Слияние ИИ и DePIN: Возрождение распределенной сети GPU

С 2023 года AI и DePIN стали热门话题 в области Web3, с рыночной капитализацией в 30 миллиардов долларов и 23 миллиарда долларов соответственно. В данной статье будут исследованы пересечения этих двух областей, с акцентом на анализ развития соответствующих протоколов.

В стеке технологий ИИ сеть DePIN обеспечивает поддержку ИИ, предоставляя вычислительные ресурсы. Из-за роста крупных технологических компаний возник дефицит GPU, и другим разработчикам сложно получить достаточное количество GPU для обучения моделей ИИ. DePIN предлагает более гибкое и экономически эффективное решение, поощряя вклад ресурсов через токенизированные вознаграждения. Сеть DePIN в области ИИ краудсорсит ресурсы GPU от частных владельцев к дата-центрам, предоставляя пользователям единое предложение.

! Пересечение AI и DePIN

Обзор сети AI DePIN

Рендер

Render — это пионер P2P сети, предоставляющий вычислительную мощность GPU, изначально сосредоточенный на графическом рендеринге для создания контента, а затем расширивший свои возможности до выполнения задач AI. Его GPU сеть уже используется крупными компаниями в индустрии развлечений, такими как Paramount Pictures и PUBG.

Акаши

Akash позиционируется как "супероблачная" альтернатива, поддерживающая хранение, GPU и CPU вычисления. Его AkashML позволяет GPU-сетям запускать более 15 000 моделей на Hugging Face.

io.net

io.net предоставляет доступ к распределенным GPU облачным кластерам, специально предназначенным для использования в AI и ML. Его IO-SDK совместимо с такими фреймворками, как PyTorch и Tensorflow, многоуровневая архитектура автоматически и динамически масштабируется в зависимости от вычислительных потребностей.

Gensyn

Gensyn предоставляет вычислительные мощности GPU, сосредоточенные на машинном обучении и глубоком обучении. Он утверждает, что достиг более эффективного механизма верификации, сочетая такие концепции, как доказательства обучения и протоколы точного позиционирования на основе графиков.

Этир

Aethir специально оснащен корпоративными GPU, сосредоточен на вычислительно интенсивных областях, таких как искусственный интеллект, машинное обучение, облачные игры и т. д. Контейнеры в его сети выступают в качестве виртуальных конечных точек для выполнения облачных приложений, чтобы обеспечить низкую задержку.

Сеть ### Phala

Сеть Phala выступает в качестве исполняющего слоя Web3 AI решений. Ее блокчейн представляет собой облачное решение без доверия, разработанное для решения проблем конфиденциальности с использованием своей надежной исполняемой среды (TEE).

! Пересечение AI и DePIN

Сравнение проектов

Различия между проектами существуют в таких аспектах, как оборудование, бизнес-ориентиры, типы задач ИИ, ценообразование на работу, блокчейн, конфиденциальность данных, стоимость работы, безопасность, доказательства выполнения, обеспечение качества, кластеры GPU и т.д.

Важность

Доступность кластеров и параллельных вычислений

Распределенная вычислительная система реализовала кластер GPU, обеспечивая более эффективное обучение и одновременно усиливая масштабируемость. Большинство ключевых проектов теперь интегрировали кластеры для параллельных вычислений.

! Пересечение AI и DePIN

Защита данных

Разработка AI-моделей требует использования больших объемов данных, которые могут содержать конфиденциальную информацию. Большинство проектов используют какую-либо форму шифрования данных для защиты конфиденциальности. io.net недавно сотрудничал с Mind Network для запуска полностью гомоморфного шифрования (FHE), которое позволяет обрабатывать зашифрованные данные без предварительной декодировки.

! Пересечение искусственного интеллекта и DePIN

Подтверждение завершения расчетов и контроль качества

Несколько проектов предоставляют доказательства завершения расчетов и механизмы проверки качества, чтобы обеспечить качество работы и предотвратить мошенничество.

! Пересечение AI и DePIN

Статистика по аппаратному обеспечению

Различия между проектами по количеству GPU, количеству CPU, количеству высокопроизводительных GPU и их стоимости. io.net и Aethir лидируют по количеству высокопроизводительных GPU.

! Пересечение ИИ и DePIN

Требования к высокопроизводительным GPU

Обучение ИИ-моделей требует GPU с наилучшей производительностью, таких как A100 и H100 от Nvidia. Провайдеры децентрализованного рынка GPU должны предоставить достаточное количество высокопроизводительных GPU, чтобы конкурировать с централизованными услугами.

предоставляет потребительский уровень GPU/CPU

Некоторые проекты также предлагают потребительские GPU/CPU, которые могут быть использованы для менее интенсивных задач, таких как дообучение предобученных моделей или обучение маломасштабных моделей.

! Пересечение искусственного интеллекта и DePIN

Заключение

В области AI DePIN все еще относительно нова и сталкивается с вызовами. Однако количество задач и аппаратных средств, выполняемых в этих децентрализованных GPU-сетях, значительно увеличивается, что подчеркивает растущий спрос на альтернативы аппаратным ресурсам облачных провайдеров Web2. В будущем эти распределенные GPU-сети сыграют ключевую роль в предоставлении экономически эффективных вычислительных альтернатив для разработчиков, что существенно повлияет на будущее AI и вычислительной инфраструктуры.

! Пересечение AI и DePIN