AI dan DePIN: Kebangkitan Jaringan GPU Desentralisasi
Sejak tahun 2023, AI dan DePIN menunjukkan perkembangan pesat di bidang Web3. Kapitalisasi pasar AI mencapai 30 miliar dolar, sedangkan kapitalisasi pasar DePIN sekitar 23 miliar dolar. Kedua bidang ini mencakup berbagai protokol yang melayani berbagai kebutuhan. Artikel ini akan membahas bidang persilangan keduanya dan meneliti perkembangan protokol di bidang tersebut.
Dalam tumpukan teknologi AI, jaringan DePIN memberikan utilitas untuk AI melalui sumber daya komputasi. Perkembangan perusahaan teknologi besar telah menyebabkan kekurangan GPU, membuat pengembang lain yang sedang membangun model AI kesulitan untuk mendapatkan GPU yang cukup untuk perhitungan. Ini sering memaksa pengembang untuk memilih penyedia cloud terdesentralisasi, tetapi karena harus menandatangani kontrak perangkat keras berkinerja tinggi jangka panjang yang tidak fleksibel, mengakibatkan ketidakefisienan.
DePIN pada dasarnya menyediakan alternatif yang lebih fleksibel dan lebih hemat biaya, yang menggunakan hadiah token untuk mendorong kontribusi sumber daya yang memenuhi tujuan jaringan. DePIN dalam kecerdasan buatan mengalihkan sumber daya GPU dari pemilik individu ke pusat data, membentuk pasokan yang terintegrasi bagi pengguna yang membutuhkan akses ke perangkat keras. Jaringan DePIN ini tidak hanya memberikan kemampuan kustomisasi dan akses sesuai permintaan bagi pengembang yang membutuhkan daya komputasi, tetapi juga menawarkan pendapatan tambahan bagi pemilik GPU.
Ada banyak jaringan AI DePIN di pasar, artikel ini akan membahas peran dan tujuan setiap protokol, serta beberapa sorotan konkret yang telah mereka capai.
AI DePIN Jaringan Ringkasan
Render adalah pelopor jaringan P2P yang menyediakan kemampuan komputasi GPU, sebelumnya fokus pada merender grafik untuk konten kreatif, kemudian melalui integrasi alat seperti Stable Diffusion, memperluas jangkauannya untuk mencakup tugas komputasi dari neural radiance fields (NeRF) hingga AI generatif.
Ciri-ciri Render:
Didirikan oleh perusahaan grafis cloud OTOY yang memiliki teknologi pemenang Oscar
Jaringan GPU telah digunakan oleh perusahaan besar di industri hiburan seperti Paramount Pictures, PUBG, Star Trek dan lainnya.
Bekerja sama dengan Stability AI dan Endeavor, memanfaatkan GPU Render untuk mengintegrasikan model AI dengan alur kerja rendering konten 3D
Menyetujui beberapa klien komputasi, mengintegrasikan lebih banyak GPU dari jaringan DePIN
Akash memposisikan dirinya sebagai alternatif "super cloud" untuk platform tradisional yang mendukung penyimpanan, GPU, dan komputasi CPU. Dengan memanfaatkan alat ramah pengembang seperti platform kontainer Akash dan node komputasi yang dikelola oleh Kubernetes, ia mampu menyebarkan perangkat lunak secara mulus di berbagai lingkungan, sehingga dapat menjalankan aplikasi cloud-native apa pun.
Karakteristik Akash:
Menyasar tugas komputasi yang luas dari komputasi umum hingga hosting jaringan
AkashML memungkinkan jaringan GPU-nya untuk menjalankan lebih dari 15.000 model di Hugging Face, sambil terintegrasi dengan Hugging Face.
Akash menyimpan beberapa aplikasi yang patut dicatat, seperti chatbot model LLM dari Mistral AI, model teks ke gambar SDXL dari Stability AI, dan model dasar baru AT-1 dari Thumper AI.
Membangun platform untuk Metaverse, penerapan kecerdasan buatan, dan pembelajaran federasi sedang memanfaatkan Supercloud
io.net menyediakan akses ke kluster GPU cloud terdistribusi yang khusus dirancang untuk kasus penggunaan AI dan ML. Ini mengagregasi GPU dari pusat data, penambang kripto, dan jaringan desentralisasi lainnya.
Ciri-ciri io.net:
IO-SDK ini kompatibel dengan kerangka kerja seperti PyTorch dan Tensorflow, dan arsitektur multilapisan dapat secara otomatis diperluas secara dinamis sesuai dengan kebutuhan komputasi.
Mendukung pembuatan 3 jenis kluster yang berbeda, dapat diluncurkan dalam 2 menit
Upaya kolaborasi yang kuat untuk mengintegrasikan GPU dari jaringan DePIN lainnya, termasuk Render, Filecoin, Aethir, dan Exabits
Gensyn menyediakan kemampuan komputasi GPU yang fokus pada pembelajaran mesin dan pembelajaran mendalam. Mereka mengklaim telah mencapai mekanisme verifikasi yang lebih efisien dengan menggabungkan konsep seperti bukti kerja yang digunakan untuk validasi, protokol penentuan posisi berbasis grafik untuk menjalankan kembali pekerjaan validasi, serta permainan insentif gaya Truebit yang melibatkan penyedia komputasi dalam staking dan pemotongan.
Fitur Gensyn:
Diperkirakan biaya per jam untuk GPU setara V100 sekitar 0,40 dolar/jam, sehingga menghemat biaya secara signifikan.
Melalui tumpukan bukti, model dasar yang telah dilatih sebelumnya dapat disesuaikan untuk menyelesaikan tugas yang lebih spesifik.
Model dasar ini akan bersifat Desentralisasi, dimiliki secara global, dan menyediakan fungsi tambahan selain jaringan komputasi perangkat keras.
Aethir khusus dirancang untuk menjalankan GPU perusahaan, fokus pada bidang yang memerlukan komputasi intensif, terutama kecerdasan buatan, pembelajaran mesin (ML), permainan cloud, dan lain-lain. Kontainer dalam jaringannya bertindak sebagai titik akhir virtual untuk menjalankan aplikasi berbasis cloud, memindahkan beban kerja dari perangkat lokal ke kontainer, untuk memberikan pengalaman latensi rendah. Untuk memastikan layanan berkualitas tinggi bagi pengguna, mereka mendekatkan GPU ke sumber data berdasarkan permintaan dan lokasi, sehingga menyesuaikan sumber daya.
Ciri-ciri Aethir:
Selain kecerdasan buatan dan permainan awan, Aethir juga mengembangkan layanan ponsel awan dan bekerja sama dengan APhone untuk meluncurkan ponsel pintar awan desentralisasi.
Membangun hubungan kerja sama yang luas dengan perusahaan besar seperti NVIDIA, Super Micro, HPE, Foxconn, dan Well Link.
Beberapa mitra dalam Web3, seperti CARV, Magic Eden, Sequence, Impossible Finance, dan lain-lain
Phala Network bertindak sebagai lapisan eksekusi untuk solusi Web3 AI. Blockchain-nya adalah solusi cloud computing yang tidak memerlukan kepercayaan, dirancang untuk menangani masalah privasi dengan menggunakan lingkungan eksekusi yang terpercaya (TEE). Lapisan eksekusinya tidak digunakan sebagai lapisan komputasi untuk model AI, tetapi memungkinkan agen AI untuk dikendalikan oleh kontrak pintar di atas blockchain.
Ciri-ciri Phala Network:
Bertindak sebagai protokol co-processor yang dapat diverifikasi, sekaligus memungkinkan agen AI untuk mengakses sumber daya di blockchain.
Kontrak agen kecerdasan buatan mereka dapat diakses melalui Redpill untuk mendapatkan model bahasa besar terkemuka seperti OpenAI, Llama, Claude, dan Hugging Face.
Masa depan akan mencakup zk-proofs, komputasi multi pihak (MPC), enkripsi homomorfik penuh (FHE) dan sistem bukti ganda lainnya.
Di masa depan mendukung H100 dan TEE GPU lainnya, meningkatkan kemampuan komputasi
Perbandingan Proyek
| | Render | Akash | io.net | Gensyn | Aethir | Phala |
|--------|-------------|------------------|---------------------|---------|---------------|----------|
| Perangkat Keras | GPU & CPU | GPU & CPU | GPU & CPU | GPU | GPU | CPU |
| Fokus Bisnis | Rendering Grafis dan AI | Komputasi Awan, Rendering, dan AI | AI | AI | Kecerdasan Buatan, Game Awan, dan Telekomunikasi | Eksekusi AI di Blockchain |
| Jenis Tugas AI | Inferensi | Pelatihan dan Inferensi | Pelatihan dan Inferensi | Pelatihan | Pelatihan | Eksekusi |
| Penetapan Harga | Penetapan Harga Berdasarkan Kinerja | Lelang Terbalik | Penetapan Harga Pasar | Penetapan Harga Pasar | Sistem Tender | Perhitungan Hak |
| Blockchain | Solana | Cosmos | Solana | Gensyn | Arbitrum | Polkadot |
| Privasi Data | Enkripsi&Hash | Autentikasi mTLS | Enkripsi Data | Pemetaan Aman | Enkripsi | TEE |
| Biaya kerja | Setiap pekerjaan 0.5-5% | 20% USDC, 4% AKT | 2% USDC, 0.25% biaya cadangan | Biaya murah | Setiap sesi 20% | Proporsional dengan jumlah yang dipertaruhkan |
| Aman | Bukti Render | Bukti Kepemilikan | Bukti Perhitungan | Bukti Kepemilikan | Bukti Kapasitas Render | Warisan dari Rantai Perantara |
| Bukti Penyelesaian | - | - | Bukti Kunci Waktu | Bukti Pembelajaran | Bukti Pekerjaan Rendering | Bukti TEE |
| Jaminan Kualitas | Sengketa | - | - | Verifikator dan Pelapor | Node Pemeriksa | Pembuktian Jarak |
| GPU Cluster | Tidak | Ya | Ya | Ya | Ya | Tidak |
Ketersediaan kluster dan komputasi paralel sangat penting untuk melatih model AI yang kompleks. Sebagian besar proyek sekarang telah mengintegrasikan kluster untuk melakukan komputasi paralel. io.net bekerja sama dengan proyek lain seperti Render, Filecoin, dan Aethir untuk mengintegrasikan lebih banyak GPU ke dalam jaringannya, dan telah berhasil menerapkan lebih dari 3.800 kluster pada kuartal pertama tahun 24.
Privasi data adalah masalah kunci dalam pengembangan model AI. Sebagian besar proyek menggunakan bentuk enkripsi data untuk melindungi privasi data. io.net baru-baru ini bekerja sama dengan Mind Network untuk meluncurkan enkripsi homomorfik penuh (FHE), yang memungkinkan pemrosesan data terenkripsi tanpa perlu mendekripsi terlebih dahulu. Phala Network memperkenalkan lingkungan eksekusi terpercaya (TEE), yang dapat mencegah proses eksternal mengakses atau mengubah data.
Penyelesaian bukti perhitungan dan pemeriksaan kualitas sangat penting untuk memastikan kualitas kerja. Gensyn dan Aethir akan menghasilkan bukti untuk menunjukkan bahwa pekerjaan telah selesai, dan melakukan pemeriksaan kualitas pada perhitungan yang telah diselesaikan. Render menyarankan untuk menggunakan proses penyelesaian sengketa, jika panitia peninjau menemukan masalah dengan node, maka node tersebut akan dikurangi.
GPU berkinerja tinggi sangat penting untuk pelatihan model AI. io.net dan Aethir memimpin dalam jumlah GPU H100 dan A100, membuatnya lebih cocok untuk komputasi model besar. Biaya jaringan GPU Desentralisasi sudah jauh lebih rendah dibandingkan layanan GPU tersentralisasi, membuka peluang oligopoli untuk membangun lebih banyak kasus penggunaan AI dan ML.
GPU/CPU kelas konsumen juga berperan penting dalam jaringan ini. Proyek seperti Render, Akash, dan io.net dapat melayani bagian pasar ini, memberikan lebih banyak pilihan bagi para pengembang.
Kesimpulan
Meskipun bidang AI DePIN masih relatif baru, namun telah menunjukkan perkembangan yang kuat. Jumlah tugas dan perangkat keras yang dijalankan dalam jaringan GPU desentralisasi ini terus meningkat, menyoroti permintaan yang terus tumbuh akan alternatif sumber daya perangkat keras dari penyedia cloud Web2. Melihat ke depan, jaringan GPU desentralisasi ini akan memainkan peran kunci dalam menyediakan solusi komputasi yang efisien secara ekonomi bagi para pengembang, memberikan kontribusi signifikan terhadap lanskap masa depan kecerdasan buatan dan infrastruktur komputasi.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
8 Suka
Hadiah
8
5
Bagikan
Komentar
0/400
ZKProofEnthusiast
· 5jam yang lalu
Harus dikatakan, benar-benar kompetitif!
Lihat AsliBalas0
Web3ProductManager
· 5jam yang lalu
melihat data kohort kami, efek jaringan gpu dapat 10x tingkat adopsi sejujurnya... hanya perlu kait utilitas token yang lebih baik
Lihat AsliBalas0
AirdropHunter007
· 5jam yang lalu
Dianggap Bodoh lagi yang datang.
Lihat AsliBalas0
AirdropworkerZhang
· 5jam yang lalu
Terlalu menyedihkan Rig Penambangan pemungut mayat
AI dan DePIN berinteraksi: Kebangkitan jaringan GPU desentralisasi
AI dan DePIN: Kebangkitan Jaringan GPU Desentralisasi
Sejak tahun 2023, AI dan DePIN menunjukkan perkembangan pesat di bidang Web3. Kapitalisasi pasar AI mencapai 30 miliar dolar, sedangkan kapitalisasi pasar DePIN sekitar 23 miliar dolar. Kedua bidang ini mencakup berbagai protokol yang melayani berbagai kebutuhan. Artikel ini akan membahas bidang persilangan keduanya dan meneliti perkembangan protokol di bidang tersebut.
Dalam tumpukan teknologi AI, jaringan DePIN memberikan utilitas untuk AI melalui sumber daya komputasi. Perkembangan perusahaan teknologi besar telah menyebabkan kekurangan GPU, membuat pengembang lain yang sedang membangun model AI kesulitan untuk mendapatkan GPU yang cukup untuk perhitungan. Ini sering memaksa pengembang untuk memilih penyedia cloud terdesentralisasi, tetapi karena harus menandatangani kontrak perangkat keras berkinerja tinggi jangka panjang yang tidak fleksibel, mengakibatkan ketidakefisienan.
DePIN pada dasarnya menyediakan alternatif yang lebih fleksibel dan lebih hemat biaya, yang menggunakan hadiah token untuk mendorong kontribusi sumber daya yang memenuhi tujuan jaringan. DePIN dalam kecerdasan buatan mengalihkan sumber daya GPU dari pemilik individu ke pusat data, membentuk pasokan yang terintegrasi bagi pengguna yang membutuhkan akses ke perangkat keras. Jaringan DePIN ini tidak hanya memberikan kemampuan kustomisasi dan akses sesuai permintaan bagi pengembang yang membutuhkan daya komputasi, tetapi juga menawarkan pendapatan tambahan bagi pemilik GPU.
Ada banyak jaringan AI DePIN di pasar, artikel ini akan membahas peran dan tujuan setiap protokol, serta beberapa sorotan konkret yang telah mereka capai.
AI DePIN Jaringan Ringkasan
Render adalah pelopor jaringan P2P yang menyediakan kemampuan komputasi GPU, sebelumnya fokus pada merender grafik untuk konten kreatif, kemudian melalui integrasi alat seperti Stable Diffusion, memperluas jangkauannya untuk mencakup tugas komputasi dari neural radiance fields (NeRF) hingga AI generatif.
Ciri-ciri Render:
Akash memposisikan dirinya sebagai alternatif "super cloud" untuk platform tradisional yang mendukung penyimpanan, GPU, dan komputasi CPU. Dengan memanfaatkan alat ramah pengembang seperti platform kontainer Akash dan node komputasi yang dikelola oleh Kubernetes, ia mampu menyebarkan perangkat lunak secara mulus di berbagai lingkungan, sehingga dapat menjalankan aplikasi cloud-native apa pun.
Karakteristik Akash:
io.net menyediakan akses ke kluster GPU cloud terdistribusi yang khusus dirancang untuk kasus penggunaan AI dan ML. Ini mengagregasi GPU dari pusat data, penambang kripto, dan jaringan desentralisasi lainnya.
Ciri-ciri io.net:
Gensyn menyediakan kemampuan komputasi GPU yang fokus pada pembelajaran mesin dan pembelajaran mendalam. Mereka mengklaim telah mencapai mekanisme verifikasi yang lebih efisien dengan menggabungkan konsep seperti bukti kerja yang digunakan untuk validasi, protokol penentuan posisi berbasis grafik untuk menjalankan kembali pekerjaan validasi, serta permainan insentif gaya Truebit yang melibatkan penyedia komputasi dalam staking dan pemotongan.
Fitur Gensyn:
Aethir khusus dirancang untuk menjalankan GPU perusahaan, fokus pada bidang yang memerlukan komputasi intensif, terutama kecerdasan buatan, pembelajaran mesin (ML), permainan cloud, dan lain-lain. Kontainer dalam jaringannya bertindak sebagai titik akhir virtual untuk menjalankan aplikasi berbasis cloud, memindahkan beban kerja dari perangkat lokal ke kontainer, untuk memberikan pengalaman latensi rendah. Untuk memastikan layanan berkualitas tinggi bagi pengguna, mereka mendekatkan GPU ke sumber data berdasarkan permintaan dan lokasi, sehingga menyesuaikan sumber daya.
Ciri-ciri Aethir:
Phala Network bertindak sebagai lapisan eksekusi untuk solusi Web3 AI. Blockchain-nya adalah solusi cloud computing yang tidak memerlukan kepercayaan, dirancang untuk menangani masalah privasi dengan menggunakan lingkungan eksekusi yang terpercaya (TEE). Lapisan eksekusinya tidak digunakan sebagai lapisan komputasi untuk model AI, tetapi memungkinkan agen AI untuk dikendalikan oleh kontrak pintar di atas blockchain.
Ciri-ciri Phala Network:
Perbandingan Proyek
| | Render | Akash | io.net | Gensyn | Aethir | Phala | |--------|-------------|------------------|---------------------|---------|---------------|----------| | Perangkat Keras | GPU & CPU | GPU & CPU | GPU & CPU | GPU | GPU | CPU | | Fokus Bisnis | Rendering Grafis dan AI | Komputasi Awan, Rendering, dan AI | AI | AI | Kecerdasan Buatan, Game Awan, dan Telekomunikasi | Eksekusi AI di Blockchain | | Jenis Tugas AI | Inferensi | Pelatihan dan Inferensi | Pelatihan dan Inferensi | Pelatihan | Pelatihan | Eksekusi | | Penetapan Harga | Penetapan Harga Berdasarkan Kinerja | Lelang Terbalik | Penetapan Harga Pasar | Penetapan Harga Pasar | Sistem Tender | Perhitungan Hak | | Blockchain | Solana | Cosmos | Solana | Gensyn | Arbitrum | Polkadot | | Privasi Data | Enkripsi&Hash | Autentikasi mTLS | Enkripsi Data | Pemetaan Aman | Enkripsi | TEE | | Biaya kerja | Setiap pekerjaan 0.5-5% | 20% USDC, 4% AKT | 2% USDC, 0.25% biaya cadangan | Biaya murah | Setiap sesi 20% | Proporsional dengan jumlah yang dipertaruhkan | | Aman | Bukti Render | Bukti Kepemilikan | Bukti Perhitungan | Bukti Kepemilikan | Bukti Kapasitas Render | Warisan dari Rantai Perantara | | Bukti Penyelesaian | - | - | Bukti Kunci Waktu | Bukti Pembelajaran | Bukti Pekerjaan Rendering | Bukti TEE | | Jaminan Kualitas | Sengketa | - | - | Verifikator dan Pelapor | Node Pemeriksa | Pembuktian Jarak | | GPU Cluster | Tidak | Ya | Ya | Ya | Ya | Tidak |
Ketersediaan kluster dan komputasi paralel sangat penting untuk melatih model AI yang kompleks. Sebagian besar proyek sekarang telah mengintegrasikan kluster untuk melakukan komputasi paralel. io.net bekerja sama dengan proyek lain seperti Render, Filecoin, dan Aethir untuk mengintegrasikan lebih banyak GPU ke dalam jaringannya, dan telah berhasil menerapkan lebih dari 3.800 kluster pada kuartal pertama tahun 24.
Privasi data adalah masalah kunci dalam pengembangan model AI. Sebagian besar proyek menggunakan bentuk enkripsi data untuk melindungi privasi data. io.net baru-baru ini bekerja sama dengan Mind Network untuk meluncurkan enkripsi homomorfik penuh (FHE), yang memungkinkan pemrosesan data terenkripsi tanpa perlu mendekripsi terlebih dahulu. Phala Network memperkenalkan lingkungan eksekusi terpercaya (TEE), yang dapat mencegah proses eksternal mengakses atau mengubah data.
Penyelesaian bukti perhitungan dan pemeriksaan kualitas sangat penting untuk memastikan kualitas kerja. Gensyn dan Aethir akan menghasilkan bukti untuk menunjukkan bahwa pekerjaan telah selesai, dan melakukan pemeriksaan kualitas pada perhitungan yang telah diselesaikan. Render menyarankan untuk menggunakan proses penyelesaian sengketa, jika panitia peninjau menemukan masalah dengan node, maka node tersebut akan dikurangi.
Data Statistik Perangkat Keras
| | Render | Akash | io.net | Gensyn | Aethir | Phala | |-------------|--------|-------|--------|------------|------------|--------| | Jumlah GPU | 5600 | 384 | 38177 | - | 40000+ | - | | Jumlah CPU | 114 | 14672 | 5433 | - | - | 30000+ | | Jumlah H100/A100 | - | 157 | 2330 | - | 2000+ | - | | Biaya H100/jam | - | $1.46 | $1.19 | - | - | - | | Biaya A100/jam | - | $1.37 | $1.50 | $0.55 ( diperkirakan ) | $0.33 ( diperkirakan ) | - |
GPU berkinerja tinggi sangat penting untuk pelatihan model AI. io.net dan Aethir memimpin dalam jumlah GPU H100 dan A100, membuatnya lebih cocok untuk komputasi model besar. Biaya jaringan GPU Desentralisasi sudah jauh lebih rendah dibandingkan layanan GPU tersentralisasi, membuka peluang oligopoli untuk membangun lebih banyak kasus penggunaan AI dan ML.
GPU/CPU kelas konsumen juga berperan penting dalam jaringan ini. Proyek seperti Render, Akash, dan io.net dapat melayani bagian pasar ini, memberikan lebih banyak pilihan bagi para pengembang.
Kesimpulan
Meskipun bidang AI DePIN masih relatif baru, namun telah menunjukkan perkembangan yang kuat. Jumlah tugas dan perangkat keras yang dijalankan dalam jaringan GPU desentralisasi ini terus meningkat, menyoroti permintaan yang terus tumbuh akan alternatif sumber daya perangkat keras dari penyedia cloud Web2. Melihat ke depan, jaringan GPU desentralisasi ini akan memainkan peran kunci dalam menyediakan solusi komputasi yang efisien secara ekonomi bagi para pengembang, memberikan kontribusi signifikan terhadap lanskap masa depan kecerdasan buatan dan infrastruktur komputasi.