Umfassende Interpretation des Computer-Ökosystems DePIN Track

Originalautor: Paul Timofeev

Originalübersetzung: TechFlow

Die zentralen Thesen

• Rechenressourcen sind mit dem Aufkommen von maschinellem Lernen und Deep Learning für die generative KI-Entwicklung, die beide große rechenintensive Arbeitslasten erfordern, immer beliebter geworden. Da große Unternehmen und Regierungen diese Ressourcen jedoch anhäufen, sind Startups und unabhängige Entwickler nun mit einem Mangel an GPUs auf dem Markt konfrontiert, was die Ressourcen unerschwinglich teuer und/oder unzugänglich macht.

• Compute DePINs ermöglichen die Schaffung einer dezentralen Marktplatz für Rechenressourcen wie GPUs, indem jeder auf der Welt seinen ungenutzten Vorrat gegen Geldprämien anbieten kann. Dies soll unterversorgten GPU-Verbrauchern helfen, Zugang zu neuen Lieferkanälen zu erhalten, um die Entwicklungsressourcen, die sie für ihre Arbeitslasten benötigen, zu geringeren Kosten und mit geringerem Aufwand zu erhalten.

• Im Wettbewerb mit herkömmlichen zentralisierten Dienstanbietern stehen rechnergestützte DePINs noch immer vor zahlreichen wirtschaftlichen und technischen Herausforderungen. Einige dieser Herausforderungen werden sich mit der Zeit von selbst lösen, während andere neue Lösungen und Optimierungen erfordern.

Computer sind das neue Öl

Seit der industriellen Revolution hat die Technologie die Menschheit in beispiellosem Tempo vorangetrieben und nahezu jeden Aspekt des täglichen Lebens beeinflusst oder völlig verändert. Computer entstanden schließlich als Höhepunkt der gemeinsamen Anstrengungen von Forschern, Akademikern und Computeringenieuren. Ursprünglich entwickelt, um große Rechenaufgaben für fortgeschrittene Militäroperationen zu lösen, haben sich Computer zum Rückgrat des modernen Lebens entwickelt. Da der Einfluss von Computern auf die Menschheit weiterhin in beispiellosem Tempo zunimmt, steigt auch die Nachfrage nach diesen Maschinen und den Ressourcen, die sie antreiben, und übersteigt das verfügbare Angebot. Dies wiederum hat eine Marktdynamik geschaffen, in der die meisten Entwickler und Unternehmen keinen Zugang zu wichtigen Ressourcen erhalten können, wodurch die Entwicklung von maschinellem Lernen und generativer KI – eine der umwälzendsten Technologien der Gegenwart – in den Händen einer kleinen Anzahl gut finanzierter Akteure liegt. Gleichzeitig bietet das große Angebot an ungenutzten Computerressourcen eine lukrative Gelegenheit, das Ungleichgewicht zwischen Computerangebot und -nachfrage auszugleichen, was den Bedarf an Koordinierungsmechanismen zwischen beiden Parteien verschärft. Daher sind wir davon überzeugt, dass dezentrale Systeme auf Basis der Blockchain-Technologie und digitaler Assets für eine umfassendere, demokratischere und verantwortungsvollere Entwicklung generativer KI-Produkte und -Dienste von entscheidender Bedeutung sind.

Computerressourcen

Computing kann als jede Aktivität, Anwendung oder Arbeitslast definiert werden, bei der ein Computer auf der Grundlage einer gegebenen Eingabe eine genau definierte Ausgabe erzeugt. Letztlich bezieht es sich auf die Rechen- und Verarbeitungsleistung von Computern , was der Kernnutzen dieser Maschinen ist, die viele Teile der modernen Welt antreiben und erzeugen satte $1,1 Billionen Umsatz allein im vergangenen Jahr.

Unter Computerressourcen versteht man die verschiedenen Hardware- und Softwarekomponenten, die Berechnungen und Verarbeitungen ermöglichen. Da die Anzahl der Anwendungen und Funktionen, die sie ermöglichen, ständig zunimmt, werden diese Komponenten immer wichtiger und im täglichen Leben der Menschen immer präsenter. Dies hat zu einem Wettlauf zwischen nationalen Mächten und Unternehmen geführt, um so viele dieser Ressourcen wie möglich anzuhäufen, um zu überleben. Dies spiegelt sich in der Marktleistung der Unternehmen wider, die diese Ressourcen bereitstellen (z. B. Nvidia, dessen Marktwert in den letzten 5 Jahren um mehr als 30.000 TP9T gestiegen ist).

GPU

GPUs sind eine der wichtigsten Ressourcen im modernen Hochleistungsrechnen . Die Kernfunktion einer GPU besteht darin, als spezialisierter Schaltkreis zu dienen, der Computergrafik-Workloads durch parallele Verarbeitung beschleunigt. Ursprünglich dienten GPUs der Gaming- und PC-Branche, haben sich aber weiterentwickelt und werden nun für viele der neuen Technologien verwendet, die die Zukunft unserer Welt prägen (z. B. Konsolen und PCs, Mobilgeräte, Cloud Computing, IoT). Die Nachfrage nach diesen Ressourcen wurde jedoch durch den Aufstieg des maschinellen Lernens und der künstlichen Intelligenz besonders verschärft – durch die parallele Durchführung von Berechnungen beschleunigen GPUs ML- und KI-Operationen und erhöhen so die Verarbeitungsleistung und -fähigkeiten der resultierenden Technologie.

Der Aufstieg der KI

Im Kern geht es bei KI darum, Computer und Maschinen in die Lage versetzen, menschliche Intelligenz und Problemlösungsfähigkeiten zu simulieren . KI-Modelle bestehen als neuronale Netzwerke aus vielen verschiedenen Datenelementen. Das Modell benötigt Rechenleistung, um die Beziehungen zwischen diesen Datenelementen zu erkennen und zu erlernen und diese Beziehungen dann beim Erstellen von Ausgaben auf der Grundlage gegebener Eingaben zu referenzieren.

Entgegen der landläufigen Meinung ist die Entwicklung und Produktion von KI nichts Neues. 1967 baute Frank Rosenblatt das Mark 1 Perceptron, den ersten Computer auf Basis neuronaler Netzwerke, der durch Versuch und Irrtum „lernte“. Außerdem Ein Großteil der akademischen Forschung, die den Grundstein für die Entwicklung der KI, wie wir sie heute kennen, legte wurde in den späten 1990er und frühen 2000er Jahren veröffentlicht und die Branche ist seitdem kontinuierlich gewachsen.

Über die Forschungs- und Entwicklungsarbeit hinaus werden „enge“ KI-Modelle bereits in einer Vielzahl leistungsstarker Anwendungen eingesetzt. . Beispiele hierfür sind Social-Media-Algorithmen wie Siri von Apple und Alexa von Amazon, personalisierte Produktempfehlungen und mehr. Insbesondere der Aufstieg des Deep Learning hat die Entwicklung der künstlichen generativen Intelligenz (AGI) verändert. Deep-Learning-Algorithmen nutzen größere oder „tiefere“ neuronale Netzwerke als Anwendungen des maschinellen Lernens und sind daher eine skalierbarere und vielseitigere Alternative. Modelle der generativen KI „kodieren eine vereinfachte Darstellung ihrer Trainingsdaten und beziehen sich darauf, um neue Ausgaben zu erzeugen, die ähnlich, aber nicht identisch sind.“

Mithilfe von Deep Learning können Entwickler generative KI-Modelle auf Bilder, Sprache und andere komplexe Datentypen skalieren. Und obwohl bahnbrechende Apps wie ChatGPT, das einen der schnellsten Benutzerzuwächse der Neuzeit verzeichnet hat, nur erste Iterationen dessen darstellen, was mit generativer KI und Deep Learning möglich ist.

Vor diesem Hintergrund dürfte es nicht überraschen, dass die Entwicklung generativer KI mehrere rechenintensive Workloads umfasst, die erhebliche Mengen an Verarbeitungs- und Rechenleistung erfordern.

Entsprechend Die Dreierkombination der Deep-Learning-Anwendungsanforderungen wird die Entwicklung von KI-Anwendungen durch mehrere wichtige Arbeitslasten eingeschränkt;

• Ausbildung – Modelle müssen große Datensätze verarbeiten und analysieren, um zu lernen, wie sie auf gegebene Eingaben reagieren.

• Tuning – Das Modell durchläuft eine Reihe iterativer Prozesse, bei denen verschiedene Hyperparameter angepasst und optimiert werden, um Leistung und Qualität zu verbessern.

• Simulation – Einige Modelle, z. B. bestärkende Lernalgorithmen, werden vor der Bereitstellung zu Testzwecken einer Reihe von Simulationen unterzogen.

Rechenknappheit: Nachfrage übersteigt Angebot

In den letzten Jahrzehnten haben viele technologische Fortschritte zu einem beispiellosen Anstieg der Nachfrage nach Rechen- und Verarbeitungsleistung geführt. Infolgedessen übersteigt die Nachfrage nach Rechenressourcen wie GPUs heute das verfügbare Angebot bei weitem. Dies schafft einen Engpass in der KI-Entwicklung, der ohne wirksame Lösungen nur noch weiter wachsen wird.

Die allgemeineren Versorgungsengpässe werden noch dadurch verstärkt, dass viele Unternehmen mehr GPUs kaufen, als sie tatsächlich benötigen – sowohl als Wettbewerbsvorteil als auch als Überlebensstrategie in der modernen globalen Wirtschaft. Computeranbieter verwenden häufig Vertragsstrukturen, die langfristige Kapitalbindungen erfordern, und gewähren ihren Kunden so mehr, als sie benötigen.

Epochs Forschung zeigt, dass die Gesamtzahl der veröffentlichten rechenintensiven KI-Modelle schnell wächst, was darauf schließen lässt, dass der Ressourcenbedarf dieser Technologien auch weiterhin schnell steigen wird.

Da die Komplexität von KI-Modellen weiter zunimmt, steigen auch die Anforderungen der Anwendungsentwickler an Rechenleistung und Verarbeitungsleistung. Im Gegenzug werden die Leistung von GPUs und ihre Verfügbarkeit eine immer wichtigere Rolle spielen. Dies ist bereits jetzt der Fall, da die Nachfrage nach High-End-GPUs, wie sie von Nvidia hergestellt werden, GPUs als „seltene Erden“ oder „Gold“ der KI-Industrie bezeichnet.

Die schnelle Kommerzialisierung der KI hat das Potenzial, die Kontrolle an eine Handvoll Technologiegiganten zu übergeben. ähnlich der heutigen Social-Media-Branche, was Zweifel an den ethischen Grundlagen dieser Modelle aufkommen lässt. Ein bemerkenswertes Beispiel ist die jüngste Kontroverse um Google Gemini. Während die vielen bizarren Reaktionen auf verschiedene Aufforderungen damals keine wirkliche Gefahr darstellten, zeigte der Vorfall die inhärenten Risiken einer Handvoll Unternehmen, die die KI-Entwicklung dominieren und kontrollieren.

Die heutigen Tech-Startups stehen vor immer größeren Herausforderungen bei der Beschaffung von Rechenressourcen für ihre KI-Modelle. Diese Anwendungen führen viele rechenintensive Prozesse aus, bevor das Modell bereitgestellt wird. Für kleinere Unternehmen ist die Anhäufung einer großen Anzahl von GPUs ein weitgehend unhaltbares Unterfangen, und während traditionelle Cloud-Computing-Dienste wie AWS oder Google Cloud ein nahtloses und bequemes Entwicklererlebnis bieten, führt ihre begrenzte Kapazität letztendlich zu hohen Kosten, die sie für viele Entwickler unerschwinglich machen. Letztendlich nicht jeder kann auf die $7 Billionen kommen um ihre Hardwarekosten zu decken.

Was ist also der Grund?

Nvidia einmal geschätzt dass es weltweit mehr als 40.000 Unternehmen gibt, die GPUs für KI und beschleunigtes Computing verwenden, mit einer Entwickler-Community von mehr als 4 Millionen Menschen. Mit Blick auf die Zukunft Der globale KI-Markt wird voraussichtlich von $515 Milliarden im Jahr 2023 auf $2,74 Billionen im Jahr 2032 wachsen, mit einer durchschnittlichen jährlichen Wachstumsrate von 20,4%. Gleichzeitig der GPU-Markt wird voraussichtlich bis 2032 $400 Milliarden erreichen, mit einer durchschnittlichen jährlichen Wachstumsrate von 25%.

Das wachsende Ungleichgewicht zwischen Angebot und Nachfrage von Rechenressourcen im Zuge der KI-Revolution könnte jedoch zu einer eher utopischen Zukunft führen, in der eine Handvoll gut finanzierter Giganten die Entwicklung transformativer Technologien dominieren. Daher glauben wir, dass alle Wege zu dezentralen Alternativlösungen führen, um die Lücke zwischen den Bedürfnissen der KI-Entwickler und den verfügbaren Ressourcen zu schließen.

Die Rolle von DePIN

Was sind DePINs?

DePIN ist ein Begriff, der vom Messari-Forschungsteam geprägt wurde und für Decentralized Physical Infrastructure Network steht. Dezentral bedeutet konkret, dass es keine einzelne Entität gibt, die Gewinne eintreibt und den Zugang beschränkt. Physische Infrastruktur hingegen bezieht sich auf die „echten“ physischen Ressourcen, die genutzt werden. Ein Netzwerk bezieht sich auf eine Gruppe von Teilnehmern, die koordiniert zusammenarbeiten, um ein vorgegebenes Ziel oder eine Reihe von Zielen zu erreichen. Heute beträgt der Gesamtmarktwert von DePINs beträgt etwa $28,3 Milliarden .

Den Kern von DePINs bildet ein globales Netzwerk von Knoten, die physische Infrastrukturressourcen mit der Blockchain verbinden, um einen dezentralen Marktplatz zu schaffen, der Käufer und Anbieter von Ressourcen verbindet, wo jeder Anbieter werden und für seine Dienste und seinen Wertbeitrag zum Netzwerk bezahlt werden kann. In diesem Fall wird der zentrale Vermittler, der den Zugang zum Netzwerk durch verschiedene rechtliche und regulatorische Mittel und Servicegebühren einschränkt, durch ein dezentrales Protokoll ersetzt, das aus Smart Contracts und Code besteht und von den entsprechenden Token-Inhabern verwaltet wird.

Der Wert von DePINs liegt darin, dass sie eine dezentrale, zugängliche, kostengünstige und skalierbare Alternative zu herkömmlichen Ressourcennetzwerken und Dienstanbietern bieten. Sie ermöglichen es dezentralen Märkten, bestimmte Endziele zu erreichen. Die Kosten für Waren und Dienstleistungen werden durch die Marktdynamik bestimmt und jeder kann jederzeit teilnehmen, was aufgrund der zunehmenden Anzahl von Anbietern und der Minimierung der Gewinnspannen natürlich zu niedrigeren Stückkosten führt.

Durch die Verwendung von Blockchain können DePINs kryptoökonomische Anreizsysteme aufbauen, die dazu beitragen, dass Netzwerkteilnehmer für ihre Dienste angemessen entschädigt werden, wodurch wichtige Wertanbieter zu Beteiligten werden. Es ist jedoch wichtig zu beachten, dass Netzwerkeffekte, die durch die Umwandlung kleiner persönlicher Netzwerke in größere, produktivere Systeme erzielt werden, der Schlüssel zur Realisierung vieler Vorteile von DePINs sind. Obwohl sich Token-Belohnungen als wirksames Instrument für Netzwerk-Bootstrapping-Mechanismen erwiesen haben, bleibt die Schaffung nachhaltiger Anreize zur Unterstützung der Benutzerbindung und langfristigen Akzeptanz im breiteren DePIN-Bereich eine zentrale Herausforderung.

Wie funktionieren DePINs?

Um den Wert von DePINs für die Schaffung eines dezentralisierten Computermarkts besser zu verstehen, ist es wichtig, die verschiedenen beteiligten Strukturkomponenten zu kennen und zu verstehen, wie sie zusammenarbeiten, um ein dezentralisiertes Ressourcennetzwerk zu bilden. Betrachten wir die Struktur und die Teilnehmer eines DePIN.

Protokoll

Ein dezentrales Protokoll, eine Reihe von Smart Contracts, die auf einem zugrunde liegenden Blockchain-Netzwerk aufbauen, wird verwendet, um vertrauenslose Interaktionen zwischen Netzwerkteilnehmern zu ermöglichen. Idealerweise sollte das Protokoll von einer vielfältigen Gruppe von Stakeholdern verwaltet werden, die sich aktiv für den langfristigen Erfolg des Netzwerks einsetzen. Diese Stakeholder verwenden dann ihren Anteil am Protokoll-Token, um über vorgeschlagene Änderungen und Entwicklungen an DePIN abzustimmen. Da die erfolgreiche Koordinierung eines verteilten Netzwerks an sich schon eine große Herausforderung darstellt, behält das Kernteam normalerweise die Befugnis, diese Änderungen zunächst umzusetzen, und überträgt die Befugnis dann an eine dezentrale autonome Organisation (DAO).

Netzwerkteilnehmer

Die Endbenutzer eines Ressourcennetzwerks sind dessen wertvollste Teilnehmer und können entsprechend ihrer Funktion kategorisiert werden.

• Anbieter : Eine Einzelperson oder ein Unternehmen, das dem Netzwerk Ressourcen zur Verfügung stellt und dafür Geld in Form von nativen DePIN-Tokens erhält. Lieferanten sind über das native Blockchain-Protokoll mit dem Netzwerk „verbunden“, das einen Whitelist-On-Chain-Prozess oder einen erlaubnisfreien Prozess erzwingen kann. Durch den Erhalt von Tokens erhalten Lieferanten einen Anteil am Netzwerk, ähnlich wie Stakeholder im Kontext von Eigenkapital, wodurch sie über verschiedene Vorschläge und Entwicklungen des Netzwerks abstimmen können, z. B. über Vorschläge, von denen sie glauben, dass sie die Nachfrage und den Netzwerkwert steigern und so im Laufe der Zeit höhere Token-Preise schaffen. Natürlich können Lieferanten, die Tokens erhalten, DePINs auch als Form des passiven Einkommens nutzen und sie nach Erhalt der Tokens verkaufen.

• Verbraucher : Dies sind Einzelpersonen oder Unternehmen, die aktiv nach von DePIN bereitgestellten Ressourcen suchen, wie z. B. KI-Startups auf der Suche nach GPUs, die die Nachfrageseite der wirtschaftlichen Gleichung darstellen. Verbraucher werden von der Verwendung von DePIN angezogen, wenn die Verwendung von DePIN gegenüber herkömmlichen Alternativen echte Vorteile bietet (wie z. B. geringere Kosten und Overhead-Anforderungen), was eine organische Nachfrage nach dem Netzwerk darstellt. DePINs erfordern normalerweise, dass Verbraucher für Ressourcen in ihren nativen Tokens bezahlen, um Wert zu generieren und einen stabilen Cashflow aufrechtzuerhalten.

Ressource

DePINs können verschiedene Märkte bedienen und unterschiedliche Geschäftsmodelle zur Ressourcenzuweisung übernehmen. Blockworks bietet ein gutes Framework : benutzerdefinierte Hardware-DePINs , die dedizierte proprietäre Hardware für den Vertrieb durch Anbieter bereitstellen; DePINs für Standardhardware, die die Verteilung vorhandener ungenutzter Ressourcen ermöglichen, darunter unter anderem Rechenleistung, Speicher und Bandbreite.

Wirtschaftsmodell

In einem ideal geführten DePIN entsteht der Wert durch Einnahmen, die Verbraucher für Lieferantenressourcen zahlen. Eine anhaltende Nachfrage nach dem Netzwerk bedeutet eine anhaltende Nachfrage nach dem nativen Token, was den wirtschaftlichen Anreizen von Lieferanten und Token-Inhabern entspricht. Die Generierung einer nachhaltigen organischen Nachfrage in den frühen Phasen ist für die meisten Startups eine Herausforderung, weshalb DePINs inflationäre Token-Anreize bieten, um frühe Lieferanten zu motivieren und das Angebot des Netzwerks anzukurbeln, um Nachfrage und damit ein stärkeres organisches Angebot zu generieren. Dies ist vergleichbar damit, wie Risikokapitalfirmen in den frühen Phasen von Uber die Fahrpreise subventionierten, um den anfänglichen Kundenstamm aufzubauen, weitere Fahrer anzuziehen und die Netzwerkeffekte zu verbessern.

DePINs müssen Token-Anreize so strategisch wie möglich verwalten, da sie eine Schlüsselrolle für den Gesamterfolg des Netzwerks spielen. Wenn Nachfrage und Netzwerkumsatz steigen, sollte die Token-Ausgabe reduziert werden. Umgekehrt sollte die Token-Ausgabe bei sinkenden Nachfragen und sinkenden Umsätzen wieder genutzt werden, um das Angebot anzukurbeln.

Um weiter zu veranschaulichen, wie ein erfolgreiches DePIN-Netzwerk aussieht, betrachten Sie das „ DePIN Schwungrad“, eine positive Rückkopplungsschleife, die DePINs steuert. Hier ist eine Zusammenfassung:

• DePIN verteilt inflationäre Token-Belohnungen, um Anbieter zu motivieren, dem Netzwerk Ressourcen zur Verfügung zu stellen und ein für den Verbrauch verfügbares Grundversorgungsniveau zu schaffen.

• Wenn die Zahl der Anbieter zunimmt, bildet sich im Netzwerk eine Wettbewerbsdynamik, die die Gesamtqualität der vom Netzwerk bereitgestellten Waren und Dienstleistungen verbessert, bis es Dienstleistungen anbietet, die den bestehenden Marktlösungen überlegen sind und so einen Wettbewerbsvorteil erlangen. Das bedeutet, dass dezentrale Systeme traditionelle zentralisierte Dienstanbieter übertreffen, was keine leichte Aufgabe ist.

• Es entsteht eine organische Nachfrage nach DePIN, die den Lieferanten einen legitimen Cashflow verschafft. Dies stellt für Investoren und Lieferanten eine attraktive Gelegenheit dar, die Nachfrage nach dem Netzwerk und damit den Token-Preis weiter anzukurbeln.

• Ein Anstieg des Token-Preises steigert den Umsatz der Lieferanten, zieht weitere Lieferanten an und bringt das Schwungrad wieder in Gang.

Dieser Rahmen bietet eine überzeugende Wachstumsstrategie, obwohl man dabei beachten muss, dass er größtenteils theoretischer Natur ist und davon ausgeht, dass die vom Netzwerk bereitgestellten Ressourcen dauerhaft wettbewerbsfähig bleiben.

Berechnung der DePINs

Der dezentrale Computermarkt ist Teil einer breiteren Bewegung, der „Sharing Economy“, einem Peer-to-Peer-Wirtschaftssystem, das darauf basiert, dass Verbraucher Waren und Dienstleistungen direkt mit anderen Verbrauchern über Online-Plattformen teilen. Dieses Modell, das von Unternehmen wie eBay entwickelt wurde und heute von Unternehmen wie Airbnb und Uber dominiert wird, steht letztendlich vor einer Disruption, da die nächste Generation transformativer Technologien die globalen Märkte erobert. Mit einem Wert von $150 Milliarden im Jahr 2023 und voraussichtlicher Anstieg auf fast $800 Milliarden bis 2031 zeigt die Sharing Economy einen breiteren Trend im Verbraucherverhalten, von dem DePINs unserer Meinung nach profitieren und bei dem sie eine Schlüsselrolle spielen werden.

Grundlegend

Compute DePINs sind Peer-to-Peer-Netzwerke, die die Zuweisung von Rechenressourcen erleichtern, indem sie Anbieter und Käufer über dezentrale Marktplätze verbinden. Ein wesentliches Unterscheidungsmerkmal dieser Netzwerke ist ihr Fokus auf handelsübliche Hardwareressourcen, die bereits heute in den Händen vieler Menschen sind. Wie wir bereits besprochen haben, hat das Aufkommen von Deep Learning und generativer KI aufgrund ihrer ressourcenintensiven Arbeitslasten zu einem Anstieg der Nachfrage nach Rechenleistung geführt, was zu Engpässen beim Zugriff auf kritische Ressourcen für die KI-Entwicklung führt. Einfach ausgedrückt zielen dezentrale Rechenmarktplätze darauf ab, diese Engpässe zu beseitigen, indem sie einen neuen Versorgungsstrom schaffen – einen, der sich über den ganzen Globus erstreckt und an dem jeder teilnehmen kann.

Bei Computing DePINs kann jede Einzelperson oder jedes Unternehmen seine ungenutzten Ressourcen jederzeit verleihen und dafür eine entsprechende Vergütung erhalten. Gleichzeitig kann jede Einzelperson oder jedes Unternehmen die erforderlichen Ressourcen aus dem globalen, genehmigungsfreien Netzwerk zu geringeren Kosten und mit größerer Flexibilität als bei bestehenden Marktprodukten beziehen. Daher können wir die Teilnehmer an Computing DePINs anhand eines einfachen wirtschaftlichen Rahmens beschreiben:

• Anbieter : Eine Einzelperson oder ein Unternehmen, das über Computerressourcen verfügt und bereit ist, diese gegen eine Subvention zu verleihen oder zu verkaufen.

• Nachfrager : Eine Einzelperson oder Entität, die Computerressourcen benötigt und bereit ist, dafür einen Preis zu zahlen.

Hauptvorteile der Berechnung von DePINs

Compute DePINs bieten eine Reihe von Vorteilen, die sie zu einer attraktiven Alternative zu zentralisierten Dienstanbietern und Marktplätzen machen. Erstens erschließt die genehmigungsfreie, grenzüberschreitende Marktteilnahme einen neuen Versorgungsstrom und erhöht die Menge an kritischen Ressourcen, die für rechenintensive Workloads benötigt werden. Compute DePINs konzentrieren sich auf Hardwareressourcen, die die meisten Menschen bereits besitzen – jeder mit einem Gaming-PC hat bereits eine GPU, die man vermieten kann. Dies erweitert den Kreis der Entwickler und Teams, die an der Entwicklung der nächsten Generation von Waren und Dienstleistungen mitwirken können, was mehr Menschen auf der ganzen Welt zugutekommt.

Darüber hinaus bietet die Blockchain-Infrastruktur, die DePINs unterstützt, eine effiziente und skalierbare Abwicklungsmöglichkeit für die für Peer-to-Peer-Transaktionen erforderlichen Mikrozahlungen. Kryptonative Finanzanlagen (Token) bieten eine gemeinsame Werteinheit, die von Teilnehmern auf der Nachfrageseite zur Bezahlung von Lieferanten verwendet wird. Dadurch werden wirtschaftliche Anreize durch einen Verteilungsmechanismus geschaffen, der mit der zunehmend globalisierten Wirtschaft von heute vereinbar ist. In Bezug auf das DePIN-Schwungrad, das wir zuvor erstellt haben, ist die strategische Verwaltung wirtschaftlicher Anreize sehr vorteilhaft für die Steigerung der Netzwerkeffekte von DePIN (sowohl auf der Angebots- als auch auf der Nachfrageseite), was wiederum den Wettbewerb zwischen den Lieferanten erhöht. Diese Dynamik reduziert die Stückkosten und verbessert gleichzeitig die Servicequalität. Dadurch entsteht ein nachhaltiger Wettbewerbsvorteil für DePIN, von dem Lieferanten als Token-Inhaber und wichtige Wertanbieter profitieren können.

DePINs ähneln Cloud-Computing-Dienstanbietern in der flexiblen Benutzererfahrung, die sie bieten möchten, da Ressourcen bei Bedarf abgerufen und bezahlt werden können. Grandview-Forschung S Vorhersage , wird erwartet, dass der globale Cloud-Computing-Markt mit einer durchschnittlichen jährlichen Wachstumsrate von 21,21 TP9T wächst und bis 2030 mehr als 1 TP10T2,4 Billionen erreicht, was die Machbarkeit solcher Geschäftsmodelle im Kontext des zukünftigen Wachstums der Nachfrage nach Computerressourcen zeigt. Moderne Cloud-Computing-Plattformen nutzen zentrale Server, um die gesamte Kommunikation zwischen Client-Geräten und Servern abzuwickeln, wodurch ein einzelner Ausfallpunkt in ihren Abläufen entsteht. Durch den Aufbau auf Blockchain können DePINs jedoch eine höhere Zensurresistenz und Belastbarkeit bieten als herkömmliche Dienstanbieter. Ein Angriff auf eine einzelne Organisation oder Entität (wie etwa einen zentralen Cloud-Dienstanbieter) würde das gesamte zugrunde liegende Ressourcennetzwerk gefährden, und DePINs sind so konzipiert, dass sie solchen Vorfällen durch ihre verteilte Natur widerstehen. Erstens ist die Blockchain selbst ein global verteiltes Netzwerk dedizierter Knoten, das darauf ausgelegt ist, einer zentralisierten Netzwerkautorität zu widerstehen. Darüber hinaus ermöglichen Computer-DePINs auch eine erlaubnisfreie Netzwerkteilnahme, wodurch rechtliche und regulatorische Barrieren umgangen werden. Aufgrund der Art der Token-Verteilung können DePINs ein faires Abstimmungsverfahren anwenden, um über vorgeschlagene Änderungen und Entwicklungen des Protokolls abzustimmen und so die Möglichkeit auszuschließen, dass eine einzelne Entität plötzlich das gesamte Netzwerk herunterfährt.

Der aktuelle Stand der computergestützten DePINs

Render-Netzwerk

Render Network ist ein rechnergestützter DePIN, der Käufer und Verkäufer von GPUs über einen dezentralen Computermarktplatz verbindet, wobei Transaktionen über seinen nativen Token abgewickelt werden. Am GPU-Marktplatz von Render sind zwei wichtige Parteien beteiligt – Entwickler, die Zugriff auf Rechenleistung suchen, und Knotenbetreiber, die ungenutzte GPUs an Entwickler vermieten und dafür eine Vergütung in nativen Render-Token erhalten. Knotenbetreiber werden anhand eines Reputationssystems eingestuft, und Entwickler können GPUs aus einem mehrstufigen Preissystem auswählen. Der Proof-of-Render (POR)-Konsensalgorithmus koordiniert die Vorgänge, und Knotenbetreiber stellen ihre Rechenressourcen (GPUs) für Verarbeitungsaufgaben bereit, d. h. für Grafik-Rendering-Arbeiten. Nach Abschluss einer Aufgabe aktualisiert der POR-Algorithmus den Status der Knotenbetreiber, einschließlich einer Änderung des Reputations-Scores basierend auf der Qualität der Aufgabe. Die Blockchain-Infrastruktur von Render erleichtert die Bezahlung von Arbeiten und bietet Lieferanten und Käufern eine transparente und effiziente Abwicklungsschiene für Transaktionen über den Netzwerk-Token.

Das Render Network wurde ursprünglich konzipiert von Jules Urbach im Jahr 2009. Das Netzwerk ging auf Ethereum live ( RNDR ) im September 2020 und migrierte nach Solana ( MACHEN ) etwa drei Jahre später, um die Netzwerkleistung zu verbessern und die Betriebskosten zu senken.

Zum Zeitpunkt des Schreibens dieses Artikels ist das Render Network hat bis zu 33 Millionen Aufgaben (in Form von gerenderten Frames) verarbeitet und ist seit seiner Einführung auf insgesamt 5600 Knoten angewachsen. Ungefähr 60.000 RENDER wurden zerstört, Ein Prozess, der während der Verteilung von Arbeitsguthaben an Knotenbetreiber auftritt.

IO-Netz

Io Net startet ein dezentrales GPU-Netzwerk auf Solana als Koordinationsebene zwischen einer großen Anzahl ungenutzter Rechenressourcen und den Einzelpersonen und Unternehmen, die die von diesen Ressourcen bereitgestellte Rechenleistung benötigen. Das Alleinstellungsmerkmal von Io Net besteht darin, dass es nicht direkt mit anderen DePINs auf dem Markt konkurriert, sondern GPUs aus einer Vielzahl von Quellen (einschließlich Rechenzentren, Minern und anderen DePINs wie Render Network und Filecoin) aggregiert und gleichzeitig ein proprietäres DePIN, das Internet der GPUs (IoG), nutzt, um den Betrieb zu koordinieren und die Anreize der Marktteilnehmer aufeinander abzustimmen. Io Net-Kunden können ihre Workload-Cluster auf IO Cloud anpassen, indem sie Prozessortyp, Standort, Kommunikationsgeschwindigkeit, Compliance und Servicezeit auswählen. Umgekehrt kann jeder mit einem unterstützten GPU-Modell (12 GB RAM, 256 GB SSD) als IO-Worker teilnehmen und dem Netzwerk seine ungenutzten Rechenressourcen zur Verfügung stellen. Während Servicezahlungen derzeit in Fiat und USDC abgewickelt werden, wird das Netzwerk bald auch Zahlungen im nativen $IO-Token unterstützen. Der Preis von Ressourcen wird durch Angebot und Nachfrage sowie verschiedene GPU-Spezifikationen und Konfigurationsalgorithmen bestimmt. Das ultimative Ziel von Io Net ist es, der GPU-Marktplatz der Wahl zu werden, indem es niedrigere Kosten und eine höhere Servicequalität als moderne Cloud-Service-Anbieter bietet.

Die mehrschichtige IO-Architektur lässt sich wie folgt abbilden:

• UI-Schicht – besteht aus der öffentlichen Website, dem Kundenbereich und dem Mitarbeiterbereich.

• Sicherheitsebene – Diese Schicht besteht aus Firewalls zum Netzwerkschutz, Authentifizierungsdiensten zur Benutzerüberprüfung und Protokollierungsdiensten zur Verfolgung von Aktivitäten.

• API-Schicht – Diese Schicht fungiert als Kommunikationsschicht und besteht aus einer öffentlichen API (für die Website), einer privaten API (für Worker) und einer internen API (für Clusterverwaltung, Analysen und Überwachungsberichte).

• Backend-Schicht – Die Backend-Schicht verwaltet Worker, Cluster-/GPU-Operationen, Kundeninteraktionen, Abrechnungs- und Nutzungsüberwachung, Analysen und automatische Skalierung.

• Datenbankebene − Diese Ebene ist das Daten-Repository des Systems und verwendet Primärspeicher (für strukturierte Daten) und Cache (für häufig abgerufene temporäre Daten).

• Nachrichtenbroker und Task-Schicht − Diese Schicht erleichtert die asynchrone Kommunikation und Aufgabenverwaltung.

• Infrastrukturebene – Diese Schicht enthält GPU-Pools, Orchestrierungstools und verwaltet die Aufgabenbereitstellung.

Aktuelle Statistiken/Roadmap

• Zum Zeitpunkt des Schreibens:

• Gesamter Netzwerkumsatz – $1,08 Mio.

• Gesamte Rechenstunden – 837,6.000 Stunden

• Gesamtzahl clusterfähiger GPUs: 20,4 K

• Gesamtzahl der Cluster-fähigen CPUs: 5,6k

• Gesamtzahl der On-Chain-Transaktionen: 1,67 Millionen

• Gesamte Inferenzzeiten – 335,7k

• Insgesamt erstellte Cluster: 15,1.000

(Daten aus Io Net-Explorer )

Äthiopien

Aethir ist ein Cloud-Computing-DePIN, das die gemeinsame Nutzung von Hochleistungs-Rechenressourcen in rechenintensiven Bereichen und Anwendungen erleichtert. Es nutzt Ressourcenpooling, um eine globale GPU-Zuweisung zu deutlich reduzierten Kosten und dezentrales Eigentum durch verteiltes Ressourceneigentum zu erreichen. Aethir ist für Hochleistungs-Workloads konzipiert und eignet sich für Branchen wie Gaming und KI-Modelltraining und -Inferenz. Durch die Vereinigung von GPU-Clustern in einem einzigen Netzwerk ist Aethir darauf ausgelegt, die Clustergröße zu erhöhen und so die Gesamtleistung und Zuverlässigkeit der in seinem Netzwerk bereitgestellten Dienste zu verbessern.

Aethir Network ist eine dezentrale Wirtschaft, die aus Minern, Entwicklern, Benutzern, Token-Inhabern und der Aethir DAO besteht. Drei Schlüsselrollen, die den erfolgreichen Betrieb des Netzwerks sicherstellen, sind Container, Indexer und Inspektoren. Container sind die Kernknoten des Netzwerks und führen wichtige Vorgänge aus, die die Netzwerkaktivität aufrechterhalten, einschließlich der Validierung von Transaktionen und der Darstellung digitaler Inhalte in Echtzeit. Inspektoren fungieren als Qualitätssicherungspersonal und überwachen kontinuierlich die Leistung und Servicequalität von Containern, um einen zuverlässigen und effizienten Betrieb für GPU-Verbraucher sicherzustellen. Indexer fungieren als Vermittler zwischen Benutzern und den besten verfügbaren Containern. Grundlage dieser Struktur ist die Arbitrum Layer 2-Blockchain, die eine dezentrale Abwicklungsebene bietet, um Waren und Dienstleistungen im Aethir Network in nativen $ATH-Tokens zu bezahlen.

Rendering-Beweis

Knoten im Aethir-Netzwerk haben zwei Schlüsselfunktionen – Erbringung eines Leistungsnachweises , wobei alle 15 Minuten eine Gruppe dieser Arbeitsknoten nach dem Zufallsprinzip ausgewählt wird, um Transaktionen zu validieren; und Erbringung von Arbeitsnachweisen , überwacht die Netzwerkleistung genau, um sicherzustellen, dass die Benutzer optimal bedient werden, und passt die Ressourcen je nach Bedarf und Geografie an. Die Belohnungen für Miner werden an Teilnehmer verteilt, die Knoten im Aethir-Netzwerk betreiben. Sie werden auf der Grundlage des Werts der von ihnen ausgeliehenen Rechenressourcen berechnet und die Belohnungen werden in dem nativen $ATH-Token ausgezahlt.

Nosana

Nosana ist ein dezentrales GPU-Netzwerk, das auf Solana basiert. Nosana ermöglicht es jedem, ungenutzte Rechenressourcen beizusteuern und dafür in Form von $NOS-Tokens belohnt zu werden. DePIN ermöglicht die kostengünstige Zuweisung von GPUs, mit denen komplexe KI-Workloads ohne den Overhead herkömmlicher Cloud-Lösungen ausgeführt werden können. Jeder kann einen Nosana-Knoten betreiben, indem er seine ungenutzten GPUs ausleiht und Token-Belohnungen erhält, die proportional zur GPU-Leistung sind, die er dem Netzwerk zur Verfügung stellt.

Das Netzwerk verbindet zwei Parteien, die Rechenressourcen zuweisen: Benutzer, die Zugriff auf Rechenressourcen suchen, und Knotenbetreiber, die Rechenressourcen bereitstellen. Wichtige Protokollentscheidungen und Upgrades werden von NOS-Token-Inhabern abgestimmt und von der Nosana DAO verwaltet.

Nosana hat einen umfassenden Fahrplan für seine Zukunftspläne – Galactica (v1.0 – H1/H2 2024) wird das Mainnet starten, CLI und SDK veröffentlichen und sich auf die Erweiterung des Netzwerks durch Containerknoten für Consumer-GPUs konzentrieren. Triangulum (v1.X – H2 2024) wird wichtige Protokolle und Konnektoren für maschinelles Lernen wie PyTorch, HuggingFace und TensorFlow integrieren. Whirlpool (v1.X -H1 2025) wird die Unterstützung für verschiedene GPUs von AMD, Intel und Apple Silicon erweitern. Sombrero (v1.X – H2 2025) wird Unterstützung für mittlere und große Unternehmen, Fiat-Zahlungen, Abrechnung und Teamfunktionen hinzufügen.

Akash

Akash Network ist ein Open-Source-Proof-of-Stake-Netzwerk, das auf dem Cosmos SDK basiert und es jedem ermöglicht, ohne Erlaubnis beizutreten und Beiträge zu leisten. Dadurch entsteht ein dezentraler Cloud-Computing-Marktplatz. $AKT-Token werden verwendet, um das Netzwerk zu sichern, Ressourcenzahlungen zu erleichtern und das wirtschaftliche Verhalten zwischen Netzwerkteilnehmern zu koordinieren. Akash Network besteht aus mehreren Schlüsselkomponenten:

• Die Blockchain-Schicht verwendet Tendermint Core und Cosmos SDK, um Konsens herzustellen.

• Anwendungsschicht , verwaltet die Bereitstellung und Ressourcenzuweisung.

• Die Providerschicht verwaltet Ressourcen, Gebote und die Bereitstellung von Benutzeranwendungen.

• Die Benutzerebene ermöglicht Benutzern die Interaktion mit dem Akash-Netzwerk, die Verwaltung von Ressourcen und die Überwachung des Anwendungsstatus über die CLI, die Konsole und das Dashboard.

Das Netzwerk konzentrierte sich zunächst auf Speicher- und CPU-Mietdienste. Da die Nachfrage nach KI-Trainings- und Inferenz-Workloads gestiegen ist, hat das Netzwerk seine Dienste um GPU-Miete und -Zuweisung erweitert und reagierte auf diese Anforderungen über seine AkashML-Plattform. AkashML verwendet ein umgekehrtes Auktionssystem, bei dem Kunden (sogenannte Mieter) ihre gewünschten GPU-Preise angeben und Computeranbieter (sogenannte Anbieter) um die Bereitstellung der angeforderten GPUs konkurrieren.

Zum Zeitpunkt des Schreibens dieses Artikels die Akash-Blockchain hat über 12,9 Millionen Transaktionen abgeschlossen, über $535.000 wurden für den Zugriff auf Computerressourcen ausgegeben und über 189.000 einzigartige Bereitstellungen wurden geleast.

Lobende Erwähnungen

Der rechnergestützte DePIN-Bereich befindet sich noch in der Entwicklung und viele Teams konkurrieren darum, innovative und effiziente Lösungen auf den Markt zu bringen. Weitere Beispiele, die einer weiteren Untersuchung wert sind, sind Hyperbolisch , das eine kollaborative Open-Access-Plattform zur Bündelung von Ressourcen für die KI-Entwicklung aufbaut, und Exponate , das ein verteiltes Rechenleistungsnetzwerk aufbaut, das von Computational Minern unterstützt wird.

Wichtige Überlegungen und Zukunftsaussichten

Nachdem wir nun die Grundprinzipien der DePIN-Berechnung verstanden und mehrere ergänzende Fallstudien überprüft haben, die derzeit durchgeführt werden, ist es wichtig, die Auswirkungen dieser dezentralen Netzwerke einschließlich ihrer Vor- und Nachteile zu berücksichtigen.

Herausforderung

Der Aufbau verteilter Netzwerke in großem Maßstab erfordert oft Kompromisse bei Leistung, Sicherheit und Ausfallsicherheit. Beispielsweise kann das Trainieren eines KI-Modells auf einem global verteilten Netzwerk aus Standardhardware weitaus weniger kosten- und zeiteffizient sein als das Trainieren auf einem zentralen Dienstanbieter. Wie bereits erwähnt, werden KI-Modelle und ihre Workloads immer komplexer und erfordern mehr Hochleistungs-GPUs anstelle von Standard-GPUs.

Das ist warum große Unternehmen Hochleistungs-GPUs in großen Mengen horten, und ist eine inhärente Herausforderung für rechnergestützte DePINs, die das Problem des GPU-Mangels durch die Schaffung eines erlaubnisfreien Marktes lösen wollen, auf dem jeder ungenutzte GPUs verleihen kann (weitere Informationen zu den Herausforderungen für dezentrale KI-Protokolle finden Sie in diesem Tweet ) . Protokolle können dieses Problem auf zwei Arten angehen: Zum einen durch die Festlegung von Grundanforderungen für GPU-Anbieter, die zum Netzwerk beitragen möchten, und zum anderen durch die Bündelung der dem Netzwerk zur Verfügung gestellten Rechenressourcen, um insgesamt mehr zu erreichen. Dennoch ist dieses Modell im Vergleich zu zentralisierten Dienstanbietern, die mehr Mittel für den direkten Umgang mit Hardwareanbietern (wie Nvidia) bereitstellen können, von Natur aus schwierig zu etablieren. Dies ist etwas, was DePINs bei ihrer Weiterentwicklung berücksichtigen sollten. Wenn ein dezentrales Protokoll über einen ausreichend großen Fonds verfügt, kann die DAO abstimmen, einen Teil der Mittel für den Kauf von Hochleistungs-GPUs bereitzustellen, die dezentral verwaltet und zu einem höheren Preis als Standard-GPUs verliehen werden können.

Eine weitere Herausforderung speziell bei rechnergestützten DePINs ist die Verwaltung der richtigen Ressourcennutzung . In ihren frühen Phasen werden die meisten rechnergestützten DePINs mit dem Problem der strukturellen Unternachfrage konfrontiert sein, so wie es heute viele Startups tun. Generell besteht die Herausforderung für DePINs darin, frühzeitig genügend Angebot aufzubauen, um eine minimal lebensfähige Produktqualität zu erreichen. Ohne Angebot wird das Netzwerk keine nachhaltige Nachfrage erzeugen und seine Kunden während der Spitzennachfragezeiten nicht bedienen können. Andererseits ist auch ein Überangebot ein Problem. Über einem bestimmten Schwellenwert hilft mehr Angebot nur, wenn die Netzwerkauslastung nahe oder bei voller Kapazität ist. Andernfalls laufen DePINs Gefahr, zu viel für das Angebot zu bezahlen, was zu einer Unterauslastung der Ressourcen führt, und die Lieferanten erhalten weniger Umsatz, es sei denn, das Protokoll erhöht die Token-Ausgabe, um die Lieferanten bei der Stange zu halten.

Ein Telekommunikationsnetz ist ohne umfassende geografische Abdeckung nutzlos . Ein Taxinetz ist nutzlos, wenn die Fahrgäste lange auf eine Fahrt warten müssen. Ein DePIN ist nutzlos, wenn es Menschen dafür bezahlen muss, über einen langen Zeitraum Ressourcen bereitzustellen. Während zentralisierte Dienstanbieter den Ressourcenbedarf vorhersagen und die Ressourcenversorgung effizient verwalten können, fehlt dem Computer-DePIN eine zentrale Autorität, die die Ressourcennutzung verwaltet. Daher ist es für DePIN besonders wichtig, die Ressourcennutzung so strategisch wie möglich zu bestimmen.

Ein größeres Problem ist, dass der dezentrale GPU-Markt möglicherweise nicht mehr mit einem GPU-Mangel konfrontiert ist . Mark Zuckerberg sagte kürzlich in einem Interview, er glaube Energie wird zum neuen Engpass , und nicht auf Rechenressourcen, weil die Unternehmen nun im großen Maßstab um den Aufbau von Rechenzentren konkurrieren werden, statt wie bisher Rechenressourcen zu horten. Das bedeutet natürlich eine potenzielle Senkung der GPU-Kosten, wirft aber auch die Frage auf, wie KI-Startups in Bezug auf Leistung und Qualität der von ihnen angebotenen Waren und Dienstleistungen mit großen Unternehmen konkurrieren werden, wenn der Bau eigener Rechenzentren die Messlatte für die Leistung von KI-Modellen insgesamt höher legt.

Beispiel zur Berechnung von DePINs

Um es noch einmal zu wiederholen: Die Kluft zwischen der Komplexität der KI-Modelle und ihren nachfolgenden Verarbeitungs- und Rechenanforderungen einerseits und den verfügbaren Hochleistungs-GPUs und anderen Rechenressourcen andererseits wird immer größer.

Computing DePINs sind bereit, auf den Computermärkten, die heute von großen Hardwareherstellern und Anbietern von Cloud-Computing-Diensten dominiert werden, zu innovativen Disruptoren zu werden, und zwar auf der Grundlage mehrerer Schlüsselfunktionen:

1) Sorgen Sie für niedrigere Kosten für Waren und Dienstleistungen.

2) Sorgen Sie für einen stärkeren Schutz vor Zensur und zur Erhöhung der Netzwerkstabilität.

3) Profitieren Sie von möglichen regulatorischen Vorgaben, die möglicherweise erfordern, dass KI-Modelle möglichst offen für Feinabstimmung und Training und für jeden leicht zugänglich sind.

Der Anteil der Haushalte in den Vereinigten Staaten mit einem Computer und Internetzugang ist exponentiell gestiegen und nähert sich 100%. Auch in vielen Teilen der Welt ist der Prozentsatz deutlich gestiegen. Dies deutet auf eine Zunahme der Anzahl potenzieller Anbieter von Computerressourcen (GPU-Besitzer) hin, die bereit wären, ihren ungenutzten Vorrat zu verleihen, wenn es ausreichende finanzielle Anreize und einen nahtlosen Transaktionsprozess gäbe. Dies ist natürlich eine sehr grobe Schätzung, aber sie deutet darauf hin, dass die Grundlage für den Aufbau einer nachhaltigen gemeinsamen Wirtschaft von Computerressourcen möglicherweise bereits vorhanden ist.

Neben der KI wird die zukünftige Nachfrage nach Computern auch aus vielen anderen Branchen kommen, wie zum Beispiel dem Quantencomputing. Der Markt für Quantencomputing wird voraussichtlich von $928,8 Millionen im Jahr 2023 auf $6528,8 Millionen im Jahr 2030 , mit einer durchschnittlichen jährlichen Wachstumsrate von 32,11 TP9T. Die Produktion in dieser Branche wird unterschiedliche Ressourcen erfordern, aber es wird interessant sein zu sehen, ob irgendwelche DePINs für Quantencomputer eingeführt werden und wie sie aussehen werden.

„Ein starkes Ökosystem offener Modelle, die auf Verbraucherhardware laufen, ist ein wichtiger Schutz gegen eine Zukunft, in der die KI den Wert hochgradig zentralisiert und die meisten menschlichen Gedanken von zentralen Servern gelesen und vermittelt werden, die von wenigen Personen kontrolliert werden. Diese Modelle sind auch viel weniger riskant als Großkonzerne und das Militär.“ — Vitalik Buterin

Große Unternehmen sind möglicherweise nicht die Zielgruppe von DePINs und werden es auch nicht sein. Computergestützte DePINs bringen einzelne Entwickler, verstreute Bauarbeiter und Startups mit minimaler Finanzierung und Ressourcen zurück. Sie ermöglichen die Umwandlung von ungenutztem Angebot in innovative Ideen und Lösungen, die durch mehr Rechenleistung ermöglicht werden. KI wird zweifellos das Leben von Milliarden von Menschen verändern. Anstatt uns darüber Sorgen zu machen, dass KI jeden Arbeitsplatz ersetzt, sollten wir die Idee fördern, dass KI einzelne und selbstständige Unternehmer, Startups und die breite Öffentlichkeit stärken kann.

Ursprünglicher Link

Dieser Artikel stammt aus dem Internet: Umfassende Interpretation des Computer-DePIN-Track-Ökosystems

Verwandte Themen: Neueste Entwicklungen und Marktaussichten beim Ethereum-Spot-ETF: Emittent legt überarbeitete Dokumente mit maximalem Zielpreis vor

Original | Odaily Planet Daily Autor | Nanzhi Neueste Nachrichten auf einen Blick Wird sich der Weg des BTC-Spot-ETF wiederholen? Heute Morgen schrieb Bloomberg ETF-Analyst James Seyffart auf der X-Plattform: Fünf potenzielle Emittenten von Ethereum-Spot-ETFs haben der US-amerikanischen Börsenaufsichtsbehörde SEC über Cboe BZX überarbeitete 19 b-4-Dokumente vorgelegt, darunter: Fidelity, VanEck, Invesco/Galaxy, Ark/21 Shares und Franklin. Auf der offiziellen Website der DTCC ist auch der VanEck-Spot-Ethereum-ETF VANECK ETHEREUM TR SHS (Code ETHV) aufgeführt. Andererseits hat sich der negative Prämiensatz des Grayscale Ethereum Trust (ETHE) auf 11,82% verringert, da die Erwartungen der SEC an den Ethereum-Spot-ETF gestiegen sind. Relevanten Quellen zufolge hat Grayscale der US-amerikanischen Börsenaufsichtsbehörde Securities and Exchange Commission ein Update des Formulars 19 b-4 für den Ethereum Mini Trust vorgelegt.