AI та DePIN: зростання децентралізованих GPU мереж

З 2023 року AI та DePIN демонструють бурхливий розвиток у сфері Web3. Ринкова капіталізація AI досягла 30 мільярдів доларів, тоді як ринкова капіталізація DePIN становить близько 23 мільярдів доларів. Ці дві сфери охоплюють безліч різних протоколів, що відповідають різним потребам. У цій статті буде розглянуто перетин обох сфер та досліджено розвиток протоколів у цій області.

! Перетин AI та DePIN

У технологічному стеку AI мережа DePIN забезпечує практичність для AI за рахунок обчислювальних ресурсів. Розвиток великих технологічних компаній призвів до дефіциту GPU, що ускладнює отримання достатньої кількості GPU для обчислень для інших розробників, які створюють AI моделі. Це зазвичай змушує розробників обирати централізованих постачальників хмарних послуг, але необхідність підписання негінечних довгострокових контрактів на високопродуктивне обладнання призводить до неефективності.

DePIN в основному пропонує більш гнучке та економічно вигідне рішення, яке використовує токенізовані винагороди для стимулювання внесків у ресурси, що відповідають цілям мережі. DePIN в штучному інтелекті краще використовує ресурси GPU від приватних власників до дата-центрів, формуючи єдине постачання для користувачів, які потребують доступу до апаратного забезпечення. Ці мережі DePIN надають не лише налаштування та доступ на вимогу для розробників, які потребують обчислювальної потужності, але й додатковий дохід для власників GPU.

На ринку є безліч AI DePIN мереж, у цій статті буде розглянуто роль та цілі кожного протоколу, а також деякі конкретні досягнення, яких вони вже досягли.

Огляд мережі AI DePIN

Render є піонером P2P мереж, що надає обчислювальні можливості GPU, раніше зосереджуючись на рендерингу графіки для створення контенту, а пізніше, інтегрувавши інструменти, такі як Stable Diffusion, розширивши свій спектр на обчислювальні завдання, що включають нейронні відображаючі поля (NeRF) до генеративного ШІ.

Особливості Render:

1. Заснована компанією OTOY, що володіє технологією, нагородженою премією Оскар.
2. GPU мережа була використана такими великими компаніями розважальної індустрії, як Paramount Pictures, PUBG, Зоряний шлях.
3. Співпраця з Stability AI та Endeavor, інтеграція моделей ШІ з робочими процесами рендерингу 3D-контенту за допомогою GPU Render
4. Затвердження декількох обчислювальних клієнтів, інтеграція більше GPU DePIN мереж.

Akash позиціонує себе як "супер-хмара", альтернативу традиційним платформам, що підтримують зберігання, GPU та CPU обчислення. Використовуючи платформу контейнерів Akash та такі зручні для розробників інструменти, як обчислювальні вузли, керовані Kubernetes, вона може безшовно розгортати програмне забезпечення в різних середовищах, що дозволяє запускати будь-які хмарні нативні програми.

Особливості Akash:

1. Щодо широких обчислювальних завдань від загальних обчислень до мережевого хостингу
2. AkashML дозволяє своїй GPU мережі працювати з понад 15 000 моделей на Hugging Face, одночасно інтегруючись з Hugging Face
3. Akash хостить деякі помітні програми, такі як чат-боти на основі LLM моделі Mistral AI, текстово-образна модель SDXL від Stability AI, а також нова базова модель AT-1 від Thumper AI.
4. Платформа для побудови мета-всесвіту, розгортання штучного інтелекту та федеративного навчання використовує Supercloud

io.net надає доступ до розподілених GPU хмарних кластерів, які спеціалізуються на випадках використання AI та ML. Він агрегує GPU з таких джерел, як дата-центри, крипто-майнери та інші децентралізовані мережі.

Особливості io.net:

1. Його IO-SDK сумісний з такими фреймворками, як PyTorch і Tensorflow, а його багаторівнева архітектура може автоматично динамічно розширюватися залежно від вимог до обчислень.
2. Підтримка створення 3 різних типів кластерів, які можна запустити протягом 2 хвилин
3. Сильні зусилля з співпраці для інтеграції GPU інших мереж DePIN, включаючи Render, Filecoin, Aethir та Exabits

Gensyn надає обчислювальні потужності GPU, зосереджені на машинному навчанні та глибокому навчанні. Він стверджує, що досягає більш ефективного механізму верифікації, поєднуючи такі концепції, як докази роботи навчання для верифікації, графічні точні протоколи для повторної верифікації роботи та ігри стимулювання у стилі Truebit, що залучають постачальників обчислень через стейкінг та зменшення.

Особливості Gensyn:

1. Очікувана вартість за годину для еквівалентного GPU V100 складає приблизно 0,40 доларів США/година, що суттєво зекономить витрати.
2. За допомогою підтвердження стеку можна доопрацювати попередньо навчану базову модель для виконання більш специфічних завдань.
3. Ці базові моделі будуть децентралізованими, глобально власними, крім апаратних обчислювальних мереж, також надаватимуть додаткові функції.

Aethir спеціально оснащений корпоративними GPU, зосереджений на обчислювально інтенсивних сферах, головним чином на штучному інтелекті, машинному навчанні (ML), хмарних іграх тощо. Контейнери в його мережі слугують віртуальними кінцевими точками для виконання хмарних програм, переміщуючи навантаження з локальних пристроїв до контейнерів для забезпечення низької затримки. Щоб забезпечити користувачам якісні послуги, вони наближають GPU до джерел даних відповідно до попиту та розташування, коригуючи ресурси.

Особливості Aethir:

1. Окрім штучного інтелекту та хмарних ігор, Aethir також розширився на послуги хмарних телефонів та співпрацював з APhone для запуску децентралізованого хмарного смартфона.
2. Встановлено широкі партнерські відносини з такими великими компаніями, як NVIDIA, Super Micro, HPE, Foxconn та Well Link.
3. Кілька партнерів у Web3, таких як CARV, Magic Eden, Sequence, Impossible Finance тощо

Phala Network виступає як виконувальний рівень Web3 AI рішень. Його блокчейн є бездокладним хмарним обчислювальним рішенням, що розроблено для вирішення питань конфіденційності, використовуючи його надійне середовище виконання (TEE). Його виконувальний рівень не використовується як обчислювальний рівень для AI моделей, а дозволяє AI агентам бути контрольованими розумними контрактами на ланцюгу.

Особливості Phala Network:

1. Виконує роль протоколу спільного процесора для верифікованих обчислень, одночасно дозволяючи AI-агентам отримувати ресурси на ланцюгу.
2. Його штучний інтелект代理 合约 можна отримати через Redpill, щоб отримати доступ до провідних великих мовних моделей, таких як OpenAI, Llama, Claude та Hugging Face.
3. Майбутнє буде включати zk-докази, багатосторонні обчислення (MPC), повну гомоморфну криптографію (FHE) та інші множинні системи доказів.
4. У майбутньому підтримка H100 та інших TEE GPU, покращення обчислювальної здатності

Порівняння проектів

| | Рендер | Акаш | io.net | Генсин | Етір | Пхала | |--------|-------------|------------------|---------------------|---------|---------------|----------| | Апаратне забезпечення | Графічний процесор & Центральний процесор | Графічний процесор & Центральний процесор | Графічний процесор & Центральний процесор | Відеокарта | Відеокарта | Центральний процесор | | Основні напрями діяльності | Графічний рендеринг та ШІ | Хмарні обчислення, рендеринг та ШІ | ШІ | ШІ | Штучний інтелект, хмарні ігри та телекомунікації | Виконання ШІ на блокчейні | | Тип завдання AI | Висновок | Навчання та висновок | Навчання та висновок | Навчання | Навчання | Виконання | | Ціна роботи | Ціна на основі результатів | Зворотний аукціон | Ринкова ціна | Ринкова ціна | Система тендерів | Розрахунок прав | | Блокчейн | Солана | Космос | Солана | Генсин | Арбітраж | Горошок | | Конфіденційність даних | Шифрування&хешування | Аутентифікація mTLS | Шифрування даних | Безпечне відображення | Шифрування | TEE | | Робочі витрати | За кожну роботу 0.5-5% | 20% USDC, 4% AKT | 2% USDC, 0.25% витрати на резерви | Низькі витрати | За кожну сесію 20% | Пропорційно до суми стейкінгу | | Безпека | Доказування рендерингу | Доказування частки | Доказування обчислень | Доказування частки | Доказування потужності рендерингу | Спадкування з релейної мережі | | Завершення доказу | - | - | Доказ часового замка | Доказ навчання | Доказ рендерингу | Доказ TEE | | Гарантія якості | Спір | - | - | Перевіряючий та повідомник | Вузли перевірки | Віддалене підтвердження | | GPU кластер | Ні | Так | Так | Так | Так | Ні |

! Перетин AI та DePIN

Доступність кластерів та паралельних обчислень є вирішально важливою для навчання складних AI моделей. Більшість проєктів вже інтегрували кластери для паралельних обчислень. io.net співпрацює з іншими проєктами, такими як Render, Filecoin та Aethir, щоб залучити більше GPU до своєї мережі, і успішно розгорнула понад 3,800 кластерів у першому кварталі 24 року.

Приватність даних є ключовою проблемою в розробці моделей ШІ. Більшість проектів використовують якусь форму шифрування даних для захисту приватності даних. io.net нещодавно співпрацював з Mind Network для впровадження повної гомоморфної криптографії (FHE), що дозволяє обробляти зашифровані дані без попереднього розшифрування. Phala Network представила довірене середовище виконання (TEE), яке може запобігти доступу або модифікації даних з боку зовнішніх процесів.

Обчислення завершення доказів та перевірка якості є надзвичайно важливими для забезпечення якості роботи. Gensyn та Aethir генерують докази, які свідчать про те, що робота виконана, і проводять перевірку якості вже виконаних обчислень. Render пропонує використовувати процес вирішення спорів, якщо комісія з перевірки виявить проблеми з вузлом, то цей вузол буде зменшено.

Статистичні дані апаратного забезпечення

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

! Перетин AI та DePIN

Високопродуктивні GPU є надзвичайно важливими для навчання AI моделей. io.net та Aethir ведуть у кількості GPU H100 та A100, що робить їх більш придатними для обчислень великих моделей. Вартість децентралізованої GPU мережі вже значно нижча, ніж централізованих GPU послуг, що відкриває олігопольну ситуацію для створення більшої кількості AI та ML випадків використання.

Споживчі GPU/CPU також відіграють важливу роль у цих мережах. Проекти, такі як Render, Akash та io.net, можуть обслуговувати цю частину ринку, надаючи розробникам більше вибору.

Висновок

Хоча область AI DePIN все ще відносно нова, вона вже демонструє сильні темпи розвитку. Кількість завдань і апаратного забезпечення, що виконуються в цих децентралізованих GPU-мережах, постійно зростає, що підкреслює зростаючий попит на альтернативи апаратним ресурсам постачальників хмарних послуг Web2. Дивлячись у майбутнє, ці розподілені GPU-мережі відіграватимуть ключову роль у наданні розробникам економічно ефективних обчислювальних альтернатив, роблячи суттєвий внесок у майбутнє штучного інтелекту та обчислювальної інфраструктури.

! Перетин AI та DePIN

! Перетин AI та DePIN

! Перетин AI та DePIN

! Перетин AI та DePIN

! Перетин AI та DePIN