کنارے پر پیدا ہوا: وکندریقرت کمپیوٹنگ پاور نیٹ ورک کرپٹو اور اے آئی کو کیسے بااختیار بناتا ہے؟

اصل مصنف: جین ڈو، چن لی

اصل ماخذ: یوبی کیپٹل

1 AI اور Crypto کا سنگم

23 مئی کو، چپ دیو Nvidia نے مالی سال 2025 کے لیے اپنی پہلی سہ ماہی کی مالیاتی رپورٹ جاری کی۔ مالیاتی رپورٹ سے پتہ چلتا ہے کہ پہلی سہ ماہی میں Nvidias کی آمدنی US$26 بلین تھی۔ ان میں سے، ڈیٹا سینٹر کی آمدنی گزشتہ سال کے مقابلے میں 427% بڑھ کر حیران کن US$22.6 بلین ہو گئی۔ Nvidias کی مالی کارکردگی کے پیچھے، جو خود امریکی اسٹاک مارکیٹ کو بچا سکتا ہے، کمپیوٹنگ پاور کی مانگ ہے جو AI ٹریک میں مقابلہ کرنے کے لیے عالمی ٹیکنالوجی کمپنیوں کے درمیان پھٹ گئی ہے۔ جتنی زیادہ اعلی ٹیکنالوجی کمپنیاں AI ٹریک کے اپنے لے آؤٹ میں مہتواکانکشی ہیں، کمپیوٹنگ پاور کی ان کی مانگ میں اتنی ہی تیزی سے اضافہ ہوا ہے۔ TrendForces کی پیشن گوئی کے مطابق، 2024 میں، مطالبہ ریاستہائے متحدہ میں چار بڑے کلاؤڈ سروس فراہم کنندگان کے اعلی درجے کے AI سرورز کے لیے: مائیکروسافٹ، گوگل، AWS اور Meta سے توقع کی جاتی ہے کہ عالمی طلب میں بالترتیب 20.2%، 16.6%، 16% اور 10.8%، کل 60% سے زیادہ ہوں گے۔ .

تصویری ماخذ: https://investor.nvidia.com/financial-info/financial-reports/default.aspx

چپ کی کمی کئی سالوں سے سالانہ بز ورڈ رہی ہے۔ ایک طرف، بڑے لینگوئج ماڈلز (LLMs) کی تربیت اور اندازہ کے لیے بہت زیادہ کمپیوٹنگ پاور سپورٹ کی ضرورت ہوتی ہے۔ اور ماڈل کی تکرار کے ساتھ، کمپیوٹنگ پاور لاگت اور طلب میں تیزی سے اضافہ ہوتا ہے۔ دوسری طرف، میٹا جیسی بڑی کمپنیاں بڑی تعداد میں چپس خریدیں گی، اور عالمی کمپیوٹنگ پاور وسائل ان ٹیکنالوجی کمپنیز کی طرف جھکائے ہوئے ہیں، جس سے چھوٹے کاروباروں کے لیے مطلوبہ کمپیوٹنگ پاور وسائل حاصل کرنا مشکل ہوتا جا رہا ہے۔ چھوٹے کاروباروں کو درپیش مشکلات نہ صرف مانگ میں اضافے کی وجہ سے چپس کی ناکافی سپلائی سے آتی ہیں بلکہ سپلائی کے ساختی تضادات بھی ہیں۔ اس وقت، سپلائی سائیڈ پر بیکار GPUs کی ایک بڑی تعداد اب بھی موجود ہے۔ مثال کے طور پر، کچھ ڈیٹا سینٹرز میں بڑی مقدار میں آئیڈیل کمپیوٹنگ پاور ہوتی ہے (استعمال کی شرح صرف 12%-18% ہے)، اور منافع میں کمی کی وجہ سے کرپٹو مائننگ میں کمپیوٹنگ پاور کے وسائل کی ایک بڑی مقدار بھی بے کار ہے۔ اگرچہ یہ کمپیوٹنگ طاقتیں پیشہ ورانہ ایپلی کیشن کے منظرناموں جیسے کہ AI ٹریننگ کے لیے موزوں نہیں ہیں، لیکن صارف کے درجے کا ہارڈویئر اب بھی دوسرے شعبوں جیسے کہ AI انفرنس، کلاؤڈ گیم رینڈرنگ، اور کلاؤڈ فونز میں بہت بڑا کردار ادا کر سکتا ہے۔ کمپیوٹنگ پاور وسائل کے اس حصے کو ضم کرنے اور استعمال کرنے کا موقع بہت بڑا ہے۔

ہماری توجہ AI سے کرپٹو کی طرف موڑ کر، کرپٹو مارکیٹ میں تین سال کی خاموشی کے بعد، آخرکار ایک اور بیل مارکیٹ آ گئی ہے۔ بٹ کوائن کی قیمتیں نئی بلندیوں کو چھو رہی ہیں، اور مختلف میمی کوائن یکے بعد دیگرے ابھرے ہیں۔ اگرچہ AI اور Crypto ان سالوں سے بز ورڈز کے طور پر مقبول رہے ہیں، لیکن مصنوعی ذہانت اور بلاکچین، دو اہم ٹیکنالوجیز کے طور پر، دو متوازی لائنوں کی طرح ہیں، اور ابھی تک ان کو ایک دوسرے سے ملنے والا مقام نہیں ملا ہے۔ اس سال کے آغاز میں، Vitalik نے کرپٹو + AI ایپلی کیشنز کے وعدے اور چیلنجز کے عنوان سے ایک مضمون شائع کیا، جس میں AI اور crypto کے امتزاج کے مستقبل کے منظرناموں پر بحث کی گئی۔ Vitalik نے آرٹیکل میں بہت سارے نظاروں کا ذکر کیا، بشمول بلاکچین اور MPC جیسی خفیہ کاری ٹیکنالوجیز کا استعمال AI کی تربیت اور انفرنس کو وکندریقرت کرنے کے لیے، جو مشین لرننگ کا بلیک باکس کھول سکتا ہے اور AI ماڈل کو مزید بے اعتماد بنا سکتا ہے۔ ان خوابوں کو پورا کرنے کے لیے ابھی بہت طویل سفر طے کرنا ہے۔ لیکن استعمال کے معاملات میں سے ایک جس کا ذکر Vitalik نے کیا ہے - AI کو بااختیار بنانے کے لیے cryptos معاشی ترغیبات کا استعمال، بھی ایک اہم سمت ہے جسے مختصر وقت میں حاصل کیا جا سکتا ہے۔ وکندریقرت کمپیوٹنگ پاور نیٹ ورک اس مرحلے پر AI + crypto کے لیے موزوں ترین منظرناموں میں سے ایک ہے۔

2 وکندریقرت کمپیوٹنگ نیٹ ورک

اس وقت، وکندریقرت کمپیوٹنگ پاور نیٹ ورک کے میدان میں پہلے ہی بہت سے منصوبے تیار ہو رہے ہیں۔ ان منصوبوں کی بنیادی منطق ایک جیسی ہے، جس کا خلاصہ یوں کیا جا سکتا ہے: کمپیوٹنگ پاور ہولڈرز کو کمپیوٹنگ پاور سروسز فراہم کرنے کے لیے نیٹ ورک میں حصہ لینے کی ترغیب دینے کے لیے ٹوکنز کا استعمال، اور ان بکھرے ہوئے کمپیوٹنگ پاور وسائل کو ایک خاص پیمانے کے وکندریقرت کمپیوٹنگ پاور نیٹ ورک میں جمع کیا جا سکتا ہے۔ یہ نہ صرف بے کار کمپیوٹنگ پاور کے استعمال کی شرح کو بہتر بنا سکتا ہے بلکہ کم قیمت پر صارفین کی کمپیوٹنگ پاور کی ضروریات کو بھی پورا کر سکتا ہے، خریداروں اور فروخت کنندگان دونوں کے لیے جیت کی صورت حال کو حاصل کر سکتا ہے۔

قارئین کو مختصر وقت میں اس ٹریک کی مجموعی تفہیم حاصل کرنے کے قابل بنانے کے لیے، یہ مضمون مخصوص پروجیکٹس اور پورے ٹریک کو دو زاویوں سے ڈی کنسٹریکٹ کرے گا: مائیکرو اور میکرو، جس کا مقصد قارئین کو ایک تجزیاتی نقطہ نظر فراہم کرنا ہے تاکہ وہ بنیادی کو سمجھ سکیں۔ ہر منصوبے کے مسابقتی فوائد اور وکندریقرت کمپیوٹنگ پاور ٹریک کی مجموعی ترقی۔ مصنف پانچ منصوبوں کا تعارف اور تجزیہ کرے گا: ایتھر، io.net، رینڈر نیٹ ورک، آکاش نیٹ ورک، Gensyn ، اور پراجیکٹ کی حیثیت کا خلاصہ اور جائزہ لیں اور ترقی کو ٹریک کریں۔

تجزیاتی فریم ورک کے نقطہ نظر سے، اگر ہم ایک مخصوص وکندریقرت کمپیوٹنگ نیٹ ورک پر توجہ مرکوز کرتے ہیں، تو ہم اسے چار بنیادی اجزاء میں تقسیم کر سکتے ہیں:

• ہارڈ ویئر نیٹ ورک : یہ بکھرے ہوئے کمپیوٹنگ وسائل کو مربوط کرتا ہے اور دنیا بھر میں تقسیم کیے گئے نوڈس کے ذریعے کمپیوٹنگ وسائل کے اشتراک اور بوجھ کے توازن کو محسوس کرتا ہے۔ یہ وکندریقرت کمپیوٹنگ نیٹ ورک کی بنیادی پرت ہے۔

• دو طرفہ بازار : کمپیوٹنگ پاور فراہم کنندگان کو مناسب قیمتوں اور دریافت کے طریقہ کار کے ذریعے ڈیمانڈ کرنے والوں کے ساتھ جوڑیں، ایک محفوظ تجارتی پلیٹ فارم فراہم کریں، اور اس بات کو یقینی بنائیں کہ سپلائی اور ڈیمانڈ پارٹیوں کے درمیان لین دین شفاف، منصفانہ اور قابل اعتماد ہوں۔

• اتفاق رائے کا طریقہ کار : اس بات کو یقینی بنانے کے لیے استعمال کیا جاتا ہے کہ نیٹ ورک میں نوڈس صحیح طریقے سے چل رہے ہیں اور اپنا کام مکمل کر رہے ہیں۔ اتفاق رائے کا طریقہ کار بنیادی طور پر دو سطحوں کی نگرانی کے لیے استعمال ہوتا ہے: 1) نگرانی کریں کہ آیا نوڈ آن لائن ہے اور ایک فعال حالت میں ہے جو کسی بھی وقت کام کو قبول کر سکتا ہے۔ 2) نوڈ ورک پروف: نوڈ ٹاسک حاصل کرنے کے بعد کام کو مؤثر طریقے سے اور صحیح طریقے سے مکمل کرتا ہے، اور کمپیوٹنگ پاور دوسرے مقاصد کے لیے استعمال نہیں ہوتی اور عمل اور دھاگوں پر قبضہ کرتی ہے۔

• ٹوکن مراعات : ٹوکن ماڈل کا استعمال مزید شرکاء کو خدمات فراہم کرنے/استعمال کرنے کی ترغیب دینے کے لیے کیا جاتا ہے، اور اس نیٹ ورک کے اثر کو حاصل کرنے کے لیے ٹوکنز کا استعمال کرتے ہیں اور کمیونٹی فائدے کی شراکت کو حاصل کرتے ہیں۔

اگر ہم پورے ڈی سینٹرلائزڈ کمپیوٹنگ پاور ٹریک کا برڈ آئی ویو لیں تو بلاک ورکس ریسرچ کی تحقیقی رپورٹ ایک اچھا تجزیہ فریم ورک فراہم کرتی ہے۔ ہم اس ٹریک کی پروجیکٹ پوزیشنز کو تین مختلف پرتوں میں تقسیم کر سکتے ہیں۔

• ننگی دھات کی تہہ : وکندریقرت کمپیوٹنگ اسٹیک کی بنیادی پرت۔ اس کا بنیادی کام کمپیوٹنگ کے خام وسائل کو اکٹھا کرنا اور انہیں API کالز کے لیے دستیاب کرنا ہے۔

• آرکیسٹریشن پرت : وکندریقرت کمپیوٹنگ اسٹیک کی درمیانی تہہ۔ اس کے اہم کام ہم آہنگی اور تجرید ہیں۔ یہ کمپیوٹنگ پاور کے نظام الاوقات، توسیع، آپریشن، لوڈ بیلنسنگ اور فالٹ ٹولرنس کے لیے ذمہ دار ہے۔ اس کا بنیادی کام بنیادی ہارڈویئر مینجمنٹ کی پیچیدگی کا خلاصہ کرنا ہے اور آخری صارفین کو مخصوص کسٹمر گروپس کی خدمت کے لیے زیادہ جدید یوزر انٹرفیس فراہم کرنا ہے۔

• جمع کی پرت : یہ وکندریقرت کمپیوٹنگ اسٹیک کی سب سے اوپر کی تہہ بناتا ہے۔ اس کا بنیادی کام انضمام ہے۔ یہ ایک متحد انٹرفیس فراہم کرنے کے لیے ذمہ دار ہے تاکہ صارف ایک جگہ پر متعدد کمپیوٹنگ کاموں کو نافذ کر سکیں، جیسے کہ AI ٹریننگ، رینڈرنگ، zkML، وغیرہ۔

تصویری ماخذ: یوبی کیپیٹل

مندرجہ بالا دو تجزیہ فریم ورک کی بنیاد پر، ہم پانچ منتخب منصوبوں کا افقی موازنہ کریں گے اور ان کا چار سطحوں سے جائزہ لیں گے: بنیادی کاروبار، مارکیٹ پوزیشننگ، ہارڈ ویئر کی سہولیات اور مالی کارکردگی .

2.1 بنیادی کاروبار

بنیادی منطق سے، وکندریقرت کمپیوٹنگ نیٹ ورک انتہائی یکساں ہے، یعنی کمپیوٹنگ پاور سروسز فراہم کرنے کے لیے بیکار کمپیوٹنگ پاور ہولڈرز کو ترغیب دینے کے لیے ٹوکنز کا استعمال۔ اس بنیادی منطق کی بنیاد پر، ہم پروجیکٹ کے بنیادی کاروبار میں فرق کو تین پہلوؤں سے سمجھ سکتے ہیں:

• بیکار کمپیوٹنگ طاقت کے ذرائع:

• مارکیٹ میں آئیڈیل کمپیوٹنگ پاور کے دو اہم ذرائع ہیں: 1) ڈیٹا سینٹرز، کان کنوں اور دیگر کمپنیوں کے ہاتھ میں آئیڈیل کمپیوٹنگ پاور؛ 2) خوردہ سرمایہ کاروں کے ہاتھ میں بیکار کمپیوٹنگ کی طاقت۔ ڈیٹا سینٹرز کی کمپیوٹنگ پاور عام طور پر پروفیشنل گریڈ ہارڈویئر ہوتی ہے، جبکہ ریٹیل سرمایہ کار عام طور پر کنزیومر گریڈ چپس خریدتے ہیں۔

• ایتھر، آکاش نیٹ ورک اور جینسن کی کمپیوٹنگ پاور بنیادی طور پر کاروباری اداروں سے جمع کی جاتی ہے۔ انٹرپرائزز سے کمپیوٹنگ پاور اکٹھا کرنے کے فوائد یہ ہیں: 1) انٹرپرائزز اور ڈیٹا سینٹرز میں عام طور پر اعلیٰ معیار کے ہارڈ ویئر اور پیشہ ورانہ دیکھ بھال کی ٹیمیں ہوتی ہیں، اور کمپیوٹنگ پاور وسائل کی کارکردگی اور قابل اعتماد زیادہ ہوتی ہے۔ 2) انٹرپرائزز اور ڈیٹا سینٹرز کے کمپیوٹنگ پاور وسائل اکثر زیادہ یکساں ہوتے ہیں، اور مرکزی انتظام اور نگرانی وسائل کے نظام الاوقات اور دیکھ بھال کو زیادہ موثر بناتی ہے۔ تاہم، اسی مناسبت سے، اس طریقہ کار کی پروجیکٹ پارٹی کے لیے زیادہ تقاضے ہیں، اور پروجیکٹ پارٹی کو کمپیوٹنگ پاور کو کنٹرول کرنے والے انٹرپرائز کے ساتھ تجارتی روابط رکھنے کی ضرورت ہے۔ ایک ہی وقت میں، توسیع پذیری اور وکندریقرت ایک خاص حد تک متاثر ہوگی۔

• رینڈر نیٹ ورک اور io.net بنیادی طور پر خوردہ سرمایہ کاروں کو ان کی بیکار کمپیوٹنگ طاقت فراہم کرنے کی ترغیب دیتے ہیں۔ خوردہ سرمایہ کاروں سے کمپیوٹنگ پاور جمع کرنے کے فوائد یہ ہیں: 1) خوردہ سرمایہ کاروں کی بے کار کمپیوٹنگ پاور کی واضح قیمت کم ہے، جو زیادہ اقتصادی کمپیوٹنگ پاور وسائل فراہم کر سکتی ہے۔ 2) نیٹ ورک زیادہ توسیع پذیر اور وکندریقرت ہے، جو نظام کی لچک اور مضبوطی کو بڑھاتا ہے۔ نقصان یہ ہے کہ خوردہ وسائل وسیع پیمانے پر تقسیم کیے جاتے ہیں اور یکساں نہیں ہوتے ہیں، جس کی وجہ سے انتظام اور نظام الاوقات پیچیدہ ہوتے ہیں اور آپریشن اور دیکھ بھال میں دشواری بڑھ جاتی ہے۔ ریٹیل کمپیوٹنگ پاور (کِک سٹارٹ کرنا مشکل) پر انحصار کرتے ہوئے ابتدائی نیٹ ورک اثر بنانا بھی زیادہ مشکل ہے۔ آخر میں، ریٹیل ڈیوائسز میں سیکیورٹی کے زیادہ خطرات ہو سکتے ہیں، جو ڈیٹا کے لیک ہونے اور کمپیوٹنگ پاور کے غلط استعمال کا خطرہ لائے گا۔

• کمپیوٹنگ پاور صارفین

• کمپیوٹنگ پاور صارفین کے نقطہ نظر سے، Aethir، io.net، اور Gensyn کے ہدف والے صارفین بنیادی طور پر کاروباری ادارے ہیں۔ بی سائیڈ صارفین کے لیے، AI اور گیمز کی ریئل ٹائم رینڈرنگ کے لیے اعلی کارکردگی والے کمپیوٹنگ کی ضرورت ہوتی ہے۔ اس قسم کے کام کا بوجھ کمپیوٹنگ پاور وسائل کے لیے انتہائی زیادہ تقاضوں کا حامل ہوتا ہے، عام طور پر اعلیٰ درجے کے GPUs یا پیشہ ورانہ گریڈ ہارڈ ویئر کی ضرورت ہوتی ہے۔ مزید برآں، B-سائیڈ صارفین کو کمپیوٹنگ پاور وسائل کے استحکام اور بھروسے کے لیے اعلیٰ تقاضے ہوتے ہیں، اس لیے پروجیکٹ کے نارمل آپریشن کو یقینی بنانے اور بروقت تکنیکی مدد فراہم کرنے کے لیے اعلیٰ معیار کی خدمت کی سطح کے معاہدوں کو فراہم کیا جانا چاہیے۔ ایک ہی وقت میں، B طرفہ صارفین کی منتقلی کی لاگت بہت زیادہ ہے۔ اگر وکندریقرت نیٹ ورک کے پاس پختہ SDK نہیں ہے جو پراجیکٹ پارٹی کو تیزی سے تعینات کرنے کی اجازت دیتا ہے (مثال کے طور پر، آکاش نیٹ ورک صارفین کو ریموٹ پورٹس کی بنیاد پر خود تیار کرنے کی ضرورت ہے)، تو صارفین کے لیے ہجرت کرنا مشکل ہو گا۔ اگر یہ انتہائی اہم قیمت فائدہ کے لیے نہ ہوتا، تو صارفین کی نقل مکانی کی خواہش بہت کم ہوتی۔

• رینڈر نیٹ ورک اور آکاش نیٹ ورک بنیادی طور پر خوردہ سرمایہ کاروں کے لیے کمپیوٹنگ پاور سروسز فراہم کرتے ہیں۔ سی اینڈ کے صارفین کے لیے خدمات فراہم کرنے کے لیے، پراجیکٹس کو صارفین کو ایک اچھا صارف تجربہ فراہم کرنے کے لیے سادہ اور استعمال میں آسان انٹرفیس اور ٹولز ڈیزائن کرنے کی ضرورت ہے۔ صارفین قیمتوں کے حوالے سے بھی بہت حساس ہوتے ہیں، اس لیے منصوبوں کو مسابقتی قیمتوں کا تعین کرنے کی ضرورت ہوتی ہے۔

• ہارڈ ویئر کی قسم

• عام کمپیوٹنگ ہارڈویئر وسائل میں CPU، FPGA، GPU، ASIC اور SoC شامل ہیں۔ ان ہارڈویئرز میں ڈیزائن کے اہداف، کارکردگی کی خصوصیات اور اطلاق کے شعبوں میں نمایاں فرق ہے۔ خلاصہ یہ کہ CPU عام کمپیوٹنگ کے کاموں میں بہتر ہے، FPGAs کے فوائد اعلی متوازی پروسیسنگ اور پروگرام قابلیت ہیں، GPU متوازی کمپیوٹنگ میں اچھی کارکردگی کا مظاہرہ کرتا ہے، ASIC مخصوص کاموں میں سب سے زیادہ موثر ہے، اور SoC ایک میں متعدد فنکشنز کو مربوط کرتا ہے، جو انتہائی مربوط ایپلی کیشنز کے لیے موزوں ہے۔ کون سا ہارڈویئر منتخب کرنا ہے اس کا انحصار مخصوص ایپلی کیشن کی ضروریات، کارکردگی کی ضروریات اور لاگت کے تحفظات پر ہے۔ ہم نے جن وکندریقرت کمپیوٹنگ پاور پروجیکٹس پر بات کی ہے وہ زیادہ تر GPU کمپیوٹنگ پاور کو اکٹھا کرنے کے لیے ہیں، جس کا تعین پروجیکٹ کے کاروبار کی قسم اور GPU کی خصوصیات سے ہوتا ہے۔ کیونکہ GPU AI ٹریننگ، متوازی کمپیوٹنگ، ملٹی میڈیا رینڈرنگ اور دیگر پہلوؤں میں منفرد فوائد رکھتا ہے۔

• اگرچہ ان میں سے زیادہ تر پروجیکٹس میں GPU انضمام شامل ہے، لیکن مختلف ایپلی کیشنز میں ہارڈ ویئر کی خصوصیات کے لیے مختلف تقاضے ہوتے ہیں، اس لیے ان ہارڈ ویئر میں متفاوت اصلاحی کور اور پیرامیٹرز ہوتے ہیں۔ ان پیرامیٹرز میں متوازی/سیریل انحصار، میموری، لیٹنسی وغیرہ شامل ہیں۔ مثال کے طور پر، رینڈرنگ ورک بوجھ دراصل زیادہ طاقتور ڈیٹا سینٹر GPUs کے بجائے صارف کے درجے کے GPUs کے لیے زیادہ موزوں ہے، کیونکہ رینڈرنگ میں رے ٹریسنگ کے لیے بہت زیادہ تقاضے ہوتے ہیں، اور صارف کے درجے کی چپس جیسے کہ 4090 s نے RT کور کو بڑھایا ہے اور خاص طور پر رے کے لیے بہتر بنایا گیا ہے۔ کاموں کا سراغ لگانا. AI ٹریننگ اور انفرنس کے لیے پیشہ ورانہ سطح کے GPUs کی ضرورت ہوتی ہے۔ لہذا، رینڈر نیٹ ورک صارفین کے درجے کے GPUs جیسے RTX 3090 s اور 4090 s کو خوردہ سرمایہ کاروں سے اکٹھا کر سکتا ہے، جبکہ IO.NET کو AI سٹارٹ اپس کی ضروریات کو پورا کرنے کے لیے مزید پیشہ ورانہ سطح کے GPUs جیسے H 100 s اور A 100 s کی ضرورت ہے۔

2.2 مارکیٹ پوزیشننگ

پراجیکٹ پوزیشننگ کے لحاظ سے، ننگی دھات کی تہہ، آرکیسٹریشن پرت اور ایگریگیشن پرت میں حل کرنے کے لیے مختلف بنیادی مسائل ہیں، اصلاح پر توجہ مرکوز اور قدر کیپچر کی صلاحیتیں ہیں۔

• ننگی دھاتی تہہ جسمانی وسائل کے جمع کرنے اور استعمال پر مرکوز ہے، جبکہ آرکیسٹریشن پرت کمپیوٹنگ پاور کے نظام الاوقات اور اصلاح پر توجہ مرکوز کرتی ہے، کسٹمر گروپس کی ضروریات کے مطابق فزیکل ہارڈویئر کے ڈیزائن کو بہتر بناتی ہے۔ جمع کی تہہ عام مقصد ہے، مختلف وسائل کے انضمام اور تجرید پر توجہ مرکوز کرتی ہے۔ ویلیو چین کے نقطہ نظر سے، ہر پروجیکٹ کو دھات کی ننگی تہہ سے شروع ہونا چاہیے اور اوپر کی طرف چڑھنے کی کوشش کرنی چاہیے۔

• قدر کی گرفت کے نقطہ نظر سے، قدر کو حاصل کرنے کی صلاحیت ننگی دھاتی تہہ، آرکیسٹریشن تہہ سے جمع تہہ تک تہہ بہ تہہ اضافہ کرتی ہے۔ ایگریگیشن پرت سب سے زیادہ قدر حاصل کر سکتی ہے کیونکہ ایگریگیشن پلیٹ فارم نیٹ ورک کا سب سے بڑا اثر حاصل کر سکتا ہے اور براہ راست زیادہ تر صارفین تک پہنچ سکتا ہے، جو کہ وکندریقرت نیٹ ورک کے ٹریفک کے داخلے کے برابر ہے، اس طرح پورے کمپیوٹنگ ریسورس مینجمنٹ میں سب سے زیادہ ویلیو کیپچر پوزیشن پر قبضہ کر لیتا ہے۔ اسٹیک

• اسی طرح، ایک جمع پلیٹ فارم بنانا سب سے مشکل ہے۔ پراجیکٹ کو بہت سے مسائل کو جامع طور پر حل کرنے کی ضرورت ہے، بشمول تکنیکی پیچیدگی، متفاوت وسائل کا انتظام، سسٹم کی وشوسنییتا اور اسکیل ایبلٹی، نیٹ ورک اثر کا احساس، سیکورٹی اور رازداری کا تحفظ، اور پیچیدہ آپریشن اور دیکھ بھال کا انتظام۔ یہ چیلنجز منصوبے کے سرد آغاز کے لیے سازگار نہیں ہیں اور اس کا انحصار ٹریک کی ترقی اور وقت پر ہے۔ آرکیسٹریشن پرت کے پختہ ہونے اور ایک مخصوص مارکیٹ شیئر پر قبضہ کرنے سے پہلے ایک جمع پرت بنانا حقیقت پسندانہ نہیں ہے۔

• فی الحال، ایتھر، رینڈر نیٹ ورک، آکاش نیٹ ورک اور گینسن سبھی آرکیسٹریشن لیئر سے تعلق رکھتے ہیں، اور انہیں مخصوص اہداف اور کسٹمر گروپس کے لیے خدمات فراہم کرنے کے لیے ڈیزائن کیا گیا ہے۔ ایتھرس کا موجودہ مرکزی کاروبار کلاؤڈ گیمز کے لیے ریئل ٹائم رینڈرنگ ہے، اور بی سائیڈ صارفین کے لیے کچھ ترقی اور تعیناتی کے ماحول اور ٹولز فراہم کرتا ہے۔ رینڈر نیٹ ورکس کا بنیادی کاروبار ویڈیو رینڈرنگ ہے، آکاش نیٹ ورکس کا مشن Taobao جیسا تجارتی پلیٹ فارم فراہم کرنا ہے، اور Gensyn AI ٹریننگ کے شعبے میں گہرا تعلق ہے۔ io.net کو ایک ایگریگیشن پرت کے طور پر رکھا گیا ہے، لیکن فی الحال io کے ذریعے نافذ کیے گئے فنکشنز اب بھی ایگریگیشن پرت کے مکمل افعال سے کچھ فاصلے پر ہیں۔ اگرچہ رینڈر نیٹ ورک اور فائل کوائن کا ہارڈ ویئر اکٹھا کیا جا چکا ہے، لیکن ہارڈ ویئر کے وسائل کا خلاصہ اور انضمام ابھی تک مکمل نہیں ہوا ہے۔

2.3 ہارڈ ویئر کی سہولیات

• فی الحال، تمام منصوبوں نے تفصیلی نیٹ ورک ڈیٹا جاری نہیں کیا ہے۔ نسبتاً، io.net ایکسپلورر کا UI بہترین ہے، جہاں آپ GPU/CPU کے نمبر، قسم، قیمت، تقسیم، نیٹ ورک کا استعمال، نوڈ کی آمدنی اور دیگر پیرامیٹرز دیکھ سکتے ہیں۔ تاہم، اپریل کے آخر میں، io.net کے سامنے والے حصے پر حملہ ہوا۔ چونکہ io نے PUT/POST انٹرفیس پر Auth انجام نہیں دیا، اس لیے ہیکرز نے سامنے والے ڈیٹا کے ساتھ چھیڑ چھاڑ کی۔ اس نے دوسرے منصوبوں کی رازداری اور نیٹ ورک ڈیٹا کی وشوسنییتا کے لیے بھی خطرے کی گھنٹی بجا دی۔

• GPUs کی تعداد اور ماڈل کے لحاظ سے، io.net، ایک مجموعی پرت کے طور پر، سب سے زیادہ ہارڈ ویئر کو جمع کرنا چاہیے تھا۔ ایتھر قریب سے پیچھے ہے، اور دوسرے منصوبوں کی ہارڈ ویئر کی صورتحال اتنی شفاف نہیں ہے۔ GPU ماڈل سے، ہم دیکھ سکتے ہیں کہ io میں پیشہ ورانہ گریڈ GPUs جیسے A 100 اور کنزیومر گریڈ GPUs جیسے 4090 ہیں، وسیع اقسام کے ساتھ، جو io.net جمع کی پوزیشننگ کے مطابق ہے۔ io مخصوص کام کی ضروریات کے مطابق موزوں ترین GPU کا انتخاب کر سکتا ہے۔ تاہم، مختلف ماڈلز اور برانڈز کے GPUs کو مختلف ڈرائیورز اور کنفیگریشنز کی ضرورت پڑسکتی ہے، اور سافٹ ویئر کو پیچیدہ طور پر آپٹمائز کرنے کی بھی ضرورت ہوتی ہے، جس سے انتظام اور دیکھ بھال کی پیچیدگی بڑھ جاتی ہے۔ فی الحال، io میں مختلف کاموں کی تقسیم بنیادی طور پر صارف کے انتخاب پر مبنی ہے۔

• ایتھر نے اپنی مائننگ مشین جاری کی۔ مئی میں، Aethir Edge، جو Qualcomm کے تعاون سے تیار کیا گیا تھا، باضابطہ طور پر لانچ کیا گیا تھا۔ یہ سنگل سینٹرلائزڈ GPU کلسٹر تعیناتی موڈ کو صارفین سے بہت دور توڑ دے گا اور کمپیوٹنگ پاور کو کنارے پر تعینات کر دے گا۔ ایتھر ایج AI منظرناموں کو پیش کرنے کے لیے H100 کی کلسٹر کمپیوٹنگ پاور کو یکجا کرے گا۔ یہ تربیت یافتہ ماڈلز کو تعینات کر سکتا ہے اور صارفین کو بہترین قیمت پر انفرنس کمپیوٹنگ خدمات فراہم کر سکتا ہے۔ یہ حل صارفین کے قریب ہے، تیز تر خدمات فراہم کرتا ہے، اور زیادہ سرمایہ کاری مؤثر ہے۔

• سپلائی اور ڈیمانڈ کے نقطہ نظر سے، آکاش نیٹ ورک کو ایک مثال کے طور پر لیتے ہوئے، اس کے اعدادوشمار بتاتے ہیں کہ CPUs کی کل تعداد تقریباً 16k ہے اور GPUs کی تعداد 378 ہے۔ نیٹ ورک رینٹل ڈیمانڈ کے مطابق، CPUs اور GPUs کے استعمال کی شرحیں ہیں۔ 11.1% اور 19.3% بالترتیب۔ ان میں سے، صرف پیشہ ورانہ گریڈ GPU H 100 کے کرایے کی شرح نسبتاً زیادہ ہے، اور دیگر ماڈلز زیادہ تر بیکار ہیں۔ دوسرے نیٹ ورکس کو درپیش صورتحال تقریباً آکاش جیسی ہے۔ نیٹ ورک کی مجموعی مانگ زیادہ نہیں ہے۔ A 100 اور H 100 جیسی مشہور چپس کے علاوہ، دیگر کمپیوٹنگ پاور زیادہ تر بیکار ہے۔

• قیمت کے فائدہ کے نقطہ نظر سے، کلاؤڈ کمپیوٹنگ مارکیٹ میں جنات کے علاوہ، دیگر روایتی خدمات فراہم کرنے والوں کے مقابلے میں قیمت کا فائدہ نمایاں نہیں ہے۔

2.4 مالی کارکردگی

• اس سے قطع نظر کہ ٹوکن ماڈل کو کس طرح ڈیزائن کیا گیا ہے، ایک صحت مند ٹوکنومکس کو درج ذیل بنیادی شرائط کو پورا کرنے کی ضرورت ہے: 1) نیٹ ورک کے لیے صارف کی مانگ کو سکے کی قیمت میں ظاہر ہونے کی ضرورت ہے، جس کا مطلب ہے کہ ٹوکن قدر کو حاصل کر سکتا ہے۔ 2) تمام شرکاء، خواہ ڈویلپرز، نوڈس، یا صارفین، کو طویل مدتی اور منصفانہ مراعات حاصل کرنے کی ضرورت ہے۔ 3) اندرونی لوگوں کی طرف سے ضرورت سے زیادہ ہولڈنگز سے بچنے کے لیے وکندریقرت حکمرانی کو یقینی بنائیں۔ 4) سکے کی قیمتوں میں بڑے اتار چڑھاؤ سے بچنے کے لیے معقول افراط زر اور انحطاط کا طریقہ کار اور ٹوکن ریلیز سائیکل جو نیٹ ورک کی مضبوطی اور پائیداری کو متاثر کرتے ہیں۔

• اگر ہم ٹوکن ماڈل کو عام طور پر BME (برن اور منٹ کے توازن) اور SFA (رسائی کے لیے حصہ) میں تقسیم کرتے ہیں، تو ان دونوں ماڈلز کے ٹوکنز پر افراط زر کے دباؤ کے ذرائع مختلف ہیں: BME ماڈل صارفین کی خدمات خریدنے کے بعد ٹوکن کو جلا دیتا ہے، لہذا نظام کی تنزلی کا دباؤ مانگ سے طے ہوتا ہے۔ SFA خدمات فراہم کرنے کی اہلیت حاصل کرنے کے لیے خدمت فراہم کنندگان/نوڈس کو ٹوکنز داؤ پر لگاتا ہے، اس لیے سپلائی کے ذریعے تنزلی کا دباؤ لایا جاتا ہے۔ BME کا فائدہ یہ ہے کہ یہ غیر معیاری اشیاء کے لیے زیادہ موزوں ہے۔ تاہم، اگر نیٹ ورک کی طلب ناکافی ہے، تو اسے مسلسل افراط زر کے دباؤ کا سامنا کرنا پڑ سکتا ہے۔ مختلف منصوبوں کے ٹوکن ماڈل تفصیلات میں مختلف ہوتے ہیں، لیکن عام طور پر، ایتھر SFA کو ترجیح دیتے ہیں، جبکہ io.net، Render Network اور Akash Network BME کو ترجیح دیتے ہیں، اور Gensyn ابھی تک نامعلوم ہے۔

• آمدنی کے نقطہ نظر سے، نیٹ ورک کی مانگ براہ راست نیٹ ورک کی مجموعی آمدنی میں ظاہر ہوگی (کان کنوں کی آمدنی پر یہاں بات نہیں کی گئی ہے، کیونکہ کان کنوں کو کاموں کو مکمل کرنے کے لیے انعامات کے علاوہ پروجیکٹ سے سبسڈی ملتی ہے)۔ عوامی ڈیٹا سے، io.net کی قیمت سب سے زیادہ ہے۔ اگرچہ ایتھر کی آمدنی کا ابھی تک اعلان نہیں کیا گیا ہے، عوامی معلومات کے مطابق، انہوں نے اعلان کیا ہے کہ انہوں نے بی سائیڈ کے بہت سے صارفین کے ساتھ آرڈرز پر دستخط کیے ہیں۔

• سکے کی قیمتوں کے لحاظ سے، صرف رینڈر نیٹ ورک اور آکاش نیٹ ورک نے ICOs کا انعقاد کیا ہے۔ Aethir اور io.net نے بھی حال ہی میں سکے جاری کیے ہیں، اور ان کی قیمت کی کارکردگی کو دیکھنے کی ضرورت ہے، اس لیے ہم یہاں ان پر تفصیل سے بات نہیں کریں گے۔ Gensyns کا منصوبہ ابھی تک واضح نہیں ہے۔ ان دو منصوبوں سے جنہوں نے سکے جاری کیے ہیں اور وہ پروجیکٹ جنہوں نے ایک ہی ٹریک میں سکے جاری کیے ہیں لیکن اس مضمون کے دائرہ کار میں شامل نہیں ہیں، عام طور پر، وکندریقرت کمپیوٹنگ پاور نیٹ ورک کی قیمت کی کارکردگی بہت متاثر کن ہے، جو کہ ایک حد تک مارکیٹ کی بہت بڑی صلاحیت اور کمیونٹی کی اعلیٰ توقعات کی عکاسی کرتی ہے۔

2.5 خلاصہ

• وکندریقرت کمپیوٹنگ نیٹ ورک ٹریک نے مجموعی طور پر تیزی سے ترقی کی ہے، اور بہت سے منصوبے پہلے سے ہی صارفین کی خدمت اور مخصوص آمدنی پیدا کرنے کے لیے مصنوعات پر انحصار کر سکتے ہیں۔ ٹریک خالص بیانیہ سے ہٹ کر ترقی کے ایک مرحلے میں داخل ہو گیا ہے جہاں یہ ابتدائی خدمات فراہم کر سکتا ہے۔

• کمزور ڈیمانڈ ایک عام مسئلہ ہے جس کا سامنا وکندریقرت کمپیوٹنگ نیٹ ورکس کو ہوتا ہے، اور صارفین کی طویل مدتی مانگ کی اچھی طرح سے تصدیق اور کھوج نہیں کی گئی ہے۔ تاہم، ڈیمانڈ سائیڈ نے سکوں کی قیمت کو زیادہ متاثر نہیں کیا ہے، اور کئی پروجیکٹس جنہوں نے پہلے ہی سکے جاری کیے ہیں، اچھی کارکردگی کا مظاہرہ کیا ہے۔

• AI وکندریقرت کمپیوٹنگ نیٹ ورک کا بنیادی بیانیہ ہے، لیکن یہ واحد کاروبار نہیں ہے۔ AI ٹریننگ اور انفرنس کے لیے استعمال کیے جانے کے علاوہ، کمپیوٹنگ پاور کو کلاؤڈ گیمز، کلاؤڈ موبائل فون سروسز، اور مزید کی ریئل ٹائم رینڈرنگ کے لیے بھی استعمال کیا جا سکتا ہے۔

• کمپیوٹنگ پاور نیٹ ورک کی ہارڈویئر ہیٹروجنیٹی نسبتاً زیادہ ہے، اور کمپیوٹنگ پاور نیٹ ورک کے معیار اور پیمانے کو مزید بہتر کرنے کی ضرورت ہے۔

• C-end کے صارفین کے لیے، لاگت کا فائدہ زیادہ واضح نہیں ہے۔ B-end کے صارفین کے لیے، لاگت کی بچت کے علاوہ، انہیں سروس کے استحکام، وشوسنییتا، تکنیکی مدد، تعمیل اور قانونی معاونت وغیرہ پر بھی غور کرنے کی ضرورت ہے، اور Web3 پروجیکٹس عام طور پر ان پہلوؤں میں اچھا کام نہیں کرتے۔

3 اختتامی خیالات

AI کی دھماکہ خیز نمو نے کمپیوٹنگ پاور کی بہت زیادہ مانگ پیدا کر دی ہے۔ 2012 کے بعد سے، AI تربیتی کاموں میں استعمال ہونے والی کمپیوٹنگ کی طاقت تیزی سے بڑھ رہی ہے، فی الحال ہر 3.5 ماہ میں دوگنا ہو رہی ہے (ہر 18 ماہ میں مورز کے دوگنا قانون کے مقابلے)۔ 2012 کے بعد سے، کمپیوٹنگ پاور کی مانگ میں 300,000 گنا سے زیادہ اضافہ ہوا ہے، جو Moores Laws کے 12 گنا اضافے سے کہیں زیادہ ہے۔ پیشن گوئی کے مطابق، GPU مارکیٹ اگلے پانچ سالوں میں 32% کی کمپاؤنڈ سالانہ ترقی کی شرح سے $200 بلین سے زیادہ ہونے کی توقع ہے۔ AMDs کا تخمینہ اس سے بھی زیادہ ہے، اور کمپنی کو توقع ہے کہ GPU چپ مارکیٹ 2027 تک $400 بلین تک پہنچ جائے گی۔

تصویری ماخذ: https://www.stateof.ai/

کیونکہ مصنوعی ذہانت اور دوسرے کمپیوٹیشنل طور پر انتہائی کام کے بوجھ (جیسے AR/VR رینڈرنگ) کی دھماکہ خیز نمو نے روایتی کلاؤڈ کمپیوٹنگ اور معروف کمپیوٹنگ مارکیٹوں میں ساختی ناکارہیوں کو بے نقاب کیا ہے۔ نظریہ میں، وکندریقرت کمپیوٹنگ نیٹ ورک تقسیم شدہ بیکار کمپیوٹنگ وسائل کو استعمال کرتے ہوئے زیادہ لچکدار، کم لاگت اور موثر حل فراہم کر سکتے ہیں، اس طرح کمپیوٹنگ وسائل کی مارکیٹوں کی بڑی مانگ کو پورا کرتے ہیں۔ لہذا، کرپٹو اور AI کے امتزاج میں مارکیٹ کی بہت بڑی صلاحیت ہے، لیکن اسے روایتی کمپنیوں، اعلی داخلے کی رکاوٹوں اور مارکیٹ کے پیچیدہ ماحول سے سخت مقابلے کا سامنا ہے۔ عام طور پر، تمام کریپٹو ٹریکس کو دیکھتے ہوئے، وکندریقرت کمپیوٹنگ نیٹ ورکس کرپٹو فیلڈ میں سب سے زیادہ امید افزا عمودی ہیں جو حقیقی ضروریات کو پورا کر سکتے ہیں۔

تصویری ماخذ : https://vitalik.eth.limo/general/2024/01/30/cryptoai.html

مستقبل روشن ہے، لیکن سڑک مشکل ہے۔ مندرجہ بالا نقطہ نظر کو حاصل کرنے کے لئے، ہمیں ابھی بھی بہت سے مسائل اور چیلنجوں کو حل کرنے کی ضرورت ہے. خلاصہ میں: اس مرحلے پر، ہم صرف روایتی کلاؤڈ خدمات فراہم کرتے ہیں تو، منصوبوں کے منافع کا مارجن بہت چھوٹا ہے. ڈیمانڈ کی طرف سے، بڑے ادارے عام طور پر اپنی کمپیوٹنگ پاور بناتے ہیں، اور خالص سی اینڈ ڈویلپرز زیادہ تر کلاؤڈ سروسز کا انتخاب کرتے ہیں۔ آیا چھوٹے اور درمیانے درجے کے کاروباری ادارے جو صحیح معنوں میں وکندریقرت کمپیوٹنگ پاور نیٹ ورک کے وسائل کا استعمال کرتے ہیں، ان کی مانگ مستحکم ہوگی یا نہیں اس کے لیے مزید تلاش اور تصدیق کی ضرورت ہے۔ دوسری طرف، AI ایک وسیع مارکیٹ ہے جس میں بہت زیادہ اوپری حد اور تخیل کی جگہ ہے۔ ایک وسیع تر مارکیٹ کے لیے، وکندریقرت کمپیوٹنگ پاور سروس فراہم کرنے والوں کو مستقبل میں ماڈل/AI سروسز میں تبدیل کرنے، مزید کرپٹو + AI کے استعمال کے منظرناموں کو تلاش کرنے، اور اس قدر کو بڑھانے کی ضرورت ہوگی جو پروجیکٹ تخلیق کر سکتا ہے۔ لیکن فی الحال، AI کے میدان میں مزید ترقی کرنے کے لیے بہت سے مسائل اور چیلنجز موجود ہیں:

• قیمت کا فائدہ غیر معمولی نہیں ہے۔ : پچھلے اعداد و شمار کے موازنہ سے، یہ دیکھا جا سکتا ہے کہ وکندریقرت کمپیوٹنگ نیٹ ورک کی لاگت کا فائدہ ظاہر نہیں ہوا ہے۔ ممکنہ وجہ یہ ہے کہ پیشہ ورانہ چپس جیسے H100 اور A100 کے لیے، جن کی زیادہ مانگ ہے، مارکیٹ کا طریقہ کار طے کرتا ہے کہ ہارڈ ویئر کے اس حصے کی قیمت سستی نہیں ہوگی۔ اس کے علاوہ، اگرچہ وکندریقرت نیٹ ورک بیکار کمپیوٹنگ وسائل کو اکٹھا کر سکتا ہے، تاہم وکندریقرت، اعلیٰ نیٹ ورک اور بینڈوڈتھ کے اخراجات، اور انتہائی پیچیدہ انتظام اور آپریشن اور دیکھ بھال کے ذریعے لائے گئے پیمانے کی معیشتوں کی کمی کمپیوٹنگ لاگت میں مزید اضافہ کرے گی۔

• AI ٹریننگ کی خاصیت : وکندریقرت طریقے سے AI تربیت کے موجودہ مرحلے میں بہت بڑی تکنیکی رکاوٹیں ہیں۔ یہ رکاوٹ GPU ورک فلو میں بدیہی طور پر جھلک سکتی ہے۔ بڑے لینگویج ماڈلز کی ٹریننگ میں، GPU سب سے پہلے پہلے سے تیار کردہ ڈیٹا بیچ حاصل کرتا ہے اور گریڈیئنٹس تیار کرنے کے لیے فارورڈ پروپیگیشن اور بیک پروپیگیشن کیلکولیشن کرتا ہے۔ اس کے بعد، ہر GPU گریڈینٹ کو اکٹھا کرتا ہے اور ماڈل کے پیرامیٹرز کو اپ ڈیٹ کرتا ہے تاکہ یہ یقینی بنایا جا سکے کہ تمام GPUs مطابقت پذیر ہیں۔ یہ عمل اس وقت تک دہرایا جائے گا جب تک کہ ٹریننگ کے تمام بیچز مکمل نہ ہو جائیں یا راؤنڈز کی پہلے سے متعین تعداد تک پہنچ جائے۔ اس عمل میں ڈیٹا کی منتقلی اور ہم آہنگی کی ایک بڑی مقدار شامل ہے۔ کس قسم کی متوازی اور مطابقت پذیری کی حکمت عملیوں کو استعمال کرنا ہے، نیٹ ورک کی بینڈوتھ اور تاخیر کو کیسے بہتر بنایا جائے، اور مواصلاتی اخراجات کو کم کیا جائے، وغیرہ کا ابھی تک اچھی طرح سے جواب نہیں دیا گیا ہے۔ اس مرحلے پر، AI کو تربیت دینے کے لیے وکندریقرت کمپیوٹنگ پاور نیٹ ورک کا استعمال کرنا زیادہ حقیقت پسندانہ نہیں ہے۔

• ڈیٹا کی حفاظت اور رازداری : بڑے لینگویج ماڈلز کی ٹریننگ کے دوران، ڈیٹا پروسیسنگ اور ٹرانسمیشن کے تمام پہلو، جیسے ڈیٹا کی تقسیم، ماڈل ٹریننگ، پیرامیٹر اور گریڈینٹ ایگریگیشن، ڈیٹا کی حفاظت اور رازداری کو متاثر کر سکتے ہیں۔ اس کے علاوہ، ڈیٹا کی رازداری ماڈل کی رازداری سے زیادہ اہم ہے۔ اگر ڈیٹا پرائیویسی کا مسئلہ حل نہیں کیا جا سکتا ہے، تو یہ ممکن نہیں ہو گا کہ حقیقی معنوں میں ڈیمانڈ کی طرف بڑھا جائے۔

انتہائی حقیقت پسندانہ نقطہ نظر سے، ایک وکندریقرت کمپیوٹنگ نیٹ ورک کو موجودہ طلب کی دریافت اور مستقبل کی مارکیٹ کی جگہ دونوں کو مدنظر رکھنے کی ضرورت ہے۔ صحیح پروڈکٹ پوزیشننگ تلاش کریں اور کسٹمر گروپس کو ہدف بنائیں، جیسے کہ پہلے غیر AI یا Web3 مقامی پروجیکٹس کو ہدف بنانا، نسبتاً معمولی ضروریات سے شروع کرنا، اور ابتدائی صارف کی بنیاد بنانا۔ ایک ہی وقت میں، AI اور crypto کے امتزاج کے مختلف منظرناموں کو تلاش کرنا جاری رکھیں، ٹیکنالوجی میں سب سے آگے دریافت کریں، اور خدمات کی تبدیلی اور اپ گریڈنگ حاصل کریں۔

حوالہ جات

https://www.stateof.ai/

https://vitalik.eth.limo/general/2024/01/30/cryptoai.html

https://foresightnews.pro/article/detail/34368

https://app.blockworksresearch.com/unlocked/compute-de-pi-ns-paths-to-adoption-in-an-ai-dominated-market?callback=%2Fresearch%2Fcompute-de-pi-ns-paths-to-adoption-in-an-ai-dominated-market

https://research.web3 caff.com/zh/archives/17351?ref=1554

یہ مضمون انٹرنیٹ سے لیا گیا ہے: کنارے پر پیدا ہوا: وکندریقرت کمپیوٹنگ پاور نیٹ ورک کس طرح کرپٹو اور اے آئی کو بااختیار بناتا ہے؟

Related: Billions of Shiba Inu (SHIB) Tokens Burned Accidentally in April

In Brief 1.69 billion Shiba Inu (SHIB) tokens burned in April. Burns were accidental, posing potential price impacts. Market shows mixed signals, with possible bullish trend. The Shiba Inu (SHIB) community observed the burning of approximately 1.69 billion SHIB tokens throughout April, distributed across 204 distinct transactions.  This significant reduction in available Shiba Inu tokens was not the result of strategic market maneuvers but somewhat accidental transfers, which could seriously affect Shiba Inu’s price. Market Reacts to 1.69 Billion SHIB Burned According to ShibBurn, the spike in token burns was primarily due to users erroneously sending SHIB to the Contract Address. “This isn’t due to big news or anything as many reported… it’s just folks making mistakes, sending their tokens to the CA, and losing their investments. Be careful and…