ソル・エコ・トリプル・ヘイロー：コイン・オファリングIOの分析

AIと暗号の特性の相補性

AIには3つの特性があります。paddingleft-2">

Humanoid Intelligence: AIはチューリング・テストに合格することができます（そして間もなく合格するでしょう）。align: left;">2023年10月30日、カリフォルニア大学サンディエゴ校の研究チームは、GPT-3.5とGPT-4.0に関するチューリング・テストの結果を発表しました（テストレポート）。GPT4.0のスコアは41%で、合格ラインの50%にわずか9%足りず、同じ項目の人間テストのスコアは63%でした。このチューリングテストの意味は、話している相手が実在の人物だと思う人が何パーセントいるかということだ。50％以上であれば、群衆の少なくとも半数の人が、話している相手は機械ではなく人間だと考えていることを意味し、チューリング・テストでは合格とみなされる。

AIが人間の生産性に新たな飛躍をもたらす一方で、AIのこれら3つの属性は、人間社会に大きな課題ももたらします。

• いかにしてAIのランダム性を検証し、制御するか、ランダム性が欠陥ではなく利点となるようにするか

• いかにしてAIが必要とする膨大なエネルギーと算数のギャップを満たすか

• 人間と機械を区別する方法

そして、暗号経済とブロックチェーン経済の特徴は、AIによってもたらされる課題を解決するためのちょうど良い薬になるかもしれません、暗号経済は以下の3つの特徴を持っています：

• 確実性：ブロックチェーン、コード、スマートコントラクトに基づいてビジネスが実行され、ルールと境界が明確で、どのような入力がどのような結果につながるのか、高度に決定論的

• 効率的な資源配分：暗号経済は巨大なグローバル自由市場を構築し、そこで資源は非常に迅速に価格付けされ、調達され、流れ、トークンの存在により、需要と供給を一致させるインセンティブを通じて市場を加速させることができ、転換点への到着を加速させる

• トラストフリー：台帳はオープンで、コードはオープンソースであり、誰もが簡単に検証できる。コードはオープンソースであり、誰もが簡単に検証可能であるため、「信頼のない」システムにつながる一方、ZKテクノロジーは検証に伴うプライバシーの暴露を避けることができる

次に、3つの例で説明する。AIと暗号経済の補完的性質。

例A：ランダム性の解決、暗号経済に基づくAIエージェント

AIエージェントは、人間の意志に基づいて人間の代わりに仕事を遂行する責任を負うAIプログラムです（代表的なプロジェクトは以下の通りです）。Fetch.AIなど）。AI Agentに、「1000ドルのBTCを買う」といった金融取引を処理させたいとしましょう。

シナリオ1では、伝統的な金融機関（BlackRockなど）とインターフェイスして、BTC ETFを買うことになります。BTC ETFですが、ここではKYC、プロファイル審査、ログイン、認証など、AIエージェントと中央集権的な機関の間で多くの適応問題に直面し、今のところまだ非常に面倒です。

シナリオ2、それはネイティブの暗号経済に基づいており、状況ははるかにシンプルになります、それはユニスワップまたは特定の集約された取引プラットフォームを介して、直接あなたのアカウントの署名、トランザクションを完了するための注文、WBTC（またはBTCの他のカプセル化された形式）を受信するために、プロセス全体が高速かつ簡単です。実際には、これはすべての種類のトレーディングBOTがやっていることです、彼らは実際にプライマリAIエージェントの役割を果たしているが、仕事は取引のみに焦点を当てています。将来的には、AIの統合と進化に伴い、様々な種類の取引ボットは、より複雑な取引意図を実行できるようになります。例えば：チェーン上の100のスマート・マネー・アドレスを追跡し、その取引戦略と成功率を分析し、自分のアドレスの資金の10%を使って1週間で同様の取引を実行し、効果がないとわかった時点で停止し、失敗の考えられる理由をまとめる。

AIがブロックチェーンのシステムではるかにうまく機能するのは、基本的に暗号経済のルールが明確で、システムへのアクセスがパーミッションレスであるためだ。限定されたルールの下でタスクを実行することで、AIのランダム性も潜在的なリスクを少なくする。例えば、AIがチェスのトーナメントやビデオゲームで人間の成績を圧倒したのは、チェスやゲームが明確なルールのあるクローズドなサンドボックスだからだ。また、オープンな外部環境の課題が大きく、問題に対するAIのアプローチのランダム性を許容するのが難しいため、自律走行におけるAIの進歩は相対的に遅くなるだろう。

例B：リソースの形成、トークンのインセンティブによる集約

BTCを支える世界的な演算ネットワークは、現在の総演算量（ハッシュレート：576.70EH/s）で、どの国のスーパーコンピューターの演算量も合計したものを上回っている。のスーパーコンピューターの演算能力の合計を上回っている。その開発は、シンプルで公平なネットワーク・インセンティブによって推進されている。

これに加えて、Mobileを含むDePINプロジェクトは、供給側と需要側の両方で二国間市場を形成するトークンインセンティブを通じてネットワーク効果を実現しようとしています。この記事の次の焦点であるIO.NETは、AI演算を集約するために設計されたプラットフォームであり、トークン・モデルを通じてより多くのAI演算の可能性を喚起することを期待している。

例C：オープンソース・コード、ZKを導入し、プライバシーを保護しながら人間と機械を識別する

OpenAIの創設者サム・アルトマンが関与するWeb3プロジェクトとして、Worldcoinは、Orbというハードウェア・デバイスを通じて、ZKを導入しています。Orbは、ZK技術を通じて人の虹彩バイオメトリクスに基づく排他的で匿名なハッシュを生成するハードウェア・デバイスで、身元を認証し、人間と機械を区別します。今年3月、Web3のアートプロジェクト「Drip」は、WorldcoinのIDを使って実際のユーザーを認証し、報酬を与え始めた。

また、ワールドコインは最近、虹彩ハードウェアのプログラムコードをオープンソース化した。のプログラムコードをオープンソース化し、ユーザーの生体認証のセキュリティとプライバシーに関する保証を提供しました。

全体として、暗号経済学は、コードと暗号の決定論、ライセンスとトークンの不在により、リソースのフローに利点をもたらします。リソースのフローと収集の利点をもたらすライセンスとトークンのメカニズムがないこと、そしてオープンソースコードベースの公開台帳の非信頼特性により、暗号経済は、人間社会が直面するAIの課題に対する重要な潜在的解決策となっています。

そして、最も差し迫った、商業的に必要な課題の1つは、演算リソースに対するAI製品の極端な飢餓と、チップと演算にまつわる巨大な需要です。

これはまた、今回の強気市場サイクルで、分散型演算プロジェクトの上昇がAIトラック全体のトップに立った主な理由でもあります。

分散コンピューティングのビジネス上の必要性

AIは、モデルの学習にも推論にも、多くのコンピューティングリソースを必要とします。を必要とします。

そして、大規模な言語モデルのトレーニングの実践において、1つの事実が確認されています：データパラメーターのサイズさえ十分に大きければ、大規模な言語モデルは、以前にはなかった能力を持つようになります。各GPT世代の能力が前の世代と比べて指数関数的に飛躍する背景には、モデル学習に使用される計算量の指数関数的な増加があります。

DeepMindとスタンフォード大学の研究によると、異なる大きな言語モデルは、異なるタスク（算数、ペルシャ語のクイズ、自然言語理解など）に直面した場合、モデル学習中のモデルパラメータ（およびそれに対応して学習に使用される計算量）を単純にスケールアップして、以下のようになることが示されています。10^22FLOPs（FLOPsは1秒あたりの浮動小数点演算の数で、計算性能の尺度として使用されます）以下にスケールアップするだけで、どのタスクの性能もランダムな回答を与えるのとほぼ同じになります。パラメータスケールがその閾値を超えると、言語モデルに関係なく、タスクの性能は劇的に向上します。

Source:Emergent Abilities of Large Language Models

それは、「言語モデル」です。align: left;">OpenAIの創設者であるサム・アルトマンが、現在のTSMC（1.5兆ドルかかると予想されている）の10倍の規模の先進的なチップ工場を建設するために7兆ドルを調達し、残りの資金をチップ生産に使うことを提案したのも、算数における「奇跡」の法則と実践である。そして、残りの資金をチップ生産とモデルトレーニングに使う。

AIモデルの訓練に必要な演算能力に加え、モデルについての推論プロセス自体にも（訓練に必要な計算量に比べれば少ないとはいえ）多くの演算能力が必要とされるため、チップと演算能力に飢えることは、AIトラックの参加者にとって当たり前のことになっている。

アマゾン・ウェブ・サービス、グーグル・クラウド・プラットフォーム、マイクロソフトのアジュールなどの集中型AI演算プロバイダーとは対照的な、分散型AIコンピューティングの主な価値提案には、次のようなものがあります。paddingleft-2">

化石エネルギーが産業時代の血液だとすれば、算術はAIが切り開く新たなデジタル時代の血液かもしれず、算術の供給はAI時代のインフラになるだろう。Web3時代にステーブルコインが不換紙幣の相棒として隆盛を極めたように、分散型算術市場は急成長するAI算術市場の相棒となるのだろうか。

これはまだかなり初期の市場であるため、すべてはまだわからない。

• GPUの需給が引き続き逼迫していること。

• 規制の拡大。大規模なクラウド演算プラットフォームからAI演算サービスにアクセスしたい人は、KYCと何重もの精査を受けなければなりません。これは逆に、特に制限や制裁を受ける地域で、分散型演算プラットフォームの採用につながる可能性がある。

• トークン価格の刺激。強気サイクル中のトークン価格の上昇は、GPUの供給側に対するプラットフォームの補助金の価値を高め、その結果、市場により多くの供給側の参入者を引き付け、市場規模を拡大し、消費者の実際の購入価格を引き下げます。

しかし同時に、分散演算プラットフォームの課題は非常に明白です。

• 作業検証問題：ディープラーニングモデルの計算では、階層構造のため、各層の出力が使用されます。そのため、計算の妥当性を検証するには、以前の作業をすべて実行する必要があり、単純かつ効率的に検証することはできません。この問題に対処するため、分散コンピューティング・プラットフォームでは、新しいアルゴリズムを開発するか、絶対的な確実性ではなく、結果の正しさを確率的に保証する近似的な検証技術を使用する必要がある。

• 並列化の難題：分散コンピューティング・プラットフォームは、チップの長尾供給量に収束するため、個々のデバイスはより限られた量の演算を提供することになります。並列化によってタスクを分解し、タスクを割り当てることで総完成時間を短縮する必要がある。並列化には、タスクをどのように分解するか（特に複雑な深層学習タスク）、データの依存性、デバイス間の通信コストの追加といった一連の問題にどうしても直面する。

• プライバシー保護の問題：購入者のデータ、およびモデルがタスクの受信者に公開されないようにするには？

• 分散コンピューティング・プラットフォームは、一方では、その供給と調達の二者間市場の非ライセンスの性質により、セールスポイントとして一部の顧客を引き付けるかもしれません。一方では、AI規制基準の改善に伴い、政府による統合の対象となる可能性もある。加えて、GPUの一部のサプライヤーは、貸し出した演算リソースが認可された企業や個人に提供されているかどうかについても懸念しているでしょう。

一般的に、分散コンピューティング・プラットフォームの消費者は、プロの開発者や中小規模の組織がほとんどであり、暗号通貨やNFTを購入する暗号投資家とは異なり、こうしたタイプのユーザーは、プロトコルが提供できるサービスの安定性や継続性に対してより高い要求を持っています。価格は必ずしも彼らの意思決定の主な動機ではない。今のところ、分散コンピューティング・プラットフォームがこうしたユーザーに受け入れられるには、まだ長い道のりがある。

次に、現在のサイクルにおける新しい分散コンピューティングプロジェクトであるIO.NETのプロジェクト情報を整理・分析し、市場におけるAIプロジェクトと同トラックの分散コンピューティングプロジェクトに基づいて、上場後に可能な評価水準を算出する。

2.分散型AIコンピューティングプラットフォーム：IO.NET

2.1プロジェクトの位置づけ

IO.NETは以下の通りです。チップを中心とした二国間市場を構築する分散型コンピューティング・ネットワーク。供給側は世界中に分散するチップ（GPUを中心に、CPUやAppleのiGPUなど）のコンピューティング・パワーであり、需要側はAIモデルのトレーニングや推論タスクをこなしたいAIエンジニアである。

IO.NETの公式サイトには、次のように書かれています：

Ourミッション

DePIN に100万GPUを集める。-

彼らの使命は、何百万ものGPUを統合することです。その使命は、何百万ものGPUをDePINネットワークに統合することです。

既存のクラウドAI演算プロバイダーと比較して、同社が対外的に強調している主なセールスポイントは次のとおりです：

• 柔軟な組み合わせ：AIエンジニアは、演算タスクを達成するための「クラスタ」を形成するために必要なチップを自由に選ぶことができます

• 迅速な展開：何週間もの承認や待ち時間は必要ありません（現在のところ。現在のAWSのような集中型ベンダーのように）何週間もの承認や待ち時間が必要なく、デプロイは数十秒で完了し、タスクを開始することができます

• 低コストのサービス：サービスのコストは、主流のベンダーに比べて最大90％低くなっています

さらに、IO.NETは将来的にAIモデルショップなどのサービスを開始する予定です。

2.2製品の仕組みとビジネスデータ

製品の仕組みと展開経験

IOクラウドの基本的なビジネスモジュールはクラスターと呼ばれるもので、コンピューティングタスクを自己調整できるGPUのグループであり、AIエンジニアはニーズに応じて必要なクラスターをカスタマイズできる。

IO.NETの製品インターフェースは非常にユーザーフレンドリーなので、AIコンピューティングタスクのために独自のチップのクラスタを展開したい場合は、クラスタの製品ページにアクセスすることで、オンデマンドでクラスタの設定を開始できます。



最初にミッションシナリオを選択する必要があります。

1. 一般：より一般的な環境を提供し、特定のリソース要件が不明な初期のプロジェクトフェーズに適しています。

2. Train：機械学習モデルのトレーニングと微調整用に設計されたクラスターです。このオプションでは、より多くのGPUリソース、より大容量のメモリ、および/またはより高速なネットワーク接続を提供し、これらの強力な計算タスクを処理できます。

3. 推論：低レイテンシーの推論と重いワークロード用に設計されたクラスタ。機械学習のコンテキストでは、推論とは、学習済みモデルを使用して予測を行ったり、新しいデータを分析してフィードバックを提供したりすることを指します。その結果、このオプションは、リアルタイムまたはリアルタイムに近いデータ処理要件をサポートしやすくするために、レイテンシーとスループットを最適化することに重点を置きます。

次に、チップクラスタの供給側を選択する必要があります。現在、IO.NETはRender NetworkおよびFilecoinのマイナーネットワークとパートナーシップを結んでいるため、ユーザーはIO.NETまたは他の2つのネットワークのチップのいずれかを自分のIO.NETまたは他の2つのネットワークは、自身のコンピュートクラスタのプロバイダーとして、IO.NETがアグリゲーターの役割を果たしていることに相当する（ただし、この記事を書いている時点では、Fileconのサービスは一時的にオフラインになっている）。このページによると、IO.NETは現在200,000以上のGPUをオンラインで利用可能であり、Render Networkは3,700以上のGPUを利用可能であることは注目に値する。

次のステップは、クラスタのチップのハードウェアを選択することですが、IO.NETは現在、利用可能なGPUのみをリストアップしており、CPUやAppleのiGPU (M1、M2など) はリストアップされていません。



利用可能なGPUハードウェアオプションの公式リストでは、私がテストした日のデータによると、IO.NETネットワークでオンラインで利用可能なGPUの総数は206,001です。最も入手可能なのはGeForce RTX 4090 (45,250枚)、次いでGeForce RTX 3090 Ti (30,779枚)でした。

さらに、機械学習、深層学習、科学的コンピューティングなどのAIコンピューティングタスクをより効率的に処理するA100-SXM4-80GBチップ（市場価格15,000ドル以上）は、オンライン上で7,965枚となっています。



そして、このような事態が発生しました。align: left;">また、ハードウェア設計の最初からAI専用に設計されたNVIDIAのH100 80GB HBM3カード（販売価格は4万ドル以上）は、A100の3.3倍のトレーニング性能と4.5倍の推論性能を持ち、実際のオンライン数は86です。



クラスターのハードウェアタイプを選択した後、ユーザーはクラスターの地域、通信速度、レンタルするGPUの数、時間帯などのパラメーターも選択する必要があります。

最後に、IO.NETは、著者のクラスタ構成を例として、組み合わせた選択肢に基づく請求書を提供します:

• 一般的なタスクのシナリオ

• 16個のA100-SXM4-80GBチップ

• 最大接続速度("text-align: left;">この場合の請求総額は3311.6$、カード1枚の時間単価は1.232$

  

  また、A100-SXM4-80GBは、Amazonクラウド、Googleクラウド、Microsoft Azureで、それぞれカード1枚あたりの時間単価が5.12ドル、5.07ドル、3.67ドルとなっています（データソース：https://cloud-gpus.com/、実際の価格は契約詳細条件により異なります。）(実際の価格は契約詳細の条件に基づいて変更される場合があります）。

  つまり、価格だけを見れば、IO.NETのチップパワーは主流のベンダーよりも実にかなり安く、供給構成と調達は非常に柔軟で、簡単に始めることができます。

  Business

  Supply Side

  公式データによると、今年4月4日現在、IO.NETはプロビジョニング側で371,027個のGPUと42,321個のCPUを供給している。加えて、そのパートナーであるRender Networkは、さらに9,997個のGPUと776個のCPUをネットワークの供給にアクセスさせています。

  

  記事執筆時点で、IO.NETがアクセスしたGPUの総数のうち214387個がオンラインであり、オンライン率は57.8パーセントでした。Render NetworkのGPUは45.1パーセントでオンラインでした。

  これらの供給側の数字は何を意味するのでしょうか？

  比較のために、オンラインになってからずっと長い、もうひとつのベテラン分散コンピューティング・プロジェクトであるAkash Networkを入れてみましょう。

  アカシ・ネットワークは2020年にメインネットワークで稼働を開始し、当初はCPUとストレージの分散サービスに注力していました。2023年6月にはGPUサービスのテストネットワークを立ち上げ、同年9月にはGPU分散演算のメインネットワークで稼働を開始しました。

  

  Akashの公式データによると、GPUアクセス総数は、継続的な成長にもかかわらず、発売以来、GPUネットワークの供給側ではわずか365にとどまっています。

  GPU供給に関しては、IO.

  需要側のシナリオ

  

  しかし、需要側から見ると、IO.NETはまだ市場開拓の初期段階にあり、IO.NETを使って実際に実行されている計算タスクの総数は、現在のところ少ない。オンライン上のGPUのほとんどはタスク負荷が0％で、A100 PCIe 80GB K8S、RTX A6000 K8S、RTX A4000 K8S、H100 80GB HBM3の4チップだけがタスクを処理している。また、A100 PCIe 80GB K8Sを除き、3つのチップの負荷はすべて20%未満です。

  また、この日の公式発表されたネットワークストレス値は0%であり、これはチップ供給のほとんどがオンラインスタンバイ状態であったことを意味します。

  また、ネットワーク費用の規模を見ると、IO.NETのサービスには586,029ドルがかかり、最終日には3,200ドルがかかりました。

  

  上記のネットワーク決済手数料の規模は、合計でも1日の量でもAkashと同じオーダーであるが、Akashのネットワーク収益のほとんどはCPU部分からもたらされ、Akashは2万以上のCPUを供給している。

  

  また、IO.NETは、ネットワークが処理したAI推論タスクに関するビジネスデータを開示し、今日現在、IO.IO.NETは現在までに23万以上の推論タスクを処理・検証しているが、この量の多くはIO.NETがスポンサーとなっているプロジェクトBC8.AIによって生成されたものである。

  

  これまでのビジネスデータでは、IO.NETの供給サイドの拡大は順調で、エアドロップへの期待や「Ignition」とコードネームで呼ばれるコミュニティ活動が後押ししている。IO.NETの供給サイドの拡大は順調で、エアドロップへの期待と「Ignition」のコードネームで呼ばれるコミュニティ活動に刺激され、大量のAIチップのコンピューティングパワーを迅速に集めることができた。一方、需要側の拡大はまだ初期段階にあり、有機的な需要はまだ不十分だ。現在の需要側の拡大が進まないのは、消費者側がまだ着手していないためなのか、それとも現在のサービス体験がまだ不安定であるため大規模な普及が進まないためなのか、この点はまだ見極める必要がある。

  しかし、AI演算のギャップが短期的には埋めにくいことを考慮すると、代替案を探しているAIエンジニアやプロジェクトが多数存在し、分散型サービス・プロバイダーに興味を持っている可能性があり、IO.NETがまだ需要側の経済や活動の活性化、製品体験の段階的な強化を行っていないことと相まって、その後の需給の緩やかなマッチングが待たれるところだ。

  2.3チームの背景と資金調達

  チームのプロフィール

  IO.NETのコアチームは、2000年に設立されました。.NETのコアチームは、定量取引のビジネスで設立され、2022年6月まで、株式と暗号資産の機関投資家グレードの定量取引システムの開発に注力していました。システムのバックエンドに計算能力が必要なため、チームは分散型コンピューティングの可能性を模索し始め、最終的にはGPU演算サービスのコスト削減という特定の問題に焦点を当てた。

  Founder & CEO: Ahmad Shadid

  Ahmad Shadidは、IOの前に定量的および金融工学に従事していた。ファンドボランティア。

  CMO& Chief Strategy Officer: Garrison Yang

  ギャリソン・ヤンはAvalancheの戦略・成長担当副社長を卒業後、今年3月にIO.NETに入社した。それ以前はAvalancheの戦略・成長担当副社長を務め、カリフォルニア大学サンタバーバラ校を卒業しています。

  COO：トリー・グリーン

  トリー・グリーンはio.netのCOOであり、以前はHum CapitalのCOO、Fox Mobile Groupの企業開発・戦略担当ディレクターを務め、カリフォルニア大学サンタバーバラ校を卒業しています。トリー・グリーンはio.netの最高執行責任者（COO）で、以前はHum Capitalの最高執行責任者（COO）、Fox Mobile Groupの企業開発・戦略担当ディレクターでした。

  IO.NETのリンクトイン・プロフィールによると、チームはニューヨークに本部を置き、サンフランシスコに支社があり、現在50人以上が働いている。

  資金調達

  IO.NETがこれまでに公表した資金調達ラウンドは1回のみで、それは今年3月に完了した10億ドル相当のシリーズAラウンドであり、合計3000万ドルを調達した。.NETは、Hack VCが主導し、他にMulticoin Capital、Delphi Digital、Foresight Ventures、Animoca Brands、Continue Capital、Solana Ventures、Aptos、LongHashVentures, OKX Ventures, Amber Group, SevenX Ventures, ArkStream Capitalなどが参加している。

  アプトス財団から投資を受けたためか、もともとソラナで決済記帳を行っていたBC8.AIプロジェクトが、同じ高性能のL1アプトスに切り替えて行っていることは言うまでもない。

  2.4評価予想

  前創設者兼CEOのAhmad Shadid氏によると、IO.NETは4月下旬にトークンをローンチする予定です。

  IO.NETには、評価の参考となる2つの基礎プロジェクトがあります：Render NetworkとAkash Networkで、どちらも代表的な分散コンピューティングプロジェクトです。

  IO.NETの時価総額の範囲は、次の2つの方法で導き出すことができます：1.時価総額/売上高比率、2.時価総額/ネットワークチップ数比率。

  まず、売上高株価比率に基づく評価額の導出を見てみましょう:

  

  株価売上高比率の観点から、AkashはIO.NETの評価レンジの下限として使用でき、Renderは評価レンジの上限の価格参照として機能し、FDVレンジは16.7億ドルから59.3億ドルとなっている。億ドルである。

  しかし、IO.NETがより新しいプロジェクトで、よりホットな物語があり、初期の時価総額が小さく、現在では供給側の規模が大きくなっていることを考えると、そのFDVがRenderを上回る可能性は低くないでしょう。

  別の評価比較、「価格対コア」比率を見てみましょう。

  AI演算が供給を凌駕しようとしている市場の文脈では、分散型AI演算ネットワークの最も重要な要素はGPU供給側の規模であるため、「市場対コア比」という観点から「」を使って水平比較することができます。したがって、「市場対コア比」を使って横並びで比較し、「ネットワークのチップ数に対するプロジェクトの総市場価値の比率」を使って、IO.NETの評価可能範囲を推論することができ、読者が市場価値の参考として使うことができる。

  

  IO.NETの時価総額範囲を市場対コア比で予測すると、IO.NETのFDV範囲は、Render Networkの市場対コア比を上限とし、Akash Networkを下限として、206億ドルから1,975億ドルとなる。

  IO.NETプロジェクトに強気な読者は、これを極めて楽観的な時価総額予想と考えるのではないでしょうか。

  また、IO.NETの膨大なチップ数は、現在、エアドロップの期待とインセンティブによって煽られていること、そして、プロジェクトが始動したときの供給側のオンラインチップの実際の数はまだわからないことを考慮する必要があります。

  したがって、全体として、価格対売上高の観点からの評価は、より有益かもしれません。

  AI+DePIN+Solanaのトリプルエコシステムを持つIO.NETが、ローンチ後の時価総額の面でどのようなパフォーマンスを見せるか見てみたい。

  3.参考資料

  • デフィ・デジタル：The Real Merge

  • ギャラクシー：暗号とAIの交差点を理解する