詳解Aethir:兼具三重賽道的去中心化雲計算實力玩家

LLM大模型和AI的發展與進步是人類歷史上極爲偉大的科技進步,人類從此進入了AI紀元,在這個新世界裏「算力」是最稀缺的資源。

算力發展的趨勢是邊緣計算,這種計算方法可以有效降低物理延遲,成爲元宇宙等低延遲需求產業發展的基石;去中心化分布式雲計算擁有靈活性、價格低和抗審查的優勢,發展前景十分廣闊。

Aethir是基於Arbitrum網路上去中心化的實時渲染平台,通過匯集H100等高運算能力的GPU,爲遊戲,人工智能等企業提供企業級算力服務。

Aethir已經與io.net、Theta等行業內雲計算頂級項目以及多家頂級遊戲工作室、電信公司展開合作,預計2024年第一季度的年度經常性收入(ARR)超過2,000萬美元。

Aethir Edge大大降低了普通用戶出售多餘算力的門檻,並極大擴展了Aethir網路的地理覆蓋範圍。

Aethir通過售賣檢查器節點NFT已經獲得8,000萬美元,證明其項目前景與經濟模型對廣大用戶極具吸引力。

Aethir網路的A100的每小時使用成本顯著低於其他競爭對手,具有明顯的競爭優勢。

人類社會發展進程的改變,往往是幾個極爲偉大的科學發明與進步實現的。每一次科技的突破,都將直接創造一個更加高效而繁榮的新紀元。

工業革命、電氣革命和信息革命是人類歷史上極爲偉大的科技進步,它們徹底改變了人類社會的面貌,帶來了前所未有的生產力和生活方式的轉變。現在,我們再也無法回到煤油燈照明,馬車傳遞書信的時代。伴隨着GPT的誕生,人類進入了另一個偉大的新紀元。

LLM在一步一步的解放着人類的智能,使人們將有限的精力與智能用於更具創造性的思考與實踐中,人們從此進入了一個更加高效的世界。

我們把GPT看作是又一個改變世界的科技突破,不僅是因爲GPT在自然語言理解和生成上的巨大進步,更是因爲人類在GPT的進化中摸清了大語言模型能力增長的規律------即通過不斷的擴大模型參數與訓練數據,就能使LLM模型的能力得到指數級別的提高,在算力足夠的情況下,這一進程還暫時看不到瓶頸。

大語言模型的用途不僅僅局限在理解人類語言與對話,相反,這僅僅是一個開始。一旦機器擁有了理解語言的能力,這就像打開了一個潘多拉魔盒,釋放出了無限的想象空間。人們可以利用AI的這種能力,開發出各種顛覆性的功能。

目前,在各種交叉性的科技領域內,LLM模型已經在施展拳腳。從視頻制作、藝術創作等人文領域,再到藥物研發、生物科技等硬科技領域,必將迎來翻天覆地的變化。

在這個時代,算力被視爲一種稀缺資源,大型科技巨頭掌握着豐富的資源,而新興開發者則面臨着算力資源不足的進入壁壘。在AI新紀元中,算力即力量,掌握算力的人擁有改變世界的能力。GPU作爲深度學習和科學計算領域的基石,在其中扮演着至關重要的角色。

在快速發展的人工智能(AI)領域,我們必須認識到發展的雙重方面:模型訓練和推理。推理涉及AI模型的功能和輸出,而訓練則包括構建智能模型所需的復雜過程,其中包括機器學習算法、數據集和計算能力。

以GPT4爲例,如果想要獲取高質量的推理,開發者需要獲取全面的基礎數據集和巨大的計算能力,來訓練出有效的AI的模型。而這些資源主要集中在英偉達、谷歌、微軟和AWS在內的行業巨頭手中。

高昂的計算成本與進入壁壘阻止了更多的開發者進入,也使頭號玩家們強者恆強。他們擁有着大型基礎數據集和大量的計算能力,有着不斷增大自身規模和降低自身成本的能力,這導致行業壁壘更加堅固。

但我們不禁要思考,有沒有通過採用區塊鏈技術的方式,來降低計算成本和行業進入壁壘的方案?答案是肯定的。去中心化分布式雲計算正是在這種時代背景下爲我們提供了這樣的解決方案。

盡管在當前算力昂貴且稀缺的情況下,GPU並未得到充分利用。這主要是因爲尚未出現一種現成的方式來整合這些分散的算力,並使它們以商業化的方式運作。以下是不同工作負載的典型GPU利用率數字:

大多數帶GPU的消費設備屬於前三類,即空閒(剛剛啓動進入Windows操作系統):

• GPU利用率爲:0-2%;
• 一般生產任務(寫作、簡單瀏覽):0-15%;
• 視頻播放:15 - 35%。

上述數據說明:運算資源利用極爲低下,而在Web2的世界中,並沒有有效的措施來收集和整合這些資源。但Crypto和區塊鏈經濟,或許正好是解這一挑戰的良藥。加密經濟構造了一個極爲高效的全球市場,由於獨特的代幣經濟,無中心化體系的特點,資源的定價、流轉和市場供需關係的匹配極爲高效。

AI的發展影響着人類的未來,而算力的進步決定着AI的發展。自從二十世紀四十年代第一臺計算機發明後,計算模式經歷了多次變革。從笨重的大型計算機到輕巧的筆記本電腦,從中心化的服務器購買再到算力租賃,算力的獲得門檻在逐步降低。在雲計算出現之前,企業要自己採購服務器,並隨着技術的革新而不斷更新換代,但雲計算的出現徹底改變了這一模式。

雲計算的基本概念是需求方租賃服務器,遠程訪問,根據使用的量來進行付費。現在,傳統的企業正在被雲計算所顛覆。在雲計算領域中,虛擬化技術是該領域的核心。虛擬化服務器可以把一個功能強大的服務器分隔爲很小的服務器並進行出租,並可以動態調動各種資源。

這種模式徹底改變了算力行業的商業格局,從前人們需要自己購買算力設施,來實現自己的算力需求;但現在只需要在網站上繳納租金,便可享用優質的算力服務。雲計算的未來發展方向是邊緣計算。由於傳統的中心化系統距離用戶距離過遠,這會導致一定程度的延遲。雖然延遲可以被優化,但由於光速的限制,延遲始終無法被克服。

然而,元宇宙、自動駕駛、遠程醫療等新興行業對延遲要求極低,因此需要將雲計算服務器搬運到離用戶更近的地方,進而越來越多的小型數據中心被布局到用戶周圍,這就是邊緣計算。

相較於中心化的雲算力提供商,去中心化雲計算的優勢主要在於:

• **可訪問性與靈活性:**在某些平台獲取算力芯片的訪問權限通常需要花費幾周的時間,而且高性能的GPU型號,如A100、H100等,經常處於缺貨狀態。此外,爲了獲取算力,消費者通常需要與這些大公司籤訂長期、缺乏彈性的合同,這不僅會造成時間上的損失,還會使企業運作變得僵化,失去一定的靈活性。相比之下,分布式算力平台可以隨時獲取算力,並提供靈活的硬件選擇,具有更強的可訪問性。

• **價格更低:**由於利用的是閒置芯片,再疊加網路協議方對芯片和算力供給方的代幣補貼,分布式算力網路可能可以提供更爲低廉的算力。

• **抗審查性:**一些Web3系統並不將自己定位爲無許可系統。在GPU上線、數據加載、數據共享和結果共享階段處理了GDPR和HIPAA等合規性問題。

伴隨着AI的進一步發展與GPU持續的供需不平衡,會推動更多的開發者轉向去中心化的雲計算平台。同時,在牛市期間,由於加密代幣價格的漲,GPU供應商將會賺取更多的收益,這會刺激更多GPU提供者進入到這個市場中,形成一個正向的飛輪效應。

技術難題

1. 並行化難題

分布式算力平台通常匯聚了長尾的芯片供給,這意味着單個芯片供給方幾乎無法在短時間內獨立完成復雜的AI模型訓練或推理任務。如果雲計算平台想具有競爭性,就必須通過並行化的手段來拆解和分配任務,以縮短總的完成時間,提高平台的計算能力。

然而,並行化過程中會面臨一系列問題,包括任務如何分解(尤其是對於復雜的深度學習任務)、數據依賴性,以及設備之間額外的通信成本等。

2. 新技術替代風險

隨着大量資本投入ASIC(專用集成電路)研究以及像張量處理單元(TPU)這樣的新發明,可能會對去中心化計算平台的GPU集羣造成衝擊。

如果這些ASIC可以提供良好的性能,並且在成本方面有所權衡,那麼目前由大型AI組織壟斷的GPU市場可能會重新回歸市場。這將導致GPU供應增加,從而影響到去中心化雲計算平台的生態系統。

3. 監管風險

由於去中心化雲計算系統在多個司法管轄區操作,並可能受到不同的法律法規的約束,因此可能存在獨特的法律和監管挑戰。合規要求,如數據保護和隱私法律,也可能復雜且具有挑戰性。

現階段,雲計算平台的用戶主要是專業開發者和機構,他們偏好長期使用一個平台,不會隨意更改。使用去中心化平台還是中心化平台,價格只是考慮因素之一,這些用戶更加重視的是服務的穩定性。因此,去中心化平台若擁有強大的整合能力與穩定充足的計算能力,便更加容易獲得這些客戶的青睞,得到長期的合作關係與穩定的現金流收入。

下面我將介紹本輪週期專注於遊戲渲染和AI的新分布式算力項目Aethir,並基於目前市場上的同賽道AI項目和分布式算力項目,來測算上市後可能的估值。

Aethir Cloud是一個基於Arbitrum網路上去中心化的實時渲染平台,通過聚合並智能地重新分配來自企業、數據中心、加密貨幣挖礦業務和消費者的新的和閒置的GPU,來幫助遊戲和人工智能公司將其產品直接交付給消費者。

該項目的關鍵創新之一是資源池,將分散的算力貢獻者聚集在一個統一的界面下,爲全球客戶提供服務。資源池的一大特點是GPU提供商可以自由的連接或斷開網路,從而使擁有閒置設備的企業或數據中心能夠在停機時參與網路,提高供應者的靈活性與設備利用率。

Aethir生態系統的運營在於三個核心的基礎設施上:

• **容器(Container):**容器的關鍵功能是提供實時遠程渲染服務,提供"零延遲"體驗。容器是雲計算的實際地點