AI và sự kết hợp của DePIN: Khám phá mạng lưới tính toán GPU Phi tập trung
Kể từ năm 2023, AI và DePIN đã thu hút được nhiều sự chú ý trong lĩnh vực Web3, với giá trị thị trường lần lượt đạt 30 tỷ USD và 23 tỷ USD. Bài viết này nhằm khám phá lĩnh vực giao thoa giữa AI và DePIN, nghiên cứu tình hình phát triển của các giao thức liên quan.
Trong ngăn xếp công nghệ AI, mạng DePIN cung cấp tài nguyên tính toán để tăng cường AI. Nhu cầu về GPU của các công ty công nghệ lớn dẫn đến tình trạng thiếu hụt, khiến cho các nhà phát triển khác khó có được đủ GPU để tính toán. Điều này thường buộc các nhà phát triển phải chọn dịch vụ đám mây phi tập trung, nhưng các hợp đồng phần cứng hiệu suất cao lâu dài thường thiếu tính linh hoạt và kém hiệu quả.
DePIN cung cấp một giải pháp linh hoạt và tiết kiệm chi phí hơn, khuyến khích sự đóng góp tài nguyên thông qua các động lực từ token. DePIN trong lĩnh vực AI tích hợp tài nguyên GPU từ các chủ sở hữu cá nhân và trung tâm dữ liệu, cung cấp nguồn cung cấp đồng nhất cho người dùng cần phần cứng. Những mạng lưới này không chỉ cung cấp quyền truy cập tùy chỉnh và theo yêu cầu cho các nhà phát triển mà còn tạo ra thu nhập bổ sung cho các chủ sở hữu GPU.
Trên thị trường có nhiều mạng AI DePIN, mỗi mạng đều có những đặc điểm riêng. Dưới đây chúng ta sẽ khám phá những đặc điểm và mục tiêu của một số dự án chính.
Tổng quan về mạng AI DePIN
Render
Render là một mạng P2P tiên phong cung cấp khả năng tính toán GPU, ban đầu tập trung vào việc tạo nội dung đồ họa, sau đó mở rộng sang các nhiệm vụ tính toán AI.
Đặc điểm:
Được thành lập bởi công ty đồ họa đám mây đoạt giải Oscar OTOY
Mạng GPU đã được sử dụng bởi các công ty lớn như Paramount Pictures, PUBG, v.v.
Hợp tác với Stability AI và Endeavor, tích hợp mô hình AI và nội dung 3D.
Phê duyệt nhiều máy khách tính toán, tích hợp nhiều GPU của mạng DePIN hơn.
Akash
Akash định vị là nền tảng "siêu đám mây" hỗ trợ lưu trữ, tính toán GPU và CPU, là sự thay thế cho dịch vụ đám mây truyền thống.
Đặc điểm:
Đối với các tác vụ tính toán rộng rãi từ tính toán chung đến lưu trữ mạng
AkashML hỗ trợ chạy hơn 15.000 mô hình trên Hugging Face
Hệ thống chatbot mô hình LLM của Mistral AI, các ứng dụng như SDXL của Stability AI
Hỗ trợ nền tảng triển khai vũ trụ ảo, AI và học tập liên bang
io.net
io.net cung cấp quyền truy cập vào cụm đám mây GPU phân tán, chuyên dành cho các trường hợp sử dụng AI và ML.
Đặc điểm:
IO-SDK tương thích với các khung như PyTorch và Tensorflow
Hỗ trợ tạo 3 loại cụm khác nhau, có thể khởi động trong vòng 2 phút.
Hợp tác với các mạng như Render, Filecoin, Aethir để tích hợp tài nguyên GPU
Gensyn
Gensyn cung cấp khả năng tính toán GPU tập trung vào machine learning và deep learning.
Đặc điểm:
Chi phí mỗi giờ cho GPU tương đương V100 khoảng 0,40 đô la, tiết kiệm chi phí đáng kể.
Hỗ trợ tinh chỉnh mô hình cơ bản đã được huấn luyện trước
Cung cấp mô hình cơ bản phi tập trung, chia sẻ toàn cầu
Aethir
Aethir chuyên cung cấp GPU cấp doanh nghiệp, chủ yếu hướng đến các lĩnh vực tính toán chuyên sâu như AI, ML, trò chơi đám mây.
Đặc điểm:
Mở rộng dịch vụ điện thoại đám mây, hợp tác với APhone ra mắt điện thoại thông minh đám mây Phi tập trung
Thiết lập hợp tác rộng rãi với các công ty lớn như NVIDIA, Super Micro, HPE
Nhiều đối tác trong hệ sinh thái Web3, như CARV, Magic Eden, v.v.
Mạng lưới Phala
Phala Network như là lớp thực hiện của giải pháp Web3 AI, thiết kế xử lý vấn đề quyền riêng tư thông qua môi trường thực thi đáng tin cậy (TEE).
Đặc điểm:
Đóng vai trò là giao thức đồng xử lý tính toán có thể xác minh, cho phép các đại lý AI truy cập tài nguyên trên chuỗi
Đạt được các mô hình ngôn ngữ lớn hàng đầu như OpenAI, Llama thông qua Redpill
Tương lai sẽ bao gồm zk-proofs, tính toán đa bên, mã hóa hoàn toàn đồng nhất và các hệ thống chứng minh đa dạng khác.
Tương lai hỗ trợ H100 và các GPU TEE khác, nâng cao khả năng tính toán
So sánh dự án
| | Render | Akash | io.net | Gensyn | Aethir | Phala |
|--------|--------|-------|--------|--------|--------|-------|
| Phần cứng | GPU & CPU | GPU & CPU | GPU & CPU | GPU | GPU | CPU |
| Lĩnh vực kinh doanh | Kết xuất đồ họa và AI | Điện toán đám mây, kết xuất và AI | AI | AI | AI, trò chơi đám mây và viễn thông | Thực thi AI trên chuỗi |
| Loại nhiệm vụ AI | Suy diễn | Hai chiều | Hai chiều | Đào tạo | Đào tạo | Thực hiện |
| Định giá công việc | Dựa trên hiệu suất | Đấu thầu ngược | Định giá thị trường | Định giá thị trường | Hệ thống đấu thầu | Tính toán quyền lợi |
| Chuỗi khối | Solana | Cosmos | Solana | Gensyn | Arbitrum | Polkadot |
| Dữ liệu riêng tư | Mã hóa & Băm | Xác thực mTLS | Mã hóa dữ liệu | Bản đồ an toàn | Mã hóa | TEE |
| Chi phí công việc | 0.5-5% cho mỗi công việc | 20% USDC, 4% AKT | 2% USDC, 0.25% dự trữ | Phí thấp | 20% cho mỗi phiên | Tỷ lệ với số tiền đặt cọc |
| An toàn | Chứng minh render | Chứng minh quyền lợi | Chứng minh tính toán | Chứng minh quyền lợi | Chứng minh khả năng render | Kế thừa từ chuỗi trung gian |
| Chứng minh hoàn thành | - | - | Chứng minh khóa thời gian | Chứng minh học tập | Chứng minh công việc render | Chứng minh TEE |
| Đảm bảo chất lượng | Tranh chấp | - | - | Người xác minh và người tố cáo | Nút kiểm tra | Chứng minh từ xa |
| Cụm GPU | Không | Có | Có | Có | Có | Không |
Tầm quan trọng
Sự sẵn có của cụm và tính toán song song
Khung tính toán phân tán thực hiện cụm GPU, nâng cao hiệu suất đào tạo và khả năng mở rộng. Hầu hết các dự án hiện đã tích hợp cụm để thực hiện tính toán song song. io.net hợp tác với các dự án khác, đã triển khai hơn 3.800 cụm trong quý đầu tiên của năm 24. Render mặc dù không hỗ trợ cụm, nhưng sẽ phân tích một khung đơn thành nhiều nút để xử lý đồng thời. Phala hiện chỉ hỗ trợ CPU, nhưng cho phép cụm hóa các bộ xử lý CPU.
Dữ liệu riêng tư
Bảo vệ tập dữ liệu nhạy cảm là rất quan trọng. Hầu hết các dự án sử dụng mã hóa dữ liệu để bảo vệ quyền riêng tư. io.net hợp tác với Mind Network ra mắt mã hóa hoàn toàn đồng hình (FHE), cho phép xử lý dữ liệu mã hóa mà không cần giải mã. Phala Network giới thiệu môi trường thực thi đáng tin cậy (TEE), ngăn chặn các quy trình bên ngoài truy cập hoặc thay đổi dữ liệu.
Tính toán hoàn thành chứng nhận và kiểm tra chất lượng
Các dự án sử dụng các phương pháp khác nhau để tạo ra chứng nhận hoàn thành và thực hiện kiểm tra chất lượng. Gensyn và Aethir tạo ra chứng nhận cho thấy công việc đã hoàn thành và tiến hành kiểm tra chất lượng. Chứng nhận của io.net chỉ ra rằng hiệu suất GPU đã được tận dụng đầy đủ. Render đề xuất sử dụng quy trình giải quyết tranh chấp. Phala tạo ra chứng nhận TEE đảm bảo rằng các đại lý AI thực hiện các thao tác cần thiết.
Mô hình AI cần GPU hiệu suất tốt nhất, chẳng hạn như A100 và H100 của Nvidia. Hiệu suất suy diễn của H100 nhanh gấp 4 lần A100, trở thành GPU được lựa chọn hàng đầu. Các nhà cung cấp thị trường GPU Phi tập trung cần cung cấp giá cả thấp hơn và đáp ứng nhu cầu thực tế của thị trường. io.net và Aethir đã nhận được hơn 2000 đơn vị H100 và A100, phù hợp hơn cho tính toán mô hình lớn.
Chi phí dịch vụ GPU phi tập trung đã thấp hơn dịch vụ tập trung. Mặc dù cụm GPU kết nối mạng có giới hạn bộ nhớ, nhưng vẫn hấp dẫn đối với người dùng có nhu cầu về tải công việc động hoặc cần tính linh hoạt.
Cung cấp GPU/CPU tiêu dùng
CPU cũng đóng vai trò quan trọng trong việc đào tạo mô hình AI. GPU cho người tiêu dùng có thể được sử dụng để tinh chỉnh các mô hình đã được đào tạo trước hoặc đào tạo quy mô nhỏ. Các dự án như Render, Akash và io.net cũng phục vụ cho thị trường này, phát triển thị trường ngách riêng của mình.
Kết luận
Lĩnh vực DePIN AI vẫn còn khá mới, đối mặt với nhiều thách thức. Tuy nhiên, số lượng nhiệm vụ và phần cứng được thực hiện trên các mạng này đã tăng đáng kể, làm nổi bật nhu cầu về các giải pháp thay thế cho nhà cung cấp đám mây Web2. Trong tương lai, các mạng GPU phân tán này sẽ đóng vai trò quan trọng trong việc cung cấp giải pháp tính toán hiệu quả về chi phí cho các nhà phát triển, góp phần lớn vào bức tranh tương lai của AI và hạ tầng tính toán.
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
5 thích
Phần thưởng
5
4
Chia sẻ
Bình luận
0/400
GasGuzzler
· 2giờ trước
Người thật sự giỏi là người tranh giành GPU.
Xem bản gốcTrả lời0
FortuneTeller42
· 20giờ trước
Thị trường như thế này thì đừng giao dịch nữa.
Xem bản gốcTrả lời0
AirdropSweaterFan
· 20giờ trước
Cuốn đi cuốn lại thật không bằng khai thác
Xem bản gốcTrả lời0
BlockchainFries
· 20giờ trước
Web3 những người chơi đầu tiên hoàn toàn đón nhận Phi tập trung
AI và DePIN kết hợp: Sự trỗi dậy và thách thức của mạng lưới tính toán GPU Phi tập trung
AI và sự kết hợp của DePIN: Khám phá mạng lưới tính toán GPU Phi tập trung
Kể từ năm 2023, AI và DePIN đã thu hút được nhiều sự chú ý trong lĩnh vực Web3, với giá trị thị trường lần lượt đạt 30 tỷ USD và 23 tỷ USD. Bài viết này nhằm khám phá lĩnh vực giao thoa giữa AI và DePIN, nghiên cứu tình hình phát triển của các giao thức liên quan.
Trong ngăn xếp công nghệ AI, mạng DePIN cung cấp tài nguyên tính toán để tăng cường AI. Nhu cầu về GPU của các công ty công nghệ lớn dẫn đến tình trạng thiếu hụt, khiến cho các nhà phát triển khác khó có được đủ GPU để tính toán. Điều này thường buộc các nhà phát triển phải chọn dịch vụ đám mây phi tập trung, nhưng các hợp đồng phần cứng hiệu suất cao lâu dài thường thiếu tính linh hoạt và kém hiệu quả.
DePIN cung cấp một giải pháp linh hoạt và tiết kiệm chi phí hơn, khuyến khích sự đóng góp tài nguyên thông qua các động lực từ token. DePIN trong lĩnh vực AI tích hợp tài nguyên GPU từ các chủ sở hữu cá nhân và trung tâm dữ liệu, cung cấp nguồn cung cấp đồng nhất cho người dùng cần phần cứng. Những mạng lưới này không chỉ cung cấp quyền truy cập tùy chỉnh và theo yêu cầu cho các nhà phát triển mà còn tạo ra thu nhập bổ sung cho các chủ sở hữu GPU.
Trên thị trường có nhiều mạng AI DePIN, mỗi mạng đều có những đặc điểm riêng. Dưới đây chúng ta sẽ khám phá những đặc điểm và mục tiêu của một số dự án chính.
Tổng quan về mạng AI DePIN
Render
Render là một mạng P2P tiên phong cung cấp khả năng tính toán GPU, ban đầu tập trung vào việc tạo nội dung đồ họa, sau đó mở rộng sang các nhiệm vụ tính toán AI.
Đặc điểm:
Akash
Akash định vị là nền tảng "siêu đám mây" hỗ trợ lưu trữ, tính toán GPU và CPU, là sự thay thế cho dịch vụ đám mây truyền thống.
Đặc điểm:
io.net
io.net cung cấp quyền truy cập vào cụm đám mây GPU phân tán, chuyên dành cho các trường hợp sử dụng AI và ML.
Đặc điểm:
Gensyn
Gensyn cung cấp khả năng tính toán GPU tập trung vào machine learning và deep learning.
Đặc điểm:
Aethir
Aethir chuyên cung cấp GPU cấp doanh nghiệp, chủ yếu hướng đến các lĩnh vực tính toán chuyên sâu như AI, ML, trò chơi đám mây.
Đặc điểm:
Mạng lưới Phala
Phala Network như là lớp thực hiện của giải pháp Web3 AI, thiết kế xử lý vấn đề quyền riêng tư thông qua môi trường thực thi đáng tin cậy (TEE).
Đặc điểm:
So sánh dự án
| | Render | Akash | io.net | Gensyn | Aethir | Phala | |--------|--------|-------|--------|--------|--------|-------| | Phần cứng | GPU & CPU | GPU & CPU | GPU & CPU | GPU | GPU | CPU | | Lĩnh vực kinh doanh | Kết xuất đồ họa và AI | Điện toán đám mây, kết xuất và AI | AI | AI | AI, trò chơi đám mây và viễn thông | Thực thi AI trên chuỗi | | Loại nhiệm vụ AI | Suy diễn | Hai chiều | Hai chiều | Đào tạo | Đào tạo | Thực hiện | | Định giá công việc | Dựa trên hiệu suất | Đấu thầu ngược | Định giá thị trường | Định giá thị trường | Hệ thống đấu thầu | Tính toán quyền lợi | | Chuỗi khối | Solana | Cosmos | Solana | Gensyn | Arbitrum | Polkadot | | Dữ liệu riêng tư | Mã hóa & Băm | Xác thực mTLS | Mã hóa dữ liệu | Bản đồ an toàn | Mã hóa | TEE | | Chi phí công việc | 0.5-5% cho mỗi công việc | 20% USDC, 4% AKT | 2% USDC, 0.25% dự trữ | Phí thấp | 20% cho mỗi phiên | Tỷ lệ với số tiền đặt cọc | | An toàn | Chứng minh render | Chứng minh quyền lợi | Chứng minh tính toán | Chứng minh quyền lợi | Chứng minh khả năng render | Kế thừa từ chuỗi trung gian | | Chứng minh hoàn thành | - | - | Chứng minh khóa thời gian | Chứng minh học tập | Chứng minh công việc render | Chứng minh TEE | | Đảm bảo chất lượng | Tranh chấp | - | - | Người xác minh và người tố cáo | Nút kiểm tra | Chứng minh từ xa | | Cụm GPU | Không | Có | Có | Có | Có | Không |
Tầm quan trọng
Sự sẵn có của cụm và tính toán song song
Khung tính toán phân tán thực hiện cụm GPU, nâng cao hiệu suất đào tạo và khả năng mở rộng. Hầu hết các dự án hiện đã tích hợp cụm để thực hiện tính toán song song. io.net hợp tác với các dự án khác, đã triển khai hơn 3.800 cụm trong quý đầu tiên của năm 24. Render mặc dù không hỗ trợ cụm, nhưng sẽ phân tích một khung đơn thành nhiều nút để xử lý đồng thời. Phala hiện chỉ hỗ trợ CPU, nhưng cho phép cụm hóa các bộ xử lý CPU.
Dữ liệu riêng tư
Bảo vệ tập dữ liệu nhạy cảm là rất quan trọng. Hầu hết các dự án sử dụng mã hóa dữ liệu để bảo vệ quyền riêng tư. io.net hợp tác với Mind Network ra mắt mã hóa hoàn toàn đồng hình (FHE), cho phép xử lý dữ liệu mã hóa mà không cần giải mã. Phala Network giới thiệu môi trường thực thi đáng tin cậy (TEE), ngăn chặn các quy trình bên ngoài truy cập hoặc thay đổi dữ liệu.
Tính toán hoàn thành chứng nhận và kiểm tra chất lượng
Các dự án sử dụng các phương pháp khác nhau để tạo ra chứng nhận hoàn thành và thực hiện kiểm tra chất lượng. Gensyn và Aethir tạo ra chứng nhận cho thấy công việc đã hoàn thành và tiến hành kiểm tra chất lượng. Chứng nhận của io.net chỉ ra rằng hiệu suất GPU đã được tận dụng đầy đủ. Render đề xuất sử dụng quy trình giải quyết tranh chấp. Phala tạo ra chứng nhận TEE đảm bảo rằng các đại lý AI thực hiện các thao tác cần thiết.
Dữ liệu thống kê phần cứng
| | Render | Akash | io.net | Gensyn | Aethir | Phala | |-------------|--------|-------|--------|--------|--------|-------| | Số lượng GPU | 5600 | 384 | 38177 | - | 40000+ | - | | Số lượng CPU | 114 | 14672 | 5433 | - | - | 30000+ | | Số lượng H100/A100 | - | 157 | 2330 | - | 2000+ | - | | Chi phí H100/giờ | - | $1.46 | $1.19 | - | - | - | | A100 Chi phí/Giờ | - | $1.37 | $1.50 | $0.55 ( dự kiến ) | $0.33 ( dự kiến ) | - |
Yêu cầu về GPU hiệu suất cao
Mô hình AI cần GPU hiệu suất tốt nhất, chẳng hạn như A100 và H100 của Nvidia. Hiệu suất suy diễn của H100 nhanh gấp 4 lần A100, trở thành GPU được lựa chọn hàng đầu. Các nhà cung cấp thị trường GPU Phi tập trung cần cung cấp giá cả thấp hơn và đáp ứng nhu cầu thực tế của thị trường. io.net và Aethir đã nhận được hơn 2000 đơn vị H100 và A100, phù hợp hơn cho tính toán mô hình lớn.
Chi phí dịch vụ GPU phi tập trung đã thấp hơn dịch vụ tập trung. Mặc dù cụm GPU kết nối mạng có giới hạn bộ nhớ, nhưng vẫn hấp dẫn đối với người dùng có nhu cầu về tải công việc động hoặc cần tính linh hoạt.
Cung cấp GPU/CPU tiêu dùng
CPU cũng đóng vai trò quan trọng trong việc đào tạo mô hình AI. GPU cho người tiêu dùng có thể được sử dụng để tinh chỉnh các mô hình đã được đào tạo trước hoặc đào tạo quy mô nhỏ. Các dự án như Render, Akash và io.net cũng phục vụ cho thị trường này, phát triển thị trường ngách riêng của mình.
Kết luận
Lĩnh vực DePIN AI vẫn còn khá mới, đối mặt với nhiều thách thức. Tuy nhiên, số lượng nhiệm vụ và phần cứng được thực hiện trên các mạng này đã tăng đáng kể, làm nổi bật nhu cầu về các giải pháp thay thế cho nhà cung cấp đám mây Web2. Trong tương lai, các mạng GPU phân tán này sẽ đóng vai trò quan trọng trong việc cung cấp giải pháp tính toán hiệu quả về chi phí cho các nhà phát triển, góp phần lớn vào bức tranh tương lai của AI và hạ tầng tính toán.