A fusão de IA e DePIN: explorando um novo padrão de recursos computacionais

Desde 2023, a IA e o DePIN têm recebido muita atenção no domínio do Web3, com um valor de mercado de 30 bilhões de dólares e 23 bilhões de dólares, respetivamente. Este artigo foca no desenvolvimento na intersecção dos dois.

Na pilha de tecnologia de IA, a rede DePIN capacita a IA ao fornecer recursos computacionais. A elevada procura de GPUs por grandes empresas de tecnologia resultou em escassez de fornecimento, colocando os desenvolvedores de outros modelos de IA em uma situação de escassez de recursos computacionais. Soluções tradicionais, como a escolha de provedores de serviços em nuvem centralizados, apresentam problemas de falta de flexibilidade e altos custos.

A rede DePIN oferece uma alternativa mais flexível e custo-efetiva. Ela integra recursos individuais de GPU em uma oferta unificada através de um mecanismo de incentivos por tokens, fornecendo capacidade de computação personalizada e sob demanda para os demandantes, ao mesmo tempo que cria receita adicional para os proprietários de recursos de GPU ociosos.

As várias redes AI DePIN estão a surgir no mercado, abaixo vamos explorar as características e o estado de desenvolvimento de alguns projetos típicos.

Visão Geral da Rede AI DePIN

Render

Render é o pioneiro da rede de computação GPU P2P, inicialmente focado na renderização gráfica para criação de conteúdo, e depois expandido para tarefas de computação de IA.

Principais características:

• Fundada pela OTOY, uma empresa de gráficos em nuvem premiada com o Oscar.
• Obter a adoção de gigantes da indústria do entretenimento como a Paramount Pictures e o PUBG
• Colaborar com a Stability AI, integrando modelos de IA com fluxos de trabalho de renderização 3D
• Suporta múltiplos clientes de computação, integrando mais recursos de GPU da rede DePIN

Akash

Akash posiciona-se como uma plataforma de "super nuvem" que suporta armazenamento, computação GPU e CPU, sendo uma alternativa aos serviços de nuvem tradicionais.

Principais características:

• Destinado a uma ampla gama de tarefas computacionais, desde computação geral até hospedagem na web
• AkashML suporta mais de 15.000 modelos que podem ser executados no Hugging Face
• Vários aplicativos de IA conhecidos foram hospedados, como o chatbot LLM da Mistral AI
• A plataforma de Metaverso, IA em implantação e aprendizado federado está a utilizar os seus serviços

io.net

A io.net oferece clusters de GPU em nuvem distribuídos, focando em aplicações de IA e ML.

Principais características:

• IO-SDK compatível com frameworks como PyTorch e Tensorflow
• Suporta a criação de 3 tipos diferentes de clusters, que podem ser iniciados em 2 minutos
• Integrar ativamente os recursos de GPU de outras redes DePIN, como Render e Filecoin.

Gensyn

Gensyn foca na capacidade de computação em GPU para aprendizado de máquina e aprendizado profundo.

Principais características:

• O custo por hora de uma GPU equivalente a V100 é de aproximadamente 0,40 dólares, reduzindo significativamente os custos.
• Suporte para ajuste fino de modelos base pré-treinados
• Modelo básico compartilhado global descentralizado

Aethir

Aethir foca em GPU de nível empresarial, com ênfase em áreas de computação intensiva como IA, aprendizado de máquina e jogos em nuvem.

Principais características:

• Expandir para serviços de smartphones na nuvem, em parceria com a APhone, para lançar smartphones inteligentes descentralizados na nuvem.
• Estabelecer uma ampla colaboração com gigantes do Web2 como NVIDIA, Super Micro
• Colaboração com vários projetos Web3 como CARV, Magic Eden

Phala Network

A Phala Network, como camada de execução para soluções Web3 de IA, aborda questões de privacidade através de ambientes de execução confiáveis (TEE).

Principais características:

• Como um protocolo de coprocessador para computação verificável, suporta chamadas de recursos na cadeia para agentes de IA.
• O contrato de agente de IA pode ser integrado ao OpenAI, Llama e outros grandes modelos de linguagem de topo através do Redpill.
• No futuro, suportará sistemas de prova múltipla como zk-proofs, computação multipartidária e criptografia homomórfica completa.
• Planejamento para suportar GPUs TEE como H100, aumentando a capacidade de computação

Comparação de Projetos

| | Render | Akash | io.net | Gensyn | Aethir | Phala | |--------|-------------|------------------|---------------------|---------|---------------|----------| | Hardware | GPU & CPU | GPU & CPU | GPU & CPU | GPU | GPU | CPU | | Foco de Negócios | Renderização Gráfica e IA | Computação em Nuvem, Renderização e IA | IA | IA | Inteligência Artificial, Jogos em Nuvem e Telecomunicações | Execução de IA em Cadeia | | Tipo de tarefa de IA | Inferência | Ambos | Ambos | Treinamento | Treinamento | Execução | | Preço de trabalho | Preço baseado em desempenho | Leilão reverso | Preço de mercado | Preço de mercado | Sistema de licitação | Cálculo de direitos | | Blockchain | Solana | Cosmos | Solana | Gensyn | Arbitrum | Polkadot | | Privacidade de Dados | Criptografia&Hash | Autenticação mTLS | Criptografia de Dados | Mapeamento Seguro | Criptografia | TEE | | Custos de trabalho | 0,5-5% por trabalho | 20% USDC, 4% AKT | 2% USDC, 0,25% taxa de reserva | Taxas baixas | 20% por sessão | Proporcional ao valor em staking | | Segurança | Prova de Renderização | Prova de Participação | Prova de Cálculo | Prova de Participação | Prova de Capacidade de Renderização | Herdado da Cadeia Intermediária | | Prova de Conclusão | - | - | Prova de Bloqueio Temporal | Prova de Aprendizagem | Prova de Trabalho de Renderização | Prova TEE | | Garantia de qualidade | Controvérsia | - | - | Verificador e denunciador | Nó verificador | Prova remota | | Cluster de GPU | Não | Sim | Sim | Sim | Sim | Não |

Análise de Importância

Disponibilidade de computação em cluster e paralela

O framework de computação distribuída implementa um cluster de GPU, aumentando a eficiência e escalabilidade do treinamento sem afetar a precisão do modelo. O treinamento de modelos de IA complexos requer uma potência de cálculo robusta, geralmente dependendo da computação distribuída. A maioria dos projetos já integrou clusters para realizar computação paralela. A io.net integrou recursos de GPU com vários parceiros e já implantou mais de 3.800 clusters no primeiro trimestre de 2024.

Privacidade de Dados

O desenvolvimento de modelos de IA requer grandes conjuntos de dados, que podem envolver informações pessoais sensíveis. Os projetos geralmente adotam a criptografia de dados para proteger a privacidade. A io.net, em colaboração com a Mind Network, lançou a criptografia homomórfica totalmente (FHE), permitindo o processamento de dados em estado criptografado. A Phala Network introduziu ambientes de execução confiáveis (TEE), isolando e prevenindo o acesso externo ou a modificação de dados.

Prova de conclusão de cálculo e verificação de qualidade

Os diferentes projetos utilizam métodos distintos para verificar a conclusão e a qualidade do cálculo. A Gensyn e a Aethir geram provas de conclusão e realizam verificações de qualidade. As provas da io.net demonstram que o desempenho da GPU está totalmente aproveitado e sem problemas. A Render sugere o uso de um processo de resolução de disputas. A Phala gera provas TEE para garantir que os agentes de IA realizem as operações necessárias.

dados estatísticos de hardware

| | Render | Akash | io.net | Gensyn | Aethir | Phala | |-------------|--------|-------|--------|------------|------------|--------| | Quantidade de GPU | 5600 | 384 | 38177 | - | 40000+ | - | | Número de CPUs | 114 | 14672 | 5433 | - | - | 30000+ | | Quantidade H100/A100 | - | 157 | 2330 | - | 2000+ | - | | Custo H100/hora | - | $1.46 | $1.19 | - | - | - | | Custo A100/hora | - | $1.37 | $1.50 | $0.55 ( previsto ) | $0.33 ( previsto ) | - |

Requisitos de GPU de alto desempenho

Os modelos de AI tendem a usar GPUs de alto desempenho como a Nvidia A100 e a H100. Os provedores de mercado de GPUs descentralizadas precisam oferecer um número suficiente de hardware de alto desempenho para atender à demanda do mercado. A io.net e a Aethir possuem mais de 2000 unidades H100/A100, mais adequadas para cálculos de grandes modelos.

O custo desses serviços de GPU descentralizados já é inferior ao dos serviços centralizados. A Gensyn e a Aethir afirmam que é possível alugar hardware de nível A100 por menos de 1 dólar por hora.

Fornece GPU/CPU de nível de consumo

A CPU também desempenha um papel importante no treinamento de modelos de IA. GPUs de consumo podem ser usadas para ajuste fino ou treinamento de modelos em pequena escala. Projetos como Render, Akash e io.net podem atender a este mercado, oferecendo opções para necessidades computacionais de diferentes escalas.

Conclusão

O campo do DePIN de IA ainda está em estágio inicial, enfrentando diversos desafios. No entanto, o número de tarefas executadas e de hardware nessas redes GPU descentralizadas aumentou significativamente, destacando a necessidade de alternativas aos serviços de nuvem Web2.

O futuro do mercado de IA desenvolver-se-á para um tamanho de biliões de dólares, e essas redes de GPU descentralizadas têm potencial para desempenhar um papel crucial na oferta de soluções de computação economicamente eficientes para os desenvolvedores. Ao continuar a fechar a lacuna entre a demanda e a oferta, essas redes farão uma contribuição significativa para o futuro da infraestrutura de IA e computação.