Bitget新闻:上一篇文章中，提到本轮加密牛市周期与前两轮周期相比，缺少足够有影响力的新商业和新资产叙事。AI是本轮Web3领域少有的新叙事之一，本文笔者将结合今年的热点AI项目IO.NET，尝试梳理关于以下2个问题的思考：
其次，笔者将梳理AI分布式算力的代表项目：IO.NET项目的关键信息，包括产品逻辑、竞品情况和项目背景，并就项目的估值进行推演。
本文关于AI和Web3结合一节的部分思考，受到了Delphi Digital研究员Michael rinko所写的《The Real Merge》的启发。本文的部分观点存在对该文章的消化和引述，推荐读者阅读原文。
本文为笔者截至发表时的阶段性思考，未来可能可能发生改变，且观点具有极强的主观性，亦可能存在事实、数据、推理逻辑的错误，请勿作为投资参考，欢迎同业的批评和探讨。
以下为正文部分。
1.1 2023：AI造就的新“奇迹年”
回看人类发展史，一旦科技实现了突破性进展，从个体日常生活，到各个产业格局，再到整个人类文明，都会跟着发生天翻地覆的变化。
人类历史中有两个重要年份，分别是1666年和1905年，如今它们被称为科技史上的两大“奇迹年”。
1666年作为奇迹年，是因为牛顿的科学成果在该年集中式地涌现。这一年，他开辟了光学这个物理分支，创立了微积分这个数学分支，导出了引力公式这个现代自然科学的基础定律。这当中无论哪一项都是未来百年人类科学发展的奠基式贡献，大大加速了整体科学的发展。
第二个奇迹年是1905年，彼时仅仅26岁的爱因斯坦在《物理学年鉴》上连续发表4篇论文，分别涉及光电效应（为量子力学奠基）、布朗运动（成为分析随机过程的重要引用）、狭义相对论和质能方程（也就是那个知名公式E=MC^2）。在后世评价中，这四篇论文每一篇都超过诺贝尔物理学奖的平均水平（爱因斯坦本人也因为光电效应论文获得了诺贝尔奖），人类文明的历史进程再一次被大大推进了好几步。
而刚刚过去的2023年，大概率也会因为ChatGPT，而被称之为又一个“奇迹年”。
我们把2023年看做人类科技史上的有一个“奇迹年”，不仅是因为GPT在自然语言理解和生成上的巨大进步，更是因为人类从GPT的进化中摸清了大语言模型能力增长的规律——即通过扩大模型参数和训练数据，就能指数级别提升模型的能力——且这一进程短期还看不到瓶颈（只要算力够用的话）。
该能力远不至于理解语言和生成对话，还能被广泛地交叉用于各类科技领域，以大语言模型在生物领域的应用为例：
有了基于AI的各类模型，从生物科技、材料科学、药物研发等硬科技，再到法律、艺术等人文领域，必将迎来翻天覆地的变革，而2023正是这一切的元年。
我们都知道，近百年来人类在财富上的创造能力是指数级别增长的，而AI技术的快速成熟，必然会进一步加速这一进程。
随机性：AI具有随机性，其内容生产的机制背后是一个难以复现、探查的黑盒，因此结果也具有随机性
资源密集：AI是资源密集型产业，需要大量的能源、芯片、算力
类人智能：AI（很快将）能够通过图灵测试，此后，人机难辨*
※2023年10月30日，美国加州大学圣迭戈分校的研究小组发布了关于GPT-3.5和GPT-4.0的图灵测试结果（）。GPT4.0成绩为41%，距离及格线50%仅差9%，同项目人类测试成绩为63%。本图灵测试的含义为有百分之多少的人认为和他聊天的那个对象是真人。如果超过50%，就说明人群中至少有一半以上的人认为那个交谈对象是人，而不是机器，即视作通过图灵测试。
AI在为人类创造新的跨越式的生产力的同时，它的这三个属性也给人类社会带来的巨大的挑战，即：
而Crypto和区块链经济的特性，或许正好是解决AI带来的挑战的良药，加密经济具有以下3个特征：
接下来通过3个例子来说明AI和加密经济的互补性。
例子A：解决随机性，基于加密经济的AI代理
AI代理（AI Agent）即负责基于人类意志，替人类执行工作的人工智能程序（代表性项目有Fetch.AI）。假设我们要让自己的AI代理处理一笔金融交易，比如“买入1000美元的BTC”。AI代理可能面临两种情况：
情况一，它要对接传统金融机构（比如贝莱德），购入BTC ETF，这里面临着大量的AI代理和中心化机构的适配问题，比如KYC、资料审查、登录、身份验证等等，目前来说还是非常麻烦。
情况二，它基于原生加密经济运行，情况会变得简单得多，它会通过Uniswap或是某个聚合交易平台，直接用你的账户签名、下单完成交易，收到WBTC（或是其他封装格式的BTC），整个过程快捷简单。实际上，这就是各类Trading BOT在做的事情，它们实际上已经扮演了一个初级的AI代理的角色，只不过工作专注于交易而已。未来各类交易BOT随着AI的融入和演化，必然能执行更多复杂的交易意图。比如：跟踪100个链上的聪明钱地址，分析它们的交易策略和成功率，用我地址里的10%资金在一周内执行类似交易，并在发现效果不佳时停止，并总结失败的可能原因。
AI在区块链的系统中运行会更加良好，本质上是因为加密经济规则的清晰性，以及系统访问的无许可。在限定的规则下执行任务，AI的随机性带来的潜在风险也将更小。比如AI在棋牌比赛、电子游戏的表现已经碾压人类，就是因为棋牌和游戏是一个规则清晰的封闭沙盒。而AI在自动驾驶上的进展会相对缓慢，因为开放的外部环境的挑战更大，我们也更难容忍AI处理问题的随机性。
例子B：塑造资源，通过代币激励聚集资源
BTC背后的全球的算力网络，其当前的总算力（Hashrate: 576.70 EH/s）超过了任何一个国家的超级计算机的综合算力。其发展动力来自于简单、公平的网络激励。
除此之外，包括Mobile在内的DePIN项目们，也正在尝试通过代币激励塑造供需两端的双边市场，实现网络效应。本文接下来将重点梳理的IO.NET，则是为了汇聚AI算力设计的平台，希望通过代币模型，激发出更多的AI算力潜力。
例子C：开源代码，引入ZK，保护隐私的情况下分辨人机
作为OpenAI创始人Sam Altman参与的Web3项目，Worldcoin通过硬件设备Orb，基于人的虹膜生物特征，通过ZK技术生成专属且匿名的哈希值，用于验证身份，区别人和机器。今年3月初，Web3艺术项目Drip就开始使用Worldcoin的ID，来验证真人用户和发放奖励。
此外，Worldcoin也在近日开源了其虹膜硬件Orb的程序代码，就用户生物特征的安全和隐私提供保证。
总体来说，加密经济由于代码和密码学的确定性、无许可和代币机制带来的资源流转和募集优势，和基于开源代码、公开账本的去信任属性，已经成为人类社会面临AI挑战的一个重要的潜在解决方案。
而且其中最迫在眉睫，商业需求最旺盛的挑战，就是AI产品在算力资源上的极度饥渴，围绕芯片和算力的巨大需求。
这也是本轮牛市周期，分布式算力项目的涨势冠绝整体AI赛道的主要原因。
分布式计算（Decentralized Compute）的商业必要性
AI需要大量的计算资源，无论是用于训练模型还是进行推理。
而在大语言模型的训练实践中，有一个事实已经得到确认：只要数据参数的规模足够大，大语言模型就会涌现出一些之前没有的能力。每一代GPT的能力相比上一代的指数型跃迁，背后就是模型训练的计算量的指数级增长。
DeepMind和斯坦福大学的研究显示，不同的大语言模型，在面对不同的任务（运算、波斯语问答、自然语言理解等）时，只要把模型训练时的模型参数规模加大（对应地，训练的计算量也加大了），在训练量达不到10^22 FLOPs（FLOPs指每秒浮点运算量，用于衡量计算性能）之前，任何任务的表现都和随机给出答案是差不多的；而一旦参数规模超越那个规模的临界值后，任务表现就急剧提升，不论哪个语言模型都是这样。
来源：Emergent Abilities of Large Language Models
也正是在算力上“大力出奇迹”的规律和实践的验证，让OpenAI的创始人Sam Altman提出了要募集7万亿美金，构建一个超过目前台积电10倍规模的先进芯片厂（该部分预计花费1.5万亿），并用剩余资金用于芯片的生产和模型训练。
除了AI模型的训练需要算力之外，模型的推理过程本身也需要很大的算力（尽管相比训练的计算量要小），因此对芯片和算力的饥渴成为了AI赛道参与者的常态。
相对于中心化的AI算力提供方如Amazon Web Services、Google Cloud Platform、微软的Azure等，分布式AI计算的主要价值主张包括：
如果说化石能源是工业时代的血液，那算力或将是由AI开启的新数字时代的血液，算力的供应将成为AI时代的基础设施。正如稳定币成为法币在Web3时代的一个茁壮生长的旁支，分布式的算力市场是否会成为快速成长的AI算力市场的一个旁支？
由于这还是一个相当早期的市场，一切都还有待观察。但是以下几个因素可能会对分布式算力的叙事或是市场采用起到刺激作用：
但同时，分布式算力平台的挑战也相当明显：
总的来说，分布式计算平台的消费者大多是专业的开发者，或是中小型的机构，与购买加密货币和NFT的加密投资者们不同，这类用户对于协议所能提供的服务的稳定性、持续性有更高的要求，价格未必是他们决策的主要动机。目前来看，分布式计算平台们要获得这类用户的认可，仍然有较长的路要走。
接下来，我们就一个本轮周期的新分布式算力项目IO.NET进行项目信息的梳理和分析，并基于目前市场上同赛道的AI项目和分布式计算项目，测算其上市后可能的估值水平。
2.1 项目定位
IO.NET是一个去中心化计算网络，其构建了一个围绕芯片的双边市场，供给端是分布在全球的芯片（GPU为主，也有CPU以及苹果的iGPU等）算力，需求端是希望完成AI模型训练或推理任务的人工智能工程师。
在IO.NET的官网上，它这样写道：
Our Mission
Putting together one million GPUs in a DePIN – decentralized physical infrastructure network.
其使命是把百万数量级的GPU整合到它的DePIN网络中。
与现有的云AI算力服务商相比，其对外强调的主要卖点在于：
此外，IO.NET未来还计划上线AI模型商店等服务。
与亚马逊云、谷歌云、阿里云一样，IO.NET提供的计算服务叫IO Cloud。IO Cloud是一个分布式的、去中心化的芯片网络，能够执行基于Python的机器学习代码，运行AI和机器学习程序。
IO Cloud的基本业务模块叫做集群（Clusters），Clusters是一个可以自我协调完成计算任务的GPU群组，人工智能工程师可以根据自己的需求来自定义想要的集群。
IO.NET的产品界面的用户友好度很高，如果你要部署属于自己的芯片集群，来完成AI计算任务，在进入它的Clusters（集群）产品页面后，就可以开始按需配置你要的芯片集群。
General（通用型）：提供了一个比较通用的环境，适合早期不确定具体资源需求的项目阶段。
Train（训练型）：专为机器学习模型的训练和微调而设计的集群。这个选项可以提供更多的GPU资源、更高的内存容量和/或更快的网络连接，以便于处理这些高强度的计算任务。
Inference（推理型）：专为低延迟推理和重负载工作设计的集群。在机器学习的上下文中，推理指的是使用训练好的模型来进行预测或分析新数据，并提供反馈。因此，这个选项会专注于优化延迟和吞吐量，以便于支持实时或近实时的数据处理需求。
然后，你需要选择芯片集群的供应方，目前IO.NET与Render Network以及Filecoin的矿工网络达成了合作，因此用户可以选择IO.NET或另外两个网络的芯片来作为自己计算集群的供应方，相当于IO.NET扮演了一个聚合器的角色（但截至笔者撰文时，Filecon服务暂时下线中）。值得一提的是，根据页面显示，目前IO.NET在线可用GPU数量为20万 ，而Render Network的可用GPU数量为3700 。
再接下来就进入了集群的芯片硬件选择环节，目前IO.NET列出可供选择的硬件类型仅有GPU，不包括CPU或是苹果的iGPU(M1、M2等），而GPU也主要以英伟达的产品为主。
在官方列出、且可用的GPU硬件选项中，根据笔者测试的当日数据，IO.NET网络总在线的可用数量的GPU数量为206001张。其中可用量最多的是GeForce RTX 4090（45250张），其次是GeForce RTX 3090 Ti（30779张）。
此外，在处理AI计算任务如机器学习、深度学习、科学计算上更为高效的A100-SXM4-80GB芯片（市场价15000$ ），在线数有7965张。
而英伟达从硬件设计开始就专为AI而生的H100 80GB HBM3显卡（市场价40000$ ），其训练性能是A100的3.3倍，推理性能是A100的4.5倍，实际在线数量为86张。
在选定集群的硬件类型后，用户还需要选择集群的地区、通信速度、租用的GPU数量和时间等参数。
最后，IO.NET根据综合的选择，会为你提供一个账单，以笔者的集群配置为例：
该总账单价格为3311.6$，单张卡的时租单价为1.232$
而A100-SXM4-80GB在亚马逊云、谷歌云和微软Azure的单卡时租价格分别为5.12$、5.07$和3.67$（数据来源：实际价格会根据合约细节条款产生变化）。
因此仅就价格来说，IO.NET的芯片算力确实比主流厂商便宜不少，且供给的组合与采购也非常有弹性，操作也很容易上手。
2.4 估值推算
根据此前创始人兼CEO Ahmad Shadid的说法，IO.NET将在4月底推出代币。
IO.NET有两个可以作为估值参考的标的项目：Render Network和Akash Network，它们都是代表性的分布式计算项目。
我们可以用两种方式推演IO.NET的市值区间：1.市销比，即：市值/收入比；2.市值/网络芯片数比。
先来看基于市销比的估值推演：
从市销比的角度来看，Akash可以作为IO.NET的估值区间的下限，而Render则作为估值的高位定价参考，其FDV区间为16.7亿~59.3亿美金。
但考虑到IO.NET项目更新，叙事更热，加上早期流通市值较小，以及目前更大的供应端规模，其FDV超过Render的可能性并不小。
再看另一个对比估值的角度，即“市芯比”。
在AI算力求大于供的市场背景下，分布式AI算力网络最重要的要素是GPU供应端的规模，因此我们可以以“市芯比”来横向对比，用“项目总市值与网络内芯片的数量之比”，来推演IO.NET可能的估值区间，供读者作为一个市值参考。
如果以市芯比来推算IO.NET的市值区间，IO.NET以Render Network的市芯比为上限，以Akash Network为下限，其FDV区间为206亿~1975亿美金。
相信再看好IO.NET项目读者，都会认为这是一个极度乐观的市值推算。
而且我们需要考虑到，目前IO.NET如此庞大的芯片在线张数，有受到空投预期以及激励活动的刺激，在项目正式上线后其供应端的实际在线数仍然需要观察。
因此总体来说，从市销比的角度进行的估值测算可能更有参考性。
IO.NET作为叠加了AI DePIN Solana生态三重光环的项目，其上线后的市值表现究竟如何，让我们拭目以待。
3.参考信息
Dephi Digital：The Real Merge
Galaxy：Understanding the Intersection of Crypto and AI