OpenAI получает средства в размере 6,6 млрд долларов США; Сможет ли децентрализованный ИИ идти в ногу со временем?

• OpenAI получает средства в размере 6,6 миллиардов долларов и стремится получить доход в 100 миллиардов долларов к 2029 году.
• ASI Alliance сотрудничает с SingularityNET и Fetch.ai, чтобы инвестировать 153 миллиона долларов в аппаратное обеспечение графических процессоров.
• Децентрализованный ИИ набирает силу за счет использования распределенных вычислений через сеть графических процессоров Cudos.

OpenAI привлекла $6,6 млрд нового финансирования, что подпитывает стремление к доминированию в области ИИ и усиливает борьбу между технологическими гигантами и децентрализованными проектами. Эти огромные инвестиции, которые, как сообщается, оцениваются в OpenAI более чем в 157 миллиардов долларов, позволят компании и дальше развивать свои модели искусственного интеллекта и конкурировать с такими конкурентами, как Microsoft и xAI Илона Маска.

OpenAI стремится достичь годового дохода в 100 миллиардов долларов к 2029 году, что сопоставимо с текущими годовыми продажами Nestlé. Эта амбициозная цель поддерживается инвестициями Microsoft в размере 100 миллиардов долларов в суперкомпьютеры в рамках проекта Stargate, посвященного обучению передовых моделей искусственного интеллекта.

Ресурсная проблема, с которой сталкиваются децентрализованные стартапы в области искусственного интеллекта

В то время как OpenAI и другие технологические гиганты продолжают накапливать огромную вычислительную мощность, децентрализованные инициативы в области ИИ, такие как (A SI) Alliance, сталкиваются с гораздо более крутым подъемом. Децентрализованные проекты, хотя и являются инновационными, по-прежнему требуют значительно меньших ресурсов по сравнению с крупными технологиями.

Читайте также: FET падает, поскольку AI Alliance представляет новый токен ASI

Например, Альянс искусственного сверхинтеллекта (ASI) в партнерстве с SingularityNET и Fetch.ai объявил об объединенных инвестициях в размере 153 миллионов долларов в аппаратное обеспечение графических процессоров. Эти значительные инвестиции направлены на предоставление необходимой вычислительной мощности для разработки автономных агентов искусственного интеллекта, расширяя границы нынешних возможностей искусственного интеллекта за пределы простых систем вопросов и ответов, таких как GPT-4.

Однако совокупные инвестиции в децентрализованное оборудование для искусственного интеллекта в размере 200 миллионов долларов являются незначительными по сравнению с многомиллиардными расходами крупных технологических компаний. Это неравенство поднимает вопросы о том, могут ли децентрализованные инициативы действительно конкурировать. Тем не менее, несмотря на эту проблему, ASI Alliance уверен, что его инновационный компьютерный рабочий процесс позволит удовлетворить потребности масштабирования децентрализованных технологий искусственного интеллекта.

Использование распределенных вычислений для децентрализованной мощи искусственного интеллекта

Ключевым преимуществом децентрализованных проектов искусственного интеллекта является их способность использовать распределенные вычислительные сети. Альянс ASI интегрировался с глобальной распределенной сетью Cudos, предоставив доступ к тысячам передовых графических процессоров искусственного интеллекта, включая новейший Blackwell GB200 от Nvidia.

Такой подход позволяет отдельным лицам выделять простаивающие ресурсы ЦП и графических процессоров, что делает разработку ИИ более демократичной и снижает зависимость от огромных централизованных ресурсов.

Читайте также: Последний шанс для владельцев FET: не пропустите крайний срок слияния ASI

Более того, SingularityNET и ASI Alliance стали пионерами в области нейронно-символического искусственного интеллекта, которые сводят к минимуму необходимость массовой обработки данных по сравнению с традиционными моделями глубокого обучения. Этот сдвиг в методологии, ориентированный на многоэтапные рассуждения и динамическое моделирование мира, направлен на создание систем искусственного интеллекта, способных к логическому, пошаговому решению проблем, а не просто к воспроизведению закономерностей из больших наборов данных.