AI/DePIN/Solエコシステムトリプルハロー: IO.NETトークンローンチの分析
導入
前回の記事で、前の2つのサイクルと比較して、この暗号通貨のブルマーケットサイクルには影響力のある新しいビジネスと資産の物語が不足していると述べました。AIは、Web3分野の今回の数少ない新しい物語の1つです。この記事では、今年のホットなAIプロジェクト、IO.NETを組み合わせて、以下の2つの問題を考えます。
ビジネスにおけるAI+Web3の必要性
分散コンピューティングサービスの必要性と課題
さらに、AI分散コンピューティングの代表的なプロジェクトであるIO.NETプロジェクトの主要情報を整理します。製品ロジック、競争状況、およびプロジェクトの背景を含みます。また、プロジェクトの評価にも深く踏み込みます。
この記事のAIとWeb3の組み合わせに関する部分は、Delphi Digitalの研究者マイケル・リンコによって執筆された「The Real Merge」からインスピレーションを得ています。この記事ではその論文からの一部の視点を要約し引用しており、読者には元の記事を参照することをお勧めします。
この記事は、公開時点での私の中間的な考えを表しています。状況は将来変わる可能性があり、視点は強い主観的性格を持っています。また、事実、データ、または推論の誤りを含んでいる可能性があります。投資アドバイスとして使用しないでください。同僚からの批判や議論を歓迎します。
以下はメインテキストです。
1. ビジネスロジック: AIとWeb3の交差点
1.1 2023: AIによって創造された新しい「奇跡の年」
人類の歴史を振り返ると、技術の突破があると、個々の日常生活から様々な産業風景、そして人類の文明全体に至るまで、革命的な変化が起こります。
人類の歴史において、1666年と1905年という2つの重要な年があります。これらは現在、技術史上の2つの偉大な「奇跡の年」として言及されています。
1666年は奇跡の年とされています。なぜなら、この時期にニュートンの科学的成就が顕著に現れたからです。この年、彼は光学として知られる物理学の分野を開拓し、微積分として知られる数学の分野を創設し、そして現代自然科学の基本法則である重力の法則を導出しました。これらの成就は、それぞれが次の世紀に向けた人類の科学的発展における基盤となる貢献であり、科学全体の進歩を著しく加速させました。
第2の奇跡の年は1905年で、26歳の若さでアインシュタインが『物理学年報』に連続して4つの論文を発表した年でした。光電効果（量子力学の基礎を築く）、ブラウン運動（確率過程の解析における重要な参照となる）、特殊相対性理論、質量-エネルギーの関係式（有名な式E=MC^2）について記述されています。これらの論文は後の評価で、それぞれがノーベル物理学賞の平均水準を上回ると見なされました（アインシュタイン自身も光電効果に関する論文でノーベル物理学賞を受賞しています）。再び、人類文明の歴史的進化がいくつかの大きな飛躍を遂げました。
2023年には、ChatGPTのおかげで、奇跡の年と呼ばれる可能性が高いです。
GPTが自然言語理解と生成の重要な進歩を遂げたことだけでなく、大規模言語モデルの成長パターンを解読したことにより、モデルの能力を指数的に向上させるプロセスにはまだ短期的なボトルネックが見られないことが2023年を人類の技術史上のもう1つの「奇跡の年」と見なしています（ただし、十分な計算能力があれば）。
この能力は、言語を理解し対話を生成することをはるかに超え、さまざまな技術分野で広く使用されています。たとえば、2018年の生物学分野では、化学のノーベル賞受賞者であるフランシス・アーノルドは授賞式で、「今日、実用的な応用では、任意のDNA配列を読み書き編集できますが、それを構成することはまだできません。と述べました」と述べました。彼女のスピーチからわずか5年後の2023年、「Nature Biotechnology」にStanford大学とシリコンバレーのSalesforce Researchの研究者が論文を発表しました。彼らはGPT3から微調整された大規模言語モデルを使用してゼロから1百万個の新しいタンパク質を作成し、異なる構造を持つ2つの抗菌能力を持つタンパク質を特定しました。これは、抗生物質を超えた細菌との戦いの新しい解決策となる可能性があります。これは、AIの助けを借りてタンパク質の「創造」のボトルネックが打ち破られたことを示しています。
さらに、AIアルゴリズムAlphaFoldは、地球上の約2億1400万のタンパク質の構造を18ヶ月以内に予測しました。これは、歴史上のすべての構造生物学者の成果を何百倍も上回る偉業です。
生命工学、材料科学、薬物開発などのハードサイエンス、さらに法律や芸術などの人文科学にAIモデルが導入されることで、革命的な変革が避けられないものとなり、2023年はこれらの進展の始まりとなることは間違いありません。
皆さんご存知のように、過去の1世紀で人類の富の創造は指数関数的に成長し、AI技術の急速な成熟がこのプロセスをさらに加速させることは間違いありません。
世界のGDPトレンドチャート、データソース：世界銀行
1.2 AIと暗号通貨の統合
AIと暗号通貨を統合する必要性を根本的に理解するためには、それらの補完的な特性から始めることができます。
AIと暗号の補完的な特性
AIは3つの属性を持っています:
ランダム性: AIはランダム性を示す。そのコンテンツ生成のメカニズムは再現および検査が困難なブラックボックスであり、その結果もランダムです。
リソース集約型: AIは、大量のエネルギー、チップ、および計算能力を必要とするリソース集約型産業です。
ヒューマンライクな知能: AIは間もなくチューリングテストに合格できるようになり、その後は人間と機械を区別することが難しくなります。
2023年10月30日、カリフォルニア大学サンディエゴ校の研究チームが、GPT-3.5とGPT-4.0のチューリングテストの結果を公表しました。GPT-4.0は41%を獲得し、合格ラインの50%にわずか9%足りませんでした。一方、人間の参加者は63%を獲得しました。このチューリングテストの意味は、会話相手が人間かどうかを信じる人々の割合です。50%以上がそう信じる場合、少なくとも半数の人々がその会話エンティティを人間と見なし、機械ではないと考えていることを示します。このため、チューリングテストに合格したと見なされます。
AIが人類に新たな効率をもたらす一方、その3つの特性は人類社会にも大きな課題をもたらす。
AIのランダム性を検証および制御する方法、ランダム性を欠点から利点に変える方法
AIの重要なエネルギーと計算能力のニーズを満たす方法
人間と機械の違いをどのように区別するか。
暗号通貨とブロックチェーン経済は、AIによってもたらされる課題に対する解決策となる可能性があります。暗号経済には次の3つの特性があります:
決定論: ビジネスオペレーションは、ブロックチェーン、コード、スマートコントラクトに基づいており、明確なルールと境界があります。入力が結果を決定し、高い決定論を確保します。
効率的なリソース配分: 仮想通貨経済は、価格設定、資金調達、およびリソースの流通が非常に迅速なグローバルな自由市場を構築しています。トークンが存在することにより、インセンティブが市場の供給と需要のマッチングを加速し、より迅速に臨界点に到達することができます。
Trustless: 公開台帳とオープンソースコードにより、誰でも簡単に操作を検証でき、信頼のおけるシステムにつながります。さらに、ZK（ゼロ知識）技術により、検証中にプライバシーが公開されることを回避します。
AIと暗号経済の相補性を3つの例で説明しましょう。
例A：ランダムネスへの対処、暗号経済ベースのAIエージェント
AIエージェント（例：Fetch.AIからのエージェント）は、人間の意志に従って行動し、人間の代わりにタスクを実行するように設計されています。もし私たちがAIエージェントに「$1000のBTCを購入」というような金融取引を処理させたい場合、2つのシナリオに直面するかもしれません。
シナリオ1: 伝統的な金融機関（BlackRockのような）と連携してBTC ETFを購入する必要があり、AIエージェントやKYC、文書審査、ログイン、本人確認など、現在かなり手間のかかる中央集権機関との互換性の問題に直面しています。
シナリオ二: ネイティブ暗号経済に基づいて動作し、はるかにシンプルです Uniswapまたは同様の集約取引プラットフォームを介して取引を直接実行し、アカウントの署名を使用して取引を迅速かつ簡単に完了し、WBTC（またはBTCの別のラップ形式）を受け取ることができます 基本的に、これはさまざまな取引ボットがすでに行っていることですが、現時点では単なる取引に焦点を当てています AIが統合され進化するにつれて、将来の取引ボットは疑いなく、ブロックチェーン上の100のスマートマネーアドレスの取引戦略と成功率を追跡し、1週間で私の資金の10%で類似の取引を実行し、結果が不十分な場合は失敗の理由を停止して要約するなど、より複雑な取引意図を実行することができるようになります。
ブロックチェーンシステム内では、暗号経済ルールの明確さとシステムへの制限のないアクセスにより、AIのパフォーマンスが向上します。これらの定義されたルールの中で、AIのランダム性による潜在的なリスクは最小限に抑えられます。たとえば、AIは、はっきりとした閉じられたルールのサンドボックスの中で、カードゲームやビデオゲームで既に人間を上回っています。ただし、自動運転の進歩は、オープンな外部環境の課題により比較的遅れており、そのような状況でのAIの問題解決に対するランダム性には、我々はより寛容ではありません。
例B：トークンインセンティブを通じてリソースを形成する**
BTCの背後にあるグローバルネットワークは、現在の総ハッシュレートが576.70 EH/sで、どの国のスーパーコンピュータの計算能力をも上回っています。その発展は、シンプルで公正なネットワークインセンティブによって推進されています。
BTCネットワークの計算能力のトレンド、出典：https://www.coinwarz.com/
このほか、MobileのDePINなどのプロジェクトでは、トークンインセンティブを通じて供給と需要の両側市場を形作ろうとしており、ネットワーク効果を実現することを目指しています。 この記事での次の議論の焦点、IO.NETは、AIの計算能力を集約し、トークンモデルを通じてより多くのAIの潜在能力を引き出すことを目指すプラットフォームです。
Example C: オープンソースコード、ゼロ知識証明（ZK）の導入による人間と機械の区別とプライバシー保護の紹介
OpenAIの創設者であるSam Altmanが関与するWeb3プロジェクトであるWorldcoinは、ZKテクノロジーを通じて人間の虹彩生体認証に基づいたユニークで匿名のハッシュ値を生成するOrbと呼ばれるハードウェアデバイスを使用して、身元を検証し、人間と機械を区別します。今年3月初旬、Web3アートプロジェクトであるDripは、WorldcoinのIDを使用して実際の人間のユーザーを検証し、報酬を配布することを開始しました。
さらに、Worldcoinは最近、iris認識ハードウェアOrbのプログラムコードをオープンソース化し、ユーザーの生体認証データのセキュリティとプライバシーを確保しています。
全体的に、暗号経済は、コードと暗号化の確実性、トークンメカニズムによってもたらされる資源循環と調達の利点、オープンソースコードと公開台帳に基づく信頼性から、人間社会に対するAIがもたらす課題への重要な解決策となっています。
最も緊急で商業的に要求される課題は、AI製品による計算リソースへの極度の飢餓感であり、チップと計算能力に対する巨大な需要を中心としています。
これは、分散コンピューティングプロジェクトがこの牛市サイクル全体でAIトラックをリードしてきた主な理由でもあります。
分散コンピューティングの商業的必要性
AIは、モデルのトレーニングと推論の両方に大規模な計算リソースが必要です。
大規模言語モデルのトレーニングの実践では、データパラメータのスケールが十分に大きい限り、以前には存在しなかった新しい機能が現れることが確認されています。各世代のGPTは、モデルのトレーニングに必要な計算量の指数関数的な増加をバックに、前身と比較して能力が指数関数的に飛躍しています。
DeepMindとスタンフォード大学による研究によると、さまざまな大規模言語モデルは、さまざまなタスク（計算、ペルシャ語の質問応答、自然言語理解など）に直面した場合、訓練が10^22 FLOPs未満に達するまでランダムな回答と同様のパフォーマンスを示します（FLOPは、浮動小数点演算の1秒あたりの回数を示す、計算パフォーマンスの指標）。ただし、パラメータの規模がその臨界点を超えると、言語モデルに関係なく、任意のタスクのパフォーマンスが劇的に向上します。
出典：大規模言語モデルの新たな能力
大規模言語モデルの新たな能力
「大きな計算能力で奇跡を成し遂げる」という原則とその実証が、OpenAIの創設者であるサム・オルトマンを導いて、現在のTSMCの10倍の規模の先進的なチップ工場を建設するために7兆ドルを調達する提案を行うことになった。このうち1.5兆ドルがこの部分に費やされると予想されており、残りの資金はチップの生産とモデルのトレーニングに使用される。
AIモデルのトレーニングに加えて、モデル自体の推論プロセスもかなりの計算能力を必要としますが、トレーニングに必要な量よりは少なくても済みます。そのため、チップや計算能力への渇望は、AI競合他社の間で当たり前となっています。
Amazon Web Services、Google Cloud Platform、およびMicrosoftのAzureなどの中央集権型AIコンピューティングプロバイダーと比較すると、分散型AIコンピューティングの主な価値提案には次のようなものがあります:
- アクセシビリティ：AWS、GCP、またはAzureなどのクラウドサービスを介してコンピューティングチップにアクセスするには通常数週間かかり、人気のあるGPUモデルはしばしば在庫切れです。さらに、コンピューティングパワーを得るためには、消費者はこれらの大手企業と長期で柔軟性のない契約を結ばなければならないことが多いです。それに対して、分散コンピューティングプラットフォームは、よりアクセスしやすい柔軟なハードウェアオプションを提供できます。
- 価格の引き下げ：アイドルチップを活用することで、ネットワークプロトコルからのトークン補助金をチップおよび計算力プロバイダーに提供することで、分散コンピューティングネットワークはより手頃なコンピューティングパワーを提供する可能性があります。
- 検閲耐性：現在、先進的なコンピューティングチップや供給品は大手テクノロジー企業に独占されています。さらに、米国を中心とする政府はAIコンピューティングサービスに対する監視を強化しています。分散型で柔軟かつ無料の方法でコンピューティングパワーを取得する能力は、Web3ベースのコンピューティングサービスプラットフォームの中核的な価値提案でもあります。
化石燃料が産業時代の生命線であったなら、AIによって導入された新しいデジタル時代の生命線はおそらくコンピューティングパワーであり、コンピューティングパワーの供給がAI時代のインフラになる可能性が高い。 Web3時代に安定したコインが法定通貨の堅牢な派生物になったように、分散コンピューティング市場はAIコンピューティング市場の急成長する派生物になる可能性があるのだろうか？
これはまだ比較的初期の市場ですので、すべてがまだ観察中です。ただし、以下の要因が分散コンピューティングの語りや市場の採用を刺激する可能性があります。
- GPUの供給と需要の継続的な緊張。GPU供給の継続的な緊張は、一部の開発者が分散コンピューティングプラットフォームに頼ることを奨励する可能性があります。
- 規制の拡大。大手クラウドコンピューティングプラットフォームからAIコンピューティングサービスにアクセスするには、KYCと厳格な審査が必要です。これは代わりに、制限や制裁に直面する地域での分散コンピューティングプラットフォームの採用を促進するかもしれません。
- トークン価格のインセンティブ。牡牛市場サイクルと上昇するトークン価格は、GPU供給側への助成金価値を増加させ、市場への供給者を増やし、市場規模を拡大し、消費者の実購入価格を減少させます。
しかし、分散コンピューティングプラットフォームが直面する課題も非常に明らかです:
- 技術とエンジニアリングの課題
- Proof of Work Issues: 深層学習モデルの計算は、各層の出力が次の入力として機能する階層構造を持つため、計算の妥当性を検証するためにすべての前回の作業を実行する必要があります。これは単純かつ効果的に検証することはできません。この問題に対処するためには、分散コンピューティングプラットフォームは、絶対的な確実性ではなく、結果の正確性の確率的な保証を提供できる新しいアルゴリズムを開発するか、近似検証技術を使用する必要があります。
- 並列化の課題: 分散コンピューティングプラットフォームは、チップ供給のロングテールを集めるため、個々のデバイスは限られた計算能力しか提供できません。単一のチップサプライヤーでは、AIモデルのトレーニングや推論タスクを短期間で独立して完了することはほとんど不可能なため、タスクは分解され、並列化を通じて全体の完了時間を短縮する必要があります。並列化には、タスクの分解方法（特に複雑なディープラーニングタスク）、データ依存性、デバイス間の追加通信コストなどの問題も避けられません。
- プライバシー保護の問題: 購入者のデータとモデルがタスク受信者に露出しないようにする方法は？
規制順守の課題
- 分散コンピューティングプラットフォームの供給と調達の二重市場が非許可の性質を持つため、特定の顧客を引き付けることができます。一方で、AI規制基準が洗練されるにつれて、政府の規制対象になる可能性があります。さらに、一部のGPUサプライヤーは、リースされたコンピューティングリソースが制裁対象の企業や個人に提供されているかどうかを心配するかもしれません。
全体的に、分散コンピューティングプラットフォームの消費者は、主にプロの開発者や中小規模の機関であり、暗号通貨やNFT投資家とは異なり、プロトコルが提供するサービスの安定性と継続性に対する期待が異なる。価格は彼らの意思決定において主な動機とはならないかもしれない。現時点では、分散コンピューティングプラットフォームがこのようなユーザーの承認を得るにはまだ長い道のりがあるようです。
次に、私たちはこのサイクルで新しい分散コンピューティングプロジェクトであるIO.NETのプロジェクト情報を整理し、分析し、現在のAIおよび分散コンピューティングセクターの市場競合他者に基づいて、上場後の可能な市場評価を推定します。
2. 分散AIコンピューティングプラットフォーム：IO.NET分散AIコンピューティングプラットフォーム：IO.NET
2.1 プロジェクトのポジショニング
IO.NETは、チップを中心とした双方向の市場を確立した分散コンピューティングネットワークです。供給側は主にGPU、CPU、AppleのiGPUなどのチップが世界中に分散しており、需要側は人工知能エンジニアで、AIモデルのトレーニングや推論タスクを実行したいと考えています。
IO.NETの公式ウェブサイトに記載されている通り:
私たちの使命
DePIN（分散型物理インフラストラクチャネットワーク）に100万台のGPUを組み立てる
ミッションは、数百万のGPUをDePINネットワークに統合することです。
既存のクラウドAIコンピューティングサービスプロバイダーと比較すると、IO.NETは以下の主要なセールスポイントに重点を置いています。
- 柔軟な組み合わせ：AIエンジニアは、自由に必要なチップを選択し組み合わせ、「クラスター」を形成して計算タスクを完了させることができます。
- 迅速な展開：AWSなどの中央集権的なプロバイダーが通常要求する数週間の承認と待機を必要とせず、展開を数秒で完了できます。
- 費用対効果の高いサービス:サービスのコストは、主流のプロバイダーよりも90%低くなっています。
また、IO.NETは将来的にAIモデルストアなどのサービスを展開する予定です。
2.2 製品メカニズムとビジネスデータ
製品メカニズムと展開経験
Amazon Cloud、Google Cloud、Alibaba Cloudに類似する、IO.NETが提供するコンピューティングサービスはIO Cloudと呼ばれます。IO Cloudは、Pythonベースの機械学習コードを実行し、AIおよび機械学習プログラムを実行できるチップの分散型、非中央集権的ネットワークです。
IO Cloudの基本的なビジネスモジュールは「クラスタ」と呼ばれます。クラスターは、コンピューティング タスクを完了するために自律的に調整できる GPU のグループです。人工知能エンジニアは、ニーズに基づいて目的のクラスターをカスタマイズできます。
IO.NETの製品インターフェースは非常にユーザーフレンドリーです。AIコンピューティングタスクを完了するために独自のチップクラスタを展開する必要がある場合は、ウェブサイトのクラスタ製品ページに入るとすぐに希望のチップクラスタを構成を開始できます。
ページ情報：https://cloud.io.net/cloud/clusters/create-cluster, 下記同様
まず、プロジェクトシナリオを選択する必要があります。現在、利用可能なタイプは3つあります。
一般（汎用タイプ）：より一般的な環境を提供し、特定のリソースニーズが不確実なプロジェクトの初期段階に適しています。
Train (Training type): マシンラーニングモデルのトレーニングと微調整のために設計されています。このオプションでは、これらの集中的な計算タスクを処理するための追加のGPUリソース、より大きなメモリ容量、および/またはより高速なネットワーク接続が提供されています。
推論（推論タイプ）：低遅延推論および高負荷タスク向けに設計されています。機械学習の文脈では、推論とは訓練済みモデルを使用して新しいデータを予測または分析し、フィードバックを提供することを指します。したがって、このオプションは、リアルタイムまたはほぼリアルタイムのデータ処理ニーズをサポートするためにレイテンシとスループットの最適化に焦点を当てています。
次に、チップクラスターのサプライヤーを選択する必要があります。現在、IO.NETはRender NetworkとFilecoinのマイニングネットワークと提携しており、ユーザーはIO.NETまたは他の2つのネットワークからコンピューティングクラスターのサプライヤーとしてチップを選択できます。IO.NETは集約者として機能します（ただし、執筆時点ではFilecoinのサービスが一時的にオフラインです）。特に、ページ表示によると、IO.NETのオンラインで利用可能なGPU数は20万を超え、Render NetworkのGPU数は3,700を超えています。
最後に、クラスターのチップハードウェア選択フェーズに入ります。現在、IO.NETではGPUのみが選択肢にリストされており、CPUやAppleのiGPU（M1、M2など）は除外されており、GPUは主にNVIDIA製品が特色です。
その日に著者がテストしたデータに基づいて、IO.NETネットワークでオンラインで利用可能なGPUハードウェアオプションの公式リストには、合計206,001個のGPUがあります。そのうち、GeForce RTX 4090が45,250台で最も入手可能で、次いでGeForce RTX 3090 Tiが30,779台となっています。
さらに、AIコンピューティングタスク（機械学習、深層学習、科学計算など）においてより効率的なA100-SXM4-80GBチップ（市場価格15,000ドル以上）が7,965ユニットオンラインです。
AI（市場価格40,000ドル以上）向けに一から設計されたNVIDIA H100 80GB HBM3グラフィックスカードは、A100のトレーニング性能の3.3倍、推論性能の4.5倍で、合計86ユニットオンラインです。
クラスターのハードウェアタイプを選択した後、ユーザーは地域、通信速度、レンタルされるGPUの数、レンタル期間など、その他のパラメータを選択する必要があります。
最終的に、IO.NETは包括的な選択に基づいて請求書を提供します。例えば、著者のクラスター構成では、
- 一般的なタスクシナリオ
- 16 A100-SXM4-80GBチップ
- 超高速接続
- Located in the USA
- 1週間のレンタル期間
合計請求額は$3311.6で、カードごとの時間あたりの価格は$1.232です
比較すると、Amazon Cloud、Google Cloud、Microsoft Azure上のA100-SXM4-80GBの時給レンタル料金はそれぞれ$5.12、$5.07、$3.67です（データソース：https://cloud-gpus.com/,実際の価格は契約の詳細に基づいて異なる場合があります)。
従って、価格の面だけで言えば、IO.NETの計算能力は主流メーカーのものよりもかなり安価であり、供給と調達のオプションも非常に柔軟であり、始めやすいです。
ビジネス条件
供給サイドの状況
今年4月4日時点の公式データによると、IO.NETの総供給量はGPUが371,027台、CPUが42,321台です。また、パートナーであるRender Networkは、ネットワークの供給に9,997台のGPUと776台のCPUを接続しています。
データソース: https://cloud.io.net/explorer/home, 以下同じ
この記事の執筆時点では、IO.NETに接続されたGPUのうち214,387がオンラインで、オンライン率は57.8％です。Render NetworkからのGPUのオンライン率は45.1％です。
上記の供給側データは何を意味しますか？
比較をするために、別の古い分散コンピューティングプロジェクトであるAkash Networkを紹介しましょう。 Akash Networkは2020年にメインネットを立ち上げ、当初はCPUとストレージ向けの分散サービスに焦点を当てていました。2023年6月にはGPUサービスのためのテストネットを立ち上げ、同年9月には分散GPUコンピューティングパワーのメインネットを開始しました。
データソース：https://stats.akash.network/provider-graph/graphics-gpu
Akashの公式データによると、供給側は引き続き成長していますが、ネットワークに接続されたGPUの総数は現在365に達しているだけです。
GPU供給量に関して、IO.NETはAkash Networkよりも数桁大きく、分散型GPUコンピューティングパワーレースで最大の供給ネットワークとなっています。
需要側の状況
しかし、需要側を見ると、IO.NETはまだ市場開拓の初期段階にあり、IO.NETを使用して行われる計算タスクの実際のボリュームは大きくありません。ほとんどのオンラインGPUは作業量が0%で、A100 PCIe 80GB K8S、RTX A6000 K8S、RTX A4000 K8S、およびH100 80GB HBM3の4つのタイプのチップのみがタスクを処理しています。A100 PCIe 80GB K8Sを除いて、他の3つのチップの作業量は20%未満です。
当日公表された公式ネットワークストレス値は0%で、ほとんどのチップ供給がオンライン待機状態であることを示しています。一方、IO.NETは合計$586,029のサービス料を生成し、前日のコストは$3,200に達しました。
データソース: https://cloud.io.net/explorer/clusters
これらのネットワーク決済手数料の規模は、合計でも1日の取引量でも、Akashと同程度です。ただし、Akashのネットワーク収益のほとんどは、20,000以上のCPUが供給されているCPUセグメントから得られています。
データソース: https://stats.akash.network/
さらに、IO.NETはネットワークによって処理されたAI推論タスクのデータを公開しています。これまでに、230,000以上の推論タスクを処理および検証してきましたが、この大部分は、BC8.AIなどのIO.NETがスポンサーを務めるプロジェクトによって生成されています。
データソース: https://cloud.io.net/explorer/inferences
現在のビジネスデータに基づくと、IO.NETの供給側の拡大は、エアドロップやコミュニティイベント「Ignition」への期待感に支えられて順調に進行しており、急速に膨大な量のAIチップコンピューティングパワーを集めています。しかし、需要側の拡大はまだ初期段階であり、現在の有機的な需要は不十分です。現在の需要不足は、消費者へのアウトリーチがまだ開始されていないためか、現在のサービス体験が安定していないためか、広範な採用が不足しているかを評価する必要があります。
AIコンピューティングパワーのギャップを埋める短期的な困難を考慮すると、多くのAIエンジニアやプロジェクトは代替ソリューションを求めており、これは分散型サービスプロバイダーに関心を持たせる可能性があります。また、IO.NETがまだ需要側に経済的および活動的なインセンティブを導入していないことに加え、製品体験の段階的な改善とともに、供給と需要の最終的なマッチングはまだ楽観的に期待されています。
2.3 チームのバックグラウンドと資金調達
チームの状況
IO.NETのコアチームは当初、量的取引に焦点を当て、2022年6月まで株式や暗号資産向けの機関レベルの量的取引システムを開発しました。バックエンドシステムの計算能力の必要性により、チームは分散コンピューティングの可能性を探求し、最終的にGPUコンピューティングサービスのコストを削減することに焦点を当てました。
創業者兼CEO：Ahmad Shadidは、量的ファイナンスとエンジニアリングのバックグラウンドを持ち、Ethereum Foundationでのボランティア活動も行っています。
CMO＆Chief Strategy Officer：ギャリソン・ヤンは、今年3月にIO.NETに参加しました。以前はAvalancheの戦略および成長の副社長を務め、カリフォルニア大学サンタバーバラ校を卒業しています。
COO：Tory Greenは、以前Hum CapitalのCOOおよびFox Mobile Groupの企業開発および戦略ディレクターを務め、スタンフォード大学を卒業しています。
LinkedInの情報によると、IO.NETは米国ニューヨークに本社を置き、サンフランシスコに支社を持ち、チームの規模は50名を超えています。
資金調達状況
IO.NETは現在、今年3月に完了したシリーズAで評価額10億ドルの1回の資金調達のみを公開しています。Hack VCが主導し、他の参加者にはMulticoin Capital、Delphi Digital、Foresight Ventures、Animoca Brands、Continue Capital、Solana Ventures、Aptos、LongHash Ventures、OKX Ventures、Amber Group、SevenX Ventures、およびArkStream Capitalが含まれており、3000万ドルを調達しました。
Aptos財団からの投資の影響かもしれませんが、元々Solanaで精算していたBC8.AIプロジェクトは、高性能L1ブロックチェーンAptosに切り替えました。
2.4 評価見積り
IO.NETの創設者兼CEOであるAhmad Shadidによると、同社は4月末にトークンを発行する予定です。
IO.NETには、評価の参考となる2つの比較可能なプロジェクトがあります：Render NetworkとAkash Networkは、どちらも分散コンピューティングプロジェクトの代表です。
IO.NETの時価総額レンジを外挿する方法は2つあります: 1. 売上高倍率(P/S比率)、すなわち時価総額/売上高比率; 2. ネットワークチップあたりの時価総額比率。
まず、P/S比率に基づいた評価の外挿を見てみましょう：
P/S比率の観点から、AkashはIO.NETの評価範囲の下限として機能し、一方、Renderは高い評価価格の参考となります。彼らのFDV（完全に希釈された評価）の範囲は、16.7億ドルから59.3億ドルです。
ただし、IO.NETプロジェクトの更新を考慮すると、よりホットなナラティブ、より小さな初期循環市場キャップ、現在より大きな供給側スケールを考慮すると、そのFDVがRenderを上回る可能性は小さくありません。
次に、もう1つの評価視点である「市場対コア比率」を見てみましょう。
AIコンピューティングパワーの需要が供給を上回る市場において、分散型AIコンピューティングパワーネットワークの最も重要な要素はGPU供給の規模です。したがって、ネットワーク内のチップの数に対する総プロジェクト時価総額の比率である「市場対コア比率」を使用して、IO.NETの可能性のある評価範囲を読者に市場価値の参考として推測することができます。
)
市場対コア比率に基づいて計算すると、Render Networkを上限、Akash Networkを下限として、IO.NETのFDV範囲は206億ドルから1975億ドルです。
IO.NETプロジェクトに楽観的な読者は、これを非常に楽観的な市場価値の見積もりと考えるでしょう。
さらに、現在のIO.NETの大規模なオンラインチップ数は、エアドロップの期待やインセンティブ活動に刺激されている可能性があることを考慮する必要があり、実際の供給側のオンライン数は、プロジェクトが正式に開始された後に観察する必要があります。
したがって、全体として、P/S比率の観点からの評価見積もりはより参考になるかもしれません。
IO.NETは、AI、DePIN、およびSolanaエコシステムを組み合わせたプロジェクトとして、ローンチ後の市場パフォーマンスを大いに期待しています。
3. 参照情報
- Dephi Digital：リアルマージ
- Galaxy：暗号通貨と人工知能の交差点を理解する
免責事項：
- この記事は[から転載されましたミントベンチャーズすべての著作権は元の著者に帰属しますIO.NET. もしこの転載に異議がある場合は、お問い合わせください。Gate Learnチームが promptly それを処理します。
- 免責事項：この記事で表現されている見解や意見は、著者個人のものであり、いかなる投資アドバイスを構成するものではありません。
- 他言語への記事の翻訳はGate Learnチームによって行われます。特に言及されていない限り、翻訳された記事のコピー、配布、または盗用は禁止されています。
関連記事
ステーブルコインとは何ですか？
Cotiとは? COTIについて知っておくべきことすべて
AI/DePIN/Solエコシステムトリプルハロー: IO.NETトークンローンチの分析
紹介
1. ビジネスロジック：AIとWeb3の交差点
2. 分散AIコンピューティングプラットフォーム：IO.NETDistributed AI Computing Platform：IO.NET
3. 参照情報
導入
前回の記事で、前の2つのサイクルと比較して、この暗号通貨のブルマーケットサイクルには影響力のある新しいビジネスと資産の物語が不足していると述べました。AIは、Web3分野の今回の数少ない新しい物語の1つです。この記事では、今年のホットなAIプロジェクト、IO.NETを組み合わせて、以下の2つの問題を考えます。
ビジネスにおけるAI+Web3の必要性
分散コンピューティングサービスの必要性と課題
さらに、AI分散コンピューティングの代表的なプロジェクトであるIO.NETプロジェクトの主要情報を整理します。製品ロジック、競争状況、およびプロジェクトの背景を含みます。また、プロジェクトの評価にも深く踏み込みます。
この記事のAIとWeb3の組み合わせに関する部分は、Delphi Digitalの研究者マイケル・リンコによって執筆された「The Real Merge」からインスピレーションを得ています。この記事ではその論文からの一部の視点を要約し引用しており、読者には元の記事を参照することをお勧めします。
この記事は、公開時点での私の中間的な考えを表しています。状況は将来変わる可能性があり、視点は強い主観的性格を持っています。また、事実、データ、または推論の誤りを含んでいる可能性があります。投資アドバイスとして使用しないでください。同僚からの批判や議論を歓迎します。
以下はメインテキストです。
1. ビジネスロジック: AIとWeb3の交差点
1.1 2023: AIによって創造された新しい「奇跡の年」
人類の歴史を振り返ると、技術の突破があると、個々の日常生活から様々な産業風景、そして人類の文明全体に至るまで、革命的な変化が起こります。
人類の歴史において、1666年と1905年という2つの重要な年があります。これらは現在、技術史上の2つの偉大な「奇跡の年」として言及されています。
1666年は奇跡の年とされています。なぜなら、この時期にニュートンの科学的成就が顕著に現れたからです。この年、彼は光学として知られる物理学の分野を開拓し、微積分として知られる数学の分野を創設し、そして現代自然科学の基本法則である重力の法則を導出しました。これらの成就は、それぞれが次の世紀に向けた人類の科学的発展における基盤となる貢献であり、科学全体の進歩を著しく加速させました。
第2の奇跡の年は1905年で、26歳の若さでアインシュタインが『物理学年報』に連続して4つの論文を発表した年でした。光電効果（量子力学の基礎を築く）、ブラウン運動（確率過程の解析における重要な参照となる）、特殊相対性理論、質量-エネルギーの関係式（有名な式E=MC^2）について記述されています。これらの論文は後の評価で、それぞれがノーベル物理学賞の平均水準を上回ると見なされました（アインシュタイン自身も光電効果に関する論文でノーベル物理学賞を受賞しています）。再び、人類文明の歴史的進化がいくつかの大きな飛躍を遂げました。
2023年には、ChatGPTのおかげで、奇跡の年と呼ばれる可能性が高いです。
GPTが自然言語理解と生成の重要な進歩を遂げたことだけでなく、大規模言語モデルの成長パターンを解読したことにより、モデルの能力を指数的に向上させるプロセスにはまだ短期的なボトルネックが見られないことが2023年を人類の技術史上のもう1つの「奇跡の年」と見なしています（ただし、十分な計算能力があれば）。
この能力は、言語を理解し対話を生成することをはるかに超え、さまざまな技術分野で広く使用されています。たとえば、2018年の生物学分野では、化学のノーベル賞受賞者であるフランシス・アーノルドは授賞式で、「今日、実用的な応用では、任意のDNA配列を読み書き編集できますが、それを構成することはまだできません。と述べました」と述べました。彼女のスピーチからわずか5年後の2023年、「Nature Biotechnology」にStanford大学とシリコンバレーのSalesforce Researchの研究者が論文を発表しました。彼らはGPT3から微調整された大規模言語モデルを使用してゼロから1百万個の新しいタンパク質を作成し、異なる構造を持つ2つの抗菌能力を持つタンパク質を特定しました。これは、抗生物質を超えた細菌との戦いの新しい解決策となる可能性があります。これは、AIの助けを借りてタンパク質の「創造」のボトルネックが打ち破られたことを示しています。
さらに、AIアルゴリズムAlphaFoldは、地球上の約2億1400万のタンパク質の構造を18ヶ月以内に予測しました。これは、歴史上のすべての構造生物学者の成果を何百倍も上回る偉業です。
生命工学、材料科学、薬物開発などのハードサイエンス、さらに法律や芸術などの人文科学にAIモデルが導入されることで、革命的な変革が避けられないものとなり、2023年はこれらの進展の始まりとなることは間違いありません。
皆さんご存知のように、過去の1世紀で人類の富の創造は指数関数的に成長し、AI技術の急速な成熟がこのプロセスをさらに加速させることは間違いありません。
世界のGDPトレンドチャート、データソース：世界銀行
1.2 AIと暗号通貨の統合
AIと暗号通貨を統合する必要性を根本的に理解するためには、それらの補完的な特性から始めることができます。
AIと暗号の補完的な特性
AIは3つの属性を持っています:
ランダム性: AIはランダム性を示す。そのコンテンツ生成のメカニズムは再現および検査が困難なブラックボックスであり、その結果もランダムです。
リソース集約型: AIは、大量のエネルギー、チップ、および計算能力を必要とするリソース集約型産業です。
ヒューマンライクな知能: AIは間もなくチューリングテストに合格できるようになり、その後は人間と機械を区別することが難しくなります。
2023年10月30日、カリフォルニア大学サンディエゴ校の研究チームが、GPT-3.5とGPT-4.0のチューリングテストの結果を公表しました。GPT-4.0は41%を獲得し、合格ラインの50%にわずか9%足りませんでした。一方、人間の参加者は63%を獲得しました。このチューリングテストの意味は、会話相手が人間かどうかを信じる人々の割合です。50%以上がそう信じる場合、少なくとも半数の人々がその会話エンティティを人間と見なし、機械ではないと考えていることを示します。このため、チューリングテストに合格したと見なされます。
AIが人類に新たな効率をもたらす一方、その3つの特性は人類社会にも大きな課題をもたらす。
AIのランダム性を検証および制御する方法、ランダム性を欠点から利点に変える方法
AIの重要なエネルギーと計算能力のニーズを満たす方法
人間と機械の違いをどのように区別するか。
暗号通貨とブロックチェーン経済は、AIによってもたらされる課題に対する解決策となる可能性があります。暗号経済には次の3つの特性があります:
決定論: ビジネスオペレーションは、ブロックチェーン、コード、スマートコントラクトに基づいており、明確なルールと境界があります。入力が結果を決定し、高い決定論を確保します。
効率的なリソース配分: 仮想通貨経済は、価格設定、資金調達、およびリソースの流通が非常に迅速なグローバルな自由市場を構築しています。トークンが存在することにより、インセンティブが市場の供給と需要のマッチングを加速し、より迅速に臨界点に到達することができます。
Trustless: 公開台帳とオープンソースコードにより、誰でも簡単に操作を検証でき、信頼のおけるシステムにつながります。さらに、ZK（ゼロ知識）技術により、検証中にプライバシーが公開されることを回避します。
AIと暗号経済の相補性を3つの例で説明しましょう。
例A：ランダムネスへの対処、暗号経済ベースのAIエージェント
AIエージェント（例：Fetch.AIからのエージェント）は、人間の意志に従って行動し、人間の代わりにタスクを実行するように設計されています。もし私たちがAIエージェントに「$1000のBTCを購入」というような金融取引を処理させたい場合、2つのシナリオに直面するかもしれません。
シナリオ1: 伝統的な金融機関（BlackRockのような）と連携してBTC ETFを購入する必要があり、AIエージェントやKYC、文書審査、ログイン、本人確認など、現在かなり手間のかかる中央集権機関との互換性の問題に直面しています。
シナリオ二: ネイティブ暗号経済に基づいて動作し、はるかにシンプルです Uniswapまたは同様の集約取引プラットフォームを介して取引を直接実行し、アカウントの署名を使用して取引を迅速かつ簡単に完了し、WBTC（またはBTCの別のラップ形式）を受け取ることができます 基本的に、これはさまざまな取引ボットがすでに行っていることですが、現時点では単なる取引に焦点を当てています AIが統合され進化するにつれて、将来の取引ボットは疑いなく、ブロックチェーン上の100のスマートマネーアドレスの取引戦略と成功率を追跡し、1週間で私の資金の10%で類似の取引を実行し、結果が不十分な場合は失敗の理由を停止して要約するなど、より複雑な取引意図を実行することができるようになります。
ブロックチェーンシステム内では、暗号経済ルールの明確さとシステムへの制限のないアクセスにより、AIのパフォーマンスが向上します。これらの定義されたルールの中で、AIのランダム性による潜在的なリスクは最小限に抑えられます。たとえば、AIは、はっきりとした閉じられたルールのサンドボックスの中で、カードゲームやビデオゲームで既に人間を上回っています。ただし、自動運転の進歩は、オープンな外部環境の課題により比較的遅れており、そのような状況でのAIの問題解決に対するランダム性には、我々はより寛容ではありません。
例B：トークンインセンティブを通じてリソースを形成する**
BTCの背後にあるグローバルネットワークは、現在の総ハッシュレートが576.70 EH/sで、どの国のスーパーコンピュータの計算能力をも上回っています。その発展は、シンプルで公正なネットワークインセンティブによって推進されています。
BTCネットワークの計算能力のトレンド、出典：https://www.coinwarz.com/
このほか、MobileのDePINなどのプロジェクトでは、トークンインセンティブを通じて供給と需要の両側市場を形作ろうとしており、ネットワーク効果を実現することを目指しています。 この記事での次の議論の焦点、IO.NETは、AIの計算能力を集約し、トークンモデルを通じてより多くのAIの潜在能力を引き出すことを目指すプラットフォームです。
Example C: オープンソースコード、ゼロ知識証明（ZK）の導入による人間と機械の区別とプライバシー保護の紹介
OpenAIの創設者であるSam Altmanが関与するWeb3プロジェクトであるWorldcoinは、ZKテクノロジーを通じて人間の虹彩生体認証に基づいたユニークで匿名のハッシュ値を生成するOrbと呼ばれるハードウェアデバイスを使用して、身元を検証し、人間と機械を区別します。今年3月初旬、Web3アートプロジェクトであるDripは、WorldcoinのIDを使用して実際の人間のユーザーを検証し、報酬を配布することを開始しました。
さらに、Worldcoinは最近、iris認識ハードウェアOrbのプログラムコードをオープンソース化し、ユーザーの生体認証データのセキュリティとプライバシーを確保しています。
全体的に、暗号経済は、コードと暗号化の確実性、トークンメカニズムによってもたらされる資源循環と調達の利点、オープンソースコードと公開台帳に基づく信頼性から、人間社会に対するAIがもたらす課題への重要な解決策となっています。
最も緊急で商業的に要求される課題は、AI製品による計算リソースへの極度の飢餓感であり、チップと計算能力に対する巨大な需要を中心としています。
これは、分散コンピューティングプロジェクトがこの牛市サイクル全体でAIトラックをリードしてきた主な理由でもあります。
分散コンピューティングの商業的必要性
AIは、モデルのトレーニングと推論の両方に大規模な計算リソースが必要です。
大規模言語モデルのトレーニングの実践では、データパラメータのスケールが十分に大きい限り、以前には存在しなかった新しい機能が現れることが確認されています。各世代のGPTは、モデルのトレーニングに必要な計算量の指数関数的な増加をバックに、前身と比較して能力が指数関数的に飛躍しています。
DeepMindとスタンフォード大学による研究によると、さまざまな大規模言語モデルは、さまざまなタスク（計算、ペルシャ語の質問応答、自然言語理解など）に直面した場合、訓練が10^22 FLOPs未満に達するまでランダムな回答と同様のパフォーマンスを示します（FLOPは、浮動小数点演算の1秒あたりの回数を示す、計算パフォーマンスの指標）。ただし、パラメータの規模がその臨界点を超えると、言語モデルに関係なく、任意のタスクのパフォーマンスが劇的に向上します。
出典：大規模言語モデルの新たな能力
大規模言語モデルの新たな能力
「大きな計算能力で奇跡を成し遂げる」という原則とその実証が、OpenAIの創設者であるサム・オルトマンを導いて、現在のTSMCの10倍の規模の先進的なチップ工場を建設するために7兆ドルを調達する提案を行うことになった。このうち1.5兆ドルがこの部分に費やされると予想されており、残りの資金はチップの生産とモデルのトレーニングに使用される。
AIモデルのトレーニングに加えて、モデル自体の推論プロセスもかなりの計算能力を必要としますが、トレーニングに必要な量よりは少なくても済みます。そのため、チップや計算能力への渇望は、AI競合他社の間で当たり前となっています。
Amazon Web Services、Google Cloud Platform、およびMicrosoftのAzureなどの中央集権型AIコンピューティングプロバイダーと比較すると、分散型AIコンピューティングの主な価値提案には次のようなものがあります:
- アクセシビリティ：AWS、GCP、またはAzureなどのクラウドサービスを介してコンピューティングチップにアクセスするには通常数週間かかり、人気のあるGPUモデルはしばしば在庫切れです。さらに、コンピューティングパワーを得るためには、消費者はこれらの大手企業と長期で柔軟性のない契約を結ばなければならないことが多いです。それに対して、分散コンピューティングプラットフォームは、よりアクセスしやすい柔軟なハードウェアオプションを提供できます。
- 価格の引き下げ：アイドルチップを活用することで、ネットワークプロトコルからのトークン補助金をチップおよび計算力プロバイダーに提供することで、分散コンピューティングネットワークはより手頃なコンピューティングパワーを提供する可能性があります。
- 検閲耐性：現在、先進的なコンピューティングチップや供給品は大手テクノロジー企業に独占されています。さらに、米国を中心とする政府はAIコンピューティングサービスに対する監視を強化しています。分散型で柔軟かつ無料の方法でコンピューティングパワーを取得する能力は、Web3ベースのコンピューティングサービスプラットフォームの中核的な価値提案でもあります。
化石燃料が産業時代の生命線であったなら、AIによって導入された新しいデジタル時代の生命線はおそらくコンピューティングパワーであり、コンピューティングパワーの供給がAI時代のインフラになる可能性が高い。 Web3時代に安定したコインが法定通貨の堅牢な派生物になったように、分散コンピューティング市場はAIコンピューティング市場の急成長する派生物になる可能性があるのだろうか？
これはまだ比較的初期の市場ですので、すべてがまだ観察中です。ただし、以下の要因が分散コンピューティングの語りや市場の採用を刺激する可能性があります。
- GPUの供給と需要の継続的な緊張。GPU供給の継続的な緊張は、一部の開発者が分散コンピューティングプラットフォームに頼ることを奨励する可能性があります。
- 規制の拡大。大手クラウドコンピューティングプラットフォームからAIコンピューティングサービスにアクセスするには、KYCと厳格な審査が必要です。これは代わりに、制限や制裁に直面する地域での分散コンピューティングプラットフォームの採用を促進するかもしれません。
- トークン価格のインセンティブ。牡牛市場サイクルと上昇するトークン価格は、GPU供給側への助成金価値を増加させ、市場への供給者を増やし、市場規模を拡大し、消費者の実購入価格を減少させます。
しかし、分散コンピューティングプラットフォームが直面する課題も非常に明らかです:
- 技術とエンジニアリングの課題
- Proof of Work Issues: 深層学習モデルの計算は、各層の出力が次の入力として機能する階層構造を持つため、計算の妥当性を検証するためにすべての前回の作業を実行する必要があります。これは単純かつ効果的に検証することはできません。この問題に対処するためには、分散コンピューティングプラットフォームは、絶対的な確実性ではなく、結果の正確性の確率的な保証を提供できる新しいアルゴリズムを開発するか、近似検証技術を使用する必要があります。
- 並列化の課題: 分散コンピューティングプラットフォームは、チップ供給のロングテールを集めるため、個々のデバイスは限られた計算能力しか提供できません。単一のチップサプライヤーでは、AIモデルのトレーニングや推論タスクを短期間で独立して完了することはほとんど不可能なため、タスクは分解され、並列化を通じて全体の完了時間を短縮する必要があります。並列化には、タスクの分解方法（特に複雑なディープラーニングタスク）、データ依存性、デバイス間の追加通信コストなどの問題も避けられません。
- プライバシー保護の問題: 購入者のデータとモデルがタスク受信者に露出しないようにする方法は？
規制順守の課題
- 分散コンピューティングプラットフォームの供給と調達の二重市場が非許可の性質を持つため、特定の顧客を引き付けることができます。一方で、AI規制基準が洗練されるにつれて、政府の規制対象になる可能性があります。さらに、一部のGPUサプライヤーは、リースされたコンピューティングリソースが制裁対象の企業や個人に提供されているかどうかを心配するかもしれません。
全体的に、分散コンピューティングプラットフォームの消費者は、主にプロの開発者や中小規模の機関であり、暗号通貨やNFT投資家とは異なり、プロトコルが提供するサービスの安定性と継続性に対する期待が異なる。価格は彼らの意思決定において主な動機とはならないかもしれない。現時点では、分散コンピューティングプラットフォームがこのようなユーザーの承認を得るにはまだ長い道のりがあるようです。
次に、私たちはこのサイクルで新しい分散コンピューティングプロジェクトであるIO.NETのプロジェクト情報を整理し、分析し、現在のAIおよび分散コンピューティングセクターの市場競合他者に基づいて、上場後の可能な市場評価を推定します。
2. 分散AIコンピューティングプラットフォーム：IO.NET分散AIコンピューティングプラットフォーム：IO.NET
2.1 プロジェクトのポジショニング
IO.NETは、チップを中心とした双方向の市場を確立した分散コンピューティングネットワークです。供給側は主にGPU、CPU、AppleのiGPUなどのチップが世界中に分散しており、需要側は人工知能エンジニアで、AIモデルのトレーニングや推論タスクを実行したいと考えています。
IO.NETの公式ウェブサイトに記載されている通り:
私たちの使命
DePIN（分散型物理インフラストラクチャネットワーク）に100万台のGPUを組み立てる
ミッションは、数百万のGPUをDePINネットワークに統合することです。
既存のクラウドAIコンピューティングサービスプロバイダーと比較すると、IO.NETは以下の主要なセールスポイントに重点を置いています。
- 柔軟な組み合わせ：AIエンジニアは、自由に必要なチップを選択し組み合わせ、「クラスター」を形成して計算タスクを完了させることができます。
- 迅速な展開：AWSなどの中央集権的なプロバイダーが通常要求する数週間の承認と待機を必要とせず、展開を数秒で完了できます。
- 費用対効果の高いサービス:サービスのコストは、主流のプロバイダーよりも90%低くなっています。
また、IO.NETは将来的にAIモデルストアなどのサービスを展開する予定です。
2.2 製品メカニズムとビジネスデータ
製品メカニズムと展開経験
Amazon Cloud、Google Cloud、Alibaba Cloudに類似する、IO.NETが提供するコンピューティングサービスはIO Cloudと呼ばれます。IO Cloudは、Pythonベースの機械学習コードを実行し、AIおよび機械学習プログラムを実行できるチップの分散型、非中央集権的ネットワークです。
IO Cloudの基本的なビジネスモジュールは「クラスタ」と呼ばれます。クラスターは、コンピューティング タスクを完了するために自律的に調整できる GPU のグループです。人工知能エンジニアは、ニーズに基づいて目的のクラスターをカスタマイズできます。
IO.NETの製品インターフェースは非常にユーザーフレンドリーです。AIコンピューティングタスクを完了するために独自のチップクラスタを展開する必要がある場合は、ウェブサイトのクラスタ製品ページに入るとすぐに希望のチップクラスタを構成を開始できます。
ページ情報：https://cloud.io.net/cloud/clusters/create-cluster, 下記同様
まず、プロジェクトシナリオを選択する必要があります。現在、利用可能なタイプは3つあります。
一般（汎用タイプ）：より一般的な環境を提供し、特定のリソースニーズが不確実なプロジェクトの初期段階に適しています。
Train (Training type): マシンラーニングモデルのトレーニングと微調整のために設計されています。このオプションでは、これらの集中的な計算タスクを処理するための追加のGPUリソース、より大きなメモリ容量、および/またはより高速なネットワーク接続が提供されています。
推論（推論タイプ）：低遅延推論および高負荷タスク向けに設計されています。機械学習の文脈では、推論とは訓練済みモデルを使用して新しいデータを予測または分析し、フィードバックを提供することを指します。したがって、このオプションは、リアルタイムまたはほぼリアルタイムのデータ処理ニーズをサポートするためにレイテンシとスループットの最適化に焦点を当てています。
次に、チップクラスターのサプライヤーを選択する必要があります。現在、IO.NETはRender NetworkとFilecoinのマイニングネットワークと提携しており、ユーザーはIO.NETまたは他の2つのネットワークからコンピューティングクラスターのサプライヤーとしてチップを選択できます。IO.NETは集約者として機能します（ただし、執筆時点ではFilecoinのサービスが一時的にオフラインです）。特に、ページ表示によると、IO.NETのオンラインで利用可能なGPU数は20万を超え、Render NetworkのGPU数は3,700を超えています。
最後に、クラスターのチップハードウェア選択フェーズに入ります。現在、IO.NETではGPUのみが選択肢にリストされており、CPUやAppleのiGPU（M1、M2など）は除外されており、GPUは主にNVIDIA製品が特色です。
その日に著者がテストしたデータに基づいて、IO.NETネットワークでオンラインで利用可能なGPUハードウェアオプションの公式リストには、合計206,001個のGPUがあります。そのうち、GeForce RTX 4090が45,250台で最も入手可能で、次いでGeForce RTX 3090 Tiが30,779台となっています。
さらに、AIコンピューティングタスク（機械学習、深層学習、科学計算など）においてより効率的なA100-SXM4-80GBチップ（市場価格15,000ドル以上）が7,965ユニットオンラインです。
AI（市場価格40,000ドル以上）向けに一から設計されたNVIDIA H100 80GB HBM3グラフィックスカードは、A100のトレーニング性能の3.3倍、推論性能の4.5倍で、合計86ユニットオンラインです。
クラスターのハードウェアタイプを選択した後、ユーザーは地域、通信速度、レンタルされるGPUの数、レンタル期間など、その他のパラメータを選択する必要があります。
最終的に、IO.NETは包括的な選択に基づいて請求書を提供します。例えば、著者のクラスター構成では、
- 一般的なタスクシナリオ
- 16 A100-SXM4-80GBチップ
- 超高速接続
- Located in the USA
- 1週間のレンタル期間
合計請求額は$3311.6で、カードごとの時間あたりの価格は$1.232です
比較すると、Amazon Cloud、Google Cloud、Microsoft Azure上のA100-SXM4-80GBの時給レンタル料金はそれぞれ$5.12、$5.07、$3.67です（データソース：https://cloud-gpus.com/,実際の価格は契約の詳細に基づいて異なる場合があります)。
従って、価格の面だけで言えば、IO.NETの計算能力は主流メーカーのものよりもかなり安価であり、供給と調達のオプションも非常に柔軟であり、始めやすいです。
ビジネス条件
供給サイドの状況
今年4月4日時点の公式データによると、IO.NETの総供給量はGPUが371,027台、CPUが42,321台です。また、パートナーであるRender Networkは、ネットワークの供給に9,997台のGPUと776台のCPUを接続しています。
データソース: https://cloud.io.net/explorer/home, 以下同じ
この記事の執筆時点では、IO.NETに接続されたGPUのうち214,387がオンラインで、オンライン率は57.8％です。Render NetworkからのGPUのオンライン率は45.1％です。
上記の供給側データは何を意味しますか？
比較をするために、別の古い分散コンピューティングプロジェクトであるAkash Networkを紹介しましょう。 Akash Networkは2020年にメインネットを立ち上げ、当初はCPUとストレージ向けの分散サービスに焦点を当てていました。2023年6月にはGPUサービスのためのテストネットを立ち上げ、同年9月には分散GPUコンピューティングパワーのメインネットを開始しました。
データソース：https://stats.akash.network/provider-graph/graphics-gpu
Akashの公式データによると、供給側は引き続き成長していますが、ネットワークに接続されたGPUの総数は現在365に達しているだけです。
GPU供給量に関して、IO.NETはAkash Networkよりも数桁大きく、分散型GPUコンピューティングパワーレースで最大の供給ネットワークとなっています。
需要側の状況
しかし、需要側を見ると、IO.NETはまだ市場開拓の初期段階にあり、IO.NETを使用して行われる計算タスクの実際のボリュームは大きくありません。ほとんどのオンラインGPUは作業量が0%で、A100 PCIe 80GB K8S、RTX A6000 K8S、RTX A4000 K8S、およびH100 80GB HBM3の4つのタイプのチップのみがタスクを処理しています。A100 PCIe 80GB K8Sを除いて、他の3つのチップの作業量は20%未満です。
当日公表された公式ネットワークストレス値は0%で、ほとんどのチップ供給がオンライン待機状態であることを示しています。一方、IO.NETは合計$586,029のサービス料を生成し、前日のコストは$3,200に達しました。
データソース: https://cloud.io.net/explorer/clusters
これらのネットワーク決済手数料の規模は、合計でも1日の取引量でも、Akashと同程度です。ただし、Akashのネットワーク収益のほとんどは、20,000以上のCPUが供給されているCPUセグメントから得られています。
データソース: https://stats.akash.network/
さらに、IO.NETはネットワークによって処理されたAI推論タスクのデータを公開しています。これまでに、230,000以上の推論タスクを処理および検証してきましたが、この大部分は、BC8.AIなどのIO.NETがスポンサーを務めるプロジェクトによって生成されています。
データソース: https://cloud.io.net/explorer/inferences
現在のビジネスデータに基づくと、IO.NETの供給側の拡大は、エアドロップやコミュニティイベント「Ignition」への期待感に支えられて順調に進行しており、急速に膨大な量のAIチップコンピューティングパワーを集めています。しかし、需要側の拡大はまだ初期段階であり、現在の有機的な需要は不十分です。現在の需要不足は、消費者へのアウトリーチがまだ開始されていないためか、現在のサービス体験が安定していないためか、広範な採用が不足しているかを評価する必要があります。
AIコンピューティングパワーのギャップを埋める短期的な困難を考慮すると、多くのAIエンジニアやプロジェクトは代替ソリューションを求めており、これは分散型サービスプロバイダーに関心を持たせる可能性があります。また、IO.NETがまだ需要側に経済的および活動的なインセンティブを導入していないことに加え、製品体験の段階的な改善とともに、供給と需要の最終的なマッチングはまだ楽観的に期待されています。
2.3 チームのバックグラウンドと資金調達
チームの状況
IO.NETのコアチームは当初、量的取引に焦点を当て、2022年6月まで株式や暗号資産向けの機関レベルの量的取引システムを開発しました。バックエンドシステムの計算能力の必要性により、チームは分散コンピューティングの可能性を探求し、最終的にGPUコンピューティングサービスのコストを削減することに焦点を当てました。
創業者兼CEO：Ahmad Shadidは、量的ファイナンスとエンジニアリングのバックグラウンドを持ち、Ethereum Foundationでのボランティア活動も行っています。
CMO＆Chief Strategy Officer：ギャリソン・ヤンは、今年3月にIO.NETに参加しました。以前はAvalancheの戦略および成長の副社長を務め、カリフォルニア大学サンタバーバラ校を卒業しています。
COO：Tory Greenは、以前Hum CapitalのCOOおよびFox Mobile Groupの企業開発および戦略ディレクターを務め、スタンフォード大学を卒業しています。
LinkedInの情報によると、IO.NETは米国ニューヨークに本社を置き、サンフランシスコに支社を持ち、チームの規模は50名を超えています。
資金調達状況
IO.NETは現在、今年3月に完了したシリーズAで評価額10億ドルの1回の資金調達のみを公開しています。Hack VCが主導し、他の参加者にはMulticoin Capital、Delphi Digital、Foresight Ventures、Animoca Brands、Continue Capital、Solana Ventures、Aptos、LongHash Ventures、OKX Ventures、Amber Group、SevenX Ventures、およびArkStream Capitalが含まれており、3000万ドルを調達しました。
Aptos財団からの投資の影響かもしれませんが、元々Solanaで精算していたBC8.AIプロジェクトは、高性能L1ブロックチェーンAptosに切り替えました。
2.4 評価見積り
IO.NETの創設者兼CEOであるAhmad Shadidによると、同社は4月末にトークンを発行する予定です。
IO.NETには、評価の参考となる2つの比較可能なプロジェクトがあります：Render NetworkとAkash Networkは、どちらも分散コンピューティングプロジェクトの代表です。
IO.NETの時価総額レンジを外挿する方法は2つあります: 1. 売上高倍率(P/S比率)、すなわち時価総額/売上高比率; 2. ネットワークチップあたりの時価総額比率。
まず、P/S比率に基づいた評価の外挿を見てみましょう：
P/S比率の観点から、AkashはIO.NETの評価範囲の下限として機能し、一方、Renderは高い評価価格の参考となります。彼らのFDV（完全に希釈された評価）の範囲は、16.7億ドルから59.3億ドルです。
ただし、IO.NETプロジェクトの更新を考慮すると、よりホットなナラティブ、より小さな初期循環市場キャップ、現在より大きな供給側スケールを考慮すると、そのFDVがRenderを上回る可能性は小さくありません。
次に、もう1つの評価視点である「市場対コア比率」を見てみましょう。
AIコンピューティングパワーの需要が供給を上回る市場において、分散型AIコンピューティングパワーネットワークの最も重要な要素はGPU供給の規模です。したがって、ネットワーク内のチップの数に対する総プロジェクト時価総額の比率である「市場対コア比率」を使用して、IO.NETの可能性のある評価範囲を読者に市場価値の参考として推測することができます。
)
市場対コア比率に基づいて計算すると、Render Networkを上限、Akash Networkを下限として、IO.NETのFDV範囲は206億ドルから1975億ドルです。
IO.NETプロジェクトに楽観的な読者は、これを非常に楽観的な市場価値の見積もりと考えるでしょう。
さらに、現在のIO.NETの大規模なオンラインチップ数は、エアドロップの期待やインセンティブ活動に刺激されている可能性があることを考慮する必要があり、実際の供給側のオンライン数は、プロジェクトが正式に開始された後に観察する必要があります。
したがって、全体として、P/S比率の観点からの評価見積もりはより参考になるかもしれません。
IO.NETは、AI、DePIN、およびSolanaエコシステムを組み合わせたプロジェクトとして、ローンチ後の市場パフォーマンスを大いに期待しています。
3. 参照情報
- Dephi Digital：リアルマージ
- Galaxy：暗号通貨と人工知能の交差点を理解する
免責事項：
- この記事は[から転載されましたミントベンチャーズすべての著作権は元の著者に帰属しますIO.NET. もしこの転載に異議がある場合は、お問い合わせください。Gate Learnチームが promptly それを処理します。
- 免責事項：この記事で表現されている見解や意見は、著者個人のものであり、いかなる投資アドバイスを構成するものではありません。
- 他言語への記事の翻訳はGate Learnチームによって行われます。特に言及されていない限り、翻訳された記事のコピー、配布、または盗用は禁止されています。
関連記事
ステーブルコインとは何ですか？