AI et DePIN: l'essor des réseaux GPU décentralisés
Avec l'IA et la Décentralisation des Infrastructures Physiques (DePIN) devenant des tendances populaires dans le domaine du Web3, l'intersection des deux forme un marché émergent. Le réseau DePIN apporte une valeur pratique à l'IA en fournissant des ressources de calcul, en particulier dans le contexte de la pénurie de GPU. Par rapport aux services cloud traditionnels, DePIN offre une alternative plus flexible et moins coûteuse, utilisant des jetons pour inciter à la contribution des ressources. Cet article explorera plusieurs projets principaux de DePIN liés à l'IA et leurs caractéristiques.
Aperçu du réseau DePIN basé sur l'IA
Render est le pionnier des réseaux GPU P2P, initialement axé sur le rendu graphique, puis élargi aux tâches de calcul AI. Son réseau GPU a été utilisé par plusieurs entreprises de divertissement et a collaboré avec des entreprises telles que Stability AI.
Akash est positionné comme un "super cloud" alternatif aux plateformes cloud traditionnelles, supportant le stockage, le calcul GPU et CPU. Son AkashML peut exécuter de nombreux modèles sur Hugging Face, et plusieurs applications AI renommées sont déjà hébergées sur la plateforme.
io.net propose des clusters de cloud GPU distribués spécialement conçus pour l'IA et le ML. Son IO-SDK est compatible avec les frameworks populaires, permettant de créer rapidement différents types de clusters.
Gensyn se concentre sur le calcul de l'apprentissage automatique et de l'apprentissage profond, utilisant un mécanisme de validation innovant pour améliorer l'efficacité. Son réseau peut être utilisé pour affiner des modèles de base pré-entraînés.
Aethir fournit des GPU de niveau entreprise, principalement au service des domaines intensifs en calcul tels que l'IA, le ML et le cloud gaming. Optimise la qualité de service en ajustant la position des ressources.
Phala Network en tant que couche d'exécution pour les solutions IA Web3, utilise un environnement d'exécution de confiance (TEE) pour traiter les problèmes de confidentialité. Ses contrats d'agent IA peuvent accéder à plusieurs grands modèles de langage de premier plan.
Comparaison des projets
Les projets diffèrent en termes de matériel, de priorités commerciales, de types de tâches AI, de mécanismes de tarification, de décentralisation, de confidentialité des données et de sécurité. La plupart des projets prennent désormais en charge des clusters GPU pour le calcul parallèle, ce qui est essentiel pour former des modèles AI complexes.
En matière de confidentialité des données, la plupart des projets adoptent une forme de chiffrement des données. io.net a introduit le chiffrement entièrement homomorphe, tandis que Phala Network utilise TEE pour renforcer davantage la protection de la vie privée.
Pour garantir la qualité des calculs, plusieurs projets ont introduit des mécanismes de preuve d'achèvement et de contrôle de la qualité. Par exemple, Gensyn et Aethir génèrent des preuves d'achèvement du travail et effectuent des contrôles de qualité.
Statistiques matérielles
Il existe de grandes différences dans le nombre et le type de GPU entre les projets. io.net et Aethir disposent de nombreux GPU haute performance ( H100/A100 ), plus adaptés au calcul de grands modèles. Le coût des services GPU décentralisés est généralement inférieur à celui des services centralisés, mais il peut y avoir des limitations en termes de mémoire et de communication.
Certains projets offrent également des ressources GPU/CPU de niveau consommateur, pouvant être utilisées pour des tâches d'IA à plus petite échelle, offrant ainsi plus de choix aux développeurs.
Conclusion
Bien que le domaine DePIN de l'IA fasse encore face à des défis, la croissance rapide du volume des tâches et du nombre de matériels met en évidence la demande du marché. Ces réseaux GPU décentralisés devraient jouer un rôle important dans le futur marché de l'IA, qui représente des milliers de milliards de dollars, en offrant aux développeurs des alternatives de calcul économiques.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
18 J'aime
Récompense
18
5
Partager
Commentaire
0/400
ZkProofPudding
· Il y a 7h
Mining a de nouvelles idées.
Voir l'originalRépondre0
DaoGovernanceOfficer
· 07-31 12:45
*sigh* empiriquement parlant, la tokenomics GPU proposée manque de KPI de gouvernance robustes. voyez mon article de 2023 sur les cadres d'allocation des ressources...
Voir l'originalRépondre0
WenAirdrop
· 07-31 12:39
Cette vague de DePIN prend la position inverse pour gratter NVIDIA.
Voir l'originalRépondre0
0xOverleveraged
· 07-31 12:33
Eh bien, une question, étant donné que les ressources GPU sont si rares, avez-vous réussi à en obtenir ?
Fusion de l'IA et de DePIN : l'émergence des réseaux GPU décentralisés pour un nouvel avenir du calcul IA
AI et DePIN: l'essor des réseaux GPU décentralisés
Avec l'IA et la Décentralisation des Infrastructures Physiques (DePIN) devenant des tendances populaires dans le domaine du Web3, l'intersection des deux forme un marché émergent. Le réseau DePIN apporte une valeur pratique à l'IA en fournissant des ressources de calcul, en particulier dans le contexte de la pénurie de GPU. Par rapport aux services cloud traditionnels, DePIN offre une alternative plus flexible et moins coûteuse, utilisant des jetons pour inciter à la contribution des ressources. Cet article explorera plusieurs projets principaux de DePIN liés à l'IA et leurs caractéristiques.
Aperçu du réseau DePIN basé sur l'IA
Render est le pionnier des réseaux GPU P2P, initialement axé sur le rendu graphique, puis élargi aux tâches de calcul AI. Son réseau GPU a été utilisé par plusieurs entreprises de divertissement et a collaboré avec des entreprises telles que Stability AI.
Akash est positionné comme un "super cloud" alternatif aux plateformes cloud traditionnelles, supportant le stockage, le calcul GPU et CPU. Son AkashML peut exécuter de nombreux modèles sur Hugging Face, et plusieurs applications AI renommées sont déjà hébergées sur la plateforme.
io.net propose des clusters de cloud GPU distribués spécialement conçus pour l'IA et le ML. Son IO-SDK est compatible avec les frameworks populaires, permettant de créer rapidement différents types de clusters.
Gensyn se concentre sur le calcul de l'apprentissage automatique et de l'apprentissage profond, utilisant un mécanisme de validation innovant pour améliorer l'efficacité. Son réseau peut être utilisé pour affiner des modèles de base pré-entraînés.
Aethir fournit des GPU de niveau entreprise, principalement au service des domaines intensifs en calcul tels que l'IA, le ML et le cloud gaming. Optimise la qualité de service en ajustant la position des ressources.
Phala Network en tant que couche d'exécution pour les solutions IA Web3, utilise un environnement d'exécution de confiance (TEE) pour traiter les problèmes de confidentialité. Ses contrats d'agent IA peuvent accéder à plusieurs grands modèles de langage de premier plan.
Comparaison des projets
Les projets diffèrent en termes de matériel, de priorités commerciales, de types de tâches AI, de mécanismes de tarification, de décentralisation, de confidentialité des données et de sécurité. La plupart des projets prennent désormais en charge des clusters GPU pour le calcul parallèle, ce qui est essentiel pour former des modèles AI complexes.
En matière de confidentialité des données, la plupart des projets adoptent une forme de chiffrement des données. io.net a introduit le chiffrement entièrement homomorphe, tandis que Phala Network utilise TEE pour renforcer davantage la protection de la vie privée.
Pour garantir la qualité des calculs, plusieurs projets ont introduit des mécanismes de preuve d'achèvement et de contrôle de la qualité. Par exemple, Gensyn et Aethir génèrent des preuves d'achèvement du travail et effectuent des contrôles de qualité.
Statistiques matérielles
Il existe de grandes différences dans le nombre et le type de GPU entre les projets. io.net et Aethir disposent de nombreux GPU haute performance ( H100/A100 ), plus adaptés au calcul de grands modèles. Le coût des services GPU décentralisés est généralement inférieur à celui des services centralisés, mais il peut y avoir des limitations en termes de mémoire et de communication.
Certains projets offrent également des ressources GPU/CPU de niveau consommateur, pouvant être utilisées pour des tâches d'IA à plus petite échelle, offrant ainsi plus de choix aux développeurs.
Conclusion
Bien que le domaine DePIN de l'IA fasse encore face à des défis, la croissance rapide du volume des tâches et du nombre de matériels met en évidence la demande du marché. Ces réseaux GPU décentralisés devraient jouer un rôle important dans le futur marché de l'IA, qui représente des milliers de milliards de dollars, en offrant aux développeurs des alternatives de calcul économiques.