Le previsioni di VanEck sui ricavi delle Crypto AI entro il 2030

Vediamo gli scenari dei ricavi delle Crypto AI entro il 2030, evidenziando un caso avente un valore pari a 10,2 miliardi di dollari. Sottolineiamo poi il ruolo cruciale delle blockchain pubbliche nel guidare l'adozione dell'AI con caratteristiche essenziali.

Si noti che VanEck può detenere posizioni negli asset digitali descritti di seguito.

I punti da ricordare:

• Secondo le proiezioni, nel nostro scenario di base, i ricavi delle Crypto AI raggiungeranno 10,2 miliardi di dollari entro il 2030
• La tecnologia blockchain potrebbe diventare un fattore determinante per l'adozione dell'intelligenza artificiale e per i progressi delle soluzioni di intelligenza artificiale decentralizzate.
• L'integrazione con gli incentivi crittografici può migliorare la sicurezza e l'efficienza dei modelli di intelligenza artificiale
• La blockchain potrebbe affermarsi come soluzione per la verifica dell'identità dell'intelligenza artificiale e per le sfide relative all'integrità dei dati

Vi è una possibilità notevole che le blockchain pubbliche siano la chiave per sbloccare l'adozione diffusa dell'intelligenza artificiale (IA) e che le applicazioni di IA siano la ragion d'essere delle criptovalute. Questo perché la criptovaluta fornisce importanti elementi fondamentali di cui l'IA ha bisogno, come trasparenza, immutabilità, proprietà della titolarità chiaramente definite e un ambiente di test adeguato. Riteniamo che queste proprietà si riveleranno fondamentali per consentire all'IA di raggiungere il suo pieno potenziale. In base alle stime di crescita dell'IA, riteniamo che i progetti di criptovaluta incentrati sull'IA raccoglieranno 10,2 miliardi di dollari di ricavi annuali entro il 2030. In questo articolo ipotizziamo il ruolo delle criptovalute nel facilitare l'adozione dell'IA e vediamo quale valore le criptovalute possono trarre dalle attività di IA:

Riteniamo che le migliori applicazioni della criptovaluta all'IA siano:

• Fornitura di risorse di calcolo decentralizzate
• Test, messa a punto e verifica del modello
• Protezione del copyright e integrità dei dati
• Sicurezza dell'intelligenza artificiale
• Identità

La criptovaluta sarà straordinariamente utile all'IA perché sta già risolvendo molte delle sfide attuali e future che l'IA deve affrontare. La criptovaluta è in grado di risolvere i problemi di coordinamento. La criptovaluta unisce persone, risorse di calcolo e risorse monetarie per eseguire software open-source. Ciò avviene offrendo ricompense, sotto forma di gettoni legati al valore di ciascuna rete, a coloro che creano, sostengono e utilizzano la rete di ciascuna blockchain. Questo sistema di ricompensa può essere applicato per avviare diversi componenti dello stack di valore dell'IA. Un'implicazione significativa dell'integrazione delle criptovalute con l'IA consiste nello sfruttare gli incentivi delle criptovalute per sviluppare infrastrutture fisiche essenziali, come i cluster di GPU, dedicati all'addestramento, alla messa a punto e all'utilizzo di modelli generativi. Poiché l'ambiente delle criptovalute è competitivo e impiega le criptovalute per premiare il comportamento desiderato dagli utenti, tale ambiente rappresenta il contesto ottimale per testare e mettere a punto i modelli di IA al fine di ottimizzare un output conforme a determinati standard di qualità.

Le blockchain portano anche trasparenza nei diritti di proprietà digitale, il che potrebbe aiutare a risolvere alcuni dei problemi del software open-source che l'IA dovrà affrontare nei tribunali, già noti nella causa del NYTimes contro OpenAI e Microsoft. In particolare, le criptovalute possono dimostrare in modo trasparente la proprietà e la protezione del copyright per i proprietari dei dati, i costruttori di modelli e gli utenti dei modelli. Questa trasparenza si estenderà anche alla pubblicazione di prove matematiche dell'efficacia del modello su blockchain pubbliche. Infine, grazie alle firme digitali non falsificabili e all'integrità dei dati, riteniamo che le blockchain pubbliche contribuiranno a risolvere i problemi di identificazione e sicurezza che altrimenti bloccherebbero l'efficacia dell'IA.

Definire il ruolo delle criptovalute nelle società di intelligenza artificiale

Proiezione dei ricavi delle Crypto AI entro il 2030: Scenari orso, neutrale e toro

Dimensioni del mercato TAM (M$)	Orso	Neutrale	Toro
Guadagni di produttività dell'intelligenza artificiale generativa entro il 2030 (TAM)	$2,930	$5,851	$8,494
Adozione dell'intelligenza artificiale da parte delle aziende entro il 2030	10.00%	33.00%	50.00%
Attività relativa al TAM dell'intelligenza artificiale	$293	$1,931	$4,247
Acquisizione del valore dello stack dell'intelligenza artificiale	6.00%	13.00%	20.00%
Spesa totale per l'intelligenza artificiale nelle aziende	$17.58	$251.00	$849.44
Quota dello stack dell'intelligenza artificiale (M$)	Orso	Valuta di	Toro
Software	50.00%	50.00%	50.00%
Infrastruttura AI come servizio	18.90%	18.90%	18.90%
Identità	3.50%	3.50%	3.50%
Sicurezza	8.90%	8.90%	8.90%
Ricavi annuali dello stack dell'intelligenza artificiale (M$)	Orso	Neutrale	Toro
Software	$8.79	$125.50	$424.72
Infrastruttura AI come servizio	$3.32	$47.44	$160.54
Identità	$0.62	$8.78	$29.73
Sicurezza	$1.56	$22.34	$75.60
Quota di mercato delle criptovalute	Orso	Valuta di	Toro
Software	2.50%	5.00%	7.50%
IaaS	2.00%	4.00%	6.00%
Identità	5.00%	10.00%	15.00%
Sicurezza	2.50%	5.00%	7.50%
Ricavi delle Crypto AI (M$)	Orso	Valuta di	Toro
Software	$0.22	$6.27	$31.85
IaaS	$0.07	$1.90	$9.63
Identità	$0.03	$0.88	$4.46
Sicurezza	$0.04	$1.12	$5.67
Ricavi totali delle Crypto AI entro il 2030	$0.36	$10.17	$51.62

Fonti: Morgan Stanley, Bloomberg Intelligence, VanEck Research al 29/2/2024. Le performance passate non sono garanzia di risultati futuri. Le informazioni, gli scenari di valutazione e gli obiettivi di prezzo presentati in questo blog non sono da intendersi come consulenza finanziaria, né come invito all'operatività, né come raccomandazione all'acquisto o alla vendita, né come proiezione dell'andamento futuro delle aziende di IA. I risultati futuri effettivi non sono noti e potrebbero differire in modo significativo dai risultati ipotetici qui illustrati. Possono esserci rischi oppure altri fattori non considerati negli scenari qui descritti che possono ostacolare la performance. Questi sono solo i risultati di una simulazione basata sulla nostra ricerca e hanno uno scopo puramente illustrativo. Ti invitiamo a condurre le tue ricerche e a trarre le tue conclusioni.

Per prevedere il mercato delle Crypto IA, stimiamo innanzitutto il mercato totale indirizzabile (TAM) dei guadagni di produttività commerciale consentiti dall'IA e la nostra base di riferimento per questa cifra deriva dalle ipotesi di McKinsey relative al 2022. Applichiamo quindi le ipotesi di crescita economica e della produttività alle cifre di McKinsey per trovare un TAM di base, per l'anno 2030, pari a 5,85T$. In questo caso di base ipotizziamo che gli aumenti di produttività dell'IA siano superiori del 50% alla crescita del PIL e che il PIL cresca del 3%. Proiettiamo quindi la penetrazione di mercato dell'IA nelle aziende globali, pari al 33% nello scenario di base, e la applichiamo al nostro TAM iniziale per raggiungere una stima di 1,93T$ di guadagni di produttività per le aziende grazie all'IA. Per arrivare ai ricavi di tutte le imprese di IA, ipotizziamo che il 13% di questi aumenti di produttività sia catturato dalle imprese di IA (o speso dai consumatori aziendali) come ricavi. Il tasso di assorbimento dei ricavi dell'IA è stato calcolato applicando la quota media di ricavi del costo del lavoro delle imprese dell'indice S&P 500 e ipotizzando che le spese per l'IA siano simili. La parte successiva della nostra analisi applica le previsioni della distribuzione dello stack di valore dell'IA di Bloomberg Intelligence per arrivare alle stime dei ricavi annuali di ciascuna coorte di aziende di IA. Infine, applichiamo stime specifiche della quota di mercato delle criptovalute di ciascuna di queste aziende di IA per arrivare alla cifra finale di ciascun caso e di ciascun mercato.

Ipotizziamo un futuro nel quale i modelli di IA decentralizzati costruiti sulla base di archivi pubblici open-source vengano sfruttati per ogni caso d'uso immaginabile. E in molti casi, questi modelli open-source superano le creazioni di IA centralizzate. La base di questa supposizione deriva dal presupposto che le comunità open-source riuniscono hobbisti e appassionati la cui unica motivazione è quella di migliorare le cose. Abbiamo già visto progetti internet open source mandare in frantumi le aziende tradizionali. I migliori esempi di questo fenomeno sono Wikipedia, che ha di fatto posto fine al business delle enciclopedie commerciali, e Twitter, che ha sconvolto le testate giornalistiche. Queste comunità open-source hanno successo laddove le aziende tradizionali falliscono perché i gruppi open-source coordinano e motivano le persone a fornire valore attraverso una combinazione di peso sociale, ideologia e unità del gruppo. In breve, queste comunità open-source hanno successo perché i loro membri ci tengono.

L'integrazione di modelli di IA open-source con gli incentivi delle criptovalute espande l'influenza di queste comunità emergenti, dotandole di capacità finanziarie per creare l'infrastruttura necessaria ad attrarre nuovi partecipanti. Applicare questa premessa all'IA sarà un'affascinante combinazione di passione e risorse economiche. I modelli di IA saranno sottoposti a test in competizioni incentivizzate con criptovalute, creando un panorama in cui la valutazione dei modelli diventa un punto di riferimento. In questo ambiente, i modelli e i criteri di valutazione più efficaci emergono con successo, poiché il valore di ciascun modello è esplicitamente quantificato. Di conseguenza, nel nostro scenario di base prevediamo che i modelli di IA prodotti dalla blockchain rappresenteranno il 5% di tutti i ricavi del software di IA. Questa stima comprende hardware, software, servizi, pubblicità, giochi e altro ancora, e riflette la trasformazione del modo di operare di molte aziende. Prevediamo che i ricavi totali del software di IA saranno circa la metà di tutti i ricavi dell'IA, ovvero circa 125,50 miliardi di dollari. La quota di mercato del 5% che ci aspettiamo per i modelli open-source corrisponde quindi a 6,27 miliardi di dollari di ricavi per i modelli di IA basati sui token delle criptovalute.

Secondo le nostre proiezioni, il TAM per la fornitura delle funzioni di calcolo o dell'infrastruttura di IA come servizio per la messa a punto, l'addestramento e l'inferenza potrebbe raggiungere i 47,44 miliardi di dollari entro il 2030. Poiché l'adozione diffusa porta l'intelligenza artificiale a diventare parte integrante di molte funzioni dell'economia mondiale, la fornitura di calcolo e storage può essere considerata un servizio di pubblica utilità al pari della generazione e della distribuzione di energia. In questa dinamica, la stragrande maggioranza del "carico di base" proverrà dai grandi operatori basati su cloud e GPU come Amazon e Google e la loro quota di mercato si avvicinerà a una distribuzione di Pareto dell'80%. Vediamo un'infrastruttura di server back-end ripartita su blockchain che soddisfa esigenze specializzate e agisce come fornitore "di picco" durante l'alta domanda di rete. Per i produttori di modelli di IA su misura, i fornitori di storage e calcolo crittografico offrono vantaggi quali la fornitura di servizi on-demand, periodi di lock-in SLA più brevi, ambienti di calcolo più personalizzati e una maggiore sensibilità alla latenza. Inoltre, le GPU decentralizzate possono integrarsi perfettamente con i modelli di IA decentralizzati all'interno degli smart contract, consentendo casi d'uso senza permessi in cui gli agenti di IA scalano le proprie esigenze di calcolo. Considerando le GPU fornite da blockchain come l'equivalente di Uber/Lyft dell'infrastruttura di calcolo dell'IA, riteniamo che l'elaborazione e lo storage forniti da blockchain cattureranno il 20% del mercato non hyperscaler dell'infrastruttura di IA, generando potenzialmente un fatturato di 1,90 miliardi di dollari entro il 2030.

La definizione di "identità" nel contesto degli agenti e dei modelli di IA attraverso un'umanità dimostrabile sulla catena può essere vista come un meccanismo di difesa per le reti informatiche mondiali. Possiamo stimare il costo di questo servizio esaminando le spese associate alla difesa di diverse reti blockchain. Nel 2023, questi costi per Bitcoin, Ethereum e Solana si aggireranno rispettivamente intorno all'1,71%, al 4,3% e al 5,57% del valore di ciascuna rete in termini di inflazione. In via prudenziale, possiamo dedurre che l'identità dovrebbe rappresentare circa il 3,5% del mercato dell'intelligenza artificiale. Considerando un TAM di 125,5 miliardi di dollari per il software di intelligenza artificiale, ciò corrisponde a 8,78 miliardi di dollari di fatturato annuo. Dal momento che riteniamo che la criptovaluta fornisca una soluzione ottimale ai problemi di identità, crediamo che la stessa avrà una quota di mercato del 10% di questo mercato finale di consumo, che si aggira intorno agli 878 milioni di dollari di fatturato annuo.

La sicurezza dell'IA è pronta a emergere come un'altra componente importante dei dispositivi di IA, con un requisito fondamentale per verificare l'esecuzione del modello corretto utilizzando dati non corrotti, pertinenti e aggiornati. Man mano che l'IA si espande in applicazioni in cui sono a rischio le vite umane, come le auto a guida autonoma, la robotica di fabbrica e i sistemi sanitari, la tolleranza per i fallimenti diventa minima. L'esigenza di responsabilità in caso di incidenti spingerà il mercato assicurativo a richiedere prove concrete di sicurezza. Le blockchain pubbliche sono ideali per svolgere questa funzione perché possono pubblicare "prove di sicurezza" su registri inalterabili che chiunque può vedere. Questa attività può essere considerata simile alla compliance per gli istituti finanziari. Considerando che le banche commerciali e d'investimento statunitensi generano ricavi per 660 miliardi di dollari, mentre spendono 58,75 miliardi di dollari in costi di conformità (8,9% dei ricavi), prevediamo che la sicurezza dell'intelligenza artificiale dovrebbe rappresentare circa 22,34 miliardi di dollari del TAM dell'intelligenza artificiale di 251 miliardi di dollari. Nonostante il potenziale delle criptovalute per migliorare la sicurezza dell'intelligenza artificiale, vista l'attenzione del governo statunitense per l'intelligenza artificiale, riteniamo che la maggior parte della conformità per l'intelligenza artificiale sarà centralizzata. Pertanto, stimiamo che le criptovalute costituiranno circa il 5% di tale mercato, ovvero circa 1,12 miliardi di dollari.

Organizzare risorse di calcolo decentralizzate

Le criptovalute possono applicare i loro notevoli benefici di coordinamento sociale e finanziario alla democratizzazione dell'accesso al calcolo, affrontando così gli attuali punti dolenti che affliggono gli sviluppatori di intelligenza artificiale. Oltre ai costi elevati e all'accesso limitato a GPU di qualità, attualmente i creatori di modelli di intelligenza artificiale devono affrontare altri problemi. Tra questi problemi ricordiamo il vendor lock-in, la mancanza di sicurezza, la disponibilità limitata di calcolo, la scarsa latenza e il geo-fencing causato dalle leggi nazionali.

La capacità delle criptovalute di saziare la fame di GPU dell'intelligenza artificiale deriva dalla capacità delle criptovalute di riunire le risorse attraverso incentivi in token. Gli 850 miliardi di dollari di valore dei token e i 20 miliardi di dollari di valore azionario della rete Bitcoin dimostrano questa capacità. Pertanto, sia gli attuali minatori di Bitcoin che i promettenti mercati decentralizzati delle GPU hanno il potenziale per aggiungere un valore sostanziale all'intelligenza artificiale fornendo calcolo decentralizzato.

Un'analogia utile per comprendere la fornitura di GPU tramite blockchain è rappresentata dal settore della produzione di energia. Per semplificare, ci sono enti che gestiscono impianti grandi e costosi che generano costantemente energia per soddisfare la maggior parte delle richieste della rete elettrica. Questi impianti "a carico di base" hanno una domanda costante, ma richiedono ingenti investimenti di capitale per la costruzione, con conseguenti rendimenti sul capitale relativamente bassi ma garantiti. A complemento del carico di base c'è un'altra categoria, nota come generatori di "energia di picco". Queste aziende forniscono energia quando la domanda di elettricità supera le capacità della generazione di base. Si tratta di una produzione di energia ad alto costo e su piccola scala, posizionata strategicamente vicino alla domanda di energia. Prevediamo che una dinamica analoga si sviluppi nel regno del "calcolo su richiesta".

Diversificazione dei minatori Bitcoin verso l'intelligenza artificiale

Il Bitcoin e le altre criptovalute proof-of-work condividono con l'IA un elevato appetito per l'energia. Questa energia deve essere creata, reperita, trasportata e scomposta in elettricità utilizzabile per alimentare le apparecchiature di mining e i cluster di calcolo. Questa catena di approvvigionamento richiede notevoli investimenti da parte dei minatori in centrali elettriche, contratti di acquisto di energia elettrica, infrastrutture di rete e strutture per i centri dati. Gli incentivi monetari derivanti dal mining di criptovalute PoW hanno portato alla nascita di molti minatori Bitcoin dispersi a livello globale che possiedono diritti di energia ed elettricità e un'architettura di griglia integrata. Gran parte di questa energia proviene da fonti ad alta intensità di carbonio a basso costo e non accettate socialmente. Pertanto, la proposta di valore più interessante che i minatori di bitcoin possono offrire è un'infrastruttura energetica a basso costo per alimentare l'infrastruttura backend dell'IA.

I fornitori di calcolo hyperscale come AWS e Microsoft hanno perseguito una strategia di investimento in operazioni integrate verticalmente e di creazione di propri ecosistemi energetici. Le Big Tech si sono spostate a monte, progettando i propri chip e approvvigionandosi di energia, in gran parte rinnovabile. I data center consumano attualmente due terzi dell'energia rinnovabile disponibile per le aziende negli Stati Uniti. Microsoft e Amazon si sono entrambe impegnate a fornire il 100% di energia rinnovabile entro il 2025. Tuttavia, se il fabbisogno di calcolo previsto supera le aspettative, come alcuni suggeriscono, il fabbisogno di elettricità dei data center incentrati sull'intelligenza artificiale potrebbe raddoppiare entro il 2027, con un CAPEX potenzialmente triplicato rispetto alle stime attuali. Le Big Tech pagano già 0,06-0,10 dollari/kWh per l'energia, molto più di quanto pagano in genere i minatori di Bitcoin della concorrenza (0,03-0,05 dollari/kWh). Se la domanda di energia da parte dell'intelligenza artificiale supera gli attuali piani infrastrutturali delle Big Tech, il vantaggio dei costi dell'elettricità dei miner di Bitcoin rispetto agli hyperscaler potrebbe moltiplicarsi in modo significativo. I minatori sono sempre più attratti dalle attività AI a più alto margine associate alla fornitura di GPU. In particolare, Hive ha riferito in ottobre che le sue operazioni di HPC e intelligenza artificiale stanno generando un fatturato 15 volte superiore a quello del mining di Bitcoin su base megawatt. Altri minatori di Bitcoin che hanno colto le opportunità legate all'intelligenza artificiale sono Hut 8 e Applied Digital.

I minatori di Bitcoin hanno registrato una crescita in questo nuovo mercato, che ha contribuito a diversificare le entrate e a rafforzare i rapporti sugli utili. Nella telefonata con gli analisti del terzo trimestre 2023 di Hut 8, l'amministratore delegato Jaime Leverton ha dichiarato: "Nel nostro settore HPC, nel terzo trimestre abbiamo dato un certo impulso con l'aggiunta di nuovi clienti e la crescita di quelli esistenti. La scorsa settimana abbiamo lanciato il nostro servizio cloud on-demand per i clienti che cercano servizi HPC dalle nostre GPU con applicazioni basate su Kubernetes in grado di supportare l'intelligenza artificiale, l'apprendimento automatico, gli effetti visivi e i carichi di lavoro di rendering. Questo servizio mette il controllo nelle mani dei nostri clienti e riduce i tempi di provisioning da giorni a minuti, il che è particolarmente interessante per chi cerca progetti HPC a breve termine. Hut 8 ha realizzato 4,5 milioni di dollari di ricavi dalle operazioni HPC del terzo trimestre del 2023, pari a oltre il 25% dei ricavi dell'azienda per il periodo. La crescente domanda di servizi HPC e di nuove offerte dovrebbe contribuire alla crescita futura di questa linea di business e, con il dimezzamento del Bitcoin dietro l'angolo, i ricavi legati all'HPC potrebbero presto superare quelli del mining, a seconda delle condizioni di mercato.

Anche se le loro operazioni sembrano promettenti, i minatori di Bitcoin che passano all'intelligenza artificiale potrebbero inciampare a causa della mancanza di competenze nella costruzione di centri dati oppure dell'incapacità di scalare in modo adeguato l'alimentazione. Inoltre, questi minatori di criptovalute potrebbero incontrare problemi legati ai costi operativi, a causa dei costi di assunzione di una nuova forza vendita focalizzata sui data center. Le attuali operazioni di estrazione mineraria non hanno poi latenza di rete o larghezza di banda sufficienti, poiché la loro ottimizzazione per l'energia a basso costo le porta a essere situate in luoghi remoti, spesso privi di connessioni in fibra ad alta velocità.

Implementazione di un cloud decentralizzato per l'IA

Vediamo inoltre una lunga coda di progetti cripto focalizzati sul calcolo che cattureranno una piccola ma sostanziale porzione del mercato delle risorse dei server di intelligenza artificiale. Queste entità coordineranno i cluster di calcolo al di fuori degli hyperscaler per offrire una proposta di valore adeguata alle esigenze dei creatori emergenti di intelligenza artificiale. I vantaggi del calcolo decentralizzato includono la personalizzazione, l'accesso aperto e migliori condizioni contrattuali. Queste aziende di calcolo basate su blockchain consentono ai piccoli operatori di IA di evitare le spese ingenti e la generale indisponibilità di GPU di fascia alta come le H100 e le A100. Le imprese di Crypto AI soddisferanno la domanda creando una rete di infrastrutture fisiche costruite attorno agli incentivi dei token delle criptovalute, offrendo al contempo una IP proprietaria che crea l'infrastruttura software per ottimizzare l'uso delle risorse di calcolo per le applicazioni di intelligenza artificiale. I progetti di calcolo blockchain utilizzeranno un approccio di mercato insieme alle ricompense in criptovaluta per trovare calcolo più economico da centri dati indipendenti, entità con calcolo in eccesso ed ex minatori PoW. Alcuni progetti che forniscono calcolo decentralizzato per i modelli di intelligenza artificiale sono Akash, Render e io.net.

Entrate giornaliere Akash

Entrate giornaliere Akash. Fonte: Cloudmos al 30 gennaio 2024. Le performance passate non costituiscono una garanzia di risultati futuri.

Akash, un progetto basato su Cosmos, può essere considerato un "Supercloud" decentralizzato di uso generale che offre CPU, GPU, memoria e storage. In effetti, si tratta di un mercato a due facce che mette in contatto gli utenti dei servizi cloud con coloro che li forniscono. Il software di Akash è progettato per coordinare l'offerta di capacità di calcolo con la domanda, creando al contempo gli strumenti per facilitare l'addestramento, la messa a punto e l'esecuzione dei modelli di intelligenza artificiale. Akash garantisce inoltre che sia gli acquirenti che i venditori del marketplace adempiano onestamente ai loro obblighi. Il software di Akash è coordinato attraverso i suoi token $AKT, che possono essere utilizzati per pagare i servizi cloud con uno sconto. Inoltre, i token $AKT sono distribuiti come meccanismo di incentivazione per i fornitori di calcolo GPU e altri partecipanti alla rete. Per quanto riguarda l'offerta, Akash ha fatto passi da gigante nell'aggiunta di fornitori di calcolo: ci sono 65 fornitori diversi sul marketplace di Akash. Mentre la domanda di risorse di calcolo è stata scarsa fino al debutto dell'AI Supercloud di Akash il 31 agosto 2023, gli acquirenti di risorse di calcolo hanno speso 138.000 dollari dopo la data di lancio.

Render, recentemente migrato a Solana, era inizialmente focalizzato sul collegamento degli artisti a gruppi decentralizzati che avrebbero fornito la potenza delle GPU per il rendering di immagini e video. Tuttavia, Render ha iniziato a concentrare la sua flotta di GPU decentralizzate sulla soddisfazione dei carichi di lavoro di apprendimento automatico per supportare i modelli di deep-learning. Grazie alla proposta di miglioramento della rete RNP-004, Render dispone ora di un'API per collegare reti esterne come io.net che utilizzeranno la rete di GPU di Render per l'apprendimento automatico. Le successive proposte della comunità di Render sono state approvate per consentire l'accesso alle sue GPU attraverso Beam e FEDML per svolgere compiti di apprendimento automatico. Per questo motivo, Render è diventato un facilitatore decentralizzato di carichi di lavoro su GPU coordinato da pagamenti $RNDR ai fornitori e da incentivi $RNDR alle entità che gestiscono l'infrastruttura backend della rete.

Confronto dei prezzi delle GPU su Io.net. Fonte: al 4 gennaio 2024.

Un altro progetto interessante che si colloca su Solana, considerato una DePIN o Rete di Infrastrutture Fisiche Decentrate, è io.net. Lo scopo di io.net è anche quello di fornire GPU, ma il suo obiettivo è esclusivamente quello di applicare le GPU per alimentare i modelli di intelligenza artificiale. Io.net aggiunge altri servizi al suo stack principale, oltre al semplice coordinamento dei calcoli. Il suo sistema sostiene di gestire tutti i componenti dell'intelligenza artificiale, tra cui la creazione, l'utilizzo e la messa a punto, per facilitare e gestire i problemi dei carichi di lavoro dell'intelligenza artificiale sulla sua rete. Il progetto si avvale anche di altre reti di GPU decentralizzate come Render e Filecoin e delle proprie GPU. Sebbene io.net non abbia ancora un token, il lancio è previsto per il primo trimestre del 2024.

Superare i colli di bottiglia del calcolo decentralizzato

L'utilizzo di questo calcolo distribuito, tuttavia, rimane una sfida a causa dei requisiti di rete imposti dagli oltre 633 TB di dati necessari per addestrare i modelli di deep learning. Anche i sistemi informatici dislocati in tutto il mondo presentano nuovi ostacoli per la parallelizzazione dell'addestramento dei modelli, a causa delle latenze e delle differenze nelle capacità dei computer. Una società che sta attaccando con forza il mercato dei modelli di fondazione open-source è Together. Questa società sta costruendo un cloud decentralizzato per ospitare modelli di intelligenza artificiale open-source. Insieme consentirà a ricercatori, sviluppatori e aziende di sfruttare e migliorare l'intelligenza artificiale grazie a una piattaforma intuitiva che combina dati, modelli e calcoli, ampliando l'accessibilità all'intelligenza artificiale e potenziando la prossima generazione di aziende tecnologiche. Collaborando con i principali istituti accademici di ricerca, Together ha creato il Together Research Computer, il quale consente ai laboratori di mettere in comune i loro computer per la ricerca sull'intelligenza artificiale. La società ha poi collaborato con il Centro di ricerca sui modelli fondazionali (CRFM) di Stanford per creare l'Holistic Evaluation of Language Models (HELM). HELM è un "benchmark vivente" che mira a migliorare la trasparenza dell'intelligenza artificiale fornendo un quadro standardizzato per la valutazione di tali modelli di fondazione.

Dalla fondazione di Together, il fondatore Vipul Ved Prakash ha guidato il lancio di diversi progetti, tra cui 1) GPT-JT, un LLM aperto con un modello a parametri 6B addestrato su un collegamento <1gbps, 2) openchatkit, una potente base open-source per creare chatbot specializzati e generici, e 3) redpajama, un progetto per creare modelli leader open-source, con l'obiettivo di diventare una base per la ricerca e le applicazioni commerciali. la together platform è un modello di base composto da modelli aperti su hardware commodity, cloud decentralizzato e un cloud completo per gli sviluppatori, che riunisce diverse fonti di calcolo tra cui minatori consumer, farm di mining di criptovalute, fornitori di cloud t2-t4 e calcolo per le attività accademiche.>

Punteggio HELM (RAFT)

Performance di GPT-JT. Fonte: al 4 gennaio 2024.

Riteniamo che soluzioni di cloud computing decentralizzate e democratizzate come Together potrebbero ridurre significativamente i costi di creazione di nuovi modelli, potenzialmente sconvolgendo e competendo con giganti consolidati come Amazon Web Services, Google Cloud e Azure. Per contestualizzare, Together può fornire prezzi circa 4 volte inferiori rispetto ad AWS, confrontando i blocchi di capacità AWS e le istanze AWS p5.48xlarge con i cluster GPU Together configurati con un numero uguale di GPU H100 SXM5.

Man mano che gli LLM aperti diventano sempre più accurati e quindi adottati più ampiamente, Together potrebbe diventare lo standard di settore per i modelli open source, in modo simile a quanto Red Hat è stato per Linux. I concorrenti in questo spazio includono Stability A e HuggingFace come fornitori di modelli e Gensyn e Coreweave come fornitori di intelligenza artificiale nel cloud.

Migliorare i modelli di intelligenza artificiale attraverso gli incentivi delle criptovalute

Blockchain e gli incentivi delle criptovalute dimostrano che gli effetti di rete e le ricompense legate alle dimensioni di tale effetto di rete costringono le persone a svolgere un lavoro utile. Nel contesto del mining di bitcoin, questo compito consiste nel rendere sicura la rete di bitcoin impiegando costose risorse in termini di energia elettrica, manodopera tecnica e macchine ASIC. Questo insieme di risorse economiche fornisce un meccanismo di difesa dagli attacchi Sybil che impedisce gli attacchi economici su Bitcoin. In cambio, i minatori che orchestrano queste risorse ricevono $BTC. Tuttavia, lo spazio verde per un lavoro utile per l'intelligenza artificiale è molto più ampio e alcuni progetti stanno già spingendo verso il miglioramento l'intelligenza artificiale e i modelli di apprendimento automatico.

Il più primitivo di questi progetti è Numerai. Attualmente, Numerai può essere considerato un torneo di data science decentralizzato per identificare i migliori modelli di machine learning che ottimizzano i rendimenti finanziari costruendo un portafoglio di azioni. In ogni epoca, ai partecipanti anonimi di Numerai viene concesso l'accesso a dati grezzi mascherati e viene chiesto loro di sfruttarli per costruire il portafoglio azionario più performante. Per partecipare, agli utenti non viene chiesto solo di presentare previsioni, ma anche di puntare i token NMR dietro le previsioni dei loro modelli per attestare il valore di questi ultimi. Anche gli altri utenti possono puntare i token sui modelli che ritengono più performanti. I risultati di ogni puntata e di ogni modello presentato vengono poi inseriti in un algoritmo di apprendimento automatico per creare un meta-modello che informa le decisioni di investimento dell'hedge fund Numerai One. Gli utenti che presentano le "inferenze" con i migliori coefficienti di informazione o efficacia vengono premiati con token NMR. Allo stesso tempo, coloro che hanno puntato i modelli peggiori si vedono tagliare i token (i quali vengono confiscati e riutilizzati per ricompensare i vincitori).

Sottoreti e casi d'uso su Bittensor. Fonte: al 2 gennaio 2024.

Un progetto simile, che espande in modo massiccio i concetti fondamentali di Numerai, è Bittensor. Bittensor può essere considerato come il "Bitcoin per l'intelligenza artificiale", in quanto consiste in una rete che fornisce incentivi economici per i modelli di AI/ML. Ciò viene realizzato da entità chiamate "minatori", che costruiscono modelli di IA, e "validatori", che valutano la qualità dei risultati di tali modelli. L'architettura di Bittensor prevede una rete di base e molte sottoreti più piccole (subnet). Ogni sottorete si concentra su un diverso dominio dell'intelligenza artificiale. I minatori di queste sottoreti vengono interrogati dai validatori con varie domande o richieste per valutare la qualità dei loro modelli di IA.

I modelli con le migliori prestazioni ricevono le maggiori ricompense in gettoni TAO, mentre i validatori vengono compensati per le valutazioni accurate dei minatori. A un livello superiore, sia i validatori che i minatori devono puntare dei token per partecipare a ciascuna sottorete, e la proporzione di ciascuna sottorete rispetto alla puntata totale determina quanti token TAO riceve da tutta l'inflazione totale di Bittensor. In questo modo, ogni minatore è incentivato non solo a ottimizzare il proprio modello per ottenere il maggior numero di ricompense, ma anche a concentrare il proprio modello sulla migliore sottorete del dominio dell'intelligenza artificiale. Inoltre, poiché i minatori e i validatori devono mantenere i fondi per partecipare, ognuno deve superare gli ostacoli del costo del capitale, altrimenti si ritira dal sistema.

A gennaio 2024, esistevano 32 sottoreti diverse, ciascuna dedicata a un dominio specifico dell'apprendimento automatico o dell'intelligenza artificiale. Ad esempio, Subnet 1 è un LLM con prompt testuale simile a ChatGPT. Su questa sottorete, i minatori utilizzano varie versioni modificate di LLM per rispondere al meglio alle richieste dei validatori che valutano la qualità delle risposte. Nella sottorete 8, chiamata Taoshi, i minatori inviano previsioni a breve termine sul prezzo del bitcoin e di vari asset finanziari. Bittensor ha anche sottoreti dedicate alla traduzione del linguaggio umano, all'archiviazione, all'audio, al web scraping, alla traduzione automatica e alla generazione di immagini. La creazione di una sottorete è priva di permessi e chiunque abbia 200 TAO può creare una sottorete. Gli operatori della sottorete sono responsabili della creazione dei meccanismi di valutazione e di ricompensa per l'attività di ciascuna sottorete. Ad esempio, Opentensor, la fondazione che sta dietro a Bittensor, gestisce la sottorete 1 e ha recentemente rilasciato un modello in collaborazione con Cerebras per valutare i risultati LLM dei minatori in quella sottorete.

Sebbene queste sottoreti siano tutte inizialmente sovvenzionate in toto dalle ricompense inflazionistiche, ogni sottorete dovrà alla fine sostenersi economicamente. Per questo motivo, gli operatori e i validatori della sottorete devono coordinarsi per creare strumenti che consentano agli utenti esterni di pagare per accedere ai servizi di ciascuna sottorete. Man mano che le ricompense inflazionistiche di TAO diminuiscono, ogni sottorete dipenderà sempre più dalle entrate esterne per sostenersi. In questo ambiente competitivo, c'è una pressione economica diretta per creare i modelli migliori e incentivi per altri a creare applicazioni redditizie nel mondo reale per tali modelli. Bittensor sta sbloccando il potenziale dell'intelligenza artificiale usando piccole imprese intraprendenti per identificare e monetizzare i modelli di intelligenza artificiale. Come dice il noto evangelista di Bittensor, MogMachine, questa dinamica può essere considerata come una "competizione darwiniana per l'IA".

Un'altra interessante schiera di progetti è quella che impiega le criptovalute per incentivare la creazione di agenti di intelligenza artificiale programmati per svolgere autonomamente compiti per conto di esseri umani o di altri programmi informatici. Queste entità sono essenzialmente programmi informatici adattivi che mirano a risolvere problemi specifici. Il termine agenti comprende chatbot, strategie di trading automatizzate, personaggi di gioco e persino assistenti del metaverso. Un progetto degno di nota in questo ambito è Altered State Machine, una piattaforma per la creazione di agenti di intelligenza artificiale che sono posseduti, alimentati e addestrati utilizzando le NFT. In Altered State Machine, gli utenti creano i loro "agenti" e poi li "addestrano" utilizzando cluster di GPU decentralizzati. Questi agenti sono ottimizzati per casi d'uso specifici. Un altro progetto, Fetch.ai, è una piattaforma per la creazione di agenti personalizzati per le esigenze di ciascun utente. Fetch.ai è anche un'azienda SaaS che consente la registrazione e l'affitto o la vendita di agenti.

Rendimenti dei token di intelligenza artificiale dall'1/1/2023

Fonte: XYZ al 10 gennaio 2024. Le performance passate non costituiscono una garanzia di risultati futuri.

Verifica attraverso prove a conoscenza zero (zk)

Il 2023 è stato un anno di punta per i nuovi modelli di IA, con la presentazione di ChatGPT di OpenAI, LLAMA-2 di Meta e BERT di Google. Grazie alla promessa del deep learning, a giugno 2023 negli Stati Uniti c'erano più di 18.563 start-up legate all'intelligenza artificiale . Queste start-up e altre hanno prodotto migliaia di nuovi modelli di base e di perfezionamento. Tuttavia, la proliferazione di molte nuove entità in uno spazio in cui 1 dollaro di venture capital su 4 viene investito in aziende legate all'intelligenza artificiale dovrebbe destare serie preoccupazioni.

• Chi ha effettivamente creato e possiede ogni modello?
• L'output è stato effettivamente prodotto dal modello specificato?
• Il modello è davvero efficace come viene pubblicizzato?
• Qual è la fonte dei dati per ogni modello e chi è il proprietario dei dati?
• La formazione, la messa a punto e/o l'inferenza hanno violato i diritti d'autore o i diritti sui dati?

Sia gli investitori che gli utilizzatori di questi modelli dovrebbero avere la certezza al 100% di poter rispondere a queste domande. Attualmente esistono molti test di benchmarking per le diverse componenti dei risultati di LLM, come HumanEval per la generazione di codice, Chatbot Arena per i compiti di assistenza di LLM e ARC Benchmark per la capacità di ragionamento di LLM. Tuttavia, nonostante i tentativi di trasparenza dei modelli, come l'Open LLM Leaderbord di Hugging Face, non esiste una prova concreta dell'efficacia di un modello, della sua provenienza finale o della fonte dei suoi dati di addestramento/inferenza. Non solo i benchmark possono essere inattendibili, ma non c'è nemmeno la certezza che un modello specifico sia stato effettivamente eseguito (invece di usare un'API che si connette a un altro modello), né c'è la certezza che le classifiche stesse siano oneste.

Qui sta l'unificazione delle blockchain pubbliche, dell'intelligenza artificiale e di un campo matematico all'avanguardia chiamato prove a conoscenza zero (zk). Le prove zk sono un'applicazione della crittografia che consente a qualcuno di dimostrare, con certezza matematica a un livello desiderato, che un'affermazione fatta sui dati è corretta senza rivelare a nessuno i dati sottostanti. Le affermazioni possono includere semplici dichiarazioni come le classifiche, ma possono essere estese a complessi calcoli matematici. Ad esempio, non solo si può dimostrare di conoscere la ricchezza relativa di un campione di individui senza rivelarla a terzi, ma si può anche dimostrare di aver calcolato correttamente la media e la deviazione standard del gruppo. In sostanza, è possibile dimostrare di conoscere i dati e/o di aver fatto affermazioni veritiere utilizzando tali dati senza rivelare né le specifiche di tali dati né il modo in cui avete effettuato il calcolo. Al di fuori dell'intelligenza artificiale, le prove zk vengono già applicate per scalare Ethereum, consentendo alle transazioni di avvenire fuori catena su blockchain di livello 2. Recentemente, le prove zk sono state applicate ai modelli di deep learning per dimostrare che:

• Sono stati usati dati specifici per generare un modello o fornire un output di inferenza (anche quali dati/fonti non sono stati utilizzati).
• Un determinato modello è stato utilizzato per generare un'inferenza
• L'output dell'inferenza non è stato falsificato

Le prove zk possono essere pubblicate sulle blockchain pubbliche e permanenti e verificate dagli smart contract. Il risultato è che le blockchain possono dimostrare pubblicamente e in modo inconfutabile importanti proprietà dei modelli di intelligenza artificiale. Ci sono due progetti all'avanguardia che applicano la ZK all'intelligenza artificiale, denominati "Zero-Knowledge Machine Learning" (ZKML). EZKL utilizza il sistema di prove per generare zk-snarks, un tipo di prova a conoscenza zero, che può essere verificata pubblicamente sull'EVM di Ethereum. Sebbene le dimensioni dei modelli che EZKL è attualmente in grado di dimostrare siano relativamente piccole, circa 100 milioni di parametri rispetto ai 175 miliardi di ChatGPT 4, l'amministratore delegato di EZKL ritiene che si tratti di un "problema ingegneristico" piuttosto che di un problema di "limiti tecnologici". EZKL ritiene di poter superare i problemi di prova con prove da eseguire in parallelo per ridurre i limiti di memoria e il tempo di calcolo. Jason Morton ritiene infatti che un giorno "verificare un modello sarà facile come firmare una transazione su blockchain".

L'applicazione delle prove ZKML all'intelligenza artificiale può risolvere importanti problemi di implementazione dell'intelligenza artificiale, tra cui i problemi di copyright e di sicurezza dell'intelligenza artificiale. Come dimostra la recente causa intentata dal New York Times contro Open AI e Microsoft, la legge sul copyright sarà applicata alla proprietà dei dati e i progetti di intelligenza artificiale saranno costretti a fornire prove delle loro fonti di dati. La tecnologia ZKML può essere impiegata per risolvere rapidamente le controversie in tribunale sui modelli e sulla proprietà dei dati. In effetti, una delle migliori applicazioni di ZKML è quella di consentire ai mercati di dati/modelli come Ocean Protocol e SingularityNet di dimostrare l'autenticità e l'efficacia dei loro annunci.

I modelli di intelligenza artificiale si diffonderanno infine in ambiti in cui la certezza dell'accuratezza e della sicurezza saranno di fondamentale importanza. Si stima che entro il 2027 ci saranno 5,8 miliardi di dispositivi di intelligenza artificiale edge, che potrebbero includere macchinari pesanti, robotica, droni e veicoli autonomi. Poiché l'intelligenza artificiale viene applicata a oggetti che possono ferire e uccidere le persone, sarà importante dimostrare che un modello affidabile è stato eseguito su quel dispositivo utilizzando dati di alta qualità provenienti da una fonte affidabile. Sebbene la costruzione e l'invio di prove in tempo reale da questi dispositivi edge alla blockchain sarà probabilmente impegnativa dal punto di vista economico e tecnico, la certificazione dei modelli all'attivazione o l'invio periodico alla blockchain potrebbe essere più fattibile. Tuttavia, Zupass, che proviene dalla 0xPARC Foundation, ha già stabilito prove primitive derivate da "Proof Carrying Data" che possono stabilire in modo economico prove di fatti che si verificano su dispositivi edge. Al momento, questo riguarda la partecipazione agli eventi, ma si può prevedere che a breve questo fenomeno si estenderà ad altri settori, come l'identità o addirittura l'assistenza sanitaria.

Quanto è valido il modello di intelligenza artificiale del tuo chirurgo robotico?

Chirurgia assistita da robot. Fonte: al 30/1/2024.

Dal punto di vista delle aziende che possono incorrere in responsabilità a causa del malfunzionamento dei dispositivi, sembrerebbe ideale avere una prova verificabile che il loro modello non è stato la causa di un costoso incidente. Allo stesso modo, dal punto di vista assicurativo, verificare e provare l'uso di modelli affidabili addestrati su dati realistici può diventare finanziariamente necessario. Allo stesso modo, in un mondo di deepfake creati dall'intelligenza artificiale, l'uso di fotocamere, telefoni e computer verificati e attestati da blockchain per eseguire varie azioni potrebbe diventare la norma. Naturalmente, le prove dell'autenticità e dell'accuratezza di questi dispositivi dovrebbero essere pubblicate su registri pubblici e open-source che impediscano manomissioni e frodi.

Nonostante l'immensa promessa di queste prove, attualmente sono limitate dai costi delle risorse e dai limiti delle capacità computazionali. Ai prezzi attuali dell'ETH, presentare una prova sulla catena costa circa 300-500k di gas (~$35-$58 ai prezzi attuali dell'ETH). Sotto il profilo computazionale, Sreeram Kennan di Eigenlayer stima che "provare un calcolo che costa 50 dollari per essere eseguito su AWS costerebbe ~1,000,000x in più utilizzando l'attuale tecnologia di prova ZK". La conseguenza è che le prove ZK, che si sono evolute molto più velocemente di quanto si potesse prevedere qualche anno fa, hanno ancora molta strada da fare prima di aprirsi a casi d'uso pratici. Immaginiamo una possibile applicazione della tecnologia ZKML. Ipotizziamo la possibilità di partecipare a un concorso canoro decentralizzato giudicato da un modello di smart contract verificato sulla blockchain, con i risultati caricati per sempre sulla blockchain.

Stabilire l'umanità con l'identità basata sulla blockchain

Una probabile conseguenza della diffusione dell'intelligenza artificiale avanzata è che gli agenti autonomi diventeranno gli utenti più prolifici di Internet. C'è una notevole possibilità che lo scatenamento degli agenti di intelligenza artificiale porti a interruzioni in tutto il Web, a causa di spam generato da bot intenzionali e persino di agenti innocui basati su attività che intasano le reti ("Elimina la posta indesiderata"). Solana ha registrato 100 gigabit di traffico dati al secondo quando i bot si sono contesi opportunità di arbitraggio per un valore di circa 100.000 dollari. Immaginate il torrente di traffico web che si scatenerà quando gli agenti di intelligenza artificiale potranno tenere in ostaggio milioni di siti web aziendali per miliardi di dollari. Questo fa pensare a un futuro internet con limiti imposti al traffico non umano. Uno dei modi migliori per limitare questo tipo di attacchi è imporre tasse economiche sull'uso eccessivo di risorse poco costose. Ma come si determina il quadro ottimale per i costi di spam e come si determina la natura umana delle fonti?

Fortunatamente, esiste già una difesa integrata impiegata dalle blockchain per prevenire gli attacchi Sybil con bot basati su intelligenza artificiale. La combinazione di misurazione degli utenti non umani e di pedaggi per l'uso non umano sarebbe un'implementazione ideale, insieme a una leggera tassazione del calcolo, come l'hashcash, che inibirebbe i bot. Per quanto riguarda le prove di umanità, le blockchain sono da tempo alle prese con il superamento dell'anonimato per sbloccare attività come i prestiti sottocollateralizzati e altre attività basate sulla reputazione.

Un approccio per dimostrare l'identità è l'impiego di token web JSON (JWT). I token JWT sono credenziali "0Auth", simili ai "cookie", generate quando si accede a un sito web come Google. Permettono di dimostrare la propria identità Google quando si visitano vari siti web su Internet mentre si è connessi a Google. zKLogin, creato da L1 blockchain Sui, consente agli utenti di collegare le chiavi private e le azioni del proprio portafoglio ai propri account Google o Facebook che generano JWT. zkP2P estende ulteriormente questo concetto per impiegare i token JWT per consentire agli utenti di scambiare senza necessità di permesso per criptovalute sulla blockchain di base. Ciò avviene confermando i trasferimenti di denaro peer-to-peer tramite l'app di pagamento Venmo che, una volta confermati tramite JWT via e-mail, sbloccano i token USDC depositati presso lo smart contract. La conseguenza di entrambi i progetti è che stabiliscono connessioni solide con identità off-chain. Ad esempio, mentre zkLogin collega gli indirizzi dei portafogli alle identità di Google, zkP2P è disponibile solo per gli utenti KYC di Venmo. Sebbene entrambi manchino di garanzie solide che li rendano sufficientemente affidabili per l'identità on-chain, creano importanti elementi di base che altri possono utilizzare.

Mentre molti progetti stanno cercando di confermare l'identità umana degli utenti della blockchain, il più audace è Worldcoin, fondato Sam Altman, CEO di OpenAI. Sebbene sia molto controverso perché gli utenti devono scansionare la propria iride utilizzando la distopica macchina "Orb", WorldCoin si sta muovendo verso un sistema di identità immutabile che non può essere facilmente falsificato o sopraffatto dall'intelligenza delle macchine. Questo perché WorldCoin crea un identificatore crittografato basato sull'impronta oculare unica di ogni persona che può essere campionata per verificarne l'unicità e l'autenticità. Una volta verificato, l'utente riceve un passaporto digitale chiamato World ID sulla blockchain di Optimism, che gli consente di dimostrare la propria umanità sulla blockchain. Soprattutto, la firma unica di una persona non viene mai rivelata e non può essere rintracciata perché è crittografata. Il World ID afferma semplicemente che un indirizzo blockchain appartiene a un essere umano. Progetti come Checkmate stanno già collegando il World ID ai profili dei social media per garantire che gli utenti siano unici e autentici. In un futuro internet dominato dall'intelligenza artificiale, potrebbe diventare comune dimostrare definitivamente la natura umana in ogni singola interazione online. Quando i limiti dei Captchas sono stati superati dall'intelligenza artificiale, le applicazioni blockchain possono dimostrare l'identità in modo economico, rapido e concreto.

Contribuire all'intelligenza artificiale attraverso la tecnologia Blockchain

Senza dubbio, siamo agli inizi della rivoluzione dell'intelligenza artificiale. Tuttavia, se la traiettoria di crescita dell'intelligenza artificiale sarà all'altezza delle più ardite previsioni, l'intelligenza artificiale deve essere sfidata a eccellere e al tempo stesso a contenere il suo potenziale di danno. Riteniamo che la crittografia sia il traliccio ideale per "addestrare" adeguatamente questa pianta dai frutti abbondanti ma potenzialmente insidiosa che è l'intelligenza artificiale. La soluzione Blockchain per l'intelligenza artificiale può incrementare la produzione dei creatori di intelligenza artificiale fornendo loro un calcolo decentralizzato più reattivo, flessibile e potenzialmente più economico. Inoltre, incentiva gli sviluppatori che possono creare modelli migliori, fornendo al contempo un impulso economico ad altri per creare attività utili a partire da quei modelli di intelligenza artificiale. Inoltre, i proprietari dei modelli possono dimostrare l'efficacia dei loro modelli dimostrando che non sono state utilizzate fonti di dati protette. Per gli utenti dell'intelligenza artificiale, le applicazioni di crittografia possono confermare la conformità dei modelli eseguiti agli standard di sicurezza e sono probabilmente utili. Per tutti gli altri, blockchain e criptovalute potrebbero essere il groviglio di penalità e ricompense che bloccano il pieno sviluppo dell'intelligenza artificiale.

Fornitore	Descrizione	Categoria di servizio	Capitalizzazione di mercato interamente diluita (M)	Utilizzo
io.net	Rete informatica decentralizzata per l'accesso a cluster cloud distribuiti.	Calcolo	Serie A completata	Le GPU su io.net hanno lavorato per oltre 17.000 ore di calcolo e hanno guadagnato 190.000 dollari.
Together	Piattaforma cloud decentralizzata per modelli di intelligenza artificiale open-source.	Calcolo in pool	Serie A completata	Il primo servizio di Together, Forge, sta per generare un fatturato annuo di 20 milioni di dollari.
Worldcoin	Progetto di identità online avviato da Sam Altman che verifica l'identità personale attraverso la scansione dell'iride degli utenti.	Identità	$27,508	World App ha attirato 5 milioni di utenti nei suoi primi 6 mesi di vita.
Bittensor	Rete di incentivi decentralizzata costruita per premiare i modelli di intelligenza artificiale più utili con $TAO.	Ottimizzazione del modello	$5,677	Bittensor è cresciuta fino a 80.000 account con l'89% dei $TAO in circolazione.
Render	Rete di GPU decentralizzata su Solana che facilita il rendering e l'apprendimento automatico.	Calcolo	$1,558	La rete di rendering impiega 600 operatori di nodi GPU che hanno renderizzato 1,3 milioni di scene.
Akash	Mercato supercloud decentralizzato basato su Cosmos per CPU, GPU, memoria e storage.	Calcolo	$1,103	Akash facilita circa 2000 dollari di entrate giornaliere per i fornitori di GPU della rete.
Hut 8	Minatore di asset digitali e fornitore di infrastrutture HPC.	Calcolo	$855	Hut 8 ha generato entrate per 4,5 milioni di dollari dalla sua attività HPC nel terzo trimestre del 2023.
Fetch.ai	Piattaforma per la creazione, personalizzazione e monetizzazione di agenti di intelligenza artificiale.	Agent Tooling	$780	59.000 portafogli unici che contengono $FET.
Applied Digital	Minatore di Bitcoin che supporta le operazioni di intelligenza artificiale attraverso la sua controllata, Sai Computing, che ospita un servizio di intelligenza artificiale sul cloud.	Calcolo	$587	Applied Digital ha 400 MW di capacità in fase di sviluppo per supportare le applicazioni HPC.
Hive	Minatore di Bitcoin che fornisce servizi HPC.	Calcolo	$313	Il business HPC di Hive aveva 4.800 GPU attive alla fine del 2023 con un obiettivo di 38.000 schede basate su GPU impegnate nel servizio cloud.
Altered State Machine	Protocollo decentralizzato per la formazione e lo scambio di agenti di intelligenza artificiale che può essere utilizzato con NFT.	Agent Tooling	$110	Oltre 27.000 portafogli unici contenenti NFT che possono essere alimentati da agenti di intelligenza artificiale di Altered State Machine.

Fonte: VanEck Research, siti web del progetto, al 15/01/24.

I link a siti web di terzi sono forniti per comodità e l'inclusione di tali link non implica alcun avallo, approvazione, indagine, verifica o monitoraggio da parte nostra di qualsiasi contenuto o informazione contenuta o accessibile dai siti collegati. Facendo clic sul link a una pagina web non VanEck, tu riconosci che stai entrando in un sito web di terzi soggetto ai propri termini e condizioni. VanEck declina ogni responsabilità per il contenuto, la legalità dell'accesso o l'idoneità dei siti web di terzi.

Fattori di rischio

• Rischio tecnologico: I sistemi di trading e di transazione possono essere violati o malfunzionanti, causando la perdita di asset digitali.
• Rischio normativo: Le interruzioni e gli interventi possono rendere illegali gli asset digitali.
• Rischio di perdita totale: Nessuna garanzia sulla custodia a causa del rischio di hacking, del rischio di controparte e del rischio di mercato.
• Rischio di estrema volatilità: I prezzi di negoziazione degli asset digitali possono essere estremamente volatili.
• Altri rischi specifici per gli asset digitali ETN sono disponibili nella VanEck Crypto Academy.

Informativa: VanEck ha una posizione in Together grazie alla sua partnership strategica con il venture manager Cadenza, che è stato così gentile da contribuire alla sezione "Superare i colli di bottiglia del calcolo decentralizzato".

Un ringraziamento speciale a:

Jason Morton, CEO di ZKML

Ala Shaabana, cofondatore di Bittensor

Arrash Yasavolian, fondatore della sottorete Taoshi di Bittensor

Greg Osuri, CEO e fondatore di Akash

Richard Liang, CEO di zkP2P

Membri chiave del team Sui Blockchain: Sam Blackshear, Nihar Shah, Sina Nader, Alonso Gortari