ข่าว
Gradient Network ระดมทุน $10 ล้านเพื่อสร้าง AI แบบกระจายศูนย์บนบล็อกเชน Solana

Gradient Network ระดมทุน $10 ล้านเพื่อสร้าง AI แบบกระจายศูนย์บนบล็อกเชน Solana

3 ชั่วโมงที่แล้ว
Gradient Network ระดมทุน $10 ล้านเพื่อสร้าง AI แบบกระจายศูนย์บนบล็อกเชน Solana

Gradient Network ได้รับเงินทุนเริ่มต้น $10 ล้านเพื่อสร้างโครงสร้างพื้นฐานปัญญาประดิษฐ์แบบกระจายศูนย์ ที่สามารถท้าทายอิทธิพลของยักษ์ใหญ่ด้านเทคโนโลยีอย่าง OpenAI และ Amazon Web Services ได้ สตาร์ทอัพจากสิงคโปร์ประกาศเมื่อวันอังคารว่า Pantera Capital, Multicoin Capital และ HSG เป็นผู้นำในการระดมทุนรอบนี้เพื่อพัฒนาสองโปรโตคอลที่แจกจ่ายการคำนวณ AI ผ่านเครือข่ายอุปกรณ์ผู้ใช้ทั่วโลก แทนที่จะเป็นศูนย์ข้อมูลแบบศูนย์รวม


ข้อมูลที่ควรรู้:

  • Gradient กำลังสร้างโปรโตคอล Lattica และ Parallax เพื่อรองรับการคำนวณ AI แบบ peer-to-peer บนอุปกรณ์กระจาย
  • แพลตฟอร์มนี้ทำงานบนบล็อกเชน Solana และสนับสนุนการเชื่อมต่อ 1.6 พันล้านครั้งใน 190 ภูมิภาคแล้ว
  • บริษัทการลงทุนด้านคริปโตรายใหญ่ลงทุน $10 ล้านในการเดิมพัน AI แบบกระจายศูนย์เพื่อลดต้นทุนและปรับปรุงความเป็นส่วนตัว

การระดมทุนนี้เกิดขึ้นขณะที่ปัญญาประดิษฐ์กำลังเผชิญกับคำวิจารณ์เกี่ยวกับการการศูนย์รวม, ความกังวลเกี่ยวกับความเป็นส่วนตัวของข้อมูล, และทรัพยากรการคำนวณขนาดใหญ่ที่ต้องใช้โดยโมเดล AI ปัจจุบัน แนวทางของ Gradient แสดงถึงการเปลี่ยนแปลงพื้นฐานจากบริการ AI บนคลาวด์ไปสู่การใช้พลังงานการคำนวณที่รวบรวมจากอุปกรณ์ธรรมดาทั่วโลก

โปรโตคอลคู่ที่มุ่งเป้าท้าทายโครงสร้าง AI ต่างกัน

โครงสร้างของ Gradient มุ่งเน้นไปที่สองโปรโตคอลที่ออกแบบให้ทำงานร่วมกัน Lattica ทำหน้าที่เป็นระบบการสื่อสารแบบ peer-to-peer คล้ายกับเครือข่าย Bitcoin หรือ BitTorrent ที่สามารถส่งข้อมูลตรงระหว่างอุปกรณ์ได้โดยไม่ต้องผ่านเซิร์ฟเวอร์ศูนย์รวม

บริษัทรายงานว่า Lattica ได้อำนวยความสะดวกในการเชื่อมต่อกว่า 1.6 พันล้านคร้ังครอบคลุม 190 ภูมิภาคทั่วโลก เครือข่ายที่กว้างขวางนี้เป็นรากฐานสำหรับโปรโตคอลที่สองของ Gradient, Parallax ซึ่งแบ่งโมเดลภาษาขนาดใหญ่ออกเป็นส่วนเล็กๆ ที่สามารถทำงานในอุปกรณ์กระจายได้

Parallax แก้ไขหนึ่งในอุปสรรคใหญ่ที่สุดสำหรับ AI แบบกระจายศูนย์ ด้วยการแก้ปัญหาการรันโมเดลที่ต้องใช้ทรัพยากรสูงบนฮาร์ดแวร์ผู้บริโภค โมเดล AI แบบดั้งเดิมต้องการเซิร์ฟเวอร์ที่มีทรัพยากรสูงพร้อมชิปเฉพาะ แต่แนวทางการแบ่งส่วนของ Gradient ช่วยให้อุปกรณ์คอมพิวเตอร์ธรรมดาและอุปกรณ์มือถือสามารถมีส่วนร่วมในพลังการประมวลผลได้ ระบบนี้ประมวลผลข้อมูลภายในอุปกรณ์ของผู้ใช้ทำให้ลดความจำเป็นในการถ่ายโอนข้อมูลที่สำคัญไปยังศูนย์ข้อมูลห่างไกล

บล็อกเชน Solana ให้ความเร็วและโครงสร้างแรงจูงใจ

Gradient เลือกใช้ Solana เป็นโครงสร้างพื้นฐานของบล็อกเชนโดยระบุว่า เครือข่ายดังกล่าวมีความเร็วในการทำธุรกรรมสูงและค่าธรรมเนียมต่ำ ซึ่งเป็นปัจจัยสำคัญ บล็อกเชนนี้จัดการประสานงานระหว่างอุปกรณ์และบริหารระบบแรงจูงใจที่ให้รางวัลแก่ผู้ใช้ที่มีส่วนร่วมในการประมวลผลทรัพยากรให้กับเครือข่าย

โครงสร้างของ Solana สามารถประมวลผลการทำธุรกรรมหลายพันครั้งต่อวินาทีในต้นทุนต่ำ ทำให้การประสานงานการชำระเงินและการแจกจ่ายภารกิจในเครือข่ายอุปกรณ์ทั่วโลกมีความเป็นไปได้ ซึ่งทำให้ Gradient อยู่ในตำแหน่งเดียวกับโครงการ AI แบบกระจายศูนย์อื่นๆ เช่น SingularityNET, Bittensor และ Gensyn แต่วิธีการที่แต่ละโครงการนำไปใช้สำหรับการคำนวณแบบกระจายต่างกันไป

โมเดลแบบทุนรวบรวมนี้สร้างแรงจูงใจทางเศรษฐกิจให้กับเจ้าของอุปกรณ์ในการเข้าร่วมในเครือข่าย

ผู้ใช้ได้รับรางวัลเป็นคริปโตเคอเรนซีสำหรับการให้พลังการคำนวณ ซึ่งสร้างระบบโครงสร้างที่อยู่ได้ด้วยตัวเองโดยไม่พึ่งพาผู้ให้บริการคลาวด์แบบดั้งเดิม

ผู้สังเกตการณ์ในอุตสาหกรรมสังเกตว่า ความสนใจจากนักลงทุนคริปโตใหญ่ต่อโครงสร้างพื้นฐาน AI แบบกระจายศูนย์ที่เติบโตขึ้น ภาคส่วนนี้ได้ดึงดูดเงินลงทุนจากธุรกิจร่วมลงทุนอย่างมากเมื่อนักลงทุนมองหาทางเลือกอื่นๆ ในตลาด AI ที่รวมศูนย์การควบคุมอยู่ในบริษัทเทคโนโลยีไม่กี่แห่ง

ประโยชน์ด้านความเป็นส่วนตัวและต้นทุนขับเคลื่อนกลยุทธ์การนำไปใช้

ผู้บริหาร Gradient โต้แย้งว่าแนวทางแบบกระจายศูนย์ของเขามีข้อดีอย่างมากเหนือบริการ AI แบบคลาวด์ การประมวลผลข้อมูลใกล้ที่แหล่งของข้อมูลลดความเสี่ยงที่เกี่ยวข้องกับการส่งข้อมูลสำคัญไปยังเซิร์ฟเวอร์ศูนย์รวมที่เป็นของบริษัทเทคโนโลยีใหญ่ๆ

โมเดลการกระจายศูนย์ยังสัญญาว่าจะลดต้นทุนได้มากเมื่อเทียบกับบริการการประมวลผลคลาวด์แบบทั่วไป โดยการใช้ประโยชน์จากขีดความสามารถการประมวลผลที่ไม่ได้ใช้บนอุปกรณ์ของผู้บริโภค Gradient อาจสามารถเสนอบริการ AI ในราคาต่ำกว่า Amazon Web Services, Google Cloud หรือ Microsoft Azure

อย่างไรก็ตาม บริษัทเผชิญกับความท้าทายทางเทคนิคเหมือนกับระบบการประมวลผลแบบกระจายอื่นๆ การหน่วงเวลาระหว่างอุปกรณ์อาจทำให้ความเร็วในการประมวลผลลดลง ขณะที่การประสานงานภารกิจที่ซับซ้อนผ่านอุปกรณ์จำนวนมากเป็นอุปสรรคทางวิศวกรรมที่สำคัญ ผู้วิจารณ์ตั้งคำถามว่าเครือข่ายกระจายศูนย์สามารถรับประสิทธิภาพและความน่าเชื่อถือได้เทียบเท่ากับศูนย์ข้อมูลที่ออกแบบมาเฉพาะได้หรือไม่

Gradient ยังคงมองโลกในแง่ดีว่าโครงสร้างทางเทคนิคของเขาจะเอาชนะอุปสรรคเหล่านี้ได้เมื่อเครือข่ายขยายตัว บริษัทมีแผนที่จะปล่อยเครื่องมือสำหรับนักพัฒนาและทำวิจัยเพิ่มเติมเพื่อปรับปรุงโปรโตคอลของตนและขยายฟังก์ชั่นการทำงาน

การเปิดตัวตลาดและแผนการพัฒนาต่อไป

โปรโตคอล Lattica และ Parallax ทั้งคู่มีการวางแผนที่จะเปิดตัวในสัปดาห์นี้ ซึ่งเป็นการเปลี่ยนแปลงจากการพัฒนาไปสู่การใช้งานจริงของ Gradient บริษัทมีแผนที่จะเผยแพร่เครื่องมือสำหรับนักพัฒนาเพิ่มเติมและเผยแพร่ผลการวิจัยเพื่อรองรับการใช้งานที่กว้างขวางขึ้นของโครงสร้าง AI กระจายศูนย์

เวลานี้สอดคล้องกับการตรวจสอบกฎข้อบังคับที่เพิ่มขึ้นเกี่ยวกับการศูนย์รวม AI และความกังวลที่เพิ่มขึ้นเกี่ยวกับความเป็นส่วนตัวของข้อมูลในแอปพลิเคชันปัญญาประดิษฐ์ รัฐบาลหลายแห่งมีการเสนอข้อกำหนดที่อาจเป็นประโยชน์ต่อทางเลือกในรูปแบบกระจายศูนย์ของระบบ AI ปัจจุบัน

แนวทางของ Gradient แสดงถึงการเดิมพันว่า การคำนวณแบบกระจายจะกลายเป็นโมเดลที่ต้องการสำหรับปัญญาประดิษฐ์ เมื่อเทคโนโลยีเติบโตขึ้น ความสำเร็จของโมเดลนี้อาจส่งผลต่อวิธีการส่งมอบบริการ AI และใครจะเป็นผู้ควบคุมโครงสร้างพื้นฐานที่ขับเคลื่อนแอปพลิเคชันยุคถัดไป

ความคิดสุดท้าย

การระดมทุน $10 ล้านของ Gradient Network บ่งชี้ถึงความมั่นใจที่เติบโตขึ้นจากนักลงทุน ในทางเลือกแบบกระจายศูนย์ต่อโครงสร้างพื้นฐาน AI แบบดั้งเดิม แนวทางโปรโตคอลคู่ของบริษัทที่ใช้บล็อกเชน Solana มุ่งแจกจ่ายการประมวลผล AI ผ่านเครือข่ายอุปกรณ์ทั่วโลกขณะรักษาประสิทธิภาพและลดต้นทุน ว่าโมเดลกระจายศูนย์นี้จะสามารถแข่งขันกับผู้ให้บริการคลาวด์ที่ตั้งขึ้นได้นั้นยังคงต้องดู ในขณะที่ทั้งสองโปรโตคอลเตรียมพร้อมสำหรับการเปิดตัวในตลาดสัปดาห์นี้

ข้อจำกัดความรับผิดชอบ: ข้อมูลที่ให้ไว้ในบทความนี้มีไว้เพื่อวัตถุประสงค์ทางการศึกษาเท่านั้น และไม่ควรถือเป็นคำแนะนำทางการเงินหรือกฎหมาย โปรดทำการศึกษาด้วยตนเองหรือปรึกษาผู้เชี่ยวชาญเมื่อเกี่ยวข้องกับสินทรัพย์คริปโต
ข่าวล่าสุด
แสดงข่าวทั้งหมด
ข่าวที่เกี่ยวข้อง
บทความวิจัยที่เกี่ยวข้อง
บทความการเรียนรู้ที่เกี่ยวข้อง