منذ عام 2023، أصبحت AI وDePIN اتجاهات شائعة في مجال Web3، حيث بلغت قيمتهما السوقية 30 مليار دولار و23 مليار دولار على التوالي. ستركز هذه المقالة على تقاطع الاثنين، مستكشفة تطور البروتوكولات في هذا المجال.
في تقنية AI ، يوفر شبكة DePIN من خلال الموارد الحسابية فائدة للذكاء الاصطناعي. أدى تطور الشركات الكبرى في التكنولوجيا إلى نقص في وحدات معالجة الرسومات (GPU) ، مما جعل من الصعب على المطورين الآخرين الحصول على وحدات GPU كافية للحساب. تقدم DePIN بديلاً أكثر مرونة وفعالية من حيث التكلفة ، حيث تستخدم مكافآت الرموز لتحفيز مساهمة الموارد. في مجال الذكاء الاصطناعي ، تقوم DePIN بتجميع موارد GPU من المالكين الأفراد إلى مراكز البيانات ، مما يشكل إمدادًا موحدًا للمستخدمين. وهذا لا يوفر فقط تخصيصًا و وصولًا عند الطلب للمطورين ، بل يوفر أيضًا دخلاً إضافيًا لمالكي وحدات GPU.
نظرة عامة على شبكة DePIN للذكاء الاصطناعي
Render هو رائد شبكة P2P يقدم قدرة حساب GPU، وقد بدأ في التركيز على إنشاء محتوى الرسوم المتحركة، ثم توسع ليشمل مهام الحساب الذكاء الاصطناعي. وقد تم استخدام هذه الشبكة من قبل شركات كبيرة في صناعة الترفيه مثل باراماونت بيكتشرز وPUBG.
Akash ي定位 نفسه كبديل "سوبر سحابي" للمنصات التقليدية التي تدعم التخزين، وحسابات GPU وCPU. إنه قادر على تشغيل أي تطبيق سحابي أصلي، ويعمل على تشغيل أكثر من 15,000 نموذج على Hugging Face.
io.net يوفر الوصول إلى تجمعات السحابية اللامركزية لـ GPU، المصممة خصيصًا لحالات استخدام الذكاء الاصطناعي وتعلم الآلة. إنه يجمع بين وحدات معالجة الرسومات من مراكز البيانات وعمال التعدين المشفرين وشبكات لامركزية أخرى.
Gensyn تقدم قدرات حسابية تعتمد على GPU تركز على التعلم الآلي والتعلم العميق. وتزعم أنها حققت آلية تحقق أكثر كفاءة، مما يوفر الكثير من التكاليف.
Aethir متخصص في تشغيل وحدات معالجة الرسوميات الخاصة بالشركات، يركز على المجالات التي تتطلب كثافة حسابية، وخاصة الذكاء الاصطناعي، وتعلم الآلة، والألعاب السحابية، وغيرها. تعمل الحاويات في شبكته كنقاط نهاية افتراضية لتنفيذ التطبيقات المستندة إلى السحابة.
Phala Network تعمل كطبقة تنفيذ لحلول Web3 AI. تعتبر سلسلة الكتل الخاصة بها حلاً حسابياً سحابياً بدون ثقة، مصممة لمعالجة قضايا الخصوصية من خلال استخدام بيئة تنفيذ موثوقة (TEE).
توجد اختلافات ملحوظة بين المشاريع في عدد وحدات معالجة الرسومات (GPU) وعدد وحدات المعالجة المركزية (CPU) وعدد وحدات H100/A100 وتكاليفها. تمتلك io.net وAethir عددًا أكبر من وحدات معالجة الرسومات عالية الأداء، مما يجعلها أكثر ملاءمة لحسابات النماذج الكبيرة.
لا يزال مجال DePIN للذكاء الاصطناعي جديدًا نسبيًا، ويواجه تحدياته الخاصة. ومع ذلك، فإن عدد المهام والأجهزة المنفذة في هذه الشبكات اللامركزية من وحدات معالجة الرسومات (GPU) قد زاد بشكل كبير، مما يبرز الطلب المتزايد على بدائل موارد الأجهزة من مزودي سحابة Web2. وعند النظر إلى المستقبل، ستلعب هذه الشبكات الموزعة من وحدات معالجة الرسومات دورًا حاسمًا في تقديم بدائل حسابية فعالة من حيث التكلفة للمطورين، مما سيساهم 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 8
أعجبني
8
6
مشاركة
تعليق
0/400
MoonMathMagic
· منذ 20 س
العبقري يرى العبقري نحن هنا لنلعب مرة أخرى في هذه الدورة
شاهد النسخة الأصليةرد0
GateUser-4745f9ce
· 07-20 09:30
ها قد جاء ربيع بطاقات الرسوم!
شاهد النسخة الأصليةرد0
NeverPresent
· 07-20 09:28
لا يمكن الاستغناء عن إنفيديا في هذه الدورة
شاهد النسخة الأصليةرد0
SerumDegen
· 07-20 09:27
احتيال آخر بالبطاقات الرسومية لول... الخسارة قادمة
شاهد النسخة الأصليةرد0
RektRecorder
· 07-20 09:18
لقد بدأت أشم رائحة الثراء في الصف الأمامي.
شاهد النسخة الأصليةرد0
AlgoAlchemist
· 07-20 09:09
لا يمكن التغلب على الشركات الكبرى؟ الحل من خلال الحشد
الذكاء الاصطناعي ودمج DePIN: صعود شبكة GPU اللامركزية لمواجهة قوة الحوسبة القصيرة
تقاطع الذكاء الاصطناعي وDePIN: صعود الشبكات اللامركزية للمعالجات الرسومية
منذ عام 2023، أصبحت AI وDePIN اتجاهات شائعة في مجال Web3، حيث بلغت قيمتهما السوقية 30 مليار دولار و23 مليار دولار على التوالي. ستركز هذه المقالة على تقاطع الاثنين، مستكشفة تطور البروتوكولات في هذا المجال.
في تقنية AI ، يوفر شبكة DePIN من خلال الموارد الحسابية فائدة للذكاء الاصطناعي. أدى تطور الشركات الكبرى في التكنولوجيا إلى نقص في وحدات معالجة الرسومات (GPU) ، مما جعل من الصعب على المطورين الآخرين الحصول على وحدات GPU كافية للحساب. تقدم DePIN بديلاً أكثر مرونة وفعالية من حيث التكلفة ، حيث تستخدم مكافآت الرموز لتحفيز مساهمة الموارد. في مجال الذكاء الاصطناعي ، تقوم DePIN بتجميع موارد GPU من المالكين الأفراد إلى مراكز البيانات ، مما يشكل إمدادًا موحدًا للمستخدمين. وهذا لا يوفر فقط تخصيصًا و وصولًا عند الطلب للمطورين ، بل يوفر أيضًا دخلاً إضافيًا لمالكي وحدات GPU.
نظرة عامة على شبكة DePIN للذكاء الاصطناعي
Render هو رائد شبكة P2P يقدم قدرة حساب GPU، وقد بدأ في التركيز على إنشاء محتوى الرسوم المتحركة، ثم توسع ليشمل مهام الحساب الذكاء الاصطناعي. وقد تم استخدام هذه الشبكة من قبل شركات كبيرة في صناعة الترفيه مثل باراماونت بيكتشرز وPUBG.
Akash ي定位 نفسه كبديل "سوبر سحابي" للمنصات التقليدية التي تدعم التخزين، وحسابات GPU وCPU. إنه قادر على تشغيل أي تطبيق سحابي أصلي، ويعمل على تشغيل أكثر من 15,000 نموذج على Hugging Face.
io.net يوفر الوصول إلى تجمعات السحابية اللامركزية لـ GPU، المصممة خصيصًا لحالات استخدام الذكاء الاصطناعي وتعلم الآلة. إنه يجمع بين وحدات معالجة الرسومات من مراكز البيانات وعمال التعدين المشفرين وشبكات لامركزية أخرى.
Gensyn تقدم قدرات حسابية تعتمد على GPU تركز على التعلم الآلي والتعلم العميق. وتزعم أنها حققت آلية تحقق أكثر كفاءة، مما يوفر الكثير من التكاليف.
Aethir متخصص في تشغيل وحدات معالجة الرسوميات الخاصة بالشركات، يركز على المجالات التي تتطلب كثافة حسابية، وخاصة الذكاء الاصطناعي، وتعلم الآلة، والألعاب السحابية، وغيرها. تعمل الحاويات في شبكته كنقاط نهاية افتراضية لتنفيذ التطبيقات المستندة إلى السحابة.
Phala Network تعمل كطبقة تنفيذ لحلول Web3 AI. تعتبر سلسلة الكتل الخاصة بها حلاً حسابياً سحابياً بدون ثقة، مصممة لمعالجة قضايا الخصوصية من خلال استخدام بيئة تنفيذ موثوقة (TEE).
! تقاطع الذكاء الاصطناعي و DePIN
مقارنة المشاريع
توجد اختلافات بين المشاريع في جوانب الأجهزة، وأولويات الأعمال، وأنواع مهام الذكاء الاصطناعي، وتسعير العمل، والبلوك تشين، وخصوصية البيانات، وتكاليف العمل، والأمان، وإثبات الإنجاز، وضمان الجودة، ومجموعات GPU.
! تقاطع الذكاء الاصطناعي و DePIN
! تقاطع الذكاء الاصطناعي و DePIN
بيانات إحصائيات الأجهزة
توجد اختلافات ملحوظة بين المشاريع في عدد وحدات معالجة الرسومات (GPU) وعدد وحدات المعالجة المركزية (CPU) وعدد وحدات H100/A100 وتكاليفها. تمتلك io.net وAethir عددًا أكبر من وحدات معالجة الرسومات عالية الأداء، مما يجعلها أكثر ملاءمة لحسابات النماذج الكبيرة.
! تقاطع الذكاء الاصطناعي و DePIN
الاستنتاج
لا يزال مجال DePIN للذكاء الاصطناعي جديدًا نسبيًا، ويواجه تحدياته الخاصة. ومع ذلك، فإن عدد المهام والأجهزة المنفذة في هذه الشبكات اللامركزية من وحدات معالجة الرسومات (GPU) قد زاد بشكل كبير، مما يبرز الطلب المتزايد على بدائل موارد الأجهزة من مزودي سحابة Web2. وعند النظر إلى المستقبل، ستلعب هذه الشبكات الموزعة من وحدات معالجة الرسومات دورًا حاسمًا في تقديم بدائل حسابية فعالة من حيث التكلفة للمطورين، مما سيساهم بشكل كبير في الشكل المستقبلي للبنية التحتية للذكاء الاصطناعي والحوسبة.
! تقاطع الذكاء الاصطناعي و DePIN