การระดมทุนรอบแรกมูลค่า 10 ล้าน USD ของ Gradient Network เป็นสัญญาณล่าสุดของการเร่งการลงทุนในโครงสร้างพื้นฐาน AI แบบกระจายศูนย์
ได้รับการสนับสนุนจาก Pantera Capital, Multicoin Capital และ HSG การระดมทุนนี้จะสนับสนุนการพัฒนา stack runtime AI แบบกระจายศูนย์ของ Gradient
การเปลี่ยนจาก AI แบบรวมศูนย์ไปสู่ทางเลือกแบบกระจายศูนย์
Sponsoredโครงการ นี้กำลังเปิดตัวโปรโตคอลหลักสองตัวคือ Lattica และ Parallax เพื่ออำนวยความสะดวกในการเคลื่อนย้ายข้อมูลแบบ peer-to-peer และ การอนุมาน AI แบบกระจาย การพัฒนานี้ไม่ใช่เรื่องโดดเดี่ยว
ตาม ข้อมูลตลาด ภาค AI แบบกระจายศูนย์มีบริษัท 164 แห่งภายในสิ้นปี 2024 โดยในนั้น 104 แห่งได้รับการระดมทุน มูลค่าตลาดรวมคาดว่าจะถึง 973.6 ล้าน USD ภายในปี 2027
โครงการ AI แบบกระจายศูนย์มุ่งท้าทายการครอบงำของ hyperscalers เช่น OpenAI, Google และ AWS บริษัทเหล่านี้ควบคุมโครงสร้างพื้นฐานการฝึกอบรม AI การอนุมาน และการกระจายส่วนใหญ่
แนวทางของ Gradient มุ่งเน้นไปที่โหนดที่ใช้เบราว์เซอร์และเครือข่าย peer ที่มีน้ำหนักเบา เสนอทางเลือกแทนการใช้งานที่หนักบนคลาวด์
Sponsored Sponsoredโครงการนี้อ้างว่าโมเดลนี้ลดต้นทุนและความหน่วงขณะปรับปรุงความเป็นส่วนตัว
แม้ว่าจะมีความพยายามที่คล้ายกัน เช่น Bittensor สำหรับการฝึกอบรมโมเดลแบบกระจายศูนย์ และ Gensyn สำหรับตลาดคอมพิวเตอร์ แต่ Gradient มุ่งเน้นไปที่การอนุมานและการประสานงาน
สิ่งนี้ทำให้แตกต่างจากตลาดเช่าคอมพิวเตอร์และคลังโมเดล
ทำไมการระดมทุนของ Gradient Network ถึงโดดเด่น
Sponsored
Pantera และ Multicoin มีประวัติการลงทุนในโครงสร้างพื้นฐาน การเข้าร่วมในรอบนี้บ่งบอกถึงความมั่นใจของสถาบันที่เพิ่มขึ้นในโมเดล runtime แบบกระจายศูนย์
โดยการสนับสนุนโปรโตคอลเช่น Lattica (สำหรับการไหลของข้อมูล) และ Parallax (สำหรับการอนุมาน) นักลงทุนกำลังเดิมพันในโครงสร้างพื้นฐานที่ ช่วยให้ AI agents—ที่โมเดลสื่อสารกันอย่างไดนามิก แบ่งปันบริบท และทำงานข้ามระบบกระจาย
สิ่งนี้สอดคล้องกับฉันทามติที่เพิ่มขึ้นในอุตสาหกรรมว่า การใช้งาน AI แบบคงที่ไม่เพียงพอสำหรับกรณีการใช้งานในโลกจริงและแบบเรียลไทม์
ความท้าทายยังคงอยู่
Sponsored Sponsoredแม้จะมีความหวัง, AI แบบกระจายศูนย์ยังคงเผชิญกับอุปสรรคที่สูงชัน.
แบนด์วิดท์, ความหน่วง, และสภาพแวดล้อมฮาร์ดแวร์ที่หลากหลายยังคงซับซ้อนในการประสานงาน. การใช้ Sentry Nodes ของ Gradient พยายามแก้ไขปัญหานี้, แต่การนำไปใช้ในวงกว้างยังไม่ได้รับการพิสูจน์.
ความปลอดภัยก็เป็นที่กังวล. การให้บริการโมเดลผ่านอุปกรณ์ที่ไม่น่าเชื่อถือเพิ่มความเสี่ยงเกี่ยวกับการบิดเบือนผลลัพธ์, การรั่วไหลของข้อมูล, และการทำลายโมเดล.
แม้ว่าโครงสร้างของ Gradient จะสัญญาว่าจะมี การอนุมานที่รักษาความเป็นส่วนตัว, การตรวจสอบอิสระและความยืดหยุ่นในระยะยาวจะมีความสำคัญ.
โดยรวม, การระดมทุนของ Gradient ย้ำเตือนว่า AI แบบกระจายศูนย์ไม่ใช่เรื่องที่อยู่ขอบ. มันเข้าร่วมกับโครงการโครงสร้างพื้นฐานที่กำลังเติบโตซึ่งมุ่งหวังที่จะทำให้ปัญญาเปิด, เป็นโมดูล, และตรวจสอบได้.
