AI ve DePIN'in Kesişimi: Dağıtık GPU Ağı'nın Yükselişi

2023'ten bu yana, AI ve DePIN Web3 alanında popüler eğilimler haline geldi, ilki 30 milyar dolar, ikincisi ise 23 milyar dolar piyasa değerine ulaştı. Bu makale her ikisinin kesişimine odaklanıyor ve bu alandaki protokollerin gelişimini inceliyor.

AI teknoloji yığını içinde, DePIN ağı hesaplama kaynakları aracılığıyla AI'ye kullanılabilirlik sağlar. Büyük teknoloji şirketlerinin gelişimi GPU kıtlığına yol açtı, bu da diğer geliştiricilerin AI model hesaplaması için yeterli GPU'ya erişimini zorlaştırdı. Bu genellikle geliştiricilerin merkezileşmiş bulut sağlayıcıları seçmesine neden olur, ancak esnek olmayan uzun vadeli yüksek performanslı donanım sözleşmelerini imzalamak zorunda oldukları için verimsizlik ortaya çıkar.

DePIN, ağ hedeflerine uygun kaynak katkılarını teşvik etmek için token ödüllerini kullanan daha esnek ve maliyet etkin bir alternatif sunar. AI alanındaki DePIN, GPU kaynaklarını bireysel sahiplerden veri merkezlerine toplar ve donanıma erişim ihtiyacı olan kullanıcılar için birleşik bir tedarik oluşturur. Bu ağlar, hesaplama gücüne ihtiyaç duyan geliştiricilere özelleştirme ve talep üzerine erişim sağlarken, GPU sahiplerine de ek gelir sunar.

AI DePIN Ağı Genel Bakış

Render, içerik oluşturma için grafik renderleme üzerine odaklanan, GPU hesaplama gücü sunan P2P ağının öncüsüdür; daha sonra kapsamını, sinir yansıtma alanlarından üretken AI'ya kadar AI hesaplama görevlerini içerecek şekilde genişletmiştir.

Akash, depolama, GPU ve CPU hesaplamalarını destekleyen geleneksel platformların "süper bulut" alternatifini sunmayı hedefliyor. Geliştirici dostu araçlar, konteyner platformu ve Kubernetes ile yönetilen hesaplama düğümleri gibi, yazılımların ortamlar arasında kesintisiz bir şekilde dağıtılmasını sağlar ve bu sayede herhangi bir bulut yerel uygulamasını çalıştırabilir.

io.net dağıtılmış GPU bulut kümelerine erişim sağlar, bu kümeler AI ve ML kullanım durumları için özel olarak tasarlanmıştır. Veri merkezlerinden, kripto madencilerinden ve diğer merkeziyetsiz ağlardan gelen GPU'ları bir araya getirir.

Gensyn, makine öğrenimi ve derin öğrenim hesaplamalarına odaklanan GPU hesaplama gücü sunmaktadır. Öğrenme kanıtları, grafik tabanlı doğruluk protokolleri ve hesaplama sağlayıcılarının staking ve kesinti gibi teşvik oyunlarını içeren kavramların birleştirilmesiyle daha verimli bir doğrulama mekanizması sağladığını iddia etmektedir.

Aethir, işletmeler için GPU'lar ile donatılmıştır ve hesaplama yoğun alanlara, özellikle yapay zeka, makine öğrenimi, bulut oyunları gibi konulara odaklanmaktadır. Ağ içindeki konteynerler, bulut tabanlı uygulamaları yürüten sanal uç noktalar olarak görev yapar, yükleri yerel cihazlardan konteynerlere aktararak düşük gecikme süresi deneyimi sağlar.

Phala Network, Web3 AI çözümlerinin yürütme katmanı olarak hizmet vermektedir. Blok zinciri, güvenilmeyen bir bulut bilişim çözümü olup gizlilik sorunlarını ele almak için güvenilir yürütme ortamı (TEE) kullanılarak tasarlanmıştır. Yürütme katmanı, AI ajanlarının zincirdeki akıllı sözleşmeler tarafından kontrol edilmesine olanak tanır.

Proje Karşılaştırması

| | Render | Akash | io.net | Gensyn | Aethir | Phala | |--------|-------------|------------------|---------------------|---------|---------------|----------| | Donanım | GPU & CPU | GPU & CPU | GPU & CPU | GPU | GPU | CPU | | İş Alanı | Grafik Renderleme ve AI | Bulut Bilişim, Renderleme ve AI | AI | AI | Yapay Zeka, Bulut Oyun ve Telekomünikasyon | Zincir Üstü AI Uygulama | | AI Görev Türü | Çıkarım | İkisi | İkisi | Eğitim | Eğitim | Uygulama | | İş fiyatlandırması | Performansa dayalı fiyatlandırma | Ters açık artırma | Piyasa fiyatlandırması | Piyasa fiyatlandırması | İhale sistemi | Hak hesaplama | | Blok Zinciri | Solana | Cosmos | Solana | Gensyn | Arbitrum | Polkadot | | Veri Gizliliği | Şifreleme&Hashleme | mTLS Kimlik Doğrulama | Veri Şifreleme | Güvenli Haritalama | Şifreleme | TEE | | Çalışma Ücretleri | Her iş için %0.5-5 | %20 USDC, %4 AKT | %2 USDC, %0.25 Hazırlık Ücreti | Uygun fiyatlı | Her oturum için %20 | Stake miktarına orantılı | | Güvenlik | Render Kanıtı | Hisse Kanıtı | Hesaplama Kanıtı | Hisse Kanıtı | Render Kapasite Kanıtı | Ara zincirden miras alır | | Tamamlama Kanıtı | - | - | Zaman Kilidi Kanıtı | Öğrenme Kanıtı | Renderleme İş Kanıtı | TEE Kanıtı | | Kalite Güvencesi | İhtilaf | - | - | Doğrulayıcı ve İhbarcı | Kontrol Düğümleri | Uzaktan Kanıt | | GPU Kümesi | Hayır | Evet | Evet | Evet | Evet | Hayır |

Önemi

Küme ve paralel hesaplamanın kullanılabilirliği

Dağıtık hesaplama çerçevesi, modelin doğruluğunu etkilemeden daha verimli bir eğitim sağlarken GPU kümelerini hayata geçirdi ve aynı zamanda ölçeklenebilirliği artırdı. Daha karmaşık AI modellerinin eğitimi güçlü hesaplama gücü gerektirir ve bu genellikle ihtiyaçlarını karşılamak için dağıtık hesaplama ile sağlanmalıdır. Çoğu önemli proje artık paralel hesaplama için kümeleri entegre etmiştir.

Veri Gizliliği

AI modelleri geliştirmek için büyük veri setleri kullanmak gerekmektedir, bu veri setleri çeşitli kaynaklardan ve farklı biçimlerde gelebilir. Kişisel sağlık kayıtları, kullanıcı finansal verileri gibi hassas veri setleri, model sağlayıcılarına ifşa olma riskiyle karşı karşıya kalabilir. Bu nedenle, veri kontrol yetkisini veri sağlayıcılarına geri vermek için çeşitli veri gizliliği yöntemlerine sahip olmak son derece önemlidir.

Kapsanan çoğu proje, veri gizliliğini korumak için bir tür veri şifrelemesi kullanmaktadır. io.net, Mind Network ile işbirliği yaparak tamamen homomorfik şifreleme (FHE)'yi tanıttı ve bu sayede şifrelenmiş verilerin önceden şifre çözmeden işlenmesine olanak tanımaktadır. Phala Network, cihazın ana işlemcisindeki güvenli alanı ifade eden TEE'yi tanıttı.

Donanım istatistik verileri

| | Render | Akash | io.net | Gensyn | Aethir | Phala | |-------------|--------|-------|--------|------------|------------|--------| | GPU Sayısı | 5600 | 384 | 38177 | - | 40000+ | - | | CPU Sayısı | 114 | 14672 | 5433 | - | - | 30000+ | | H100/A100 miktarı | - | 157 | 2330 | - | 2000+ | - | | H100 Ücreti/Saat | - | $1.46 | $1.19 | - | - | - | | A100 Ücret/Saat | - | $1.37 | $1.50 | $0.55 ( tahmin ) | $0.33 ( tahmin ) | - |

Sonuç

AI DePIN alanı hala nispeten yeni ve kendi zorluklarıyla karşı karşıya. Ancak, bu merkeziyetsiz GPU ağlarında gerçekleştirilen görevler ve donanım sayısı hala önemli ölçüde artmaktadır. Bu ağlarda gerçekleştirilen görevlerin hacminin sürekli artması, Web2 bulut sağlayıcılarının donanım kaynakları için alternatif bir talebin sürekli arttığını vurgulamaktadır. Aynı zamanda, bu ağlardaki donanım sağlayıcılarının patlaması, daha önce yeterince değerlendirilmemiş bir arzı öne çıkarmaktadır.

Geleceğe baktığımızda, yapay zekanın gelişim yolu, büyüyen trilyonlarca dolarlık bir pazara işaret ediyor. Bu dağınık GPU ağlarının, geliştiricilere ekonomik olarak verimli bir hesaplama alternatifi sağlama konusunda önemli bir rol oynayacağını düşünüyoruz. Bu ağlar, sürekli olarak talep ve arz arasındaki boşluğu kapatarak, yapay zeka ve hesaplama altyapısının gelecekteki görünümüne önemli katkılarda bulunacak.