Поєднання AI та DePIN: зростання децентралізованої GPU мережі

З 2023 року AI та DePIN стали популярними тенденціями у сфері Web3, ринкова капіталізація AI досягла 30 мільярдів доларів, а ринкова капіталізація DePIN - 23 мільярди доларів. Ця стаття зосереджується на перетині обох, досліджуючи розвиток відповідних протоколів.

У технологічному стеку AI мережа DePIN забезпечує практичність для AI через обчислювальні ресурси. Великі технологічні компанії призвели до дефіциту GPU, що ускладнює іншим розробникам AI отримання достатньої кількості GPU. Традиційний вибір централізованих хмарних постачальників є неефективним і нестабільним. DePIN пропонує більш гнучке та економічно вигідне рішення, використовуючи токенізовані стимули для внесків ресурсів. DePIN у сфері AI інтегрує індивідуальні ресурси GPU в єдине постачання, надаючи розробникам можливість налаштовувати доступ за запитом, водночас створюючи додатковий дохід для власників GPU.

! Перетин AI та DePIN

Огляд мережі AI DePIN

Рендер

Render є першим P2P GPU обчислювальним мережевим рішенням, спочатку зосередженим на графічному рендерингу, а згодом розширеним до AI обчислювальних завдань.

Яскраві моменти:

• Заснована компанією OTOY, яка отримала Оскар у галузі технологій.
• Обслуговування таких гігантів розважальної індустрії, як Paramount Pictures
• Співпраця з Stability AI та іншими, інтеграція AI моделей та 3D рендерингу
• Схвалення кількох обчислювальних клієнтів, інтеграція більшої кількості GPUDePIN мережі

! Перетин AI та DePIN

Акаш

Akash позиціонує себе як "супер-хмара", що підтримує зберігання, GPU та CPU обчислення, замінюючи традиційні платформи, такі як AWS.

Яскраві моменти:

• Підтримка широкого спектру завдань від загальних обчислень до мережевого хостингу
• AkashML може запускати понад 15 000 моделей на Hugging Face
• Хостинг важливих застосувань, таких як LLM моделі Mistral AI
• Підтримка метасвіту, розгортання ШІ та платформи федеративного навчання

io.net

io.net надає розподілені GPU хмарні кластери, зосереджуючись на випадках використання AI та ML.

Яскраві моменти:

• IO-SDK сумісний з такими фреймворками, як PyTorch, та може динамічно розширюватись
• Підтримка 3 типів кластерів, запуск протягом 2 хвилин
• Співпраця з Render та інтеграція інших мереж DePIN GPU

Генсин

Gensyn зосереджується на обчисленнях GPU для машинного навчання та глибокого навчання.

Яскраві моменти:

• Вартість години використання V100 GPU приблизно 0,40 доларів США, що суттєво економить.
• Підтримка тонкої настройки попередньо навченої базової моделі
• Надання Децентралізація глобальної спільної базової моделі

Етір

Aethir зосереджений на корпоративних графічних процесорах (GPU) у таких обчислювально інтенсивних сферах, як ШІ, МЛ, хмарні ігри.

Яскраві моменти:

• Розширення до хмарних телефонних послуг, співпраця з APHONE для запуску децентралізованого хмарного смартфона
• Широка співпраця з такими гігантами Web2, як NVIDIA
• У сфері Web3 кілька партнерів, таких як CARV, Magic Eden та ін.

Мережа Phala

Phala Network як виконавчий шар Web3 AI рішень вирішує проблеми конфіденційності.

Яскраві моменти:

• Виконує роль протоколу перевіряємого обчислювального сопроцесора
• AI代理合约 може підключатися до провідних великих мовних моделей
• Майбутнє включатиме кілька систем доведення, таких як zk-proofs
• Планується підтримка H100 та інших TEE GPU для підвищення обчислювальної потужності

! Перетин AI та DePIN

Порівняння проектів

| Особливості | Рендер | Акаш | io.net | Генсин | Етір | Пхала | |-----|--------|-------|--------|--------|--------|-------| | Апаратне забезпечення | Графічний процесор і центральний процесор | Графічний процесор і центральний процесор | Графічний процесор і центральний процесор | Відеокарта | Відеокарта | Центральний процесор | | Основні моменти | Графічний рендеринг та ШІ | Хмарні обчислення, рендеринг та ШІ | ШІ | ШІ | ШІ, хмарні ігри та телекомунікації | Виконання ШІ в ланцюгу | | AI завдання | Висновок | Обидва | Обидва | Навчання | Навчання | Виконання | | Ціноутворення | На основі продуктивності | Зворотні торги | Ринкове ціноутворення | Ринкове ціноутворення | Система тендерів | Розрахунок прав власності | | Блокчейн | Солана | Космос | Солана | Генсин | Арбітраж | Горошок | | Приватність даних | Шифрування&хешування | mTLS аутентифікація | Шифрування даних | Безпечне відображення | Шифрування | TEE | | Витрати | 0.5-5%/завдання | 20% USDC, 4% AKT | 2% USDC, 0.25% резерв | Низькі | 20%/сеанс | Пропорційно до стейкінгу | | Безпека | Докази рендерингу | Докази прав власності | Докази обчислень | Докази прав власності | Докази рендерингових можливостей | Спадкування з релейного ланцюга | | Завершення доказу | - | - | Доказ часу блокування | Доказ навчання | Доказ рендерингу | Доказ TEE | | Гарантія якості | Спір | - | - | Верифікатори та викривачі | Перевірка вузлів | Віддалене підтвердження | | GPU-кластер | Ні | Так | Так | Так | Так | Ні |

! Перетин AI та DePIN

Статистика обладнання

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

! Перетин AI та DePIN

! Перетин AI та DePIN

! Перетин AI та DePIN

! Перетин AI та DePIN

Висновок

Сфера DePIN на базі штучного інтелекту все ще перебуває на ранній стадії, стикаючись з численними викликами. Але обсяги завдань і кількість апаратного забезпечення в децентралізованих GPU-мережах значно зросли, що свідчить про зростання попиту на альтернативи постачальникам хмарних послуг Web2. Ці мережі ефективно вирішують проблеми з обома сторонами попиту та пропозиції, підтверджуючи свою відповідність ринку продуктів.

З оглядом у майбутнє, AI має перспективи стати ринком у трильйони доларів. Ці децентралізовані GPU-мережі відіграватимуть ключову роль у наданні економічно ефективних обчислювальних рішень для розробників. Продовжуючи зменшувати розрив між попитом і пропозицією, ці мережі внесуть значний внесок у майбутню структуру AI та обчислювальної інфраструктури.