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

2023'ten bu yana, AI ve DePIN Web3 alanında popüler eğilimler haline geldi, AI'nin piyasa değeri yaklaşık 30 milyar dolar, DePIN'in piyasa değeri yaklaşık 23 milyar dolar. Bu makale, ikisinin kesişim alanına odaklanarak ilgili protokollerin gelişimini tartışmaktadır.

AI teknoloji yelpazesinde, DePIN ağı, hesaplama kaynakları aracılığıyla AI'ye kullanılabilirlik sağlar. Büyük teknoloji şirketlerinin gelişimi, GPU kıtlığına yol açarak diğer geliştiricilerin yeterli GPU elde etmesini zorlaştırmıştır. Bu genellikle geliştiricilerin merkezi bulut sağlayıcılarını seçmesine neden olur, ancak esnek olmayan uzun vadeli yüksek performanslı donanım sözleşmelerinin imzalanması gerektiğinden verimsizlik ortaya çıkar.

DePIN esasen, ağ hedeflerine uygun kaynak katkılarını teşvik etmek için token ödülleri kullanarak daha esnek ve maliyet etkin bir alternatif sunar. AI alanındaki DePIN, GPU kaynaklarını bireysel sahiplerden veri merkezlerine toplar ve donanıma erişim ihtiyaç duyan kullanıcılar için birleşik bir tedarik oluşturur. Bu DePIN ağları, sadece hesaplama gücüne ihtiyaç duyan geliştiricilere özelleştirme ve talep üzerine erişim sağlamakla kalmaz, aynı zamanda GPU sahiplerine ek gelir sunar.

Piyasada birçok AI DePIN ağı bulunmaktadır, bu yazıda çeşitli protokollerin işlevleri, hedefleri ve ulaşılan önemli noktalar ele alınacaktır.

AI DePIN Ağı Genel Görünümü

Render, içerik yaratımı için grafik renderleme üzerine odaklanan bir öncü olup, GPU hesaplama gücü sunan P2P ağları sağlamaktadır. Daha sonra Stable Diffusion gibi araç setlerini entegre ederek, kapsamını sinir radyasyon alanlarından ((NeRF)) yapay zeka üretim hesaplama görevlerini içerecek şekilde genişletmiştir.

Öne Çıkanlar:

1. Oscar ödüllü teknolojiyi geliştiren OTOY bulut grafik şirketi tarafından kuruldu

2. GPU ağı Paramount Pictures, PUBG, Star Trek gibi eğlence endüstrisinin büyük şirketleri tarafından kullanılmaktadır.

3. Stability AI ve Endeavor ile iş birliği yaparak, Render'ın GPU'sunu kullanarak AI modellerini 3D içerik render iş akışına entegre etme

4. Birden fazla hesaplama istemcisini onaylayın, daha fazla DePIN ağı GPU'sunu entegre edin.

Akash, depolama, GPU ve CPU hesaplamalarını destekleyen geleneksel platform ( AWS) gibi bir "süper bulut" alternatifi olarak kendini konumlandırıyor. Akash konteyner platformu ve Kubernetes yönetimli hesaplama düğümleri gibi geliştirici dostu araçları kullanarak, yazılımları kesintisiz bir şekilde farklı ortamlar arasında dağıtabilmekte ve böylece herhangi bir bulut yerel uygulamayı çalıştırabilmektedir.

Öne Çıkanlar:

1. Genel hesaplamadan ağ barındırmaya kadar geniş hesaplama görevleri için

2. AkashML, GPU ağlarının Hugging Face üzerinde 15.000'den fazla modeli çalıştırmasına ve Hugging Face ile entegrasyon sağlamasına izin verir.

3. Akash üzerinde dikkat çekici bazı uygulamalar barındırıyor, bunlar arasında Mistral AI'nın LLM model sohbet robotu, Stability AI'nın SDXL metinden görüntüye model ve Thumper AI'nın yeni temel modeli AT-1 bulunuyor.

4. Metaverse, AI dağıtımı ve federated learning platformu Supercloud'u kullanıyor.

io.net dağıtılmış GPU bulut kümelerine erişim sağlar, bu kümeler AI ve ML kullanım durumları için özel olarak tasarlanmıştır. Veri merkezleri, kripto madencileri ve diğer merkeziyetsiz ağlar gibi alanlardan gelen GPU'ları bir araya getirir. Şirket daha önce bir kuantum ticaret şirketiydi, yüksek performanslı GPU fiyatlarının büyük ölçüde artmasının ardından mevcut işine yöneldi.

Öne Çıkanlar:

1. IO-SDK'si, PyTorch ve Tensorflow gibi çerçevelerle uyumludur, çok katmanlı mimarisi hesaplama gereksinimlerine göre otomatik olarak dinamik olarak genişleyebilir.

2. 2 dakika içinde başlatılabilen 3 farklı türde küme oluşturmayı destekler.

3. Diğer DePIN ağları ( ile Render, Filecoin, Aethir ve Exabits ) işbirliği yaparak, GPU kaynaklarını entegre etmek.

Gensyn, makine öğrenimi ve derin öğrenme hesaplamalarına odaklanan GPU hesaplama yetenekleri sunmaktadır. Mevcut yöntemlere göre daha verimli bir doğrulama mekanizması sağladığını iddia etmektedir ve bunu öğrenme kanıtı, grafik tabanlı hassas konumlama protokolleri ve hesaplama sağlayıcılarını içeren staking ve azaltma teşvik oyunları gibi kavramların bir kombinasyonu ile gerçekleştirmektedir.

Öne Çıkanlar:

1. V100 eşdeğer GPU'nun saatlik maliyetinin yaklaşık 0.40 dolar olması bekleniyor, maliyetleri önemli ölçüde azaltacak.

2. Önceden eğitilmiş temel modeli ince ayar yapmak için kanıt yığınlama ile daha spesifik görevler tamamlanabilir.

3. Bu temel modeller merkeziyetsiz, küresel mülkiyete sahip olacak ve donanım hesaplama ağının yanı sıra ek işlevler de sunacaktır.

Aethir, kurumsal GPU'ları özel olarak barındırmakta ve hesaplama yoğun alanlara, özellikle AI, makine öğrenimi (ML), bulut oyunları gibi alanlara odaklanmaktadır. Ağdaki konteynerler, bulut tabanlı uygulamaları çalıştıran sanal uç noktalar olarak işlev görür ve iş yüklerini yerel cihazlardan konteynerlere taşıyarak düşük gecikme süresi deneyimi sağlar. Kullanıcılara kaliteli hizmet sunmak amacıyla, GPU'ları talebe ve konuma göre veri kaynaklarına yakınlaştırarak kaynakları ayarlamaktadırlar.

Öne Çıkanlar:

1. AI ve bulut oyun dışında, Aethir ayrıca bulut telefon hizmetlerine de genişleyerek APHONE ile merkeziyetsiz bulut akıllı telefonunu piyasaya sürdü.

2. NVIDIA, Super Micro, HPE, Foxconn ve Well Link gibi büyük Web2 şirketleriyle geniş işbirlikleri kurmak

3. Web3'teki birçok ortak ile (, CARV, Magic Eden, Sequence, Impossible Finance gibi ) işbirliği yapmak

Phala Network, Web3 AI çözümlerinin yürütme katmanı olarak işlev görmektedir. Blok zinciri, güvene ihtiyaç duymayan bir bulut bilişim çözümüdür ve gizlilik sorunlarını ele almak için 可信执行环境(TEE) kullanılarak tasarlanmıştır. Yürütme katmanı, AI modellerinin hesaplama katmanı olarak kullanılmaz, bunun yerine AI ajanlarının zincir üzerindeki akıllı sözleşmeler tarafından kontrol edilmesini sağlar.

Öne Çıkanlar:

1. Doğrulanabilir hesaplama için yardımcı işlemci protokolü olarak görev yaparken, aynı zamanda AI ajanlarının zincir üzerindeki kaynaklara erişimini sağlar.

2. AI ajan sözleşmeleri Redpill aracılığıyla OpenAI, Llama, Claude ve Hugging Face gibi en iyi büyük dil modellerine erişebilir.

3. Gelecek, zk-kanıtları, çok taraflı hesaplama (MPC), tam homomorfik şifreleme (FHE) gibi çoklu kanıt sistemlerini içerecek.

4. Gelecekte H100 gibi diğer TEE GPU'ları destekleyecek, hesaplama yeteneğini artıracak.

Proje Karşılaştırması

| | Render | Akash | io.net | Gensyn | Aethir | Phala | |--------|-------------|------------------|---------------------|---------|---------------|----------| | Donanım | GPU & CPU | GPU & CPU | GPU & CPU | GPU | GPU | CPU | | İş Alanları | Grafik Renderleme ve AI | Bulut Bilişim, Renderleme ve AI | AI | AI | AI, 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 | | İşçilik Ücreti | Her İş 0.5-5% | 20% USDC, 4% AKT | 2% USDC, 0.25% Rezerv Ücreti | Düşük Ücretler | Her oturum 20% | Teminat Miktarı ile Orantılı | | Güvenlik | Görselleştirme Kanıtı | Hak Kanıtı | Hesaplama Kanıtı | Hak Kanıtı | Görselleştirme Kapasite Kanıtı | Ara Zincirden Devralma | | Tamamlama Kanıtı | - | - | Zaman Kilidi Kanıtı | Öğrenim Kanıtı | Render İş Kanıtı | TEE Kanıtı | | Kalite Güvencesi | İtiraz | - | - | Doğrulayıcı ve Bildirici | Kontrol Düğümleri | Uzaktan Kanıtlama | | GPU kümesi | Hayır | Evet | Evet | Evet | Evet | Hayır |

Önemi

Küme ve Paralel Hesaplama Uygunluğu

Dağıtık hesaplama çerçevesi, model doğruluğunu etkilemeden daha verimli bir eğitim sağlarken GPU kümelerini gerçekleştirmiştir. Karmaşık AI modellerini eğitmek güçlü hesaplama yetenekleri gerektirir ve genellikle bu ihtiyaçları karşılamak için dağıtık hesaplamaya güvenmek zorundadır. OpenAI'nin GPT-4 modeli, 128 kümede yaklaşık 25.000 Nvidia A100 GPU kullanılarak 3-4 ay içinde 1,8 trilyondan fazla parametreye sahiptir.

Önceki dönemde, Render ve Akash yalnızca tek kullanımlık GPU'lar sağlıyordu, bu da GPU'lara olan pazar talebini sınırlamış olabilir. Ancak, çoğu önemli proje artık paralel hesaplama sağlamak için kümeleri birleştirmiştir. io.net, Render, Filecoin ve Aethir gibi diğer projelerle işbirliği yaparak daha fazla GPU'yu ağlarına dahil etmiş ve 2024'ün ilk çeyreğinde 3,800'den fazla küme başarıyla dağıtılmıştır. Render küme desteği sağlamasa da, çalışma prensibi kümelere benzer; tek bir kareyi farklı düğümlere ayırarak farklı kare aralıklarını aynı anda işleme alır. Phala şu anda yalnızca CPU'yu destekliyor, ancak CPU işleyicilerini kümelemeye izin veriyor.

Küme çerçevesinin AI iş akışı ağına dahil edilmesi çok önemlidir, ancak AI geliştiricilerinin ihtiyaçlarını karşılamak için gereken küme GPU sayısı ve türü başka bir sorundur.

Veri gizliliği

AI modelleri geliştirmek için büyük veri setleri kullanmak gerekmektedir, bu veri setleri çeşitli kaynaklardan gelebilir ve farklı biçimlerde olabilir. Hassas veri setleri, model sağlayıcılarına ifşa olma riskiyle karşı karşıya kalabilir. AI kullanımı için yeterli güvenlik önlemleri almak son derece önemlidir. Bu nedenle, veri kontrolünü veri sağlayıcılarına geri vermek için çeşitli veri gizliliği yöntemlerine sahip olmak kritik öneme sahiptir.

Çoğu proje, veri gizliliğini korumak için bir tür veri şifrelemesi kullanmaktadır. Render, render sonuçlarını ağa geri yayınlarken şifreleme ve hash işlemleri kullanırken, io.net ve Gensyn bir tür veri şifrelemesi kullanmaktadır. Akash, yalnızca kiracı tarafından seçilen sağlayıcıların veri almasına izin veren mTLS kimlik doğrulaması kullanmaktadır.

io.net, Mind Network ile yakın zamanda tamamen homomorfik şifreleme (FHE)'ı tanıttı ve bu, verileri önceden çözmeden şifrelenmiş verileri işlemeye olanak tanıyor. Bu yenilik, mevcut şifreleme teknolojilerinden daha iyi veri gizliliği sağlamaktadır.

Phala Network, güvenilir yürütme ortamı ( TEE )'yi tanıttı, yani bağlı cihazların ana işlemcisindeki güvenli alan. Bu ayrıştırma mekanizması sayesinde, dış süreçlerin veriye erişimini veya veriyi değiştirmesini önleyebilir, yetki seviyeleri ne olursa olsun. TEE'nin yanı sıra, zkDCAP doğrulayıcısında ve jtee komut satırı arayüzünde zk-kanıtlarının kullanımını birleştirerek RiscZero zkVM ile entegre programlar için tasarlanmıştır.

Hesaplama Tamamlandı Belgesi ve Kalite Kontrolü

Bu projeler tarafından sağlanan GPU'lar, bir dizi hizmete hesaplama gücü sağlayabilir. Hizmet yelpazesi geniş olduğu için, grafiklerin render edilmesinden AI hesaplamalarına kadar, bu tür görevlerin nihai kalitesi her zaman kullanıcı standartlarını karşılamayabilir. Kiralanan belirli GPU'nun istenen hizmetleri çalıştırmak için gerçekten kullanıldığını belirtmek için tamamlanma kanıtı biçiminde bir belge kullanılabilir; kalite kontrol, bu tür işleri talep eden kullanıcılar için faydalı olacaktır.

Hesaplama tamamlandığında, Gensyn ve Aethir, işin tamamlandığını göstermek için kanıtlar oluşturacak, io.net'in kanıtı ise kiralanan GPU'nun performansının tam olarak kullanıldığını ve herhangi bir sorun olmadığını gösterecektir. Gensyn ve Aethir, tamamlanan hesaplamaların kalite kontrolünü yapar. Gensyn için, doğrulayıcılar oluşturulan kanıtların bazı kısımlarını yeniden çalıştırarak kanıtlarla karşılaştırma yapar ve rapor eden kişi, doğrulayıcılar için bir kontrol katmanı işlevi görür. Aethir, hizmet kalitesini belirlemek için kontrol düğümleri kullanır ve standartların altında kalan hizmetlere ceza verir. Render, bir itiraz çözüm sürecinin kullanılmasını önerir; eğer denetim komitesi bir düğümde sorun bulursa, o düğümü kesintiye uğratır. Phala tamamlandığında, AI ajanının zincir üzerinde gereken işlemleri gerçekleştirdiğini temin eden TEE kanıtı oluşturur.

Donanım İstatistik 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 Ücreti/Saat | - | $1.37 | $1.50 | $0.55 ( tahmini ) | $0.33 ( tahmini ) | - |

Yüksek performanslı GPU'nun gereksinimleri

AI model eğitimi için en iyi performansa sahip GPU'lara ihtiyaç olduğundan, geliştiriciler genellikle Nvidia'nın A100 ve H100 gibi GPU'larını tercih etmektedir. H100'ün çıkarım performansı A100'e göre 4 kat daha hızlıdır,