Слияние ИИ и Web3: текущее состояние, вызовы и перспективы на будущее
Введение: Развитие AI+Web3
В последние годы быстрые достижения в области технологий искусственного интеллекта (AI) и Web3 привлекли широкое внимание по всему миру. AI, как технология, имитирующая и подражающая человеческому интеллекту, достигла значительных успехов в таких областях, как распознавание лиц, обработка естественного языка и машинное обучение, что принесло огромные преобразования и инновации в различные отрасли.
Рынок ИИ достиг объема в 200 миллиардов долларов в 2023 году, и такие гиганты отрасли, как OpenAI, Character.AI, Midjourney и другие выдающиеся игроки, как грибы после дождя, появились, возглавив волну ИИ.
В то же время Web3 как новая сеть постепенно меняет наше восприятие и использование Интернета. Web3 основан на децентрализованной блокчейн-технологии и реализует функции, такие как смарт-контракты, распределенное хранение и децентрализованная аутентификация, что обеспечивает совместное использование и контроль данных, автономию пользователей и создание механизмов доверия. Основная идея Web3 заключается в том, чтобы освободить данные из рук централизованных авторитетных структур, предоставив пользователям контроль над данными и право на распределение ценности данных.
В настоящее время рыночная капитализация отрасли Web3 достигла 25 триллионов, и новые нарративы и сценарии продолжают появляться, привлекая все больше людей в индустрию Web3, независимо от того, это Bitcoin, Ethereum, Solana или игроки на уровне приложений, такие как Uniswap и Stepn.
Слияние ИИ и Web3 является областью, которой уделяют большое внимание как строители, так и венчурные капитальные компании на Востоке и Западе. Как хорошо объединить эти два аспекта — это вопрос, который стоит исследовать.
В данной статье будет основное внимание уделено текущему состоянию развития AI+Web3, исследуя потенциальную ценность и влияние этой интеграции. Сначала мы представим основные концепции и характеристики AI и Web3, затем обсудим взаимосвязь между ними. После этого мы проанализируем текущее состояние проектов AI+Web3 и углубленно обсудим их ограничения и вызовы. Через такое исследование мы надеемся предоставить ценную информацию и инсайты для инвесторов и профессионалов в соответствующих отраслях.
2. Способы взаимодействия AI и Web3
Развитие ИИ и Web3 похоже на две стороны весов: ИИ приносит повышение производительности, а Web3 вносит изменения в производственные отношения. Какой искры могут столкнуться ИИ и Web3? Сначала мы проанализируем проблемы и возможности для улучшения, с которыми сталкиваются каждая из индустрий ИИ и Web3, а затем обсудим, как они могут помочь в решении этих проблем.
2.1 Проблемы, с которыми сталкивается AI-отрасль
Чтобы изучить проблемы, с которыми сталкивается индустрия ИИ, сначала давайте рассмотрим суть индустрии ИИ. Важнейшими элементами индустрии ИИ являются три компонента: вычислительная мощность, алгоритмы и данные.
Вычислительная мощность: Вычислительная мощность относится к способности выполнять масштабные вычисления и обработки. Задачи ИИ обычно требуют обработки больших объемов данных и выполнения сложных вычислений, например, для обучения моделей глубоких нейронных сетей. Высокая вычислительная мощность может ускорить процесс обучения и вывода модели, повысив производительность и эффективность систем ИИ. В последние годы, с развитием аппаратных технологий, таких как графические процессоры (GPU) и специализированные AI-чипы (например, TPU), увеличение вычислительной мощности сыграло важную роль в развитии индустрии ИИ. В последние годы акции Nvidia, как поставщика GPU, стремительно выросли, что позволило компании занять значительную долю рынка и получить высокую прибыль.
Алгоритмы: Алгоритмы являются ключевыми компонентами AI-системы, они представляют собой математические и статистические методы, используемые для решения проблем и выполнения задач. Алгоритмы AI можно разделить на традиционные алгоритмы машинного обучения и алгоритмы глубокого обучения, при этом алгоритмы глубокого обучения достигли значительных прорывов в последние годы. Выбор и проектирование алгоритмов имеют решающее значение для производительности и эффективности AI-системы. Постоянное улучшение и инновации в алгоритмах могут повысить точность, устойчивость и обобщающую способность AI-систем. Разные алгоритмы будут иметь разные результаты, поэтому улучшение алгоритмов также имеет решающее значение для эффективности выполнения задач.
Данные: Основная задача AI-системы заключается в извлечении паттернов и закономерностей из данных через обучение и тренировку. Данные являются основой для обучения и оптимизации модели; с помощью больших объемов данных AI-система может обучать более точные и интеллектуальные модели. Богатые наборы данных могут предоставить более полную и разнообразную информацию, что позволяет модели лучше обобщать на невидимые данные и помогает AI-системе лучше понимать и решать проблемы реального мира.
! [Популяризация науки для новичков丨Глубокий анализ: с какими искрами могут столкнуться искусственный интеллект и Web3?] ](https://img-cdn.gateio.im/webp-social/moments-166b11addde400b95cef849db8a9f96d.webp)
После того как мы поняли три ключевых элемента современного ИИ, давайте рассмотрим проблемы и вызовы, с которыми сталкивается ИИ в этих трех областях:
В области вычислительной мощности: задачи ИИ обычно требуют больших вычислительных ресурсов для обучения и вывода моделей, особенно для моделей глубокого обучения. Однако получение и управление масштабной вычислительной мощностью является дорогим и сложным вызовом. Стоимость высокопроизводительных вычислительных устройств, энергопотребление и обслуживание — все это проблемы. Особенно для стартапов и индивидуальных разработчиков получение достаточной вычислительной мощности может быть сложной задачей.
В области алгоритмов: несмотря на то, что алгоритмы глубокого обучения добились огромного успеха во многих областях, все еще существуют некоторые трудности и вызовы. Например, обучение глубоких нейронных сетей требует большого объема данных и вычислительных ресурсов, а для некоторых задач интерпретируемость и объяснимость модели могут быть недостаточными. Кроме того, устойчивость и обобщающая способность алгоритма также являются важными проблемами, и производительность модели на ранее невиданных данных может быть нестабильной. Среди множества алгоритмов поиск наилучшего алгоритма для предоставления наилучших услуг является процессом, требующим постоянного исследования.
Данные: Данные являются движущей силой ИИ, но получение высококачественных и разнообразных данных по-прежнему является проблемой. В некоторых областях данные могут быть трудно доступны, например, чувствительные данные о здоровье в медицинской сфере. Кроме того, качество, точность и аннотирование данных также являются проблемами; неполные или предвзятые данные могут привести к ошибочному поведению или смещению модели. В то же время защита конфиденциальности и безопасности данных также является важным фактором.
Кроме того, существуют такие проблемы, как объяснимость и прозрачность; черные ящики моделей ИИ вызывают беспокойство у общественности. Для некоторых приложений, таких как финансы, здравоохранение и юстиция, процесс принятия решений модели должен быть объяснимым и прослеживаемым, в то время как существующие модели глубокого обучения часто страдают от недостатка прозрачности. Объяснение процесса принятия решений модели и предоставление надежных объяснений по-прежнему представляет собой вызов.
Помимо этого, у многих стартапов в сфере ИИ бизнес-модели не очень ясные, что также вызывает недоумение у многих предпринимателей в области ИИ.
2.2 Проблемы, с которыми сталкивается отрасль Web3
В сфере Web3 в настоящее время также существует множество различных проблем, которые необходимо решить, будь то анализ данных Web3, плохой пользовательский опыт продуктов Web3 или проблемы с уязвимостями кода смарт-контрактов и хакерскими атаками — в этих областях есть много возможностей для улучшения. Искусственный интеллект, будучи инструментом повышения производительности, также имеет много потенциальных возможностей для реализации в этих аспектах.
Во-первых, это улучшение в области анализа данных и предсказательных возможностей: применение технологий ИИ в анализе данных и прогнозах оказало огромное влияние на индустрию Web3. Благодаря интеллектуальному анализу и извлечению данных с помощью алгоритмов ИИ, платформы Web3 могут извлекать ценную информацию из огромного объема данных и делать более точные прогнозы и решения. Это имеет важное значение для оценки рисков, прогнозирования рынка и управления активами в области децентрализованных финансов (DeFi).
Кроме того, можно улучшить пользовательский опыт и персонализированные услуги: применение технологий ИИ позволяет платформам Web3 предоставлять лучший пользовательский опыт и персонализированные услуги. Путем анализа и моделирования данных пользователей платформы Web3 могут предоставлять персонализированные рекомендации, индивидуальные услуги и интеллектуальный интерактивный опыт. Это помогает повысить вовлеченность пользователей и удовлетворенность, способствуя развитию экосистемы Web3, например, многие протоколы Web3 интегрируют инструменты ИИ, такие как ChatGPT, для более качественного обслуживания пользователей.
Применение ИИ в области безопасности и защиты конфиденциальности также имеет глубокое влияние на индустрию Web3. Технологии ИИ могут быть использованы для обнаружения и защиты от кибератак, выявления аномального поведения и обеспечения более надежной безопасности. Кроме того, ИИ может быть применен для защиты конфиденциальности данных, с помощью технологий шифрования данных и вычислений с конфиденциальностью, защищая личную информацию пользователей на платформах Web3. В области аудита смарт-контрактов, поскольку в процессе написания и аудита смарт-контрактов могут возникнуть уязвимости и проблемы безопасности, технологии ИИ могут быть использованы для автоматизации аудита контрактов и обнаружения уязвимостей, повышая безопасность и надежность контрактов.
Можно увидеть, что в отношении сложностей и потенциальных возможностей повышения, с которыми сталкивается индустрия Web3, ИИ может участвовать и оказывать поддержку во многих аспектах.
! [Популяризация науки для новичков丨Глубокий анализ: с какими искрами могут столкнуться искусственный интеллект и Web3?] ](https://img-cdn.gateio.im/webp-social/moments-de2f6c381547c3d62e1f40e50f67e32d.webp)
Три, анализ текущего состояния проектов AI+Web3
Проекты, объединяющие ИИ и Web3, в основном сосредоточены на двух основных аспектах: использование технологий блокчейна для повышения эффективности ИИ-проектов и применение технологий ИИ для улучшения проектов Web3.
Вокруг двух аспектов возникло множество проектов, исследующих этот путь, включая Io.net, Gensyn, Ritual и различные другие проекты. В дальнейшем в данной статье будет проведен анализ состояния и развития различных подсекторов, связанных с поддержкой AI в web3 и поддержкой Web3 в AI.
3.1 Web3 помогает AI
3.1.1 Децентрализованные вычисления
С момента запуска ChatGPT OpenAI в конце 2022 года начался бум в области ИИ. Всего через 5 дней после запуска количество пользователей достигло 1 миллиона, в то время как Instagram потребовалось около двух с половиной месяцев, чтобы достичь 1 миллиона загрузок. Затем ChatGPT быстро набрал популярность, и через 2 месяца количество активных пользователей в месяц достигло 100 миллионов, а к ноябрю 2023 года количество активных пользователей в неделю достигло 100 миллионов. С появлением ChatGPT область ИИ быстро перешла от небольшой ниши к высоко востребованной отрасли.
Согласно отчету Trendforce, ChatGPT требует 30000 графических процессоров NVIDIA A100 для работы, тогда как будущему GPT-5 потребуется еще больше вычислительных мощностей. Это также запустило гонку вооружений между различными AI-компаниями: только обладая достаточным количеством вычислительной мощности, можно обеспечить достаточную силу и преимущество в войне AI, что также привело к дефициту графических процессоров.
До появления ИИ крупнейшие поставщики GPU, такие как NVIDIA, имели клиентов, сосредоточенных в трех основных облачных сервисах: AWS, Azure и GCP. С ростом искусственного интеллекта появилось множество новых покупателей, включая крупные технологические компании, такие как Meta, Oracle, а также другие платформы данных и стартапы в области искусственного интеллекта, которые начали накапливать GPU для обучения моделей ИИ. Крупные технологические компании, такие как Meta и Tesla, значительно увеличили объем закупок кастомизированных моделей ИИ и внутренних исследований. Компании, работающие с базовыми моделями, такие как Anthropic, а также платформы данных, такие как Snowflake и Databricks, также приобрели больше GPU, чтобы помочь своим клиентам предоставлять услуги искусственного интеллекта.
Как упоминалось в прошлом году в Semi Analysis, "богатые и бедные в GPU", всего несколько компаний обладают более чем 20 000 A100/H100 GPU, и члены команд могут использовать от 100 до 1000 GPU для проектов. Эти компании либо облачные провайдеры, либо строят свои собственные LLM, включая OpenAI, Google, Meta, Anthropic, Inflection, Tesla, Oracle, Mistral и других.
Однако большинство компаний являются бедными в GPU и вынуждены бороться на значительно меньшем количестве GPU, тратя много времени и усилий на более сложные задачи по развитию экосистемы. Эта ситуация не ограничивается только стартапами. Некоторые из самых известных компаний в области искусственного интеллекта — Hugging Face, Databricks (MosaicML), Together и даже количество A100/H100 у Snowflake составляет менее 20K. Эти компании располагают мировыми талантами в области технологий, но ограничены в количестве доступных GPU, что ставит их в невыгодное положение по сравнению с крупными компаниями в соревновании в области искусственного интеллекта.
Этот дефицит не ограничивается лишь "бедными GPU"; даже в конце 2023 года лидер в области ИИ, OpenAI, из-за нехватки GPU был вынужден приостановить платную регистрацию на несколько недель, одновременно закупая больше GPU.
Можно увидеть, что в связи с быстрым развитием ИИ возникло серьезное несоответствие между спросом и предложением на GPU, проблема нехватки становится все более актуальной.
Чтобы решить эту проблему, некоторые проекты Web3 начали пытаться использовать технические характеристики Web3 для предоставления децентрализованных вычислительных услуг, включая Akash, Render, Gensyn и другие. Общей чертой этих проектов является то, что они используют токены для стимулирования пользователей предоставлять неиспользуемую мощность GPU, становясь стороной предложения вычислительной мощности, чтобы для
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Состояние, вызовы и тенденции будущего слияния ИИ и Web3
Слияние ИИ и Web3: текущее состояние, вызовы и перспективы на будущее
Введение: Развитие AI+Web3
В последние годы быстрые достижения в области технологий искусственного интеллекта (AI) и Web3 привлекли широкое внимание по всему миру. AI, как технология, имитирующая и подражающая человеческому интеллекту, достигла значительных успехов в таких областях, как распознавание лиц, обработка естественного языка и машинное обучение, что принесло огромные преобразования и инновации в различные отрасли.
Рынок ИИ достиг объема в 200 миллиардов долларов в 2023 году, и такие гиганты отрасли, как OpenAI, Character.AI, Midjourney и другие выдающиеся игроки, как грибы после дождя, появились, возглавив волну ИИ.
В то же время Web3 как новая сеть постепенно меняет наше восприятие и использование Интернета. Web3 основан на децентрализованной блокчейн-технологии и реализует функции, такие как смарт-контракты, распределенное хранение и децентрализованная аутентификация, что обеспечивает совместное использование и контроль данных, автономию пользователей и создание механизмов доверия. Основная идея Web3 заключается в том, чтобы освободить данные из рук централизованных авторитетных структур, предоставив пользователям контроль над данными и право на распределение ценности данных.
В настоящее время рыночная капитализация отрасли Web3 достигла 25 триллионов, и новые нарративы и сценарии продолжают появляться, привлекая все больше людей в индустрию Web3, независимо от того, это Bitcoin, Ethereum, Solana или игроки на уровне приложений, такие как Uniswap и Stepn.
Слияние ИИ и Web3 является областью, которой уделяют большое внимание как строители, так и венчурные капитальные компании на Востоке и Западе. Как хорошо объединить эти два аспекта — это вопрос, который стоит исследовать.
В данной статье будет основное внимание уделено текущему состоянию развития AI+Web3, исследуя потенциальную ценность и влияние этой интеграции. Сначала мы представим основные концепции и характеристики AI и Web3, затем обсудим взаимосвязь между ними. После этого мы проанализируем текущее состояние проектов AI+Web3 и углубленно обсудим их ограничения и вызовы. Через такое исследование мы надеемся предоставить ценную информацию и инсайты для инвесторов и профессионалов в соответствующих отраслях.
2. Способы взаимодействия AI и Web3
Развитие ИИ и Web3 похоже на две стороны весов: ИИ приносит повышение производительности, а Web3 вносит изменения в производственные отношения. Какой искры могут столкнуться ИИ и Web3? Сначала мы проанализируем проблемы и возможности для улучшения, с которыми сталкиваются каждая из индустрий ИИ и Web3, а затем обсудим, как они могут помочь в решении этих проблем.
2.1 Проблемы, с которыми сталкивается AI-отрасль
Чтобы изучить проблемы, с которыми сталкивается индустрия ИИ, сначала давайте рассмотрим суть индустрии ИИ. Важнейшими элементами индустрии ИИ являются три компонента: вычислительная мощность, алгоритмы и данные.
Вычислительная мощность: Вычислительная мощность относится к способности выполнять масштабные вычисления и обработки. Задачи ИИ обычно требуют обработки больших объемов данных и выполнения сложных вычислений, например, для обучения моделей глубоких нейронных сетей. Высокая вычислительная мощность может ускорить процесс обучения и вывода модели, повысив производительность и эффективность систем ИИ. В последние годы, с развитием аппаратных технологий, таких как графические процессоры (GPU) и специализированные AI-чипы (например, TPU), увеличение вычислительной мощности сыграло важную роль в развитии индустрии ИИ. В последние годы акции Nvidia, как поставщика GPU, стремительно выросли, что позволило компании занять значительную долю рынка и получить высокую прибыль.
Алгоритмы: Алгоритмы являются ключевыми компонентами AI-системы, они представляют собой математические и статистические методы, используемые для решения проблем и выполнения задач. Алгоритмы AI можно разделить на традиционные алгоритмы машинного обучения и алгоритмы глубокого обучения, при этом алгоритмы глубокого обучения достигли значительных прорывов в последние годы. Выбор и проектирование алгоритмов имеют решающее значение для производительности и эффективности AI-системы. Постоянное улучшение и инновации в алгоритмах могут повысить точность, устойчивость и обобщающую способность AI-систем. Разные алгоритмы будут иметь разные результаты, поэтому улучшение алгоритмов также имеет решающее значение для эффективности выполнения задач.
Данные: Основная задача AI-системы заключается в извлечении паттернов и закономерностей из данных через обучение и тренировку. Данные являются основой для обучения и оптимизации модели; с помощью больших объемов данных AI-система может обучать более точные и интеллектуальные модели. Богатые наборы данных могут предоставить более полную и разнообразную информацию, что позволяет модели лучше обобщать на невидимые данные и помогает AI-системе лучше понимать и решать проблемы реального мира.
! [Популяризация науки для новичков丨Глубокий анализ: с какими искрами могут столкнуться искусственный интеллект и Web3?] ](https://img-cdn.gateio.im/webp-social/moments-166b11addde400b95cef849db8a9f96d.webp)
После того как мы поняли три ключевых элемента современного ИИ, давайте рассмотрим проблемы и вызовы, с которыми сталкивается ИИ в этих трех областях:
В области вычислительной мощности: задачи ИИ обычно требуют больших вычислительных ресурсов для обучения и вывода моделей, особенно для моделей глубокого обучения. Однако получение и управление масштабной вычислительной мощностью является дорогим и сложным вызовом. Стоимость высокопроизводительных вычислительных устройств, энергопотребление и обслуживание — все это проблемы. Особенно для стартапов и индивидуальных разработчиков получение достаточной вычислительной мощности может быть сложной задачей.
В области алгоритмов: несмотря на то, что алгоритмы глубокого обучения добились огромного успеха во многих областях, все еще существуют некоторые трудности и вызовы. Например, обучение глубоких нейронных сетей требует большого объема данных и вычислительных ресурсов, а для некоторых задач интерпретируемость и объяснимость модели могут быть недостаточными. Кроме того, устойчивость и обобщающая способность алгоритма также являются важными проблемами, и производительность модели на ранее невиданных данных может быть нестабильной. Среди множества алгоритмов поиск наилучшего алгоритма для предоставления наилучших услуг является процессом, требующим постоянного исследования.
Данные: Данные являются движущей силой ИИ, но получение высококачественных и разнообразных данных по-прежнему является проблемой. В некоторых областях данные могут быть трудно доступны, например, чувствительные данные о здоровье в медицинской сфере. Кроме того, качество, точность и аннотирование данных также являются проблемами; неполные или предвзятые данные могут привести к ошибочному поведению или смещению модели. В то же время защита конфиденциальности и безопасности данных также является важным фактором.
Кроме того, существуют такие проблемы, как объяснимость и прозрачность; черные ящики моделей ИИ вызывают беспокойство у общественности. Для некоторых приложений, таких как финансы, здравоохранение и юстиция, процесс принятия решений модели должен быть объяснимым и прослеживаемым, в то время как существующие модели глубокого обучения часто страдают от недостатка прозрачности. Объяснение процесса принятия решений модели и предоставление надежных объяснений по-прежнему представляет собой вызов.
Помимо этого, у многих стартапов в сфере ИИ бизнес-модели не очень ясные, что также вызывает недоумение у многих предпринимателей в области ИИ.
2.2 Проблемы, с которыми сталкивается отрасль Web3
В сфере Web3 в настоящее время также существует множество различных проблем, которые необходимо решить, будь то анализ данных Web3, плохой пользовательский опыт продуктов Web3 или проблемы с уязвимостями кода смарт-контрактов и хакерскими атаками — в этих областях есть много возможностей для улучшения. Искусственный интеллект, будучи инструментом повышения производительности, также имеет много потенциальных возможностей для реализации в этих аспектах.
Во-первых, это улучшение в области анализа данных и предсказательных возможностей: применение технологий ИИ в анализе данных и прогнозах оказало огромное влияние на индустрию Web3. Благодаря интеллектуальному анализу и извлечению данных с помощью алгоритмов ИИ, платформы Web3 могут извлекать ценную информацию из огромного объема данных и делать более точные прогнозы и решения. Это имеет важное значение для оценки рисков, прогнозирования рынка и управления активами в области децентрализованных финансов (DeFi).
Кроме того, можно улучшить пользовательский опыт и персонализированные услуги: применение технологий ИИ позволяет платформам Web3 предоставлять лучший пользовательский опыт и персонализированные услуги. Путем анализа и моделирования данных пользователей платформы Web3 могут предоставлять персонализированные рекомендации, индивидуальные услуги и интеллектуальный интерактивный опыт. Это помогает повысить вовлеченность пользователей и удовлетворенность, способствуя развитию экосистемы Web3, например, многие протоколы Web3 интегрируют инструменты ИИ, такие как ChatGPT, для более качественного обслуживания пользователей.
Применение ИИ в области безопасности и защиты конфиденциальности также имеет глубокое влияние на индустрию Web3. Технологии ИИ могут быть использованы для обнаружения и защиты от кибератак, выявления аномального поведения и обеспечения более надежной безопасности. Кроме того, ИИ может быть применен для защиты конфиденциальности данных, с помощью технологий шифрования данных и вычислений с конфиденциальностью, защищая личную информацию пользователей на платформах Web3. В области аудита смарт-контрактов, поскольку в процессе написания и аудита смарт-контрактов могут возникнуть уязвимости и проблемы безопасности, технологии ИИ могут быть использованы для автоматизации аудита контрактов и обнаружения уязвимостей, повышая безопасность и надежность контрактов.
Можно увидеть, что в отношении сложностей и потенциальных возможностей повышения, с которыми сталкивается индустрия Web3, ИИ может участвовать и оказывать поддержку во многих аспектах.
! [Популяризация науки для новичков丨Глубокий анализ: с какими искрами могут столкнуться искусственный интеллект и Web3?] ](https://img-cdn.gateio.im/webp-social/moments-de2f6c381547c3d62e1f40e50f67e32d.webp)
Три, анализ текущего состояния проектов AI+Web3
Проекты, объединяющие ИИ и Web3, в основном сосредоточены на двух основных аспектах: использование технологий блокчейна для повышения эффективности ИИ-проектов и применение технологий ИИ для улучшения проектов Web3.
Вокруг двух аспектов возникло множество проектов, исследующих этот путь, включая Io.net, Gensyn, Ritual и различные другие проекты. В дальнейшем в данной статье будет проведен анализ состояния и развития различных подсекторов, связанных с поддержкой AI в web3 и поддержкой Web3 в AI.
3.1 Web3 помогает AI
3.1.1 Децентрализованные вычисления
С момента запуска ChatGPT OpenAI в конце 2022 года начался бум в области ИИ. Всего через 5 дней после запуска количество пользователей достигло 1 миллиона, в то время как Instagram потребовалось около двух с половиной месяцев, чтобы достичь 1 миллиона загрузок. Затем ChatGPT быстро набрал популярность, и через 2 месяца количество активных пользователей в месяц достигло 100 миллионов, а к ноябрю 2023 года количество активных пользователей в неделю достигло 100 миллионов. С появлением ChatGPT область ИИ быстро перешла от небольшой ниши к высоко востребованной отрасли.
Согласно отчету Trendforce, ChatGPT требует 30000 графических процессоров NVIDIA A100 для работы, тогда как будущему GPT-5 потребуется еще больше вычислительных мощностей. Это также запустило гонку вооружений между различными AI-компаниями: только обладая достаточным количеством вычислительной мощности, можно обеспечить достаточную силу и преимущество в войне AI, что также привело к дефициту графических процессоров.
До появления ИИ крупнейшие поставщики GPU, такие как NVIDIA, имели клиентов, сосредоточенных в трех основных облачных сервисах: AWS, Azure и GCP. С ростом искусственного интеллекта появилось множество новых покупателей, включая крупные технологические компании, такие как Meta, Oracle, а также другие платформы данных и стартапы в области искусственного интеллекта, которые начали накапливать GPU для обучения моделей ИИ. Крупные технологические компании, такие как Meta и Tesla, значительно увеличили объем закупок кастомизированных моделей ИИ и внутренних исследований. Компании, работающие с базовыми моделями, такие как Anthropic, а также платформы данных, такие как Snowflake и Databricks, также приобрели больше GPU, чтобы помочь своим клиентам предоставлять услуги искусственного интеллекта.
Как упоминалось в прошлом году в Semi Analysis, "богатые и бедные в GPU", всего несколько компаний обладают более чем 20 000 A100/H100 GPU, и члены команд могут использовать от 100 до 1000 GPU для проектов. Эти компании либо облачные провайдеры, либо строят свои собственные LLM, включая OpenAI, Google, Meta, Anthropic, Inflection, Tesla, Oracle, Mistral и других.
Однако большинство компаний являются бедными в GPU и вынуждены бороться на значительно меньшем количестве GPU, тратя много времени и усилий на более сложные задачи по развитию экосистемы. Эта ситуация не ограничивается только стартапами. Некоторые из самых известных компаний в области искусственного интеллекта — Hugging Face, Databricks (MosaicML), Together и даже количество A100/H100 у Snowflake составляет менее 20K. Эти компании располагают мировыми талантами в области технологий, но ограничены в количестве доступных GPU, что ставит их в невыгодное положение по сравнению с крупными компаниями в соревновании в области искусственного интеллекта.
Этот дефицит не ограничивается лишь "бедными GPU"; даже в конце 2023 года лидер в области ИИ, OpenAI, из-за нехватки GPU был вынужден приостановить платную регистрацию на несколько недель, одновременно закупая больше GPU.
Можно увидеть, что в связи с быстрым развитием ИИ возникло серьезное несоответствие между спросом и предложением на GPU, проблема нехватки становится все более актуальной.
Чтобы решить эту проблему, некоторые проекты Web3 начали пытаться использовать технические характеристики Web3 для предоставления децентрализованных вычислительных услуг, включая Akash, Render, Gensyn и другие. Общей чертой этих проектов является то, что они используют токены для стимулирования пользователей предоставлять неиспользуемую мощность GPU, становясь стороной предложения вычислительной мощности, чтобы для