AI y DePIN: El surgimiento de la red GPU Descentralizada
Desde 2023, la IA y la Descentralización de Infraestructura Física (DePIN) se han convertido en tendencias populares en el ámbito de Web3, con un valor de mercado de 30 mil millones de dólares y 23 mil millones de dólares, respectivamente. Este artículo se centra en la intersección de ambos y explora el desarrollo de los protocolos en este campo.
En la pila de tecnología de la IA, la red DePIN proporciona utilidad a la IA a través de recursos computacionales. El desarrollo de grandes empresas tecnológicas ha llevado a una escasez de GPU, dificultando que los desarrolladores obtengan suficientes GPU para realizar cálculos. Aunque los proveedores de nube centralizados pueden ser una opción, los contratos a largo plazo poco flexibles conducen a una eficiencia reducida.
DePIN ofrece una alternativa más flexible y rentable, incentivando la contribución de recursos a través de recompensas en tokens. El DePIN en el ámbito de la IA externaliza los recursos de GPU de propietarios individuales a centros de datos, formando un suministro unificado para los usuarios que necesitan acceso al hardware. Esto no solo proporciona a los desarrolladores personalización y acceso bajo demanda, sino que también crea ingresos adicionales para los propietarios de GPU.
Existen múltiples redes DePIN de IA en el mercado, cada una con sus características. A continuación, se explorarán las funciones, objetivos y logros de varios proyectos representativos.
Resumen de la red AI DePIN
Render es el pionero de la red de computación GPU P2P, inicialmente centrado en la renderización de creación de contenido, luego se expandió a tareas de computación AI.
Akash se posiciona como un "supernube" alternativa que soporta almacenamiento, cálculo GPU y CPU, y puede ejecutar cualquier aplicación nativa de la nube.
io.net ofrece acceso a clústeres de GPU en la nube distribuidos diseñados específicamente para casos de uso de IA y ML.
Gensyn se centra en la capacidad de GPU para el aprendizaje automático y el aprendizaje profundo, utilizando un mecanismo de verificación innovador para mejorar la eficiencia.
Aethir está diseñado específicamente para implementar GPU empresariales, centrándose en áreas de alta intensidad computacional como IA, ML y juegos en la nube.
Phala Network actúa como la capa de ejecución para soluciones de IA Web3, permitiendo que los agentes de IA sean controlados por contratos inteligentes en la cadena.
Comparación de proyectos
Cada proyecto tiene sus características en hardware, enfoque empresarial, tipos de tareas de IA, precios de trabajo, blockchain, privacidad de datos, costos de trabajo y mecanismos de seguridad.
El clúster y la computación paralela, la protección de la privacidad de los datos, la prueba de finalización de cálculos y la verificación de calidad son varios aspectos importantes. La mayoría de los proyectos han integrado clústeres para lograr computación paralela, utilizando diferentes formas de cifrado de datos para proteger la privacidad, y han establecido mecanismos de prueba de finalización y verificación de calidad.
Estadísticas de hardware
Existen diferencias entre los proyectos en términos de la cantidad de GPU/CPU, la cantidad de GPU de alto rendimiento y sus costos de uso, etc. Las GPU de alto rendimiento ( como A100, H100 ) son cruciales para el entrenamiento de modelos de IA, pero son difíciles de obtener. Los proveedores de mercado de GPU Descentralización deben competir en cantidad y costo con sus contrapartes centralizadas.
Las GPU/CPU de nivel de consumo también tienen su valor, y pueden ser utilizadas para tareas de menor escala, como el ajuste de modelos, entre otros. Algunos proyectos también se centran en este mercado.
Conclusión
El campo de DePIN de IA, aunque emergente, se está desarrollando rápidamente. La cantidad de tareas y hardware ejecutados por estas redes de GPU descentralizadas ha aumentado significativamente, lo que destaca el crecimiento de la demanda de recursos de hardware alternativos. En el futuro, a medida que el mercado de IA continúe prosperando, se espera que estas redes desempeñen un papel clave en la provisión de soluciones de computación rentables para los desarrolladores.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
15 me gusta
Recompensa
15
6
Republicar
Compartir
Comentar
0/400
TokenSherpa
· 07-17 02:26
en realidad, esto es bastante rudimentario si examinas los protocolos de compartición de gpu históricos
Ver originalesResponder0
MerkleDreamer
· 07-15 13:46
Finalmente alguien está trabajando en GPU, ¡arriba!
Ver originalesResponder0
PanicSeller69
· 07-14 08:46
peso pesado, gpu va a ser liquidado ah~
Ver originalesResponder0
CryingOldWallet
· 07-14 08:36
¡Las GPU son realmente caras! ¿Dónde puedo alquilar para hacer aprendizaje automático?
Ver originalesResponder0
New_Ser_Ngmi
· 07-14 08:30
La compartición de recursos es el futuro, no se debe hacer monopolio.
Ver originalesResponder0
StableGeniusDegen
· 07-14 08:29
Parece que ha caído del cielo una gran cantidad de recursos de GPU.
La fusión de AI y DePIN, el surgimiento de redes GPU Descentralizadas
AI y DePIN: El surgimiento de la red GPU Descentralizada
Desde 2023, la IA y la Descentralización de Infraestructura Física (DePIN) se han convertido en tendencias populares en el ámbito de Web3, con un valor de mercado de 30 mil millones de dólares y 23 mil millones de dólares, respectivamente. Este artículo se centra en la intersección de ambos y explora el desarrollo de los protocolos en este campo.
En la pila de tecnología de la IA, la red DePIN proporciona utilidad a la IA a través de recursos computacionales. El desarrollo de grandes empresas tecnológicas ha llevado a una escasez de GPU, dificultando que los desarrolladores obtengan suficientes GPU para realizar cálculos. Aunque los proveedores de nube centralizados pueden ser una opción, los contratos a largo plazo poco flexibles conducen a una eficiencia reducida.
DePIN ofrece una alternativa más flexible y rentable, incentivando la contribución de recursos a través de recompensas en tokens. El DePIN en el ámbito de la IA externaliza los recursos de GPU de propietarios individuales a centros de datos, formando un suministro unificado para los usuarios que necesitan acceso al hardware. Esto no solo proporciona a los desarrolladores personalización y acceso bajo demanda, sino que también crea ingresos adicionales para los propietarios de GPU.
Existen múltiples redes DePIN de IA en el mercado, cada una con sus características. A continuación, se explorarán las funciones, objetivos y logros de varios proyectos representativos.
Resumen de la red AI DePIN
Render es el pionero de la red de computación GPU P2P, inicialmente centrado en la renderización de creación de contenido, luego se expandió a tareas de computación AI.
Akash se posiciona como un "supernube" alternativa que soporta almacenamiento, cálculo GPU y CPU, y puede ejecutar cualquier aplicación nativa de la nube.
io.net ofrece acceso a clústeres de GPU en la nube distribuidos diseñados específicamente para casos de uso de IA y ML.
Gensyn se centra en la capacidad de GPU para el aprendizaje automático y el aprendizaje profundo, utilizando un mecanismo de verificación innovador para mejorar la eficiencia.
Aethir está diseñado específicamente para implementar GPU empresariales, centrándose en áreas de alta intensidad computacional como IA, ML y juegos en la nube.
Phala Network actúa como la capa de ejecución para soluciones de IA Web3, permitiendo que los agentes de IA sean controlados por contratos inteligentes en la cadena.
Comparación de proyectos
Cada proyecto tiene sus características en hardware, enfoque empresarial, tipos de tareas de IA, precios de trabajo, blockchain, privacidad de datos, costos de trabajo y mecanismos de seguridad.
El clúster y la computación paralela, la protección de la privacidad de los datos, la prueba de finalización de cálculos y la verificación de calidad son varios aspectos importantes. La mayoría de los proyectos han integrado clústeres para lograr computación paralela, utilizando diferentes formas de cifrado de datos para proteger la privacidad, y han establecido mecanismos de prueba de finalización y verificación de calidad.
Estadísticas de hardware
Existen diferencias entre los proyectos en términos de la cantidad de GPU/CPU, la cantidad de GPU de alto rendimiento y sus costos de uso, etc. Las GPU de alto rendimiento ( como A100, H100 ) son cruciales para el entrenamiento de modelos de IA, pero son difíciles de obtener. Los proveedores de mercado de GPU Descentralización deben competir en cantidad y costo con sus contrapartes centralizadas.
Las GPU/CPU de nivel de consumo también tienen su valor, y pueden ser utilizadas para tareas de menor escala, como el ajuste de modelos, entre otros. Algunos proyectos también se centran en este mercado.
Conclusión
El campo de DePIN de IA, aunque emergente, se está desarrollando rápidamente. La cantidad de tareas y hardware ejecutados por estas redes de GPU descentralizadas ha aumentado significativamente, lo que destaca el crecimiento de la demanda de recursos de hardware alternativos. En el futuro, a medida que el mercado de IA continúe prosperando, se espera que estas redes desempeñen un papel clave en la provisión de soluciones de computación rentables para los desarrolladores.