AI et DePIN : l'essor des réseaux GPU décentralisés
Récemment, l'IA et le DePIN sont devenus des sujets populaires dans le domaine du Web3, avec une capitalisation boursière atteignant respectivement 30 milliards de dollars et 23 milliards de dollars. Cet article se concentre sur l'intersection des deux et explore le développement des protocoles connexes.
Dans la pile technologique de l'IA, le réseau DePIN autonomise l'IA en fournissant des ressources de calcul. En raison de l'achat massif par de grandes entreprises technologiques, il y a une pénurie de GPU, rendant difficile pour d'autres développeurs d'obtenir suffisamment de GPU pour l'entraînement de modèles d'IA. DePIN offre une alternative plus flexible et plus rentable, en incitant à la contribution de ressources par des récompenses en jetons. DePIN dans le domaine de l'IA externalise les ressources GPU des propriétaires individuels vers des centres de données, formant une offre unifiée pour les utilisateurs. Cela non seulement offre aux développeurs un accès sur mesure et à la demande, mais crée également un revenu supplémentaire pour les propriétaires de GPU.
Plusieurs réseaux AI DePIN ont émergé sur le marché, chacun avec ses caractéristiques. Render est un pionnier des réseaux de calcul GPU P2P, initialement axé sur le rendu graphique, puis s'est élargi aux tâches de calcul AI. Akash se positionne comme un "super cloud" alternatif aux plateformes cloud traditionnelles, prenant en charge le stockage, le calcul GPU et CPU. io.net propose des clusters cloud GPU distribués spécifiquement pour l'AI et l'apprentissage automatique. Gensyn se concentre sur le calcul d'apprentissage automatique et d'apprentissage profond, affirmant avoir mis en œuvre un mécanisme de validation plus efficace. Aethir propose des GPU de niveau entreprise, ciblant des domaines intensifs en calcul tels que l'AI, l'apprentissage automatique et les jeux dans le cloud. Phala Network, quant à elle, agit comme la couche d'exécution des solutions AI Web3, permettant aux agents AI d'être contrôlés par des contrats intelligents sur la chaîne.
Ces projets se distinguent par leurs caractéristiques en matière de matériel, d'objectifs commerciaux, de types de tâches d'IA, de mécanismes de tarification, de blockchain, de confidentialité des données et de sécurité. La plupart des projets ont intégré des clusters GPU pour réaliser un calcul parallèle, répondant aux besoins d'entraînement de modèles d'IA complexes. En ce qui concerne la confidentialité des données, chaque projet utilise différentes technologies telles que le chiffrement et le TEE pour protéger les données sensibles. Pour garantir la qualité du calcul, la plupart des projets disposent de mécanismes de preuve d'achèvement et de contrôle de qualité.
En termes de matériel, des projets tels que io.net et Aethir ont obtenu plus de 2000 unités GPU haute performance, plus adaptées au calcul de grands modèles. Par rapport aux services cloud centralisés, ces réseaux décentralisés présentent un avantage de prix évident. En même temps, certains projets ont également créé un marché pour les GPU/CPU de niveau consommateur, répondant ainsi à des besoins de calcul de différentes échelles.
Bien que le domaine de l'IA DePIN fasse encore face à des défis, la croissance significative de la charge de travail et du nombre de matériels met en évidence la demande sur le marché. À l'avenir, ces réseaux GPU décentralisés devraient jouer un rôle clé en offrant aux développeurs des alternatives de calcul économiques, contribuant ainsi de manière significative au développement de l'IA et des infrastructures 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.
14 J'aime
Récompense
14
4
Partager
Commentaire
0/400
OldLeekConfession
· Il y a 22h
Faisons-le, les frères.
Voir l'originalRépondre0
NFTArchaeologist
· Il y a 22h
La mise en commun des ressources GPU est géniale.
Voir l'originalRépondre0
CoffeeNFTrader
· Il y a 23h
Les vagues suivantes finiront par dépasser les vagues précédentes.
AI et DePIN se rencontrent : l'émergence des réseaux GPU décentralisés pour renforcer l'IA
AI et DePIN : l'essor des réseaux GPU décentralisés
Récemment, l'IA et le DePIN sont devenus des sujets populaires dans le domaine du Web3, avec une capitalisation boursière atteignant respectivement 30 milliards de dollars et 23 milliards de dollars. Cet article se concentre sur l'intersection des deux et explore le développement des protocoles connexes.
Dans la pile technologique de l'IA, le réseau DePIN autonomise l'IA en fournissant des ressources de calcul. En raison de l'achat massif par de grandes entreprises technologiques, il y a une pénurie de GPU, rendant difficile pour d'autres développeurs d'obtenir suffisamment de GPU pour l'entraînement de modèles d'IA. DePIN offre une alternative plus flexible et plus rentable, en incitant à la contribution de ressources par des récompenses en jetons. DePIN dans le domaine de l'IA externalise les ressources GPU des propriétaires individuels vers des centres de données, formant une offre unifiée pour les utilisateurs. Cela non seulement offre aux développeurs un accès sur mesure et à la demande, mais crée également un revenu supplémentaire pour les propriétaires de GPU.
Plusieurs réseaux AI DePIN ont émergé sur le marché, chacun avec ses caractéristiques. Render est un pionnier des réseaux de calcul GPU P2P, initialement axé sur le rendu graphique, puis s'est élargi aux tâches de calcul AI. Akash se positionne comme un "super cloud" alternatif aux plateformes cloud traditionnelles, prenant en charge le stockage, le calcul GPU et CPU. io.net propose des clusters cloud GPU distribués spécifiquement pour l'AI et l'apprentissage automatique. Gensyn se concentre sur le calcul d'apprentissage automatique et d'apprentissage profond, affirmant avoir mis en œuvre un mécanisme de validation plus efficace. Aethir propose des GPU de niveau entreprise, ciblant des domaines intensifs en calcul tels que l'AI, l'apprentissage automatique et les jeux dans le cloud. Phala Network, quant à elle, agit comme la couche d'exécution des solutions AI Web3, permettant aux agents AI d'être contrôlés par des contrats intelligents sur la chaîne.
Ces projets se distinguent par leurs caractéristiques en matière de matériel, d'objectifs commerciaux, de types de tâches d'IA, de mécanismes de tarification, de blockchain, de confidentialité des données et de sécurité. La plupart des projets ont intégré des clusters GPU pour réaliser un calcul parallèle, répondant aux besoins d'entraînement de modèles d'IA complexes. En ce qui concerne la confidentialité des données, chaque projet utilise différentes technologies telles que le chiffrement et le TEE pour protéger les données sensibles. Pour garantir la qualité du calcul, la plupart des projets disposent de mécanismes de preuve d'achèvement et de contrôle de qualité.
En termes de matériel, des projets tels que io.net et Aethir ont obtenu plus de 2000 unités GPU haute performance, plus adaptées au calcul de grands modèles. Par rapport aux services cloud centralisés, ces réseaux décentralisés présentent un avantage de prix évident. En même temps, certains projets ont également créé un marché pour les GPU/CPU de niveau consommateur, répondant ainsi à des besoins de calcul de différentes échelles.
Bien que le domaine de l'IA DePIN fasse encore face à des défis, la croissance significative de la charge de travail et du nombre de matériels met en évidence la demande sur le marché. À l'avenir, ces réseaux GPU décentralisés devraient jouer un rôle clé en offrant aux développeurs des alternatives de calcul économiques, contribuant ainsi de manière significative au développement de l'IA et des infrastructures de calcul.