Подробное объяснение Aethir: игрок в области облачных вычислений с тремя уровнями Децентрализация
Изменения в процессе развития человеческого общества зачастую происходят благодаря нескольким исключительно великим научным изобретениям и достижениям. Каждый прорыв в науке напрямую создает новую эпоху, более эффективную и процветающую.
Индустриальная революция, электрическая революция и информационная революция были крайне великими технологическими достижениями в истории человечества, которые кардинально изменили облик человеческого общества, привели к беспрецедентным изменениям в производительности и образе жизни. Теперь мы уже не можем вернуться в эпоху, когда освещение осуществлялось с помощью керосиновых ламп, а письма доставлялись на повозках. С появлением больших языковых моделей человечество вступило в новую великую эру.
Большие языковые модели шаг за шагом освобождают человеческий интеллект, позволяя людям использовать ограниченные силы и интеллект для более творческого мышления и практики, и таким образом человечество вступило в более эффективный мир.
Мы рассматриваем большие языковые модели как еще один технологический прорыв, изменяющий мир, не только из-за их огромных достижений в понимании и генерации естественного языка, но и потому, что человечество в процессе эволюции больших языковых моделей поняло законы роста их возможностей — то есть, увеличивая параметры модели и объемы обучающих данных, можно достичь экспоненциального роста возможностей модели, и при достаточной вычислительной мощности этот процесс пока не сталкивается с瓶颈.
Применение больших языковых моделей не ограничивается лишь пониманием человеческого языка и диалогами, напротив, это всего лишь начало. Как только машина обладает способностью понимать язык, это похоже на открытие ящика Пандоры, выпускающего бесконечное пространство для воображения. Люди могут использовать эту способность ИИ для разработки различных разрушительных функций.
В настоящее время в различных пересекающихся областях технологий большие языковые модели уже демонстрируют свои возможности. От гуманитарных областей, таких как видеопроизводство и художественное творчество, до жестких технологий, таких как разработка лекарств и биотехнологии, нас ожидают кардинальные изменения.
В эту эпоху вычислительная мощность рассматривается как дефицитный ресурс, крупные технологические гиганты обладают обширными ресурсами, в то время как новые разработчики сталкиваются с барьерами для входа из-за недостатка вычислительных ресурсов. В новой эре ИИ вычислительная мощность — это сила, и те, кто владеет вычислительной мощностью, имеют возможность изменить мир. GPU, будучи основой глубинного обучения и научных вычислений, играет жизненно важную роль в этом процессе.
В быстро развивающейся области искусственного интеллекта мы должны осознавать двойственные аспекты развития: обучение моделей и вывод. Вывод касается функций и результатов AI-моделей, в то время как обучение включает в себя сложный процесс, необходимый для создания интеллектуальных моделей, в который входят алгоритмы машинного обучения, наборы данных и вычислительные мощности.
Например, если говорить о GPT-4, разработчикам необходимо получить обширные базовые наборы данных и огромные вычислительные мощности, чтобы обучить эффективные AI модели. Эти ресурсы в основном сосредоточены в руках таких отраслевых гигантов, как Nvidia, Google, Microsoft и Amazon Web Services.
Высокие вычислительные затраты и барьеры для входа препятствуют более широкому вовлечению разработчиков, что позволяет ведущим игрокам оставаться сильными. У них есть крупные базовые наборы данных и значительная вычислительная мощность, а также способность постоянно увеличивать свои масштабы и снижать свои затраты, что приводит к еще более прочным барьерам в отрасли.
Но мы не можем не задуматься, существует ли способ снизить вычислительные затраты и барьеры входа в отрасль с помощью внедрения технологий блокчейн? Ответ утвердительный. Децентрализация распределенных облачных вычислений предоставляет нам такое решение на фоне текущей эпохи.
Несмотря на то, что в настоящее время вычислительная мощность дорога и дефицитна, GPU не используется в полном объеме. Это связано с тем, что до сих пор не появилось готового решения для интеграции этой распределенной вычислительной мощности и ее коммерческого использования. Вот типичные цифры использования GPU для различных рабочих нагрузок:
Большинство потребительских устройств с GPU относятся к трем первым категориям, а именно к свободным (только что запущенным в операционную систему Windows):
Уровень использования GPU: 0-2%;
Общие производственные задания (письмо, простой просмотр): 0-15%;
Воспроизведение видео: 15-35%.
Указанные данные показывают: использование вычислительных ресурсов крайне низкое, и в мире Web2 нет эффективных мер для сбора и интеграции этих ресурсов. Но криптоэкономика и технологии блокчейн, возможно, являются отличным средством для решения этой проблемы. Криптоэкономика создает крайне эффективный глобальный рынок, благодаря уникальной токенизированной экономике и отсутствию централизованной системы, ценообразование, оборот ресурсов и соответствие рыночному спросу и предложению происходит чрезвычайно эффективно.
Развитие ИИ влияет на будущее человечества, а прогресс вычислительной мощности определяет развитие ИИ. С момента изобретения первого компьютера в сороковых годах двадцатого века вычислительные модели претерпели множество изменений. От громоздких мейнфреймов до легких ноутбуков, от централизованной покупки серверов до аренды вычислительной мощности, порог доступа к вычислительной мощности постепенно снижается. До появления облачных вычислений компаниям приходилось самостоятельно закупать серверы и постоянно обновлять их с развитием технологий, но появление облачных вычислений полностью изменило эту модель.
Основная концепция облачных вычислений заключается в том, что заказчик арендует серверы и получает к ним удаленный доступ, оплачивая в зависимости от объема использования. В настоящее время традиционные предприятия подвергаются разрушению со стороны облачных вычислений. В области облачных вычислений технологии виртуализации являются ключевыми. Виртуализированные серверы могут разделять мощный сервер на множество маленьких серверов для аренды и динамически перераспределять различные ресурсы.
Эта модель кардинально изменила коммерческую структуру отрасли вычислительных мощностей: раньше людям нужно было самостоятельно приобретать вычислительные мощности, чтобы удовлетворить свои потребности; теперь достаточно просто оплатить аренду на сайте, чтобы воспользоваться качественными услугами вычислительных мощностей. Будущее облачных вычислений — это крайние вычисления. Поскольку традиционные централизованные системы находятся слишком далеко от пользователей, это может привести к определенной степени задержки. Хотя задержку можно оптимизировать, из-за ограничения скорости света она всегда будет неизбежной.
Однако новые отрасли, такие как метавселенная, автономное вождение, телемедицина, имеют крайне низкие требования к задержке, поэтому необходимо переместить облачные серверы ближе к пользователям, в результате чего все больше мелких дата-центров размещается вокруг пользователей, что и называется Децентрализация.
В отличие от централизованных поставщиков облачных вычислений, преимущества децентрализованного облачного вычисления заключаются прежде всего в:
Доступность и гибкость: Получение доступа к вычислительным чипам на платформах облачных сервисов, таких как AWS, GCP или Azure, обычно занимает несколько недель, и высокопроизводительные модели GPU, такие как A100, H100 и другие, часто отсутствуют на складе. Кроме того, для получения вычислительной мощности потребителям обычно необходимо подписывать долгосрочные, негибкие контракты с этими крупными компаниями, что не только приводит к временным потерям, но и делает работу предприятий более жесткой, теряя определенную гибкость. В отличие от этого, децентрализованные вычислительные платформы позволяют получать вычислительную мощность в любое время и предлагают гибкий выбор аппаратного обеспечения, обеспечивая большую доступность.
Цена ниже: Благодаря использованию неактивных чипов, а также дополнительным токенам от сетевых протоколов для поставщиков чипов и вычислительной мощности, распределенная вычислительная сеть может предложить более низкую цену на вычислительную мощность.
Антицензура: Некоторые системы Web3 не позиционируют себя как системы без разрешений. В этапах запуска GPU, загрузки данных, обмена данными и обмена результатами решались проблемы соблюдения таких норм, как GDPR и HIPAA.
С дальнейшим развитием ИИ и продолжающимся дисбалансом спроса и предложения на GPU, это подтолкнет больше разработчиков к децентрализованным облачным вычислительным платформам. В то же время, в период бычьего рынка, из-за роста цен на криптовалюты, поставщики GPU будут зарабатывать больше прибыли, что будет стимулировать больше поставщиков GPU входить на этот рынок, создавая положительный эффект маховика.
Технические проблемы
1. Проблема параллелизации
Распределенные вычислительные платформы обычно собирают предложения чипов с длинного хвоста, что означает, что отдельные поставщики чипов практически не могут в короткие сроки самостоятельно завершить сложные задачи обучения или вывода AI моделей. Если облачная вычислительная платформа хочет быть конкурентоспособной, она должна использовать методы параллелизации для разбиения и распределения задач, чтобы сократить общее время выполнения и повысить вычислительную мощность платформы.
Тем не менее, в процессе параллелизации возникают ряд проблем, включая то, как разбить задачу (особенно для сложных задач глубокого обучения), зависимости данных и дополнительные затраты на связь между устройствами.
2. Риски замещения новых технологий
С увеличением объема капитала, вложенного в исследования ASIC (специальные интегральные схемы), а также в новые изобретения, такие как тензорные процессоры (TPU), это может оказать влияние на кластеры GPU децентрализованных вычислительных платформ.
Если эти ASIC смогут обеспечить хорошую производительность и будут сбалансированы по стоимости, то рынок GPU, который в настоящее время монополизирован крупными AI-организациями, может снова вернуться на рынок. Это приведет к увеличению предложения GPU, что повлияет на экосистему Децентрализация облачных вычислений.
3. Регуляторные риски
Поскольку децентрализованные облачные вычислительные системы работают в нескольких юрисдикциях и могут подпадать под действие различных законов и нормативных актов, могут возникнуть уникальные юридические и регуляторные проблемы. Требования к соблюдению, такие как законы о защите данных и конфиденциальности, также могут быть сложными и представлять собой вызов.
На текущем этапе пользователями облачных платформ в основном являются профессиональные разработчики и учреждения, которые предпочитают долгосрочное использование одной платформы и не меняют её без необходимости. Выбор между Децентрализация платформой и централизованной платформой — это лишь один из факторов, которые нужно учитывать, эти пользователи больше ценят стабильность сервиса. Поэтому, если Децентрализация платформа обладает мощными интеграционными возможностями и стабильной достаточной вычислительной мощностью, она с большей вероятностью привлечет этих клиентов, обеспечив долгосрочные партнерские отношения и стабильный денежный поток.
Ниже я представлю новый распределенный вычислительный проект Aethir, сосредоточенный на игровом рендеринге и ИИ в этом цикле, и на основе текущих проектов ИИ и распределенных вычислительных проектов на рынке оценю возможную капитализацию после выхода на рынок.
Обзор проекта Aethir
Aethir Cloud является децентрализованной платформой для рендеринга в реальном времени, основанной на сети Arbitrum, которая помогает игровым и искусственным интеллектам компаниям напрямую доставлять свои продукты потребителям, агрегируя и умно перераспределяя новые и неиспользуемые GPU от предприятий, дата-центров, криптовалютного майнинга и потребителей.
Одним из ключевых нововведений проекта является ресурсный пул, который объединяет распределенных участников вычислительной мощности в едином интерфейсе, предоставляя услуги глобальным клиентам. Одной из особенностей ресурсного пула является то, что поставщики GPU могут свободно подключаться или отключаться от сети, что позволяет предприятиям или дата-центрам с неиспользуемыми устройствами участвовать в сети во время простоя, повышая гибкость поставщиков и использование оборудования.
Операция экосистемы Aethir основана на трех основных инфраструктурах:
Контейнер (Container): Ключевая функция контейнера заключается в предоставлении услуг удаленного рендеринга в реальном времени, обеспечивая "нулевую задержку". Контейнер является фактическим местом облачных вычислений, выполняя роль виртуальной конечной точки, которая запускает и рендерит приложения. Это позволяет переносить рабочую нагрузку с локальных устройств на контейнер.
Проверщик (Checker): Узлы проверщиков обеспечивают целостность сети Aethir и качество обслуживания, проверяя контейнеры и их сервисные процессы. После завершения задач узел проверщика подписывает результаты своим личным ключом и передает результаты арбитру. Арбитр получит 2N+1 результатов для каждого контейнера, и каждый узел, предоставляющий результаты, совпадающие с большинством, получит вознаграждение в токенах.
Индексатор (Indexer): В качестве ядра сети Aethir, индексатор сопоставляет потребителей с подходящими контейнерами, обеспечивая быструю загрузку облачных приложений и услуг. Цель - предоставить услуги на уровне "секунд" - переход от запроса потребителя к фактической доставке (например, запрос игрока до экрана игры) должен происходить за минимально возможное время. Это требует четких сигналов и эффективного планирования. Для поддержания Децентрализация и улучшения пользовательского опыта, индексатор выбирается случайным образом, чтобы снизить потенциальные риски мошенничества и задержки сигналов.
 и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
18 Лайков
Награда
18
7
Репост
Поделиться
комментарий
0/400
ColdWalletGuardian
· 3ч назад
Снова занимаемся облачными вычислениями. Когда же это закончится?
Посмотреть ОригиналОтветить0
OnlyOnMainnet
· 14ч назад
Хе-хе, web3 действительно должен полагаться на AI для успеха.
Посмотреть ОригиналОтветить0
NFTRegretDiary
· 14ч назад
Есть число, которое говорит, слушай, это загадочно.
Посмотреть ОригиналОтветить0
GmGmNoGn
· 14ч назад
Этот проект На луну слишком неразумен.
Посмотреть ОригиналОтветить0
OnChain_Detective
· 14ч назад
хмм, анализ паттернов показывает высокую корреляцию с мошенничеством в облачных стирках... оставайтесь бдительными, семья
Посмотреть ОригиналОтветить0
CommunityLurker
· 14ч назад
В этой волне облачных вычислений что-то происходит.
Aethir: новая децентрализованная облачная вычислительная платформа, которая сочетает в себе игровые рендеринг и ИИ
Подробное объяснение Aethir: игрок в области облачных вычислений с тремя уровнями Децентрализация
Изменения в процессе развития человеческого общества зачастую происходят благодаря нескольким исключительно великим научным изобретениям и достижениям. Каждый прорыв в науке напрямую создает новую эпоху, более эффективную и процветающую.
Индустриальная революция, электрическая революция и информационная революция были крайне великими технологическими достижениями в истории человечества, которые кардинально изменили облик человеческого общества, привели к беспрецедентным изменениям в производительности и образе жизни. Теперь мы уже не можем вернуться в эпоху, когда освещение осуществлялось с помощью керосиновых ламп, а письма доставлялись на повозках. С появлением больших языковых моделей человечество вступило в новую великую эру.
Большие языковые модели шаг за шагом освобождают человеческий интеллект, позволяя людям использовать ограниченные силы и интеллект для более творческого мышления и практики, и таким образом человечество вступило в более эффективный мир.
Мы рассматриваем большие языковые модели как еще один технологический прорыв, изменяющий мир, не только из-за их огромных достижений в понимании и генерации естественного языка, но и потому, что человечество в процессе эволюции больших языковых моделей поняло законы роста их возможностей — то есть, увеличивая параметры модели и объемы обучающих данных, можно достичь экспоненциального роста возможностей модели, и при достаточной вычислительной мощности этот процесс пока не сталкивается с瓶颈.
Применение больших языковых моделей не ограничивается лишь пониманием человеческого языка и диалогами, напротив, это всего лишь начало. Как только машина обладает способностью понимать язык, это похоже на открытие ящика Пандоры, выпускающего бесконечное пространство для воображения. Люди могут использовать эту способность ИИ для разработки различных разрушительных функций.
В настоящее время в различных пересекающихся областях технологий большие языковые модели уже демонстрируют свои возможности. От гуманитарных областей, таких как видеопроизводство и художественное творчество, до жестких технологий, таких как разработка лекарств и биотехнологии, нас ожидают кардинальные изменения.
В эту эпоху вычислительная мощность рассматривается как дефицитный ресурс, крупные технологические гиганты обладают обширными ресурсами, в то время как новые разработчики сталкиваются с барьерами для входа из-за недостатка вычислительных ресурсов. В новой эре ИИ вычислительная мощность — это сила, и те, кто владеет вычислительной мощностью, имеют возможность изменить мир. GPU, будучи основой глубинного обучения и научных вычислений, играет жизненно важную роль в этом процессе.
В быстро развивающейся области искусственного интеллекта мы должны осознавать двойственные аспекты развития: обучение моделей и вывод. Вывод касается функций и результатов AI-моделей, в то время как обучение включает в себя сложный процесс, необходимый для создания интеллектуальных моделей, в который входят алгоритмы машинного обучения, наборы данных и вычислительные мощности.
Например, если говорить о GPT-4, разработчикам необходимо получить обширные базовые наборы данных и огромные вычислительные мощности, чтобы обучить эффективные AI модели. Эти ресурсы в основном сосредоточены в руках таких отраслевых гигантов, как Nvidia, Google, Microsoft и Amazon Web Services.
Высокие вычислительные затраты и барьеры для входа препятствуют более широкому вовлечению разработчиков, что позволяет ведущим игрокам оставаться сильными. У них есть крупные базовые наборы данных и значительная вычислительная мощность, а также способность постоянно увеличивать свои масштабы и снижать свои затраты, что приводит к еще более прочным барьерам в отрасли.
Но мы не можем не задуматься, существует ли способ снизить вычислительные затраты и барьеры входа в отрасль с помощью внедрения технологий блокчейн? Ответ утвердительный. Децентрализация распределенных облачных вычислений предоставляет нам такое решение на фоне текущей эпохи.
Несмотря на то, что в настоящее время вычислительная мощность дорога и дефицитна, GPU не используется в полном объеме. Это связано с тем, что до сих пор не появилось готового решения для интеграции этой распределенной вычислительной мощности и ее коммерческого использования. Вот типичные цифры использования GPU для различных рабочих нагрузок:
Большинство потребительских устройств с GPU относятся к трем первым категориям, а именно к свободным (только что запущенным в операционную систему Windows):
Указанные данные показывают: использование вычислительных ресурсов крайне низкое, и в мире Web2 нет эффективных мер для сбора и интеграции этих ресурсов. Но криптоэкономика и технологии блокчейн, возможно, являются отличным средством для решения этой проблемы. Криптоэкономика создает крайне эффективный глобальный рынок, благодаря уникальной токенизированной экономике и отсутствию централизованной системы, ценообразование, оборот ресурсов и соответствие рыночному спросу и предложению происходит чрезвычайно эффективно.
Развитие ИИ влияет на будущее человечества, а прогресс вычислительной мощности определяет развитие ИИ. С момента изобретения первого компьютера в сороковых годах двадцатого века вычислительные модели претерпели множество изменений. От громоздких мейнфреймов до легких ноутбуков, от централизованной покупки серверов до аренды вычислительной мощности, порог доступа к вычислительной мощности постепенно снижается. До появления облачных вычислений компаниям приходилось самостоятельно закупать серверы и постоянно обновлять их с развитием технологий, но появление облачных вычислений полностью изменило эту модель.
Основная концепция облачных вычислений заключается в том, что заказчик арендует серверы и получает к ним удаленный доступ, оплачивая в зависимости от объема использования. В настоящее время традиционные предприятия подвергаются разрушению со стороны облачных вычислений. В области облачных вычислений технологии виртуализации являются ключевыми. Виртуализированные серверы могут разделять мощный сервер на множество маленьких серверов для аренды и динамически перераспределять различные ресурсы.
Эта модель кардинально изменила коммерческую структуру отрасли вычислительных мощностей: раньше людям нужно было самостоятельно приобретать вычислительные мощности, чтобы удовлетворить свои потребности; теперь достаточно просто оплатить аренду на сайте, чтобы воспользоваться качественными услугами вычислительных мощностей. Будущее облачных вычислений — это крайние вычисления. Поскольку традиционные централизованные системы находятся слишком далеко от пользователей, это может привести к определенной степени задержки. Хотя задержку можно оптимизировать, из-за ограничения скорости света она всегда будет неизбежной.
Однако новые отрасли, такие как метавселенная, автономное вождение, телемедицина, имеют крайне низкие требования к задержке, поэтому необходимо переместить облачные серверы ближе к пользователям, в результате чего все больше мелких дата-центров размещается вокруг пользователей, что и называется Децентрализация.
В отличие от централизованных поставщиков облачных вычислений, преимущества децентрализованного облачного вычисления заключаются прежде всего в:
Доступность и гибкость: Получение доступа к вычислительным чипам на платформах облачных сервисов, таких как AWS, GCP или Azure, обычно занимает несколько недель, и высокопроизводительные модели GPU, такие как A100, H100 и другие, часто отсутствуют на складе. Кроме того, для получения вычислительной мощности потребителям обычно необходимо подписывать долгосрочные, негибкие контракты с этими крупными компаниями, что не только приводит к временным потерям, но и делает работу предприятий более жесткой, теряя определенную гибкость. В отличие от этого, децентрализованные вычислительные платформы позволяют получать вычислительную мощность в любое время и предлагают гибкий выбор аппаратного обеспечения, обеспечивая большую доступность.
Цена ниже: Благодаря использованию неактивных чипов, а также дополнительным токенам от сетевых протоколов для поставщиков чипов и вычислительной мощности, распределенная вычислительная сеть может предложить более низкую цену на вычислительную мощность.
Антицензура: Некоторые системы Web3 не позиционируют себя как системы без разрешений. В этапах запуска GPU, загрузки данных, обмена данными и обмена результатами решались проблемы соблюдения таких норм, как GDPR и HIPAA.
С дальнейшим развитием ИИ и продолжающимся дисбалансом спроса и предложения на GPU, это подтолкнет больше разработчиков к децентрализованным облачным вычислительным платформам. В то же время, в период бычьего рынка, из-за роста цен на криптовалюты, поставщики GPU будут зарабатывать больше прибыли, что будет стимулировать больше поставщиков GPU входить на этот рынок, создавая положительный эффект маховика.
Технические проблемы
1. Проблема параллелизации
Распределенные вычислительные платформы обычно собирают предложения чипов с длинного хвоста, что означает, что отдельные поставщики чипов практически не могут в короткие сроки самостоятельно завершить сложные задачи обучения или вывода AI моделей. Если облачная вычислительная платформа хочет быть конкурентоспособной, она должна использовать методы параллелизации для разбиения и распределения задач, чтобы сократить общее время выполнения и повысить вычислительную мощность платформы.
Тем не менее, в процессе параллелизации возникают ряд проблем, включая то, как разбить задачу (особенно для сложных задач глубокого обучения), зависимости данных и дополнительные затраты на связь между устройствами.
2. Риски замещения новых технологий
С увеличением объема капитала, вложенного в исследования ASIC (специальные интегральные схемы), а также в новые изобретения, такие как тензорные процессоры (TPU), это может оказать влияние на кластеры GPU децентрализованных вычислительных платформ.
Если эти ASIC смогут обеспечить хорошую производительность и будут сбалансированы по стоимости, то рынок GPU, который в настоящее время монополизирован крупными AI-организациями, может снова вернуться на рынок. Это приведет к увеличению предложения GPU, что повлияет на экосистему Децентрализация облачных вычислений.
3. Регуляторные риски
Поскольку децентрализованные облачные вычислительные системы работают в нескольких юрисдикциях и могут подпадать под действие различных законов и нормативных актов, могут возникнуть уникальные юридические и регуляторные проблемы. Требования к соблюдению, такие как законы о защите данных и конфиденциальности, также могут быть сложными и представлять собой вызов.
На текущем этапе пользователями облачных платформ в основном являются профессиональные разработчики и учреждения, которые предпочитают долгосрочное использование одной платформы и не меняют её без необходимости. Выбор между Децентрализация платформой и централизованной платформой — это лишь один из факторов, которые нужно учитывать, эти пользователи больше ценят стабильность сервиса. Поэтому, если Децентрализация платформа обладает мощными интеграционными возможностями и стабильной достаточной вычислительной мощностью, она с большей вероятностью привлечет этих клиентов, обеспечив долгосрочные партнерские отношения и стабильный денежный поток.
Ниже я представлю новый распределенный вычислительный проект Aethir, сосредоточенный на игровом рендеринге и ИИ в этом цикле, и на основе текущих проектов ИИ и распределенных вычислительных проектов на рынке оценю возможную капитализацию после выхода на рынок.
Обзор проекта Aethir
Aethir Cloud является децентрализованной платформой для рендеринга в реальном времени, основанной на сети Arbitrum, которая помогает игровым и искусственным интеллектам компаниям напрямую доставлять свои продукты потребителям, агрегируя и умно перераспределяя новые и неиспользуемые GPU от предприятий, дата-центров, криптовалютного майнинга и потребителей.
Одним из ключевых нововведений проекта является ресурсный пул, который объединяет распределенных участников вычислительной мощности в едином интерфейсе, предоставляя услуги глобальным клиентам. Одной из особенностей ресурсного пула является то, что поставщики GPU могут свободно подключаться или отключаться от сети, что позволяет предприятиям или дата-центрам с неиспользуемыми устройствами участвовать в сети во время простоя, повышая гибкость поставщиков и использование оборудования.
Операция экосистемы Aethir основана на трех основных инфраструктурах:
Контейнер (Container): Ключевая функция контейнера заключается в предоставлении услуг удаленного рендеринга в реальном времени, обеспечивая "нулевую задержку". Контейнер является фактическим местом облачных вычислений, выполняя роль виртуальной конечной точки, которая запускает и рендерит приложения. Это позволяет переносить рабочую нагрузку с локальных устройств на контейнер.
Проверщик (Checker): Узлы проверщиков обеспечивают целостность сети Aethir и качество обслуживания, проверяя контейнеры и их сервисные процессы. После завершения задач узел проверщика подписывает результаты своим личным ключом и передает результаты арбитру. Арбитр получит 2N+1 результатов для каждого контейнера, и каждый узел, предоставляющий результаты, совпадающие с большинством, получит вознаграждение в токенах.
Индексатор (Indexer): В качестве ядра сети Aethir, индексатор сопоставляет потребителей с подходящими контейнерами, обеспечивая быструю загрузку облачных приложений и услуг. Цель - предоставить услуги на уровне "секунд" - переход от запроса потребителя к фактической доставке (например, запрос игрока до экрана игры) должен происходить за минимально возможное время. Это требует четких сигналов и эффективного планирования. Для поддержания Децентрализация и улучшения пользовательского опыта, индексатор выбирается случайным образом, чтобы снизить потенциальные риски мошенничества и задержки сигналов.
![Подробное объяснение Aethir: игрок в децентрализованное облачное вычисление с тремя дорожками](