دمج الذكاء الاصطناعي وDePIN: صعود الشبكات اللامركزية للمعالجة الرسومية

منذ عام 2023، أصبحت الذكاء الاصطناعي وDePIN اتجاهات شائعة في مجال Web3، حيث وصلت قيمة سوق الذكاء الاصطناعي إلى 30 مليار دولار، وقيمة سوق DePIN إلى 23 مليار دولار. يركز هذا المقال على نقطة التقاء كلاهما، ويستكشف تطور البروتوكولات ذات الصلة.

في تقنية الذكاء الاصطناعي، يوفر شبكة DePIN العملية من خلال موارد الحوسبة. أدت الشركات التكنولوجية الكبرى إلى نقص في وحدات معالجة الرسوميات، مما جعل من الصعب على مطوري نماذج الذكاء الاصطناعي الآخرين الحصول على وحدات معالجة الرسوميات الكافية. الخيارات التقليدية لمزودي السحابة المركزية غير فعالة وغير مرنة. توفر DePIN بديلاً أكثر مرونة وتكلفة فعالة، من خلال تحفيز الموارد المساهمة من خلال الرموز. في مجال الذكاء الاصطناعي، تقوم DePIN بدمج موارد وحدات معالجة الرسوميات الفردية في إمداد موحد، مما يوفر للمطورين وصولاً مخصصًا حسب الطلب، بينما يخلق دخلًا إضافيًا لمالكي وحدات معالجة الرسوميات.

! تقاطع الذكاء الاصطناعي و DePIN

نظرة عامة على شبكة DePIN الذكاء الاصطناعي

ريندر

Render هو أول شبكة حساب GPU من نظير إلى نظير، كانت تركز في البداية على تقديم الرسوميات، ثم توسعت لتشمل مهام الحسابات الذكية.

الميزات:

• أسستها شركة OTOY الحائزة على جائزة الأوسكار التقنية
• خدمة باراماونت بيكتشرز وغيرها من عمالقة صناعة الترفيه
• التعاون مع Stability AI وغيرها، دمج نماذج الذكاء الاصطناعي مع التصيير الثلاثي الأبعاد
• الموافقة على عملاء الحسابات المتعددة، دمج المزيد من شبكات DePIN GPU

! تقاطع الذكاء الاصطناعي و DePIN

أكا ش

تعتبر Akash "السحاب الفائق" الذي يدعم التخزين وحسابات GPU وCPU، بديلاً عن منصات التقليدية مثل AWS.

الميزات:

• دعم مجموعة واسعة من المهام من الحوسبة العامة إلى استضافة الشبكة
• يمكن تشغيل AkashML على Hugging Face لأكثر من 15,000 نموذج
• استضافة تطبيقات مهمة مثل نموذج LLM الخاص بـ Mistral AI
• يدعم الميتافيرس، نشر الذكاء الاصطناعي ومنصة التعلم الفيدرالي

io.net

يوفر io.net مجموعة سحابية GPU موزعة تركز على حالات استخدام الذكاء الاصطناعي وتعلم الآلة.

الميزات:

• IO-SDK متوافق مع أطر مثل PyTorch، ويمكن توسيعه ديناميكياً
• يدعم 3 أنواع من التجمعات، يبدأ خلال دقيقتين
• التعاون مع Render وغيرها من الشبكات اللامركزية DePIN لدمج GPUs أخرى

جينسين

Gensyn تركز على حسابات GPU للتعلم الآلي والتعلم العميق.

الميزات البارزة:

• تكلفة ساعة واحدة من V100 GPU حوالي 0.40 دولار، مما يوفر بشكل كبير
• دعم ضبط النماذج الأساسية المدربة مسبقًا
• تقديم نموذج أساسي عالمي مشترك اللامركزية

أثير

Aethir تركز على GPU الشركات في مجالات الحوسبة الكثيفة مثل الذكاء الاصطناعي، التعلم الآلي، والألعاب السحابية.

الميزات:

• توسيع خدمة الهاتف السحابي، وإطلاق هاتف ذكي سحابي لامركزي بالتعاون مع APHONE
• التعاون على نطاق واسع مع عمالقة Web2 مثل NVIDIA
• العديد من الشركاء في مجال Web3 مثل CARV و Magic Eden

شبكة فالا

تعتبر شبكة فالا طبقة تنفيذية لحلول الذكاء الاصطناعي Web3، وتعالج مشكلات الخصوصية.

الميزات:

• تعمل كبروتوكول لمعالجة الحسابات القابلة للتحقق
• يمكن لعقود الوكلاء الذكية الاتصال بأفضل نماذج اللغة الكبيرة
• المستقبل سيشمل أنظمة إثبات متعددة مثل zk-proofs
• تخطيط لدعم H100 وغيرها من وحدات معالجة الرسوميات TEE لزيادة القدرة الحاسوبية

! تقاطع الذكاء الاصطناعي و DePIN

مقارنة المشاريع

| الميزات | التقديم | عكاش | io.net | جينسين | أثير | فالا | |-----|--------|-------|--------|--------|--------|-------| | الأجهزة | وحدة معالجة الرسوميات ووحدة المعالجة المركزية | وحدة معالجة الرسوميات ووحدة المعالجة المركزية | وحدة معالجة الرسوميات ووحدة المعالجة المركزية | وحدة معالجة الرسوميات | وحدة معالجة الرسوميات | وحدة المعالجة المركزية | | 重点 | عرض الرسوميات والذكاء الاصطناعي | الحوسبة السحابية، العرض والذكاء الاصطناعي | الذكاء الاصطناعي | الذكاء الاصطناعي | الذكاء الاصطناعي، الألعاب السحابية والاتصالات | تنفيذ الذكاء الاصطناعي على السلسلة | | مهام الذكاء الاصطناعي | استدلال | كلاهما | كلاهما | تدريب | تدريب | تنفيذ | | التسعير | بناءً على الأداء | المزاد العكسي | التسعير في السوق | التسعير في السوق | نظام المناقصة | حساب الحقوق | | بلوكشين | سولانا | كوزموس | سولانا | جينسِن | أربيتروم | بولكادوت | | خصوصية البيانات | تشفير&تجزئة | مصادقة mTLS | تشفير البيانات | رسم آمن | تشفير | TEE | | الرسوم | 0.5-5%/مهمة | 20% USDC، 4% AKT | 2% USDC، 0.25% احتياطي | منخفضة | 20%/جلسة | متناسب مع الرهان | | الأمان | إثبات التقديم | إثبات الملكية | إثبات حسابي | إثبات الملكية | إثبات قدرة التقديم | الموروثة من سلسلة وسيطة | | إثبات الإنجاز | - | - | إثبات قفل الوقت | إثبات التعلم | إثبات العمل الفني | إثبات TEE | | ضمان الجودة | نزاع | - | - | المدققون والمبلغون | تحقق من العقد | إثبات عن بُعد | | مجموعة GPU | لا | نعم | نعم | نعم | نعم | لا |

! تقاطع الذكاء الاصطناعي و DePIN

إحصائيات الأجهزة

| المقاييس | التقديم | عكاش | io.net | جينسين | أثير | فالا | |-----|--------|-------|--------|--------|--------|-------| | عدد وحدات معالجة الرسوم | 5600 | 384 | 38177 | - | 40000+ | - | | عدد المعالجات المركزية | 114 | 14672 | 5433 | - | - | 30000+ | | عدد H100/A100 | - | 157 | 2330 | - | 2000+ | - | | تكلفة H100/ساعة | - | $1.46 | $1.19 | - | - | - | | تكلفة A100/ساعة | - | $1.37 | $1.50 | $0.55( متوقع ) | $0.33( متوقع ) | - |

! تقاطع الذكاء الاصطناعي و DePIN

! تقاطع الذكاء الاصطناعي و DePIN

! تقاطع الذكاء الاصطناعي و DePIN

الاستنتاج

لا يزال مجال AI DePIN في مرحلة مبكرة، ويواجه العديد من التحديات. لكن كمية المهام وعدد الأجهزة على الشبكات اللامركزية GPU قد زادت بشكل ملحوظ، مما يدل على ارتفاع الطلب على بدائل مقدمي خدمات السحابة Web2. هذه الشبكات تحل بشكل فعال مشاكل العرض والطلب، مما يثبت ملاءمة منتجها للسوق.

تتطلع المستقبل، يُتوقع أن تتطور الذكاء الاصطناعي ليصبح سوقًا بقيمة تريليونات الدولارات. ستلعب هذه الشبكات اللامركزية من وحدات معالجة الرسوميات دورًا رئيسيًا في تقديم بدائل حسابية فعالة من حيث التكلفة للمطورين. من خلال الاستمرار في سد الفجوة بين الطلب والعرض، ستساهم هذه الشبكات بشكل كبير في الشكل المستقبلي للبنية التحتية للذكاء الاصطناعي والحوسبة.