jakiro
まとめ
AI時代の製品競争は、リソースの終わり（コンピューティングパワー、データなど）、特にサポートする安定したリソースの終わりとは分離できません。
モデルのトレーニング/反復には、データをフィードするためにモデル効率に定性的な変化をもたらすのを支援するために、巨大なユーザー（IP）が必要です。
Web3と組み合わせることで、中小サイズのAIスタートアップチームが従来のAIジャイアンツへの追い越しを実現するのに役立ちます。
Depin Ecologyの場合、コンピューティングパワー、帯域幅、およびその他のリソースが下限を決定します（単純に電力統合は都市を保護しません）。 、およびデータの効果的な使用により、ディメンションの寸法が決まり、プロジェクトの制限が決まります。
AI+depinのコンテキストでは、モデルの推論＆AMP、およびモバイルAIモデル市場が評価されます。
AI市場分析＆AMP;
統計によると、2022年9月のChATGPTの誕生から2023年8月まで、グローバルトップ50 AI製品は240億を超える訪問を生み出し、平均月額年間成長率は2億3630万人でした。
AI製品の繁栄は、コンピューティングパワーの依存に悪化しています。
>
出典：「言語モデルは少数の学習者です」
マサチューセッツ大学アモスター大学の論文では、「人工知能モデルを訓練し、彼の人生で放出される炭素排出量は5台の車の炭素排出量に相当します。繰り返しトレーニングによってモデルが改善されると、エネルギーの使用が大幅に増加します。
最新の言語モデルには、数十億または数兆の重みが含まれています。人気のあるモデルGPT-3には、1750億の機械学習パラメーターがあります。A100を使用して1024 GPU、34日、460万米ドルを使用してモデルを訓練する場合。
AI時代の競争は、コンピューティングパワーにおける資源指向の戦争に徐々に拡大されました。
>
出典：AIは私たちの惑星を傷つけています：AIの驚異的なエネルギーコストに対処する
これは3つの質問を拡張します。まず、AI製品に十分なリソースエンド（コンピューティングパワー、帯域幅など）があるかどうか、特にサポートする安定したリソースの終わりです。この信頼性には、十分なコンピューティング能力を備えた地方分権が必要です。伝統的な分野では、チップ需要側のギャップにより、政策とイデオロギーに基づいた世界の壁と相まって、チップメーカーは自然に有利な位置にあり、価格を大幅に引き上げることができます。たとえば、NVIDIA H100モデルは2023年4月の36,000米ドルから50,000ドルに増加し、AIモデルトレーニングチームのコストがさらに増加しました。
2番目の問題は、リソース側の条件の満足度がAIプロジェクトが必要なハードウェアを解決するのに役立つことですが、モデルのトレーニング/反復には、データの供給に役立つ巨大なユーザー標準（IP）も必要です。モデルのサイズが特定のしきい値を超えた後、さまざまなタスクのパフォーマンスが画期的な成長を示します。
3番目の質問は、中小規模のAIがチームを開始することは困難です。従来の金融市場コンピューティングパワーの独占は、Openai、Google Deepmindなどに代表されるAIモデルメーカーの独占にもつながりました。中小サイズのAIチームは、より差別化された競争を求める必要があります。
上記の3つの質問は、Web3から見つけることができます。実際、AIとWeb3の組み合わせには長い歴史があり、生態学はより繁栄しています。
以下の写真は、将来のマネーグループで作られたAI+Web3エコシステムの一部です。
>
ai+depin
1。デピンソリューション
Depinは、分散型の物理インフラストラクチャネットワークの略語であり、人と機器の間の生産関係のコレクションでもあります。同時に、経済モデルの整然とした運用が達成されます。
Depinは自然にハードウェア機器や従来の企業とより深い関係を持っているため、より広い定義Web3と比較して、DepinはオフサイトAIチームと関連ファンドを引き付ける上で自然な利点があります。
Depin Ecologyの分散コンピューティングパワーの追求と貢献のインセンティブは、コンピューティングパワーとIPのAI製品のニーズのみを解決するだけです。
-
Depinは、世界のコンピューティングパワー（コンピューティングパワーセンター＆AMP;アイドルパーソナルコンピューティングパワー）のエントリを促進するためにトークンを使用しており、AIチームによるコンピューティングパワーの集中リスクを軽減し、コンピューティングパワーを呼び出すコストを削減しました。
-
Depinエコシステムの巨大で多様化したIP構成は、AIモデルがデータ収集チャネルの多様性と客観性を実現することもできます。
-
キャラクターのポートレートのdepinエコロジーユーザーとWeb3ユーザーの重複は、和解に定住したAIプロジェクトがWeb3特性を備えたより多くのAIモデルを開発して、従来のAI市場では利用できません。
Web2の分野では、AIモデルデータのコレクションは通常、パブリックデータセットまたはモデルプロデューサーに由来し、AIモデルの内容に主観的な「歪み」があります。出力。従来のデータ収集方法は、収集の効率とコストに限定されており、より大きなモデルスケール（パラメーターの数、トレーニング時間、データの品質）を取得することは困難です。AIモデルの場合、モデルのサイズが大きいほど、モデルのパフォーマンスが容易になり、定性的な変化が生じます。
>
出典：大規模な言語モデルの能力：彼らはどのように対処しないことを解決するか？
デピンは、たまたまこの分野で自然な利点を持っています。Hivemapperを例にとると、世界中の1920年の地域で配布されており、40,000人近くの貢献者がMAP AI（MAP AIモデル）のデータを提供しています。
>
AIとdepinの組み合わせは、AIとWeb3の融合が新たな高さを上昇させたことも意味します。Web3の現在のAIプロジェクトは、アプリケーションの端で広く発生しており、Web2インフラストラクチャへの直接的な依存を取り除いていません関与した。
Web3要素は食物連鎖の下流にあり、本当に過剰なリターンを得ることができません。これは、分散型コンピューティングパワープラットフォームの場合もあります。トークン経済学を通じてフライホイールの運用を促進することは不可能です。
ただし、AI+Depinの概念は、この固有の関係を破り、Web3の注意をより広いAIモデルに移しています。
2。AI+Depinプロジェクトの概要
Depinには、内部機器（コンピューティングパワー、帯域幅、アルゴリズム、データ）、ユーザー（モデルトレーニングデータプロバイダー）、および生態学的インセンティブメカニズム（トークン経済学）があります。
大胆に定義できます。AIに完全な客観的条件（コンピューティングパワー/帯域幅/データ/IP）を提供し、AIモデル（トレーニング/推論/微調整）シナリオを提供し、指定されたトークン経済学を定義して定義できます。 ai+depinの場合。
Future Money Groupは、Ai+Depinの古典的なパラダイムをリストします。
>
さまざまなカテゴリのリソースに従って、コンピューティングパワー、帯域幅、データ、およびその他のセクションに分けられ、さまざまなセクターのプロジェクトを整理しようとします。
2.1コンピューティングパワー
コンピューティングパワー側は、AI+Depinセクターの主な構成であり、プロジェクト構成の最大の部分でもあります。コンピューティングパワープロジェクトの場合、コンピューティングパワーの主な構成は、GPU（グラフィックプロセッサ）、CPU（中央プロセッサ）、TPU（プロフェッショナルマシン学習チップ）です。その中で、TPUは主に製造が難しいために作成されており、クラウドからアルゴリズムのレンタルサービスのみが実行されます。GPUは、CPUに似たハードウェアコンポーネントですが、より専門的です。通常のCPUと比較して、並列操作をより効率的に実行する複雑な数学操作を処理できます。最初のGPUは、ゲームやアニメーションでタスクをレンダリングするグラフィックスの処理に専念していましたが、今ではそれをはるかに超えています。したがって、GPUは現在のコンピューティングパワー市場の主なソースです。
したがって、私たちが見ることができるAI+Depinプロジェクトの多くは、GPUの特性によって引き起こされるグラフィックスとビデオレンダリング、または関連するゲームに特化しています。
グローバルな観点から、コンピューティングパワーのコンピューティングパワーの主なプロバイダーは、従来のクラウドコンピューティングパワーサービスプロバイダーです。その中で、クラウドコンピューティング電源サービスプロバイダーは、比較的大きく、パーソナルコンピューティングパワーのアイドル状態を占めています。これは、そのような製品がコンピューティングエージェントとしてより頻繁に再生されることを意味します。需要側は、さまざまなAIモデル開発チームです。
現在、このカテゴリでは、コンピューティング能力が現実には100％使用されず、より頻繁にアイドル状態では使用できません。たとえば、現在使用状態にあるAkashネットワークは約35％であり、残りのコンピューティングパワーはアイドル状態です。io.netも似ています。
これは、現在のAIモデルトレーニング要件の数が原因である可能性があり、AI+Depinが安価なコンピューティングパワーコストを提供できる理由でもあります。AI市場の拡大により、この状況は改善されます。
Akashネットワーク：分散型ポイントペアクラウドサービス市場
Akashネットワークは、分散型のポイントからポイントクラウドサービス市場であり、通常はAirbnbと呼ばれ、クラウドサービスと呼ばれます。Akash Networkを使用すると、さまざまなサイズのユーザーがサービスを迅速に、安定し、経済的に使用できます。
レンダリングと同様に、AkashはユーザーにGPUの展開、リース、およびAIモデルトレーニングを提供します。
2023年8月、AkashはSuperCloudを立ち上げ、開発者がAIモデルを展開するために支払う意思のある価格を設定し、プロバイダーがユーザーをホストするための追加のコンピューティングパワーを設定できるようにしました。この機能はAirbnbに非常に似ており、プロバイダーが未使用の容量をレンタルできるようにします。
パブリック入札により、リソースプロバイダーのプロバイダーは、そのネットワークでアイドル状態のコンピューティングリソースを開き、リソースのより効果的な使用を達成し、リソース需要者の競争力のある価格を提供します。
>
現在、Akash Ecological GPUの総量は176 GPUですが、活動の数は62で、ある程度の活動は35％で、2023年9月には50％未満です。推定1日の収入は約5,000ドルです。Aktトークンには、ユーザーはネットワークセキュリティに参加するために約13.15％の年間収入を得ることができます。
Akashは現在のAI+Depinセクターでより高い品質データを持っており、7億ドルのFDVにはRenerとBittensorの増加のための大きな部屋があります。
Akashはまた、BitterSorのサブネットにアクセスして、独自の開発スペースを拡大します。全体として、Akashプロジェクトは、AI+Depinトラックのいくつかの高品質のプロジェクトの1つとして、優れた基本を持っています。
IO.NET：GPUの最大数を持つAI+depin
IO.NETは、Solanaブロックチェーン上のML（機械学習）アプリケーションの開発、実行、拡張をサポートする分散型コンピューティングネットワークであり、世界最大のGPUクラスターを使用して機械学習エンジニアがレンタルとアクセスのコストのごく一部を可能にします。分散クラウドサービスコンピューティングパワー。
公式データによると、IO.NETにはスタンバイに100万個以上のGPUがあります。さらに、IO.NETとレンダリングの協力により、展開に利用可能なGPUリソースも拡張されました。
IO.NETエコロジーはより多くのGPUを持っていますが、ほとんどすべてがさまざまなクラウドコンピューティングメーカーと個人ノードへのアクセスから来ており、アイドルレートは8426 GPUの場合にのみ、最大数のRTX A6000を取得しています。 GPU（927）のみが使用されていますが、GPUのモデルが増えています。ただし、現在のIO.NET製品の主な利点は、価格設定が1時間のGPU通話コストに比べて安いことです。
>
後続のIO.NETは、GPUプロバイダーがIOエコシステムが抵当型ネイティブ資産で使用される可能性を向上させることを許可することを考慮しています。より多くの資産が投資されるほど、選択された機会が大きくなります。同時に、ネイティブ資産を誓約するAIエンジニアは、高性能GPUを使用することもできます。
GPUアクセススケールに関しては、IO.NETは、この記事にリストされている10のプロジェクトの中で最大のプロジェクトです。アイドルレートに加えて、使用状態のGPUの数も最初です。トークンエコノミクスに関しては、IO.NETネイティブトークンと合意トークンIOは2024年第1四半期に発売され、最大供給は22,300,000です。ユーザーは、ネットワークを使用するときに5％の料金を請求します。これは、IOトークンの燃焼に使用されるか、需要と供給の新しいユーザーにインセンティブを提供します。したがって、トークンモデルには明らかなリフティング特性がありますが、IO.NETはコインを発行していませんが、市場は非常に人気があります。
ゴーレム：コンピューティングパワー市場は主にCPUです
Golemは、共有リソースのネットワークを作成することにより、コンピューティングリソースを共有および集約する人をサポートする分散型コンピューティングパワー市場です。Golemは、ユーザーにコンピューティングパワーレンタルのシーンを提供します。
ゴーレム市場は、電力サプライヤーを計算し、電力要件を計算し、ソフトウェア開発者である3つのパーティ市場で構成されています。コンピューティングパワーデマンドパーティは、コンピューティングタスクを提出し、GoLemネットワークはコンピューティングタスクを適切なコンピューティングパワーサプライヤーに割り当てます（RAM、ハードディスクスペース、CPU核数などを提供します2つの当事者は、トークンを通じて和解の代金を支払います。
>
Golemは主にCPUを使用して、コストはGPUよりも低くなります（Inter I9 14900K価格は約700ドルで、A100 GPU価格は12,000〜25,000ドルです）。しかし、CPUは高い並行性操作を実行することはできず、エネルギー消費はより高くなります。したがって、コンピューティングパワーリース用のCPUは、GPUプロジェクトよりもわずかに弱い場合があります。
マグネットAI：AIモデルアセットベース
Magnet AIは、GPUコンピューティングパワープロバイダーを統合することにより、さまざまなAIモデル開発者にモデルトレーニングサービスを提供しています。他のAI+Depin製品とは異なり、Magent AIは、さまざまなモデルのモデルに基づいて、異なるモデルのモデルと追加の報酬を得ることができます。
Q2、2024では、Magent AIはPolygon Zkevm＆amp;
IO.NETに少し似ています。
違いは、IO.NETがGPUリソースの統合に焦点を当て、さまざまなGPUクラスター、企業、およびGPUへの個人的な貢献を促進することです。同時に、コンピューティングパワードライバーです。
Magent AIは、AIモデルのトークンの存在が、トークンとエアドロップの周りの保持を完了する可能性があるためです
簡単な要約：Magnetは、AI開発者とモデルの展開を使用して市場を構築することに相当します。
レンダリング：グラフィックレンダリングタイプAIモデルプロフェッショナルプレーヤー
Render Networkは、分散型GPUレンダリングソリューションプロバイダーです。これは、ブロックチェーンテクノロジーを介してクリエイターとアイドル状態のGPUリソースを排除し、時間とコストを削減し、同時にデジタル著作権管理を提供することを目的としています。
Renderのホワイトペーパーのコンテンツによれば、レンダリングに基づいて、アーティスト、エンジニア、開発者は、AI補助3Dコンテンツ生成、AIアクセラレーションすべての – seriesレンダリング、関連するレンダリングの3Dシーン図データなど、一連のAIアプリケーションを作成できます。 AIモデルトレーニング。
Renderは、Render Network SDKをAI開発者に提供します。開発者は、Renderの分散GPUを使用して、NERF（神経反射フィールド）からAIコンピューティングタスクを実行してAIタスクを生成できます。
グローバル市場の洞察によると、グローバルな3Dレンダリング市場規模は60億ドルに達すると予想されています。FDVの22億米ドルには開発の余地があります。
現在、GPUに基づいたレンダリングの特定のデータでは利用できませんが、レンダリングの背後にあるOtoy Companyは、Appleとの相関を数回示しています。 Unity3DおよびUnrealエンジンのネイティブサポートを含む、建築ビジョンおよびシミュレーションエリアの分野ですべての産業を設計します。
GoogleとMicrosoftはRNDRネットワークを追加しました。レンダリングは2021年に約250,000のレンダリングリクエストを処理し、エコロジーのアーティストはNFTを通じて約50億ドルの売り上げを生み出しました。
したがって、レンダリングの参照評価は、市場の可能性を提供する必要があります（約300億米ドル）。BMEの経済モデル（燃焼とキャスティングのバランス）と相まって、レンダリングには、単純なトークンまたはFDVの価格に関して、レナーのための一定の余地があります。
clore.ai：ビデオレンダリング
Clore.aiは、POWに基づいたGPUコンピューティングパワーレンタルサービスを提供するプラットフォームです。ユーザーは、AIトレーニング、ビデオレンダリング、暗号通貨マイニングのために独自のGPUをレンタルできます。
ビジネスの範囲には、人工知能トレーニング、フィルムレンダリング、VPN、暗号通貨採掘などが含まれます。特定のコンピューティング電源サービスの需要がある場合、ネットワーク分布のタスクを完了します。
>
過去6か月で、GPUの数は2000年から約9,000に増加しましたが、GPU統合の観点からは、clore.aiはAkashを超えています。しかし、その流通市場FDVは、Akashの約20％に過ぎません。
トークンモデルでは、クローアは事前に留められていないパウマイニングモードを使用し、各ブロックはマイナーに割り当てられ、40％がテナントに割り当てられ、10％がチームに割り当てられます。
トークンの総額は、2022年6月以来13億元でした。2023年の終わりには、循環量は約2億5,000万人で、総トークンの20％を占めています。したがって、現在のFDVは3100万ドルです通貨価格は抵抗です。
LivePeer：ビデオレンダリング、推論
LivePeerは、Ethereumの分散型ビデオプロトコルに基づいて、すべての関係者に報酬を発行して、リーズナブルな価格でビデオコンテンツを安全に処理します。
公式によると、LivePeerには数百万のビデオトランスコーディングのために、週に数千のGPUリソースがあります。
LivePeerは、「メインネットワーク」+「サブネット」メソッドを使用して、さまざまなノードオペレーターがサブネットを生成し、LivePeerのメインネットワークで支払いを満たすことでこれらのタスクを実行できるようにする場合があります。たとえば、ビデオレンダリング専用のAIモデルトレーニング用のAIビデオサブネットのAIモデルの導入。
LivePeerは、AIに関連するパーツを単純なモデルトレーニングから、順調に拡張しました。
Aethir：クラウドゲームとAIに焦点を当てます
Aethirは、ゲームおよび人工知能会社向けに構築された分散型クラウドインフラストラクチャ（DCI）であるクラウドゲームプラットフォームです。プレイヤーの代わりに重いGPUコンピューティングロードを提供して、ゲーマーがどこでも非常に低いエクスペリエンスや機器を獲得できるようにするのに役立ちます。
同時に、AethirはGPU、CPU、ディスク、その他の要素を含む展開サービスを提供しています。2023年9月27日、Aethirはグローバルな顧客にクラウドゲームとAIコンピューティングパワーの商用サービスを公式に提供し、統合された分散コンピューティングにより独自のプラットフォームとAIモデルのコンピューティングパワーサポートを提供しました。
クラウドへのコンピューティングレンダリングのコンピューティング電力要件を転送することにより、クラウドゲームはターミナル機器のハードウェアとオペレーティングシステムの制限を排除し、潜在的なプレーヤーの基本スケールを大幅に拡大します。
2.2帯域幅
帯域幅は、2021年にDepinが提供するリソースの1つであり、世界の帯域幅市場が500億米ドルを超えており、2027年に1,000億を超えると予測されています。
ますます複雑なAIモデルにより、モデルトレーニングは通常、データの並列、パイプラインの並列、テンソルの並列など、さまざまな並列コンピューティング戦略を採用しています。これらの並列コンピューティングモードでは、複数のコンピューティングデバイス間の集合通信操作の重要性がますます顕著になっています。したがって、大規模なAIモデルの大規模なトレーニングクラスターを構築する場合、ネットワーク帯域幅の役割が強調表示されます。
さらに重要なことに、安定した信頼性の高い帯域幅のリソースは、異なるノードがそれに応じて単一ポイント制御の出現を回避することを保証できます（Falconは低レイテンシ+高帯域幅リレーネットワークモードを採用して遅延と遅延を求め、遅延とバランスを求めます。帯域幅）、最終的にネットワーク全体の信頼と反レビューを確保します。
草：モバイルターミナル上のバンド全体のマイニング製品
草は、Wyndネットワークの旗艦製品です。草は、疑いを持たない人形リソースを販売することにより、相互接続の接続を介して受動的なオタマジャクシを得ることができます。
ユーザーは、草でインターネット帯域幅を販売して、AIモデルトレーニングがトークンリターンを取得するのを支援する必要があるAI開発チームに帯域幅サービスを提供できます。
現在、草はモバイルターミナルとPCには異なるIPアドレスがあるため、草のユーザーが同時により多くのIPアドレスを提供し、草はより多くのIPアドレスを収集しようとしています。その結果、AIモデルトレーニングはより良いデータ効率を提供します。
現在、Grassには2つのIPアドレスがあります。PCは拡張プログラムをダウンロードし、モバイルアプリのダウンロードをダウンロードしています。（PCおよびモバイルターミナルは異なるネットワークにある必要があります）
>
2023年11月29日現在、草のプラットフォームは103,000回、1,450,000個の一意のIPアドレスがダウンロードされています。
モバイルとPCでのAIの需要は異なるため、該当するAIモデルトレーニングカテゴリは異なります。
たとえば、モバイルターミナルには、画像の最適化、顔認識、実際の翻訳、音声アシスタント、および機器のパフォーマンスの最適化に関する多くのデータがあります。これらは、PCが提供するのが困難です。
現在、草はモバイルAIモデルトレーニングで比較的高度な位置にあります。モバイル市場の大きな可能性を考慮すると、草の見通しは注目に値します。
ただし、草はまだAIモデルでより効果的な情報を提供していません。
Meson Network：レイヤー2互換性のあるモバイル端子
Meson Networkは、ブロックチェーンレイヤー2に基づいた次の生成ストレージアクセラレーションネットワークです。マイニング、帯域幅リソースのスケジュールを介してアイドルサーバーを集約し、ファイルとストリーミングメディアを提供して、従来のWebサイト、ビデオ、ライブなどの市場を加速するためにメディアをストリーミングします。放送およびブロックチェーンストレージスキーム。
Meson Networkを帯域幅のリソースプールとして理解することができ、プールの両側は需要と供給の両方と見なすことができます。前者は帯域幅に貢献し、後者は帯域幅を使用します。
メソンの特定の製品構造の中で、世界のさまざまなノードに寄与する帯域幅を受信する責任がある2つの製品（Gatewayxとgaganode）があり、1つの製品（IPCOLA）がこれらの収束帯域幅リソースを収益化する責任があります。
GateWayX：主にIDCセンターを目指して、主に統合されたビジネスアイドル帯域幅です。
Mesonのデータボードから、現在アクセスIDCには世界中に20,000を超えるノードがあり、12.5Tib/sのデータ送信容量が形成されていることがわかります。
Gaganode：主に住宅および個人用機器のアイドル帯域幅を統合し、エッジコンピューティングの支援を提供します。
IPCOLA：IPや帯域幅分布などのメソン収益化チャネルおよびその他のタスク。
>
現在、メソンは、半年の収入が100万米ドルを超えていることを明らかにしました。公式ウェブサイトの統計によると、Mesonには27116 IDCノードがあり、IDC容量は17.7TB/sです。
>
現在、メソンは2024年3月から4月までトークンを発行する予定ですが、トークン経済学が発表されています。
トークン名：MSN、1億個の初期供給、初年度の採掘率は5％で、年間0.5％減少しました。
ネットワーク3：SEIネットワーク統合と統合
Network3は、特別なAIレイヤー2を構築し、SEIと統合したAI会社です。AIモデルアルゴリズム、限界コンピューティング、プライバシーコンピューティングを最適化および圧縮して、世界中のAI開発者にサービスを提供し、開発者がモデルを迅速に、便利で、高効率のトレーニングと検証を支援します。
公式ウェブサイトのデータによると、現在、58,000を超えるアクティブノードがNetwork3にあり、2pbの帯域幅サービスを提供しています。Alchemy Pay、Ethsign、IoTexなどの10のブロックチェーンエコシステムと協力してください。
2.3データ
コンピューティングパワーや帯域幅とは異なり、現在の市場供給は比較的ニッチです。そして独特のプロフェッショナリズムを備えています。需要グループは通常、プロジェクト自体または関連カテゴリのAIモデル開発チームです。たとえば、HiveMapper。
独自のマップモデルを独自のデータを使用してトレーニングすると、このパラダイムは論理的に難しくありません。そのため、Dimo、Natix、FrodobotsなどのHivemapperに似たDepinプロジェクトの視野をリラックスさせることができます。
HiveMapper：独自のマップAI製品エンパワーメントに焦点を当てます
Hivemapperは、SolanaのDepinコンセプトトップの1つであり、分散型の「Google Map」の作成に取り組んでいます。ユーザーは、HiveMapperが発売した運転レコーダーを購入して、HiveMapperと実際の画像を使用して共有することで、ハニートークンを入手できます。
Hivemapperに関して、Future Money Groupは、「FMG Research Report：30 -Day Rising 19回、Hivemapperが代表する自動車depin形式を理解する」で詳細に説明されています。HivemapperがAI+Depinセクターに含まれる理由は、HivemapperがMAP AIを起動したためです。
MAP AIは、新しい役割、AIトレーナーを設定します。キャラクターの以前の運転レコーダーデータ貢献者とMAP AIモデルトレーナー。
>
代わりに、AIモデルトレーナーのHivemapperの要件は意図的に専門化しませんでした。DepinプロジェクトのIPリソースが豊富になればなるほど、AIの取得データの効率が高くなります。また、AIトレーニングに参加しているユーザーは、ハニートークンの報酬を得ることができます。
HiveMapperのAIのアプリケーションシナリオは比較的ニッチであり、Hivemapperは第3パーティモデルトレーニングをサポートしていません。したがって、Hivemapperの投資ロジックは変更されません。
潜在的
DIMO：車の内部データを収集します
Dimoは、ポリゴンに基づいた自動車IoTプラットフォームであり、ドライバーが車両データを収集して共有できるようにします。
車両データを分析することにより、DIMOプラットフォームは、時間内にユーザーをいつ維持および思い出させるかを予測できます。ドライバーは自分の車両を理解するだけでなく、Dimoのエコシステムにデータを提供して、Dimoトークンを報酬として取得することもできます。データ消費者として、データをプロトコルから抽出して、バッテリー、自律運転システム、コントロールなどのコンポーネントのパフォーマンスを理解できます。
Natix：プライバシーエンパワーメントマップデータ収集
Natixは、AIプライバシー特許で構築された分散型ネットワークです。目的はAIプライバシー特許に基づいており、グローバルカメラ（スマートフォン、ドローン、車）を組み合わせて、中国保険カメラネットワークを作成し、プライバシーコンプライアンスの前提の下でデータを収集し、分散型ダイナミックマップ（DDMAP）がコンテンツに記入します。
データに参加するユーザーは、モチベーションのためにトークンとNFTを取得できます。
Frodobots：キャリアとしてのロボットの分散型ネットワークアプリケーション
Frodobotsは、カメラを介してデータに影響を及ぼし、特定のソーシャル属性を備えたキャリアとしてモバイルロボットを備えたDepinゲームです。
ロボットを購入してゲームに参加し、グローバルプレーヤーと対話するユーザー。同時に、ロボットに付属のカメラも道路を収集して要約し、データをマップします。
上記の3つのプロジェクトには、データ収集とIPを備えた2つの要素がありますが、関連するAIモデルトレーニングはまだ行われていませんが、すべてAIモデルの導入に必要な条件を提供しています。これらのプロジェクトには、カメラを介してデータを収集して完全なマップを形成する必要があるHiveMapperが含まれます。したがって、適応されたAIモデルは、MAP構築の分野にも限定されます。AIモデルのエンパワーメントは、プロジェクトがより高い堀を構築するのに役立ちます。
カメラのコレクションを通じて、2つのウェイプライバシー違反が発生することに注意してください。たとえば、Natixはプライバシー保護のためにAIを運用しています。
2.4アルゴリズム
コンピューティングパワー、帯域幅、およびデータは、リソースエンドの区別に焦点を当てており、アルゴリズムはAIモデルに焦点を当てています。BitterSorを例にとると、Bittersorはデータに直接寄付したり、計算に貢献したりするだけでなく、ブロックチェーンネットワークとインセンティブメカニズムを介して、知識共有のモデル市場を使用できます。
Openaiと同様に、Bittersorは、従来のモデルの巨人に一致する推論パフォーマンスを達成するために、モデルの分散化特性を維持する目的です。
アルゴリズムトラックには特定の進歩があり、同様のアイテムはまれです。AIモデル、特にWeb3に基づいたAIモデルの出現の場合、モデル間の競合は正常になります。
同時に、モデル間の競争により、AIモデル産業の下流にもなります。推論と微調整の重要性は増加します。AIモデルのトレーニングは、AI業界の上流にのみです。これは、初期インテリジェンスを使用して、モデルのより慎重なモデルの推論と調整を行う必要があります（最適化として理解できます。 ）。これらのプロセスには、より複雑な生態学的アーキテクチャとコンピューティングパワーサポートが必要です。それはまた、潜在的な開発の可能性が巨大であることを意味します。
ビテンサー：AIモデル予言マシン
Bittensorは、Polkadotのメインネットワーク+サブネットと同様の分散型機械学習エコロジーです。
動作ロジック：Ziwangはアクティビティ情報をBittensor API（預言者に似たキャラクター）に渡し、APIは有用な情報をメインネットワークに渡し、メインネットワークは報酬を配布します。
>
>
bittersor 32サブネット
二節生態学的内部キャラクター：
マイナー：世界中のさまざまなAIアルゴリズムとモデルのプロバイダーとして理解できます。
>
確認：bittersorネットワークの鑑定人。AIモデルの品質と有効性を評価し、特定のタスクのパフォーマンスに基づいてAIモデルをランク付けして、消費者が最良のソリューションを見つけるのに役立ちます。
ユーザー：Bittensorによって提供されるAIモデルが最終的に使用されます。それは、AIモデルを求めて適用する個人または開発者である可能性があります。
候補者：サポートを表明するためにトークンを特定の認証者に委ねるか、異なる認証者を変更して委託することもできます。
>
AIの供給と需要チェーンのオープン：さまざまなモデルを提供し、一部の人々は異なるモデルを評価し、一部の人々は最高のモデルの結果を使用しています。
「コンピューティング電力機関」に似たAkashやレンダリングとは異なり、Bittensorは「労働市場」に似ており、既存のモデルを使用してより多くのデータを吸収してモデルをより妥当なものにします。鉱夫と検証は、「建設パーティー」と「監督者」の役割に似ています。ユーザーは疑問を提起し、鉱夫は答えを出力し、検証は答えの品質を評価し、最終的にユーザーに戻ります。
bittersorトークンはタオです。TAOの市場価値は現在RNDRに次いで2番目ですが、4年の長期リリースメカニズムにより、完全に希薄化された値に対する市場価値の比率は、いくつかのプロジェクトの中で最も低いことを意味します。タオは比較的高いですが、単価は高くなっています。したがって、TAOの実際の値は過小評価されています。
現在、適切な評価基準を見つけることはより困難です。
「予測機」属性に従って開始すると、ChainLink（140億ドル）が参照の対象です。TAOは増加のほぼ9倍です。
ビジネスの類似性から始めて、Openai（Microsoftから約300億米ドルを獲得）を参照すると、TaoのRising Hard Topは約20倍になる可能性があります。
結論は
全体として、AI+Depinは、Web3コンテキストでAIトラックのパラダイム転送を促進し、「AIがWeb3でできる」という固有の思考から飛び出すことができます。
Nvidia CEOのHuang Renxunが「iPhone」として大規模なモデルのリリースをリリースする場合、AIとDepinの組み合わせは、Web3が「iPhone」の瞬間を実際に案内したことを意味します。
デピンは、現実の世界で最も簡単に受け入れられ、成熟したユースケースであるため、Web3をより受け入れやすくしています。
AI+DepinプロジェクトにおけるIPノードの部分的な一致のため、2つの組み合わせも2つの組み合わせであり、同時に、業界がモデルと属するAI製品を生み出すのにも役立ちます。 Web3の独自。これにより、Web3業界の全体的な開発に役立ち、AIモデルの推論や微調整、モバイルAIモデルの開発など、業界向けの新しいトラックを開きます。
興味深い点は、テキストにリストされているAI+Depin製品が、ネストされた公共チェーンの開発パスに行くことができるように見えることです。前のサイクルでは、さまざまな開発者の参入を引き付けるために独自のTPSおよびガバナンス方法を使用して、さまざまな新しい公共チェーンが出現しました。
現在のAI+Depin製品は、独自のコンピューティングパワー、帯域幅、データ、IPの利点に基づいています。したがって、現在、AI+Depin製品は均一な競争に偏る傾向があることがわかります。
重要なのは、コンピューティングパワーの量ではなく（これは非常に重要な前提条件です）が、これらのコンピューティングパワーの使用方法です。現在のAI+Depinトラックはまだ「野barな成長」の初期の時代にあるため、AI+Depinの将来のパターンと製品形式に期待することができます。
参照
1.https：//www.techopedia.com/decentralized-physical-infrastruction-networks-depin-brings-nd-crypto-together
2.https：//medium.com/meson-network/with-increasing-ai-ndepin-tr 9bd
3.https：//medium.com/cudos/the-rise-as-defin- unveiling-the-about-of-asiverse-compute-requirements-213f7b5b117171
4.https：//www.numenta.com/blog/2022/05/24/ai-timing-er-planet/
5.https：//www.techflowpost.com/article/detail_15398.html
6.https：//www.numenta.com/blog/2022/05/24/ai-hrming-er-planet/
7.https：//mirror.xyz/livepeer.eth/7yjb5osz28aj9xva54bz4t2hupnm5o9rrpv-zmgwdz44444444444444444444444444444444444444444
