Biên dịch: Jinse Finance
Lưu ý: Vào ngày 10 tháng 12 năm 2024, dự án Crypto x AI Hyperbolic đã công bố hoàn thành vòng gọi vốn Series A trị giá 12 triệu USD, do Variant và Polychain Capital dẫn đầu. Cộng với 7 triệu USD vốn đầu tư ban đầu do Polychain Capital và Lightspeed Faction dẫn đầu trước đó, cũng như các vòng gọi vốn trước đó, tổng số vốn huy động của Hyperbolic đạt 20 triệu USD.
Để hiểu rõ hơn về dự án Hyperbolic, vui lòng tham khảo bài báo trước đây của Jinse Finance "Hiểu rõ về ngôi sao Crypto x AI mới Hyperbolic".
Cùng thời điểm đó, Variant đã đăng bài trên trang web chính thức của mình để giải thích lý do dẫn đầu đầu tư vào Hyperbolic. Bây giờ hãy cùng Variant tìm hiểu về logic đầu tư của Variant vào Hyperbolic.
Sự chuyển đổi của nền tảng tính toán thường diễn ra theo cặp hoặc theo nhóm, thường kèm theo các đổi mới về phần cứng mới, ứng dụng và phân phối, chúng thúc đẩy lẫn nhau tiến lên. Ví dụ: máy tính cá nhân, Internet và World Wide Web. Thiết bị di động, mạng xã hội và điện toán đám mây.
Chúng tôi tin rằng một sự kết hợp mạnh mẽ đang nổi lên ở giao điểm của Crypto (công nghệ) và AI. AI cần phối hợp GPU quy mô lớn, trong khi Crypto sử dụng các cơ chế khuyến khích để tích hợp các nguồn lực. AI là xác suất, trong khi Crypto là xác định. Chúng tôi tin rằng Crypto có thể giải quyết hai vấn đề cấp bách nhất mà AI đang phải đối mặt: chi phí và lòng tin (đặc biệt là chi phí lòng tin).
Chi phí và lòng tin
Hãy giải thích chi tiết hơn:
Chi phí
Hiện nay, chi phí vận hành các mô hình là rất cao. Nguyên nhân cơ bản thường được quy kết là do vấn đề cung ứng, tức là các công ty công nghệ lớn nhất tích trữ dẫn đến thiếu hụt GPU. Nhưng sự thật không phải như vậy; GPU có sẵn ở khắp các trung tâm dữ liệu, mỏ đào, máy tính cá nhân và máy tính cục bộ trên toàn thế giới. Trái lại, GPU dường như khan hiếm là do mạng lưới cung ứng GPU phân tán và thiếu sự phối hợp. Do đó, vấn đề chúng ta thực sự đối mặt là vấn đề phối hợp trong mạng lưới cung ứng GPU phi tập trung, điều này khiến chúng trở nên đắt đỏ.
Lòng tin
Mạng lưới GPU phi tập trung có chi phí ban đầu thấp, nhưng lại đưa ra một vấn đề mới: chi phí lòng tin. Làm thế nào để bạn tin tưởng rằng các mô hình chạy trên mạng lưới由nhiều người tham gia khác nhau tạo thành đang hoạt động chính xác? Giải pháp truyền thống của lĩnh vực Crypto là để mỗi nút thực hiện cùng tính toán, điều này dẫn đến chi phí lớn, hoặc hoàn toàn giảm bớt tính toán. Tuy nhiên, điều này không hoạt động đối với các mô hình AI, vì để mỗi nút thực hiện cùng tính toán sẽ quá chậm, và giảm quy mô mô hình sẽ làm giảm chất lượng. Không có nghi ngờ gì, trong môi trường tập trung cũng tồn tại vấn đề xác minh (ví dụ: làm thế nào bạn biết rằng ChatGPT đang cung cấp cho bạn GPT-4 thay vì GPT 3.5?), nhưng uy tín của OpenAI có thể hỗ trợ lòng tin với chi phí thấp hơn, mặc dù thiếu tính nghiêm ngặt của Crypto. Khi hỏi về công thức bánh quy, tính xác minh này có thể không quan trọng, nhưng khi hỏi về việc có khối u ác tính trong hình ảnh y tế hay không, thì nó chắc chắn quan trọng. Khi AI đảm nhận nhiệm vụ ngày càng quan trọng trong xã hội, chi phí lòng tin chỉ sẽ tăng lên. Mạng lưới Crypto đi trước một bước trong việc này, vì chúng phải giải quyết vấn đề xác minh để giảm chi phí.
Và đây là nơi Hyperbolic bước vào.
Hyperbolic là gì
Hyperbolic là một trong những tham gia giải quyết vấn đề chi phí lòng tin trong mạng lưới GPU phi tập trung mà chúng tôi từng thấy. Một trong những sáng tạo then chốt của nhóm là Học máy có thể xác minh dựa trên mẫu (spML), điều này khiến điều này trở nên có thể. Nó sử dụng một giao thức lấy mẫu ngẫu nhiên được gọi là Bằng chứng lấy mẫu để đảm bảo tính xác minh (với giả định rằng các bên hành động theo lý trí kinh tế) trong mạng lưới cung cấp GPU phi tập trung, đồng thời vẫn duy trì hiệu quả để chạy các mô hình AI lớn và chất lượng cao nhất. Hyperbolic cho phép chạy các mô hình một cách xác minh với chi phí thấp hơn mà không hy sinh hiệu suất hoặc chất lượng.
Phản ứng ban đầu của thị trường ủng hộ điều này. Hyperbolic là một trong số ít nền tảng lưu trữ mô hình cơ sở Llama 3.1 405B với định dạng BF16, đây là một mô hình nguồn mở lớn có chất lượng tương đương với mô hình chuyên quyền GPT-4 của OpenAI, nhưng chạy Llama 3.01 405B trên Hyperbolic rẻ hơn 10 lần so với sử dụng mô hình GPT-4 của OpenAI. Tích hợp với các nền tảng AI hàng đầu (như Gradio của Hugging Face, OpenRouter và Poe của Quora) nổi bật cam kết của Hyperbolic mang đến các mô hình chất lượng cao nhất cho cộng đồng AI. Các nhà phát triển AI nổi tiếng như Andrej Karpathy đã sử dụng Hyperbolic để chạy các mô hình nguồn mở vì nó có thể chạy các mô hình chất lượng cao hơn, rẻ hơn và có trải nghiệm người dùng tốt hơn so với các đối thủ cạnh tranh.
Nhưng Hyperbolic không chỉ là một đối thủ cạnh tranh Web2 mạnh mẽ, nó sẽ vô song trong việc đáp ứng nhu cầu của các ứng dụng Web3. Hiện tại, các ứng dụng Web3 khi tích hợp AI buộc phải đạt được một thỏa hiệp Faustian: để có được hiệu suất cần thiết, chúng phải dựa vào các nguồn suy luận AI tập trung, điều này trực tiếp mâu thuẫn với tinh thần phi tập trung của dự án và lại đưa vào vấn đề oracle. Bởi vì Hyperbolic sẽ cung cấp cả tính phi tập trung và hiệu suất, cũng như chất lượng, các ứng dụng Web3 sẽ có thể tận dụng nó mà không hy sinh bất cứ điều gì.
Chúng tôi tin rằng việc nhóm tập trung trước tiên vào việc xây dựng một sản phẩm cạnh tranh với tất cả người dùng (không chỉ người dùng Web3) là đúng đắn. Cung cấp GPU là vô tư và sẽ theo dõi nhu cầu không chút trở ngại, vì vậy việc trước tiên thu hút nhu cầu để thiết lập sự gắn kết cần thiết là rất quan trọng. Chúng tôi dự đoán rằng nhu cầu suy luận sẽ tiếp tục thu hút nguồn cung GPU và đạt được quy mô kinh tế cần thiết để cạnh tranh lâu dài trên thị trường. Một ẩn dụ không hoàn hảo để giải thích điều này là cách Amazon đối với AWS. Amazon trước tiên tập trung vào việc xây dựng nhu cầu tính toán thông qua các sản phẩm được người dùng yêu thích (như thị trường của nó), cung cấp nguồn cung tính toán để hỗ trợ nhu cầu đó, và cuối cùng đạt được quy mô kinh tế để có thể ra mắt AWS và cung cấp dịch vụ tính toán cho bên thứ ba theo cách rẻ hơn và tốt hơn so với các đối thủ cạnh tranh. Sau khi xây dựng được nhu cầu và cung cấp cốt lõi trên mạng lưới Hyperbolic, chúng tôi tin rằng nhóm sẽ có khả năng mở rộng ra các lớp của ngăn xếp AI, bao gồm cả huấn luyện, nguồn dữ liệu và tiền xử lý.
Nhóm sáng lập Hyperbolic
Nhóm sáng lập Hyperbolic là một trong những nhóm mạnh nhất mà chúng tôi gặp trong lĩnh vực này, họ có chuyên môn sâu về cả Crypto và trí tuệ nhân tạo, điều này mang lại cho họ một lợi thế độc đáo trong việc giải quyết thị trường tính toán phi tập trung cho các mô hình AI.
Về mặt Crypto, Giám đốc điều hành và đồng sáng lập Hyperbolic, Jasper Zhang là một chuyên gia toán học, chuyên về chứng minh xác minh trong các hệ thống phân tán. Jasper đã nhiều lần đoạt giải trong các kỳ thi Olympic Toán, và nhận bằng tiến sĩ toán học từ Berkeley trong chưa đầy hai năm (trở thành người hoàn thành chương trình tiến sĩ 5 năm nhanh nhất trong lịch sử trường), trước đó là nhà phân tích định lượng tại Citadel và nhà nghiên cứu tại Ava Labs.
Về mặt AI, Giám đốc kỹ thuật và đồng sáng lập Hyperbolic, Yuchen Jin là chuyên gia về học máy và hệ thống phân tán. Yuchen đã nhận được học bổng quốc gia nổi tiếng của Trung Quốc, có bằng tiến sĩ khoa học máy tính từ Đại học Washington, và đã quản lý một nhóm kỹ sư tại OctoAI, xây dựng các giải pháp tối ưu hóa cho các mô hình AI.
Chúng tôi rất vui được thông báo rằng hôm nay chúng tôi dẫn đầu vòng gọ
