Analisis Kedalaman DeepSeek terhadap dampak yang dihasilkan oleh protokol hulu dan hilir Web3 AI

DeepSeek memecahkan gelembung terakhir di jalur agen, DeFAI dapat melahirkan kehidupan baru, dan metode pembiayaan industri akan mengantarkan transformasi. Artikel ini ditulis oleh Kevin, Peneliti di BlockBooster dan dicetak ulang oleh Foresight News. Laporan Binance: Bagaimana DeFAI menciptakan kembali pengalaman interaktif Keuangan Desentralisasi? TLDR: Munculnya DeepSeek menghancurkan parit Daya Komputasi, dan optimalisasi Daya Komputasi yang dipimpin oleh model Sumber Terbuka menjadi arah baru; Lapisan model hulu dan hilir DeepSeek Informasi Menguntungkan dan Lapisan Aplikasi, berdampak negatif terhadap Daya Protokol dalam infrastruktur; Informasi menguntungkan DeepSeek secara tidak sengaja memecahkan gelembung terakhir di jalur agen, dan DeFAI kemungkinan besar akan melahirkan kehidupan baru; Permainan zero-sum pembiayaan proyek diharapkan akan berakhir, dan metode pembiayaan baru peluncuran komunitas + sejumlah kecil VC dapat menjadi norma. Dampak yang disebabkan oleh DeepSeek akan berdampak besar pada hulu dan hilir industri AI tahun ini, dan DeepSeek telah berhasil memungkinkan kartu grafis konsumen rumahan untuk menyelesaikan tugas pelatihan model besar yang hanya dapat dilakukan oleh sejumlah besar GPU kelas atas. Daya Komputasi, parit pertama di sekitar AI, mulai runtuh, dan ketika efisiensi Algoritme berjalan pada 68% per tahun dan kinerja perangkat keras naik secara linier mengikuti Hukum Moore, model penilaian yang mengakar dalam tiga tahun terakhir tidak lagi diterapkan, dan bab AI berikutnya akan dibuka oleh model Sumber Terbuka. Meskipun protokol AI Web3 benar-benar berbeda dari Web2, pasti menderita dampak DeepSeek, yang akan mengarah pada kasus penggunaan yang sama sekali baru untuk Web3 AI hulu dan hilir: lapisan infrastruktur, lapisan perangkat lunak perantara, lapisan model, dan lapisan Aplikasi. Melalui analisis arsitektur teknis, posisi fungsional dan kasus penggunaan aktual, saya membagi seluruh ekosistem menjadi: lapisan infrastruktur, lapisan perangkat lunak perantara, lapisan model, lapisan aplikasi, dan memilah dependensinya: Lapisan infrastruktur Lapisan infrastruktur menyediakan sumber daya dasar Desentralisasi (Daya Komputasi, penyimpanan, L1), di mana Daya Komputasiprotokol meliputi: Render, Akash, io.net, dll.; Protokol penyimpanan meliputi: Arweave, Filecoin, Storj, dll.; L1 memiliki: NEAR, Olas, Fetch.ai, dll. Daya Komputasi layer protokoldukungan model pelatihan, inferensi dan eksekusi kerangka kerja; Menyimpan protokol untuk menyimpan data pelatihan, argumen model, dan catatan interaksi on-chain; L1 mengoptimalkan efisiensi transfer data melalui Node khusus, Droplatensi. Lapisan perangkat lunak Perantara Lapisan perangkat lunak Perantara adalah jembatan antara infrastruktur online dan aplikasi lapisan atas, menyediakan alat pengembangan kerangka kerja, layanan data, dan perlindungan privasi, di antaranya protokol anotasi data meliputi: Grass, Masa, Vana, dll.; Kerangka kerja pengembangan protokol meliputi: Eliza, ARC, Swarms, dll.; Protokol komputasi privasi meliputi: Phala dan lain-lain. Lapisan layanan data menyediakan bahan bakar untuk pelatihan model, kerangka pengembangan bergantung pada Daya Komputasi dan penyimpanan di lapisan infrastruktur, dan lapisan komputasi privasi melindungi keamanan data dalam pelatihan/inferensi. Lapisan model Lapisan model digunakan untuk pengembangan, pelatihan, dan distribusi model, dengan platform pelatihan model Sumber Terbuka: Bittensor. Lapisan model bergantung pada data dari lapisan perangkat lunak Daya Komputasi dan Perantara dari lapisan infrastruktur; Model ini digunakan untuk on-chain melalui kerangka pengembangan; Pasar model memberi makan hasil pelatihan ke Layer Aplikasi. Layer Aplikasi Layer Aplikasi adalah produk AI untuk pengguna akhir, yang agennya meliputi: GOAT, AIXBT, dll.; Protokol DeFAI meliputi: Griffain, Buzz, dll. Layer Aplikasi memanggil model pra-terlatih dari lapisan model; Privacy computing yang mengandalkan perantara lapisan software; Aplikasi yang kompleks membutuhkan Daya Komputasi real-time pada lapisan infrastruktur. DeepSeek mungkin berdampak negatif pada DesentralisasiDaya Komputasi Menurut survei sampel, sekitar 70% proyek AI Web3 benar-benar menyebut OpenAI atau platform cloud terpusat, hanya 15% yang menggunakan GPU Desentralisasi (seperti model subnet Bittensor), dan 15% sisanya adalah arsitektur hybrid (data sensitif diproses secara lokal, dan tugas tujuan umum dimigrasikan ke cloud). Tingkat penggunaan aktual DesentralisasiDaya Komputasiprotokol jauh lebih rendah dari yang diharapkan dan tidak sesuai dengan kapitalisasi pasar sebenarnya. Ada tiga alasan rendahnya penggunaan: Pengembang Web2 menggunakan toolchain asli saat bermigrasi ke Web3; Platform GPU Desentralisasi belum menyadari keunggulan harganya; Beberapa proyek menghindari sensor Kepatuhan dengan nama "Desentralisasi", ketika Daya Komputasi masih mengandalkan cloud terpusat. AWS/GCP memiliki 90%+ pangsa pasar AI Daya Komputasi, dibandingkan dengan Daya Komputasi setara Akash sebesar 0,2% dari AWS. Parit platform cloud terpusat meliputi: manajemen cluster, jaringan berkecepatan tinggi RDMA, dan penskalaan elastis; Platform cloud Desentralisasi memiliki versi web3 yang lebih baik dari teknologi di atas, tetapi kekurangan yang tidak dapat disempurnakan adalah, masalah latensi: latensi komunikasi Node terdistribusi adalah 6 kali lipat dari cloud terpusat; Fragmentasi toolchain: PyTorch/TensorFlow tidak mendukung penjadwalan Desentralisasi secara native. DeepSeek mengurangi konsumsi Daya Komputasi sebesar 50% melalui pelatihan yang jarang, dan pemangkasan model dinamis memungkinkan pelatihan GPU tingkat konsumen dari puluhan miliar model argumen. Permintaan untuk GPU kelas atas dalam jangka pendek telah diturunkan secara signifikan, dan potensi pasar Komputasi Edge telah dinilai kembali. Seperti yang ditunjukkan pada grafik di atas, sebelum munculnya DeepSeek, sebagian besar protokol dan aplikasi di industri menggunakan platform seperti AWS, dan hanya beberapa kasus penggunaan yang digunakan di jaringan GPU Desentralisasi, yang melihat keunggulan harga yang terakhir pada konsumen Daya Komputasi dan tidak ikutilatensi. Situasi ini dapat memburuk dengan munculnya DeepSeek. DeepSeek telah merilis keterbatasan pengembang ekor panjang, model inferensi berbiaya rendah dan efisien akan dipopulerkan dengan kecepatan yang belum pernah terjadi sebelumnya, pada kenyataannya, platform cloud terpusat yang disebutkan di atas dan banyak negara telah mulai menggunakan DeepSeek, penurunan besar biaya inferensi akan menelurkan sejumlah besar aplikasi front-end, yang memiliki permintaan besar untuk GPU tingkat konsumen. Dalam menghadapi pasar besar yang akan datang, platform cloud terpusat akan meluncurkan babak baru persaingan pengguna, tidak hanya dengan platform teratas, tetapi juga dengan platform cloud terpusat kecil yang tak terhitung jumlahnya. Cara paling langsung untuk bersaing adalah dengan mengurangi harga, dan dapat diperkirakan bahwa harga 4090 pada platform terpusat akan mengantarkan pengurangan, yang merupakan bencana bagi platform Daya Komputasi Web3. Ketika harga bukan satu-satunya parit untuk yang terakhir, dan platform Daya Komputasi di industri terpaksa menurunkan harga, hasilnya adalah io.net, Render, dan Akash tidak mampu membelinya. Perang harga akan menghancurkan plafon valuasi terakhir yang tersisa, dan spiral kematian dari penurunan pendapatan dan churn pengguna dapat membawa DesentralisasiDaya Komputasiprotokol ke arah yang baru. Signifikansi spesifik DeepSeek terhadap protokol hulu dan hilir industri Seperti yang ditunjukkan pada gambar, saya pikir DeepSeek akan memiliki dampak yang berbeda pada lapisan infrastruktur, lapisan model dan lapisan Aplikasi, dalam hal efek positif: Lapisan Aplikasi akan mendapat manfaat dari penurunan besar dalam biaya inferensi, dan lebih banyak aplikasi dapat menggunakan biaya rendah untuk memastikan bahwa aplikasi Agen online untuk waktu yang lama dan menyelesaikan tugas secara real time; ...