A interseção da IA e DePIN: a ascensão das redes GPU descentralizadas

Desde 2023, a IA e o DePIN tornaram-se tendências populares no Web3, com um valor de mercado de 30 bilhões de dólares e 23 bilhões de dólares, respetivamente. Este artigo foca na interseção entre os dois, explorando o desenvolvimento dos protocolos relacionados.

Na pilha de tecnologia de IA, a rede DePIN fornece utilidade à IA através de recursos computacionais. O monopólio das grandes empresas de tecnologia sobre GPUs levou os desenvolvedores a carecer de poder computacional suficiente, tendo que optar por provedores de serviços em nuvem centralizados. DePIN oferece uma alternativa mais flexível e econômica, incentivando a contribuição de recursos através de tokens. O DePIN na área de IA agrega recursos de GPU de proprietários individuais para centros de dados, formando um fornecimento unificado para os usuários. Isso não apenas fornece acesso sob demanda para os desenvolvedores, mas também cria receita adicional para os proprietários de GPUs.

Existem várias redes DePIN de IA no mercado, a seguir serão explorados os papéis, objetivos e principais destaques de cada protocolo.

Visão Geral da Rede DePIN de IA

Render é um pioneiro na rede P2P que fornece poder de computação GPU, inicialmente focado na renderização de criação de conteúdo, e depois expandiu para tarefas de computação AI.

Akash é posicionado como uma alternativa "super nuvem" que suporta armazenamento, computação GPU e CPU, capaz de executar qualquer aplicativo nativo de nuvem.

A io.net oferece acesso a um cluster de nuvem distribuído de GPU especificamente para casos de uso de IA e ML, agregando recursos de GPU de centros de dados, mineradores de criptomoedas, entre outros.

A Gensyn oferece poder computacional de GPU focado em aprendizado de máquina e aprendizado profundo, melhorando a eficiência através de um mecanismo de verificação inovador.

Aethir oferece GPUs de nível empresarial, focando em áreas de computação intensiva como IA, ML e jogos na nuvem.

A Phala Network, como camada de execução da solução Web3 AI, lida com questões de privacidade através de ambientes de execução confiáveis (TEE).

comparação de projetos

Os projetos diferem em termos de hardware, foco de negócios, tipos de tarefas de IA, precificação do trabalho, blockchain, privacidade de dados, custos e mecanismos de segurança. As principais diferenças incluem:

• Capacidade de computação em cluster e paralela: a maioria dos projetos integrou clusters para realizar computação paralela, aumentando a eficiência do treinamento de modelos de IA.

• Proteção da privacidade dos dados: os projetos utilizam diferentes métodos para proteger a privacidade dos dados, como criptografia, TEE, etc.

• Prova de conclusão e verificação de qualidade: alguns projetos oferecem mecanismos de prova de conclusão e verificação de qualidade, garantindo a qualidade do cálculo.

Dados estatísticos de hardware

Os projetos apresentam diferenças em relação ao número de GPUs, número de GPUs de alto desempenho e preços. io.net e Aethir possuem mais GPUs de alto desempenho, sendo mais adequados para cálculos de grandes modelos. Redes de GPUs descentralizadas geralmente conseguem oferecer serviços a um custo mais baixo.

Conclusão

O campo DePIN de IA ainda é relativamente novo, enfrentando desafios, mas também demonstra um forte impulso de crescimento. Essas redes resolvem efetivamente a contradição entre a demanda e a oferta de computação de IA, oferecendo aos desenvolvedores uma alternativa econômica e eficiente. Com o crescimento próspero do mercado de IA, espera-se que as redes GPU descentralizadas desempenhem um papel importante na futura configuração da infraestrutura de computação.