Перекресток ИИ и DePIN: исследование развития децентрализованных GPU-сетей

С 2023 года AI и DePIN привлекают большое внимание в области Web3, их рыночные капитализации составляют 30 миллиардов долларов и 23 миллиарда долларов соответственно. Эта статья сосредоточится на пересечении двух областей и рассмотрит развитие соответствующих протоколов.

В стеке технологий ИИ сеть DePIN предоставляет вычислительные ресурсы для поддержки ИИ. Из-за роста крупных технологических компаний наблюдается нехватка GPU, и другим разработчикам трудно получить достаточное количество ресурсов GPU для создания своих собственных моделей ИИ. Традиционно разработчики выбирали централизованных облачных провайдеров, но это часто требует подписания негибких долгосрочных контрактов, что менее эффективно.

DePIN предлагает более гибкое и экономически эффективное решение. Он стимулирует вклад ресурсов через токенизированные вознаграждения, собирая GPU-ресурсы от частных владельцев к дата-центрам, создавая единое предложение для пользователей, нуждающихся в аппаратном обеспечении. Это не только предоставляет разработчикам настраиваемые и по требованию вычислительные мощности, но и предоставляет владельцам GPU дополнительный источник дохода.

На рынке уже существует несколько AI DePIN сетей, каждая из которых имеет свои особенности. Далее мы рассмотрим характеристики и цели нескольких основных проектов, а также некоторые из их конкретных результатов.

! Пересечение AI и DePIN

Обзор сети AI DePIN

Render является пионером P2P-сети, предоставляющей вычислительные мощности GPU, изначально сосредоточенной на рендеринге контента, а затем расширившей свою деятельность на задачи ИИ.

Особенности:

• Основана компанией OTOY, обладающей технологией, награжденной Оскаром.
• Сеть GPU уже используется крупными компаниями развлекательной отрасли, такими как Paramount Pictures, PUBG и др.
• Сотрудничество с Stability AI и Endeavor для интеграции AI моделей в рабочий процесс рендеринга 3D контента
• Утвердите несколько вычислительных клиентов, интегрируйте больше GPU сети DePIN

Akash позиционируется как "супероблачная" альтернатива, поддерживающая хранение, GPU и CPU вычисления. Используя платформу контейнеров и управляемые Kubernetes вычислительные узлы, можно бесшовно развертывать программное обеспечение в разных средах и запускать любые облачные нативные приложения.

Особенности:

• Для широкого спектра вычислительных задач от универсальных вычислений до сетевого хостинга
• AkashML позволяет своей сети GPU запускать более 15 000 моделей на Hugging Face
• Хранил некоторые известные приложения, такие как чат-бот на базе модели LLM от Mistral AI, модель SDXL от Stability AI и т.д.
• Поддержка платформ для построения метавселенной, развертывания ИИ и федеративного обучения

io.net предоставляет доступ к распределенному облачному кластеру GPU, специально предназначенному для случаев использования ИИ и МЛ. Он агрегирует ресурсы GPU из дата-центров, крипто-майнеров и других децентрализованных сетей.

Характеристики:

• IO-SDK совместим с такими фреймворками, как PyTorch и Tensorflow, многослойная архитектура может динамически расширяться в зависимости от потребностей
• Поддержка создания 3 различных типов кластеров, которые можно запустить за 2 минуты
• Сотрудничество с несколькими DePIN сетями, такими как Render, Filecoin, Aethir, для интеграции ресурсов GPU

Gensyn предоставляет вычислительные мощности GPU, сосредотачиваясь на машинном обучении и глубоких нейронных сетях. Он повышает эффективность за счет инновационного механизма верификации.

Характеристика:

• Стоимость часа работы эквивалентного GPU V100 составляет около 0,40 доллара США, что значительно экономит затраты.
• С помощью доказательства стека можно дообучить предобученную базовую модель
• Эти базовые модели будут децентрализованными и глобально принадлежащими

Aethir специально разработан для использования корпоративных GPU и сосредоточен на областях, требующих интенсивных вычислений, таких как AI, ML и облачные игры. Контейнеры в его сети служат виртуальными конечными точками для выполнения облачных приложений.

Особенности:

• Кроме ИИ и облачного гейминга, также расширяется на облачные мобильные сервисы, в сотрудничестве с APhone запущен децентрализованный облачный смартфон.
• Установление широкого сотрудничества с крупными компаниями Web2, такими как NVIDIA, Super Micro, HPE
• Сотрудничество с несколькими проектами Web3, такими как CARV, Magic Eden

Phala Network как слой исполнения для решений Web3 AI. Его блокчейн является облачным вычислительным решением без доверия, разработанным для решения проблем конфиденциальности через доверенное исполняемое окружение (TEE).

Особенности:

• Выступать в качестве протокола сопроцессора для верифицируемых вычислений, позволяя AI-агентам использовать ресурсы на блокчейне.
• AI-агенты могут получать доступ к OpenAI, Llama и другим ведущим языковым моделям через Redpill
• Будущее будет включать в себя zk-доказательства, многопользовательские вычисления, системы доказательства с полным гомоморфным шифрованием и другие.
• В будущем поддержка других TEE GPU, таких как H100, для повышения вычислительной способности

! Пересечение AI и DePIN

Сравнение проектов

| | Рендеринг | Акаш | io.net | Генсин | Этир | 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 | ИИ, облачные игры и телекоммуникации | Исполнение ИИ в блокчейне | | Тип задачи AI | Вывод | Оба | Оба | Обучение | Обучение | Выполнение | | Ценообразование | Ценообразование на основе производительности | Обратные торги | Рыночное ценообразование | Рыночное ценообразование | Система тендеров | Расчет прав | | Блокчейн | Солана | Космос | Солана | Генсин | Арбитраж | Горошек | | Конфиденциальность данных | Шифрование&Хеширование | аутентификация mTLS | Шифрование данных | Безопасное отображение | Шифрование | TEE | | Рабочие расходы | Каждая работа 0.5-5% | 20% USDC, 4% AKT | 2% USDC, 0.25% сбор резервов | Низкие расходы | Каждая сессия 20% | Пропорционально сумме залога | | Безопасность | Доказательство рендеринга | Доказательство доли | Доказательство вычислений | Доказательство доли | Доказательство вычислительных возможностей | Унаследовано от промежуточной цепи | | Завершение доказательства | - | - | Доказательство временной блокировки | Доказательство обучения | Доказательство рендеринга | Доказательство TEE | | Гарантия качества | Споры | - | - | Проверяющий и举报人 | Узел проверяющего | Удаленное доказательство | | GPU кластер | Нет | Да | Да | Да | Да | Нет |

Важность

Доступность кластеров и параллельных вычислений

Распределенная вычислительная система реализовала кластер GPU, обеспечивая более эффективное обучение без ущерба для точности модели, одновременно увеличивая масштабируемость. Обучение сложных AI-моделей требует мощных вычислительных ресурсов и часто зависит от распределенных вычислений. Например, модель GPT-4 от OpenAI имеет более 1,8 триллиона параметров и обучалась в течение 3-4 месяцев с использованием примерно 25 000 графических процессоров Nvidia A100 в 128 кластерах.

Большинство ключевых проектов теперь интегрировали кластеры для обеспечения параллельных вычислений. io.net сотрудничает с проектами Render, Filecoin и Aethir, чтобы включить больше GPU в свою сеть, и уже в первом квартале 24 года развернула более 3,800 кластеров. Хотя Render не поддерживает кластеры, его принцип работы схож, разбивая отдельный кадр на несколько узлов для одновременной обработки. Phala в настоящее время поддерживает только CPU, но позволяет кластеризацию CPU-воркеров.

Конфиденциальность данных

Разработка AI-моделей требует использования больших наборов данных, которые могут содержать конфиденциальную информацию. Обеспечение конфиденциальности данных имеет решающее значение для передачи контроля над данными обратно поставщикам данных.

Большинство проектов используют какую-либо форму шифрования данных для защиты конфиденциальности данных. Render использует шифрование и хеширование при публикации результатов рендеринга, io.net и Gensyn применяют шифрование данных, Akash использует аутентификацию mTLS.

io.net недавно сотрудничал с Mind Network для запуска полностью однородного шифрования (FHE), позволяющего обрабатывать зашифрованные данные без необходимости предварительной расшифровки. Phala Network внедрила доверенную исполняемую среду (TEE), предотвращающую доступ или изменение данных внешними процессами.

Расчет завершения доказательства и контроля качества

Поскольку GPU, предоставляемые этими проектами, могут использоваться для широкого спектра услуг, от рендеринга графики до вычислений ИИ, необходимо завершить механизмы доказательства и контроля качества.

Gensyn и Aethir генерируют доказательство после завершения вычислений, а доказательство io.net показывает, что арендованная производительность GPU была полностью использована. Gensyn и Aethir проводят проверку качества завершенных вычислений. Render рекомендует использовать процесс разрешения споров. После завершения Phala будет сгенерировано доказательство TEE, обеспечивающее выполнение необходимых операций AI-агентом в цепочке.

! Пересечение AI и DePIN

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+ | - | | Плата H100/час | - | $1.46 | $1.19 | - | - | - | | A100 стоимость/час | - | $1.37 | $1.50 | $0.55 ( ожидается ) | $0.33 ( ожидается ) | - |

Требования к высокопроизводительным GPU

Обучение модели ИИ требует лучших по производительности GPU, таких как A100 и H100 от Nvidia. Производительность H100 при выводе в 4 раза быстрее, чем у A100, что сделало его предпочтительным GPU, особенно для крупных компаний, которые обучают свои собственные LLM.

Децентрализованным поставщикам GPU на рынке необходимо конкурировать с коллегами из Web2, не только предлагая более низкие цены, но и удовлетворяя реальные потребности рынка. В 2023 году Nvidia поставила более 500000 H100 централизованным крупным технологическим компаниям, что сделало получение аналогичного оборудования затруднительным.

io.net и Aethir имеют более 2000 единиц H100 и A100, что делает их более подходящими для вычислений крупных моделей. В зависимости от необходимого размера кластера, в настоящее время стоимость этих Децентрализация GPU сервисов значительно ниже, чем у централизованных GPU сервисов.

Несмотря на ограничения по памяти в кластерных GPU с сетевым подключением, децентрализованная GPU-сеть по-прежнему может предоставить мощные вычислительные возможности и масштабируемость для пользователей, которым требуется гибкость и возможность распределения нагрузки по нескольким узлам для распределенных вычислительных задач.

Предоставление потребительских GPU/CPU

ЦПУ также играет важную роль в обучении ИИ-моделей, может использоваться на различных этапах, от предварительной обработки данных до управления ресурсами памяти. Потребительские ГПУ могут использоваться для менее интенсивных задач, таких как дообучение предварительно обученных моделей или обучение маломасштабных моделей на небольших наборах данных.

Учитывая, что более 85% ресурсов GPU находятся в неиспользуемом состоянии, такие проекты, как Render, Akash и io.net, также могут обслуживать этот рынок. Предоставление этих опций позволяет им разрабатывать собственные рыночные позиции, сосредотачиваясь на вычислениях, интенсивных в масштабах, маломасштабном рендеринге или их комбинации.

! Пересечение искусственного интеллекта и DePIN

Вывод

Область AI DePIN все еще относительно нова и сталкивается с собственными вызовами. Тем не менее, количество задач и оборудования, выполняемых на этих децентрализованных GPU-сетях, значительно увеличивается, что подчеркивает рост спроса на заменители аппаратных ресурсов облачных провайдеров Web2. В то же время увеличение числа поставщиков оборудования также демонстрирует ранее недостаточно использованное предложение. Это дополнительно подтверждает соответствие продуктов сети AI DePIN на рынке, эффективно решая проблемы спроса и предложения.

Смотрим в будущее, ИИ, вероятно, станет быстро развивающимся рынком стоимостью в триллионы долларов. Эти децентрализованные GPU-сети сыграют ключевую роль в предоставлении разработчикам экономически эффективных вычислительных альтернатив. Постоянно сокращая разрыв между спросом и предложением, эти сети существенно повлияют на будущее ИИ и вычислительной инфраструктуры.

! Пересечение AI и DePIN

! Пересечение ИИ и DePIN

! Пересечение искусственного интеллекта и DePIN

! Пересечение AI и DePIN