Fusion de l'IA et de DePIN : l'essor des réseaux GPU distribués
Depuis 2023, l'IA et le DePIN sont devenus des sujets populaires dans le domaine du Web3, atteignant respectivement une capitalisation boursière de 30 milliards de dollars et 23 milliards de dollars. Cet article explorera l'intersection de ces deux domaines, en se concentrant sur le développement des protocoles connexes.
Dans la pile technologique AI, le réseau DePIN permet d'autonomiser l'IA en fournissant des ressources informatiques. En raison du développement des grandes entreprises technologiques entraînant une pénurie de GPU, d'autres développeurs ont du mal à obtenir suffisamment de GPU pour former des modèles d'IA. DePIN offre une alternative plus flexible et plus rentable en incitant à la contribution de ressources à travers des récompenses en tokens. Le réseau DePIN dans le domaine de l'IA foule les ressources GPU des propriétaires individuels vers des centres de données, fournissant une offre unifiée aux utilisateurs.
Aperçu du réseau DePIN AI
Rendre
Render est un pionnier des réseaux P2P offrant des capacités de calcul GPU, initialement axé sur le rendu graphique pour la création de contenu, puis élargissant son champ d'application pour inclure des tâches de calcul AI. Son réseau GPU a été utilisé par des grandes entreprises du secteur du divertissement comme Paramount Pictures et PUBG.
Akash
Akash se positionne comme une alternative "super cloud" prenant en charge le stockage, le calcul GPU et CPU. Son AkashML permet aux réseaux GPU de faire fonctionner plus de 15 000 modèles sur Hugging Face.
io.net
io.net fournit un accès aux clusters de cloud GPU distribués, spécialement conçus pour les cas d'utilisation en IA et en ML. Son IO-SDK est compatible avec des frameworks comme PyTorch et Tensorflow, et son architecture multi-niveaux peut s'étendre dynamiquement selon les besoins de calcul.
Gensyn
Gensyn offre des capacités de calcul GPU axées sur l'apprentissage automatique et l'apprentissage profond. Il revendique avoir mis en place un mécanisme de validation plus efficace en combinant des concepts tels que les preuves d'apprentissage et des protocoles de localisation précis basés sur des graphes.
Aethir
Aethir est spécialement équipé de GPU d'entreprise, se concentrant sur les domaines à forte intensité de calcul, principalement l'intelligence artificielle, l'apprentissage automatique, le jeu en cloud, etc. Les conteneurs dans son réseau agissent comme des points de terminaison virtuels pour exécuter des applications basées sur le cloud, afin d'offrir une expérience à faible latence.
Phala Network
Phala Network agit en tant que couche d'exécution pour les solutions Web3 AI. Sa blockchain est une solution de cloud computing sans confiance, conçue pour traiter les problèmes de confidentialité en utilisant son environnement d'exécution de confiance (TEE).
Comparaison des projets
Les projets diffèrent en termes de matériel, d'axes commerciaux, de types de tâches IA, de tarification du travail, de blockchain, de confidentialité des données, de coûts de travail, de sécurité, de preuves d'achèvement, d'assurance qualité, de clusters GPU, etc.
importance
Disponibilité du calcul en cluster et parallèle
Le cadre de calcul distribué a mis en place un cluster GPU, offrant un entraînement plus efficace tout en améliorant l'évolutivité. La plupart des projets clés ont maintenant intégré des clusters pour permettre le calcul parallèle.
Confidentialité des données
Le développement de modèles d'IA nécessite l'utilisation de grands ensembles de données qui peuvent contenir des informations sensibles. La plupart des projets utilisent une forme de cryptage des données pour protéger la vie privée des données. io.net a récemment collaboré avec Mind Network pour lancer un cryptage complètement homomorphe (FHE), permettant de traiter des données cryptées sans avoir besoin de les déchiffrer au préalable.
Preuve de calcul terminée et vérification de la qualité
Plusieurs projets offrent des certificats de réalisation et des mécanismes de contrôle de qualité pour garantir la qualité du travail et prévenir la tricherie.
Données statistiques matérielles
Les projets varient en termes de nombre de GPU, de nombre de CPU, de nombre de GPU haute performance et de leurs coûts. io.net et Aethir sont en tête en ce qui concerne le nombre de GPU haute performance.
Exigences en matière de GPU haute performance
L'entraînement des modèles d'IA nécessite des GPU de performance optimale, tels que les A100 et H100 de Nvidia. Les fournisseurs de marché GPU décentralisés doivent offrir un nombre suffisant de GPU haute performance pour rivaliser avec les services centralisés.
fournit des GPU/CPU de niveau consommateur
Certains projets offrent également des GPU/CPU de niveau consommation, pouvant être utilisés pour des tâches moins intensives, comme le réglage fin de modèles pré-entraînés ou l'entraînement de petits modèles.
Conclusion
Le domaine de DePIN pour l'IA est encore relativement émergent et fait face à des défis. Cependant, le nombre de tâches exécutées sur ces réseaux GPU décentralisés et le matériel associé augmentent de manière significative, mettant en évidence la croissance de la demande pour des alternatives aux ressources matérielles des fournisseurs de cloud Web2. À l'avenir, ces réseaux GPU décentralisés joueront un rôle clé en offrant des alternatives de calcul économiques aux développeurs, contribuant de manière significative à l'avenir de l'IA et de l'infrastructure de calcul.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
6 J'aime
Récompense
6
6
Reposter
Partager
Commentaire
0/400
MissingSats
· 08-10 02:25
Il y a une pénurie de GPU, pro, il est temps de fouiller partout pour trouver un Rig de minage.
Voir l'originalRépondre0
rugpull_ptsd
· 08-10 02:23
Pénurie nm c'est juste de la spéculation
Voir l'originalRépondre0
RegenRestorer
· 08-10 02:09
Mining, ça fait perdre de l'argent dès qu'on revend, comment miner ?
Voir l'originalRépondre0
GateUser-8b37fed1
· 08-10 02:05
ferme HODL💎
Voir l'originalRépondre0
SoliditySlayer
· 08-10 02:03
Les GPU sont en train de flamber !
Voir l'originalRépondre0
MissedAirdropBro
· 08-10 01:57
Je vais encore copier les devoirs pour devenir un devin.
Fusion de l'IA et de DePIN : l'émergence des réseaux GPU distribués mène à une nouvelle ère de calcul
Fusion de l'IA et de DePIN : l'essor des réseaux GPU distribués
Depuis 2023, l'IA et le DePIN sont devenus des sujets populaires dans le domaine du Web3, atteignant respectivement une capitalisation boursière de 30 milliards de dollars et 23 milliards de dollars. Cet article explorera l'intersection de ces deux domaines, en se concentrant sur le développement des protocoles connexes.
Dans la pile technologique AI, le réseau DePIN permet d'autonomiser l'IA en fournissant des ressources informatiques. En raison du développement des grandes entreprises technologiques entraînant une pénurie de GPU, d'autres développeurs ont du mal à obtenir suffisamment de GPU pour former des modèles d'IA. DePIN offre une alternative plus flexible et plus rentable en incitant à la contribution de ressources à travers des récompenses en tokens. Le réseau DePIN dans le domaine de l'IA foule les ressources GPU des propriétaires individuels vers des centres de données, fournissant une offre unifiée aux utilisateurs.
Aperçu du réseau DePIN AI
Rendre
Render est un pionnier des réseaux P2P offrant des capacités de calcul GPU, initialement axé sur le rendu graphique pour la création de contenu, puis élargissant son champ d'application pour inclure des tâches de calcul AI. Son réseau GPU a été utilisé par des grandes entreprises du secteur du divertissement comme Paramount Pictures et PUBG.
Akash
Akash se positionne comme une alternative "super cloud" prenant en charge le stockage, le calcul GPU et CPU. Son AkashML permet aux réseaux GPU de faire fonctionner plus de 15 000 modèles sur Hugging Face.
io.net
io.net fournit un accès aux clusters de cloud GPU distribués, spécialement conçus pour les cas d'utilisation en IA et en ML. Son IO-SDK est compatible avec des frameworks comme PyTorch et Tensorflow, et son architecture multi-niveaux peut s'étendre dynamiquement selon les besoins de calcul.
Gensyn
Gensyn offre des capacités de calcul GPU axées sur l'apprentissage automatique et l'apprentissage profond. Il revendique avoir mis en place un mécanisme de validation plus efficace en combinant des concepts tels que les preuves d'apprentissage et des protocoles de localisation précis basés sur des graphes.
Aethir
Aethir est spécialement équipé de GPU d'entreprise, se concentrant sur les domaines à forte intensité de calcul, principalement l'intelligence artificielle, l'apprentissage automatique, le jeu en cloud, etc. Les conteneurs dans son réseau agissent comme des points de terminaison virtuels pour exécuter des applications basées sur le cloud, afin d'offrir une expérience à faible latence.
Phala Network
Phala Network agit en tant que couche d'exécution pour les solutions Web3 AI. Sa blockchain est une solution de cloud computing sans confiance, conçue pour traiter les problèmes de confidentialité en utilisant son environnement d'exécution de confiance (TEE).
Comparaison des projets
Les projets diffèrent en termes de matériel, d'axes commerciaux, de types de tâches IA, de tarification du travail, de blockchain, de confidentialité des données, de coûts de travail, de sécurité, de preuves d'achèvement, d'assurance qualité, de clusters GPU, etc.
importance
Disponibilité du calcul en cluster et parallèle
Le cadre de calcul distribué a mis en place un cluster GPU, offrant un entraînement plus efficace tout en améliorant l'évolutivité. La plupart des projets clés ont maintenant intégré des clusters pour permettre le calcul parallèle.
Confidentialité des données
Le développement de modèles d'IA nécessite l'utilisation de grands ensembles de données qui peuvent contenir des informations sensibles. La plupart des projets utilisent une forme de cryptage des données pour protéger la vie privée des données. io.net a récemment collaboré avec Mind Network pour lancer un cryptage complètement homomorphe (FHE), permettant de traiter des données cryptées sans avoir besoin de les déchiffrer au préalable.
Preuve de calcul terminée et vérification de la qualité
Plusieurs projets offrent des certificats de réalisation et des mécanismes de contrôle de qualité pour garantir la qualité du travail et prévenir la tricherie.
Données statistiques matérielles
Les projets varient en termes de nombre de GPU, de nombre de CPU, de nombre de GPU haute performance et de leurs coûts. io.net et Aethir sont en tête en ce qui concerne le nombre de GPU haute performance.
Exigences en matière de GPU haute performance
L'entraînement des modèles d'IA nécessite des GPU de performance optimale, tels que les A100 et H100 de Nvidia. Les fournisseurs de marché GPU décentralisés doivent offrir un nombre suffisant de GPU haute performance pour rivaliser avec les services centralisés.
fournit des GPU/CPU de niveau consommateur
Certains projets offrent également des GPU/CPU de niveau consommation, pouvant être utilisés pour des tâches moins intensives, comme le réglage fin de modèles pré-entraînés ou l'entraînement de petits modèles.
Conclusion
Le domaine de DePIN pour l'IA est encore relativement émergent et fait face à des défis. Cependant, le nombre de tâches exécutées sur ces réseaux GPU décentralisés et le matériel associé augmentent de manière significative, mettant en évidence la croissance de la demande pour des alternatives aux ressources matérielles des fournisseurs de cloud Web2. À l'avenir, ces réseaux GPU décentralisés joueront un rôle clé en offrant des alternatives de calcul économiques aux développeurs, contribuant de manière significative à l'avenir de l'IA et de l'infrastructure de calcul.