TLDR

Це не ще один рожевий VC опис «AI + Web3». Ми оптимістично ставимося до злиття обох технологій, але текст нижче - це заклик до боротьби. В іншому випадку оптимізм не буде виправданим.

Чому? Тому що створення та виконання найкращих моделей штучного інтелекту вимагає значних капіталовкладень у найсучасніший та часто важкодоступний апаратний засіб, а також дуже специфічний дослідження і розробки. Додавання криптовалютних стимулів для залучення громадськості, як це роблять більшість проектів Web3 зі штучним інтелектом, недостатньо для того, щоб переважити десятки мільярдів доларів, вкладених великими корпораціями, які контролюють розвиток штучного інтелекту у твердому стислому хваті. З урахуванням обмежень апаратного забезпечення це може бути першою великою парадигмою програмного забезпечення, яку розумні та креативні інженери поза владними організаціями не мають ресурсів для руйнування.

Програмне забезпечення все швидше і швидше "їсть світ", незабаром обов'язково почне прискорено збільшуватися завдяки прискоренню штучного інтелекту. І вся ця "торт", за теперішньої ситуації, йде до технологічних лідерів - тим часом як кінцеві користувачі, включаючи уряди та великі підприємства, не кажучи вже про споживачів, стають ще більш залежними від їх впливу.

Невідповідність стимулів

Все це не могло розгорнутися у більш непідходящий час - коли 90% учасників децентралізованого вебу зайняті переслідуванням золотого гуся легких фіатних виграшів розвитку, що базується на наративах. Так, розробники слідкують за інвесторами в нашій галузі, а не навпаки. Це варіюється від відкритого визнання до більш тонкої, підсвідомої мотивації, але наративи та ринки, що формуються навколо них, визначають багато рішень у Web3. Учасники занадто поглинуті класичним рефлексивним бульбашком, щоб помітити світ за межами, крім наративів, які допомагають продовжити цей цикл далі. І штучний інтелект очевидно найбільший з них, оскільки він також переживає свій власний бум.

Ми спілкувалися з десятками команд у перетині штучного інтелекту та криптовалют і можемо підтвердити, що багато з них дуже здатні, мають місію та палких будівельників. Але так у людській природі, що коли ми зіткнемося з спокусами, ми схильні до них піддаватися, а потім раціоналізувати ці вибори після факту.

Легкий шлях до ліквідності був історичним прокляттям криптоіндустрії, відповідальним за уповільнення її розвитку та корисне впровадження на роки на даний момент. Це відволікає навіть найвірніших криптопослідовників на «прокачування токена». Обґрунтування полягає в тому, що з більшим капіталом у вигляді токенів ці будівельники можуть мати більше шансів.

Відносно низький рівень сучасності як інституційного, так і роздрібного капіталу створює можливості для забудовників формулювати твердження, відокремлені від реальності, при цьому користуючись оцінками так, ніби ці твердження вже стали реальністю. Результатом цих процесів є насправді затверджене моральне ризик та знищення капіталу, причому дуже мало таких стратегій вдається реалізувати в довгостроковій перспективі. Потреба — це мати усіх винаходів, і якщо її немає, немає і винаходів.

Це не могло статися в гірший час. У той час як усі найрозумніші технологічні підприємці, державні суб'єкти та підприємства, великі та малі, змагаються за те, щоб забезпечити свою частку вигод, отриманих від революції штучного інтелекту, засновники та інвестори криптовалют відмовляються від «швидкого 10-кратного виграшу». Замість терміну служби в 1000 х, що, на наш погляд, є реальною альтернативною вартістю.

Приблизний опис ландшафту Web3 AI

З урахуванням вищезазначених стимулів, таксономія проектів Web3 AI фактично редукується до:

• Легітимний (також поділений на реалістів і ідеалістів)
• Середньо-легітимний, та
• Шахраї

Фактично ми вважаємо, що будівельники точно знають, що потрібно для того, щоб триматися на рівні з конкурентами з Web2 і в тих вертикалях, де це фактично можливо конкурувати, і де це більше схоже на мрію, але все ж можливо для ВК та несофістикованої громадськості.

Мета полягає в тому, щоб мати змогу конкурувати тут і зараз. В іншому випадку швидкість розвитку штучного інтелекту може залишити Web3 позаду, поки світ перескакує на дистопійний Web4 корпоративного штучного інтелекту на Заході проти державного штучного інтелекту Китаю. Ті, хто не зможе бути конкурентоспроможними достатньо швидко і буде розраховувати на розподілені технології для наздогнання за більш тривалий часовий горизонт, занадто оптимістичні, щоб їх взяли на серйоз.

Очевидно, це дуже груба узагальнення, і навіть група фальсифікаторів містить принаймні кілька серйозних команд (і можливо більше просто мрійників у своїх уявленнях). Але цей текст - заклик до боротьби, тому ми не маємо наміру бути об'єктивними, а отже закликаємо читача відчути терміновість[1].

Законний:

• Проміжне програмне забезпечення для «впровадження штучного інтелекту в ланцюжок». Засновники таких рішень, яких небагато, розуміють, що децентралізоване навчання або висновок про моделі, які насправді потрібні користувачам (передові), на даний момент неможливий, якщо не неможливий. Тому пошук способу з'єднати найкращі централізовані моделі з ончейн-середовищем, щоб дозволити йому отримати вигоду від складної автоматизації, є досить хорошим першим кроком для них. Апаратні анклави TEEs(«відокремлені» процесори), які можуть розміщувати точки доступу API, двосторонні оракули (для індексації даних в обох напрямках, як на ланцюжку, так і поза ним) та забезпечувати перевірені позаланцюжкові обчислювальні середовища для агентів, здаються найкращим рішенням на даний момент. Існують також архітектури співпроцесорів, які використовують докази з нульовим розголосом (ZKPs) для фіксації змін стану (замість перевірки повного обчислення), що, на наш погляд, також є доцільними в середньостроковій перспективі.
  Більш ідеалістичний підхід до тієї ж проблеми намагається перевірити виведення поза ланцюжком, щоб зрівняти його з обчисленням в ланцюжку щодо умов довіри. Метою цього повинно бути дозвіл штучному інтелекту виконувати завдання як на ланцюжку, так і поза ним у єдиному злагодженому середовищі виконання, на нашу думку. Однак більшість прихильників перевірки виведення говорять про "довіру до ваг моделі" та інших складних цілей того ж роду, які фактично стануть актуальними за роки, якщо взагалі. Недавно засновники цього напряму почали досліджувати альтернативні підходидля підтвердження перевірки, але спочатку все було засновано на ZKP. Хоча багато розумних команд працюють над ZKML, як воно стало відомо, вони приймають занадто великий ризик, очікуючи, що криптовалютні оптимізації випередять складність та обчислювальні вимоги моделей штучного інтелекту. Тому ми вважаємо їх непридатними для конкуренції, принаймні наразі. Проте,@ModulusLabs/chapter-14-the-worlds-1st-on-chain-llm-7e389189f85e">some recent progress is interesting and shouldn’t be ignored.

Напівлегітимні:

• Користувацькі програми, які використовують обгортки навколо моделей з відкритим і закритим кодом (наприклад, Stable Diffusion чи Midjourney для генерації зображень). Деякі з цих команд перші на ринку та мають реальний користувацький тягар. Так що несправедливо загалом називати їх фальшивими, але лише кілька з них глибоко думають про те, як еволюціонувати їхні базові моделі в децентралізованому стилі та інновації в дизайні інцентивів. Тут і там є деякі цікаві відтінки управління/власності щодо токенів. Але більшість проектів цієї категорії просто додають токен до в іншому випадку централізованої обгортки, наприклад, OpenAI API, щоб отримати премію за оцінку або швидшу ліквідність для команди.

Жоден з двох наведених вище таборів не розглядає навчання та висновки для великих моделей у децентралізованих умовах. На даний момент неможливо навчити базову модель в розумні терміни, не покладаючись на тісно пов'язані апаратні кластери. «Розумний час» з огляду на рівень конкуренції є ключовим фактором.

Деякі перспективні дослідженняна тему вийшла недавно і, теоретично, підходи, подібно до Диференційний потік данихможе бути розширено до розподілених обчислювальних мереж, щоб збільшити їх потужність у майбутньому (коли можливості мережевого зв'язку наздоганяють вимоги потоку даних). Але конкурентне навчання моделей все ще потребує комунікації між локалізованими кластерами, а не одиночними розподіленими пристроями, та передовими обчисленнями (роздрібні GPU стають все менш конкурентоспроможними).

Дослідження з локалізації (один із двох способів децентралізації) виведення, зменшення розміру моделі, також було останнім часом прогресує, але не існують жодні існуючі протоколи в Web3, які б використовували його.

Проблеми з децентралізованим навчанням та інференцією логічно приводять нас до останнього з трьох таборів і найважливішого, і, отже, так емоційно тригерного для нас ;-)

Фальсифікатори:

• Інфраструктурні додатки в основному в децентралізованому серверному просторі, пропонуючи або апаратне забезпечення, або також децентралізовані середовища навчання/хостингу моделей. Існують також проекти програмної інфраструктури, які просувають протоколи для, наприклад, федеративного навчання (децентралізованого модельного навчання), або ті, які поєднують як програмний, так і апаратний компоненти в єдину платформу, де можна, по суті, навчати та розгортати свою децентралізовану модель наскрізно. Більшості з них не вистачає витонченості, необхідної для реального вирішення заявлених проблем, і тут переважає наївне мислення «символічний стимул + ринковий попутний вітер». Жодне з рішень, які ми бачили як на державному, так і на приватному ринках, не наблизилося до значної конкуренції тут і зараз. Деякі з них можуть перетворитися на працездатні (але нішеві) пропозиції, але нам потрібно щось свіже та конкурентоспроможне тут і зараз. І це може статися лише завдяки інноваційному дизайну, який усуває вузькі місця розподілених обчислень. У навчанні великою проблемою є не тільки швидкість, але й перевірюваність виконаної роботи та координація навчальних навантажень, що додає вузького місця пропускної здатності.

Нам потрібен набір конкурентоздатних та справді децентралізованих основних моделей, і для їх роботи потрібне децентралізоване навчання та інференція. Втрата штучного інтелекту може повністю анулювати будь-які досягнення «децентралізованих світових комп'ютерів», зроблені з моменту появи Ethereum. Якщо комп'ютери стануть ШІ, а ШІ буде централізований, то в світі комп'ютерів не залишиться нічого, окрім якоїсь дистопійної версії цього.

Навчання та інференція - це серце інновацій в галузі штучного інтелекту. Коли решта світу штучного інтелекту рухається в бік більш щільних архітектур, Web3 потребує деякого ортогонального рішення для конкуренції, оскільки пряма конкуренція стає менш життєздатною дуже швидко.

Розмір проблеми

Усе полягає в обчисленнях. Чим більше ви кидаєте як на навчання, так і на виведення, тим кращі ваші результати. Так, тут є покращення та оптимізації тут і там, і самі обчислення неоднорідні - тепер існує цілий ряд нових підходів для подолання заторів традиційної архітектури фон Неймана для обчислювальних блоків - але все ж таки все зводиться до того, скільки множення матриць ви можете виконати над як великим фрагментом пам'яті та на якій швидкості.

Ось чому ми спостерігаємо таке сильне нарощування на фронті центрів обробки даних так званими «гіперскейлерами», які всі прагнуть створити повний стек із потужною моделлю штучного інтелекту вгорі та апаратним забезпеченням, яке забезпечує його знизу: OpenAI (моделі) + Microsoft (обчислення), Anthropic (моделі) + AWS (обчислення), Google (обидва) і Meta (все частіше обидва шляхом подвоєння власних центрів обробки даних). Тут більше нюансів, динаміки взаємодії та вечірок, але ми залишимо це поза увагою. Загальна картина полягає в тому, що гіперскейлери інвестують мільярди доларів, як ніколи раніше, у будівництво центрів обробки даних і створюють синергію між своїми пропозиціями обчислень і штучного інтелекту, які, як очікується, принесуть значний прибуток у міру поширення штучного інтелекту у світовій економіці.

Давайте просто подивимося на рівень очікуваного в цьому році відразу від 4 компаній:

• Meta очікує$30-37 млрдкапітальні витрати у 2024 році, які, ймовірно, суттєво нахилені до центрів обробки даних.
• Microsoft витратив близько $11.5 млрд у 2023 роціна CapEx і широко чутно, що вона планує інвестувати ще $40-50 млрд. у '24-'25 роках! Це частково можна зробити висновок з величезних інвестицій в центри обробки даних, які оголошуються лише в декількох країнах: $3.2bв Великобританії,$3.5bnв Австралії, $2,1 млрдв Іспанії, €3.2bnв Німеччині,$1bnв американському штаті Джорджія та $10bnу Вісконсіні, відповідно. І це лише деякі з регіональних інвестицій з їх мережі з 300 дата-центрів, що охоплюють 60+ регіонів. Також єрозмовисуперкомп'ютер для OpenAI, який може коштувати Microsoft ще $100 млрд!
• Керівництво Amazonочікуєїхні капіталовкладення значно зростуть у 2024 році з 48 млрд доларів, витрачених у 2023 році, переважно через розширення будівництва інфраструктури AWS для штучного інтелекту.
• Google витрачено $11 млрдрозширити свої сервери та центри обробки даних лише в четвертому кварталі 2023 року. Вони визнають, що ці інвестиції були зроблені для задоволення очікуваного попиту на штучний інтелект і очікують значного збільшення темпів та загального розміру своїх витрат на інфраструктуру в 2024 році через штучний інтелект.

І ось скільки вже було витрачено на апаратне забезпечення NVIDIA AI у 2023 році:

Дженсен Хуанг, генеральний директор NVIDIA, планує витратити загалом 1 трлн доларів на прискорення штучного інтелекту в найближчі роки. Прогноз, який він недавно Подвоїласядо $2 трлн, як вважається, викликано зацікавленістю, яку він спостерігав у суверенних гравців. Аналітики компанії Altimeter очікують, що світові витрати на центри обробки даних, пов'язані з штучним інтелектом, складуть понад $160 млрд і понад $200 млрд у 24 та 25 роках відповідно.

Тепер порівняти ці числа з тим, що пропонує Web3 незалежним операторам центрів обробки даних, щоб стимулювати їх розширення капітальних витрат на останнє апаратне забезпечення для штучного інтелекту.

• Загальна ринкова капіталізація усіх проєктів Децентралізованої Фізичної Інфраструктури (DePIn) наразі становить приблизно 40 млрд доларів у відносно неліквідних та переважно спекулятивних токенах. По суті, ринкові капіталізації цих мереж дорівнюють верхній оцінці загальних капвитрат їх учасників, оскільки вони стимулюють цю розбудову токенами. Однак поточна ринкова капіталізація майже не має значення, оскільки вона вже була випущена.
• Так отже, давайте припустимо, що на ринок надходить ще $80 млрд (вдвічі більше існуючої вартості) як приватний, так і публічний капіталізації токенів DePIn, який буде використовуватися як стимули в наступні 3-5 років, і припустимо, що це на 100% піде на використання в галузі штучного інтелекту.

Навіть якщо ми візьмемо цю дуже приблизну оцінку, поділену на 3 (роки) і порівняємо доларову вартість з тим, скільки готівкою витрачають лише Гіпермасштабири у 2024 році, очевидно, що просто додавання токенів до купи проектів “децентралізованої мережі GPU” недостатньо.

Також потрібно мати мільярди доларів вартості інвестиційного попиту, щоб поглинути ці токени, оскільки оператори таких мереж продають великий шмат від таких замінених монет, щоб покрити значні витрати на капітал та операційні витрати. І ще декілька мільярдів, щоб підняти ці токени вище та стимулювати зростання у розвитку для конкуренції з Гіпермасштабуванням.

Однак, людина зі знанням того, як більшість серверів Web3 зараз працюють, може очікувати, що велика частина «Децентралізованої фізичної інфраструктури» фактично буде працювати на тих же хмарних службах гіпермасштабування. І, звичайно, підвищення попиту на GPU та інші апаратні засоби, спеціалізовані на штучному інтелекті, призводить до більшого постачання, що в кінцевому підсумку повинно зробити оренду або купівлю хмарних послуг набагато дешевшою. Принаймні, так очікується.

Але також врахуйте це: зараз NVIDIA повинна надавати пріоритет клієнтам для своїх останніх генераційних відеокарт.починають конкуруватиз найбільшими постачальниками хмар на їхній власній території - пропонуючи послуги платформи штучного інтелекту корпоративним клієнтам, які вже зачеплені за цих гіпермасштабувальників. Це в кінцевому підсумку стимулює його або розбудовувати власні центри обробки даних з часом (в основному, їсти власні прибуткові маржі, які вони насолоджуються зараз, отже, менш ймовірно), або значно обмежувати продажі свого апаратного забезпечення для штучного інтелекту лише своїм партнерським мережам постачальників хмарних послуг.

Також конкуренти NVIDIA, що випускають додаткове апаратне забезпечення, спеціалізоване на штучному інтелекті, за винятком в основному використовують ті ж самі чіпи, що і NVIDIA,виробництва TSMC.Таким чином, в даний момент усі компанії, які виробляють апаратне забезпечення для штучного інтелекту, в сутіконкуруючи за потужність TSMC.TSMC також потрібно надавати перевагу певним клієнтам перед іншими. Samsung і, можливо, Intel (яка намагається повернутися до виробництва останніх чіпів для власного обладнання незабаром) можуть поглинути додатковий попит, але TSMC виробляє більшість чіпів, пов'язаних з штучним інтелектом наразі і масштабування та калібрування виробництва останніх чіпів (3 та 2 нанометри) займає роки.

Крім того, усі передові методи виготовлення чіпів наразі здійснюються поблизу Тайванської протоки компанією TSMC на Тайвані та Samsung в Південній Кореї, де існує ризик виникнення військового конфлікту до запуску об'єктів, які зараз будуються в США для компенсації цього (і також не очікується, що вони вироблятимуть наступне покоління чіпів протягом ще кількох років).

І, нарешті, Китай, який фактично відсічений від останнього покоління апаратного забезпечення штучного інтелекту через обмеження, накладені на NVIDIA та TSMC США, конкурує за те обчислення, яке залишається доступним, так само, як і мережі DePIn Web3. На відміну від Web3, китайські компанії фактично мають власні конкурентоспроможні моделі, особливо LLMs від наприклад Baidu та Alibaba, які потребують багато пристроїв попереднього покоління для роботи.

Таким чином, існує нематеріальний ризик того, що через одну з вищезазначених причин чи злиття факторів Гіпермасштабисти просто обмежать доступ до свого апаратного забезпечення ШІ для зовнішніх сторін, оскільки війна за домінування в галузі ШІ набирає обертів і стає пріоритетною над хмарним бізнесом. Фактично, це сценарій, де вони забирають усю потужність хмарних обчислень, пов'язаних з ШІ, для свого власного використання і більше не пропонують її нікому іншому, при цьому також поглинаючи усе найновіше обладнання. Це трапляється, і залишок обчислювальних ресурсів стає ще більш популярним серед інших великих гравців, включаючи суверенні держави. Усе це в той час, як залишені на ринку графічні процесори для споживачів стають все менш конкурентоспроможними.

Очевидно, це екстремальний сценарій, але винагорода занадто велика для великих гравців, щоб відступити у разі залишання апаратних заторів. Це залишає децентралізованих операторів, таких як тир 2 дата-центри та власники обладнання роздрібної торгівлі, які становлять більшість постачальників DePIn Web3, поза конкуренцією.

Інша сторона медалі

Поки засновники криптовалют сплять за кермом, важливі гравці зі світу штучного інтелекту уважно стежать за криптовалютою.Тиск урядуі конкуренція може змусити їх прийти до використання криптовалюти, щоб уникнути закриття або суворого регулювання.

Нещодавно засновник Stability AI знижуючись Для того, щоб почати «децентралізацію», його компанія – один з перших публічних натяків на це. Раніше він не приховував своїх планів запустити токен на публіці, але тільки після успішного завершення IPO компанії, що як би видає справжні мотиви очікуваного кроку.

У тому ж дусі, хоча Сем Альтман не бере активної участі в криптопроекті, співзасновником якого він був, Worldcoin, його токен, безумовно, торгується як проксі-сервер OpenAI. Чи є шлях для підключенняпроект вільних інтернет-грошей з проектом дослідження та розробки штучного інтелекту. Час покаже, але здається, що команда Worldcoin такожвизнатищо ринок перевіряє цю гіпотезу.

Для нас дуже логічно, що гіганти штучного інтелекту можуть досліджувати різні шляхи до децентралізації. Проблема, яку ми знову бачимо тут, полягає в тому, що Web3 не виробив значущих рішень. «Токени управління» є мемом в більшості випадків, тоді як лише ті, які явно уникнули прямих зв'язків між власниками активів та розвитком та операціями їх мережі - $BTC та $ETH - наразі є по-справжньому децентралізованими.

Ті ж (не)стимули, які сповільнюють технологічний розвиток, також впливають на розвиток різних дизайнів управління криптовалютними мережами. Стартап-команди просто прикріплюють "токен управління" до свого продукту в надії розібратися з цим, коли набирають швидкість, врешті-решт потрапляючи в "театр управління" щодо розподілу ресурсів.

Висновок

Гонка штучного інтелекту триває, і всі дуже серйозно ставляться до неї. Ми не можемо виявити недолік в мисленні великих технологічних лідерів, коли мова йде про масштабування їхніх обчислень з небаченими темпами - більше обчислень означає кращий штучний інтелект, кращий штучний інтелект означає зменшення витрат, додатковий дохід і розширення частки на ринку. Це для нас означає, що бульбашка обґрунтована, але всі фальшивіки все одно будуть вилучені в неминучих кризах, що нас чекають.

Централізована велика корпоративна штучна інтелектуаліка домінує у галузі, і законним стартапам важко догнати. Простір Web3 спізнився на свято, але також приєднується до гонитви. Ринок щедро винагороджує криптовалютні проекти з штучним інтелектом порівняно зі стартапами у просторі Web2, що відволікає інтереси засновників від випуску продукту на надування токену на критичному етапі, коли вікно можливостей для досягнення вже швидко закривається. До цього часу тут не було жодної ортогональної інновації, яка обминала б розширення обчислень до масштабів великого масштабу для конкуренції.

Зараз навколо моделей, що спрямовані на споживачів, існує вірогідний рух відкритого джерела, який спочатку був започаткований лише деякими централізованими гравцями, що вирішили конкурувати з більшими закритими конкурентами за частку ринку (наприклад, Meta, Stability AI). Але зараз спільнота доганяє і тисне на провідні фірми зі сфери штучного інтелекту. Ці тиски продовжать впливати на закрите розроблення продуктів ШІ, але не в суттєвому вимірі, поки відкрите джерело не буде на боці доганяючої сторони. Це ще одна велика можливість для простору Web3, але лише у тому випадку, якщо вона вирішує питання децентралізованого навчання та виведення моделей.

Таким чином, хоча на поверхні присутні "класичні" відкриття для руйнівників, реальність у цьому плані може бути далеко не на їхній стороні. Штучний інтелект в основному пов'язаний з обчисленням, і нічого не можна змінити у цьому відсутністю проривних інновацій протягом наступних 3-5 років, що є ключовим періодом для визначення того, хто контролює та керує розвитком штучного інтелекту.

Ринок обчислень сам по собі, навіть якщо попит стимулює зусилля зі сторони постачальників, не може «дозволити цвісти сто квіток» через конкуренцію між виробниками, обмежену структурними факторами, такими як виготовлення чіпів та економії масштабу.

Ми, як і раніше, оптимістично налаштовані щодо людської винахідливості і впевнені, що знайдеться достатньо розумних і благородних людей, щоб спробувати зламати проблемний простір штучного інтелекту таким чином, щоб віддати перевагу вільному світу, а не корпоративному або державному контролю зверху вниз. Але шанси виглядають дуже маленькими, і в кращому випадку це підкидання монети, але засновники Web3 занадто зайняті підкиданням монети для фінансового, а не реального впливу на світ.

Якщо ви щось цікаве будуєте, щоб допомогти збільшити шанси Web3, а не просто катаєтеся на хвилі хайпу, зверніться до нас.

Відмова від відповідальності:

1. Ця стаття переписана з [ gagra.vc], Усі авторські права належать оригінальному автору [gagra.vc]. Якщо є зауваження до цього перепублікування, будь ласка, зв'яжіться з Gate Learnкоманда, і вони швидко з цим впораються.
2. Відповідальність за відмову: Погляди та думки, висловлені в цій статті, є виключно тими автора і не становлять жодної інвестиційної поради.
3. Переклади статей на інші мови виконуються командою Gate Learn. Якщо не зазначено інше, копіювання, поширення або плагіатування перекладених статей заборонене.