FX168财经网_全球视野外汇黄金加密货币NFT资讯网

美股高位反复震荡，纳斯达克100ETF(159659)近10日“吸金”1424万元，机构：市场或关注盈利与AI叙事

的TPU就足以满足AI工作负载。亚马逊AWS也并未使用AMD的产品，AWS主要使用英伟达GPU和亚马逊自研的AI芯片Trainium和Inferentia。微软宣布将于美东时间4月25日（北京时间4月26日）发布2024财年第三财季财报，财报发布后，该公司将于美东时间25日下午5：30举行业绩会。微软将在今年5月举行的Build 2024大会上推出全新的Windows AI功能。微软方面表示，将在Build 2024大会展示全新的功能，让用户通过先进的AI功能与Windows上的数字生活进行深入互动。用户可探索其应用程序如何与这些体验融合，从而提高参与度和满意度。【“全球科技龙头风向标”——纳斯达克100ETF（159659）】纳斯达克100ETF（159659）被动跟踪纳斯达克100指数。纳斯达克100指数以纳斯达克指数为基础并加以精华提炼，选取其中100家非金融公司作为成分股，在市值加权的基础上按相应的指数编制规则计算出来的、反映纳斯达克整体市场或者美国高科技走势的指数。在人工智能的时代浪潮之下，在AI领域有着领先布局和深厚积淀的科技巨头集中在纳斯达克100指数，前十大权重占比达46.56%，龙头属性集中。来源：纳斯达克，截至2024.3.28。 2010年以来，纳斯达克100指数累计涨幅867.77%，显著跑赢纳斯达克综合指数、标普500等美股主要指数，同时大幅跑赢英国富时100、德国DAX、法国CAC40等全球其他主要市场核心指数。来源：Wind，统计区间2010.1.1-2024.4.12。纳斯达克100指数发布于1985年2月1日，指数过往业绩不代表未来表现。风险提示：基金有风险，投资须谨慎。上述观点、看法和思路根据截至当前情况判断做出，今后可能发生改变。对于以上引自证券公司等外部机构的观点或信息，不对该等观点和信息的真实性、完整性和准确性做任何实质性的保证或承诺。纳斯达克100ETF可以投资境外市场。本基金除了需要承担与境内证券投资基金类似的市场波动风险等一般投资风险之外，还面临因投资境外市场所带来的汇率风险等特有风险。基金过往业绩不代表其未来表现，基金管理人管理的其他基金的业绩并不构成本基金业绩表现的保证。投资者应认真阅读《基金合同》《招募说明书》《产品资料概要》等基金法律文件，全面认识基金产品的风险收益特征，在了解产品情况及听取销售机构适当性意见的基础上，根据自身的风险承受能力、投资期限和投资目标，对基金投资做出独立决策，选择合适的基金产品。纳斯达克100指数近五年表现分别为37.96%(2019)、47.58%(2020)、26.63%(2021)、-32.97%(2022)、53.81%(2023)。纳斯达克100指数由纳斯达克股票市场公司编制和发布。指数编制方将采取一切必要措施以确保指数的准确性，但不对此作任何保证，亦不因指数的任何错误对任何人负责。指数过往业绩不代表其未来表现，亦不构成基金投资收益的保证或任何投资建议。以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云2024-04-15

【一周科技动态】META/AAPL造芯片，独它始终利好？

，Apple、Meta、Amazon(AWS)、Microsoft、Google、Tesla，都在试图摆脱对高成本AI芯片的依赖。但短期内英伟达还不太可能被取代；此前因投资者担忧AI进展较慢的AAPL而估值溢价处于较低水平，但AI对其硬件产品的提升可能是最直接的，投资者情绪改善；对NVDA短期内不构成威胁，长期来看，还得看NVDA的技术进步，毕竟到技术奇点，每一天都会发生大进步；只要大周期趋势不变，对AMSL和TSM无论如何都是利好。期权观察家——大科技期权策略 TSLA和AAPL在进入4月以后交投活跃度提升，一个重要原因是Q1表现不佳。因此他们在价格企稳回升的同事，期权的活跃度也提升。而另一方面，NVDA为首的芯片股热潮有所下降，期权IV回落。目前TSLA和NVDA的平价期权IV又回到同一水平，改变了年初以来的趋势。再给个持仓大科技股的理由——为何"TANMAMG"组合总超大盘？七巨头（Magnificent Seven）组成一个投资组合(“TANMAMG”组合)，等权重、每季度重新调整权重。回测结果从2015年以来表现是远超标普500的，总回报达到了1754%，继续创下新高同期SPY回报197%。而今年以来的回报为17.21%，超过SPY的9.32%。超额收益再创新高。过去一年组合的夏普比率为3.13，而SPY为2.57，组合的信息比率为2.05

老虎证券2024-04-12

Meta推出新款AI芯片旨在降低对英伟达的依赖

头也越来越多。除了Meta，亚马逊旗下AWS、微软公司和Alphabet Inc．旗下谷歌也都在试图摆脱这种代价高昂的依赖性。然而该进程难以一蹴而就。到目前为止，这些努力并没有削弱业界对英伟达人工智能加速器的旺盛需求。

金融界2024-04-11

Web3与人工智能的探索：Laika AI进展与愿景概览

和Covalent的支持。项目获得了对AWS后端服务、API和数据中心功能的独家访问权。此外，Laika AI官网上的合作机构还包括Avalanche和Polygon。 ➤总结 Laika AI产品定位创新一般，但是团队具有年轻化、偏技术化的特点，并且技术人员集中在AI开发，专业性较强、但影响力一般。相比同类的AI分析产品，Laika AI在AI算法和数据分析方面可能具有一定优势。来源：金色财经

金色财经2024-04-10

智能算力需求驱动，电信“产业焕新”可期

外算力网络的发展，以公有云公司为主导，AWS、微软、谷歌等云计算产业巨头长期稳居全球云计算市场第一梯队。基于信息安全与自主可控的需要，国内云计算行业无法完全复制海外公有云的发展模式。算力网络的建立需要“算网”与“云网”融合发展，为云计算发展打开新模式。图：国内算力网络发展策略数据来源：东兴证券国内通信运营商采取以网强云的策略，增强在云计算市场竞争力。国内通信运营商加力推进网络、IDC等基础设施建设，为云业务突破形成有力支撑。随着政企云、国资云的提出，运营商在云市场份额快速提升。目前国内电信运营商兼备网与云基础设施。因此，通信运营商的优势在于算力资源与网络资源属于同一个体系，其编排算网有助于取得算网联合最优解，云网融合效率更高。图：中国IDC业务市场规模增速维持高位数据来源：Wind，易方达作为央企中的科技标杆，三大运营商在智算中心建设方面积极行动并提出远期目标，算力层面投资将逐步加码，有望驱动电信行业的第二成长曲线。如中国移动正规划建设亚洲最大的智算中心，计划2024年投产，截至1H23移动智算规模5.8EFLOPS，力争2025年算力规模超20EFLOPS。根据IDC测算，22年我国智能算力规模达260EFLOPS，IDC预计27年我国智算有望突破1117EFLOPS，年复合增长率达33.9%。表：三大运营商算力网络建设概况数据来源：北京通信信息协会官网，天风证券，截至2022年智算基础底座搭建指引着运营商的发展方向，这从电信运营商的资本开支中也可见一斑。三大电信运营商对产业互联网和算力网络的相关投资正逐步加大。2023年中国移动预计资本开支将实现1832亿元，其中算力网络资本开支452亿元，同比增长近35%，新增投产云服务器超过24万台、新增投产对外可用IDC机架超4万架。图：2022-2023年三大运营商算力等相关业务资本开支数据来源：中国移动/中国联通/中国电信公司年报，东兴证券着眼于AI赋能下我国电信产业的巨大增长潜力，电信ETF（ETF代码：563010，联接基金A/C：019141/019142），是投资者可以着重考虑的投资工具。电信ETF是跟踪中证电信主题指数的稀缺标的。指数成分股中三大运营商占比超过50%，对于电信行业表征性更好，辅之以光模块、交换机等智能算力基础设施建设细分领域龙头企业，有望在AI新技术迅猛发展带动下充分受益。表：中证电信主题指数前十大权重股数据来源：Wind，截至2024/2/23 电信ETF（ETF代码：563010，联接基金A/C：019141/019142），一键打包三大运营商及算力基础底座建设龙头企业，在AI赋能下成长弹性值得期待！以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云2024-04-10

0xai 团队：为什么我们看好 Bittensor？

在人工智能领域拥有丰富的经验，之前曾在AWS、META和Citadel等一流公司工作。在进入Bittensor子网之前，他们推出了旗舰产品Kaito.ai——一个Web3链下数据搜索引擎，在2023年第四季度推出。利用人工智能算法，Kaito.ai优化了搜索引擎的核心组件，包括数据收集、排名算法和检索算法。它已被认可为加密社区中的一流信息收集工具。定位：Open Kaito旨在建立一个去中心化的索引层，以支持智能搜索和分析。搜索引擎不仅仅是一个数据库或排名算法，而是一个复杂的系统。此外，一个有效的搜索引擎还需要低延迟，这对构建分散版本提出了额外的挑战。幸运的是，通过Bittensor的激励系统，这些挑战有望得到解决。 Open Kaito的运行流程如上图所示。Open Kaito 并不是简单地分散搜索引擎的每个组件，而是将索引问题定义为矿工验证器问题。也就是说，矿工负责响应用户索引请求，而验证者则分发需求并对矿工的响应进行评分。 Open Kaito 并不限制矿工如何完成索引任务，而是关注矿工最终输出的结果，以鼓励创新解决方案。这有助于在矿工之间营造健康的竞争环境。面对用户索引需求，矿工努力完善执行计划，以更少的资源获得更高质量的响应结果。子网6：Nous Finetuning 可以通过在GitHub上创建一个帐户来贡献Nous Research/finetuning 子网的开发。发行量：6.26% （2024年4月9日）背景：Nous Finetuning背后的团队来自Nous Research，这是一个专注于大规模语言模型（LLM）架构、数据合成和设备内推理的研究团队。其联合创始人曾担任Eden Network的首席工程师。定位：Nous Finetuning是一个专门用于微调大型语言模型的子网。此外，用于微调的数据也来自Bittensor生态系统，具体来说是子网18。 Nous Finetuning的运行过程类似于Myshell TSS。矿工基于来自子网18的数据训练模型，并定期发布这些模型以在Hugging Face上托管；验证者评估模型并提供评分；同样，Bittensor区块链负责使用Yuma共识来聚合权重，确定每个矿工的最终权重和发行量。子网18：Cortex.t 可以通过在GitHub上创建一个帐户来贡献corcel-api/cortex.t的开发。发行量：7.74%（2024年4月9日）背景：Cortex.t背后的团队是Corcel.io，其获得了Bittensor网络第二大验证者Mog的支持。Corcel.io是一个面向最终用户的应用程序，通过利用Bittensor生态系统的人工智能产品提供与ChatGPT类似的体验。定位：Cortex.t被定位为向最终用户提供结果之前的最后一层。它负责检测和优化各种子网的输出，以确保结果准确可靠，特别是当单个提示调用多个模型时。Cortex.t旨在防止空白或不一致的输出，确保无缝的用户体验。 Cortex.t中的矿工利用Bittensor生态系统中的其他子网来处理最终用户的请求。他们还使用GPT 3.5 turbo或GPT 4来验证输出结果，以确保对最终用户的可靠性。验证者通过将其与OpenAI生成的结果进行比较来评估矿工的输出。子网19：Vision 通过在GitHub上创建一个帐户来贡献namoray/vision的开发。发行量：9.47%（2024年4月9日）背景：Vision背后的开发团队也来自Corcel.io。定位：Vision旨在通过利用一种名为DSIS（分布式规模推理子网）的优化子网构建框架，最大化Bittensor网络的产出能力。该框架加速了矿工对验证者的响应。目前，Vision专注于图像生成的场景。验证者从Corcel.io前端接收需求并将其分发给矿工。矿工可以自由选择自己喜欢的技术堆栈（不限于模型）来处理需求并生成响应。然后，验证者评估矿工的表现。由于DSIS的存在，Vision能够比其他子网更快、更有效地响应这些需求。总结从上面的例子可以看出，Bittensor 表现出了高度的包容性。矿工的生成和验证者的验证发生在链下，Bittensor 网络仅根据验证者的评估向每个矿工分配奖励。适合矿工验证器架构的人工智能产品生成的任何方面都可以转换为子网。理论上，子网之间的竞争应该很激烈。任何子网要继续获得奖励，就必须持续产生高质量的输出。否则，如果根网络验证器认为某个子网的输出价值较低，则其分配可能会减少，并且最终可能会被新的子网取代。但在现实中，我们确实发现了一些问题：由于子网定位相似而导致资源冗余和重复。现有32个Subnet中，有多个Subnet专注于文本转图像、文本提示、价格预测等热门方向。存在没有实际用例的子网。虽然价格预测子网作为预言机提供商可能具有理论上的价值，但预测数据的当前性能还远远不能被最终用户使用。 “劣币驱逐良币”的例子。某些顶级验证者可能没有强烈的意愿迁移到新的子网，即使某些新子网表现出明显更高的质量。但由于缺乏资金支持，短期内可能无法获得足够的排放量。由于新子网上线后的保护期只有7天，如果不能快速积累足够的排放量，可能会面临被淘汰、下线的风险。这些问题反映出子网之间的竞争不够充分，一些验证者没有起到鼓励有效竞争的作用。开放张量基金会验证器（OTF）实施了一些临时措施来缓解这种情况。作为拥有 23% 质押权（包括委托）的最大验证人，OTF 为子网提供了争夺更多 Staked TAO 的渠道：子网所有者可以每周向 OTF 提交请求，调整其在子网中 Staked TAO 的比例。这些请求必须涵盖“子网目标和对Bittensor生态系统的贡献”、“子网奖励机制”、“通信协议设计”、“数据源和安全”、“计算要求”和“路线图”等10个方面，以方便OTF的最终决策。然而，要从根本上解决这个问题，一方面，我们迫切需要推出dTAO（Dynamic TAO），旨在从根本上改变上述不合理的问题。或者，我们可以呼吁持有大量 Stake TAO 的大型验证者更多地从“生态系统发展”的角度而不是仅仅从“财务回报”的角度来考虑 Bittensor 生态系统的长期发展。综上所述，凭借其强大的包容性、激烈的竞争环境和有效的激励机制，我们相信Bittensor生态系统能够有机地生产出高质量的人工智能产品。尽管并非现有子网的所有输出都可以与中心化产品的输出相媲美，但我们不要忘记当前的 Bittensor 架构刚刚成立一周年（子网 #1 于 2023 年 4 月 13 日注册）。对于一个有潜力与中心化人工智能巨头竞争的平台，或许我们应该专注于提出切实可行的改进计划，而不是急于批评它的缺点。毕竟，我们都不希望看到人工智能不断被少数巨头控制。来源：金色财经

金色财经2024-04-10

SAGA开盘即巅峰被誉为Web3版AWS 何时是入手时机

您无需耗费大量人力和时间成本。类似于在AWS上建立个人网站一样，您只需支付一部分租金，即可直接在Saga平台上搭建产品。您只需负责产品逻辑和前端运营，而Saga则解决了后端的各种问题。开发人员拥有自己的专用链。 2、费用低且灵活：与其他链不同，Chainlet内置了IBC，您可以选择使用任何代币支付Gas费用，也可以选择不支付Gas（但需要承担Security Chain的节点成本）。然而，服务费用需要使用Saga代币。例如，类似于Web2的订阅制、一次性购买制、广告费用甚至完全免费，这是代币应用领域的一项重大创新。技术层： 1、安全链采用了Cosmos-SDK构建，是Saga主网的运行模块之一。Saga节点部署在这一层，同时代币的铸造、质押和销毁都在这一层进行。 2、平台链是开发者启动和维护其Chainlet的地方。在Chainlets中，如果发生恶意攻击，最终都会通过平台链转回安全链并进行处罚。 3、Chainlet是Saga开发的专有链，它运行带有虚拟机模块的单个智能合约，供开发者和用户使用的应用链。团队： Rebecca Liao：作为Saga的联合创始人兼首席执行官，Rebecca Liao还是Skuchain的联合创始人和前首席运营官，同时也是Sommelier Protocol的顾问，负责设计其DAO。她拥有斯坦福大学经济学学士学位和哈佛大学法学博士学位。 Jacob McDorman：作为Saga的联合创始人兼首席技术官，Jacob McDorman曾是软件咨询公司Cellaflora的联合创始人，拥有普渡大学数学学士学位。 Jin Kwon：作为Saga的联合创始人兼首席战略官，Jin Kwon之前担任Ignite企业发展副总裁，拥有加州大学伯克利分校计算机科学硕士学位。 Bogdan Alexandrescu：作为Saga的联合创始人兼工程副总裁，Bogdan Alexandrescu负责创建和扩展Saga的工程组织，致力于引入最先进的技术、产品和服务。他曾在Apple和Twitter担任工程领导者，在开发广告、数据工程、大规模ML/AI和基础设施项目领域有丰富经验。他拥有加州大学戴维斯分校计算机科学硕士学位，以及哈佛商学院的管理、工商管理和领导力学位。融资：二、代币SAGA 截至2024年4月10日，代币SAGA的当前市值为5.55亿美元。总供应量为10亿个，目前供应量为9000万个，占总供应量的9%。币安Launchpool分配了4500万个代币，占当前供应量的50%，总供应量的4.5%，因此抛压非常有限。具体分配如下：核心贡献者（20%）：代币数量为总量的20%，设有3年锁定期，从TGE（代币生成事件）开始算起，第一年有1年的cliff（锁定期前无法解锁）。私募投资（20%）：目前已分配了10%，剩余10%将用于未来的筹款。代币设有3年锁定期，从TGE开始计算，第一年有1年的cliff。生态系统与发展（30%）基金会储备金（10%）空投（20%）：其中币安Launchpool分配了4.5%。代币用途： Chainlets的支付：开发者向网络验证者支付$SAGA代币。质押：质押者帮助保护网络，并接收$SAGA代币和基于Saga协议构建的项目的代币作为奖励。治理：$SAGA代币持有者将能够对网络治理决策进行投票。根据激励测试网 Saga Pegasus 的数据，截至2024年4月1日，该计划包括了大约350个项目，其中约80%是游戏，约10%是NFT和娱乐项目，另外10%是DeFi项目。这些数据与经济模型体现的一致性——SAGA更适合于轻资产、高用户数量、高用户频次的场景相符。总的来说，团队背景强大，成员毕业于哈佛、斯坦福、加州伯克利等知名学府，具备深厚的技术和学术背景；融资背景强大，拥有圈内强大资源支持；叙事概念深入人心，将BaaS应用公链、模块化、链游和NFT等热点元素融合，使其成为备受关注的热门代币。来源：金色财经

金色财经2024-04-10

一文读懂a16z推出的Jolt zkEVM

些基准测试的结果如下所示。基准测试是在AWS r7g. 16xlarge ARM机上运行的，具有64 CPU内核和512 GiB DDR5 RAM。所有基准测试都仅针对CPU。使用continuations的连续系统面临着prover时间和证明大小之间的利弊权衡——当证明被分割成更多“shard分片”（或“段”）时，prover变得更快（由于分片之间的并行化），但在递归之前具有证明体积更大。证明大小基准测试如下所示，其中SP1的结果由分片计数参数化：SP1（shard_count）。RISC Zero有一个固定大小的分片，因此它的分片计数随着程序周期计数隐式增长。RISC Zero支持递归（SP1和Jolt尚未支持），但下面的基准测试是在没有递归的情况下进行的性能检测。我们也不使用“预编译”，因此基准测试反映了核心zkVM证明系统的性能。 2、如何在Jolt上开发建设为了使Jolt尽可能易用，Jolt SDK（由a16z crypto工程合作伙伴Noah Citron构建）提供了围绕Jolt核心功能的简式wrappers。你所要做的就是：向要证明的函数添加jolt_sdk::provable属性。然后，你将能够使用build_*函数来创建一个prover和verifier。请在代码库中查看完整的Fibonacci示例（及其他）。为了更深入地了解Jolt架构，Jolt Book（WIP）是一个关于没有在Jolt文章中记录的设计选择和代码库的实时更新文档。在接下来的几周内，我们将面向有兴趣在Jolt上进行开发建设或想要了解Jolt内部机制的开发者发布更多内容。 3、接下来是什么虽然Jolt是zkVM领域的一个重要里程碑，但我们还有很长的路要走。退一步说，我们的性能基准测试表明，Jolt prover（在M3 Max上）证明了一个程序的速度与100kHz处理器一样快——是阿波罗11号载人飞行登月任务机载计算能力的两倍多。再做一个谦虚的比较，和TI-84图形计算器相比慢150倍。为了达到计算机级别的性能，我们有很多工作要做。我们将继续改进Jolt的性能和可用性，以便为开发者提供最好的开发体验。路线图上的以下主要任务让我们倍感兴奋： Binius：Ben Diamond和Jim Posen最近提出了一个多线性多项式承诺方案，该方案对像Jolt这样的系统尤其有用，因为承诺值很小。Binius与Justin Thaler的小域sumcheck算法相结合，将显著提高Jolt的prover性能（我们预计是5-10倍）。更多指令：Jolt代码库目前部署了RV32I，但Jolt结构非常灵活。我们计划添加RISC-V “M” extension提供对整数乘法和除法的支持，如Jolt一文中所述。此外，Jolt可以轻松支持64位变体RV64IM。 Continuations连续系统：目前，由于内存限制，Jolt无法证明任意长度的计算。我们将使用continuations将长计算分成更小的计算块，每个块都可以由Jolt证明。这将减少内存使用，并在证明单个计算时支持额外的并行性。证明递归：通过将Jolt与另一证明系统组合在一起，我们进一步减少了证明大小和验证时间。例如，Jolt验证器可以使用Circom语言实现，以生成可在链上有效验证的恒定大小的Groth16证明。来源：金色财经

金色财经2024-04-10

AI\DePIN\Sol生态三重光环加身：浅析发币在即的IO.NET

的主要价值主张包括：可访问性：使用 AWS、GCP 或 Azure 等云服务获取算力芯片的访问权限通常需要几周时间，而且流行的 GPU 型号经常无货。此外为了拿到算力，消费者往往需要跟这些大公司签订长期、缺少弹性的合同。而分布式算力平台可以提供弹性的硬件选择，有更强的可访问性。定价低：由于利用的是闲置芯片，再叠加网络协议方对芯片和算力供给方的代币补贴，分布式算力网络可能可以提供更为低廉的算力。抗审查：目前尖端算力芯片和供应被大型科技公司所垄断，加上以美国为代表的政府正在加大对AI算力服务的审查，AI算力能够被分布式、弹性、自由地获取，逐渐成为一个显性需求，这也是基于web3的算力服务平台的核心价值主张。如果说化石能源是工业时代的血液，那算力或将是由AI开启的新数字时代的血液，算力的供应将成为AI时代的基础设施。正如稳定币成为法币在Web3时代的一个茁壮生长的旁支，分布式的算力市场是否会成为快速成长的AI算力市场的一个旁支？由于这还是一个相当早期的市场，一切都还有待观察。但是以下几个因素可能会对分布式算力的叙事或是市场采用起到刺激作用： GPU持续的供需紧张。GPU的持续供应紧张，或许会推动一些开发者转向尝试分布式的算力平台。监管扩张。想从大型的云算力平台获取AI算力服务，必须经过KYC以及层层审查。这反而可能促成分布式算力平台的采用，尤其是一些受到限制和制裁的地区。代币价格的刺激。牛市周期代币价格的上涨，会提高平台对GPU供给端的补贴价值，进而吸引更多供给方进入市场，提高市场的规模，降低消费者的实际购买价格。但同时，分布式算力平台的挑战也相当明显：技术和工程难题工作验证问题：深度学习模型的计算，由于层级化的结构，每层的输出都作为后一层的输入，因此验证计算的有效性需要执行之前的所有工作，无法简单有效地进行验证。为了解决这个问题，分布式计算平台需要开发新的算法或使用近似验证技术，这些技术可以提供结果正确性的概率保证，而不是绝对的确定性。并行化难题：分布式算力平台汇聚的是长尾的芯片供给，也就注定了单个设备所能提供的算力比较有限，单个芯片供给方几乎短时间独立完成AI模型的训练或推理任务，所以必须通过并行化的手段来拆解和分配任务，缩短总的完成时间。而并行化又必然面临任务如何分解（尤其是复杂的深度学习任务）、数据依赖性、设备之间额外的通信成本等一系列问题。隐私保护问题：如何保证采购方的数据以及模型不暴露给任务的接收方？监管合规难题分布式计算平台由于其供给和采购双边市场的无许可性，一方面可以作为卖点吸引到部分客户。另一方面则可能随着AI监管规范的完善，成为政府整顿的对象。此外，部分GPU的供应商也会担心自己出租的算力资源，是否被提供给了被制裁的商业或个人。总的来说，分布式计算平台的消费者大多是专业的开发者，或是中小型的机构，与购买加密货币和NFT的加密投资者们不同，这类用户对于协议所能提供的服务的稳定性、持续性有更高的要求，价格未必是他们决策的主要动机。目前来看，分布式计算平台们要获得这类用户的认可，仍然有较长的路要走。接下来，我们就一个本轮周期的新分布式算力项目IO.NET进行项目信息的梳理和分析，并基于目前市场上同赛道的AI项目和分布式计算项目，测算其上市后可能的估值水平。 2.分布式AI算力平台：IO.NET 2.1 项目定位 IO.NET是一个去中心化计算网络，其构建了一个围绕芯片的双边市场，供给端是分布在全球的芯片（GPU为主，也有CPU以及苹果的iGPU等）算力，需求端是希望完成AI模型训练或推理任务的人工智能工程师。在IO.NET的官网上，它这样写道： Our Mission Putting together one million GPUs in a DePIN – decentralized physical infrastructure network. 其使命是把百万数量级的GPU整合到它的DePIN网络中。与现有的云AI算力服务商相比，其对外强调的主要卖点在于：弹性组合：AI工程师可以自由挑选、组合自己所需要的芯片来组成“集群”，来完成自己的计算任务部署迅速：无需数周的审批和等待（目前AWS等中心化厂商的情况），在几十秒内就可以完成部署，开始任务服务低价：服务的成本比主流厂商低90% 此外，IO.NET未来还计划上线AI模型商店等服务。 2.2 产品机制和业务数据产品机制和部署体验与亚马逊云、谷歌云、阿里云一样，IO.NET提供的计算服务叫IO Cloud。IO Cloud是一个分布式的、去中心化的芯片网络，能够执行基于Python的机器学习代码，运行AI和机器学习程序。 IO Cloud的基本业务模块叫做集群（Clusters），Clusters是一个可以自我协调完成计算任务的GPU群组，人工智能工程师可以根据自己的需求来自定义想要的集群。 IO.NET的产品界面的用户友好度很高，如果你要部署属于自己的芯片集群，来完成AI计算任务，在进入它的Clusters（集群）产品页面后，就可以开始按需配置你要的芯片集群。页面信息：https://cloud.io.net/cloud/clusters/create-cluster，下同首先你需要选择自己的任务场景，目前有三个类型可供选择： General（通用型）：提供了一个比较通用的环境，适合早期不确定具体资源需求的项目阶段。 Train（训练型）：专为机器学习模型的训练和微调而设计的集群。这个选项可以提供更多的GPU资源、更高的内存容量和/或更快的网络连接，以便于处理这些高强度的计算任务。 Inference（推理型）：专为低延迟推理和重负载工作设计的集群。在机器学习的上下文中，推理指的是使用训练好的模型来进行预测或分析新数据，并提供反馈。因此，这个选项会专注于优化延迟和吞吐量，以便于支持实时或近实时的数据处理需求。然后，你需要选择芯片集群的供应方，目前IO.NET与Render Network以及Filecoin的矿工网络达成了合作，因此用户可以选择IO.NET或另外两个网络的芯片来作为自己计算集群的供应方，相当于IO.NET扮演了一个聚合器的角色（但截至笔者撰文时，Filecon服务暂时下线中）。值得一提的是，根据页面显示，目前IO.NET在线可用GPU数量为20万+，而Render Network的可用GPU数量为3700+。再接下来就进入了集群的芯片硬件选择环节，目前IO.NET列出可供选择的硬件类型仅有GPU，不包括CPU或是苹果的iGPU(M1、M2等），而GPU也主要以英伟达的产品为主。在官方列出、且可用的GPU硬件选项中，根据笔者测试的当日数据，IO.NET网络总在线的可用数量的GPU数量为206001张。其中可用量最多的是GeForce RTX 4090（45250张），其次是GeForce RTX 3090 Ti（30779张）。此外，在处理AI计算任务如机器学习、深度学习、科学计算上更为高效的A100-SXM4-80GB芯片（市场价15000$+），在线数有7965张。而英伟达从硬件设计开始就专为AI而生的H100 80GB HBM3显卡（市场价40000$+），其训练性能是A100的3.3倍，推理性能是A100的4.5倍，实际在线数量为86张。在选定集群的硬件类型后，用户还需要选择集群的地区、通信速度、租用的GPU数量和时间等参数。最后，IO.NET根据综合的选择，会为你提供一个账单，以笔者的集群配置为例：通用（General）任务场景 16张A100-SXM4-80GB芯片最高连接速度（Ultra High Speed）地理位置美国租用时间为1周该总账单价格为3311.6$，单张卡的时租单价为1.232$ 而A100-SXM4-80GB在亚马逊云、谷歌云和微软Azure的单卡时租价格分别为5.12$、5.07$和3.67$（数据来源：https://cloud-gpus.com/，实际价格会根据合约细节条款产生变化）。因此仅就价格来说，IO.NET的芯片算力确实比主流厂商便宜不少，且供给的组合与采购也非常有弹性，操作也很容易上手。业务情况供给端情况截至今年4月4日，根据官方数据，IO.NET在供应端的GPU总供给为371027张，CPU供给为42321张。此外，Render Network作为其合作伙伴，还有9997张GPU和776张CPU接入了网络的供给。数据来源：https://cloud.io.net/explorer/home，下同笔者撰文时，IO.NET接入的GPU总量中的214387处于在线状态，在线率达到了57.8%。来自Render Network的GPU的在线率则为45.1%。以上供应端的数据意味着什么？为了进行对比，我们再引入另一个上线时间更久的老牌分布式计算项目Akash Network来进行对比。 Akash Network早在2020年就上线了主网，最初主要专注于CPU和存储的分布式服务。2023年6月，其推出了GPU服务的测试网，并于同年9月上线了GPU分布式算力的主网。数据来源：https://stats.akash.network/provider-graph/graphics-gpu 根据Akash官方数据，其GPU网络推出以来，供应端尽管持续增长，但截至目前为止GPU总接入数量仅为365张。从GPU的供应量来看，IO.NET要比Akash Network高出了好几个数量级，已经是分布式GPU算力赛道最大的供应网络。需求端情况不过从需求端来看，IO.NET依旧处于市场培育的早期阶段，目前实际使用IO.NET来执行计算任务的总量不多。大部分在线的GPU的任务负载量为0%，只有A100 PCIe 80GB K8S、RTX A6000 K8S、RTX A4000 K8S、H100 80GB HBM3四款芯片有在处理任务。且除了A100 PCIe 80GB K8S之外，其他三款芯片的负载量均不到20%。而官方当日披露的网络压力值为0%，意味着大部分芯片供应都处于在线待机状态。而在网络费用规模上，IO.NET已经产生了586029$的服务费用，近一日的费用为3200$。数据来源：https://cloud.io.net/explorer/clusters 以上网络结算费用的规模，无论是总量还是日交易量，均与Akash处在同一个数量级，不过Akash的大部分网络收入来自于CPU的部分，Akash的CPU供应量有2万多张。数据来源：https://stats.akash.network/ 此外，IO.NET还披露了网络处理的AI推理任务的业务数据，截至目前其已经处理和验证的推理任务数量超过23万个，不过这部分业务量大部分都产生于IO.NET所赞助的项目BC8.AI。数据来源：https://cloud.io.net/explorer/inferences 从目前的业务数据来看，IO.NET的供给端扩张顺利，在空投预期和代号“Ignition”的社区活动刺激下，让其迅速地汇聚起了大量的AI芯片算力。而其在需求端的拓展仍处于早期阶段，有机需求目前还不足。至于目前需求端的不足，是由于消费端的拓展还未开始，还是由于目前的服务体验尚不稳定，因此缺少大规模的采用，这点仍需要评估。不过考虑到AI算力的落差短期内较难填补，有大量的AI工程师和项目在寻求替代方案，可能会对去中心化的服务商产生兴趣，加上IO.NET目前尚未开展对需求端的经济和活动刺激，以及产品体验的逐渐提升，后续供需两端的逐渐匹配仍然是值得期待的。 2.3 团队背景和融资情况团队情况 IO.NET的核心团队成立之初的业务是量化交易，在2022年6月之前，他们一直专注于为股票和加密资产开发机构级的量化交易系统。出于系统后端对计算能力的需求，团队开始探索去中心化计算的可能性，并且最终把目光落在了降低GPU算力服务的成本这个具体问题上。创始人&CEO：Ahmad Shadid Ahmad Shadid在IO.NET之前一直从事量化和金融工程相关的工作，同时还是以太坊基金的志愿者。 CMO&首席战略官：Garrison Yang Garrison Yang在今年3月才正式加入IO.NET，他此前是Avalanche的战略和增长VP，毕业于加州大学圣巴巴拉分校。 COO：Tory Green Tory Green 是 io.net 首席运营官，此前是 Hum Capital 首席运营官、Fox Mobile Group 企业发展与战略总监，毕业于斯坦福。从IO.NET的Linkedin信息来看，团队总部位于美国纽约，在旧金山有分公司，目前团队人员规模在50人以上。融资情况 IO.NET截至目前仅披露了一轮融资，即今年3月完成的A轮估值10亿美金融资，共募集了3000万美金，由Hack VC领投，其他参投方包括Multicoin Capital、Delphi Digital、Foresight Ventures、Animoca Brands、Continue Capital、Solana Ventures、Aptos、LongHash Ventures、OKX Ventures、Amber Group、SevenX Ventures和ArkStream Capital等。值得一说的是，或许是因为收到了Aptos基金会的投资，原本在Solana上进行结算记账的BC8.AI项目，已经转换到了同样的高性能L1 Aptos上进行。 2.4 估值推算根据此前创始人兼CEO Ahmad Shadid的说法，IO.NET将在4月底推出代币。 IO.NET有两个可以作为估值参考的标的项目：Render Network和Akash Network，它们都是代表性的分布式计算项目。我们可以用两种方式推演IO.NET的市值区间：1.市销比，即：市值/收入比；2.市值/网络芯片数比。先来看基于市销比的估值推演：从市销比的角度来看，Akash可以作为IO.NET的估值区间的下限，而Render则作为估值的高位定价参考，其FDV区间为16.7亿~59.3亿美金。但考虑到IO.NET项目更新，叙事更热，加上早期流通市值较小，以及目前更大的供应端规模，其FDV超过Render的可能性并不小。再看另一个对比估值的角度，即“市芯比”。在AI算力求大于供的市场背景下，分布式AI算力网络最重要的要素是GPU供应端的规模，因此我们可以以“市芯比”来横向对比，用“项目总市值与网络内芯片的数量之比”，来推演IO.NET可能的估值区间，供读者作为一个市值参考。如果以市芯比来推算IO.NET的市值区间，IO.NET以Render Network的市芯比为上限，以Akash Network为下限，其FDV区间为206亿~1975亿美金。相信再看好IO.NET项目读者，都会认为这是一个极度乐观的市值推算。而且我们需要考虑到，目前IO.NET如此庞大的芯片在线张数，有受到空投预期以及激励活动的刺激，在项目正式上线后其供应端的实际在线数仍然需要观察。因此总体来说，从市销比的角度进行的估值测算可能更有参考性。 IO.NET作为叠加了AI+DePIN+Solana生态三重光环的项目，其上线后的市值表现究竟如何，让我们拭目以待。 3.参考信息 Dephi Digital：The Real Merge Galaxy：Understanding the Intersection of Crypto and AI 来源：金色财经

金色财经2024-04-09

Galaxy：DeSoc应用叙事回顾及增长策略展望

金色财经2024-04-09

24小时热点