《Глубина анализа》DeepSeek 对 Web3 AI 上下游Протокол产生的影响

DeepSeek разрушает последний пузырь агента, возможно, зарождается новая жизнь для DeFAI, и изменяется способ финансирования отрасли. Эта статья была написана Кевином, исследователем из BlockBooster, и опубликована в Foresight News. (Предыдущий контекст: Отчет Binance: Как DeFAI переформатирует Децентрализованные финансы в интерактивном опыте?) (Дополнительный контекст: Легендарные большие шорты: видимые признаки пузыря на рынке акций, наибольший риск в ближайший год это эффект Deepseek.) TLDR: Появление DeepSeek разрушило защитный барьер вычислительной мощности, и модель с открытым исходным кодом стала новым направлением оптимизации вычислительной мощности; Появление DeepSeek имеет негативное воздействие на модельный и уровневый уровни вверх по отрасли, и вызывает отрицательное воздействие на вычислительную мощность в инфраструктуре; Появление DeepSeek случайно разрушило последний пузырь агента и, возможно, зарождается новая жизнь для DeFAI; Ожидается, что нулевая сумма финансирования проекта столкнется с концом, и новый способ финансирования сообщества + небольшое VC может стать нормой. Воздействие, вызванное DeepSeek, окажет глубокое влияние на промышленность и на AI в этом году, и DeepSeek успешно позволил домашним видеокартам выполнить большие задачи тренировки моделей, которые ранее могли выполнять только мощные GPU. Первый защитный барьер вокруг развития AI - вычислительная мощность, начинает разрушаться, когда скорость алгоритмов бежит на 68% в год, в то время как производительность аппаратного обеспечения следует линейному росту закона Мура, традиционные модели оценки за последние три года больше не применимы, и следующая глава AI начнется с модели с открытым исходным кодом. Несмотря на то, что AI Протокол для Web3 и Web2 совершенно различны, но он неизбежно подвергается влиянию DeepSeek, это влияние приведет к появлению новых случаев использования для Web3 AI внизу по отрасли: уровень инфраструктуры, уровень промежуточного программного обеспечения, модельный уровень и уровень применения. Путем анализа технической архитектуры, позиционирования функций и фактических случаев использования, я разделяю всю экосистему на уровень инфраструктуры, уровень промежуточного программного обеспечения, модельный уровень и уровень применения, и систематизирую их зависимости: Уровень инфраструктуры Уровень инфраструктуры предоставляет децентрализованные базовые ресурсы (вычислительная мощность, хранение, L1), включая вычислительную мощность Протокола: Render, Akash, io.net и т. д.; Протоколы хранения: Arweave, Filecoin, Storj и т. д.; L1: NEAR, Olas, Fetch.ai и т. д. Уровень вычислительной мощности протокола поддерживает тренировку моделей, вывод и выполнение фреймворков; Протоколы хранения хранят данные обучения, параметры моделей и взаимодействуют с блокчейном; L1 оптимизирует эффективность передачи данных через специализированные узлы, падение задержки. Уровень промежуточного программного обеспечения Уровень промежуточного программного обеспечения является мостом между инфраструктурой и прикладным уровнем, предоставляя инструменты разработки фреймворков, сервисы данных и защиту конфиденциальности, включая Протокол маркировки данных: Grass, Masa, Vana и т. д.; Протокол разработки фреймворков: Eliza, ARC, Swarms и т. д.; Протоколы конфиденциальных вычислений: Phala и т. д. Уровень сервисов данных обеспечивает топливо для обучения моделей, фреймворки разработки зависят от вычислительной мощности и хранения инфраструктуры, уровень конфиденциальных вычислений обеспечивает безопасность данных во время обучения / вывода. Модельный уровень Модельный уровень используется для разработки, обучения и распространения моделей, включая платформу для обучения моделей с открытым исходным кодом: Bittensor. Модельный уровень зависит от вычислительной мощности инфраструктуры и данных промежуточного программного обеспечения; модели развертываются через фреймворки разработки в блокчейне; рынок моделей доставляет результаты обучения на уровень применения. Уровень применения Уровень применения - это AI-продукты для конечных пользователей, включая Agent: GOAT, AIXBT и т. д.; DeFAI Протоколы: Griffain, Buzz и т. д. Уровень применения использует предварительно обученные модели с модельного уровня; зависит от конфиденциальных вычислений промежуточного программного обеспечения; сложные приложения требуют мгновенной вычислительной мощности уровня инфраструктуры. DeepSeek может негативно повлиять на децентрализованную вычислительную мощность Согласно опросу, около 70% проектов Web3 AI фактически вызывают OpenAI или централизованную облачную платформу, только 15% проектов используют децентрализованные GPU (такие как модель подсети Bittensor), оставшиеся 15% - это смешанная архитектура (обработка локальных данных, универсальные задачи в облаке). Фактическая использование децентрализованной вычислительной мощности Протокола значительно ниже ожидаемого, и не соответствует его фактической стоимости. Причины низкого использования включают в себя три аспекта: разработчики Web2 при переходе в Web3 продолжают использовать существующие инструменты; платформы децентрализованных GPU пока не реализовали преимущества по цене; некоторые проекты используют "Децентрализация" в названии, чтобы избежать проверки соответствия данных, и фактически все еще зависят от централизованных облачных провайдеров. AWS/GCP занимают более 90% рыночной доли в AI вычислительной мощности, в то время как эквивалентная вычислительная мощность Akash составляет всего 0,2% от AWS. Защитные барьеры централизованных облачных платформ включают: управление кластерами, высокоскоростные сети RDMA, гибкая масштабируемость; улучшенные версии этих технологий в web3 децентрализованных облачных платформах, но несовершенства включают проблемы с задержкой: задержка в распределенной связи узлов в 6 раз выше, чем в централизованных облаках; разрыв инструментов: PyTorch/TensorFlow не поддерживают нативное расписание для децентрализованных систем. DeepSeek снижает потребление вычислительной мощности на 50% через разреженное обучение, и динамическая обрезка моделей позволяет обучать модели с 10 миллиардами параметров на домашних видеокартах. Ожидается значительное снижение спроса на высокопроизводительные GPU в краткосрочной перспективе, и переоценивается потенциал рынка передовых вычислений. Как показано на рисунке, до появления DeepSeek большинство протоколов и приложений в отрасли использовали платформы, такие как AWS, и только немногие случаи использования разворачивались в сети децентрализованных GPU, которые были заинтересованы в преимуществах цены на потребительскую вычислительную мощность и не испытывали задержки. Эта ситуация может ухудшиться с появлением DeepSeek. DeepSeek снимает ограничения с разработчиков, низкая стоимость и эффективные модели вывода распространятся со скоростью, неизвестной ранее, на сегодняшний день многие централизованные облачные платформы и многие страны уже начали развертывать DeepSeek, и значительное снижение стоимости вывода приведет к появлению множества фронтенд-приложений, которые будут иметь огромный спрос на потребительские GPU. В предстоящем огромном рынке централизованные облачные платформы будут начинать новый раунд борьбы за пользователей, и это будет борьба как с топовыми платформами, так и с множеством малых централизованных облачных платформ. Самый прямой способ борьбы - снижение цен, можно предвидеть, что цены на 4090 на централизованных платформах снизятся, что будет катастрофой для платформы вычислительной мощности Web3. Когда цена больше не будет единственным защитным барьером, и платформы вычислительной мощности в отрасли будут вынуждены снижать цены, результатом может быть то, что io.net, Render, Akash не смогут выдержать. Ценовая война разрушит оставшиеся лимиты оценки, потери доходов и уход пользователей могут привести к спирали смерти, которая может привести к новому направлению для протокола децентрализованной вычислительной мощности. Конкретное значение, которое DeepSeek принесет верхнему и нижнему уровням отрасли Как показано на рисунке, я считаю, что DeepSeek повлияет на уровень инфраструктуры, модельный уровень и уровень применения по-разному, с позитивной стороны: Уровень применения будет получать выгоду от значительного падения стоимости вывода, больше приложений сможет обеспечить долгосрочное онлайн-присутствие агента с низкими затратами, и мгновенно выполнять задачи;...