Слияние ИИ и DePIN: восход распределённой GPU сети

С 2023 года искусственный интеллект и децентрализованные физические инфраструктурные сети (DePIN) стали двумя главными трендами в области Web3. Эти две области охватывают различные протоколы, служащие различным потребностям. В этой статье мы рассмотрим точки пересечения между ними и исследуем развитие соответствующих протоколов.

В технологическом стеке ИИ сеть DePIN предоставляет вычислительные ресурсы для поддержки ИИ. Из-за развития крупных технологических компаний возникла нехватка GPU, и другим разработчикам сложно получить достаточное количество GPU для обучения моделей ИИ. Традиционный подход заключается в выборе централизованных облачных сервисов, однако это требует подписания не гибких долгосрочных контрактов и является неэффективным.

Сеть DePIN предлагает более гибкое и экономичное решение. Она использует токенизированные вознаграждения для стимулирования вклада ресурсов, краудсорсинга GPU-ресурсов от частных владельцев в сеть, формируя единое предложение для пользователей, нуждающихся в доступе к оборудованию. Это не только предоставляет разработчикам возможность настройки и доступ по запросу, но и обеспечивает владельцам GPU дополнительный доход.

! Пересечение AI и DePIN

На рынке существует множество AI DePIN сетей, каждая из которых имеет свои особенности. Далее мы рассмотрим характеристики и цели нескольких основных проектов:

Обзор сети AI DePIN

Render является пионером P2P-сети, предоставляющим вычислительную мощность GPU, изначально сосредоточенным на рендеринге контента, а затем расширившимся на задачи AI вычислений.

Интересно:

• Основана облачной графической компанией OTOY с технологией, удостоенной Оскара.
• GPU сети уже используются крупными компаниями развлекательной индустрии
• Сотрудничество с Stability AI и другими, интеграция AI моделей и 3D контента рендеринга
• Утверждение нескольких вычислительных клиентов, интеграция большего количества GPU DePIN сетей

Akash позиционируется как "супероблачная" альтернатива традиционным облачным платформам, поддерживает хранилище, GPU и CPU вычисления.

Интересная часть:

• Для широкого спектра вычислительных задач от общего вычисления до сетевого хостинга
• AkashML позволяет запускать множество моделей на Hugging Face
• Хранили некоторые известные AI-приложения, такие как LLM-чат-бот Mistral AI
• Поддержка платформ метавселенной, развертывания ИИ и федеративного обучения

io.net предоставляет доступ к распределенным облачным кластерам GPU, специально предназначенным для случаев использования ИИ и машинного обучения.

Интересная часть:

• IO-SDK совместим с основными AI фреймворками и может автоматически расширяться в зависимости от потребностей
• Поддержка создания 3 различных типов кластеров, быстрое развертывание
• Сотрудничество с другими DePIN сетями для интеграции ресурсов GPU

Gensyn предоставляет вычислительные мощности GPU, сосредоточенные на машинном обучении и глубоких нейронных сетях.

Интересный момент:

• Существенное снижение затрат на вычисления с использованием GPU
• Поддержка дообучения предобученных базовых моделей
• Предоставление децентрализованной, глобально共享 модели

Aethir предоставляет корпоративные GPU, в основном используемые в области ИИ, машинного обучения, облачных игр и других.

Интересно:

• Расширение в область облачных мобильных услуг
• Установление сотрудничества с крупными компаниями Web2, такими как NVIDIA
• В области Web3 есть несколько партнеров

Phala Network выступает в качестве исполнительного слоя Web3 AI решений, используя доверенные исполняемые среды (TEE) для обработки проблем конфиденциальности.

Интересно:

• Протокол сопроцессора для верифицируемых вычислений
• Прокси-контракты AI с доступом к большим языковым моделям верхнего уровня
• В будущем будут поддерживаться различные системы доказательств
• Планируется поддержка TEE GPU, таких как H100

! 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 бизнеса | Графическая визуализация и ИИ | Облачные вычисления, визуализация и ИИ | ИИ | ИИ | Искусственный интеллект, облачные игры и телекоммуникации | Выполнение AI на цепочке | | Тип задачи AI | Вывод | Оба | Оба | Обучение | Обучение | Выполнение | | Ценообразование работы | Ценообразование на основе производительности | Обратный аукцион | Рыночное ценообразование | Рыночное ценообразование | Система тендеров | Расчет доли | | Блокчейн | Солана | Космос | Солана | Генсин | Арбитраж | Горошек | | Приватность данных | Шифрование&Хеширование | mTLS аутентификация | Шифрование данных | Безопасная карта | Шифрование | TEE | | Рабочие расходы | Каждая работа 0.5-5% | 20% USDC, 4% AKT | 2% USDC, 0.25% резервный сбор | Низкие расходы | Каждый сеанс 20% | Пропорционально ставке залога | | Безопасность | Доказательство рендеринга | Доказательство доли | Доказательство вычислений | Доказательство доли | Доказательство вычислительных возможностей | Унаследовано от цепи промежуточного звена | | Завершение доказательства | - | - | Доказательство временной блокировки | Доказательство обучения | Доказательство рендеринга | Доказательство TEE | | Гарантия качества | Спор | - | - | Проверяющий и сообщитель | Узел проверяющего | Удаленное доказательство | | GPU кластер | нет | да | да | да | да | нет |

Важность

Доступность кластеров и параллельных вычислений

Рамка распределенных вычислений реализовала кластер GPU, что позволяет более эффективно обучать сложные AI модели. Большинство проектов сейчас интегрировали кластеры для параллельных вычислений. io.net успешно развернула множество кластеров. Хотя Render не поддерживает кластеры, его работа схожа. Phala в настоящее время поддерживает только CPU, но позволяет кластеризацию CPU-воркеров.

Конфиденциальность данных

Разработка AI-моделей требует использования большого объема данных, которые могут содержать конфиденциальную информацию. Большинство проектов используют какую-либо форму шифрования данных для защиты конфиденциальности. io.net представила полностью гомоморфное шифрование (FHE), позволяющее обрабатывать зашифрованные данные без необходимости их расшифровки. Phala Network внедрила доверенную вычислительную среду (TEE), которая предотвращает доступ или изменение данных со стороны внешних процессов.

Подтверждение завершения расчетов и контроль качества

Некоторые проекты будут генерировать доказательства того, что работа выполнена, и проводить проверку качества. Gensyn и Aethir используют валидаторов и проверочные узлы для обеспечения качества услуг. Render рекомендует использовать процесс разрешения споров. После завершения Phala будет сгенерировано TEE доказательство.

! Пересечение AI и DePIN

Аппаратная статистика

| | 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+ | - | | Стоимость H100/час | - | $1.46 | $1.19 | - | - | - | | A100 стоимость/час | - | $1.37 | $1.50 | $0.55 ( прогноз ) | $0.33 ( прогноз ) | - |

! Пересечение искусственного интеллекта и DePIN

Требования к высокопроизводительным GPU

Обучение моделей ИИ требует лучших по производительности GPU, таких как A100 и H100 от Nvidia. Производительность H100 в задачах вывода в 4 раза выше, чем у A100, что сделало его предпочтительным выбором. Поставщики децентрализованного рынка GPU должны конкурировать с коллегами из Web2, предлагая не только более низкие цены, но и удовлетворяя реальные потребности рынка.

io.net и Aethir получили более 2000 единиц H100/A100, более подходящих для вычислений крупных моделей. Стоимость этих децентрализованных GPU-сервисов уже значительно ниже, чем у централизованных сервисов.

Несмотря на определенные ограничения по памяти, связанные с GPU-кластерами в сетевом соединении, они по-прежнему являются мощным выбором для пользователей, которым нужна гибкость. Предоставляя более экономически эффективные альтернативы, эти сети создают возможности для разработки большего количества случаев использования ИИ и МЛ.

! Пересечение AI и DePIN

предоставляет потребительские GPU/CPU

Помимо высококлассных GPU, потребительские GPU и CPU также играют роль в разработке AI-моделей. Учитывая, что значительное количество ресурсов потребительских GPU остается неиспользованным, некоторые проекты также предоставляют услуги для этого рынка, развивая собственную нишу.

! Пересечение ИИ и DePIN

Заключение

Область AI DePIN все еще довольно новая и сталкивается с вызовами. Однако количество задач и оборудования, выполняемых на этих децентрализованных GPU-сетях, значительно увеличилось, что подчеркивает потребность в альтернативных аппаратных ресурсах провайдеров облачных услуг Web2.

Смотря в будущее, рынок ИИ имеет широкие перспективы, эти распределенные сети GPU сыграют ключевую роль в предоставлении разработчикам экономически эффективных вычислительных альтернатив. Постоянно сокращая разрыв между спросом и предложением, эти сети внесут значительный вклад в будущее ИИ и вычислительной инфраструктуры.

! Пересечение искусственного интеллекта и DePIN

! Пересечение AI и DePIN