Aethir : un acteur de puissance en cloud computing décentralisé avec trois pistes combinées.

Le développement et les avancées des grands modèles LLM et de l'IA représentent des avancées technologiques extrêmement importantes dans l'histoire de l'humanité. L'humanité entre ainsi dans l'ère de l'IA, où "la puissance de calcul" est la ressource la plus rare.

La tendance du développement de la puissance de calcul est l'informatique en périphérie, cette méthode de calcul peut efficacement réduire la latence physique, devenant la pierre angulaire du développement d'industries nécessitant une faible latence comme le métavers ; le cloud computing décentralisé et distribué possède des avantages de flexibilité, de prix bas et de résistance à la censure, et ses perspectives de développement sont très vastes.

Aethir est une plateforme de rendu en temps réel décentralisée basée sur le réseau Arbitrum, qui, en regroupant des GPU à haute capacité de calcul tels que le H100, fournit des services de puissance de calcul de niveau entreprise pour les jeux, l'intelligence artificielle et d'autres entreprises.

Aethir a déjà établi des partenariats avec des projets de cloud computing de premier plan dans l'industrie tels que io.net, Theta, ainsi qu'avec plusieurs studios de jeux de premier plan et entreprises de télécommunications. Les revenus annuels récurrents (ARR) pour le premier trimestre 2024 devraient dépasser 20 millions de dollars.

Aethir Edge a considérablement abaissé le seuil pour les utilisateurs ordinaires souhaitant vendre une puissance de calcul excédentaire, et a grandement élargi la couverture géographique du réseau Aethir.

Aethir a déjà obtenu 80 millions de dollars en vendant des NFT de nœuds de vérification, prouvant que les perspectives de son projet et son modèle économique sont extrêmement attractifs pour un large public.

Le coût d'utilisation horaire du A100 du réseau Aethir est nettement inférieur à celui des autres concurrents, offrant un avantage concurrentiel évident.

Le changement dans le processus de développement de la société humaine est souvent réalisé par quelques inventions et avancées scientifiques extrêmement grandes. Chaque percée technologique crée directement une nouvelle ère plus efficace et prospère.

La révolution industrielle, la révolution électrique et la révolution de l'information sont d'énormes avancées technologiques dans l'histoire de l'humanité, qui ont radicalement changé le visage de la société humaine, apportant une productivité et un mode de vie sans précédent. Maintenant, nous ne pouvons plus revenir à l'époque de l'éclairage à la lampe à pétrole et de la transmission de lettres par des voitures à cheval. Avec la naissance de GPT, l'humanité entre dans une nouvelle grande ère.

LLM libère progressivement l'intelligence humaine, permettant aux gens de consacrer leur énergie et leur intelligence limitées à des réflexions et des pratiques plus créatives, les plongeant ainsi dans un monde plus efficace.

Nous considérons GPT comme une autre percée technologique qui change le monde, non seulement en raison des énormes progrès de GPT en matière de compréhension et de génération de langage naturel, mais aussi parce que l'humanité a compris les lois de la croissance des capacités des grands modèles de langage (LLM) au cours de l'évolution de GPT - à savoir qu'en élargissant constamment les paramètres du modèle et les données d'entraînement, on peut obtenir une augmentation exponentielle des capacités du modèle LLM. Dans des conditions de puissance de calcul suffisante, ce processus ne montre pas encore de limites.

L'utilisation des grands modèles de langage ne se limite pas à la compréhension du langage humain et aux dialogues, au contraire, ce n'est qu'un début. Une fois que les machines possèdent la capacité de comprendre le langage, c'est comme ouvrir une boîte de Pandore, libérant un espace d'imagination infini. Les gens peuvent tirer parti de cette capacité de l'IA pour développer diverses fonctions disruptives.

Actuellement, dans divers domaines technologiques croisés, les modèles LLM ont déjà commencé à faire des merveilles. Des domaines humanistes tels que la production vidéo et la création artistique, jusqu'aux domaines des technologies dures comme la recherche pharmaceutique et la biotechnologie, nous allons certainement connaître des changements révolutionnaires.

À cette époque, la puissance de calcul est considérée comme une ressource rare, les grandes entreprises technologiques ayant accès à des ressources abondantes, tandis que les nouveaux développeurs font face à des barrières à l'entrée dues à un manque de ressources de calcul. Dans cette nouvelle ère de l'IA, la puissance de calcul équivaut à la force, et ceux qui détiennent cette puissance ont le pouvoir de changer le monde. Les GPU, en tant que pierre angulaire de l'apprentissage profond et du calcul scientifique, jouent un rôle crucial.

Dans le domaine de l'intelligence artificielle en rapide développement (AI), nous devons reconnaître les deux aspects du développement : l'entraînement des modèles et l'inférence. L'inférence concerne les fonctions et les sorties des modèles d'IA, tandis que l'entraînement implique le processus complexe nécessaire à la construction de modèles intelligents, qui comprend des algorithmes d'apprentissage automatique, des ensembles de données et des capacités de calcul.

Prenons GPT-4 comme exemple. Si vous souhaitez obtenir des inférences de haute qualité, les développeurs doivent disposer d'un ensemble de données de base complet et d'une immense capacité de calcul pour former un modèle d'IA efficace. Ces ressources sont principalement concentrées entre les mains des géants de l'industrie tels qu'NVIDIA, Google, Microsoft et AWS.

Les coûts de calcul élevés et les barrières à l'entrée empêchent davantage de développeurs de pénétrer le marché, renforçant ainsi la position des principaux acteurs. Ils disposent de grands ensembles de données et d'une importante capacité de calcul, ce qui leur permet d'accroître leur échelle et de réduire leurs coûts, rendant ainsi les barrières sectorielles encore plus solides.

Mais nous ne pouvons nous empêcher de réfléchir : existe-t-il des solutions pour réduire les coûts de calcul et les barrières à l'entrée dans l'industrie grâce à l'adoption de la technologie blockchain ? La réponse est oui. La Décentralisation de l'informatique en nuage distribuée nous offre justement une telle solution dans ce contexte.

Malgré la situation actuelle où la puissance de calcul est coûteuse et rare, les GPU ne sont pas pleinement utilisés. Cela est principalement dû à l'absence d'une méthode prête à l'emploi pour intégrer ces puissances de calcul décentralisées et les faire fonctionner de manière commercialisable. Voici les chiffres typiques d'utilisation des GPU pour différentes charges de travail :

La plupart des appareils grand public équipés de GPU appartiennent aux trois premières catégories, à savoir inactif ( vient de démarrer dans le système d'exploitation Windows ) :

• Taux d'utilisation du GPU : 0-2 %;
• Tâches de production générales ( écriture, navigation simple ): 0-15%;
• Lecture vidéo : 15 - 35 %.

Les données ci-dessus montrent : l'utilisation des ressources de calcul est extrêmement faible, et dans le monde du Web2, il n'existe pas de mesures efficaces pour collecter et intégrer ces ressources. Cependant, la Crypto et l'économie de la blockchain pourraient bien être le remède à ce défi. L'économie crypto construit un marché mondial extrêmement efficace ; grâce à sa tokenomics unique et à ses caractéristiques de système décentralisé, la tarification des ressources, leur circulation et l'adéquation entre l'offre et la demande sur le marché sont très efficaces.

Le développement de l'IA influence l'avenir de l'humanité, et les progrès de la puissance de calcul déterminent le développement de l'IA. Depuis l'invention du premier ordinateur dans les années quarante, le modèle de calcul a connu de nombreuses transformations. Des ordinateurs massifs aux ordinateurs portables légers, de l'achat de serveurs centralisés à la location de puissance de calcul, le seuil d'accès à la puissance de calcul est en train de diminuer progressivement. Avant l'émergence de l'informatique en nuage, les entreprises devaient acheter leurs propres serveurs et les mettre à jour continuellement avec l'innovation technologique, mais l'apparition de l'informatique en nuage a complètement changé ce modèle.

Le concept de base du cloud computing est que le demandeur loue des serveurs, accède à distance et paie en fonction de la quantité utilisée. Aujourd'hui, les entreprises traditionnelles sont bouleversées par le cloud computing. Dans le domaine du cloud computing, la technologie de virtualisation est au cœur de ce secteur. Les serveurs virtualisés peuvent diviser un serveur puissant en serveurs beaucoup plus petits à louer et peuvent mobiliser dynamiquement diverses ressources.

Ce modèle a complètement transformé le paysage commercial de l'industrie de la puissance de calcul. Auparavant, les gens devaient acheter eux-mêmes des installations de puissance de calcul pour répondre à leurs besoins ; mais maintenant, il suffit de payer un loyer sur un site Web pour profiter de services de puissance de calcul de qualité. L'avenir du développement de l'informatique en nuage est l'informatique en périphérie. En raison de la distance trop importante entre les systèmes centralisés traditionnels et les utilisateurs, cela peut entraîner un certain degré de latence. Bien que la latence puisse être optimisée, elle ne peut jamais être complètement surmontée en raison des limites de la vitesse de la lumière.

Cependant, les nouvelles industries telles que le métavers, la conduite autonome et la télémédecine ont des exigences de latence extrêmement faibles, il est donc nécessaire de déplacer les serveurs de cloud computing plus près des utilisateurs, ce qui entraîne l'établissement de plus en plus de petits centres de données autour des utilisateurs, c'est ce qu'on appelle le calcul en périphérie.

Par rapport aux fournisseurs de puissance de calcul cloud centralisés, les avantages de l'informatique cloud décentralisée résident principalement dans :

• Accessibilité et flexibilité : L'accès aux puces de calcul sur des plateformes de fournisseurs de services cloud tels qu'AWS, GCP ou Azure nécessite généralement plusieurs semaines, et les modèles de GPU haute performance, comme les A100 ou H100, sont souvent en rupture de stock. De plus, pour obtenir de la puissance de calcul, les consommateurs doivent souvent signer des contrats à long terme avec ces grandes entreprises, ce qui entraîne non seulement une perte de temps, mais rend également les opérations commerciales rigides et moins flexibles. En revanche, les plateformes de calcul décentralisées permettent d'accéder à la puissance de calcul à tout moment et offrent des choix matériels flexibles, avec une accessibilité améliorée.
• Prix plus bas : Grâce à l'utilisation de puces inactives, et en ajoutant les subventions en tokens des protocoles réseau aux fournisseurs de puces et de puissance de calcul, un réseau de puissance de calcul décentralisé pourrait offrir une puissance de calcul à moindre coût.
• Résistance à la censure : Certains systèmes ne se positionnent pas comme des systèmes sans autorisation. Ils traitent des problèmes de conformité tels que le RGPD et la HIPAA lors des phases de mise en ligne des GPU, de chargement de données, de partage de données et de partage de résultats.

Avec le développement continu de l'IA et le déséquilibre persistant entre l'offre et la demande de GPU, cela poussera davantage de développeurs vers des plateformes de cloud computing décentralisées. En même temps, pendant le marché haussier, en raison de la hausse des prix des cryptomonnaies, les fournisseurs de GPU réaliseront des bénéfices plus importants, ce qui stimulera l'entrée de plus de fournisseurs de GPU sur ce marché, créant ainsi un effet de roue positive.

(# Problèmes techniques

1. Problème de parallélisation

Les plateformes de calcul distribué rassemblent généralement une offre de puces en longue traîne, ce qui signifie qu'un fournisseur de puces individuel ne peut presque jamais accomplir de manière indépendante des tâches complexes d'entraînement ou d'inférence de modèles d'IA dans un court laps de temps. Si une plateforme de cloud computing veut être compétitive, elle doit décomposer et répartir les tâches par des moyens de parallélisation afin de réduire le temps total d'achèvement et d'améliorer la capacité de calcul de la plateforme.

Cependant, le processus de parallélisation sera confronté à une série de problèmes, notamment comment décomposer les tâches ), en particulier pour les tâches d'apprentissage profond complexes ###, les dépendances de données et les coûts de communication supplémentaires entre les appareils, etc.

2. Risque de substitution des nouvelles technologies

Avec l'investissement massif de capitaux dans la recherche sur les circuits intégrés spécifiques à l'application ASIC( et des nouvelles inventions comme les unités de traitement de tenseurs TPU), cela pourrait avoir un impact sur les clusters GPU des plateformes de calcul décentralisées.

Si ces ASIC peuvent offrir de bonnes performances et qu'il y a un compromis sur le coût, le marché des GPU actuellement dominé par de grandes organisations d'IA pourrait revenir sur le marché. Cela entraînera une augmentation de l'offre de GPU, ce qui affectera l'écosystème des plateformes de cloud computing décentralisées.

3. Risque réglementaire

En raison du fonctionnement des systèmes de cloud computing décentralisés dans plusieurs juridictions, et pouvant être soumis à différentes lois et réglementations, il peut y avoir des défis juridiques et réglementaires uniques. Les exigences de conformité, telles que les lois sur la protection des données et la vie privée, peuvent également être complexes et difficiles à gérer.

À l'heure actuelle, les utilisateurs des plateformes de cloud computing sont principalement des développeurs professionnels et des institutions, qui préfèrent utiliser une plateforme à long terme et ne changent pas facilement. Le choix entre une plateforme décentralisée ou centralisée n'est qu'un des facteurs à prendre en compte, ces utilisateurs attachent une plus grande importance à la stabilité du service. Par conséquent, si une plateforme décentralisée dispose d'une forte capacité d'intégration et d'une puissance de calcul stable et suffisante, elle est plus susceptible d'attirer ces clients, d'établir des relations de coopération à long terme et de générer un flux de revenus stable.

Je vais maintenant présenter le nouveau projet de puissance de calcul distribué Aethir, qui se concentre sur le rendu de jeux et l'IA dans ce cycle, et évaluer la valorisation potentielle après son introduction en bourse, en me basant sur les projets d'IA et de puissance de calcul distribué actuellement sur le marché.

Aethir Cloud est une plateforme de rendu en temps réel décentralisée basée sur le réseau Arbitrum, qui aide les entreprises de jeux et d'intelligence artificielle à livrer directement leurs produits aux consommateurs en agrégeant et en redistribuant intelligemment les GPU nouveaux et inutilisés provenant des entreprises, des centres de données, des activités de minage de cryptomonnaies et des consommateurs.

L'une des innovations clés de ce projet est le pool de ressources, qui regroupe les contributeurs de puissance de calcul décentralisés sous une interface unifiée, offrant des services aux clients du monde entier. Une caractéristique majeure du pool de ressources est que les fournisseurs de GPU peuvent se connecter ou se déconnecter librement du réseau, permettant ainsi aux entreprises ou aux centres de données disposant d'équipements inactifs de participer au réseau pendant les temps d'arrêt, augmentant ainsi la flexibilité des fournisseurs et le taux d'utilisation des équipements.

L'exploitation de l'écosystème Aethir repose sur trois infrastructures de base essentielles :

• 容器(Container): La fonction clé du conteneur est de fournir des services de rendu à distance en temps réel, offrant une expérience "sans délai". Le conteneur est le lieu réel du cloud computing, il agit comme un point d'extrémité virtuel, exécutant et rendant des applications. Cela déplace la charge de travail des appareils locaux vers le conteneur.
• Vérificateur(Vérificateur): Le nœud vérificateur vérifie le conteneur et ses processus de service.