Переплетение AI и DePIN: Восход распределенной сети GPU

С 2023 года AI и DePIN стали популярными трендами в области Web3, первый из которых достиг рыночной капитализации в 30 миллиардов долларов, а второй - 23 миллиарда долларов. Эта статья сосредоточена на их пересечении и исследует развитие протоколов в этой области.

В стеке технологий ИИ сеть DePIN предоставляет практичность для ИИ через вычислительные ресурсы. Развитие крупных технологических компаний привело к нехватке GPU, что затрудняет другим разработчикам получение достаточного количества GPU для вычислений модели ИИ. Это обычно приводит к тому, что разработчики выбирают централизованных облачных поставщиков, но из-за необходимости подписывать негибкие долгосрочные контракты на высокопроизводительное оборудование, эффективность снижается.

DePIN предоставляет более гибкое и экономически эффективное решение, используя токенизированные вознаграждения для стимуляции вклада ресурсов, соответствующих целям сети. DePIN в области ИИ краудсорсит ресурсы GPU от частных владельцев к дата-центрам, формируя единое предложение для пользователей, которым нужен доступ к аппаратному обеспечению. Эти сети не только предоставляют разработчикам, нуждающимся в вычислительной мощности, возможность настройки и доступ по требованию, но и обеспечивают дополнительный доход владельцам GPU.

! Пересечение AI и DePIN

Обзор сети DePIN AI

Render является пионером P2P-сетей, предоставляющих вычислительные возможности GPU, изначально сосредоточенным на рендеринге графики для контентного творчества, а затем расширившим свои масштабы до включения вычислительных задач AI, от нейронных отражающих полей до генеративного ИИ.

Akash позиционирует себя как "супероблако", альтернативу традиционным платформам, поддерживающим хранение, GPU и CPU вычисления. С помощью удобных для разработчиков инструментов, таких как контейнерные платформы и управляемые Kubernetes вычислительные узлы, он может бесшовно развертывать программное обеспечение в различных средах, что позволяет запускать любые облачные приложения.

io.net предоставляет доступ к распределенным облачным кластерам GPU, которые специально предназначены для использования в AI и ML. Он агрегирует GPU из дата-центров, криптомайнеров и других децентрализованных сетей.

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, протоколы точного позиционирования на основе графов и стимулы для поставщиков вычислений, связанные с ставками и сокращениями.

Aethir специализирован для использования корпоративных GPU, сосредоточен на вычислительно интенсивных областях, главным образом искусственном интеллекте, машинном обучении, облачных играх и т.д. Контейнеры в его сети выступают в качестве виртуальных конечных точек для выполнения облачных приложений, перемещая нагрузку с локальных устройств в контейнеры для обеспечения низкой задержки.

Phala Network выступает в качестве уровня исполнения для решений Web3 AI. Его блокчейн представляет собой бездоверительное облачное вычислительное решение, разработанное для решения проблем конфиденциальности с использованием своего доверенного исполняемого окружения (TEE). Его уровень исполнения позволяет АИ-агентам управляться смарт-контрактами на блокчейне.

! Пересечение AI и DePIN

Сравнение проектов

| | Рендеринг | Акаш | io.net | Генсин | Этир | Фала | |--------|-------------|------------------|---------------------|---------|---------------|----------| | Аппаратное обеспечение | Графический процессор и процессор | Графический процессор и процессор | Графический процессор и процессор | Графический процессор | Графический процессор | Процессор | | Основные направления бизнеса | Графическая рендеринг и ИИ | Облачные вычисления, рендеринг и ИИ | ИИ | ИИ | Искусственный интеллект, облачные игры и телекоммуникации | Выполнение ИИ на блокчейне | | Тип задания ИИ | Вывод | Оба | Оба | Обучение | Обучение | Выполнение | | Ценовая политика | Ценообразование на основе производительности | Обратные аукционы | Рыночное ценообразование | Рыночное ценообразование | Система тендеров | Расчет прав | | Блокчейн | Солана | Космос | Солана | Генсин | Арбитраж | Горошек | | Защита данных | Шифрование&Хеширование | mTLS аутентификация | Шифрование данных | Безопасная карта | Шифрование | TEE | | Рабочие расходы | За каждую работу 0.5-5% | 20% USDC, 4% AKT | 2% USDC, 0.25% плата за резерв | Низкие расходы | За каждую сессию 20% | Пропорционально сумме стейка | | Безопасность | Доказательство рендеринга | Доказательство доли | Доказательство вычислений | Доказательство доли | Доказательство вычислительной мощности | Унаследовано от промежуточной цепи | | Подтверждение завершения | - | - | Подтверждение временной блокировки | Подтверждение обучения | Подтверждение рендеринга | Подтверждение TEE | | Гарантия качества | Спор | - | - | Проверяющий и докладчик | Узел проверяющего | Удаленное подтверждение | | GPU кластер | Нет | Да | Да | Да | Да | Нет |

! Пересечение AI и DePIN

Важность

Доступность кластеров и параллельных вычислений

Распределенная вычислительная система реализовала кластер GPU, обеспечивая более эффективное обучение без ущерба для точности модели, одновременно увеличивая масштабируемость. Обучение более сложных AI моделей требует мощной вычислительной мощности, что обычно должно зависеть от распределенных вычислений для удовлетворения их потребностей. Большинство ключевых проектов теперь интегрированы в кластер для достижения параллельных вычислений.

! Пересечение искусственного интеллекта и DePIN

Конфиденциальность данных

Разработка AI-моделей требует использования больших объемов данных, которые могут поступать из различных источников и иметь разные формы. Чувствительные наборы данных, такие как личные медицинские записи и финансовые данные пользователей, могут подвергаться риску раскрытия поставщикам моделей. Поэтому наличие различных методов защиты данных имеет решающее значение для возврата контроля над данными обратно поставщикам данных.

Большинство проектов, охваченных данной темой, используют какую-либо форму шифрования данных для защиты конфиденциальности данных. io.net недавно сотрудничал с Mind Network для запуска полностью гомоморфного шифрования (FHE), которое позволяет обрабатывать зашифрованные данные без необходимости предварительной расшифровки. Phala Network представила TEE, то есть защищенную область внутри основного процессора подключенного устройства.

! Пересечение AI и DePIN

Аппаратные статистические данные

| | Рендеринг | Акаш | io.net | Генсин | Этир | Фала | |-------------|--------|-------|--------|------------|------------|--------| | Количество GPU | 5600 | 384 | 38177 | - | 40000+ | - | | Количество CPU | 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 (预计) | $0.33 (预计) | - |

! Пересечение ИИ и DePIN

Заключение

Область DePIN в AI все еще относительно нова и сталкивается с собственными вызовами. Тем не менее, количество задач и аппаратного обеспечения, выполняемого в этих децентрализованных GPU-сетях, продолжает значительно расти. Постоянный рост объема задач, выполняемых в этих сетях, подчеркивает увеличивающийся спрос на альтернативы аппаратным ресурсам облачных провайдеров Web2. В то же время резкий рост поставщиков аппаратного обеспечения в этих сетях подчеркивает ранее не полностью использованные запасы.

! Пересечение искусственного интеллекта и DePIN

Смотря в будущее, траектория развития искусственного интеллекта указывает на процветающий рынок стоимостью в триллионы долларов. Мы считаем, что эти распределенные сети GPU сыграют ключевую роль в предоставлении экономически эффективных вычислительных альтернатив для разработчиков. Используя свою сеть для постоянного преодоления разрыва между спросом и предложением, эти сети внесут значительный вклад в будущее ландшафта искусственного интеллекта и вычислительной инфраструктуры.

! Пересечение AI и DePIN