AIとDePINの交差点:分散型GPUネットワークの台頭

AIとDePINがWeb3分野のホットトレンドになっている中、両者の交差点が新たな市場を形成しています。DePINネットワークは計算リソースを提供することでAIに実用的な価値をもたらし、特にGPU不足の状況下で重要です。従来のクラウドサービスと比べ、DePINはより柔軟でコストが低い代替案を提供し、トークンによってリソースの貢献を奨励します。本稿では、いくつかの主要なAI DePINプロジェクトとその特徴について探ります。

! AIとDePINの交差点

AI DePINネットワークの概要

Render はP2P GPUネットワークの先駆者であり、最初はグラフィックレンダリングに焦点を当てていましたが、その後AI計算タスクに拡張されました。彼らのGPUネットワークは多くのエンターテインメント会社によって使用されており、Stability AIなどとも提携しています。

Akashは、従来のクラウドプラットフォームの「スーパークラウド」の代替品として位置付けられ、ストレージ、GPU、CPU計算をサポートしています。AkashMLはHugging Face上で多数のモデルを実行でき、プラットフォーム上には複数の有名なAIアプリケーションがホストされています。

io.net はAIおよびML用の分散化GPUクラウドクラスターを提供します。其のIO-SDKは主要なフレームワークと互換性があり、さまざまなタイプのクラスターを迅速に作成することをサポートしています。

Gensyn は、機械学習と深層学習の計算に焦点を当て、効率を向上させる革新的な検証メカニズムを採用しています。そのネットワークは、事前トレーニングされた基本モデルの微調整に使用できます。

Aethir は、企業向けの GPU を専門に提供しており、主に AI、ML、クラウドゲームなどの計算集約型分野にサービスを提供しています。リソースの位置を調整することでサービス品質を最適化します。

Phala Network はWeb3 AIソリューションの実行層として、信頼できる実行環境(TEE)を使用してプライバシー問題を処理します。そのAIエージェント契約は、複数のトップの大規模言語モデルにアクセスできます。

! AIとDePINの交差点

プロジェクト比較

各プロジェクトは、ハードウェア、ビジネスの重点、AIタスクの種類、価格設定メカニズム、分散化、データプライバシー、安全性などの面で違いがあります。ほとんどのプロジェクトは、複雑なAIモデルのトレーニングにとって重要な並列計算を実現するために、GPUクラスターのサポートを開始しています。

データプライバシーの観点から、ほとんどのプロジェクトは何らかの形式のデータ暗号化を採用しています。io.netは完全同型暗号を導入し、Phala NetworkはTEEを使用してプライバシー保護をさらに強化しています。

計算の品質を確保するために、複数のプロジェクトが完了証明と品質チェックメカニズムを導入しています。例えば、GensynとAethirは作業完了証明を生成し、品質チェックを行います。

! AIとDePINの交差点

! AIとDePINの交差点

! AIとDePINの交差点

! AIとDePINの交差点

ハードウェア統計

プロジェクト間のGPUの数とタイプには大きな差があります。io.netとAethirはより多くの高性能GPU(H100/A100)を持っており、大規模モデル計算により適しています。分散化されたGPUサービスのコストは一般的に中央集権サービスよりも低いですが、メモリと通信に関して制限がある可能性があります。

一部のプロジェクトは、消費者向けのGPU/CPUリソースを提供しており、小規模なAIタスクに使用できるため、開発者により多くの選択肢を提供します。

! AIとDePINの交差点

まとめ

AI DePIN分野は依然として課題に直面していますが、そのタスク量とハードウェアの数の急速な増加は市場の需要を浮き彫りにしています。これらの分散化GPUネットワークは、将来の兆ドル規模のAI市場において重要な役割を果たし、開発者にコスト効率の良い計算代替手段を提供することが期待されています。

! AIとDePINの交差点