Grayscale volgt crypto-winnaar met 580% rendement op AI-computing-inkomsten

De stijging van 580% van PEARL zet de beloningen voor AI-computing in de schijnwerpers

Blockchainprojecten ontwikkelen manieren om inkomsten te genereren uit AI-infrastructuur, waarbij PEARL een van de drie voorbeelden is die Grayscale op 23 oktober naar voren bracht. Zach Pandl, hoofd onderzoek bij de beheerder van digitale activa, onderzocht PEARL, DATA Network en USD.AI als voorbeelden van blockchaintoepassingen in AI-infrastructuur.

PEARL, een blockchainproject gericht op AI-computing, heeft als doel grafische verwerkingseenheden (GPU’s) AI-taken te laten uitvoeren en tegelijkertijd een proof-of-work-blockchain te beveiligen. Deze chips voeren veel berekeningen parallel uit. Exploitanten zouden naast betalingen voor AI-diensten ook blockchain-beloningen kunnen verdienen.

De analyse meldde een stijging van 580% voor PEARL over een periode van drie maanden, op basis van gegevens van Coingecko tot en met 22 oktober. Pandl nuanceerde de vooruitzichten van de projecten:

"Hun relevantie op de lange termijn zal afhangen van de acceptatie en de concurrentievoorwaarden."

DATA richt zich op betaalde bijdragen aan AI-training

Door mensen aangeleverde foto’s, video’s en geluidsopnames vormen de basis van de aanpak van DATA Network om materiaal te leveren voor AI-ontwikkeling. Het project bouwt tools voor het verzamelen, licentiëren en volgen van gegevens. Toepassingen die gebruikmaken van de infrastructuur zouden datasets in licentie kunnen geven aan AI-laboratoria, terwijl de personen die de informatie hebben aangeleverd, worden beloond.

Trainingsdata is materiaal dat modellen verwerken om patronen te leren, waardoor de kwaliteit en verscheidenheid ervan bepalend zijn voor hun mogelijkheden. DATA kondigde op 12 oktober plannen aan om zijn protocol – de software en regels die de werking ervan bepalen – naar de Sui-blockchain te verplaatsen en Walrus, een gedecentraliseerd netwerk voor bestandsopslag, als standaardopslaglaag te gebruiken.

USD.AI koppelt blockchainfinanciering aan GPU-leningen

Dure computerapparatuur creëert financieringsbehoeften die USD.AI, een op blockchain gebaseerd kredietplatform, aanpakt via leningen die worden gedekt door GPU’s en de bijbehorende kasstromen. De financieringsvoorwaarden voor GPU’s voorzien in financiering tot 80% van de implementatiekosten, onder voorbehoud van kredietbeoordeling en geschiktheid. Kredietnemers dragen zelf ten minste 20% van de kosten bij en lossen de hoofdsom af over een periode van drie tot vijf jaar.

Gepoolde middelen kunnen deze leningen financieren en mogelijk rendement opleveren voor deelnemers. Meer in het algemeen maakt gedecentraliseerde financiering gebruik van blockchain-software om financiële transacties te beheren. Deelnemers blijven blootgesteld aan wanbetaling door leners, verliezen op onderpand en softwarefouten.

Institutionele steun voor deze aanpak omvat onder meer de kredietfaciliteit van 100 miljoen dollar van cryptobeurs Bullish (NYSE: BLSH) voor USD.AI, die in augustus werd aangekondigd om door GPU’s gedekte leningen te financieren. Die regeling koppelt stablecoin-kapitaal aan fysieke apparatuur die AI-diensten ondersteunt.

Hardwarefinanciering vormt ook de basis voor een overeenkomst ter waarde van 43 miljoen dollar voor hardware en financiering tussen Vertical Data en Alpha Compute Corp. (Nasdaq: ALP), destijds nog Alphaton Capital genaamd. De overeenkomst van april had betrekking op infrastructuur met gebruikmaking van Nvidia’s B300, een chipmodel dat is ontworpen voor AI-workloads, en operationele diensten voor privacybeschermende computing.

De door Nvidia (Nasdaq: NVDA) voorgestelde partnerschappen met zes financiële instellingen zijn gericht op meer dan 500 miljard dollar voor AI-infrastructuur op de lange termijn. Deze platforms, die op 10 augustus werden aangekondigd en onder voorbehoud zijn van definitieve overeenkomsten, zouden financieringsbeslissingen overlaten aan instellingen die de vraag van klanten, de cashflow, het gebruik en de restwaarde van de apparatuur beoordelen.