# AIとDePINの融合:分散型GPUネットワークの台頭2023年以降、人工知能と分散型物理インフラネットワーク(DePIN)はWeb3分野の二大ホットトレンドとなっています。これら二つの分野は、異なるニーズに応えるさまざまなプロトコルを包含しています。本稿では、両者の交差点を探り、関連プロトコルの発展を研究します。AI技術スタックにおいて、DePINネットワークは計算リソースを提供することでAIを強化します。大手テクノロジー企業の発展によりGPUが不足しているため、他の開発者はAIモデルのトレーニングに必要な十分なGPUを得るのが難しくなっています。従来の方法は中央集権的なクラウドサービスプロバイダーを選択することですが、柔軟性のない長期契約を締結する必要があり、効率が低下します。DePINネットワークは、より柔軟でコスト効率の高い代替手段を提供します。これは、リソースの貢献を奨励するためにトークン報酬を使用し、個人所有者からネットワークに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。これは、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](https://img-cdn.gateio.im/social/moments-112d1efea526039e305cc846f2ca3c50)市場には多様なAI DePINネットワークがあり、それぞれに特徴があります。以下では、いくつかの主要なプロジェクトの特徴と目標について探ります:## 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、最初はコンテンツ制作のレンダリングに特化していましたが、後にAI計算タスクに拡大しました。面白いね：- オスカー受賞技術を持つクラウドグラフィックス会社OTOYによって設立された- GPUネットワークはエンターテインメント業界の大手企業によって使用されています- Stability AIなどと協力し、AIモデルと3Dコンテンツレンダリングを統合する- 複数の計算クライアントを承認し、より多くのDePINネットワークのGPUを統合する**Akash**は、従来のクラウドプラットフォームの"スーパークラウド"の代替品として位置付けられ、ストレージ、GPU、およびCPU計算をサポートしています。面白いところ: - 汎用計算からネットワークホスティングまでの幅広い計算タスクに対応- AkashMLはHugging Face上で多数のモデルを実行することを許可します- Mistral AIのLLMチャットボットなど、一部の有名なAIアプリケーションをホスティングしました。- メタバース、AI展開、連邦学習プラットフォームをサポート**io.net**は、AIおよびMLのユースケース専用の分散GPUクラウドクラスターへのアクセスを提供します。面白いね：- IO-SDKは主流のAIフレームワークと互換性があり、ニーズに応じて自動的に拡張できます。- 3種類の異なるタイプのクラスターの作成をサポートし、迅速に起動できます。- 他のDePINネットワークと協力してGPUリソースを統合するGensynは、機械学習と深層学習に焦点を当てたGPUコンピューティングパワーを提供します。面白いね：- GPU計算コストを大幅に削減- 事前学習された基礎モデルのファインチューニングをサポート- 中央集権のない、グローバルに共有された基盤モデルを提供します**Aethir**は、AI、機械学習、クラウドゲームなどの分野で主に使用される企業向けGPUを提供しています。面白いね：- クラウドフォンサービス分野に拡張する- NVIDIAなどの大手Web2企業とのパートナーシップを確立する- Web3分野には多くのパートナーがいます**Phala Network**はWeb3 AIソリューションの実行層として機能し、信頼できる実行環境(TEE)を使用してプライバシー問題を処理します。面白いね：- 検証可能な計算のコプロセッサプロトコル- AI代理契約はトップの大規模言語モデルにアクセスできます- 将来は多様な証明システムをサポートします- H100などのTEE GPUをサポートする予定! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-68a395d50be4ab07fbc575dd54441164)## 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 || 事業の重点 | 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 || 価格設定 | パフォーマンスベースの価格設定 | 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 | エクイティ計算 || 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 || セキュリティ | 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 || 完了証明書 | - | - | タイムロックプルーフ | プルーフ・オブ・スタディ | レンダリング・プルーフ・オブ・ワーク | TEEプルーフ || 品質保証 | 争議 | - | - | 検証者と通報者 | 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 |###の重要性**クラスターと並列計算の可用性**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、複雑なAIモデルをより効率的にトレーニングできます。現在、ほとんどのプロジェクトは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。io.netは大量のクラスターを成功裏に展開しました。Renderはクラスターをサポートしていませんが、その動作方式は類似しています。Phalaは現在CPUのみをサポートしていますが、CPUワーカーのクラスター化を許可しています。**データプライバシー**AIモデルの開発には大量のデータを使用する必要があり、敏感な情報が含まれる可能性があります。ほとんどのプロジェクトは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は完全同型暗号(FHE)を導入し、暗号化されたデータを復号化せずに処理できるようにしました。Phala Networkは外部プロセスがデータにアクセスまたは変更するのを防ぐために信頼できる実行環境(TEE)を導入しました。**計算完了証明と品質チェック**一部のプロジェクトは、作業が完了したことを示す証明書を生成し、品質チェックを行います。GensynとAethirは、サービス品質を確保するために、バリデーターとチェックノードを使用します。Renderは、紛争解決プロセスの使用を推奨します。Phalaが完了すると、TEE証明書が生成されます。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-8f83f1affbdfd92f33bc47afe8928c5c)## ハードウェア統計データ| | レンダリング | アカシュ | io.net | ゲンシン | アエシール | 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](https://img-cdn.gateio.im/social/moments-df4f88879b53c4aa604b248fc9ff393a)### 高性能GPUの要件AIモデルのトレーニングには、NvidiaのA100やH100のような最高の性能を持つGPUが必要です。H100の推論性能はA100の4倍速く、首選となっています。分散型GPU市場のプロバイダーは、Web2の競合と競争するために、より低価格を提供するだけでなく、市場の実際のニーズを満たす必要があります。io.netとAethirはそれぞれ2000以上のH100/A100ユニットを取得し、大規模モデルの計算により適しています。これらの分散型GPUサービスのコストは、集中型サービスよりもはるかに低くなっています。ネットワーク接続されたGPUクラスターはメモリに一定の制限がありますが、柔軟性を必要とするユーザーにとっては依然として強力な選択肢です。よりコスト効果の高い代替案を提供することで、これらのネットワークはより多くのAIおよびMLユースケースの構築の機会を生み出しています。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-24fd635c71ed2aad842d38bf56e70b43)### コンシューマーグレードのGPU/CPUが利用可能です 高性能GPUだけでなく、コンシューマ向けGPUやCPUもAIモデルの開発に役立っています。多くのコンシューマGPUリソースが無駄に使われていることを考慮し、一部のプロジェクトはこの市場にサービスを提供し、自らのニッチ市場を開発しています。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-7a05f8ca3e44b9c91a7917953175da09)## まとめAI DePIN分野はまだ新しく、課題に直面しています。しかし、これらの分散型GPUネットワーク上で実行されるタスクとハードウェアの数は著しく増加しており、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への需要が浮き彫りになっています。未来を見据えると、AI市場は広がりを見せ、これらの分散型GPUネットワークは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でしょう。需要と供給のギャップを埋めることで、これらのネットワークはAIと計算インフラの未来の構造に大きな貢献をすることになります。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-85bfeec032db538007843e9b55783e18)! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-10f0acfcfea618361b9c445c49edfc88)
AIとDePINの組み合わせは、分散型GPUネットワークの台頭です
AIとDePINの融合:分散型GPUネットワークの台頭
2023年以降、人工知能と分散型物理インフラネットワーク(DePIN)はWeb3分野の二大ホットトレンドとなっています。これら二つの分野は、異なるニーズに応えるさまざまなプロトコルを包含しています。本稿では、両者の交差点を探り、関連プロトコルの発展を研究します。
AI技術スタックにおいて、DePINネットワークは計算リソースを提供することでAIを強化します。大手テクノロジー企業の発展によりGPUが不足しているため、他の開発者はAIモデルのトレーニングに必要な十分なGPUを得るのが難しくなっています。従来の方法は中央集権的なクラウドサービスプロバイダーを選択することですが、柔軟性のない長期契約を締結する必要があり、効率が低下します。
DePINネットワークは、より柔軟でコスト効率の高い代替手段を提供します。これは、リソースの貢献を奨励するためにトークン報酬を使用し、個人所有者からネットワークに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。これは、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
市場には多様なAI DePINネットワークがあり、それぞれに特徴があります。以下では、いくつかの主要なプロジェクトの特徴と目標について探ります:
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、最初はコンテンツ制作のレンダリングに特化していましたが、後にAI計算タスクに拡大しました。
面白いね：
Akashは、従来のクラウドプラットフォームの"スーパークラウド"の代替品として位置付けられ、ストレージ、GPU、およびCPU計算をサポートしています。
面白いところ:
io.netは、AIおよびMLのユースケース専用の分散GPUクラウドクラスターへのアクセスを提供します。
面白いね：
Gensynは、機械学習と深層学習に焦点を当てたGPUコンピューティングパワーを提供します。
面白いね：
Aethirは、AI、機械学習、クラウドゲームなどの分野で主に使用される企業向けGPUを提供しています。
面白いね：
Phala NetworkはWeb3 AIソリューションの実行層として機能し、信頼できる実行環境(TEE)を使用してプライバシー問題を処理します。
面白いね：
! 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 | | 事業の重点 | 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 | | 価格設定 | パフォーマンスベースの価格設定 | 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 | エクイティ計算 | | 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 | | セキュリティ | 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 | | 完了証明書 | - | - | タイムロックプルーフ | プルーフ・オブ・スタディ | レンダリング・プルーフ・オブ・ワーク | TEEプルーフ | | 品質保証 | 争議 | - | - | 検証者と通報者 | 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 |
###の重要性
クラスターと並列計算の可用性
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、複雑なAIモデルをより効率的にトレーニングできます。現在、ほとんどのプロジェクトは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。io.netは大量のクラスターを成功裏に展開しました。Renderはクラスターをサポートしていませんが、その動作方式は類似しています。Phalaは現在CPUのみをサポートしていますが、CPUワーカーのクラスター化を許可しています。
データプライバシー
AIモデルの開発には大量のデータを使用する必要があり、敏感な情報が含まれる可能性があります。ほとんどのプロジェクトは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は完全同型暗号(FHE)を導入し、暗号化されたデータを復号化せずに処理できるようにしました。Phala Networkは外部プロセスがデータにアクセスまたは変更するのを防ぐために信頼できる実行環境(TEE)を導入しました。
計算完了証明と品質チェック
一部のプロジェクトは、作業が完了したことを示す証明書を生成し、品質チェックを行います。GensynとAethirは、サービス品質を確保するために、バリデーターとチェックノードを使用します。Renderは、紛争解決プロセスの使用を推奨します。Phalaが完了すると、TEE証明書が生成されます。
! AIとDePINの交差点
ハードウェア統計データ
| | レンダリング | アカシュ | io.net | ゲンシン | アエシール | 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
高性能GPUの要件
AIモデルのトレーニングには、NvidiaのA100やH100のような最高の性能を持つGPUが必要です。H100の推論性能はA100の4倍速く、首選となっています。分散型GPU市場のプロバイダーは、Web2の競合と競争するために、より低価格を提供するだけでなく、市場の実際のニーズを満たす必要があります。
io.netとAethirはそれぞれ2000以上のH100/A100ユニットを取得し、大規模モデルの計算により適しています。これらの分散型GPUサービスのコストは、集中型サービスよりもはるかに低くなっています。
ネットワーク接続されたGPUクラスターはメモリに一定の制限がありますが、柔軟性を必要とするユーザーにとっては依然として強力な選択肢です。よりコスト効果の高い代替案を提供することで、これらのネットワークはより多くのAIおよびMLユースケースの構築の機会を生み出しています。
! AIとDePINの交差点
コンシューマーグレードのGPU/CPUが利用可能です
高性能GPUだけでなく、コンシューマ向けGPUやCPUもAIモデルの開発に役立っています。多くのコンシューマGPUリソースが無駄に使われていることを考慮し、一部のプロジェクトはこの市場にサービスを提供し、自らのニッチ市場を開発しています。
! AIとDePINの交差点
まとめ
AI DePIN分野はまだ新しく、課題に直面しています。しかし、これらの分散型GPUネットワーク上で実行されるタスクとハードウェアの数は著しく増加しており、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への需要が浮き彫りになっています。
未来を見据えると、AI市場は広がりを見せ、これらの分散型GPUネットワークは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でしょう。需要と供給のギャップを埋めることで、これらのネットワークはAIと計算インフラの未来の構造に大きな貢献をすることになります。
! AIとDePINの交差点
! AIとDePINの交差点