AI 与 DePIN 的交汇:去中心化 GPU 网络的崛起

2023年以来，AI 和 DePIN 成为 Web3 领域的热门趋势,市值分别达到300亿美元和230亿美元。本文聚焦两者的交集,探讨该领域协议的发展。

在 AI 技术栈中,DePIN 网络通过计算资源为 AI 提供实用性。大型科技公司的发展导致GPU短缺,使开发者难以获得足够的 GPU 进行计算。虽然中心化云提供商可作为选择,但不灵活的长期合同导致效率低下。

DePIN 提供了更灵活且更具成本效益的替代方案,通过代币奖励激励资源贡献。AI 领域的 DePIN 将 GPU 资源从个人所有者众包到数据中心,为需要访问硬件的用户形成统一供应。这不仅为开发者提供可定制性和按需访问,还为 GPU 所有者创造额外收入。

市场上存在多个 AI DePIN 网络,各有特色。接下来将探讨几个代表性项目的作用、目标以及成就。

AI DePIN 网络概述

Render 是 P2P GPU 计算网络的先驱,最初专注内容创作渲染,后扩展到 AI 计算任务。

Akash 定位为支持存储、GPU 和 CPU 计算的"超级云"替代品,能运行任何云原生应用。

io.net 提供专门用于 AI 和 ML 用例的分布式 GPU 云集群访问。

Gensyn 专注于机器学习和深度学习计算的 GPU 能力,采用创新验证机制提高效率。

Aethir 专门搭载企业 GPU,聚焦计算密集型领域如 AI、ML 和云游戏等。

Phala Network 充当 Web3 AI 解决方案的执行层,使 AI 代理能由链上智能合约控制。

项目比较

各项目在硬件、业务重点、AI 任务类型、工作定价、区块链、数据隐私、工作费用、安全机制等方面各有特色。

集群和并行计算、数据隐私保护、计算完成证明和质量检查是几个重要方面。大多数项目已整合集群以实现并行计算,采用不同形式的数据加密保护隐私,并设有完成证明和质量检查机制。

硬件统计

项目间在 GPU/CPU 数量、高性能 GPU 数量及其使用费用等方面存在差异。高性能 GPU(如 A100、H100)对 AI 模型训练至关重要,但获取难度大。去中心化 GPU 市场提供商需在数量和成本上与中心化对手竞争。

消费级 GPU/CPU 也有其价值,可用于较小规模的任务,如模型微调等。部分项目也关注这一市场。

结论

AI DePIN 领域虽然新兴但发展迅速。这些去中心化 GPU 网络执行的任务和硬件数量显著增加,凸显了对替代性硬件资源的需求增长。未来,随着 AI 市场的蓬勃发展,这些网络有望在为开发者提供经济高效的计算方案方面发挥关键作用。