Độ sâu分析》DeepSeek 对 Web3 AI 上下游giao thức产生的影响

DeepSeek phá vỡ bong bóng cuối cùng trên đường đua đại lý, DeFAI có thể sinh ra một cuộc sống mới và phương thức tài chính của ngành sẽ mở ra một sự chuyển đổi. Bài viết này được viết bởi Kevin, Nhà nghiên cứu tại BlockBooster và được in lại bởi Foresight News. Báo cáo Binance: DeFAI đang tái tạo trải nghiệm tương tác Tài chính phi tập trung như thế nào? TLDR: Sự xuất hiện của DeepSeek đã phá vỡ khả năng tính toán hào và khả năng tối ưu hóa tính toán do mô hình Mã nguồn mở dẫn đầu đã trở thành một hướng đi mới; DeepSeek Thông tin tốt công nghiệp lớp mô hình thượng nguồn và hạ nguồn và Lớp ứng dụng, ảnh hưởng tiêu cực đến Khả năng tính toángiao thức trong cơ sở hạ tầng; Thông tin tốt của DeepSeek vô tình làm vỡ bong bóng cuối cùng trên đường đua Agent và DeFAI rất có thể sẽ sinh ra một cuộc sống mới; Trò chơi tài trợ dự án có tổng bằng không dự kiến sẽ kết thúc và các phương thức tài chính mới để ra mắt cộng đồng + số lượng nhỏ VC có thể trở thành tiêu chuẩn. Tác động do DeepSeek gây ra sẽ có tác động sâu sắc đến thượng nguồn và hạ nguồn của ngành công nghiệp AI trong năm nay và DeepSeek đã kích hoạt thành công card đồ họa tiêu dùng gia đình để hoàn thành các nhiệm vụ đào tạo mô hình lớn chỉ có thể được thực hiện bởi một số lượng lớn GPU cao cấp. Con hào đầu tiên xung quanh phát triển AI, Khả năng tính toán, bắt đầu sụp đổ và khi hiệu quả chơi Thuật toán đang chạy ở mức 68% mỗi năm và hiệu suất phần cứng theo sau sự leo thang tuyến tính của Định luật Moore, mô hình định giá đã ăn sâu trong ba năm qua không còn được áp dụng nữa, và chương tiếp theo của AI sẽ được mở ra bởi mô hình Mã nguồn mở. Mặc dù AI giao thức của Web3 hoàn toàn khác với Web2, nhưng cũng không thể tránh khỏi tác động của DeepSeek, điều này sẽ ảnh hưởng đến Web3 AI ngược dòng và hạ lưu: lớp cơ sở hạ tầng, lớp phần mềm trung gian, lớp mô hình và Lớp ứng dụng, tạo ra các trường hợp sử dụng hoàn toàn mới. Phân loại mối quan hệ hợp tác giữa thượng nguồn và hạ nguồn Thông qua việc phân tích kiến trúc kỹ thuật, định vị chức năng và các trường hợp sử dụng thực tế, tôi chia toàn bộ hệ sinh thái thành: lớp cơ sở hạ tầng, lớp phần mềm trung gian, lớp mô hình, Lớp ứng dụng và sắp xếp các phụ thuộc của chúng: Lớp cơ sở hạ tầng Lớp hạ tầng cung cấp các tài nguyên cơ bản của Phi tập trung (Khả năng tính toán, lưu trữ, L1), trong đó Khả năng tính toángiao toán thức là: Render, Akash, io.net, v.v.; Lưu trữ giao thức bao gồm: Arweave, Filecoin, Storj, v.v.; L1 có: NEAR, Olas, Fetch.ai, v.v. Khả năng tính toán lớp giao thứchỗ trợ đào tạo mô hình, suy luận và thực thi khung; Lưu trữ Giao thức để lưu trữ dữ liệu đào tạo, đối số mô hình và bản ghi tương tác trên chuỗi; L1 tối ưu hóa hiệu quả truyền dữ liệu thông qua một Nút, ThảTrễ. Lớp phần mềm trung gian Lớp phần mềm trung gian là cầu nối giữa hạ tầng trực tuyến và các ứng dụng lớp trên, cung cấp các công cụ phát triển khung, dịch vụ dữ liệu và bảo vệ quyền riêng tư, trong đó chú thích dữ liệu bao gồm: Grass, Masa, Vana...; Các khung phát triển là: Eliza, ARC, Swarms, v.v.; Quyền riêng tư điện toán giao thức có: Phala et al. Lớp dịch vụ dữ liệu cung cấp nhiên liệu cho đào tạo mô hình, khung phát triển dựa trên Khả năng tính toán và lưu trữ lớp cơ sở hạ tầng và lớp điện toán riêng tư bảo vệ tính bảo mật của dữ liệu trong đào tạo / suy luận. Lớp mô hình Lớp mô hình được sử dụng để phát triển, đào tạo và phân phối mô hình, trong đó Mã nguồn mở nền tảng đào tạo mô hình: Bittensor. Lớp mô hình dựa trên dữ liệu từ các lớp phần mềm Khả năng tính toán và lớp phần mềm trung gian của lớp cơ sở hạ tầng; Mô hình được triển khai lên on-chain thông qua khung phát triển; Thị trường mô hình cung cấp kết quả đào tạo cho Lớp ứng dụng. Lớp ứng dụng Lớp ứng dụng là sản phẩm AI dành cho người dùng cuối, trong đó các tác nhân bao gồm: GOAT, AIXBT, v.v.; DeFAI giao thức bao gồm: Griffain, Buzz, v.v. Lớp ứng dụng gọi mô hình được đào tạo trước của lớp mô hình; Điện toán riêng tư dựa trên lớp phần mềm Trung Gian; Các ứng dụng phức tạp yêu cầu Khả năng tính toán theo thời gian thực ở lớp cơ sở hạ tầng. DeepSeek có thể có tác động tiêu cực đến Phi tập trungKhả năng tính toán Theo khảo sát mẫu, khoảng 70% dự án Web3 AI thực sự gọi OpenAI hoặc nền tảng đám mây tập trung, chỉ 15% sử dụng GPU Phi tập trung (như mô hình mạng Bittensor) và 15% còn lại là kiến trúc lai (dữ liệu nhạy cảm được xử lý cục bộ và các tác vụ có mục đích chung được di chuyển lên đám mây). Tỷ lệ sử dụng thực tế của Phi tập trungKhả năng tính toángiao thức thấp hơn nhiều so với dự kiến và không phù hợp với vốn hóa thị trường thực tế của nó. Có ba lý do cho việc sử dụng thấp: Các nhà phát triển Web2 sử dụng chuỗi công cụ ban đầu khi di chuyển sang Web3; Nền tảng GPU Phi tập trung vẫn chưa đạt được lợi thế về giá; Một số dự án phá vỡ dữ liệu Sự tuân thủ kiểm duyệt dưới tên "Phi tập trung", và khả năng tính toán thực tế vẫn dựa vào đám mây tập trung. AWS/GCP có 90%+ thị phần AI Khả năng tính toán, so với Khả năng tính toán tương đương của Aksh, chỉ bằng 0,2% AWS. Các hào của các nền tảng đám mây tập trung bao gồm: quản lý cụm, mạng tốc độ cao RDMA và mở rộng quy mô đàn hồi; Nền tảng đám mây Phi tập trung có phiên bản cải tiến web3 của công nghệ trên, tuy nhiên những thiếu sót chưa thể hoàn thiện là: Vấn đề Trễ : phân tán Nút giao tiếp Trễ gấp 6 lần so với đám mây tập trung; Phân mảnh chuỗi công cụ: PyTorch / TensorFlow không hỗ trợ lập lịch Phi tập trung. DeepSeek giảm 50% mức tiêu thụ tính toán thông qua đào tạo thưa thớt và cắt tỉa mô hình động cho phép đào tạo GPU cấp người tiêu dùng hàng chục tỷ mô hình đối số. Nhu cầu về GPU cao cấp trong ngắn hạn đã giảm đáng kể và tiềm năng thị trường của Điện toán đã được định giá lại. Như bạn có thể thấy trong biểu đồ trên, trước khi DeepSeek ra đời, phần lớn các giao thức và ứng dụng trong ngành sử dụng các nền tảng như AWS và chỉ một vài trường hợp sử dụng được triển khai trong các mạng GPU Phi tập trung, điều này cho thấy lợi thế về giá của mạng sau này so với người tiêu dùng Khả năng tính toán và không theo dõi Trễ. Tình trạng này có thể trở nên tồi tệ hơn với sự ra đời của DeepSeek. DeepSeek đã bộc lộ những hạn chế của các nhà phát triển đuôi dài, các mô hình suy luận chi phí thấp và hiệu quả sẽ được phổ biến với tốc độ chưa từng có, trên thực tế, nền tảng đám mây tập trung nói trên và nhiều quốc gia đã bắt đầu triển khai DeepSeek, chi phí suy luận lớn sẽ sinh ra một số lượng lớn các ứng dụng front-end, các ứng dụng này có nhu cầu rất lớn về GPU cấp tiêu dùng. Trước thị trường khổng lồ sắp tới, các nền tảng đám mây tập trung sẽ tung ra một vòng cạnh tranh người dùng mới, không chỉ với các nền tảng hàng đầu, mà còn với vô số nền tảng đám mây tập trung nhỏ. Cách trực tiếp nhất để cạnh tranh là giảm giá và có thể thấy trước rằng mức giá 4090 trên các nền tảng tập trung sẽ mở ra sự sụt giảm, đây là một thảm họa đối với nền tảng Khả năng tính toán của Web3. Khi giá không phải là con hào duy nhất cho cái sau và nền tảng tính toán trong ngành cũng buộc phải giảm giá, kết quả là io.net, Render và Akash không thể mua được. Cuộc chiến giá cả sẽ phá hủy mức trần định giá còn lại của công ty này, và vòng xoáy tử thần do doanh thu giảm và sự rời bỏ của người dùng có thể cho phép Phi tập trungKhả năng tính toángiao thức chuyển sang một hướng mới. Như thể hiện trong hình, tôi nghĩ DeepSeek sẽ có những tác động khác nhau đến lớp cơ sở hạ tầng, lớp mô hình và Lớp ứng dụng, về mặt tác động tích cực: Lớp ứng dụng sẽ được hưởng lợi từ chi phí suy luận lớn và nhiều ứng dụng có thể sử dụng chi phí thấp để đảm bảo rằng ứng dụng Agent trực tuyến trong một thời gian dài và hoàn thành các tác vụ trong thời gian thực; ...