البديل: لماذا قمنا بقيادة الاستثمار في الزائدي

تم إعداده بواسطة: Golden Finance

ملاحظة: في 10 ديسمبر 2024، أعلن مشروع Crypto x AI Hyperbolic عن استكمال تمويل من السلسلة A بقيمة 12 مليون دولار، بقيادة Variant وPolychain Capital. جنبًا إلى جنب مع التمويل الأولي السابق لشركة Hyperbolic بقيمة 7 ملايين دولار بقيادة Polychain Capital وLightspeed Faction، بالإضافة إلى التمويل الأولي السابق، وصل إجمالي تمويل Hyperbolic إلى 20 مليون دولار.

ما هو الزائدي؟ يرجى الرجوع إلى التقرير السابق لشركة Golden Finance "فهم النجم الصاعد Crypto x AI الزائدي في مقال واحد."

وفي الوقت نفسه، نشرت شركة Variant مقالًا على موقعها الرسمي تشرح فيه سبب قيادتها للاستثمار في Hyperbolic. دعونا نتبع Variant لرؤية منطق استثمار Variant في القطع الزائد.

تميل التحولات في منصات الحوسبة إلى التطور في أزواج أو مجموعات، غالبًا مع ابتكارات الأجهزة والتطبيقات والتوزيع الجديدة التي تدفع بعضها البعض إلى الأمام. على سبيل المثال: أجهزة الكمبيوتر الشخصية، والإنترنت، وشبكة الويب العالمية. الأجهزة المحمولة والشبكات الاجتماعية والحوسبة السحابية.

نعتقد أن مزيجًا قويًا جديدًا يظهر عند تقاطع العملات المشفرة (التكنولوجيا) والذكاء الاصطناعي. ويتطلب الذكاء الاصطناعي تنسيقاً هائلاً بين وحدات معالجة الرسومات، في حين يستخدم التشفير الحوافز لتجميع الموارد. الذكاء الاصطناعي أمر احتمالي، في حين أن التشفير أمر حتمي. نعتقد أن التشفير يمكن أن يحل اثنتين من أكثر المشكلات إلحاحًا التي تواجه الذكاء الاصطناعي: التكلفة والثقة (خاصة تكلفة الثقة).

التكلفة والثقة

دعونا نشرح ذلك بالتفصيل:

التكلفة

إن تشغيل النماذج مكلف للغاية حاليًا. غالبًا ما يُعزى السبب الجذري إلى مشكلات العرض، حيث يؤدي اكتناز أكبر شركات التكنولوجيا إلى نقص وحدات معالجة الرسومات. ولكن هذا ليس هو الحال؛ فوحدات معالجة الرسومات متوفرة بكثرة في مراكز البيانات، ومزارع التعدين، وأجهزة الكمبيوتر، والأجهزة المحلية في جميع أنحاء العالم. وبدلاً من ذلك، تبدو وحدات معالجة الرسوميات نادرة لأن إمداداتها مجزأة وغير منسقة. إذن ما نواجهه حقًا هو مشكلة التنسيق في شبكة لا مركزية من بائعي وحدات معالجة الرسومات، مما يجعلها باهظة الثمن.

الثقة

تتمتع الشبكة اللامركزية لوحدات معالجة الرسومات بتكاليف أصلية أقل، ولكنها تجلب مشكلة جديدة: تكلفة الثقة. كيف يمكنك أن تثق في أن النموذج الذي تديره شبكة من الجهات الفاعلة المختلفة يعمل بشكل صحيح؟ كانت الحلول التقليدية في مجال العملات المشفرة تتمثل في جعل كل عقدة تؤدي نفس الحساب، وبالتالي إدخال حمل كبير، أو تقليل العبء الحسابي بالكامل.

ولكن بالنسبة لنماذج الذكاء الاصطناعي، فإن هذا لا ينجح لأن إجراء كل عقدة نفس الحساب يكون بطيئًا للغاية، كما أن تقليل حجم النموذج يقلل أيضًا من الجودة. لا شك أن هناك مشكلات تتعلق بالتحقق في البيئات المركزية أيضًا (على سبيل المثال، كيف تعرف ما إذا كان ChatGPT يمنحك GPT-4o أو GPT 3.5؟)، لكن سمعة OpenAI يمكن أن تدعم الثقة بتكلفة أقل، على الرغم من افتقارها إلى دقة التشفير. قد لا تكون إمكانية التحقق هذه مهمة عند السؤال عن وصفات ملفات تعريف الارتباط، ولكنها بالتأكيد مهمة عند السؤال عن وجود ورم خبيث في الصور الطبية. ومع تولي الذكاء الاصطناعي المزيد والمزيد من الوظائف المهمة في المجتمع، فإن تكلفة الثقة ستزداد. تعتبر شبكات التشفير خطوة للأمام في هذا الصدد، حيث يجب عليها حل مشكلة التحقق من أجل تقليل التكاليف.

هذا هو دور القطع الزائد.

ما هو القطع الزائد

القطع الزائد هو الحل الأول الذي رأيناه للمشاركين في وحدات معالجة الرسومات اللامركزية مشكلة التكلفة في الشبكات. أحد الابتكارات الرئيسية للفريق التي تجعل ذلك ممكنًا هو التعلم الآلي القائم على العينات والقابل للتحقق (spML). ويستخدم بروتوكول أخذ عينات عشوائيًا يسمى إثبات العينات لضمان إمكانية التحقق في شبكة لا مركزية من موفري GPU (بافتراض أن جميع الأطراف تتصرف بشكل عقلاني اقتصاديًا) مع الحفاظ على القدرة على تشغيل أكبر نماذج الذكاء الاصطناعي وأعلى جودة والتي تتطلب الكفاءة. يتيح Hyperbolic إمكانية تشغيل النماذج بشكل يمكن التحقق منه وبتكلفة أقل دون التضحية بالأداء أو الجودة.

يدعم رد فعل السوق المبكر هذا الأمر. Hyperbolic هي إحدى المنصات الوحيدة التي تستضيف النموذج الأساسي Llama 3.1 405B بتنسيق BF16، وهو نموذج كبير مفتوح المصدر بنفس جودة OpenAI. نموذج GPT-4o قابل للمقارنة، لكن تشغيل Llama 3.01 على Hyperbolic 405B أسوأ من استخدام GPT-4o الخاص بـ OpenAI النموذج أرخص 10 مرات. تؤكد عمليات التكامل مع منصات الذكاء الاصطناعي الرائدة مثل Hugging Face’s Gradio وOpenRouter وQuora’s Poe على التزام Hyperbolic بتقديم نماذج عالية الجودة إلى مجتمع الذكاء الاصطناعي. استخدم مطورو الذكاء الاصطناعي المشهورون مثل Andrej Karpathy Hyperbolic لتشغيل نماذج مفتوحة المصدر لأنه قادر على تشغيل نماذج ذات جودة أعلى، وأرخص، ويتمتع بتجربة مستخدم أفضل من المنتجات المنافسة.

لكن Hyperbolic أكثر من مجرد منافس قوي لـ Web2، الذي يرضي Web3 متطلبات التطبيق ستكون لا مثيل لها. في الوقت الحالي، تضطر تطبيقات Web3 إلى إجراء صفقة فاوستية عند دمج الذكاء الاصطناعي: من أجل الحصول على الأداء المطلوب، يجب أن تعتمد على مصدر مركزي لاستدلال الذكاء الاصطناعي، وهو ما يتعارض بشكل مباشر مع روح المشروع اللامركزية ويعيد طرح مشكلة أوراكل. ونظرًا لأن Hyperbolic ستوفر اللامركزية إلى جانب الأداء والجودة، فستكون تطبيقات Web3 قادرة على الاستفادة منها دون التضحية بأي من الطرفين.

نعتقد أن الفريق على حق في التركيز على إنشاء منتج تنافسي لجميع المستخدمين، وليس فقط مستخدمي Web3. يعد عرض وحدة معالجة الرسومات أمرًا مرتزقًا وسيتبع الطلب دون عوائق، لذلك من الضروري جذب الطلب أولاً لبناء الالتصاق اللازم. نتوقع أن يستمر الطلب على الاستدلال في جذب إمدادات وحدة معالجة الرسومات وتحقيق وفورات الحجم اللازمة للمنافسة في السوق على المدى الطويل. تشبيه أقل من مثالي لشرح ذلك هو ما تفعله أمازون مع AWS. ركزت أمازون في البداية على بناء الطلب على الحوسبة من خلال المنتجات التي أحبها المستخدمون (مثل سوقها)، وتوفير إمدادات الحوسبة اللازمة لدعم هذا الطلب، وفي نهاية المطاف تحقيق وفورات الحجم التي سمحت لها بإطلاق خدمات أمازون ويب (AWS) وبيعها بسعر أرخص من منافسيها. طرق أفضل لتقديم خدمات الحوسبة لأطراف ثالثة. بعد تحديد الطلب والعرض الأساسيين على شبكة Hyperbolic، نعتقد أن الفريق سيكون لديه القدرة على التوسع على جميع مستويات مجموعة الذكاء الاصطناعي، بما في ذلك التدريب ومصادر البيانات والمعالجة المسبقة.

الفريق المؤسس للقطع الزائد

القطع الزائد المؤسسون هم أقوى فريق واجهناه في هذا المجال، يتمتعون جميعًا بخبرة عميقة في مجال العملات المشفرة والذكاء الاصطناعي، مما يجعلهم في وضع فريد للتعامل مع سوق الحوسبة اللامركزية لنماذج الذكاء الاصطناعي الفريدة.

فيما يتعلق بالتشفير، الرئيس التنفيذي لشركة Hyperbolic والمؤسس المشارك جاسبر تشانغ هو خبير في الرياضيات التحقق من صحة الأنظمة الموزعة. جاسبر هو الفائز بأولمبياد الرياضيات عدة مرات وحصل على درجة الدكتوراه في الرياضيات من بيركلي في أقل من عامين (أسرع وقت في تاريخ المدرسة الذي أكمل (هذه الدكتوراه لمدة خمس سنوات)، كان سابقًا محللًا كميًا في Citadel وباحثًا في Ava Labs.

فيما يتعلق بالذكاء الاصطناعي، الرئيس التنفيذي للتكنولوجيا الزائدي والمؤسس المشارك يوشين جين هو خبير في التعلم الآلي والأنظمة الموزعة . حصل يوشين على منحة دراسية وطنية صينية مرموقة، وحصل على درجة الدكتوراه في علوم الكمبيوتر من جامعة واشنطن، ويدير فريقًا من المهندسين في OctoAI لبناء حلول تحسين لنماذج الذكاء الاصطناعي.

يسعدنا أن نعلن أننا قمنا اليوم بقيادة جولة التمويل من السلسلة A لشركة Hyperbolic. نحن متحمسون لدعم Jasper وYuchen وبقية فريق Hyperbolic في رحلتهم لجعل الذكاء الاصطناعي أكثر سهولة وقابلية للتحقق وانفتاحًا.