Перехрестя ШІ та DePIN: зростання децентралізованих GPU-мереж

З появою AI та DePIN як популярних тенденцій у сфері Web3, їхня перетворення формує новий ринок. Мережа DePIN приносить практичну цінність для AI, надаючи обчислювальні ресурси, особливо на фоні дефіциту GPU. На відміну від традиційних хмарних сервісів, DePIN пропонує більш гнучке та економічне рішення, використовуючи токени для стимулювання внесків ресурсів. У цій статті буде розглянуто кілька основних проектів AI DePIN та їх особливості.

! Перетин AI та DePIN

Огляд мережі AI DePIN

Render є піонером P2P GPU мережі, спочатку зосереджуючись на графічному рендерингу, а пізніше розширивши свою діяльність на AI обчислювальні завдання. Його GPU мережа вже використовується кількома розважальними компаніями та співпрацює з такими, як Stability AI.

Akash позиціонується як "супер-хмара" заміна традиційним хмарним платформам, підтримує зберігання, GPU та CPU обчислення. Його AkashML може запускати безліч моделей на Hugging Face, на платформі вже розміщено кілька відомих AI додатків.

io.net надає спеціалізовані розподілені GPU хмарні кластери для AI та ML. Його IO-SDK сумісний з основними фреймворками, підтримує швидке створення різних типів кластерів.

Gensyn зосереджується на обчисленнях машинного навчання та глибокого навчання, використовуючи інноваційний механізм верифікації для підвищення ефективності. Його мережа може бути використана для доопрацювання попередньо навченої базової моделі.

Aethir спеціалізується на наданні підприємницьких GPU, головним чином обслуговуючи обчислювально інтенсивні сфери, такі як ШІ, МЛ, хмарні ігри тощо. Оптимізує якість обслуговування шляхом налаштування розташування ресурсів.

Phala Network як виконувальний шар Web3 AI рішень використовує надійне виконавче середовище(TEE) для вирішення проблем конфіденційності. Його AI агентські контракти можуть отримувати доступ до кількох провідних великих мовних моделей.

! Перетин AI та DePIN

Порівняння проектів

Різні проекти мають відмінності в апаратному забезпеченні, бізнес-пріоритетах, типах завдань AI, механізмах ціноутворення, блокчейні, конфіденційності даних, безпеці тощо. Більшість проектів тепер підтримують GPU-кластери для досягнення паралельних обчислень, що є вирішальним для навчання складних моделей AI.

У сфері захисту даних більшість проєктів використовують певну форму шифрування даних. io.net впроваджує абсолютно однорідне шифрування, а Phala Network використовує TEE для подальшого зміцнення захисту приватності.

Щоб забезпечити якість обчислень, кілька проектів впровадили механізми підтвердження виконання та перевірки якості. Наприклад, Gensyn та Aethir генерують підтвердження виконання роботи та здійснюють перевірку якості.

! Перетин AI та DePIN

! Перетин AI та DePIN

! Перетин AI та DePIN

! Перетин AI та DePIN

Статистика апаратного забезпечення

Кількість і тип GPU між проектами має значні відмінності. io.net та Aethir мають більше високопродуктивних GPU(H100/A100), що краще підходять для обчислень великих моделей. Вартість децентралізованих GPU-сервісів зазвичай нижча, ніж централізованих, але можуть бути обмеження щодо пам'яті та зв'язку.

Деякі проекти також надають споживчі GPU/CPU ресурси, які можна використовувати для маломасштабних AI завдань, надаючи розробникам більше вибору.

! Перетин AI та DePIN

Висновок

Хоча сфера AI DePIN все ще стикається з викликами, швидке зростання обсягу завдань і кількості апаратних засобів підкреслює попит на ринку. Ці децентралізовані GPU мережі, ймовірно, відіграють важливу роль у майбутньому трильйонному ринку AI, надаючи розробникам економічно вигідні альтернативи обчислень.

! Перетин AI та DePIN