提供的商品和服务的整体质量，达到比现有市场解决方案更好的水平，从而获得竞争优势。这意味着一个去中心化系统超越了传统的集中式服务提供商，这绝非易事。 DePIN开始形成有机需求，为供应商提供合法的现金流。这对投资者和供应商来说是一个引人注目的机会，继续推动网络需求并因此推高代币价格。代币价格的增长增加了供应商的收入，吸引了更多的供应商，重新启动了飞轮。该框架提供了令人信服的增长策略，但值得注意的是，它很大程度上是理论上的，并且假设网络正在提供具有竞争力的资源，并且在很长一段时间内仍然具有相关性。计算 DePIN 去中心化计算市场属于被称为“共享经济”的更广泛运动的范围，这是一种点对点经济系统，建立在消费者通过在线平台与其他消费者直接共享商品和服务的基础上。这种模式由 eBay 等公司首创，如今由 Airbnb 和 Uber 等公司主导，并且随着下一代变革性技术席卷全球市场，最终将迎来颠覆。到 2023 年，共享经济的价值将达到 150 亿美元，预计到 2031 年，全球共享经济的价值将增长到近 800 亿美元，这表明了消费者行为的更广泛趋势，我们相信 DePIN 将从中受益，并在实现这一趋势中发挥关键作用。基本原理计算 DePIN 是点对点网络，通过分散的市场连接供应商和买家，促进计算资源的分配。这些网络的一个关键区别在于，它们专注于商品硬件资源，而如今许多人已经可以使用这些资源。正如我们所讨论的，深度学习和生成式人工智能的出现，由于其资源密集型工作负载，对处理能力的需求激增，从而在获取人工智能开发的关键资源方面造成了瓶颈。简而言之，去中心化的计算市场旨在通过创建一种新的供应流来缓解这些瓶颈——一种跨越全球、任何人都可以参与的供应流。在计算 DePIN 中，任何个人或实体都可以立即借出其闲置资源，并因其服务而获得适当的补偿。同时，任何个人或实体都可以从全球无需许可的网络获取必要的资源，并且比现有市场产品具有更低的成本和更大的灵活性。因此，我们可以通过一个简单的经济框架来构建参与计算 DePIN 的参与者：供应方：拥有计算资源并愿意出借或出售其计算资源以获得补贴的个人或实体。需求方：需要计算并愿意为此付出代价的个人或实体。计算DePINs的主要优势计算DePINs 提供了许多使其成为集中式服务提供商和市场替代方案的优势。首先，允许无许可的跨境市场参与解锁了一条新的供应流，增加了计算密集型工作负载所需的关键资源的数量。计算DePINs专注于大多数人已经拥有的硬件资源——任何拥有游戏PC的人都已经有可以出租的GPU。这扩大了能够参与构建下一代商品和服务的开发者和团队的范围，从而使全球更多的人受益。深入来看，支持DePINs的区块链基础设施提供了高效且可扩展的结算渠道，用于促进点对点交易。加密原生的金融资产（代币）提供了一个共享的价值单位，需求方的参与者用它来支付供应商，利用分配机制与当今日益全球化的经济相一致。参考之前提到的DePIN飞轮构造，战略性地管理经济激励对增加DePINs的网络效应（供需双方）非常有利，从而增加供应商之间的竞争。这种动态降低了单位成本，同时提高了服务质量，为DePINs创造了可持续的竞争优势，供应商可以作为代币持有者和关键价值提供者从中受益。 DePINs的功能类似于云计算服务提供商，旨在提供灵活的用户体验，资源可以按需访问和支付。根据Grandview Research的预测，全球云计算市场规模预计以21.2%的年均增长率增长，到2030年将超过2.4万亿美元，这证明了这种商业模式的可行性，考虑到未来对计算资源的需求预测。现代云计算平台利用中央服务器处理客户端设备和服务器之间的所有通信，在其运营中创造了一个单点故障。基于区块链构建，DePINs可以提供比传统服务提供商更强的抗审查性和弹性。尽管对单个组织或实体（例如中央云服务提供商）的攻击会危及整个基础资源网络，但DePINs通过其分布式性质设计为对这类事件具有抵抗力。首先，区块链本身是全球分布的专用节点网络，旨在抵御集中式网络权威。此外，计算DePINs还允许无许可的网络参与，绕过法律和监管障碍。根据代币分配的性质，DePINs可以采用公平的投票流程对协议的提议变更和发展进行投票，以消除单个实体突然关闭整个网络的可能性。计算DePINs的现状 Render Network Render Network 是一个计算DePIN，通过去中心化计算市场连接GPU买家和卖家，交易通过其原生代币进行。Render 的 GPU 市场涉及两个关键方——寻找处理能力的创作者和租用空闲 GPU 以换取原生 Render 代币补偿的节点运营商。节点运营商按基于信誉的系统进行排名，创作者可以从多层次定价系统中选择 GPU。Proof-of-Render (POR) 共识算法协调操作，节点运营商承诺他们的计算资源 (GPU) 来处理任务，即图形渲染工作。任务完成后，POR 算法会更新节点运营商的状态，包括根据任务质量进行的信誉评分变化。Render 的区块链基础设施促进了任务支付，提供透明和高效的结算渠道，以便供应商和买家通过网络代币进行交易。 Render Network 由 Jules Urbach 于 2009 年构思，网络于 2020 年 9 月在以太坊上上线 (RNDR)，大约三年后迁移到 Solana (RENDER)，以提高网络性能并降低运营成本。截至撰写本文时，Render Network 已处理多达 3300 万个任务（以渲染帧计），自成立以来已增长到 5600 个节点。刚刚低于 60k 的 RENDER 被烧毁，这是在向节点运营商分发工作积分时发生的过程。 IO Net Io Net 正在 Solana 上启动一个去中心化 GPU 网络，作为大量闲置计算资源和不断增长的需要这些资源提供的处理能力的个人和实体之间的协调层。Io Net 的独特卖点是它不与市场上的其他 DePINs 直接竞争，而是从包括数据中心、矿工以及包括 Render Network 和 Filecoin 在内的其他 DePINs 在内的各种来源聚合 GPU，同时利用专有 DePIN——Internet-of-GPUs (IoG)——来协调操作并在市场参与者之间对齐激励。Io Net 客户可以通过选择处理器类型、位置、通信速度、合规性和服务期限来为其工作负载定制 IO Cloud 上的集群。相反，任何拥有受支持 GPU 模型（12 GB RAM，256 GB SSD）的人都可以作为 IO Worker 参与，通过将其闲置计算资源借出给网络来赚取报酬。尽管服务支付目前以法定货币和 USDC 结算，但网络很快也将支持以原生 $IO 代币支付。资源支付的价格由其供需以及各种 GPU 规格和配置算法确定。Io Net 的最终目标是通过提供比现代云服务提供商更低的成本和更好的服务质量成为首选 GPU 市场。多层 IO 架构可以映射如下： UI 层 - 由公共网站、客户区和工作区组成。安全层 - 该层由用于网络保护的防火墙、用于用户验证的认证服务和用于跟踪活动的日志记录服务组成。 API 层 - 该层作为通信层，由公共 API、私人 API 和内部 API 组成，用于集群管理、分析和监控与报告。后端层 - 后端层管理工作区、集群/GPU 操作、客户交互、账单和使用监控、分析和自动扩展。数据库层 - 该层是系统的数据存储库，使用主存储进行结构化数据和缓存进行频繁访问的临时数据。消息代理和任务层 - 该层促进异步通信和任务管理。基础设施层 - 该层包含 GPU 池、编排工具并管理任务部署。当前统计/路线图：截至撰写本文时：总网络收益：$108万总计算工时：837.6k 小时准备集群的 GPU 总数：20.4k 准备集群的 CPU 总数：5.6k 链上交易总数：167 万总推理数：335.7k 创建的总集群数：15.1k 数据来自 Io Net 探索器。 Aethir Aethir 是一个云计算 DePIN，促进高性能计算资源在计算密集型领域和应用中的共享。它利用资源池以显著降低成本实现全球 GPU 分配，并通过分布式资源拥有实现去中心化所有权。Aether 设计了一个分布式 GPU 框架，专门针对游戏和 AI 模型训练和推理等高性能工作负载。通过将 GPU 集群统一到一个网络中，Aethir 的设计旨在增加集群大小，从而提高其网络上提供的服务的整体性能和可靠性。 Aethir Network 是一个由矿工、开发人员、用户、代币持有者和 Aethir DAO 组成的去中心化经济体。确保网络成功运营的三个关键角色是容器、索引器和检查器。容器是网络的动力节点，作为专用节点履行保持网络活跃度的关键操作，包括验证交易和实时渲染数字内容。检查器是质量保证工人，持续监控容器的性能和服务质量，以确保可靠和高效的操作，满足 GPU 消费者的需求。索引器作为用户与最佳可用容器之间的媒人。支撑这一结构的是 Arbitrum Layer 2 区块链，它提供去中心化结算层，以促进 Aethir 网络上商品和服务的支付，使用原生 $ATH 代币。渲染证明 Aethir 网络中的节点有两个关键功能——渲染能力证明，每 15 分钟随机选择一组工人来验证交易，以及渲染工作证明，密切监控网络性能以确保用户获得最佳服务，根据需求和地理位置调整资源。采矿奖励以原生 $ATH 代币形式分配给运行 Aethir 网络节点的参与者，以奖励他们提供的计算资源。 Nosana Nosana 是一个建立在 Solana 之上的去中心化 GPU 网络。Nosana 允许任何人贡献闲置计算资源，并因此获得 $NOS 代币形式的奖励。DePIN 促进了经济高效 GPU 的分配，可用于运行复杂的 AI 工作负载，无需传统云解决方案的开销。任何人都可以通过租借闲置 GPU 来运行 Nosana 节点，赚取与他们提供给网络的 GPU 功率成比例的代币奖励。该网络连接分配计算资源的两方：寻求访问计算资源的用户和提供计算资源的节点运营商。重要的协议决策和升级由 NOS 代币持有者投票决定，并由 Nosana DAO 管理。 Nosana 为其未来计划制定了详细的路线图——Galactica（v1.0 - 2024年上半年/下半年）将启动主网，发布CLI和SDK，并专注于通过消费者GPU的容器节点进行网络扩展。Triangulum（v1.X - 2024年下半年）将集成主要的机器学习协议和PyTorch、HuggingFace和TensorFlow的连接器。Whirlpool（v1.X - 2025年上半年）将扩展对来自AMD、Intel和Apple Silicon的不同GPU的支持。Sombrero（v1.X - 2025年下半年）将增加对中大型企业的支持、法定货币交换、账单和团队功能。 Akash Akash 网络是一个建立在 Cosmos SDK 之上的开源权益证明网络，允许任何人加入和贡献的去中心化云计算市场。$AKT 代币用于保护网络、促进资源支付和协调网络参与者之间的经济对齐行为。Akash 网络包括几个关键组件：区块链层，使用 Tendermint Core 和 Cosmos SDK 提供共识。应用层，管理部署和资源分配。提供者层，管理资源、投标和用户应用程序部署。用户层，允许用户通过 CLI、控制台和仪表板与 Akash 网络交互、管理资源和监控应用程序状态。最初专注于存储和CPU租赁服务的网络，后来通过其 AkashML 平台扩展了GPU的租赁和分配，以响应 AI 训练和推理工作负载及其处理能力需求的增长。AkashML 使用“反向拍卖”系统，客户（称为租户）提交他们想要支付的 GPU 价格，计算供应商（称为提供商）竞争以供应请求的 GPU。截至撰写本文时，Akash 区块链的总交易量已超过 1290 万笔，已有超过 53.5 万美元被用于访问计算资源，并且租赁了超过 189k 个独特部署。值得一提的其他项目计算 DePIN 领域仍在发展，许多团队竞相将创新且高效的解决方案推向市场。其他值得进一步研究的例子包括：Hyperbolic 正在构建一个用于 AI 开发资源池的协作开放访问平台，Exabits 正在构建一个由计算矿工支持的分布式计算能力网络，Shaga 正在 Solana 上构建一个允许PC租借和货币化用于服务器端游戏的网络。重要考量与未来展望现在我们已经了解了计算 DePIN 的基本原理，并审查了几个当前运行的补充案例研究，重要的是考虑这些去中心化网络的影响，包括利弊。挑战在大规模构建分布式网络通常需要在性能与安全性、弹性等方面进行权衡。例如，在全球分布的商品硬件网络上训练 AI 模型可能成本效益和时间效率较低。如前所述，AI 模型及其工作负载变得越来越复杂，需要更多高性能 GPU 而不是商品化 GPU。这就是为什么大公司会大量囤积高性能 GPU，而这是计算 DePINs 试图通过建立一个任何人都可以借出闲置供应的无许可市场来解决 GPU 短缺问题的内在挑战。协议可以通过两种主要方式解决这个问题：为希望向网络贡献的 GPU 提供商设定基准要求，以及通过汇集提供给网络的计算资源来实现更大的整体。然而，与能够分配更多资本直接与硬件供应商（如 Nvidia）进行交易的集中式服务提供商相比，这种模式本质上更具挑战性。DePINs 在未来应该考虑这一点。如果一个去中心化协议拥有足够大的资金库，DAO 可以投票分配部分资金购买高性能 GPU，这些 GPU 可以以去中心化的方式进行管理，并以比商品化 GPU 更高的价格出租。另一个特定于计算 DePINs 的挑战是管理适量的资源利用。在其早期阶段，大多数计算 DePINs 将面临结构性需求不足的问题，就像许多初创企业今天面临的情况一样。一般来说，DePINs 面临的挑战是在早期建立足够的供应以达到最低可行产品质量。没有供应，网络将无法产生可持续的需求，也无法在高峰需求期间为其客户服务。这个等式的另一面是过剩供应的担忧。超过一定阈值后，只有当网络的利用率接近或达到满负荷时，更多的供应才是有益的。否则，DePIN 将面临过度支付供应的风险，这反过来会导致资源利用不足，除非协议提高代币发行量以留住供应商，否则供应商的收入将减少。就像一个没有广泛地理覆盖的电信网络没有用处，一个出租车网络如果乘客必须等待过长时间才能搭车也没有用。如果 DePIN 必须长期支付人们提供资源，那么它就没有用。虽然集中式服务提供商可以预测资源需求并高效管理供应，但计算 DePINs 缺乏一个中央权威来管理这种利用率。因此，DePINs 必须特别战略性地建立资源利用。对于去中心化 GPU 市场来说，一个更大的图景问题是 GPU 短缺可能即将结束。马克·扎克伯格最近在一次采访中表示，他认为未来的瓶颈将是能源，而不是计算资源，因为企业现在将争相大量建设数据中心，而不是像现在这样囤积计算资源。当然，这意味着由于需求减缓，GPU 的成本可能会降低，但这也引发了一个问题，即如果建设专有数据中心将 AI 模型性能标准提高到前所未有的水平，AI 初创企业将如何在性能和服务质量方面与大企业竞争。计算DePIN的案例重申一下，AI模型的复杂性及其随后的处理和计算需求与可用的高性能GPU和其他计算资源数量之间存在日益加大的差距。计算DePINs在计算市场领域具有创新性颠覆潜力，今天该领域由主要硬件制造商和云计算服务提供商主导，基于以下几个关键能力：提供更低的商品和服务成本。提供更强的抗审查性和网络弹性保证。受益于AI的潜在监管指南，要求AI模型尽可能开放以进行微调和训练，并且可以被任何地方的任何人轻松访问。美国拥有计算机和互联网接入的家庭比例呈指数级增长，接近100%。在世界许多地方也显著增长。这表明潜在的计算资源提供者（GPU所有者）可能会愿意在有足够货币激励和无缝交易流程的情况下借出闲置供应。当然，这是一个非常粗略的估计，但这表明建立可持续的计算资源共享经济的基础可能已经存在。超越AI，未来对计算的需求还将来自许多其他行业，例如量子计算。量子计算市场规模预计将从2023年的9.288亿美元增长到2030年的65.288亿美元，年均增长率为32.1%。这个行业的生产将需要不同种类的资源，但看看是否有任何量子计算DePINs启动以及它们会是什么样子将是很有趣的。 “在消费硬件上运行的开源模型的强大生态系统是保护未来价值免于被AI过度集中捕获的重要对策，并且比公司巨头和军队都要低得多。” - Vitalik Buterin 大型企业可能不是DePINs的目标受众，也不会是。计算DePINs重新赋予了个人开发者、小型创业者和资源有限的初创企业权力。它们允许将闲置供应转化为通过更多计算资源丰富带来的创新想法和解决方案。AI无疑将改变数十亿人的生活。与其担心它会取代每个人的工作，我们应该鼓励AI可以赋能个人和自我创业者、初创企业以及更广泛的公众的想法。来源：金色财经

金色财经2024-06-18

iPhone 16将全面进军AI？市场突传信号：苹果接近与ChatGPT达成协议……

一切都是为了更好地与竞争对手竞争，包括Google Gemini和ChatGPT。目前还不清楚这如何改变了苹果的AI计划，但这可以解释为什么它在AI领域似乎落后于谷歌和微软等公司。在苹果实际向公众宣布其AI计划之前，投资者无法确定到底发生了什么。市场很可能会在下个月的WWDC 2024上首次听到这些细节，不过其他信息可能要到今年晚些时候iPhone 16发布时才会得知细节。

颜辞2024-05-13

挑战谷歌、百度市场大饼！ChatGPT一则市场“重磅爆料”曝光……

理回答的问题，您会得到搜索结果的摘要。Google Gemini聊天机器人也可以通过这种方式搜索网络。 (来源:Mashable) Mashable总结称：“无论如何，这一举措助长了目前科技界大腕们所传播的关于AI将如何取代我们所知的网络的必然性叙事。事实上，如果比尔·盖茨(Bill Gates)一年前说的是对的，那么专门的ChatGPT搜索页面可能已经过时了，当时他说，当AI技术全面发展时，你永远不会再去搜索网站了。”

秉哥说市2024-05-06

24小时热点