Перетворення AI та DePIN: зростання розподіленої мережі GPU

З 2023 року AI та DePIN стали популярними тенденціями у сфері Web3, перший з яких має ринкову вартість 30 мільярдів доларів, а другий - 23 мільярди доларів. У цій статті зосереджено увагу на перетині обох, обговорюючи розвиток протоколів у цій галузі.

У технологічному стеку AI мережа DePIN забезпечує практичність для AI через обчислювальні ресурси. Розвиток великих технологічних компаній призвів до дефіциту GPU, що ускладнює іншим розробникам отримання достатньої кількості GPU для обчислень AI-моделей. Це зазвичай призводить до вибору централізованих хмарних постачальників, але через необхідність підписання незручних довгострокових контрактів на високопродуктивне обладнання, ефективність знижується.

DePIN надає більш гнучку та економічно ефективну альтернативу, використовуючи токенізовані винагороди для стимулювання внесків у ресурси, що відповідають цілям мережі. DePIN у сфері ШІ краудсорсить ресурси GPU від приватних власників до дата-центрів, формуючи єдину пропозицію для користувачів, які потребують доступу до обладнання. Ці мережі не тільки надають розробникам, які потребують обчислювальної потужності, можливість налаштування та за потребою доступ, але й забезпечують власників GPU додатковим доходом.

! Перетин AI та DePIN

Огляд мережі AI DePIN

Render є піонером P2P-мережі, що надає потужність GPU для обчислень, раніше зосереджуючись на рендерингу графіки для творчого контенту, а пізніше розширивши свою діяльність до включення обчислювальних завдань штучного інтелекту, від нейронних відображувальних полів до генеративного ШІ.

Akash позиціонує себе як "супер-хмара" альтернативу традиційним платформам, що підтримують зберігання, GPU та CPU обчислення. Використовуючи дружні до розробників інструменти, такі як контейнерна платформа та керовані Kubernetes обчислювальні вузли, вона здатна безперешкодно розгортати програмне забезпечення в різних середовищах, що дозволяє виконувати будь-які хмарні нативні програми.

io.net надає доступ до розподілених GPU хмарних кластерів, які спеціально призначені для використання в AI та ML. Він агрегує GPU з дата-центрів, крипто-майнерів та інших децентралізованих мереж.

Gensyn надає обчислювальні можливості GPU, зосереджені на машинному навчанні та глибокому навчанні. Він стверджує, що досягнув більш ефективного механізму верифікації, поєднуючи концепції, такі як використання доказів навчання, графічні протоколи точної локалізації та ігри з винагородами, що включають стейкінг і зменшення, пов’язані з постачальниками обчислень.

Aethir спеціально оснащений корпоративними GPU, зосереджений на обчислювально інтенсивних сферах, головним чином в штучному інтелекті, машинному навчанні, хмарних іграх тощо. Контейнери в його мережі виконують роль віртуальних кінцевих точок для виконання хмарних програм, перенісши навантаження з локальних пристроїв на контейнери для досягнення низької затримки.

Phala Network виступає в якості виконавчого рівня для рішень Web3 AI. Його блокчейн є бездоверчою хмарною обчислювальною системою, розробленою для вирішення проблем конфіденційності за допомогою використання його надійного середовища виконання (TEE). Його виконавчий рівень дозволяє AI-агентам контролюватися смарт-контрактами на ланцюгу.

! Перетин AI та DePIN

Порівняння проектів

| | Рендер | Акаш | io.net | Генсин | Етір | Пхала | |--------|-------------|------------------|---------------------|---------|---------------|----------| | Апаратне забезпечення | Графічний процесор & Центральний процесор | Графічний процесор & Центральний процесор | Графічний процесор & Центральний процесор | Відеокарта | Відеокарта | Центральний процесор | | Основні напрямки | Графічний рендеринг та ШІ | Хмарні обчислення, рендеринг та ШІ | ШІ | ШІ | Штучний інтелект, хмарні ігри та телекомунікації | Виконання ШІ на блокчейні | | Типи завдань AI | Висновок | Обидва | Обидва | Навчання | Навчання | Виконання | | Ціноутворення на основі роботи | Ціноутворення на основі результатів | Зворотні торги | Ринкове ціноутворення | Ринкове ціноутворення | Системи тендерів | Розрахунок прав | | Блокчейн | Солана | Космос | Солана | Генсін | Арбітерум | Полкадот | | Приватність даних | Шифрування&хешування | Аутентифікація mTLS | Шифрування даних | Безпечне відображення | Шифрування | TEE | | Витрати на роботу | 0.5-5% за кожну роботу | 20% USDC, 4% AKT | 2% USDC, 0.25% витрати на резерв | Низькі витрати | 20% за кожну сесію | Пропорційно до суми стейкінгу | | Безпека | Доказательство рендеринга | Доказательство участі | Доказательство обчислень | Доказательство участі | Доказательство рендерингових можливостей | Спадок від релейного ланцюга | | Підтвердження завершення | - | - | Підтвердження часового замка | Підтвердження навчання | Підтвердження рендерингу | Підтвердження TEE | | Гарантія якості | Спір | - | - | Перевіряючий та заявник | Нод перевірки | Віддалене підтвердження | | GPU кластер | Ні | Так | Так | Так | Так | Ні |

! Перетин AI та DePIN

важливість

Доступність кластерів та паралельних обчислень

Розподілена обчислювальна структура реалізувала GPU-кластери, забезпечуючи більш ефективне навчання без впливу на точність моделі, водночас підвищуючи масштабованість. Навчання більш складних AI-моделей потребує потужних обчислювальних ресурсів, що зазвичай вимагає розподілених обчислень для задоволення цих потреб. Більшість ключових проектів зараз інтегрували кластери для досягнення паралельних обчислень.

! Перетин AI та DePIN

Приватність даних

Розробка AI моделей потребує використання великих обсягів даних, які можуть походити з різних джерел і мати різні форми. Чутливі набори даних, такі як особисті медичні записи, фінансові дані користувачів тощо, можуть бути під загрозою витоку до постачальників моделей. Тому наявність різних методів захисту даних є надзвичайно важливою для повернення контролю над даними постачальникам даних.

Більшість проектів, що охоплюються, використовують певну форму шифрування даних для захисту конфіденційності даних. io.net нещодавно співпрацював з Mind Network для запуску повної гомоморфної криптографії (FHE), що дозволяє обробляти зашифровані дані без попереднього розшифрування. Phala Network представила TEE, тобто безпечну зону в основному процесорі підключеного пристрою.

! Перетин AI та DePIN

Статистичні дані обладнання

| | Рендер | Акаш | io.net | Генсин | Етір | Пхала | |-------------|--------|-------|--------|------------|------------|--------| | Кількість GPU | 5600 | 384 | 38177 | - | 40000+ | - | | Кількість ЦПУ | 114 | 14672 | 5433 | - | - | 30000+ | | Кількість H100/A100 | - | 157 | 2330 | - | 2000+ | - | | Вартість H100/година | - | $1.46 | $1.19 | - | - | - | | Вартість A100/година | - | $1.37 | $1.50 | $0.55 ( прогнозується ) | $0.33 ( прогнозується ) | - |

! Перетин AI та DePIN

Висновок

Сфера DePIN штучного інтелекту все ще відносно нова і стикається з власними викликами. Тим не менш, кількість завдань та апаратного забезпечення, що виконуються в цих децентралізованих GPU мережах, все ще значно зростає. Обсяг завдань, що виконуються в цих мережах, постійно збільшується, що підкреслює зростаючий попит на альтернативи апаратних ресурсів постачальників хмари Web2. Водночас сплеск постачальників апаратного забезпечення в цих мережах підкреслює раніше недостатньо використані запаси.

! Перетин AI та DePIN

Заглядаючи в майбутнє, траєкторія розвитку штучного інтелекту вказує на процвітаючий ринок на десятки трильйонів доларів, і ми вважаємо, що ці розподілені мережі GPU відіграватимуть ключову роль у забезпеченні економічно ефективних обчислювальних альтернатив для розробників. Використовуючи свою мережу для постійного подолання розриву між попитом і пропозицією, ці мережі зроблять значний внесок у майбутню структуру штучного інтелекту та обчислювальної інфраструктури.

! Перетин AI та DePIN