Слияние ИИ и DePIN: распределенная сеть GPU ведет к новым трендам

Слияние ИИ и DePIN: Восход дистрибутивной сети GPU

С 2023 года AI и DePIN стали горячими трендами в области Web3, их рыночные капитализации составляют 30 миллиардов долларов и 23 миллиарда долларов соответственно. Эта статья фокусируется на пересечении двух направлений и исследует развитие этой новой области.

В AI-технологическом стеке сеть DePIN наделяет AI возможностями, предоставляя вычислительные ресурсы. Спрос крупных технологических компаний на GPU привел к нехватке предложения, что затрудняет другим разработчикам получение достаточных ресурсов для тренировки собственных моделей. Традиционные централизованные облачные услуги часто требуют подписания негибких долгосрочных контрактов, что приводит к низкой эффективности. Сеть DePIN предлагает более гибкие и экономически эффективные альтернативы, объединяя распределенные ресурсы GPU через токенизированные стимулы и предоставляя пользователям единое предложение. Это не только позволяет разработчикам получать настраиваемые вычислительные мощности по мере необходимости, но и создает дополнительный доход для владельцев неиспользуемых GPU.

! Пересечение AI и DePIN

Обзор сети DePIN на основе ИИ

Рендер

Render является пионером P2P GPU вычислительной сети, изначально сосредоточенной на графическом рендеринге для создания контента, а затем расширившейся до широкого спектра AI вычислительных задач, включая генеративный AI.

Яркие моменты:

  • Основана компанией с технологией, награжденной Оскаром
  • Используется такими гигантами развлекательной индустрии, как Paramount Pictures
  • Сотрудничество с такими компаниями, как Stability AI, интеграция AI-моделей и 3D-контента.
  • Поддержка различных вычислительных клиентов, интеграция большего количества сетей DePIN GPU

Акаши

Akash позиционируется как "супероблако" замена традиционным облачным платформам, поддерживающим хранение, GPU и CPU вычисления. Его контейнерная платформа и управляемые Kubernetes вычислительные узлы могут бесшовно развертывать облачные нативные приложения.

Яркое пятно:

  • Охватывает широкий спектр задач от общего вычисления до веб-хостинга
  • AkashML поддерживает запуск более 15000 моделей на Hugging Face
  • Известные приложения, такие как чат-боты LLM от Mistral AI, находятся под управлением.
  • Поддержка платформ, таких как метавселенная, развертывание ИИ и федеративное обучение

io.net

io.net предоставляет распределенный GPU облачный кластер, сосредоточенный на случаях использования ИИ и МЛ. Объединяет ресурсы GPU от дата-центров, крипто-майнеров и других.

Яркие моменты:

  • IO-SDK совместим с такими фреймворками, как PyTorch, и может динамически расширяться в зависимости от потребностей
  • Поддержка создания 3 различных типов кластеров, запуск за 2 минуты.
  • Сотрудничая с Render, Filecoin и другими, интегрируем больше ресурсов GPU

Gensyn

Gensyn сосредоточен на вычислениях машинного обучения и глубокого обучения. Используя механизмы, такие как доказательства обучения, основанные на графах протоколы и стимулы для стейкинга, повышает эффективность верификации.

Яркое пятно:

  • Стоимость использования V100 GPU составляет около 0,40 доллара в час, что значительно экономит затраты.
  • Можно дообучить предобученную базовую модель для выполнения конкретных задач
  • Предоставление децентрализованной, глобально共享енной базовой модели

Этир

Aethir сосредоточен на GPU для предприятий, обслуживая такие вычислительно интенсивные области, как ИИ, машинное обучение и облачные игры. С помощью контейнерных технологий рабочая нагрузка переносится с локальных серверов в облако, что обеспечивает низкую задержку.

Яркие моменты:

  • Расширение на облачные телефонные услуги, сотрудничество с APhone для запуска децентрализованного облачного смартфона
  • Установление широкого сотрудничества с гигантами Web2, такими как NVIDIA и Foxconn
  • Сотрудничество с множеством сторон, такими как CARV, Magic Eden в области Web3

Сеть ### Phala

Phala Network как исполнительный уровень решения Web3 AI использует надежную среду выполнения (TEE) для решения проблем конфиденциальности. Его исполнительный уровень позволяет AI-агентам контролироваться смарт-контрактами на базе блокчейна.

Основные моменты:

  • Как протокол сопроцессора для верифицируемых вычислений, наделяющий AI-агентов ресурсами на блокчейне
  • Прокси-контракты AI могут получать лучшие LLM, такие как OpenAI, через Redpill
  • Будущее будет включать многослойные системы доказательств, такие как zk-proofs, MPC, FHE и т.д.
  • Планируется поддержка TEE GPU, таких как H100, для повышения вычислительных возможностей

! Пересечение AI и DePIN

Сравнение проектов

| | Рендеринг | Акаш | io.net | Генсин | Этир | Фала | |--------|-------------|------------------|---------------------|---------|---------------|----------| | Аппаратное обеспечение | GPU & CPU | GPU & CPU | GPU & CPU | GPU | GPU | CPU | | Основные направления | Графическая отрисовка и ИИ | Облачные вычисления, отрисовка и ИИ | ИИ | ИИ | ИИ, облачные игры и телекоммуникации | Выполнение ИИ на блокчейне | | Тип задачи ИИ | Вывод | Вывод и обучение | Вывод и обучение | Обучение | Обучение | Выполнение | | Ценообразование труда | Ценообразование на основе производительности | Обратные аукционы | Рыночное ценообразование | Рыночное ценообразование | Система тендеров | Расчет долей | | Блокчейн | Солана | Космос | Солана | Генсин | Арбитрум | Полкадот | | Конфиденциальность данных | Шифрование&Хеширование | mTLS аутентификация | Шифрование данных | Безопасное отображение | Шифрование | TEE | | Рабочие расходы | 0.5-5% за каждую работу | 20% USDC, 4% AKT | 2% USDC, 0.25% резервный сбор | Низкие расходы | 20% за каждую сессию | Пропорционально сумме стейкинга | | Безопасность | Доказательство рендеринга | Доказательство доли | Доказательство вычислений | Доказательство доли | Доказательство мощности рендеринга | Унаследовано от промежуточной цепи | | Подтверждение завершения | - | - | Подтверждение блокировки времени | Подтверждение обучения | Подтверждение работы рендеринга | Подтверждение TEE | | Гарантия качества | Спор | - | - | Проверяющий и заявитель | Узел проверяющего | Удаленное доказательство | | GPU集群 | Нет | Да | Да | Да | Да | Нет |

Сравнение ключевых характеристик

Кластеры и параллельные вычисления

Распределенная вычислительная система реализует кластер GPU, повышая эффективность обучения и масштабируемость. Большинство проектов уже интегрировали поддержку кластерного параллельного вычисления для удовлетворения требований сложных AI моделей. io.net успешно развернул более 3800 кластеров. Хотя Render не поддерживает кластеры, он может разбивать задачи на несколько узлов для одновременной обработки. Phala поддерживает кластеризацию CPU-воркеров.

! Пересечение AI и DePIN

Защита данных

Защита чувствительных наборов данных имеет решающее значение для разработки ИИ. Большинство проектов используют шифрование данных для защиты конфиденциальности. io.net вводит полностью гомоморфное шифрование (FHE), позволяющее обрабатывать данные в зашифрованном состоянии. Phala Network использует доверенную исполняемую среду (TEE), чтобы предотвратить внешний доступ или изменение данных.

! Пересечение искусственного интеллекта и DePIN

Подтверждение завершения расчета и контроль качества

Для обеспечения качества услуг большинство проектов используют механизмы подтверждения завершения и проверки качества. Gensyn и Aethir генерируют подтверждения о выполнении работы и проводят проверку качества. io.net подтверждает, что аренда GPU используется эффективно. Render предлагает использовать процесс разрешения споров для решения проблемных узлов. Phala генерирует подтверждения TEE для обеспечения правильного выполнения.

! Пересечение AI и DePIN

Статистика оборудования

| | Рендеринг | Акаш | io.net | Генсин | Этир | Фала | |-------------|--------|-------|--------|------------|------------|--------| | Количество GPU | 5600 | 384 | 38177 | - | 40000+ | - | | Количество ЦПУ | 114 | 14672 | 5433 | - | - | 30000+ | | Количество H100/A100 | - | 157 | 2330 | - | 2000+ | - | | H100 стоимость/час | - | $1.46 | $1.19 | - | - | - | | A100 стоимость/час | - | $1.37 | $1.50 | $0.55 ( ожидается ) | $0.33 ( ожидается ) | - |

Высокопроизводительный спрос на GPU

Обучение моделей ИИ требует GPU с максимальной производительностью, таких как NVIDIA A100 и H100. Децентрализованный рынок GPU должен предоставить достаточное количество высокопроизводительного оборудования для удовлетворения спроса. io.net и Aethir имеют более 2000 единиц H100/A100, что более подходит для вычислений крупных моделей. Стоимость аренды GPU в этих сетях значительно ниже, чем у централизованных услуг.

! Пересечение ИИ и DePIN

Поставка потребительских GPU/CPU

Помимо корпоративных GPU, некоторые проекты, такие как Render, Akash и io.net, также обслуживают рынок потребительских GPU. Это позволяет использовать большое количество неиспользуемых ресурсов потребительских GPU для разработки специфических сегментов рынка.

! Пересечение искусственного интеллекта и DePIN

Заключение

Область AI DePIN все еще находится на ранней стадии и сталкивается с многочисленными вызовами. Тем не менее, количество задач и оборудования, выполняемого в этих сетях, значительно увеличилось, что подчеркивает потребность в альтернативных решениях традиционных облачных услуг. В будущем, с продолжающимся ростом рынка AI, эти распределенные GPU-сети могут сыграть ключевую роль в предоставлении экономически эффективных вычислительных ресурсов для разработчиков, что будет иметь важное значение для будущего ландшафта AI и вычислительной инфраструктуры.

! Пересечение AI и DePIN

Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
  • Награда
  • 2
  • Репост
  • Поделиться
комментарий
0/400
MetaMiseryvip
· 6ч назад
Вычислительная мощность обедневшей партии наконец-то вышла на поверхность.
Посмотреть ОригиналОтветить0
Layer2Arbitrageurvip
· 6ч назад
ngmi без децентрализованных GPU пулов... преимущество очевидно, если вы проведете расчеты
Посмотреть ОригиналОтветить0
  • Закрепить