مع تحول الذكاء الاصطناعي وDePIN إلى اتجاهات شائعة في مجال Web3، فإن تقاطع كلاهما يشكل سوقًا ناشئًا. توفر شبكة DePIN قيمة عملية للذكاء الاصطناعي من خلال تقديم موارد الحساب، وخاصة في سياق نقص وحدات معالجة الرسومات. بالمقارنة مع خدمات السحابة التقليدية، يقدم DePIN بديلاً أكثر مرونة وأقل تكلفة، باستخدام الرموز لتحفيز مساهمة الموارد. ستستكشف هذه المقالة بعض المشاريع الرئيسية للذكاء الاصطناعي DePIN وخصائصها.
Render هو رائد شبكة GPU الند للند، كان يركز في البداية على الرسوميات، ثم توسع ليشمل مهام حساب الذكاء الاصطناعي. تم استخدام شبكة GPU الخاصة به من قبل العديد من شركات الترفيه، وتعاون مع شركات مثل Stability AI.
Akash يتم تحديده كبديل "سوبر كلاود" لمنصات السحابة التقليدية، ويدعم التخزين وحساب GPU وCPU. يمكن لـ AkashML تشغيل عدد كبير من النماذج على Hugging Face، وقد استضافت المنصة العديد من التطبيقات الذكية المعروفة.
io.net يوفر مجموعة سحابية موزعة من وحدات معالجة الرسومات (GPU) مصممة خصيصًا للذكاء الاصطناعي (AI) والتعلم الآلي (ML). يتوافق IO-SDK مع الأطر الرئيسية ويدعم إنشاء أنواع مختلفة من المجموعات بسرعة.
Gensyn يركز على حسابات التعلم الآلي والتعلم العميق، ويستخدم آلية تحقق مبتكرة لزيادة الكفاءة. يمكن استخدام شبكته لضبط النماذج الأساسية المدربة مسبقًا.
Aethir تقدم خدمات GPU على مستوى المؤسسات، وتخدم بشكل رئيسي المجالات التي تتطلب حسابات كثيفة مثل الذكاء الاصطناعي، وتعلم الآلة، والألعاب السحابية. من خلال تعديل موقع الموارد لتحسين جودة الخدمة.
Phala Network كطبقة تنفيذ لحلول Web3 AI، تستخدم بيئة التنفيذ الموثوقة (TEE) لمعالجة قضايا الخصوصية. يمكن لعقد الوكلاء الذكية AI الوصول إلى العديد من نماذج اللغة الكبيرة الرائدة.
توجد اختلافات بين المشاريع في الجوانب المتعلقة بالأجهزة، وأولويات الأعمال، وأنواع مهام الذكاء الاصطناعي، وآليات التسعير، وblockchain، وخصوصية البيانات، والأمان. تدعم معظم المشاريع الآن تجمعات GPU لتحقيق الحوسبة المتوازية، وهو أمر بالغ الأهمية لتدريب نماذج الذكاء الاصطناعي المعقدة.
فيما يتعلق بخصوصية البيانات، تتبنى معظم المشاريع شكلًا من أشكال تشفير البيانات. قدمت io.net التشفير المتجانس بالكامل، بينما تستخدم Phala Network TEE لتعزيز حماية الخصوصية.
لضمان جودة الحسابات، قدمت عدة مشاريع آلية لإثبات الإنجاز وآلية لفحص الجودة. على سبيل المثال، يقوم Gensyn و Aethir بإنتاج إثباتات لإنجاز العمل وإجراء فحص الجودة.
توجد اختلافات كبيرة في عدد ونوع وحدات معالجة الرسوميات (GPU) بين المشاريع. تمتلك io.net و Aethir عددًا أكبر من وحدات معالجة الرسوميات عالية الأداء ( H100/A100)، مما يجعلها أكثر ملاءمة لحسابات النماذج الكبيرة. تكلفة خدمات GPU اللامركزية عمومًا أقل من الخدمات المركزية، ولكن قد تكون هناك قيود في الذاكرة والاتصالات.
تقدم بعض المشاريع أيضًا موارد GPU/CPU من المستوى الاستهلاكي، والتي يمكن استخدامها لمهام الذكاء الاصطناعي على نطاق أصغر، مما يوفر المزيد من الخيارات للمطورين.
على الرغم من أن مجال AI DePIN لا يزال يواجه تحديات، إلا أن الزيادة السريعة في حجم المهام وعدد الأجهزة تبرز الطلب في السوق. من المتوقع أن تلعب هذه الشبكات اللامركزية GPU دورًا مهمًا في سوق AI الذي قد يصل إلى تريليونات الدولارات في المستقبل، حيث توفر بدائل حسابية فعالة من حيث التكلفة للمطورين.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 19
أعجبني
19
5
مشاركة
تعليق
0/400
ZkProofPudding
· منذ 23 س
التعدين有新思路了啊
شاهد النسخة الأصليةرد0
DaoGovernanceOfficer
· 07-31 12:45
*sigh* من الناحية التجريبية، يفتقر اقتصاد العملة الخاص بوحدة المعالجة الرسومية المقترحة إلى مؤشرات أداء رئيسية للحوكمة قوية. راجع ورقتي لعام 2023 حول أطر تخصيص الموارد...
شاهد النسخة الأصليةرد0
WenAirdrop
· 07-31 12:39
هذه الموجة من DePIN اتخذت المركز المعاكس لـ NVIDIA
شاهد النسخة الأصليةرد0
0xOverleveraged
· 07-31 12:33
أريد أن أسأل، هل حصلتم على موارد GPU في ظل نقصها الشديد؟
دمج الذكاء الاصطناعي وDePIN: ظهور شبكة GPU اللامركزية لتعزيز مستقبل جديد لحسابات الذكاء الاصطناعي
تقاطع الذكاء الاصطناعي وDePIN: صعود الشبكات اللامركزية للمعالجات الرسومية
مع تحول الذكاء الاصطناعي وDePIN إلى اتجاهات شائعة في مجال Web3، فإن تقاطع كلاهما يشكل سوقًا ناشئًا. توفر شبكة DePIN قيمة عملية للذكاء الاصطناعي من خلال تقديم موارد الحساب، وخاصة في سياق نقص وحدات معالجة الرسومات. بالمقارنة مع خدمات السحابة التقليدية، يقدم DePIN بديلاً أكثر مرونة وأقل تكلفة، باستخدام الرموز لتحفيز مساهمة الموارد. ستستكشف هذه المقالة بعض المشاريع الرئيسية للذكاء الاصطناعي DePIN وخصائصها.
! تقاطع الذكاء الاصطناعي و DePIN
نظرة عامة على شبكة DePIN الذكاء الاصطناعي
Render هو رائد شبكة GPU الند للند، كان يركز في البداية على الرسوميات، ثم توسع ليشمل مهام حساب الذكاء الاصطناعي. تم استخدام شبكة GPU الخاصة به من قبل العديد من شركات الترفيه، وتعاون مع شركات مثل Stability AI.
Akash يتم تحديده كبديل "سوبر كلاود" لمنصات السحابة التقليدية، ويدعم التخزين وحساب GPU وCPU. يمكن لـ AkashML تشغيل عدد كبير من النماذج على Hugging Face، وقد استضافت المنصة العديد من التطبيقات الذكية المعروفة.
io.net يوفر مجموعة سحابية موزعة من وحدات معالجة الرسومات (GPU) مصممة خصيصًا للذكاء الاصطناعي (AI) والتعلم الآلي (ML). يتوافق IO-SDK مع الأطر الرئيسية ويدعم إنشاء أنواع مختلفة من المجموعات بسرعة.
Gensyn يركز على حسابات التعلم الآلي والتعلم العميق، ويستخدم آلية تحقق مبتكرة لزيادة الكفاءة. يمكن استخدام شبكته لضبط النماذج الأساسية المدربة مسبقًا.
Aethir تقدم خدمات GPU على مستوى المؤسسات، وتخدم بشكل رئيسي المجالات التي تتطلب حسابات كثيفة مثل الذكاء الاصطناعي، وتعلم الآلة، والألعاب السحابية. من خلال تعديل موقع الموارد لتحسين جودة الخدمة.
Phala Network كطبقة تنفيذ لحلول Web3 AI، تستخدم بيئة التنفيذ الموثوقة (TEE) لمعالجة قضايا الخصوصية. يمكن لعقد الوكلاء الذكية AI الوصول إلى العديد من نماذج اللغة الكبيرة الرائدة.
! تقاطع الذكاء الاصطناعي و DePIN
مقارنة المشاريع
توجد اختلافات بين المشاريع في الجوانب المتعلقة بالأجهزة، وأولويات الأعمال، وأنواع مهام الذكاء الاصطناعي، وآليات التسعير، وblockchain، وخصوصية البيانات، والأمان. تدعم معظم المشاريع الآن تجمعات GPU لتحقيق الحوسبة المتوازية، وهو أمر بالغ الأهمية لتدريب نماذج الذكاء الاصطناعي المعقدة.
فيما يتعلق بخصوصية البيانات، تتبنى معظم المشاريع شكلًا من أشكال تشفير البيانات. قدمت io.net التشفير المتجانس بالكامل، بينما تستخدم Phala Network TEE لتعزيز حماية الخصوصية.
لضمان جودة الحسابات، قدمت عدة مشاريع آلية لإثبات الإنجاز وآلية لفحص الجودة. على سبيل المثال، يقوم Gensyn و Aethir بإنتاج إثباتات لإنجاز العمل وإجراء فحص الجودة.
! تقاطع الذكاء الاصطناعي و DePIN
! تقاطع الذكاء الاصطناعي و DePIN
! تقاطع الذكاء الاصطناعي و DePIN
! تقاطع الذكاء الاصطناعي و DePIN
إحصائيات الأجهزة
توجد اختلافات كبيرة في عدد ونوع وحدات معالجة الرسوميات (GPU) بين المشاريع. تمتلك io.net و Aethir عددًا أكبر من وحدات معالجة الرسوميات عالية الأداء ( H100/A100)، مما يجعلها أكثر ملاءمة لحسابات النماذج الكبيرة. تكلفة خدمات GPU اللامركزية عمومًا أقل من الخدمات المركزية، ولكن قد تكون هناك قيود في الذاكرة والاتصالات.
تقدم بعض المشاريع أيضًا موارد GPU/CPU من المستوى الاستهلاكي، والتي يمكن استخدامها لمهام الذكاء الاصطناعي على نطاق أصغر، مما يوفر المزيد من الخيارات للمطورين.
! تقاطع الذكاء الاصطناعي و DePIN
الاستنتاج
على الرغم من أن مجال AI DePIN لا يزال يواجه تحديات، إلا أن الزيادة السريعة في حجم المهام وعدد الأجهزة تبرز الطلب في السوق. من المتوقع أن تلعب هذه الشبكات اللامركزية GPU دورًا مهمًا في سوق AI الذي قد يصل إلى تريليونات الدولارات في المستقبل، حيث توفر بدائل حسابية فعالة من حيث التكلفة للمطورين.
! تقاطع الذكاء الاصطناعي و DePIN