AI dan DePIN: Revolusi Desentralisasi Sumber Daya Komputasi
Baru-baru ini, AI dan DePIN menjadi tren populer di bidang Web3, dengan nilai pasar masing-masing mencapai 30 miliar dan 23 miliar USD. Artikel ini akan membahas bidang perpotongan keduanya, khususnya perkembangan jaringan AI DePIN.
Dalam tumpukan teknologi AI, jaringan DePIN memberikan nilai praktis bagi AI dengan menyediakan sumber daya komputasi. Karena kekurangan GPU yang disebabkan oleh perusahaan teknologi besar, pengembang lain kesulitan untuk mendapatkan sumber daya GPU yang cukup untuk membangun model AI. Praktik tradisional adalah memilih layanan cloud terpusat, tetapi sering kali memerlukan penandatanganan kontrak jangka panjang yang tidak fleksibel.
Jaringan DePIN menyediakan alternatif yang lebih fleksibel dan lebih hemat biaya. Ini mengintegrasikan sumber daya GPU yang terdesentralisasi melalui insentif token untuk memberikan pasokan yang terintegrasi kepada pengguna yang membutuhkan kapasitas komputasi. Ini tidak hanya memungkinkan pengembang mendapatkan sumber daya komputasi sesuai permintaan yang disesuaikan, tetapi juga memberikan pemilik GPU sumber pendapatan tambahan.
Saat ini sudah ada beberapa jaringan AI DePIN di pasar, masing-masing memiliki ciri khas. Artikel ini akan memberikan pengantar singkat dan perbandingan proyek-proyek utama:
Render adalah pelopor jaringan komputasi GPU, awalnya fokus pada rendering konten, kemudian berkembang ke bidang komputasi AI. Ini telah diadopsi oleh perusahaan besar seperti Paramount Pictures dan bekerja sama dengan perusahaan AI seperti Stability AI.
Akash diposisikan sebagai pengganti "super cloud" untuk layanan cloud tradisional, mendukung penyimpanan, komputasi GPU, dan CPU. AkashML-nya dapat menjalankan puluhan ribu model di Hugging Face, dan telah menghosting beberapa proyek AI terkenal.
io.net berfokus pada kasus penggunaan AI dan pembelajaran mesin, mengagregasi sumber daya GPU dari pusat data, penambang, dan lainnya. Ini mendukung peluncuran cepat berbagai jenis kluster GPU.
Gensyn berfokus pada perhitungan pembelajaran mesin, meningkatkan efisiensi melalui mekanisme verifikasi yang inovatif. Ini dapat melakukan penyetelan ulang pada model yang telah dilatih sebelumnya, dan berencana untuk menyediakan model dasar yang terdesentralisasi.
Aethir fokus pada pasar GPU tingkat perusahaan, ditujukan untuk AI, permainan cloud, dan bidang komputasi intensif lainnya. Ini menyesuaikan alokasi sumber daya berdasarkan permintaan dan bekerja sama dengan beberapa perusahaan teknologi besar.
Phala Network bertindak sebagai lapisan eksekusi untuk solusi AI Web3, memungkinkan agen AI dikendalikan oleh kontrak pintar di blockchain. Ini menggunakan lingkungan eksekusi tepercaya (TEE) untuk melindungi privasi.
Proyek-proyek ini memiliki karakteristik yang berbeda dalam hal jenis perangkat keras, fokus bisnis, dan model harga. Perbedaan kunci termasuk:
Kemampuan kluster GPU dan komputasi paralel: Sebagian besar proyek telah mendukung kluster GPU untuk memenuhi kebutuhan model AI yang kompleks.
Perlindungan privasi data: Menggunakan berbagai teknologi seperti enkripsi, TEE, dan lainnya untuk melindungi data sensitif.
Verifikasi penyelesaian perhitungan dan pemeriksaan kualitas: Memastikan bahwa perhitungan telah dilakukan sesuai dengan persyaratan melalui berbagai mekanisme.
Penyediaan GPU berkinerja tinggi: Beberapa proyek telah mengintegrasikan ribuan GPU A100/H100, yang dapat memenuhi kebutuhan pelatihan model besar.
Pemanfaatan GPU/CPU tingkat konsumen: Beberapa proyek juga mengintegrasikan daya komputasi yang tidak terpakai dari pengguna biasa untuk melayani kebutuhan komputasi berskala kecil.
Jaringan DePIN AI masih berada dalam tahap awal, menghadapi beberapa tantangan. Namun, seiring dengan meningkatnya pasokan perangkat keras dan volume tugas, jaringan ini secara bertahap membuktikan nilainya. Di masa depan, mereka diharapkan dapat memainkan peran penting di pasar AI senilai triliunan dolar, menyediakan pilihan sumber daya komputasi yang lebih hemat biaya dan efisien bagi para pengembang.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
14 Suka
Hadiah
14
7
Bagikan
Komentar
0/400
AirdropHunterXM
· 07-22 15:23
Melihat dompet langsung bertindak
Lihat AsliBalas0
SmartContractPlumber
· 07-22 13:35
Manajemen hak yang tidak standar tetap dapat menyebabkan masalah, Pihak A jangan terburu-buru untuk meluncurkan.
Lihat AsliBalas0
TaxEvader
· 07-21 04:05
Kekurangan der, CPU di rumah saya semua tidak terpakai.
Lihat AsliBalas0
LowCapGemHunter
· 07-21 04:04
Masih lebih baik menimbun kartu grafis, sangat enak
Lihat AsliBalas0
Rugpull幸存者
· 07-21 04:04
gpu sudah di tangan tapi belum To da moon?
Lihat AsliBalas0
MEVSandwichMaker
· 07-21 04:02
gpu bullish 先囤着
Lihat AsliBalas0
BlockchainBard
· 07-21 03:51
Ini benar-benar berguna! Berbagi sumber daya untuk mendapatkan imbalan
Jaringan AI DePIN: Inovasi komputasi AI dengan sumber daya GPU desentralisasi
AI dan DePIN: Revolusi Desentralisasi Sumber Daya Komputasi
Baru-baru ini, AI dan DePIN menjadi tren populer di bidang Web3, dengan nilai pasar masing-masing mencapai 30 miliar dan 23 miliar USD. Artikel ini akan membahas bidang perpotongan keduanya, khususnya perkembangan jaringan AI DePIN.
Dalam tumpukan teknologi AI, jaringan DePIN memberikan nilai praktis bagi AI dengan menyediakan sumber daya komputasi. Karena kekurangan GPU yang disebabkan oleh perusahaan teknologi besar, pengembang lain kesulitan untuk mendapatkan sumber daya GPU yang cukup untuk membangun model AI. Praktik tradisional adalah memilih layanan cloud terpusat, tetapi sering kali memerlukan penandatanganan kontrak jangka panjang yang tidak fleksibel.
Jaringan DePIN menyediakan alternatif yang lebih fleksibel dan lebih hemat biaya. Ini mengintegrasikan sumber daya GPU yang terdesentralisasi melalui insentif token untuk memberikan pasokan yang terintegrasi kepada pengguna yang membutuhkan kapasitas komputasi. Ini tidak hanya memungkinkan pengembang mendapatkan sumber daya komputasi sesuai permintaan yang disesuaikan, tetapi juga memberikan pemilik GPU sumber pendapatan tambahan.
Saat ini sudah ada beberapa jaringan AI DePIN di pasar, masing-masing memiliki ciri khas. Artikel ini akan memberikan pengantar singkat dan perbandingan proyek-proyek utama:
Render adalah pelopor jaringan komputasi GPU, awalnya fokus pada rendering konten, kemudian berkembang ke bidang komputasi AI. Ini telah diadopsi oleh perusahaan besar seperti Paramount Pictures dan bekerja sama dengan perusahaan AI seperti Stability AI.
Akash diposisikan sebagai pengganti "super cloud" untuk layanan cloud tradisional, mendukung penyimpanan, komputasi GPU, dan CPU. AkashML-nya dapat menjalankan puluhan ribu model di Hugging Face, dan telah menghosting beberapa proyek AI terkenal.
io.net berfokus pada kasus penggunaan AI dan pembelajaran mesin, mengagregasi sumber daya GPU dari pusat data, penambang, dan lainnya. Ini mendukung peluncuran cepat berbagai jenis kluster GPU.
Gensyn berfokus pada perhitungan pembelajaran mesin, meningkatkan efisiensi melalui mekanisme verifikasi yang inovatif. Ini dapat melakukan penyetelan ulang pada model yang telah dilatih sebelumnya, dan berencana untuk menyediakan model dasar yang terdesentralisasi.
Aethir fokus pada pasar GPU tingkat perusahaan, ditujukan untuk AI, permainan cloud, dan bidang komputasi intensif lainnya. Ini menyesuaikan alokasi sumber daya berdasarkan permintaan dan bekerja sama dengan beberapa perusahaan teknologi besar.
Phala Network bertindak sebagai lapisan eksekusi untuk solusi AI Web3, memungkinkan agen AI dikendalikan oleh kontrak pintar di blockchain. Ini menggunakan lingkungan eksekusi tepercaya (TEE) untuk melindungi privasi.
Proyek-proyek ini memiliki karakteristik yang berbeda dalam hal jenis perangkat keras, fokus bisnis, dan model harga. Perbedaan kunci termasuk:
Penyediaan GPU berkinerja tinggi: Beberapa proyek telah mengintegrasikan ribuan GPU A100/H100, yang dapat memenuhi kebutuhan pelatihan model besar.
Pemanfaatan GPU/CPU tingkat konsumen: Beberapa proyek juga mengintegrasikan daya komputasi yang tidak terpakai dari pengguna biasa untuk melayani kebutuhan komputasi berskala kecil.
Jaringan DePIN AI masih berada dalam tahap awal, menghadapi beberapa tantangan. Namun, seiring dengan meningkatnya pasokan perangkat keras dan volume tugas, jaringan ini secara bertahap membuktikan nilainya. Di masa depan, mereka diharapkan dapat memainkan peran penting di pasar AI senilai triliunan dolar, menyediakan pilihan sumber daya komputasi yang lebih hemat biaya dan efisien bagi para pengembang.