เขียนโดย: PonderingDurian นักวิจัยจาก Delphi Digital
เรียบเรียงโดย: Pzai, Foresight News
เนื่องจากสกุลเงินดิจิทัลเป็นซอฟต์แวร์โอเพ่นซอร์สที่มีแรงจูงใจทางเศรษฐกิจในตัว และ AI กำลังขัดขวางวิธีการเขียนซอฟต์แวร์ AI จะมีผลกระทบอย่างมากต่อพื้นที่บล็อกเชนทั้งหมด
AI x Crypto กองซ้อนโดยรวม
DeAI: โอกาสและความท้าทาย
ในความคิดของฉัน ความท้าทายที่ใหญ่ที่สุดที่ DeAI ต้องเผชิญอยู่ที่ชั้นโครงสร้างพื้นฐาน เนื่องจากการสร้างแบบจำลองพื้นฐานต้องใช้เงินจำนวนมาก และผลตอบแทนจากขนาดข้อมูลและการประมวลผลก็สูงเช่นกัน
เมื่อพิจารณาจากกฎแห่งการปรับขนาด ยักษ์ใหญ่ด้านเทคโนโลยีมีข้อได้เปรียบโดยธรรมชาติ: ในช่วง Web2 พวกเขาทำกำไรมหาศาลจากการผูกขาดผลกำไรจากการรวบรวมความต้องการของผู้บริโภค และนำผลกำไรเหล่านั้นไปลงทุนใหม่ในโครงสร้างพื้นฐานคลาวด์ในช่วงทศวรรษที่อัตราที่ต่ำเกินจริง ซึ่งปัจจุบันคือยักษ์ใหญ่ด้านอินเทอร์เน็ต กำลังพยายามครองตลาด AI โดยครอบครองข้อมูลและคอมพิวเตอร์ (องค์ประกอบสำคัญของ AI):
การเปรียบเทียบปริมาณโทเค็นของรุ่นขนาดใหญ่
เนื่องจากความเข้มข้นของเงินทุนและความต้องการแบนด์วิดธ์สูงของการฝึกอบรมขนาดใหญ่ ซูเปอร์คลัสเตอร์แบบรวมศูนย์ยังคงเป็นตัวเลือกที่ดีที่สุด โดยจัดหาโมเดลโอเพนซอร์สที่มีประสิทธิภาพดีที่สุดให้กับยักษ์ใหญ่ด้านเทคโนโลยี ซึ่งพวกเขาวางแผนจะให้เช่าด้วยผลกำไรแบบผูกขาดและจะดำเนินการต่อไป จะถูกนำกลับมาลงทุนในผลิตภัณฑ์รุ่นต่อๆ ไป
อย่างไรก็ตาม ปรากฎว่าคูน้ำในเขตข้อมูล AI นั้นตื้นกว่าเอฟเฟกต์เครือข่าย Web2 และโมเดลล้ำสมัยชั้นนำกำลังลดค่าลงอย่างรวดเร็วเมื่อเทียบกับสนาม โดยเฉพาะอย่างยิ่งเมื่อ Meta ใช้ "นโยบายโลกที่ไหม้เกรียม" และลงทุนหลายสิบ มูลค่าหลายพันล้านดอลลาร์ในการพัฒนาโครงการโอเพ่นซอร์ส เช่น Llama 3.1 โมเดลล้ำสมัยที่มีประสิทธิภาพถึงระดับ SOTA
Llama 3 รุ่นใหญ่เรตติ้ง
ณ จุดนี้ การซ้อนทับงานวิจัยที่เกิดขึ้นใหม่เกี่ยวกับวิธีการฝึกอบรมแบบกระจายอำนาจที่มีความหน่วงต่ำอาจทำให้โมเดลธุรกิจล้ำสมัย (บางส่วน) เป็นสินค้าโภคภัณฑ์ - เมื่อราคาอัจฉริยะลดลง การแข่งขันจะเปลี่ยน (อย่างน้อยในบางส่วน) จากคลัสเตอร์ฮาร์ดแวร์ (เพื่อสนับสนุนยักษ์ใหญ่ด้านเทคโนโลยี) มุ่งเน้นไปที่นวัตกรรมซอฟต์แวร์ (นิยมโอเพ่นซอร์ส/สกุลเงินดิจิทัลเล็กน้อย)
ดัชนีความสามารถ (คุณภาพ) - แผนภูมิการกระจายราคาการฝึกอบรม
เมื่อพิจารณาถึงสถาปัตยกรรม "ผู้เชี่ยวชาญแบบไฮบริด" และประสิทธิภาพการคำนวณของการสังเคราะห์/การกำหนดเส้นทางแบบจำลองขนาดใหญ่ เรามีแนวโน้มที่จะเผชิญกับโลกไม่เฉพาะกับแบบจำลองขนาดใหญ่ 3-5 แบบเท่านั้น แต่ยังมีโลกที่ประกอบด้วยแบบจำลองนับล้านที่มีต้นทุนแตกต่างกัน การแลกเปลี่ยนประสิทธิภาพ เครือข่ายอัจฉริยะที่เชื่อมโยงกัน (ไฮฟ์)
สิ่งนี้ทำให้เกิดปัญหาในการประสานงานอย่างมาก: สิ่งหนึ่งที่สิ่งจูงใจบล็อคเชนและสกุลเงินดิจิทัลควรอยู่ในตำแหน่งที่ดีในการช่วยแก้ไข
พื้นที่การลงทุนของ Core DeAI
ซอฟต์แวร์กำลังกินโลก AI กำลังกินซอฟต์แวร์ และ AI ก็คือข้อมูลและคอมพิวเตอร์โดยพื้นฐานแล้ว
Delphi ดูส่วนประกอบในสแต็กนี้:
ลดความซับซ้อนของ AI x Crypto Stack
โครงสร้างพื้นฐาน
เนื่องจาก AI ขับเคลื่อนโดยข้อมูลและการคำนวณ โครงสร้างพื้นฐาน DeAI จึงมุ่งมั่นที่จะจัดหาข้อมูลและการคำนวณอย่างมีประสิทธิภาพมากที่สุดเท่าที่จะเป็นไปได้ โดยมักใช้สิ่งจูงใจเกี่ยวกับสกุลเงินดิจิทัล ดังที่เราได้กล่าวไปแล้ว นี่เป็นส่วนที่ท้าทายที่สุดของการแข่งขัน แต่เมื่อพิจารณาจากขนาดของตลาดปลายทาง ก็มีแนวโน้มที่จะให้ผลตอบแทนมากที่สุดเช่นกัน
คำนวณ
จนถึงขณะนี้ตลาดโปรโตคอลการฝึกอบรมแบบกระจายและ GPU ถูกจำกัดโดยเวลาแฝง แต่พวกเขาหวังว่าจะประสานฮาร์ดแวร์ที่อาจมีความแตกต่างกันเพื่อมอบการประมวลผลแบบออนดีมานด์ที่มีต้นทุนต่ำกว่าให้กับผู้ที่ปิดตัวลงโดยโซลูชั่นบูรณาการของยักษ์ใหญ่ บริษัทต่างๆ เช่น Gensyn, Prime Intellect และ Neuromesh กำลังขับเคลื่อนการพัฒนาการฝึกอบรมแบบกระจาย ในขณะที่บริษัทต่างๆ เช่น io.net, Akash, Aethir และอื่นๆ กำลังทำให้การอนุมานที่มีต้นทุนต่ำใกล้เคียงกับ Edge Intelligence มากขึ้น
การกระจายช่องทางนิเวศน์ของโครงการโดยพิจารณาจากอุปทานรวม
ข้อมูล
ข้อมูล
ในโลกแห่งความอัจฉริยะที่แพร่หลายโดยอาศัยโมเดลขนาดเล็กและเฉพาะทางมากขึ้น สินทรัพย์ข้อมูลมีคุณค่าและสร้างรายได้เพิ่มมากขึ้น
จนถึงปัจจุบัน DePIN ได้รับการยกย่องอย่างมากถึงความสามารถในการสร้างเครือข่ายฮาร์ดแวร์ที่มีต้นทุนต่ำกว่า เมื่อเทียบกับธุรกิจที่ต้องใช้เงินทุนสูง เช่น บริษัทโทรคมนาคม อย่างไรก็ตาม ตลาดที่มีศักยภาพที่ใหญ่ที่สุดสำหรับ DePIN จะอยู่ในการรวบรวมชุดข้อมูลประเภทใหม่ที่จะไหลเข้าสู่ระบบอัจฉริยะบนเชน: โปรโตคอลพร็อกซี (จะกล่าวถึงในภายหลัง)
ในโลกนี้ แรงงาน ซึ่งเป็นตลาดที่มีศักยภาพที่ใหญ่ที่สุดในโลก กำลังถูกแทนที่ด้วยข้อมูลและคอมพิวเตอร์ ในโลกนี้ โครงสร้างพื้นฐาน De AI มอบหนทางสำหรับผู้ที่ไม่มีความรู้ทางเทคนิคในการยึดปัจจัยการผลิตและมีส่วนร่วมในเศรษฐกิจแบบเครือข่ายที่กำลังจะมาถึง
มิดเดิลแวร์
เป้าหมายสูงสุดของ DeAI คือเพื่อให้สามารถคำนวณแบบประกอบได้อย่างมีประสิทธิภาพ เช่นเดียวกับเมืองหลวงอย่าง Lego ของ DeFi DeAI ชดเชยการขาดประสิทธิภาพที่สมบูรณ์ในปัจจุบันด้วยความสามารถในการเขียนแบบไม่ได้รับอนุญาต โดยกระตุ้นให้เกิดระบบนิเวศแบบเปิดของซอฟต์แวร์และการประมวลผลแบบดั้งเดิมที่จะประกอบขึ้นเมื่อเวลาผ่านไป ดังนั้น (หวังว่า) จะเหนือกว่าซอฟต์แวร์และการประมวลผลแบบดั้งเดิมที่มีอยู่
หาก Google เป็น "บูรณาการ" ขั้นสุด DeAI ก็แสดงถึง "ความเป็นโมดูล" ขั้นสุด ดังที่ Clayton Christensen เตือนไว้ในอุตสาหกรรมเกิดใหม่ วิธีการแบบบูรณาการมีแนวโน้มที่จะนำไปสู่การลดความขัดแย้งในห่วงโซ่คุณค่า แต่เมื่อภาคสนามเติบโตขึ้น ห่วงโซ่คุณค่าแบบแยกส่วนจะปรับปรุงการแข่งขันโดยการเพิ่มการแข่งขันในแต่ละชั้นของห่วงโซ่คุณค่าและประสิทธิภาพด้านต้นทุน
บูรณาการและ AI แบบโมดูลาร์
เรามีความเชื่อมั่นอย่างมากในหลายประเภทที่มีความสำคัญต่อการบรรลุวิสัยทัศน์แบบแยกส่วนนี้:
การกำหนดเส้นทาง
ในโลกแห่งสติปัญญาที่กระจัดกระจาย คุณจะเลือกรุ่นและเวลาที่เหมาะสมในราคาที่ดีที่สุดได้อย่างไร ผู้รวบรวมฝั่งอุปสงค์จะบันทึกคุณค่าไว้เสมอ (ดูทฤษฎีการรวมกลุ่ม) และความสามารถในการกำหนดเส้นทางมีความสำคัญอย่างยิ่งในการเพิ่มประสิทธิภาพเส้นโค้ง Pareto ระหว่างประสิทธิภาพและต้นทุนในโลกอัจฉริยะที่เชื่อมต่อเครือข่าย:
Bittensor อยู่ในระดับแนวหน้าของผลิตภัณฑ์รุ่นแรก แต่มีคู่แข่งที่ทุ่มเทจำนวนหนึ่งได้ปรากฏตัวขึ้น
ด้วย "การตระหนักรู้ในสถานการณ์" และการพัฒนาตนเองเมื่อเวลาผ่านไป Allora เป็นเจ้าภาพจัดการแข่งขันระหว่างโมเดลต่างๆ ใน "ธีม" ที่แตกต่างกัน และแจ้งการคาดการณ์ในอนาคตตามความถูกต้องทางประวัติศาสตร์ภายใต้เงื่อนไขเฉพาะ
Morpheus ตั้งเป้าที่จะเป็น "เราเตอร์ฝั่งดีมานด์" สำหรับกรณีการใช้งาน Web3 โดยพื้นฐานแล้วคือเอเจนต์โอเพ่นซอร์สดั้งเดิมที่สามารถเข้าใจบริบทที่เกี่ยวข้องของผู้ใช้และสามารถส่งผ่านโครงสร้างการสร้างใหม่ของ DeFi หรือโครงสร้างพื้นฐาน "composable Composable" ของ Web3 . "Apple Intelligence" สำหรับการสืบค้นเส้นทางที่มีประสิทธิภาพ
โปรโตคอลการทำงานร่วมกันของเอเจนต์ เช่น Theoriq และ Autonolas มีเป้าหมายที่จะผลักดันการกำหนดเส้นทางแบบโมดูลาร์ให้ถึงขีดสุด ช่วยให้ระบบนิเวศแบบคอมโพสิตที่ประกอบได้ของเอเจนต์หรือส่วนประกอบที่ยืดหยุ่นกลายเป็นบริการออนไลน์ที่ครบครัน
กล่าวโดยสรุป ในโลกที่สติปัญญากระจัดกระจายอย่างรวดเร็ว ผู้รวบรวมด้านอุปสงค์และอุปทานจะมีบทบาทที่ทรงพลังอย่างมาก หาก Google เป็นบริษัทที่มีมูลค่า 2 ล้านเหรียญสหรัฐที่ทำดัชนีข้อมูลของโลก ผู้ชนะด้านเราเตอร์ฝั่งอุปสงค์ ไม่ว่าจะเป็น Apple, Google หรือโซลูชัน Web3 ก็คือบริษัทที่จัดทำดัชนีข่าวกรองของตัวแทน ซึ่งจะสร้างขนาดที่ใหญ่ขึ้น
โปรเซสเซอร์ร่วม
ด้วยธรรมชาติของการกระจายอำนาจ บล็อกเชนจึงมีข้อจำกัดอย่างมากทั้งในแง่ของข้อมูลและการคำนวณ จะแนะนำแอปพลิเคชัน AI ที่ใช้การประมวลผลและข้อมูลจำนวนมากที่ผู้ใช้จำเป็นต้องใช้ในบล็อกเชนได้อย่างไร ผ่านโปรเซสเซอร์ร่วม!
เลเยอร์แอปพลิเคชันของตัวประมวลผลร่วมใน Crypto
สิ่งเหล่านี้ล้วนเป็น "ออราเคิล" ที่นำเสนอเทคโนโลยีที่แตกต่างกันเพื่อ "ยืนยัน" ว่าข้อมูลพื้นฐานหรือแบบจำลองที่ใช้นั้นถูกต้อง วิธีการนี้สามารถลดสมมติฐานความเชื่อถือใหม่ ๆ บนห่วงโซ่ในขณะที่ปรับปรุงขีดความสามารถได้อย่างมาก จนถึงปัจจุบัน มีหลายโครงการที่ใช้วิธี zkML, opML, TeeML และ cryptoeconomic โดยมีข้อดีและข้อเสียที่แตกต่างกันไป:
การเปรียบเทียบโปรเซสเซอร์ร่วม
ในระดับที่สูงขึ้น โปรเซสเซอร์ร่วมมีความสำคัญอย่างยิ่งต่อการทำสัญญาอัจฉริยะให้ชาญฉลาด โดยมอบโซลูชันที่คล้ายกับ "คลังข้อมูล" เพื่อดำเนินการสืบค้นเพื่อประสบการณ์ออนไลน์ที่เป็นส่วนตัวมากขึ้น หรือเพื่อตรวจสอบว่าการอนุมานที่กำหนดนั้นเสร็จสมบูรณ์อย่างถูกต้อง
เครือข่าย TEE (Trusted Execution) เช่น Super, Phala และ Marlin ได้รับความนิยมเพิ่มมากขึ้นเมื่อเร็วๆ นี้ เนื่องจากความใช้งานได้จริงและความสามารถในการโฮสต์แอปพลิเคชันขนาดใหญ่
โดยรวมแล้ว โปรเซสเซอร์ร่วมมีความสำคัญอย่างยิ่งในการหลอมรวมบล็อกเชนที่มีการกำหนดไว้สูงแต่มีประสิทธิภาพต่ำเข้ากับเอเจนต์ที่มีประสิทธิภาพสูงแต่มีความน่าจะเป็น หากไม่มีโปรเซสเซอร์ร่วม AI ก็คงไม่มีอยู่ในบล็อกเชนเจเนอเรชั่นนี้
แรงจูงใจของนักพัฒนา
โดยรวมแล้ว โปรเซสเซอร์ร่วมมีความสำคัญอย่างยิ่งในการหลอมรวมบล็อกเชนที่มีการกำหนดไว้สูงแต่มีประสิทธิภาพต่ำเข้ากับเอเจนต์ที่มีประสิทธิภาพสูงแต่มีความน่าจะเป็น หากไม่มีโปรเซสเซอร์ร่วม AI ก็คงไม่ปรากฏในบล็อกเชนยุคนี้
แรงจูงใจของนักพัฒนา
ปัญหาใหญ่ประการหนึ่งในการพัฒนาโอเพ่นซอร์สของ AI คือการขาดแรงจูงใจในการทำให้มันยั่งยืน การพัฒนา AI ต้องใช้เงินทุนสูงและต้นทุนเสียโอกาสของทั้งงานคอมพิวเตอร์และงานความรู้ด้าน AI ก็สูงมาก หากไม่มีแรงจูงใจที่เหมาะสมในการให้รางวัลแก่การมีส่วนร่วมของโอเพ่นซอร์ส สนามนี้จะสูญเสียซูเปอร์คอมพิวเตอร์ที่มีทุนสูงอย่างหลีกเลี่ยงไม่ได้
จากความรู้สึกไปจนถึงพลูราลิส, Sahara AI และ Mira เป้าหมายของโครงการเหล่านี้คือการเปิดตัวเครือข่ายที่ช่วยให้เครือข่ายแบบกระจายอำนาจของบุคคลสามารถมีส่วนร่วมในการข่าวกรองเครือข่ายในขณะเดียวกันก็ให้สิ่งจูงใจที่เหมาะสม
ด้วยการชดเชยในรูปแบบธุรกิจ โอเพ่นซอร์สควรรวมตัวกันในอัตราที่เร็วกว่า ช่วยให้นักพัฒนาและนักวิจัย AI มีทางเลือกระดับโลกแทนบริษัทเทคโนโลยีขนาดใหญ่ และมีโอกาสที่จะได้รับค่าตอบแทนอย่างดีตามมูลค่าที่สร้างขึ้น
แม้ว่าจะเป็นเรื่องยากมากที่จะทำเช่นนี้ และการแข่งขันก็เริ่มรุนแรงขึ้น แต่ตลาดที่มีศักยภาพที่นี่ก็มีขนาดใหญ่มาก
รุ่น GNN
โมเดลภาษาขนาดใหญ่จะแบ่งรูปแบบในไลบรารีข้อความขนาดใหญ่และเรียนรู้ที่จะคาดเดาคำถัดไป ในขณะที่โครงข่ายประสาทเทียมแบบกราฟ (GNN) ประมวลผล วิเคราะห์ และเรียนรู้ข้อมูลที่มีโครงสร้างกราฟ เนื่องจากข้อมูลออนไลน์ส่วนใหญ่ประกอบด้วยการโต้ตอบที่ซับซ้อนระหว่างผู้ใช้และสัญญาอัจฉริยะ หรืออีกนัยหนึ่งคือกราฟ GNN จึงดูเหมือนจะเป็นตัวเลือกที่สมเหตุสมผลเพื่อรองรับกรณีการใช้งาน AI บนเครือข่าย
โครงการต่างๆ เช่น Pond และ RPS กำลังพยายามสร้างโมเดลพื้นฐานสำหรับ web3 ซึ่งอาจนำไปใช้ในการซื้อขาย Defi และแม้กระทั่งกรณีการใช้งานทางสังคม เช่น:
- การคาดการณ์ราคา: โมเดลพฤติกรรมออนไลน์คาดการณ์ราคา กลยุทธ์การซื้อขายอัตโนมัติ การวิเคราะห์ความเชื่อมั่น
- AI Finance: การบูรณาการกับแอปพลิเคชัน DeFi ที่มีอยู่ กลยุทธ์ผลตอบแทนขั้นสูง และการใช้สภาพคล่อง การจัดการความเสี่ยง/การกำกับดูแลที่ดีขึ้น
- การตลาดออนไลน์: การแอร์ดรอป/การวางตำแหน่งที่ตรงเป้าหมายมากขึ้น กลไกการแนะนำตามพฤติกรรมออนไลน์
โมเดลเหล่านี้จะใช้งานโซลูชันคลังข้อมูลอย่างหนัก เช่น Space and Time, Subsquid, Covalent และ Hyperline ซึ่งผมมองในแง่ดีเป็นอย่างมาก
GNN สามารถพิสูจน์ได้ว่าโมเดลขนาดใหญ่ของบล็อกเชนและคลังข้อมูล Web3 เป็นเครื่องมือเสริมที่จำเป็น กล่าวคือ มอบฟังก์ชัน OLAP (การประมวลผลการวิเคราะห์ออนไลน์) สำหรับ Web3
แอปพลิเคชัน
ในความเห็นของผม ตัวแทนออนไลน์อาจเป็นกุญแจสำคัญในการแก้ปัญหาประสบการณ์ผู้ใช้ที่รู้จักกันดีของสกุลเงินดิจิทัล แต่ที่สำคัญกว่านั้น เราได้ลงทุนหลายพันล้านดอลลาร์ในโครงสร้างพื้นฐาน Web3 ในช่วงทศวรรษที่ผ่านมา แต่การใช้งานด้านอุปสงค์ แต่น่าเสียดายเพียงเล็กน้อย .
ไม่ต้องห่วง ตัวแทนมาแล้ว...
คะแนนการทดสอบ AI เพิ่มขึ้นในมิติต่างๆ ของพฤติกรรมมนุษย์
ดูเหมือนสมเหตุสมผลที่ตัวแทนเหล่านี้ใช้ประโยชน์จากโครงสร้างพื้นฐานแบบเปิดที่ไม่ได้รับอนุญาต ซึ่งครอบคลุมการชำระเงินและการประมวลผลแบบแยกส่วน เพื่อบรรลุเป้าหมายปลายทางที่ซับซ้อนยิ่งขึ้น ในระบบเศรษฐกิจอัจฉริยะแบบเครือข่ายที่กำลังจะมาถึง กระแสทางเศรษฐกิจอาจไม่ใช่ B -> B -> C อีกต่อไป แต่เป็นผู้ใช้ -> ตัวแทน -> เครือข่ายคอมพิวเตอร์ -> ตัวแทน -> ผู้ใช้ ผลลัพธ์สุดท้ายของโฟลว์นี้คือข้อตกลงตัวแทน องค์กรด้านแอปพลิเคชันหรือบริการมีค่าใช้จ่ายที่จำกัดและดำเนินงานบนทรัพยากรออนไลน์เป็นหลัก ค่าใช้จ่ายในการตอบสนองความต้องการของผู้ใช้ปลายทาง (หรือซึ่งกันและกัน) ในเครือข่ายแบบประกอบได้นั้นต่ำกว่าองค์กรแบบเดิมมาก เช่นเดียวกับเลเยอร์แอปพลิเคชันของ Web2 ที่รวบรวมคุณค่าส่วนใหญ่ ฉันยังชื่นชอบทฤษฎี "fat proxy protocol" ใน DeAI อีกด้วย เมื่อเวลาผ่านไป การจับมูลค่าควรจะขยับสูงขึ้นไปบนสแต็ก
การสะสมมูลค่าใน generative AI
Google, Facebook และ Blackrock ถัดไปอาจเป็นโปรโตคอลพร็อกซี และส่วนประกอบในการใช้งานก็กำลังเกิดขึ้น
ดีเอไอ เอนด์เกม
AI จะเปลี่ยนรูปแบบเศรษฐกิจของเรา ปัจจุบัน ตลาดคาดว่าการจับมูลค่านี้จะถูกจำกัดอยู่เพียงบริษัทขนาดใหญ่เพียงไม่กี่แห่งบนชายฝั่งตะวันตกของทวีปอเมริกาเหนือ และ DeAI เป็นตัวแทนของวิสัยทัศน์ที่แตกต่าง วิสัยทัศน์ของเครือข่ายอัจฉริยะที่เปิดกว้างและประกอบได้ พร้อมด้วยรางวัลและการชดเชยสำหรับการมีส่วนร่วมแม้เพียงเล็กน้อย และความเป็นเจ้าของ/การดูแลโดยรวมที่มากขึ้น
แม้ว่าคำกล่าวอ้างบางส่วนของ DeAI นั้นเกินจริง และหลายโครงการมีการซื้อขายในราคาที่สูงกว่าแรงผลักดันที่แท้จริงในปัจจุบันอย่างมาก ขนาดของโอกาสก็ดูเหมือนจะมีนัยสำคัญ สำหรับผู้ที่มีความอดทนและมองการณ์ไกล วิสัยทัศน์ในท้ายที่สุดของ DeAI เกี่ยวกับการประมวลผลที่สามารถประกอบได้อย่างแท้จริงอาจพิสูจน์ให้เห็นถึงความสมเหตุสมผลของบล็อคเชนในตัวเอง
ความคิดเห็นทั้งหมด