تقاطع الذكاء الاصطناعي و DePIN: صعود شبكة GPU اللامركزية

منذ عام 2023، أظهرت الذكاء الاصطناعي و DePIN نمواً مزدهراً في مجال Web3. وصلت القيمة السوقية للذكاء الاصطناعي إلى 30 مليار دولار، بينما بلغت القيمة السوقية لـ DePIN حوالي 23 مليار دولار. يشمل هذان المجالان العديد من البروتوكولات المختلفة، التي تخدم احتياجات متنوعة. ستناقش هذه المقالة المجالات المتداخلة بين الاثنين، وستدرس تطور البروتوكولات في هذا المجال.

! تقاطع الذكاء الاصطناعي و DePIN

في مجموعة تقنيات الذكاء الاصطناعي، يوفر شبكة DePIN الفائدة للذكاء الاصطناعي من خلال موارد الحوسبة. أدى تطور الشركات التكنولوجية الكبرى إلى نقص في وحدات معالجة الرسومات (GPU)، مما جعل من الصعب على المطورين الذين يقومون ببناء نماذج الذكاء الاصطناعي الحصول على ما يكفي من وحدات معالجة الرسومات لإجراء الحسابات. غالبًا ما يضطر المطورون إلى اختيار مقدمي خدمات السحابة المركزية، ولكن بسبب الحاجة إلى توقيع عقود طويلة الأمد غير مرنة للأجهزة عالية الأداء، يؤدي ذلك إلى انخفاض الكفاءة.

DePIN في جوهره يقدم بديلاً أكثر مرونة وفعالية من حيث التكلفة، حيث يستخدم مكافآت الرموز لتحفيز المساهمات في الموارد التي تتماشى مع أهداف الشبكة. في الذكاء الاصطناعي، يقوم DePIN بتجميع موارد GPU من المالكين الأفراد إلى مراكز البيانات، مما يشكل إمدادًا موحدًا للمستخدمين الذين يحتاجون إلى الوصول إلى الأجهزة. لا توفر هذه الشبكات DePIN فقط للمطورين الذين يحتاجون إلى القدرة الحاسوبية تخصيصًا وإمكانية الوصول عند الطلب، بل توفر أيضًا دخلًا إضافيًا لمالكي GPU.

توجد العديد من شبكات AI DePIN في السوق، ستستكشف هذه المقالة دور كل بروتوكول وأهدافه، بالإضافة إلى بعض النقاط البارزة التي حققتها.

نظرة عامة على شبكة DePIN للذكاء الاصطناعي

Render هو رائد في شبكة P2P التي توفر قدرة حسابية GPU، وكان في السابق يركز على تقديم الرسومات للمحتوى الإبداعي، ثم قام بتوسيع نطاقه من خلال دمج أدوات مثل Stable Diffusion لتشمل المهام الحسابية من المجالات العصبية (NeRF) إلى الذكاء الاصطناعي التوليدي.

خصائص Render:

1. تأسست شركة OTOY للرسم السحابي الحائزة على جائزة الأوسكار
2. تم استخدام شبكة GPU من قبل شركات الترفيه الكبرى مثل باراماونت بيكتشرز، PUBG، وستار تريك
3. التعاون مع Stability AI و Endeavor، واستخدام GPU من Render لدمج نماذج الذكاء الاصطناعي مع سير عمل تصيير المحتوى ثلاثي الأبعاد
4. الموافقة على عدة عملاء حسابيين، دمج المزيد من شبكات DePIN GPU

تقوم Akash بتحديد نفسها كبديل لـ "السحابة الفائقة" للمنصات التقليدية التي تدعم التخزين والحوسبة باستخدام GPU و CPU. من خلال استخدام أدوات صديقة للمطورين مثل منصة حاويات Akash والعقد الحاسوبية المدارة بواسطة Kubernetes، يمكنها نشر البرامج بشكل سلس عبر البيئات، مما يسمح بتشغيل أي تطبيقات سحابية أصلية.

خصائص Akash:

1. للمهام الحاسوبية الواسعة من الحوسبة العامة إلى استضافة الشبكة
2. يسمح AkashML لشبكة GPU الخاصة به بتشغيل أكثر من 15,000 نموذج على Hugging Face، مع التكامل مع Hugging Face.
3. أكاش تستضيف بعض التطبيقات الملحوظة، مثل روبوت الدردشة لنموذج LLM الخاص بـ Mistral AI، ونموذج تحويل النص إلى صورة SDXL الخاص بـ Stability AI، ونموذج AT-1 الأساسي الجديد الخاص بـ Thumper AI.
4. بناء منصة الميتافيرس ونشر الذكاء الاصطناعي والتعلم الفيدرالي يستفيد من Supercloud

يوفر io.net الوصول إلى تجمعات سحابية موزعة من وحدات معالجة الرسوميات، والتي تم تصميمها خصيصًا لحالات الاستخدام في الذكاء الاصطناعي والتعلم الآلي. إنها تجمع وحدات معالجة الرسوميات من مراكز البيانات، وعمال تعدين العملات المشفرة، والشبكات اللامركزية الأخرى.

خصائص io.net:

1. تتوافق IO-SDK الخاصة بها مع أطر مثل PyTorch و Tensorflow، ويمكن لهياكلها المتعددة أن تتوسع تلقائيًا وفقًا لاحتياجات الحساب.
2. يدعم إنشاء 3 أنواع مختلفة من الكتل، يمكن تشغيلها في غضون دقيقتين
3. جهود تعاون قوية لدمج GPUs من شبكات DePIN الأخرى، بما في ذلك Render وFilecoin وAethir وExabits

تقدم Gensyn القدرة على الحوسبة باستخدام وحدات معالجة الرسوميات (GPU) التي تركز على تعلم الآلة والتعلم العميق. وتزعم أنها حققت آلية تحقق أكثر كفاءة من خلال دمج مفاهيم مثل إثبات العمل القائم على التعلم المخصص للتحقق من الأعمال، والبروتوكولات المستندة إلى الرسوميات لإعادة تشغيل الأعمال للتحقق، بالإضافة إلى الألعاب التحفيزية على غرار Truebit التي تتضمن مزودي الحوسبة والرهانات والتخفيضات.

خصائص Gensyn:

1. من المتوقع أن يكون التكلفة لكل ساعة من وحدة معالجة الرسوميات المعادلة لـ V100 حوالي 0.40 دولار / ساعة، مما سيوفر كثيراً في التكاليف
2. من خلال إثبات التكديس، يمكن ضبط النموذج الأساسي المدرب مسبقًا لإكمال مهام أكثر تحديدًا
3. ستكون هذه النماذج الأساسية اللامركزية والمملوكة عالميًا، بالإضافة إلى شبكة حسابات الأجهزة، تقدم وظائف إضافية

Aethir مخصص مزود بـ GPU للشركات، يركز على المجالات كثيفة الاستخدام للحوسبة، وخاصة الذكاء الاصطناعي، التعلم الآلي (ML)، الألعاب السحابية وغيرها. تعمل الحاويات في شبكتها كنقاط افتراضية لتنفيذ التطبيقات المستندة إلى السحابة، وتنقل أحمال العمل من الأجهزة المحلية إلى الحاويات، لتحقيق تجربة منخفضة الكمون. لضمان تقديم خدمات عالية الجودة للمستخدمين، يقومون بتحريك GPU بالقرب من مصادر البيانات بناءً على الطلب والموقع، مما يتيح تعديل الموارد.

ميزات Aethir:

1. بالإضافة إلى الذكاء الاصطناعي وألعاب السحابة، قامت Aethir أيضًا بتوسيع خدمات الهاتف السحابي، وتعاونت مع APhone لإطلاق الهواتف الذكية السحابية اللامركزية.
2. أقامت علاقات تعاون واسعة مع الشركات الكبرى مثل NVIDIA و Super Micro و HPE و Foxconn و Well Link
3. العديد من الشركاء في Web3، مثل CARV وMagic Eden وSequence وImpossible Finance وغيرها.

شبكة فالا تعمل كطبقة تنفيذية لحلول الذكاء الاصطناعي Web3. تعتبر سلسلة الكتل الخاصة بها حلاً للحوسبة السحابية غير الموثوق به، حيث تم تصميمها لمعالجة قضايا الخصوصية من خلال استخدام بيئة التنفيذ الموثوقة (TEE). لا تستخدم طبقة التنفيذ الخاصة بها كطبقة حسابية لنماذج الذكاء الاصطناعي، بل تمكّن الوكلاء الذكيين من التحكم بواسطة العقود الذكية على السلسلة.

ميزات شبكة فالا:

1. تعمل كبروتوكول معالج مساعد يمكن التحقق منه، بينما تمكن أيضًا الوكلاء الذكاء الاصطناعي من الوصول إلى الموارد على السلسلة.
2. يمكن الحصول على عقود الوكلاء الذكية من خلال Redpill من نماذج اللغة الكبيرة الرائدة مثل OpenAI وLlama وClaude وHugging Face.
3. المستقبل سيشمل zk-proofs، الحساب متعدد الأطراف (MPC)، التشفير الكامل المتجانس (FHE)، وغيرها من أنظمة الإثبات المتعددة.
4. دعم H100 وغيرها من وحدات معالجة الرسوميات TEE في المستقبل، لزيادة القدرة الحاسوبية

مقارنة المشاريع

| | ريندر | أكاش | io.net | جينسين | إيثير | فالا | |--------|-------------|------------------|---------------------|---------|---------------|----------| | الأجهزة | وحدة معالجة الرسومات \ & وحدة المعالجة المركزية | وحدة معالجة الرسومات \ & وحدة المعالجة المركزية | وحدة معالجة الرسومات \ & وحدة المعالجة المركزية | وحدة معالجة الرسومات | وحدة معالجة الرسومات | وحدة المعالجة المركزية | | التركيز على الأعمال | عرض الرسوميات والذكاء الاصطناعي | الحوسبة السحابية، العرض والذكاء الاصطناعي | الذكاء الاصطناعي | الذكاء الاصطناعي | الذكاء الاصطناعي، الألعاب السحابية والاتصالات | تنفيذ الذكاء الاصطناعي على السلسلة | | نوع مهمة الذكاء الاصطناعي | استنتاج | التدريب والاستنتاج | التدريب والاستنتاج | تدريب | تدريب | تنفيذ | | تسعير العمل | تسعير قائم على الأداء | مزاد عكسي | تسعير السوق | تسعير السوق | نظام المناقصة | حساب الحقوق | | بلوكشين | سولانا | كوزموس | سولانا | جينسين | أربيتروم | بولكادوت | | خصوصية البيانات | تشفير& تجزئة | مصادقة mTLS | تشفير البيانات | خريطة الأمان | تشفير | TEE | | رسوم العمل | لكل وظيفة 0.5-5% | 20% USDC، 4% AKT | 2% USDC، 0.25% رسوم الاحتياطي | رسوم منخفضة | لكل جلسة 20% | تتناسب مع مبلغ الرهان | | الأمان | إثبات التقديم | إثبات الحصة | إثبات الحساب | إثبات الحصة | إثبات قدرة التقديم | موروث من سلسلة الوسيط | | إثبات الإنجاز | - | - | إثبات القفل الزمني | إثبات التعلم | إثبات العمل المرئي | إثبات TEE | | ضمان الجودة | نزاع | - | - | المُحققون والمُبلغون | عقدة الفحص | إثبات عن بُعد | | مجموعة GPU | لا | نعم | نعم | نعم | نعم | لا |

تُعتبر توفر التجميع والحوسبة المتوازية أمرًا حيويًا لتدريب نماذج الذكاء الاصطناعي المعقدة. لقد دمجت معظم المشاريع الآن التجميع لتحقيق الحوسبة المتوازية. تتعاون io.net مع مشاريع أخرى مثل Render و Filecoin و Aethir لإدخال المزيد من وحدات معالجة الرسومات في شبكتها، وقد نجحت في نشر أكثر من 3,800 تجميع في الربع الأول من عام 24.

خصوصية البيانات هي قضية رئيسية في تطوير نماذج الذكاء الاصطناعي. تستخدم معظم المشاريع شكلًا من أشكال تشفير البيانات لحماية خصوصية البيانات. تعاونت io.net مؤخرًا مع شبكة Mind لإطلاق تشفير متجانس تمامًا (FHE)، مما يسمح بمعالجة البيانات المشفرة دون الحاجة إلى فك تشفيرها أولاً. قدمت شبكة Phala بيئة تنفيذ موثوقة (TEE)، والتي يمكن أن تمنع العمليات الخارجية من الوصول إلى البيانات أو تعديلها.

إن إثبات إتمام الحسابات وفحص الجودة أمران في غاية الأهمية لضمان جودة العمل. تقوم Gensyn و Aethir بتوليد إثباتات تشير إلى أن العمل قد اكتمل، وتقوم بفحص جودة الحسابات المكتملة. توصي Render باستخدام عملية حل النزاعات، وإذا وجدت لجنة المراجعة أن هناك مشكلة في العقد، يتم تقليص هذا العقد.

بيانات إحصائية للأجهزة

| | ريندر | أكاش | io.net | جينسين | إيثير | فالا | |-------------|--------|-------|--------|------------|------------|--------| | عدد وحدات معالجة الرسوميات | 5600 | 384 | 38177 | - | 40000+ | - | | عدد وحدات المعالجة المركزية | 114 | 14672 | 5433 | - | - | 30000+ | | عدد H100/A100 | - | 157 | 2330 | - | 2000+ | - | | تكلفة H100 / ساعة | - | $1.46 | $1.19 | - | - | - | | تكلفة A100 / ساعة | - | $1.37 | $1.50 | $0.55 ( متوقع ) | $0.33 ( متوقع ) | - |

! تقاطع الذكاء الاصطناعي و DePIN

تعتبر GPU عالية الأداء ضرورية لتدريب نماذج الذكاء الاصطناعي. تتصدر io.net و Aethir في عدد وحدات GPU من طراز H100 و A100، مما يجعلها أكثر ملاءمة لحساب النماذج الكبيرة. لقد أصبحت تكاليف شبكة GPU اللامركزية أقل بكثير من خدمات GPU المركزية، مما فتح المجال لبناء المزيد من حالات الاستخدام في مجال الذكاء الاصطناعي والتعلم الآلي.

تؤدي وحدات معالجة الرسوميات/وحدات معالجة المركزية من مستوى المستهلك أيضًا دورًا مهمًا في هذه الشبكات. يمكن لمشاريع مثل Render و Akash و io.net خدمة هذه السوق، مما يوفر خيارات أكثر للمطورين.

الاستنتاج

على الرغم من أن مجال AI DePIN لا يزال جديدًا نسبيًا، إلا أنه أظهر زخمًا قويًا في التطوير. إن زيادة عدد المهام والأجهزة المنفذة في هذه الشبكات اللامركزية من GPU تسلط الضوء على الطلب المتزايد على بدائل موارد الأجهزة من مقدمي خدمات السحابة Web2. مع تطلعات المستقبل، ستلعب هذه الشبكات الموزعة من GPU دورًا حاسمًا في توفير بدائل حسابية فعالة من حيث التكلفة للمطورين، مما يسهم بشكل كبير في مستقبل البنية التحتية للذكاء الاصطناعي والحوسبة.

! تقاطع الذكاء الاصطناعي و DePIN

! تقاطع الذكاء الاصطناعي و DePIN

! تقاطع الذكاء الاصطناعي و DePIN

! تقاطع الذكاء الاصطناعي و DePIN

! تقاطع الذكاء الاصطناعي و DePIN