CUDOS 與 ParallelAI 合作提升去中心化 AI 計算

The rapid development of artificial intelligence (AI) has led to significant advancements across various sectors, yet it comes with a hefty environmental price tag due to its high energy consumption. AI models, particularly those utilizing neural networks, require substantial computational power, which translates to enormous electricity usage. For example, running ChatGPT in early 2023 consumed approximately 564 MWh of electricity daily, equivalent to the energy needs of around 18,000 U.S. households. This energy demand is primarily driven by complex floating-point operations essential for neural network computations, making the search for energy-efficient solutions critical as AI systems grow in complexity. Enter the L-Mul (Linear-Complexity Multiplication) algorithm, a groundbreaking development that promises to significantly reduce the energy burden associated with AI computations. L-Mul operates by approximating floating-point multiplications with simpler integer additions, which can be integrated into existing AI models without the need for fine-tuning. This innovative approach has demonstrated remarkable energy savings, achieving up to 95% reduction in energy consumption for element-wise tensor multiplications and 80% for dot product computations. Importantly, this energy efficiency does not compromise the accuracy of AI models, marking a significant advancement in the quest for sustainable AI. The implications of L-Mul extend beyond mere energy savings; it enhances the performance of AI models across various applications, including transformer models and large language models (LLMs). In benchmarks such as GSM8k and visual question answering tasks, L-Mul has outperformed traditional floating-point formats like FP8, showcasing its potential to handle complex computations efficiently. As the demand for AI continues to rise, L-Mul stands out as a pivotal solution that not only addresses the energy crisis associated with AI but also paves the way for a more sustainable future in technology development.

In a significant move to enhance security and reliability in decentralized computing networks, io.net, a decentralized physical infrastructure network (DePIN) specializing in GPU clusters, has formed a partnership with NovaNet, a leader in zero-knowledge proofs (ZKPs). This collaboration aims to develop a groundbreaking solution known as zero knowledge GPU identification (zkGPU-ID), which will provide cryptographic assurances regarding the authenticity and performance of GPU resources. By leveraging NovaNet's advanced ZKP technology, io.net will be able to validate that the GPUs utilized within its decentralized platform not only meet but potentially exceed their advertised specifications, thereby enhancing user trust and resource reliability. Tausif Ahmed, the VP of Business Development at io.net, emphasized the importance of this partnership, stating that optimizing coordination and verification across a vast network of distributed GPU suppliers is crucial for building a permissionless and enterprise-ready decentralized compute network. The integration of NovaNet's zkGPU-ID will allow io.net to continuously validate and test its GPU resources on a global scale, ensuring that customers can confidently rent GPUs that are reliable and meet their specified needs. This initiative represents a significant advancement in the decentralized compute infrastructure, aiming to alleviate concerns regarding resource authenticity and performance. Moreover, the zkGPU-ID protocol utilizes NovaNet's zkVM (zero-knowledge virtual machine) technology, which plays a vital role in generating and verifying cryptographic proofs of GPU specifications at lower costs. Wyatt Benno, Technical Co-Founder of NovaNet, highlighted the necessity of ZKPs operating across various devices and contexts for privacy and local verifiability. The zkEngine from NovaNet rigorously tests and identifies GPUs within io.net's platform, creating a ZKP that ensures GPU integrity. This partnership sets a new standard for transparency, reliability, and security in decentralized GPU compute networks, marking a pivotal step forward in the industry.

YOM 宣布與 K4 Rally 展開令人興奮的合作，將區塊鏈拉力賽遊戲引入其去中心化網絡。這一合作旨在通過利用去中心化的實體基礎設施網絡（DePIN）來開創雲遊戲，允許像 K4 Rally 這樣的 AAA 質量遊戲能夠串流到任何設備。通過利用 URL 託管和 Telegram 等熱門平台，玩家可以享受多樣的傳統和基於區塊鏈的遊戲體驗，而無需高端的遊戲硬體。 K4 Rally 脫穎而出，成為一款開創性的區塊鏈驅動拉力賽遊戲，為玩家提供獨特的遊玩賺取體驗。玩家可以擁有遊戲內資產和汽車作為 NFT，同時參加全球各地的各種賽事。這款遊戲旨在縮小傳統遊戲與區塊鏈技術之間的差距，確保資產的真正擁有權和透明的去中心化遊戲生態系統。K4 Rally 的 NFT 資產系統與 YOM 的去中心化像素串流網絡的整合旨在提升可及性，讓玩家可以直接通過其網頁瀏覽器訪問遊戲。 這一合作還專注於共同的研究和開發工作，以改善通過基於瀏覽器的 URL 訪問雲遊戲的可及性。通過利用 YOM 的去中心化邊緣基礎設施，K4 Rally 能夠為玩家提供最小的延遲和不間斷的遊戲體驗，無論他們的位置或硬體能力如何。兩家公司計劃通過交叉推廣來提升用戶參與度並擴大玩家基礎，徹底改變傳統和區塊鏈玩家的遊戲體驗。這一合作預計將在遊戲行業開創新局面，為卓越的遊戲體驗提供創新技術和去中心化解決方案。

在當前的加密貨幣市場中，狗狗幣（DOGE）展現了驚人的韌性，儘管市場波動，仍保持穩定的流動性。在最近的美國選舉後，大型持有者或稱為「鯨魚」的活動顯著增加，鯨魚的淨流量增長了近957%。這一激增使得交易量在一天內從約4500萬增至超過4.3億DOGE。儘管狗狗幣的價格在選舉期間短暫上漲了約10%，但隨後又下跌了約6%，穩定在略低的水平。然而，其交易量仍然強勁，超過38億美元，市值接近290億美元，突顯了其在市場上的強大存在和主要投資者的持續關注。 相對而言，比特森（TAO）面臨挑戰，因為其流動性下降，這引發了投資者的擔憂。其市值約為37億美元，日交易量約為1.65億美元，減少的交易活動顯示出投資者參與的變化。目前，流通中的TAO代幣約為740萬個，最大供應量為2100萬個。流動性的下降可能導致價格波動性增加，這使得投資者必須密切關注這些趨勢。持續的下降可能會影響代幣的價值及其對潛在投資者的整體吸引力。 與此相比，英特爾市場（INTL）正在加密交易領域中崛起，擁有一個基於現代區塊鏈的獨特AI驅動交易平台。目前正處於預售的第五階段，英特爾市場已籌集了約200萬美元，近1000萬個代幣以0.045 Tether的價格售出，預計將增至約0.054。該平台的自學機器人處理超過100,000個數據點，讓交易者能夠根據實時數據做出明智的決策。憑藉其有限的代幣供應和先進的技術，英特爾市場將自己定位為尋求在波動市場中持續增長和穩定的投資者的戰略平台。

人工智慧（AI）的快速演變受到無需注意模型出現的顯著影響，其中 Falcon Mamba 7B 是一個顯著的例子。該模型由阿布達比的科技創新研究所（TII）開發，這一突破性模型脫離了傳統的基於 Transformer 的架構，這些架構過度依賴注意機制。相反，Falcon Mamba 7B 利用狀態空間模型（SSMs），提供更快且更節省記憶體的推理，解決了與長上下文任務相關的計算挑戰。通過在 5.5 兆個標記的廣泛數據集上進行訓練，Falcon Mamba 7B 自我定位為與 Google 的 Gemma 和 Microsoft 的 Phi 等現有模型的競爭替代品。 Falcon Mamba 7B 的架構旨在保持恆定的推理成本，無論輸入長度如何，有效解決了困擾 Transformer 模型的二次擴展問題。這一獨特的能力使其在需要長上下文處理的應用中表現出色，例如文檔摘要和客戶服務自動化。儘管它在各種自然語言處理基準中展現了優越的性能，但在需要複雜上下文理解的任務中仍面臨限制。儘管如此，它的記憶體效率和速度使其成為希望優化 AI 解決方案的組織的有力選擇。 Falcon Mamba 7B 的影響不僅限於性能指標。它對量化的支持使其能夠在 GPU 和 CPU 上高效部署，進一步增強了其多功能性。隨著 AI 領域的演變，Falcon Mamba 7B 的成功表明，無需注意的模型可能很快成為許多應用的標準。隨著持續的研究和開發，這些模型有可能在速度和準確性上超越傳統架構，為各行各業的創新應用鋪平道路。

在 Web3 生態系統的一個重要發展中，Stratos 宣布與 Web3 AI 安全工具和代碼審計服務的領先提供商 MetaTrust Labs 建立合作夥伴關係。這一合作旨在通過將先進的 AI 驅動安全措施與 Stratos 的去中心化存儲解決方案相結合，來增強 Web3 應用程序的安全性和韌性。該合作的目標是創建一個強大的基礎設施，不僅保護數據，還確保 Web3 應用程序的可靠性和效率，這對於開發者和用戶來說都是至關重要的。 MetaTrust Labs 在新加坡南洋理工大學孵化，因其在 Web3 安全方面的創新方法而受到認可。該公司專注於開發先進的 AI 解決方案，旨在幫助開發者和利益相關者保護其應用程序和智能合約。在快速發展的數字環境中，對安全的關注至關重要，因為漏洞可能導致重大風險。通過利用 AI 技術，MetaTrust Labs 旨在創建更安全、更高效的數字生態系統，能夠抵禦潛在威脅。 Stratos 以其對去中心化基礎設施解決方案的承諾而聞名，在這一合作中發揮了關鍵作用。該公司提供一個去中心化的存儲框架，支持 Web3 平台的高可用性、可擴展性和韌性。通過將其去中心化存儲解決方案與 MetaTrust Labs 的 AI 驅動安全工具集成，該合作承諾為 Web3 應用程序中的代碼和數據提供無與倫比的保護水平。這一合作不僅增強了開發者的安全信心，還有助於整個 Web3 空間的整體完整性，為更安全的數字未來鋪平了道路。