تقاطع الذكاء الاصطناعي و DePIN: صعود شبكة GPU اللامركزية
في الآونة الأخيرة، أصبحت الذكاء الاصطناعي و DePIN من المواضيع الساخنة في مجال Web3، حيث بلغت قيمتهما السوقية 300 مليار دولار و 230 مليار دولار على التوالي. تركز هذه المقالة على تقاطع بين الاثنين، وتبحث في تطور البروتوكولات ذات الصلة.
في مجموعة تقنيات الذكاء الاصطناعي، تمكّن شبكة DePIN الذكاء الاصطناعي من خلال توفير موارد الحوسبة. بسبب الشراء الكبير من قبل الشركات التكنولوجية الكبرى، أصبح هناك نقص في وحدات معالجة الرسوميات (GPU)، مما يجعل من الصعب على المطورين الآخرين الحصول على ما يكفي من وحدات معالجة الرسوميات لتدريب نماذج الذكاء الاصطناعي. توفر DePIN بديلاً أكثر مرونة وفعالية من حيث التكلفة، من خلال تحفيز المساهمة في الموارد بمكافآت رمزية. في مجال الذكاء الاصطناعي، تقوم DePIN بتمويل موارد وحدات معالجة الرسوميات من مالكيها الأفراد إلى مراكز البيانات، مما يشكل إمداد موحد للمستخدمين. وهذا لا يوفر فقط للمطورين وصولاً مخصصًا عند الطلب، بل يخلق أيضًا دخلاً إضافيًا لمالكي وحدات معالجة الرسوميات.
ظهرت عدة شبكات DePIN AI في السوق، ولكل منها ميزاتها الفريدة. يعتبر Render رائد شبكة حساب GPU من نظير إلى نظير، حيث كان يركز في البداية على رسم الرسوم البيانية، ثم توسع ليشمل مهام حساب AI. تم تحديد Akash كبديل "السحابة الفائقة" للمنصات السحابية التقليدية، حيث يدعم التخزين، وحساب GPU و CPU. توفر io.net مجموعة سحابية موزعة من GPU مصممة خصيصًا للذكاء الاصطناعي وتعلم الآلة. يركز Gensyn على حسابات تعلم الآلة والتعلم العميق، ويزعم أنه حقق آلية تحقق أكثر كفاءة. تقدم Aethir GPU على مستوى المؤسسات، وتركز على المجالات كثيفة الحساب مثل AI، وتعلم الآلة، والألعاب السحابية. بينما تعمل Phala Network كطبقة تنفيذ لحلول AI في Web3، مما يسمح لوكلاء AI بأن يتم التحكم بهم بواسطة عقود ذكية على السلسلة.
تتميز هذه المشاريع في مجالات الأجهزة، وتركيز الأعمال، وأنواع مهام الذكاء الاصطناعي، وآلية التسعير، والبلوكشين، وخصوصية البيانات، والأمان. لقد قامت معظم المشاريع بدمج مجموعات GPU لتحقيق الحساب المتوازي، لتلبية احتياجات تدريب نماذج الذكاء الاصطناعي المعقدة. في خصوصية البيانات، تستخدم المشاريع تقنيات مختلفة مثل التشفير وTEE لحماية البيانات الحساسة. لضمان جودة الحساب، وضعت معظم المشاريع آليات لإثبات الإنجاز وفحص الجودة.
على صعيد الأجهزة، حصلت مشاريع مثل io.net و Aethir على أكثر من 2000 وحدة GPU عالية الأداء، مما يجعلها أكثر ملاءمة لحسابات النماذج الكبيرة. مقارنة بخدمات السحابة المركزية، تتمتع هذه الشبكات اللامركزية بميزة واضحة من حيث الأسعار. وفي الوقت نفسه، قدمت بعض المشاريع أيضًا سوقًا لوحدات GPU/CPU المخصصة للاستخدام المنزلي، لتلبية احتياجات الحوسبة بمقاييس مختلفة.
على الرغم من أن مجال AI DePIN لا يزال يواجه تحديات، إلا أن الزيادة الملحوظة في حجم المهام وعدد الأجهزة تبرز الطلب في السوق. في المستقبل، من المتوقع أن تلعب هذه الشبكات اللامركزية GPU دورًا حاسمًا في توفير بدائل حسابية فعالة من حيث التكلفة للمطورين، مما يساهم بشكل كبير في تطوير AI والبنية التحتية للحوسبة.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تقاطع الذكاء الاصطناعي وDePIN: صعود الشبكات اللامركزية للمعالجة الرسومية لتمكين الذكاء الاصطناعي
تقاطع الذكاء الاصطناعي و DePIN: صعود شبكة GPU اللامركزية
في الآونة الأخيرة، أصبحت الذكاء الاصطناعي و DePIN من المواضيع الساخنة في مجال Web3، حيث بلغت قيمتهما السوقية 300 مليار دولار و 230 مليار دولار على التوالي. تركز هذه المقالة على تقاطع بين الاثنين، وتبحث في تطور البروتوكولات ذات الصلة.
! تقاطع الذكاء الاصطناعي و DePIN
في مجموعة تقنيات الذكاء الاصطناعي، تمكّن شبكة DePIN الذكاء الاصطناعي من خلال توفير موارد الحوسبة. بسبب الشراء الكبير من قبل الشركات التكنولوجية الكبرى، أصبح هناك نقص في وحدات معالجة الرسوميات (GPU)، مما يجعل من الصعب على المطورين الآخرين الحصول على ما يكفي من وحدات معالجة الرسوميات لتدريب نماذج الذكاء الاصطناعي. توفر DePIN بديلاً أكثر مرونة وفعالية من حيث التكلفة، من خلال تحفيز المساهمة في الموارد بمكافآت رمزية. في مجال الذكاء الاصطناعي، تقوم DePIN بتمويل موارد وحدات معالجة الرسوميات من مالكيها الأفراد إلى مراكز البيانات، مما يشكل إمداد موحد للمستخدمين. وهذا لا يوفر فقط للمطورين وصولاً مخصصًا عند الطلب، بل يخلق أيضًا دخلاً إضافيًا لمالكي وحدات معالجة الرسوميات.
! تقاطع الذكاء الاصطناعي و DePIN
ظهرت عدة شبكات DePIN AI في السوق، ولكل منها ميزاتها الفريدة. يعتبر Render رائد شبكة حساب GPU من نظير إلى نظير، حيث كان يركز في البداية على رسم الرسوم البيانية، ثم توسع ليشمل مهام حساب AI. تم تحديد Akash كبديل "السحابة الفائقة" للمنصات السحابية التقليدية، حيث يدعم التخزين، وحساب GPU و CPU. توفر io.net مجموعة سحابية موزعة من GPU مصممة خصيصًا للذكاء الاصطناعي وتعلم الآلة. يركز Gensyn على حسابات تعلم الآلة والتعلم العميق، ويزعم أنه حقق آلية تحقق أكثر كفاءة. تقدم Aethir GPU على مستوى المؤسسات، وتركز على المجالات كثيفة الحساب مثل AI، وتعلم الآلة، والألعاب السحابية. بينما تعمل Phala Network كطبقة تنفيذ لحلول AI في Web3، مما يسمح لوكلاء AI بأن يتم التحكم بهم بواسطة عقود ذكية على السلسلة.
! تقاطع الذكاء الاصطناعي و DePIN
تتميز هذه المشاريع في مجالات الأجهزة، وتركيز الأعمال، وأنواع مهام الذكاء الاصطناعي، وآلية التسعير، والبلوكشين، وخصوصية البيانات، والأمان. لقد قامت معظم المشاريع بدمج مجموعات GPU لتحقيق الحساب المتوازي، لتلبية احتياجات تدريب نماذج الذكاء الاصطناعي المعقدة. في خصوصية البيانات، تستخدم المشاريع تقنيات مختلفة مثل التشفير وTEE لحماية البيانات الحساسة. لضمان جودة الحساب، وضعت معظم المشاريع آليات لإثبات الإنجاز وفحص الجودة.
! تقاطع الذكاء الاصطناعي و DePIN
على صعيد الأجهزة، حصلت مشاريع مثل io.net و Aethir على أكثر من 2000 وحدة GPU عالية الأداء، مما يجعلها أكثر ملاءمة لحسابات النماذج الكبيرة. مقارنة بخدمات السحابة المركزية، تتمتع هذه الشبكات اللامركزية بميزة واضحة من حيث الأسعار. وفي الوقت نفسه، قدمت بعض المشاريع أيضًا سوقًا لوحدات GPU/CPU المخصصة للاستخدام المنزلي، لتلبية احتياجات الحوسبة بمقاييس مختلفة.
على الرغم من أن مجال AI DePIN لا يزال يواجه تحديات، إلا أن الزيادة الملحوظة في حجم المهام وعدد الأجهزة تبرز الطلب في السوق. في المستقبل، من المتوقع أن تلعب هذه الشبكات اللامركزية GPU دورًا حاسمًا في توفير بدائل حسابية فعالة من حيث التكلفة للمطورين، مما يساهم بشكل كبير في تطوير AI والبنية التحتية للحوسبة.
! تقاطع الذكاء الاصطناعي و DePIN
! تقاطع الذكاء الاصطناعي و DePIN