Explicación detallada de Aethir: un jugador de poder en la computación en la nube descentralizada con triple trayectoria

El cambio en el proceso de desarrollo de la sociedad humana a menudo se realiza a través de varios inventos y avances científicos extremadamente grandes. Cada avance tecnológico crea directamente una nueva era más eficiente y próspera.

La revolución industrial, la revolución eléctrica y la revolución de la información son avances tecnológicos extremadamente grandes en la historia de la humanidad, que han transformado por completo el rostro de la sociedad humana, trayendo consigo un cambio sin precedentes en la productividad y en los estilos de vida. Ahora, ya no podemos volver a la era de la iluminación a base de queroseno y de las cartas entregadas por carruajes. Con el nacimiento de GPT, la humanidad ha entrado en otra gran nueva era.

LLM está liberando la inteligencia humana paso a paso, permitiendo que las personas utilicen su energía e inteligencia limitadas en pensamientos y prácticas más creativas, llevando a la humanidad a un mundo más eficiente.

Vemos a GPT como otro avance tecnológico que cambia el mundo, no solo por los enormes progresos de GPT en la comprensión y generación del lenguaje natural, sino también porque la humanidad ha comprendido las leyes del crecimiento de la capacidad de los grandes modelos de lenguaje a través de la evolución de GPT ------ es decir, que al ampliar constantemente los parámetros del modelo y los datos de entrenamiento, se puede lograr un aumento exponencial en la capacidad del modelo LLM; en condiciones de suficiente potencia de cálculo, este proceso aún no muestra un límite temporalmente.

El uso de los grandes modelos de lenguaje no se limita solo a entender el lenguaje humano y a mantener diálogos; por el contrario, esto es solo el comienzo. Una vez que las máquinas tienen la capacidad de entender el lenguaje, es como abrir una caja de Pandora, liberando un espacio de imaginación infinito. Las personas pueden aprovechar esta capacidad de la IA para desarrollar diversas funciones disruptivas.

Actualmente, en varios campos tecnológicos interconectados, los modelos LLM ya están mostrando su potencial. Desde la producción de videos y la creación artística en el ámbito humanístico, hasta el desarrollo de medicamentos y la biotecnología en el ámbito de la tecnología dura, se avecinan cambios radicales.

En esta era, la potencia de cálculo se considera un recurso escaso, los grandes gigantes tecnológicos controlan recursos abundantes, mientras que los desarrolladores emergentes enfrentan barreras de entrada debido a la falta de recursos de potencia de cálculo. En la nueva era de la IA, la potencia de cálculo es poder, quienes controlan la potencia de cálculo tienen la capacidad de cambiar el mundo. Las GPU, como piedra angular del aprendizaje profundo y los cálculos científicos, desempeñan un papel crucial en esto.

En el campo de la inteligencia artificial (IA) de rápido desarrollo, debemos reconocer los dos aspectos del desarrollo: el entrenamiento del modelo y la inferencia. La inferencia implica las funciones y salidas del modelo de IA, mientras que el entrenamiento incluye el complejo proceso necesario para construir modelos inteligentes, que incluye algoritmos de aprendizaje automático, conjuntos de datos y capacidad de computación.

Tomando como ejemplo GPT-4, si se desea obtener inferencias de alta calidad, los desarrolladores necesitan acceder a conjuntos de datos básicos completos y una gran capacidad de cálculo para entrenar modelos de IA efectivos. Y estos recursos están principalmente concentrados en manos de gigantes de la industria como Nvidia, Google, Microsoft y AWS.

Los altos costos de computación y las barreras de entrada han impedido que más desarrolladores ingresen, lo que también ha fortalecido a los jugadores principales. Ellos poseen grandes conjuntos de datos y una gran capacidad de computación, con la capacidad de aumentar continuamente su escala y reducir sus costos, lo que ha llevado a que las barreras de la industria sean aún más sólidas.

Pero no podemos evitar preguntarnos si hay una solución para reducir los costos de computación y las barreras de entrada a la industria mediante el uso de tecnología blockchain. La respuesta es afirmativa. La Descentralización de la computación en la nube distribuida nos ofrece tal solución en este contexto temporal.

A pesar de que en la actualidad la potencia de cálculo es costosa y escasa, las GPU no se están utilizando plenamente. Esto se debe principalmente a que aún no ha surgido una forma lista para integrar esta potencia de cálculo descentralizada y hacer que funcione de manera comercial. A continuación se presentan cifras típicas de utilización de GPU para diferentes cargas de trabajo:

La mayoría de los dispositivos de consumo con GPU pertenecen a las tres primeras categorías, es decir, inactivos (acaban de iniciar el sistema operativo Windows):

• La utilización de GPU es: 0-2%;
• Tareas de producción generales (escritura, navegación simple): 0-15%;
• Reproducción de video: 15 - 35%.

Los datos anteriores indican que la utilización de los recursos de cálculo es extremadamente baja, y en el mundo Web2 no hay medidas efectivas para recopilar e integrar esos recursos. Pero la economía Crypto y la blockchain podrían ser la solución perfecta para este desafío. La economía criptográfica construye un mercado global extremadamente eficiente, gracias a la economía de tokens única y a las características de un sistema sin centralización, la fijación de precios, la circulación de recursos y la coincidencia de la oferta y la demanda del mercado son extremadamente eficientes.

El desarrollo de la IA está afectando el futuro de la humanidad, y el progreso de la capacidad de cálculo determina el desarrollo de la IA. Desde la invención de la primera computadora en la década de 1940, los modelos de cálculo han experimentado múltiples transformaciones. Desde grandes computadoras hasta ligeras computadoras portátiles, desde la compra de servidores centralizados hasta el alquiler de capacidad de cálculo, la barrera de entrada para obtener capacidad de cálculo está disminuyendo gradualmente. Antes de la llegada de la computación en la nube, las empresas debían adquirir sus propios servidores y actualizarlos constantemente con la innovación tecnológica, pero la aparición de la computación en la nube cambió completamente este modelo.

El concepto básico de la computación en la nube es que el demandante alquila servidores y accede a ellos de forma remota, pagando según la cantidad utilizada. Actualmente, las empresas tradicionales están siendo desbordadas por la computación en la nube. En el campo de la computación en la nube, la tecnología de virtualización es el núcleo de este campo. Los servidores virtuales pueden dividir un servidor potente en servidores más pequeños para alquilarlos y pueden movilizar dinámicamente diversos recursos.

Este modelo ha transformado por completo el panorama comercial de la industria de la potencia computacional. Anteriormente, las personas necesitaban comprar sus propios equipos de potencia para satisfacer sus necesidades; pero ahora solo necesitan pagar un alquiler en el sitio web para disfrutar de servicios de potencia de alta calidad. La dirección futura del desarrollo de la computación en la nube es la computación en el borde. Dado que los sistemas centralizados tradicionales están demasiado lejos de los usuarios, esto puede causar cierto grado de retraso. Aunque el retraso puede ser optimizado, debido a la limitación de la velocidad de la luz, el retraso nunca podrá ser completamente superado.

Sin embargo, las industrias emergentes como el metaverso, la conducción autónoma y la telemedicina tienen requisitos de latencia extremadamente bajos, por lo que es necesario trasladar los servidores de computación en la nube más cerca de los usuarios. Como resultado, cada vez más centros de datos pequeños se están ubicando alrededor de los usuarios, lo que se conoce como computación en el borde.

En comparación con los proveedores de computación en la nube centralizados, las ventajas de la computación en la nube descentralizada radican principalmente en:

• Accesibilidad y flexibilidad: Obtener acceso a chips de computación en plataformas de proveedores de servicios en la nube como AWS, GCP o Azure a menudo requiere varias semanas, y modelos de GPU de alto rendimiento, como A100, H100, a menudo están fuera de stock. Además, para acceder a la computación, los consumidores a menudo necesitan firmar contratos a largo plazo y poco flexibles con estas grandes empresas, lo que no solo causa pérdidas de tiempo, sino que también hace que las operaciones empresariales sean rígidas, perdiendo cierta flexibilidad. En comparación, las plataformas de computación distribuida permiten acceder a la computación en cualquier momento y ofrecen opciones de hardware flexibles, con una mayor accesibilidad.
• Precio más bajo: Dado que se utilizan chips inactivos, junto con los subsidios en tokens de los proveedores de chips y poder de cálculo a través de protocolos de red, la red de poder de cálculo distribuido podría ofrecer un poder de cálculo más económico.
• Resistencia a la censura: Algunos sistemas Web3 no se posicionan como sistemas sin permiso. Se abordaron problemas de cumplimiento como GDPR y HIPAA en las etapas de lanzamiento de GPU, carga de datos, compartición de datos y compartición de resultados.

A medida que la IA continúa desarrollándose y la oferta y demanda de GPU siguen siendo desiguales, se impulsará a más desarrolladores a optar por plataformas de computación en la nube Descentralización. Al mismo tiempo, durante el mercado alcista, debido al aumento de precios de los tokens criptográficos, los proveedores de GPU obtendrán más ganancias, lo que estimulará a más proveedores de GPU a ingresar a este mercado, formando un efecto de rueda positiva.

Desafío técnico

1. Problema de paralelización

Las plataformas de computación distribuida suelen reunir un suministro de chips de cola larga, lo que significa que un único proveedor de chips casi no puede completar de manera independiente tareas complejas de entrenamiento o inferencia de modelos de IA en un corto periodo de tiempo. Si una plataforma de computación en la nube quiere ser competitiva, debe descomponer y asignar tareas mediante métodos de paralelización para reducir el tiempo total de finalización y aumentar la capacidad de cómputo de la plataforma.

Sin embargo, durante el proceso de paralelización se enfrentarán a una serie de problemas, incluyendo cómo descomponer las tareas (especialmente para tareas complejas de aprendizaje profundo), la dependencia de datos y los costos adicionales de comunicación entre dispositivos.

2. Riesgo de sustitución de nuevas tecnologías

Con la gran inversión de capital en la investigación de ASIC (Circuitos Integrados de Aplicación Específica) y nuevas invenciones como las Unidades de Procesamiento Tensorial (TPU), podría haber un impacto en los clústeres de GPU de plataformas de computación Descentralización.

Si estos ASIC pueden ofrecer un buen rendimiento y hay un equilibrio en costos, el mercado de GPU actualmente monopolizado por grandes organizaciones de IA podría volver al mercado. Esto resultará en un aumento en la oferta de GPU, lo que afectará al ecosistema de plataformas de computación en la nube de Descentralización.

3. Riesgo regulatorio

Debido a que los sistemas de computación en la nube descentralizada operan en múltiples jurisdicciones y pueden estar sujetos a diferentes leyes y regulaciones, puede haber desafíos legales y regulatorios únicos. Los requisitos de cumplimiento, como las leyes de protección de datos y privacidad, también pueden ser complejos y desafiantes.

En la actualidad, los usuarios de plataformas de computación en la nube son principalmente desarrolladores profesionales e instituciones, que prefieren utilizar una plataforma a largo plazo y no cambian fácilmente. La elección entre una plataforma de Descentralización o una plataforma centralizada es solo uno de los factores a considerar; estos usuarios valoran más la estabilidad del servicio. Por lo tanto, si una plataforma descentralizada cuenta con una sólida capacidad de integración y una capacidad de cálculo estable y suficiente, será más fácil ganar la preferencia de estos clientes, estableciendo relaciones de colaboración a largo plazo y un flujo de ingresos en efectivo estable.

A continuación, presentaré el nuevo proyecto de potencia de cálculo distribuido Aethir, que se centra en la renderización de juegos y la IA en este ciclo. También calcularé la posible valoración después de la salida a bolsa, basándome en los proyectos de IA y de potencia de cálculo distribuido en el mismo sector que actualmente están en el mercado.

Introducción a Aethir

Aethir Cloud es una plataforma de renderizado en tiempo real Descentralización que ayuda a las empresas de juegos e inteligencia artificial a entregar sus productos directamente a los consumidores, agregando y redistribuyendo de manera inteligente las GPU nuevas y ociosas provenientes de empresas, centros de datos, negocios de minería de criptomonedas y consumidores.

Una de las principales innovaciones del proyecto es el recurso de agrupación, que reúne a los contribuyentes de poder de cómputo descentralizado en una interfaz unificada, ofreciendo servicios a clientes globales. Una de las características destacadas del recurso de agrupación es que los proveedores de GPU pueden conectarse o desconectarse libremente de la red, lo que permite a las empresas o centros de datos con equipos inactivos participar en la red durante el tiempo de inactividad, mejorando la flexibilidad de los proveedores y la utilización de los equipos.

La operación del ecosistema Aethir se basa en tres infraestructuras fundamentales:

• Contenedor (Container): La función clave de un contenedor es proporcionar servicios de renderizado remoto en tiempo real, ofreciendo una experiencia de "cero retraso". El contenedor es el lugar real de la computación en la nube, actuando como un punto final virtual que ejecuta y renderiza aplicaciones. Esto traslada la carga de trabajo de los dispositivos locales al contenedor.
• Comprobador (Checker): Los nodos Comprobador verifican los Contenedores y sus procesos de servicio para garantizar la integridad y la calidad del servicio de la red Aethir. Después de completar la tarea, el nodo Comprobador firma el resultado con su propia clave privada y lo envía al árbitro. El árbitro recibirá 2N+1 resultados de cada contenedor, y cada nodo que proporcione un resultado que coincida con la mayoría de los resultados recibirá una recompensa en tokens.
• Indexador (Indexer): Como el núcleo de la red Aethir, el indexador empareja a los consumidores con los contenedores adecuados, asegurando un inicio rápido de aplicaciones y servicios en la nube. El objetivo es proporcionar un servicio de "nivel de segundos" - la transición desde la solicitud del consumidor hasta la entrega real (por ejemplo, desde que un jugador hace una solicitud hasta que aparece en la pantalla del juego) debería ocurrir en el menor tiempo posible. Esto requiere señales concisas y una programación eficiente. Para mantener la Descentralización y mejorar la experiencia del usuario, el indexador se elige de manera aleatoria, con el fin de reducir el riesgo de fraude potencial de los indexadores y la latencia de las señales.

Aethir cuenta con un equipo fuerte y un sólido respaldo de recursos, lo cual se refleja en los logros que Aethir ya ha alcanzado:

• Aethir ha llegado a un acuerdo de colaboración con una red, los dos ecosistemas se integrarán para