AIとDePINの交差点:分散型GPUネットワークの台頭

2023年以来、AIとDePINはWeb3分野の人気トレンドとなり、前者の時価総額は300億ドル、後者の時価総額は230億ドルに達しています。本稿では両者の交差点に焦点を当て、この分野のプロトコルの発展について探ります。

AIテクノロジースタックにおいて、DePINネットワークは計算リソースを通じてAIに実用性を提供します。大手テクノロジー企業の発展によりGPUが不足し、他の開発者がAIモデルの計算に必要な十分なGPUを入手することが困難になっています。これにより、開発者は中央集権的なクラウドプロバイダーを選択することが多くなりますが、柔軟性のない長期的な高性能ハードウェア契約に署名しなければならないため、効率が低下します。

DePINは、ネットワークの目標に資するリソース貢献を促すために、トークン報酬を利用したより柔軟でコスト効果の高い代替手段を提供します。AI分野のDePINは、個人所有者からデータセンターにGPUリソースをクラウドソーシングし、ハードウェアにアクセスする必要があるユーザーのために統一された供給を形成します。これらのネットワークは、計算能力を必要とする開発者にカスタマイズ性とオンデマンドアクセスを提供するだけでなく、GPU所有者に追加の収入をもたらします。

! AIとDePINの交差点

AI DePINネットワークの概要

RenderはGPU計算能力を提供するP2Pネットワークの先駆者であり、以前はコンテンツ制作のためにグラフィックスをレンダリングすることに特化していましたが、その後、神経反射場から生成AIまでのAI計算タスクを含む範囲に拡大しました。

Akashは、ストレージ、GPU、CPU計算をサポートする従来のプラットフォームの「スーパー・クラウド」代替品として自らを位置づけています。コンテナプラットフォームやKubernetes管理の計算ノードなどの開発者フレンドリーなツールを活用することで、環境を越えてソフトウェアをシームレスにデプロイでき、あらゆるクラウドネイティブアプリケーションを実行することが可能です。

io.netは、AIとMLのユースケース専用に設計された分散型GPUクラウドクラスターへのアクセスを提供します。データセンター、暗号マイナー、その他の分散型ネットワークなどの分野からGPUを集約します。

Gensynは、機械学習と深層学習計算に特化したGPU計算能力を提供します。学習証明、グラフィックに基づく精密位置決定プロトコル、計算プロバイダーのステーキングや削減を含むインセンティブゲームなどの概念を組み合わせることで、より効率的な検証メカニズムを実現したと主張しています。

Aethirは企業向けGPUを搭載し、計算集約型分野、主に人工知能、機械学習、クラウドゲームなどに特化しています。ネットワーク内のコンテナは、クラウドベースのアプリケーションを実行する仮想エンドポイントとして機能し、ワークロードをローカルデバイスからコンテナに移動させ、低遅延体験を実現します。

Phala NetworkはWeb3 AIソリューションの実行層として機能します。そのブロックチェーンは信頼不要のクラウドコンピューティングソリューションであり、プライバシーの問題を処理するために、その信頼できる実行環境(TEE)を使用して設計されています。その実行層は、AIエージェントがチェーン上のスマートコントラクトによって制御されることを可能にします。

! AIとDePINの交差点

プロジェクト比較

| | レンダリング | アカシュ | io.net | ゲンシン | アエシール | ファラ | |--------|-------------|------------------|---------------------|---------|---------------|----------| | ハードウェア | GPU & CPU | GPU & CPU | GPU & CPU | GPUの| GPUの| CPU | | ビジネスの重点 | グラフィックレンダリングとAI | クラウドコンピューティング、レンダリングとAI | AI | AI | 人工知能、クラウドゲームとテレコム | チェーン上のAI実行 | | AIタスクタイプ | 推論 | 両者 | 両者 | トレーニング | トレーニング | 実行 | | 仕事の価格設定 | パフォーマンスに基づく価格設定 | 逆オークション | 市場価格設定 | 市場価格設定 | 入札システム | 権益計算 | | ブロックチェーン | ソラナ | コスモス | ソラナ | ジェンシン | アービトラム | ポルカドット | | データプライバシー | 暗号化&ハッシュ | mTLS 認証 | データ暗号化 | セキュアマッピング | 暗号化 | TEE | | 作業コスト | 0.5-5% |仕事あたり 20% USDC、4% AKT | 2% USDC、0.25%の準備金手数料 | 低コスト | セッションごとに20% | 誓約金額に比例 | | 安全 | レンダリング証明 | 権益証明 | 計算証明 | 権益証明 | レンダリング能力証明 | 中継チェーンから継承 | | 完了証明 | - | - | タイムロック証明 | 学習証明 | レンダリング作業証明 | TEE 証明 | | 品質保証 | 争議 | - | - | 確認者と通報者 | チェッカーノード | リモート証明 | | GPU クラスター | いいえ | はい | はい | はい | はい | いいえ |

! AIとDePINの交差点

###の重要性

クラスターおよび並列計算の可用性

分散コンピューティングフレームワークはGPUクラスターを実現し、モデルの精度に影響を与えることなく、より効率的なトレーニングを提供し、同時にスケーラビリティを強化しました。より複雑なAIモデルのトレーニングは強力な計算能力を必要とし、これは通常、分散コンピューティングに依存してそのニーズを満たさなければなりません。ほとんどの重点プロジェクトは現在、並列計算を実現するためにクラスターを統合しています。

! AIとDePINの交差点

データプライバシー

AIモデルの開発には大量のデータセットが必要であり、これらのデータセットはさまざまなソースから、さまざまな形式で得られる可能性があります。個人の医療記録やユーザーの財務データなどのセンシティブなデータセットは、モデルプロバイダーにさらされるリスクに直面する可能性があります。したがって、データ提供者にデータの制御権を戻すためには、さまざまなデータプライバシー手法を持つことが重要です。

ほとんどのプロジェクトはデータプライバシーを保護するために何らかの形式のデータ暗号化を使用しています。io.netは最近、Mind Networkと協力して完全同態暗号(FHE)を導入し、暗号化データを事前に復号化することなく処理できるようにしました。Phala Networkは、接続デバイスのメインプロセッサ内のセキュアエリアであるTEEを導入しました。

! AIとDePINの交差点

ハードウェア統計データ

| | レンダー | アカッシュ | io.net | ジェンシン | エイサー | ファラ | |-------------|--------|-------|--------|------------|------------|--------| | GPUの数 | 5600 | 384 | 38177 | - | 40000+ | - | | CPUの数 | 114 | 14672 | 5433 | - | - | 30000+ | | H100/A100個 | - | 157 | 2330 | - | 2000+ | - | | H100料金/時間 | - | 1.46ドル | 1.19ドル| - | - | - | | A100料金/時間 | - | 1.37ドル | 1.50ドル| $0.55 ( 推定) | $0.33 (推定) | - |

! AIとDePINの交差点

まとめ

AI DePIN分野は依然として比較的新しく、自身の課題に直面しています。しかし、これらの分散型GPUネットワークで実行されるタスクとハードウェアの数は依然として大幅に増加しています。これらのネットワークで実行されるタスクの量は絶えず増加しており、Web2クラウドプロバイダーのハードウェアリソースの代替品に対する需要の高まりを浮き彫りにしています。同時に、これらのネットワークにおけるハードウェアプロバイダーの急増は、以前は十分に活用されていなかった供給を際立たせています。

! AIとDePINの交差点

未来を見据えると、人工知能の発展の軌跡は数兆ドルの市場に向かっており、私たちはこれらの分散型GPUネットワークが開発者に経済的に効率的な計算の代替手段を提供する上で重要な役割を果たすと考えています。これらのネットワークは、需要と供給のギャップを埋めることにより、人工知能と計算インフラの未来の構図に重要な貢献をするでしょう。

! AIとDePINの交差点