دمج الذكاء الاصطناعي مع DePIN: استكشاف نمط جديد لموارد الحوسبة
منذ عام 2023، حظيت الذكاء الاصطناعي وDePIN باهتمام كبير في مجال Web3، حيث بلغت قيمتهما السوقية 30 مليار دولار و23 مليار دولار على التوالي. تركز هذه المقالة على حالة تطور المجالين المتقاطعين.
في مجموعة تقنيات الذكاء الاصطناعي، يمكّن شبكة DePIN الذكاء الاصطناعي من خلال توفير موارد الحوسبة. أدى الطلب الكبير من شركات التكنولوجيا الكبرى على وحدات معالجة الرسوميات (GPU) إلى نقص في العرض، مما جعل مطوري نماذج الذكاء الاصطناعي الآخرين يواجهون نقصاً في موارد الحوسبة. تواجه الحلول التقليدية مثل اختيار مزودي خدمات السحابة المركزية مشاكل مثل نقص المرونة وارتفاع التكاليف.
شبكة DePIN تقدم بديلاً أكثر مرونة وتكلفة فعالة. من خلال آلية التحفيز بالرموز، تقوم بتجميع موارد GPU الفردية في إمداد موحد، مما يوفر قدرة حوسبة مخصصة حسب الطلب للجهات التي تحتاجها، وفي الوقت نفسه تخلق عائدًا إضافيًا لمالكي موارد GPU غير المستخدمة.
تظهر في السوق أنواع مختلفة من شبكات DePIN المدعومة بالذكاء الصناعي، وسنستعرض أدناه بعض الخصائص والحالة الحالية لتطور بعض المشاريع النموذجية.
Render هو رائد في شبكة حسابات GPU من نظير إلى نظير، حيث بدأ في التركيز على عملية الرندر للرسومات المتعلقة بإنشاء المحتوى، ثم توسع ليشمل مهام الحوسبة AI.
الميزات الرئيسية:
تأسست شركة OTOY للرسم السحابي الحائزة على جائزة الأوسكار
الحصول على اعتماد عمالقة صناعة الترفيه مثل باراماونت بيكتشرز وPUBG
التعاون مع Stability AI وغيرها، دمج نماذج الذكاء الاصطناعي مع سير عمل عرض ثلاثي الأبعاد
دعم مجموعة متنوعة من عملاء الحسابات، ودمج المزيد من موارد GPU لشبكة DePIN
أكاش
أكاش يتم定位ه كمنصة "السحابة الفائقة" التي تدعم التخزين والحوسبة على وحدات المعالجة الرسومية ووحدات المعالجة المركزية، وهي بديل لخدمات السحابة التقليدية.
الميزات الرئيسية:
موجه لمجموعة واسعة من مهام الحوسبة من الحوسبة العامة إلى استضافة الشبكة
AkashML يدعم تشغيل أكثر من 15,000 نموذج على Hugging Face
تم استضافة العديد من تطبيقات الذكاء الاصطناعي الشهيرة ، مثل روبوت الدردشة LLM الخاص بـ Mistral AI
منصة الميتافيرس، ونشر الذكاء الاصطناعي، والتعلم الفيدرالي تستخدم خدماتها
io.net
تقدم io.net مجموعة سحابية موزعة من وحدات معالجة الرسوميات، مع التركيز على تطبيقات الذكاء الاصطناعي وتعلم الآلة.
الميزات الرئيسية:
IO-SDK متوافق مع أطر العمل مثل PyTorch و Tensorflow
يدعم إنشاء 3 أنواع مختلفة من المجموعات، ويمكن بدء التشغيل في غضون دقيقتين
دمج موارد GPU من شبكات DePIN الأخرى مثل Render و Filecoin بشكل نشط
جينسين
تخصص Gensyn في قدرة حساب GPU على التعلم الآلي والتعلم العميق.
الخصائص الرئيسية:
تكلفة ساعة معادل GPU V100 حوالي 0.40 دولار ، مما يقلل التكاليف بشكل كبير
دعم ضبط النماذج الأساسية المدربة مسبقًا
نموذج أساسي عالمي مشترك لامركزي
أثير
Aethir تركز على GPU على مستوى المؤسسات، وتستهدف مجالات الحوسبة الكثيفة مثل الذكاء الاصطناعي، وتعلم الآلة، والألعاب السحابية.
الميزات الرئيسية:
توسيع خدمات الهاتف السحابي، بالتعاون مع APhone لإطلاق هاتف ذكي سحابي لامركزي
إقامة شراكات واسعة مع عمالقة Web2 مثل NVIDIA و Super Micro
التعاون مع العديد من مشاريع Web3 مثل CARV و Magic Eden
شبكة فالا
تعمل شبكة فالا كطبقة تنفيذ لحلول الذكاء الاصطناعي Web3، من خلال بيئة التنفيذ الموثوقة (TEE) لتصميم معالجة القضايا المتعلقة بالخصوصية.
الميزات الرئيسية:
بروتوكول معالج مساعد للحوسبة القابلة للتحقق، يدعم استدعاء موارد وكيل الذكاء الاصطناعي على السلسلة.
يمكن الوصول إلى نموذج اللغة الكبير الرائد مثل OpenAI وLlama من خلال عقود الوكيل AI عبر Redpill
المستقبل سيدعم أنظمة الإثبات المتعددة مثل zk-proofs، الحسابات متعددة الأطراف، والتشفير المتجانس الكامل
تخطيط لدعم GPU TEE مثل H100، لتعزيز القدرة الحسابية
إطار العمل للحوسبة الموزعة يحقق تجمعات GPU، مما يزيد من كفاءة التدريب وقابلية التوسع دون التأثير على دقة النموذج. يتطلب تدريب نماذج الذكاء الاصطناعي المعقدة قوة حسابية قوية، وغالباً ما يعتمد على الحوسبة الموزعة. قامت معظم المشاريع الآن بدمج التجمعات لتحقيق الحوسبة المتوازية. قامت io.net بدمج موارد GPU مع العديد من الشركاء، وقد نشرت أكثر من 3,800 تجمع في الربع الأول من عام 2024.
خصوصية البيانات
تتطلب تطوير نماذج الذكاء الاصطناعي مجموعات بيانات كبيرة، وقد تتضمن معلومات شخصية حساسة. تعتمد المشاريع بشكل عام على تشفير البيانات لحماية الخصوصية. تعاون io.net مع شبكة Mind لإطلاق تشفير متجانس بالكامل (FHE)، مما يسمح بمعالجة البيانات في حالة مشفرة. قدمت شبكة Phala بيئة تنفيذ موثوقة (TEE)، لعزل البيانات ومنع الوصول أو التعديل الخارجي.
إثبات الانتهاء من الحساب وفحص الجودة
تستخدم المشاريع طرقًا مختلفة للتحقق من إتمام الحسابات وجودتها. تقوم Gensyn و Aethir بإنشاء إثباتات الإكمال وإجراء فحوصات الجودة. تُظهر إثباتات io.net أن أداء GPU مُستغل بشكل كامل وبدون مشاكل. توصي Render باستخدام إجراءات حل النزاعات. تقوم Phala بإنشاء إثباتات TEE لضمان تنفيذ وكلاء الذكاء الاصطناعي للعمليات المطلوبة.
تميل نماذج الذكاء الاصطناعي إلى استخدام وحدات معالجة الرسوميات عالية الأداء مثل Nvidia A100 و H100. يحتاج مزودو سوق وحدات معالجة الرسوميات اللامركزية إلى توفير عدد كافٍ من الأجهزة عالية الأداء لتلبية احتياجات السوق. تمتلك io.net و Aethir أكثر من 2000 وحدة H100/A100، مما يجعلها أكثر ملاءمة لحسابات النماذج الكبيرة.
تكاليف خدمات GPU اللامركزية هذه أقل من الخدمات المركزية. تدعي Gensyn و Aethir أنه يمكن استئجار أجهزة من فئة A100 بأقل من 1 دولار في الساعة.
توفير وحدة معالجة الرسومات/وحدة المعالجة المركزية من الفئة الاستهلاكية
تلعب وحدة المعالجة المركزية أيضًا دورًا مهمًا في تدريب نماذج الذكاء الاصطناعي. يمكن استخدام وحدات معالجة الرسوميات الاستهلاكية للتعديل الدقيق أو تدريب النماذج الصغيرة. يمكن أن تخدم مشاريع مثل Render و Akash و io.net هذه السوق، مما يوفر خيارات لاحتياجات الحوسبة بمقاييس مختلفة.
لا يزال مجال AI DePIN في مرحلة مبكرة، ويواجه العديد من التحديات. ومع ذلك، فإن المهام وعدد الأجهزة التي تنفذها هذه الشبكات اللامركزية GPU قد زادت بشكل ملحوظ، مما يبرز الحاجة إلى بدائل لخدمات سحابة Web2.
سوف يتطور سوق الذكاء الاصطناعي في المستقبل ليصبح بحجم تريليون دولار أمريكي، ومن المتوقع أن تلعب هذه الشبكات الموزعة من وحدات معالجة الرسوميات دوراً رئيسياً في توفير بدائل حسابية فعالة من حيث التكلفة للمطورين. من خلال تقليص الفجوة بين الطلب والعرض باستمرار، ستساهم هذه الشبكات بشكل كبير في الشكل المستقبلي للبنية التحتية للذكاء الاصطناعي والحوسبة.
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.
تسجيلات الإعجاب 11
أعجبني
11
5
مشاركة
تعليق
0/400
SmartContractRebel
· منذ 15 س
يستخدم GPU الذي يسبّ الناس DEP لربح المال.
شاهد النسخة الأصليةرد0
JustHereForMemes
· 08-03 17:58
gm كيف مرة أخرى هي ديبين炒
شاهد النسخة الأصليةرد0
SnapshotLaborer
· 08-03 17:57
300 مليار دولار تم استثمارها، هل لا يزال من الممكن أن تنفجر؟
دمج الذكاء الاصطناعي و DePIN: شبكة GPU اللامركزية تقود نمط الحساب الجديد
دمج الذكاء الاصطناعي مع DePIN: استكشاف نمط جديد لموارد الحوسبة
منذ عام 2023، حظيت الذكاء الاصطناعي وDePIN باهتمام كبير في مجال Web3، حيث بلغت قيمتهما السوقية 30 مليار دولار و23 مليار دولار على التوالي. تركز هذه المقالة على حالة تطور المجالين المتقاطعين.
في مجموعة تقنيات الذكاء الاصطناعي، يمكّن شبكة DePIN الذكاء الاصطناعي من خلال توفير موارد الحوسبة. أدى الطلب الكبير من شركات التكنولوجيا الكبرى على وحدات معالجة الرسوميات (GPU) إلى نقص في العرض، مما جعل مطوري نماذج الذكاء الاصطناعي الآخرين يواجهون نقصاً في موارد الحوسبة. تواجه الحلول التقليدية مثل اختيار مزودي خدمات السحابة المركزية مشاكل مثل نقص المرونة وارتفاع التكاليف.
شبكة DePIN تقدم بديلاً أكثر مرونة وتكلفة فعالة. من خلال آلية التحفيز بالرموز، تقوم بتجميع موارد GPU الفردية في إمداد موحد، مما يوفر قدرة حوسبة مخصصة حسب الطلب للجهات التي تحتاجها، وفي الوقت نفسه تخلق عائدًا إضافيًا لمالكي موارد GPU غير المستخدمة.
تظهر في السوق أنواع مختلفة من شبكات DePIN المدعومة بالذكاء الصناعي، وسنستعرض أدناه بعض الخصائص والحالة الحالية لتطور بعض المشاريع النموذجية.
! تقاطع الذكاء الاصطناعي و DePIN
نظرة عامة على شبكة AI DePIN
ريندر
Render هو رائد في شبكة حسابات GPU من نظير إلى نظير، حيث بدأ في التركيز على عملية الرندر للرسومات المتعلقة بإنشاء المحتوى، ثم توسع ليشمل مهام الحوسبة AI.
الميزات الرئيسية:
أكاش
أكاش يتم定位ه كمنصة "السحابة الفائقة" التي تدعم التخزين والحوسبة على وحدات المعالجة الرسومية ووحدات المعالجة المركزية، وهي بديل لخدمات السحابة التقليدية.
الميزات الرئيسية:
io.net
تقدم io.net مجموعة سحابية موزعة من وحدات معالجة الرسوميات، مع التركيز على تطبيقات الذكاء الاصطناعي وتعلم الآلة.
الميزات الرئيسية:
جينسين
تخصص Gensyn في قدرة حساب GPU على التعلم الآلي والتعلم العميق.
الخصائص الرئيسية:
أثير
Aethir تركز على GPU على مستوى المؤسسات، وتستهدف مجالات الحوسبة الكثيفة مثل الذكاء الاصطناعي، وتعلم الآلة، والألعاب السحابية.
الميزات الرئيسية:
شبكة فالا
تعمل شبكة فالا كطبقة تنفيذ لحلول الذكاء الاصطناعي Web3، من خلال بيئة التنفيذ الموثوقة (TEE) لتصميم معالجة القضايا المتعلقة بالخصوصية.
الميزات الرئيسية:
! تقاطع الذكاء الاصطناعي و DePIN
مقارنة المشاريع
| | ريندر | أكاش | io.net | جينسين | إيثير | فالا | |--------|-------------|------------------|---------------------|---------|---------------|----------| | الأجهزة | وحدة معالجة الرسومات \ & وحدة المعالجة المركزية | وحدة معالجة الرسومات \ & وحدة المعالجة المركزية | وحدة معالجة الرسومات \ & وحدة المعالجة المركزية | وحدة معالجة الرسومات | وحدة معالجة الرسومات | وحدة المعالجة المركزية | | 重点 الأعمال | الرسوم البيانية والذكاء الاصطناعي | الحوسبة السحابية، الرسوم البيانية والذكاء الاصطناعي | الذكاء الاصطناعي | الذكاء الاصطناعي | الذكاء الاصطناعي، الألعاب السحابية والاتصالات | تنفيذ الذكاء الاصطناعي على السلسلة | | نوع مهام الذكاء الاصطناعي | استنتاج | كلاهما | كلاهما | تدريب | تدريب | تنفيذ | | تسعير العمل | تسعير قائم على الأداء | مزاد عكسي | تسعير سوقي | تسعير سوقي | نظام المناقصة | حساب الحقوق | | بلوكشين | سولانا | كوزموس | سولانا | جينسين | أربيتروم | بولكادوت | | خصوصية البيانات | التشفير&التجزئة | تحقق الهوية عبر mTLS | تشفير البيانات | خريطة الأمان | تشفير | TEE | | تكلفة العمل | لكل عمل 0.5-5% | 20% USDC، 4% AKT | 2% USDC، 0.25% رسوم احتياطي | رسوم منخفضة | لكل جلسة 20% | تتناسب مع مبلغ الرهن | | أمان | إثبات التقديم | إثبات الحقوق | إثبات الحساب | إثبات الحقوق | إثبات قدرة التقديم | موروث من سلسلة التتابع | | إثبات الإنجاز | - | - | إثبات القفل الزمني | إثبات التعلم | إثبات العمل المعروض | إثبات TEE | | ضمان الجودة | نزاع | - | - | المحققون والمبلغون | عقدة التفتيش | إثبات عن بعد | | مجموعة GPU | لا | نعم | نعم | نعم | نعم | لا |
! تقاطع الذكاء الاصطناعي و DePIN
تحليل الأهمية
توفر الحوسبة المجمعة والمتوازية
إطار العمل للحوسبة الموزعة يحقق تجمعات GPU، مما يزيد من كفاءة التدريب وقابلية التوسع دون التأثير على دقة النموذج. يتطلب تدريب نماذج الذكاء الاصطناعي المعقدة قوة حسابية قوية، وغالباً ما يعتمد على الحوسبة الموزعة. قامت معظم المشاريع الآن بدمج التجمعات لتحقيق الحوسبة المتوازية. قامت io.net بدمج موارد GPU مع العديد من الشركاء، وقد نشرت أكثر من 3,800 تجمع في الربع الأول من عام 2024.
خصوصية البيانات
تتطلب تطوير نماذج الذكاء الاصطناعي مجموعات بيانات كبيرة، وقد تتضمن معلومات شخصية حساسة. تعتمد المشاريع بشكل عام على تشفير البيانات لحماية الخصوصية. تعاون io.net مع شبكة Mind لإطلاق تشفير متجانس بالكامل (FHE)، مما يسمح بمعالجة البيانات في حالة مشفرة. قدمت شبكة Phala بيئة تنفيذ موثوقة (TEE)، لعزل البيانات ومنع الوصول أو التعديل الخارجي.
إثبات الانتهاء من الحساب وفحص الجودة
تستخدم المشاريع طرقًا مختلفة للتحقق من إتمام الحسابات وجودتها. تقوم Gensyn و Aethir بإنشاء إثباتات الإكمال وإجراء فحوصات الجودة. تُظهر إثباتات io.net أن أداء GPU مُستغل بشكل كامل وبدون مشاكل. توصي Render باستخدام إجراءات حل النزاعات. تقوم Phala بإنشاء إثباتات TEE لضمان تنفيذ وكلاء الذكاء الاصطناعي للعمليات المطلوبة.
! تقاطع الذكاء الاصطناعي و DePIN
بيانات إحصائيات الأجهزة
| | ريندر | أكاش | io.net | جينسين | أثير | فالا | |-------------|--------|-------|--------|------------|------------|--------| | عدد وحدات معالجة الرسوميات | 5600 | 384 | 38177 | - | 40000+ | - | | عدد المعالجات | 114 | 14672 | 5433 | - | - | 30000+ | | عدد H100/A100 | - | 157 | 2330 | - | 2000+ | - | | تكلفة H100/ساعة | - | $1.46 | $1.19 | - | - | - | | تكلفة A100/ساعة | - | $1.37 | $1.50 | $0.55 ( متوقع ) | $0.33 ( متوقع ) | - |
! تقاطع الذكاء الاصطناعي و DePIN
متطلبات GPU عالية الأداء
تميل نماذج الذكاء الاصطناعي إلى استخدام وحدات معالجة الرسوميات عالية الأداء مثل Nvidia A100 و H100. يحتاج مزودو سوق وحدات معالجة الرسوميات اللامركزية إلى توفير عدد كافٍ من الأجهزة عالية الأداء لتلبية احتياجات السوق. تمتلك io.net و Aethir أكثر من 2000 وحدة H100/A100، مما يجعلها أكثر ملاءمة لحسابات النماذج الكبيرة.
تكاليف خدمات GPU اللامركزية هذه أقل من الخدمات المركزية. تدعي Gensyn و Aethir أنه يمكن استئجار أجهزة من فئة A100 بأقل من 1 دولار في الساعة.
توفير وحدة معالجة الرسومات/وحدة المعالجة المركزية من الفئة الاستهلاكية
تلعب وحدة المعالجة المركزية أيضًا دورًا مهمًا في تدريب نماذج الذكاء الاصطناعي. يمكن استخدام وحدات معالجة الرسوميات الاستهلاكية للتعديل الدقيق أو تدريب النماذج الصغيرة. يمكن أن تخدم مشاريع مثل Render و Akash و io.net هذه السوق، مما يوفر خيارات لاحتياجات الحوسبة بمقاييس مختلفة.
! تقاطع الذكاء الاصطناعي و DePIN
الاستنتاج
لا يزال مجال AI DePIN في مرحلة مبكرة، ويواجه العديد من التحديات. ومع ذلك، فإن المهام وعدد الأجهزة التي تنفذها هذه الشبكات اللامركزية GPU قد زادت بشكل ملحوظ، مما يبرز الحاجة إلى بدائل لخدمات سحابة Web2.
سوف يتطور سوق الذكاء الاصطناعي في المستقبل ليصبح بحجم تريليون دولار أمريكي، ومن المتوقع أن تلعب هذه الشبكات الموزعة من وحدات معالجة الرسوميات دوراً رئيسياً في توفير بدائل حسابية فعالة من حيث التكلفة للمطورين. من خلال تقليص الفجوة بين الطلب والعرض باستمرار، ستساهم هذه الشبكات بشكل كبير في الشكل المستقبلي للبنية التحتية للذكاء الاصطناعي والحوسبة.
! تقاطع الذكاء الاصطناعي و DePIN
! تقاطع الذكاء الاصطناعي و DePIN