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

2023'ten bu yana, AI ve DePIN Web3 alanında popüler konular haline geldi ve piyasa değeri sırasıyla 30 milyar dolar ve 23 milyar dolara ulaştı. Bu makale, her ikisinin kesişimini inceleyecek ve bu alandaki protokollerin gelişimini araştıracaktır.

AI teknoloji yığını içinde, DePIN ağı hesaplama kaynakları aracılığıyla AI'ye uygulanabilirlik sunar. Büyük teknoloji şirketlerinin gelişimi GPU kıtlığına yol açarak diğer geliştiricilerin hesaplama için yeterli GPU'ya sahip olmamalarına sebep oldu. Bu genellikle geliştiricilerin merkezi bulut sağlayıcılarını tercih etmesine yol açar, ancak esnek olmayan uzun vadeli yüksek performanslı donanım sözleşmeleri imzalamak zorunda olmaları verimliliği düşürür.

DePIN esasen, ağ hedeflerine uygun kaynak katkılarını teşvik etmek için token ödülleri 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 tek bir tedarik oluşturur. Bu DePIN ağları, hesaplama gücüne ihtiyaç duyan geliştiricilere özelleştirme ve talep üzerine erişim sunmanın yanı sıra, GPU sahiplerine ek gelir sağlar.

AI DePIN ağına genel bakış

Render GPU hesaplama gücü sağlayan P2P ağının öncüsüdür, daha önce içerik oluşturma için grafik renderlemeye odaklanmıştı, daha sonra kapsamını (NeRF)'dan AI hesaplama görevlerini içerecek şekilde genişletti.

İlginç olan:

1. Oscar ödüllü teknolojiye sahip bulut grafik şirketi OTOY tarafından kuruldu

2. GPU ağı, Paramount Pictures, PUBG, Star Trek gibi eğlence sektöründeki büyük şirketler tarafından kullanılmaktadır.

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

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

Akash, depolama, GPU ve CPU hesaplamalarını destekleyen geleneksel platformların "süper bulut" alternatifi olarak konumlanmaktadır. Akash konteyner platformu ve Kubernetes yönetimindeki hesaplama düğümleri gibi geliştirici dostu araçları kullanarak, yazılımları farklı ortamlar arasında kesintisiz bir şekilde dağıtabilmektedir, böylece herhangi bir bulut yerel uygulamasını çalıştırabilmektedir.

İlginç nokta:

1. Genel hesaplamadan ağ barındırmaya yönelik geniş hesaplama görevleri

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

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

4. Metaverse, yapay zeka dağıtımı ve federated öğrenme platformları Supercloud'u kullanıyor.

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

İlginç kısım:

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

2. 3 farklı türde küme oluşturulmasını destekler, 2 dakika içinde başlatılabilir.

3. Diğer DePIN ağlarının GPU'larını, Render, Filecoin, Aethir ve Exabits dahil olmak üzere, entegre etmek için güçlü bir işbirliği çabası.

Gensyn, makine öğrenimi ve derin öğrenme hesaplamalarına odaklanan GPU hesaplama kapasitesi sunmaktadır. Mevcut yöntemlerle karşılaştırıldığında, çalışma kanıtı olarak kullanılan öğrenme kanıtları, yeniden doğrulama işlemleri için grafik tabanlı hassas konumlandırma protokolleri ve hesaplama sağlayıcılarını içeren stake ve kesinti gibi Truebit tarzı teşvik oyunlarının bir araya getirilmesi yoluyla daha verimli bir doğrulama mekanizması sağladığını iddia etmektedir.

İlginç nokta:

1. V100 eşdeğer GPU'nun saatlik maliyetinin yaklaşık 0.40 dolar/saat olması bekleniyor, böylece maliyetler önemli ölçüde tasarruf edilecek.

2. Yığınlama yoluyla, önceden eğitilmiş temel modeli belirli görevleri tamamlamak için ince ayar yapabilirsiniz.

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

Aethir özel olarak işletme GPU'ları ile donatılmıştır ve hesaplama yoğun alanlara odaklanmaktadır, başlıca yapay zeka, makine öğrenimi (ML ), bulut oyunları vb. Ağı içindeki konteynerler, bulut tabanlı uygulamaları çalıştıran sanal uç noktalar olarak işlev görür ve yükü yerel cihazlardan konteynerlere aktararak düşük gecikme süresi deneyimi sağlar. Kullanıcılara kaliteli hizmet sunmayı sağlamak amacıyla, GPU'ları talebe ve konuma göre veri kaynaklarına yakın konumlandırarak kaynakları ayarlarlar.

İlginç olan:

1. Yapay zeka ve bulut oyunlarının yanı sıra, Aethir bulut telefon hizmetlerine de genişledi ve merkeziyetsiz bulut akıllı telefonunu piyasaya sürmek için APHONE ile iş birliği yaptı.

2. NVIDIA, Super Micro, HPE, Foxconn ve Well Link gibi büyük Web2 şirketleriyle kapsamlı ortaklıklar kuruldu.

3. Web3'teki birçok ortak, örneğin CARV, Magic Eden, Sequence, Impossible Finance vb.

Phala Network, Web3 AI çözümlerinin yürütme katmanı olarak işlev görmektedir. Blok zinciri, güvene dayalı olmayan bir bulut bilişim çözümüdür ve gizlilik sorunlarını ele almak için güvenilir yürütme ortamı (TEE) kullanılarak tasarlanmıştır. Yürütme katmanı, AI modellerinin hesaplama katmanı olarak kullanılmaz, aksine AI ajanlarının zincir üzerindeki akıllı sözleşmeler tarafından kontrol edilmesini sağlar.

İlginç olan:

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

2. Yapay zeka aracılık sözleşmeleri, Redpill aracılığıyla OpenAI, Llama, Claude ve Hugging Face gibi en iyi büyük dil modellerine erişim sağlayabilir.

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

4. Gelecekte H100 gibi diğer TEE GPU'ları destekleyerek hesaplama gücünü artırma

Proje Karşılaştırması

| | Render | Akash | io.net | Gensyn | Aethir | Phala | |--------|-------------|------------------|---------------------|---------|---------------|----------| | Donanım | GPU & CPU | GPU & CPU | GPU & CPU | GPU | GPU | CPU | | İşletme Odakları | Grafik Renderleme ve AI | Bulut Bilişim, Renderleme ve AI | AI | AI | Yapay Zeka, Bulut Oyun ve Telekomünikasyon | Zincir Üstü AI Uygulaması | | AI Görev Türü | Çıkarım | Her ikisi | Her ikisi | Eğitim | Eğitim | Uygulama | | İş fiyatlandırması | Performansa dayalı fiyatlandırma | Ters ihale | Piyasa fiyatlandırması | Piyasa fiyatlandırması | İhale sistemi | Hak hesaplama | | Blok zinciri | Solana | Cosmos | Solana | Gensyn | Arbitrum | Polkadot | | Veri gizliliği | Şifreleme&Hashleme | mTLS kimlik doğrulaması | Veri şifreleme | Güvenli haritalama | Şifreleme | TEE | | İşçilik Ücreti | Her bir iş için %0.5-5 | %20 USDC, %4 AKT | %2 USDC, %0.25 rezerv ücreti | Düşük maliyet | Her seans için %20 | Staking miktarıyla orantılı | | Güvenli | Render Kanıtı | Hak Kanıtı | Hesaplama Kanıtı | Hak Kanıtı | Render Kapasite Kanıtı | Ara Zincirden Miras Alır | | Tamamlama Kanıtı | - | - | Zaman Kilidi Kanıtı | Öğrenme Kanıtı | Render İş Kanıtı | TEE Kanıtı | | Kalite Garantisi | İhtilaf | - | - | Doğrulayıcı ve Bildirici | Kontrol Düğümü | Uzaktan Kanıt | | GPU kümesi | Hayır | Evet | Evet | Evet | Evet | Hayır |

Önemi

Küme ve Paralel Hesaplama Kullanılabilirliği

Dağıtık hesaplama çerçevesi, model doğruluğunu etkilemeden daha verimli bir eğitim sunarak GPU kümesi sağladı ve aynı zamanda ölçeklenebilirliği artırdı. Daha karmaşık AI modellerinin eğitilmesi, genellikle bu ihtiyaçları karşılamak için dağıtık hesaba dayanması gereken güçlü hesaplama gücü gerektirir. Daha sezgisel bir açıdan bakıldığında, OpenAI'nin GPT-4 modeli 1.8 trilyondan fazla parametreye sahip olup, 3-4 ay içinde 128 kümede yaklaşık 25.000 Nvidia A100 GPU kullanılarak eğitilmiştir.

Önceden, Render ve Akash yalnızca tek amaçlı GPU sağlıyordu, bu da GPU'ya olan pazar talebini sınırlayabilir. Ancak, çoğu odak projesi şimdi paralel hesaplama sağlamak için kümeleri entegre etti. io.net, Render, Filecoin ve Aethir gibi diğer projelerle işbirliği yaparak ağlarına daha fazla GPU dahil etti ve 2024'ün ilk çeyreğinde 3,800'den fazla küme dağıtmayı başardı. Render kümeleri desteklemese de, çalışma şekli kümelere benzer; tek bir kareyi farklı düğümlere bölerek farklı kare aralıklarını aynı anda işleyebilir. Phala şu anda yalnızca CPU'yu destekliyor, ancak CPU işleyicilerinin kümeleşmesine izin veriyor.

Küme çerçevesinin AI iş akışı ağına dahil edilmesi çok önemlidir, ancak AI geliştiricilerinin ihtiyaçlarını karşılamak için gereken küme GPU sayısı ve türü ayrı bir konudur, bunu sonraki bölümlerde tartışacağız.

Veri gizliliği

AI modeli geliştirmek için büyük veri setleri kullanmak gerekmektedir; bu veri setleri çeşitli kaynaklardan, farklı biçimlerde gelebilir. Kişisel sağlık kayıtları, kullanıcı finansal verileri gibi hassas veri setleri, model sağlayıcılarına ifşa olma riskiyle karşı karşıya kalabilir. Samsung, hassas kodların platforma yüklenmesinin gizliliği ihlal edeceğinden endişe ederek ChatGPT kullanımını içten yasaklamıştır, Microsoft'un 38TB'lık özel veri sızıntısı olayı, AI kullanırken yeterli güvenlik önlemleri almanın önemini daha da vurgulamıştır. Bu nedenle, veri kontrolünü 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. Veri şifrelemesi, ağda veri sağlayıcısından model sağlayıcısına ( veri alıcısına ) veri aktarımının korunmasını sağlar. Render, render sonuçlarını ağa geri yayınlarken şifreleme ve hash işlemi kullanırken, io.net ve Gensyn bir tür veri şifrelemesi benimsemektedir. Akash, yalnızca kiracının seçtiği sağlayıcıların veri almasına izin veren mTLS kimlik doğrulaması kullanmaktadır.

Ancak, io.net son zamanlarda Mind Network ile işbirliği yaparak tamamen homomorfik şifreleme (FHE)'yi tanıttı; bu, şifreli verilerin önceden çözülmesine gerek kalmadan işlenmesine olanak tanır. Bu yenilik, verilerin kimlik ve veri içeriği ifşa edilmeden eğitim amaçları için güvenli bir şekilde iletilmesini sağlayarak, mevcut şifreleme teknolojilerinden daha iyi bir veri gizliliği sağlamaktadır.

Phala Network, cihaz ana işlemcisindeki güvenli alana bağlanan TEE'yi (Güvenilir Çalışma Ortamı) tanıttı. Bu izolasyon mekanizması sayesinde, dış süreçlerin verilere erişmesini veya bunları değiştirmesini engelleyebilir; bu, izin seviyeleri ne olursa olsun, makineye fiziksel erişim hakkı olan bireyler için bile geçerlidir. TEE dışında, zkDCAP doğrulayıcısında ve jtee komut satırı arayüzünde zk-proofs kullanımını entegre ederek RiscZero zkVM ile entegre programlar oluşturmuştur.

Hesaplama tamamlama kanıtı ve kalite kontrol

Bu projelerin sunduğu GPU'lar, bir dizi hizmete hesaplama gücü sağlayabilir. Bu hizmetlerin kapsamı geniş olduğundan, grafiklerin render edilmesinden AI hesaplamalarına kadar, bu tür görevlerin nihai kalitesi her zaman kullanıcıların standartlarına uymayabilir. Kullanıcıların kiraladığı belirli GPU'ların gerçekten gerekli hizmetleri çalıştırmak için kullanıldığını göstermek üzere tamamlanma kanıtı biçiminde kullanılabilir ve kalite kontrolü, bu tür işleri tamamlamak isteyen kullanıcılar için yararlıdır.

Hesaplama tamamlandıktan sonra, Gensyn ve Aethir, işin tamamlandığını gösteren kanıtlar oluşturacak, io.net'in kanıtı ise kiralanan GPU'nun performansının tam olarak kullanıldığını ve herhangi bir sorun yaşanmadığını gösterir. Gensyn ve Aethir, tamamlanan hesaplamaların kalite kontrolünü yapacaktır. Gensyn için, doğrulayıcılar oluşturulan kanıtların bazı bölümlerini yeniden çalıştırarak kanıtlarla karşılaştırır, rapor eden kişi ise doğrulayıcılar için bir başka kontrol tabakası işlevi görür. Aynı zamanda, Aethir hizmet kalitesini belirlemek için kontrol düğümleri kullanır ve standartların altında kalan hizmetler için ceza uygular. Render, itiraz çözüm sürecinin kullanılmasını önermektedir; eğer gözden geçirme komitesi bir düğümde sorun bulursa, o düğümün kısıtlanmasını sağlar. Phala tamamlandıktan sonra TEE kanıtı oluşturur, bu da AI ajanının zincir üzerinde gereken işlemleri gerçekleştirmesini garanti eder.

Donanım istatistikleri

| | Render | Akash | io.net | Gensyn | Aethir | Phala | |-------------|--------|-------|--------|------------|