Злиття AI та DePIN: зростання розподіленої мережі GPU

З 2023 року AI та DePIN стали гарячими трендами в сфері Web3, їх ринкова капіталізація досягла 30 мільярдів доларів і 23 мільярдів доларів відповідно. У цій статті зосереджено увагу на перетині обох, досліджуючи розвиток цієї нової сфери.

У технологічному стеку AI, мережа DePIN надає можливості для AI, пропонуючи обчислювальні ресурси. Попит великих технологічних компаній на GPU призвів до нестачі постачання, що ускладнює іншим розробникам отримання достатніх ресурсів для навчання власних моделей. Традиційні централізовані хмарні сервіси часто вимагають підписання негнучких довгострокових контрактів, що є неефективним. Мережа DePIN пропонує більш гнучке і економічно вигідне рішення, об'єднуючи розподілені ресурси GPU через токенізацію, щоб забезпечити користувачів єдиним постачанням. Це не лише дозволяє розробникам отримувати налаштовувані обчислювальні потужності на вимогу, але й створює додатковий дохід для користувачів GPU, які не використовують свої ресурси.

! Перетин AI та DePIN

Огляд мережі AI DePIN

Рендер

Render є піонером P2P GPU обчислювальної мережі, спочатку зосередженим на графічному рендерингу для створення контенту, а згодом розширився на широкий спектр AI обчислювальних завдань, включаючи генеративний AI.

Яскраві моменти:

• Засновано компанією, яка має технології, що отримали Оскар
• Була використана такими гігантами розважальної індустрії, як Paramount Pictures
• Співпраця з компаніями, такими як Stability AI, інтеграція AI-моделей та 3D-контенту.
• Підтримка різних обчислювальних клієнтів, інтеграція більше DePIN мереж GPU

Акеш

Akash позиціонується як "суперхмара" заміна традиційним хмарним платформам, підтримує зберігання, GPU та CPU обчислення. Його контейнерна платформа та обчислювальні вузли, керовані Kubernetes, можуть безшовно розгортати хмарні нативні додатки.

Яскраві моменти:

• Охоплює широкий спектр завдань, від загальних обчислень до хостингу в мережі
• AkashML підтримує запуск понад 15 тисяч моделей на Hugging Face
• Відомі додатки, такі як чат-бот Mistral AI з LLM, вже перебувають на управлінні
• Підтримка платформ, таких як метавсесвіт, розгортання ШІ та федеративне навчання

io.net

io.net пропонує розподілені GPU хмари, зосереджені на випадках використання AI та ML. Об'єднує ресурси GPU з різних джерел, таких як дата-центри, крипто-майнери тощо.

Яскраві моменти:

• IO-SDK сумісний з такими фреймворками, як PyTorch, і може динамічно розширюватися відповідно до потреб
• Підтримка створення 3 різних типів кластерів, запуск за 2 хвилини
• Співпраця з Render, Filecoin та інтеграція більшої кількості ресурсів GPU

Генсин

Gensyn зосереджується на обчисленнях машинного навчання та глибокого навчання. Використовує механізми, такі як доказ навчання, протоколи на основі графів та стимули для стейкінгу, щоб підвищити ефективність верифікації.

Яскраві моменти:

• Вартість години роботи V100 GPU складає приблизно 0.40 доларів США, що значно заощаджує.
• Можна доопрацювати попередньо навчальну базову модель для виконання конкретного завдання
• Забезпечити децентралізовану, глобально спільну базову модель

Етір

Aethir зосереджується на корпоративних GPU, обслуговуючи обчислювально інтенсивні сфери, такі як ШІ, МЛ, хмарні ігри тощо. Завдяки контейнерній технології навантаження переміщуються з локального середовища в хмару, що забезпечує низьку затримку.

Яскраві моменти:

• Розширення на послуги хмарного телефону, співпраця з APhone для запуску децентралізованого хмарного смартфона
• Налагодження широкої співпраці з такими гігантами Web2, як NVIDIA та Foxconn
• Співпраця з CARV, Magic Eden та іншими в сфері Web3

Мережа Phala

Phala Network як виконавчий шар рішення Web3 AI використовує надійне виконавче середовище (TEE) для вирішення питань конфіденційності. Його виконавчий шар дозволяє AI-агентам контролюватися смарт-контрактами на блокчейні.

Яскравість:

• Як протокол копрограм, що дозволяє верифікацію обчислень, надає можливість AI-агентам використовувати ресурси на блокчейні
• AI-агенти можуть отримати OpenAI та інші провідні LLM через Redpill
• Майбутнє буде включати багатосторонні системи доказів, такі як zk-proofs, MPC, FHE та ін.
• Планується підтримка TEE GPU, такого як H100, для підвищення обчислювальних можливостей

! Перетин AI та DePIN

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 напрямки бізнесу | Графічний рендеринг та ШІ | Хмарні обчислення, рендеринг та ШІ | ШІ | ШІ | ШІ, хмарні ігри та телекомунікації | Виконання ШІ на блокчейні | | Типи завдань AI | Інференція | Інференція та навчання | Інференція та навчання | Навчання | Навчання | Виконання | | Ціна роботи | Ціна на основі продуктивності | Зворотний аукціон | Ринкова ціна | Ринкова ціна | Система тендерів | Розрахунок прав | | Блокчейн | Солана | Космос | Солана | Генсин | Арбітраж | Горошок | | Приватність даних | Шифрування&хешування | mTLS автентифікація | Шифрування даних | Безпечне відображення | Шифрування | TEE | | Витрати на роботу | 0.5-5% за кожну роботу | 20% USDC, 4% AKT | 2% USDC, 0.25% резервний збір | Низькі витрати | 20% за кожну сесію | Пропорційно до суми стейкингу | | Безпека | Доказательство рендерингу | Доказательство прав | Доказательство обчислень | Доказательство прав | Доказательство рендерингових можливостей | Спадкове з релейного ланцюга | | Підтвердження завершення | - | - | Підтвердження часових замків | Підтвердження навчання | Підтвердження рендерингу | Підтвердження TEE | | Гарантія якості | Спір | - | - | Верифікатор і скаржник | Нода перевірки | Віддалене підтвердження | | GPU-кілон | Ні | Так | Так | Так | Так | Ні |

Порівняння ключових характеристик

Кластери та паралельні обчислення

Розподілена обчислювальна система реалізує кластер GPU, підвищуючи ефективність навчання та масштабованість. Більшість проектів вже інтегрували підтримку кластерів для паралельних обчислень, щоб задовольнити вимоги складних AI-моделей. io.net успішно розгорнув понад 3800 кластерів. Render, хоча і не підтримує кластери, може розподілити завдання на кілька вузлів для одночасної обробки. Phala підтримує кластеризацію CPU-робітників.

! Перетин AI та DePIN

Конфіденційність даних

Захист чутливих наборів даних є критично важливим для розробки ШІ. Більшість проектів використовують шифрування даних для захисту конфіденційності. io.net впроваджує повну гомоморфну криптографію (FHE), що дозволяє обробляти дані в зашифрованому стані. Phala Network використовує довірене середовище виконання (TEE), що запобігає зовнішньому доступу або змінам даних.

! Перетин AI та DePIN

Підтвердження завершення обчислень та перевірка якості

Для забезпечення якості обслуговування більшість проектів використовують механізми підтвердження виконання та перевірки якості. Gensyn та Aethir генерують підтвердження виконання роботи та проводять перевірку якості. io.net підтверджує, що продуктивність орендованих GPU використовується в повному обсязі. Render рекомендує використовувати процес вирішення суперечок для обробки проблемних вузлів. Phala генерує підтвердження TEE, щоб забезпечити правильне виконання.

! Перетин AI та DePIN

Статистика 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+ | - | | Вартість H100/година | - | $1.46 | $1.19 | - | - | - | | Вартість A100/година | - | $1.37 | $1.50 | $0.55 ( прогнозується ) | $0.33 ( прогнозується ) | - |

Потреба в високопродуктивних GPU

Навчання моделей ШІ вимагає найкращих за продуктивністю графічних процесорів, таких як NVIDIA A100 та H100. Децентралізований ринок графічних процесорів повинен забезпечити достатню кількість високопродуктивного обладнання для задоволення попиту. io.net та Aethir мають понад 2000 одиниць H100/A100, що більше підходить для обчислень великих моделей. Вартість оренди графічних процесорів у цих мережах вже значно нижча, ніж у централізованих сервісів.

! Перетин AI та DePIN

Споживчий рівень постачання GPU/CPU

Окрім корпоративних GPU, деякі проекти, такі як Render, Akash та io.net, також обслуговують споживчий ринок GPU. Це дозволяє використовувати велику кількість невикористаних споживчих ресурсів GPU для розробки специфічних ринкових сегментів.

! Перетин AI та DePIN

Висновок

Сфера DePIN штучного інтелекту все ще перебуває на ранній стадії та стикається з багатьма викликами. Однак кількість завдань та апаратних засобів, які виконуються в цих мережах, значно зросла, що підкреслює потребу в альтернативних рішеннях традиційних хмарних послуг. У майбутньому, з продовженням зростання ринку ШІ, ці розподілені мережі GPU мають всі шанси відіграти ключову роль у наданні економічно ефективних обчислювальних ресурсів для розробників, що суттєво вплине на майбутню структуру ШІ та обчислювальної інфраструктури.

! Перетин AI та DePIN