A interseção da IA e DePIN: a ascensão das redes GPU descentralizadas
Com o AI e o DePIN a tornarem-se tendências populares no domínio do Web3, a interseção entre ambos está a formar um mercado emergente. As redes DePIN trazem valor prático ao AI ao fornecer recursos de computação, especialmente no contexto de escassez de GPUs. Em comparação com os serviços de nuvem tradicionais, o DePIN oferece uma alternativa mais flexível e de custo mais baixo, utilizando incentivos em tokens para a contribuição de recursos. Este artigo irá explorar vários projetos principais de AI DePIN e suas características.
Visão Geral da Rede DePIN de IA
Render é o pioneiro da rede P2P GPU, inicialmente focado na renderização gráfica, e posteriormente expandido para tarefas de computação em IA. A sua rede GPU já foi utilizada por várias empresas de entretenimento e colaborou com a Stability AI.
Akash é posicionado como uma alternativa de "super nuvem" aos tradicionais plataformas de nuvem, suportando armazenamento, computação GPU e CPU. Seu AkashML pode executar uma grande variedade de modelos na Hugging Face, e a plataforma já hospedou várias aplicações de IA renomadas.
io.net oferece um cluster de GPU em nuvem distribuído especializado para IA e ML. Seu IO-SDK é compatível com os principais frameworks, suportando a criação rápida de diferentes tipos de clusters.
Gensyn foca em computação de aprendizado de máquina e aprendizado profundo, adotando um mecanismo de validação inovador para aumentar a eficiência. Sua rede pode ser utilizada para ajustes finos de modelos básicos pré-treinados.
Aethir oferece GPUs de nível empresarial, servindo principalmente áreas de computação intensiva como IA, ML e jogos na nuvem. Otimiza a qualidade do serviço ajustando a localização dos recursos.
Phala Network como camada de execução de soluções de IA Web3, utiliza ambientes de execução confiáveis (TEE) para lidar com questões de privacidade. Seus contratos de agentes de IA podem acessar vários modelos de linguagem de grande porte.
Comparação de Projetos
Os projetos diferem em termos de hardware, focos de negócios, tipos de tarefas de IA, mecanismos de preços, blockchain, privacidade de dados e segurança. A maioria dos projetos agora suporta clusters de GPU para realizar computação paralela, o que é crucial para treinar modelos de IA complexos.
Na privacidade dos dados, a maioria dos projetos adota alguma forma de criptografia de dados. A io.net introduziu a criptografia homomórfica, enquanto a Phala Network utiliza TEE para reforçar ainda mais a proteção da privacidade.
Para garantir a qualidade do cálculo, vários projetos introduziram mecanismos de prova de conclusão e verificação de qualidade. Por exemplo, Gensyn e Aethir geram provas de trabalho concluído e realizam verificações de qualidade.
Estatísticas de Hardware
Existem grandes diferenças na quantidade e tipo de GPUs entre os projetos. io.net e Aethir possuem mais GPUs de alto desempenho ( H100/A100 ), mais adequadas para cálculos de modelos grandes. O custo dos serviços de GPU Descentralização é geralmente inferior ao dos serviços centralizados, mas pode haver limitações em termos de memória e comunicação.
Alguns projetos também oferecem recursos de GPU/CPU de nível de consumo, que podem ser usados para tarefas de IA em menor escala, proporcionando mais opções para os desenvolvedores.
Conclusão
Apesar dos desafios que o campo do DePIN AI ainda enfrenta, o rápido crescimento da quantidade de tarefas e do número de hardware destaca a demanda do mercado. Estas redes GPU descentralizadas têm a expectativa de desempenhar um papel importante no futuro mercado de AI de trilhões de dólares, oferecendo alternativas de computação economicamente eficientes para os desenvolvedores.
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
19 Curtidas
Recompensa
19
5
Compartilhar
Comentário
0/400
ZkProofPudding
· 08-01 20:52
Mineração tem novas ideias!
Ver originalResponder0
DaoGovernanceOfficer
· 07-31 12:45
*suspiro* empiricamente falando, a tokenomics GPU proposta carece de KPIs de governança robustos. veja meu artigo de 2023 sobre frameworks de alocação de recursos...
Ver originalResponder0
WenAirdrop
· 07-31 12:39
Esta onda de DePIN tomar a posição inversa dá uma oportunidade à NVIDIA.
Ver originalResponder0
0xOverleveraged
· 07-31 12:33
Apenas uma pergunta, já conseguiram obter recursos de GPU com essa escassez tão grande?
AI e DePIN em fusão: a ascensão das redes GPU descentralizadas que impulsionam um novo futuro de computação AI
A interseção da IA e DePIN: a ascensão das redes GPU descentralizadas
Com o AI e o DePIN a tornarem-se tendências populares no domínio do Web3, a interseção entre ambos está a formar um mercado emergente. As redes DePIN trazem valor prático ao AI ao fornecer recursos de computação, especialmente no contexto de escassez de GPUs. Em comparação com os serviços de nuvem tradicionais, o DePIN oferece uma alternativa mais flexível e de custo mais baixo, utilizando incentivos em tokens para a contribuição de recursos. Este artigo irá explorar vários projetos principais de AI DePIN e suas características.
Visão Geral da Rede DePIN de IA
Render é o pioneiro da rede P2P GPU, inicialmente focado na renderização gráfica, e posteriormente expandido para tarefas de computação em IA. A sua rede GPU já foi utilizada por várias empresas de entretenimento e colaborou com a Stability AI.
Akash é posicionado como uma alternativa de "super nuvem" aos tradicionais plataformas de nuvem, suportando armazenamento, computação GPU e CPU. Seu AkashML pode executar uma grande variedade de modelos na Hugging Face, e a plataforma já hospedou várias aplicações de IA renomadas.
io.net oferece um cluster de GPU em nuvem distribuído especializado para IA e ML. Seu IO-SDK é compatível com os principais frameworks, suportando a criação rápida de diferentes tipos de clusters.
Gensyn foca em computação de aprendizado de máquina e aprendizado profundo, adotando um mecanismo de validação inovador para aumentar a eficiência. Sua rede pode ser utilizada para ajustes finos de modelos básicos pré-treinados.
Aethir oferece GPUs de nível empresarial, servindo principalmente áreas de computação intensiva como IA, ML e jogos na nuvem. Otimiza a qualidade do serviço ajustando a localização dos recursos.
Phala Network como camada de execução de soluções de IA Web3, utiliza ambientes de execução confiáveis (TEE) para lidar com questões de privacidade. Seus contratos de agentes de IA podem acessar vários modelos de linguagem de grande porte.
Comparação de Projetos
Os projetos diferem em termos de hardware, focos de negócios, tipos de tarefas de IA, mecanismos de preços, blockchain, privacidade de dados e segurança. A maioria dos projetos agora suporta clusters de GPU para realizar computação paralela, o que é crucial para treinar modelos de IA complexos.
Na privacidade dos dados, a maioria dos projetos adota alguma forma de criptografia de dados. A io.net introduziu a criptografia homomórfica, enquanto a Phala Network utiliza TEE para reforçar ainda mais a proteção da privacidade.
Para garantir a qualidade do cálculo, vários projetos introduziram mecanismos de prova de conclusão e verificação de qualidade. Por exemplo, Gensyn e Aethir geram provas de trabalho concluído e realizam verificações de qualidade.
Estatísticas de Hardware
Existem grandes diferenças na quantidade e tipo de GPUs entre os projetos. io.net e Aethir possuem mais GPUs de alto desempenho ( H100/A100 ), mais adequadas para cálculos de modelos grandes. O custo dos serviços de GPU Descentralização é geralmente inferior ao dos serviços centralizados, mas pode haver limitações em termos de memória e comunicação.
Alguns projetos também oferecem recursos de GPU/CPU de nível de consumo, que podem ser usados para tarefas de IA em menor escala, proporcionando mais opções para os desenvolvedores.
Conclusão
Apesar dos desafios que o campo do DePIN AI ainda enfrenta, o rápido crescimento da quantidade de tarefas e do número de hardware destaca a demanda do mercado. Estas redes GPU descentralizadas têm a expectativa de desempenhar um papel importante no futuro mercado de AI de trilhões de dólares, oferecendo alternativas de computação economicamente eficientes para os desenvolvedores.