AI и DePIN: Восход децентрализованных GPU сетей

С 2023 года AI и DePIN демонстрируют бурное развитие в области Web3. Рыночная капитализация AI достигла 30 миллиардов долларов, а рыночная капитализация DePIN составляет около 23 миллиардов долларов. Эти две области охватывают множество различных протоколов, обслуживающих различные потребности. В этой статье будет рассмотрено пересечение этих двух областей и исследовано развитие протоколов в этой области.

! Пересечение AI и DePIN

В стеке технологий AI сеть DePIN предоставляет полезность для AI через вычислительные ресурсы. Развитие крупных технологических компаний привело к нехватке GPU, что затрудняет другим разработчикам, строящим AI-модели, получение достаточного количества GPU для вычислений. Это часто заставляет разработчиков выбирать централизованных облачных провайдеров, но из-за необходимости подписывать неэластичные долгосрочные контракты на высокопроизводительное оборудование это приводит к снижению эффективности.

DePIN по сути предоставляет более гибкую и экономически эффективную альтернативу, которая использует токенизированные вознаграждения для поощрения вкладов ресурсов, соответствующих целям сети. DePIN в области искусственного интеллекта краудсорсит ресурсы GPU от частных владельцев в дата-центры, формируя унифицированное предложение для пользователей, которым необходим доступ к оборудованию. Эти сети DePIN не только предоставляют разработчикам, нуждающимся в вычислительной мощности, возможность настройки и доступ по требованию, но также обеспечивают владельцев GPU дополнительным доходом.

На рынке существует множество AI DePIN сетей, в данной статье будут рассмотрены функции и цели каждого протокола, а также некоторые конкретные достижения, которых они уже добились.

Обзор сети AI DePIN

Render является пионером P2P сети, предоставляющей вычислительные возможности GPU, изначально сосредоточенной на рендеринге графики для создания контента, а затем расширившей свои возможности за счет интеграции таких инструментов, как Stable Diffusion, чтобы включить вычислительные задачи от нейронных отражающих полей (NeRF) до генеративного ИИ.

Особенности Render:

1. Основана компанией OTOY, облачной графической компанией с наградой Оскар за технологии.
2. GPU сеть была использована такими крупными компаниями развлекательной индустрии, как Paramount Pictures, PUBG, Звёздный путь и др.
3. Сотрудничество с Stability AI и Endeavor, интеграция AI моделей с рабочим процессом рендеринга 3D контента с использованием GPU Render
4. Утверждение нескольких вычислительных клиентов, интеграция большего числа GPU DePIN сетей

Akash позиционирует себя как "супероблако" для традиционных платформ, поддерживающих хранение, GPU и CPU вычисления. Используя такие удобные для разработчиков инструменты, как платформа контейнеров Akash и вычислительные узлы, управляемые Kubernetes, он способен бесшовно развертывать программное обеспечение в разных средах, что позволяет запускать любые облачные нативные приложения.

Особенности Akash:

1. Для широкого спектра вычислительных задач от общего вычисления до сетевого хостинга
2. AkashML позволяет своей сети GPU запускать более 15 000 моделей на Hugging Face, одновременно интегрируясь с Hugging Face.
3. Akash размещает некоторые примечательные приложения, такие как чат-бот на основе модели LLM от Mistral AI, модель текст в изображение SDXL от Stability AI, а также новую базовую модель AT-1 от Thumper AI.
4. Платформы для создания метавселенной, развертывания искусственного интеллекта и федеративного обучения используют Supercloud

io.net предоставляет доступ к распределенным GPU облачным кластерам, которые специально предназначены для использования в AI и ML. Он агрегирует GPU из таких областей, как центры обработки данных, криптошахтеры и другие децентрализованные сети.

Особенности io.net:

1. Его IO-SDK совместим с такими фреймворками, как PyTorch и Tensorflow, его многослойная архитектура может автоматически динамически масштабироваться в зависимости от вычислительных требований.
2. Поддержка создания 3 различных типов кластеров, которые можно запустить за 2 минуты
3. Сильные совместные усилия по интеграции GPU других сетей DePIN, включая Render, Filecoin, Aethir и Exabits

Gensyn предоставляет вычислительные мощности GPU, сосредоточенные на машинном обучении и глубоком обучении. Он утверждает, что достиг более эффективного механизма верификации, сочетая такие концепции, как доказательство работы для верификации, графические точные протоколы для повторной верификации работы, а также стимулы в стиле Truebit, связанные со ставками и сокращениями со стороны поставщиков вычислений.

Особенности Gensyn:

1. Ожидаемая стоимость эквивалентного GPU V100 составляет около 0,40 долларов в час, что значительно сэкономит затраты.
2. С помощью стековой верификации можно дообучить заранее обученную базовую модель для выполнения более конкретных задач.
3. Эти базовые модели будут децентрализованными, глобально принадлежащими, и помимо аппаратной вычислительной сети будут предоставлять дополнительные функции.

Aethir специально оснащен корпоративными GPU и сосредоточен на вычислительно емких областях, в основном на искусственном интеллекте, машинном обучении (ML), облачных играх и т.д. Контейнеры в сети выступают в качестве виртуальных конечных точек для выполнения облачных приложений, перемещая рабочие нагрузки с локальных устройств в контейнеры для обеспечения низкой задержки. Для обеспечения качественного обслуживания пользователей они приближают GPU к источникам данных в зависимости от потребностей и местоположения, тем самым регулируя ресурсы.

Особенности Aethir:

1. Кроме искусственного интеллекта и облачных игр, Aethir также расширяется на услуги облачных телефонов и сотрудничает с APhone для запуска децентрализованного облачного смартфона.
2. Установлены широкие партнерские отношения с крупными компаниями, такими как NVIDIA, Super Micro, HPE, Foxconn и Well Link.
3. Несколько партнеров в Web3, таких как CARV, Magic Eden, Sequence, Impossible Finance и другие

Phala Network выступает в качестве исполнительного слоя для Web3 AI решений. Его блокчейн представляет собой решение облачных вычислений без доверия, разработанное для решения проблем конфиденциальности с использованием его доверенной исполняемой среды (TEE). Его исполнительный слой не используется в качестве вычислительного слоя для AI моделей, а позволяет AI агентам контролироваться умными контрактами на цепочке.

Особенности Phala Network:

1. Выступает в качестве проверяемого вычислительного протокола сопроцессора, одновременно позволяя агентам ИИ использовать ресурсы в сети.
2. Их контракты с искусственным интеллектом можно получить через Redpill, включая такие ведущие модели языка, как OpenAI, Llama, Claude и Hugging Face.
3. В будущем будут включены zk-доказательства, многопартитные вычисления (MPC), полностью однородное шифрование (FHE) и другие многоуровневые доказательные системы
4. В будущем поддержка других TEE GPU, таких как H100, для увеличения вычислительной мощности

Сравнение проектов

| | Рендер | Акаш | io.net | Генсин | Эфир | Фала | |--------|-------------|------------------|---------------------|---------|---------------|----------| | Аппаратное обеспечение | GPU & CPU | GPU & CPU | GPU & CPU | GPU | GPU | CPU | | Основные направления бизнеса | Графическая визуализация и ИИ | Облачные вычисления, визуализация и ИИ | ИИ | ИИ | Искусственный интеллект, облачные игры и телекоммуникации | Исполнение ИИ на блокчейне | | Тип задачи ИИ | Вывод | Обучение и вывод | Обучение и вывод | Обучение | Обучение | Выполнение | | Ценообразование работы | Ценообразование на основе производительности | Обратные аукционы | Рыночное ценообразование | Рыночное ценообразование | Система тендеров | Расчет прав | | Блокчейн | Солана | Космос | Солана | Генсин | Арбитраж | Горошек | | Защита данных | Шифрование&хеширование | mTLS аутентификация | Шифрование данных | Безопасное отображение | Шифрование | TEE | | Рабочие расходы | Каждая работа 0,5-5% | 20% USDC, 4% AKT | 2% USDC, 0,25% резервный сбор | Низкие расходы | За каждую сессию 20% | Пропорционально сумме стейкинга | | Безопасность | Доказательство рендеринга | Доказательство доли | Доказательство вычислений | Доказательство доли | Доказательство вычислительной способности | Унаследовано от промежуточной цепи | | Подтверждение завершения | - | - | Подтверждение блокировки времени | Подтверждение обучения | Подтверждение рендеринга | Подтверждение TEE | | Гарантия качества | Споры | - | - | Проверяющий и сообщающий | Узел проверяющего | Удаленное доказательство | | GPU кластер | Нет | Да | Да | Да | Да | Нет |

! Пересечение AI и DePIN

Доступность кластеров и параллельных вычислений имеет решающее значение для обучения сложных моделей ИИ. Большинство проектов теперь интегрировали кластеры для параллельных вычислений. io.net сотрудничает с другими проектами, такими как Render, Filecoin и Aethir, чтобы включить больше GPU в свою сеть и успешно развернул более 3,800 кластеров в первом квартале 24 года.

Конфиденциальность данных является ключевой проблемой в разработке моделей ИИ. Большинство проектов используют какую-либо форму шифрования данных для защиты конфиденциальности. io.net недавно сотрудничал с Mind Network для запуска полностью гомоморфного шифрования (FHE), позволяющего обрабатывать зашифрованные данные без предварительной расшифровки. Phala Network представила доверенную вычислительную среду (TEE), которая может предотвратить доступ или изменение данных внешними процессами.

Документы о завершении расчетов и проверка качества имеют решающее значение для обеспечения качества работы. Gensyn и Aethir создают доказательства, чтобы подтвердить, что работа выполнена, и проводят проверку качества завершенных расчетов. Render предлагает использовать процесс разрешения споров, если проверяющий комитет находит проблемы с узлом, то этот узел будет сокращен.

Аппаратная статистика

| | Рендеринг | Акаш | io.net | Генсин | Этир | Фала | |-------------|--------|-------|--------|------------|------------|--------| | Количество GPU | 5600 | 384 | 38177 | - | 40000+ | - | | Количество CPU | 114 | 14672 | 5433 | - | - | 30000+ | | Количество H100/A100 | - | 157 | 2330 | - | 2000+ | - | | H100 стоимость/час | - | $1.46 | $1.19 | - | - | - | | A100 стоимость/час | - | $1.37 | $1.50 | $0.55 ( ожидается ) | $0.33 ( ожидается ) | - |

! Пересечение AI и DePIN

Высокопроизводительные GPU имеют решающее значение для обучения моделей ИИ. io.net и Aethir лидируют по количеству GPU H100 и A100, что делает их более подходящими для вычислений с крупными моделями. Стоимость децентрализованных GPU сетей уже значительно ниже, чем у централизованных услуг GPU, открывая олигархическую ситуацию для создания большего числа случаев использования ИИ и МЛ.

Графические процессоры/центральные процессоры уровня потребителя также играют важную роль в этих сетях. Проекты, такие как Render, Akash и io.net, могут обслуживать эту часть рынка, предоставляя разработчикам больше выбор.

Заключение

Хотя область AI DePIN все еще относительно нова, она уже демонстрирует сильные темпы развития. Увеличение количества задач и аппаратного обеспечения в этих децентрализованных GPU-сетях подчеркивает растущий спрос на альтернативные аппаратные ресурсы от облачных провайдеров Web2. В будущем эти распределенные GPU-сети сыграют ключевую роль в предоставлении разработчикам экономически эффективных вычислительных альтернатив, существенно влияя на будущее искусственного интеллекта и вычислительной инфраструктуры.

! Пересечение искусственного интеллекта и DePIN

! Пересечение AI и DePIN

! Пересечение ИИ и DePIN

! Пересечение искусственного интеллекта и DePIN

! Пересечение AI и DePIN