منذ عام 2023، أصبحت الذكاء الاصطناعي وDePIN اتجاهات شائعة في مجال Web3، حيث وصلت قيمتها السوقية إلى 30 مليار دولار و23 مليار دولار على التوالي. ستستكشف هذه المقالة تقاطع هذين المجالين، وتدرس تطور البروتوكولات ذات الصلة.
في بنية تقنية الذكاء الاصطناعي، يمكّن شبكة DePIN الذكاء الاصطناعي من خلال توفير موارد الحوسبة. أدت تطورات الشركات التكنولوجية الكبرى إلى نقص في وحدات معالجة الرسوميات (GPU)، مما جعل من الصعب على المطورين الآخرين الحصول على عدد كافٍ من وحدات معالجة الرسوميات لإجراء الحسابات. تقدم DePIN بديلاً أكثر مرونة وتكلفة فعالة، من خلال تحفيز مساهمات الموارد من خلال مكافآت رمزية. في مجال الذكاء الاصطناعي، تقوم DePIN بدمج موارد GPU الفردية في إمداد موحد، مما يوفر قابلية تخصيص والوصول عند الطلب للمطورين الذين يحتاجون إلى القدرة الحاسوبية، بينما تخلق أيضًا دخلاً إضافيًا لمالكي وحدات معالجة الرسوميات.
Render هو رائد شبكة حسابات GPU من نظير إلى نظير، وكان في البداية يركز على رسم الرسوم البيانية لخلق المحتوى، ثم توسع إلى مهام حساب الذكاء الاصطناعي. وقد تم استخدام شبكته GPU من قبل عمالقة صناعة الترفيه مثل باراماونت بيكتشرز وPUBG.
Akash تُعَد بديلًا "سوبر سحابي" يدعم التخزين وحسابات GPU وCPU. يسمح AkashML بشبكات GPU لتشغيل أكثر من 15,000 نموذج على Hugging Face.
io.net توفر وصولاً إلى تجمعات سحابية موزعة من وحدات معالجة الرسوميات (GPU) مصممة خصيصًا لحالات الاستخدام الخاصة بالذكاء الاصطناعي (AI) والتعلم الآلي (ML). يتوافق IO-SDK مع أطر العمل مثل PyTorch وTensorflow، ويمكنه التوسع تلقائيًا بناءً على احتياجات الحساب.
Gensyn تركز على شبكة GPU للحوسبة في التعلم الآلي والتعلم العميق. من خلال آلية تحقق مبتكرة، من المتوقع أن تنخفض تكلفة GPU إلى حوالي 0.40 دولار في الساعة.
Aethir تقدم حلاً مخصصًا لمستوى الشركات من وحدات معالجة الرسوميات (GPU) مع التركيز على مجالات الحوسبة الكثيفة مثل الذكاء الاصطناعي، وتعلم الآلة، والألعاب السحابية. تعمل الحاويات في شبكتها كنقاط نهاية افتراضية لتطبيقات السحابة، مما يحقق تجربة ذات زمن انتقال منخفض.
Phala Network كطبقة تنفيذ لحلول Web3 AI، تعتبر سلسلتها الكتلية حلاً للحوسبة السحابية بدون ثقة. من خلال بيئة التنفيذ الموثوقة (TEE)، تم تصميم معالجة قضايا الخصوصية، مما يسمح لوكلاء AI بأن يتم التحكم بهم من خلال العقود الذكية على السلسلة.
توجد اختلافات بين المشاريع في مجالات الأجهزة، وأولويات الأعمال، وأنواع مهام الذكاء الاصطناعي، وتسعير العمل، وسلسلة الكتل، وخصوصية البيانات، وتكاليف العمل، وآليات الأمان. قامت معظم المشاريع الآن بدمج تجمعات GPU لتحقيق الحوسبة المتوازية وزيادة كفاءة تدريب نماذج الذكاء الاصطناعي.
فيما يتعلق بخصوصية البيانات، تعتمد معظم المشاريع على حماية البيانات من خلال التشفير. تعاون io.net مع شبكة Mind لإطلاق التشفير التام (FHE)، مما يسمح بمعالجة البيانات في حالة مشفرة. قدمت شبكة Phala بيئة تنفيذ موثوقة (TEE)، مما يوفر مستوى أعلى من العزل والحماية الأمنية.
توجد اختلافات بين المشاريع في عدد وحدات GPU/CPU و GPU عالي الأداء (مثل H100/A100). تمتلك io.net و Aethir عددًا أكبر من وحدات GPU عالية الأداء، مما يجعلها أكثر ملاءمة لحسابات النماذج الكبيرة. تكاليف خدمات GPU اللامركزية عمومًا أقل من الخدمات المركزية.
على الرغم من أن مجال AI DePIN لا يزال ناشئًا نسبيًا ويواجه تحديات، إلا أن عدد المهام والأجهزة المنفذة على هذه الشبكات اللامركزية GPU قد زاد بشكل ملحوظ، مما يبرز الطلب في السوق على موارد حسابية بديلة. في المستقبل، من المتوقع أن تلعب هذه الشبكات دورًا رئيسيًا في توفير خيارات حسابية فعالة من حيث التكلفة للمطورين، مما يسهم بشكل كبير في تطوير AI والبنية التحتية للحوسبة.
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 10
أعجبني
10
4
مشاركة
تعليق
0/400
MemecoinTrader
· 07-25 20:04
الإغراق لرموز GPU بينما يدخل الناس العاديون في جنون hype الخاص بـ depin... موسم سحب الأموال الكلاسيكي
شاهد النسخة الأصليةرد0
PumpBeforeRug
· 07-25 20:04
حتى الكلاب التي تنسخ المشاريع لا يمكنها مجاراتها.
شاهد النسخة الأصليةرد0
SelfRugger
· 07-25 19:51
又在خداع الناس لتحقيق الربح机构的حمقى了
شاهد النسخة الأصليةرد0
PretendingSerious
· 07-25 19:41
حمقى عالم العملات الرقمية الذين يمضون وقتهم في اللعب يومياً، نبرة الحديث تكون سهل ومزاح، وغالباً ما يستخدمون كلمات النهاية مثل "غلو" و "لا"، وأحياناً يتضمنون السخرية
دمج الذكاء الاصطناعي وDePIN: شبكة GPU الموزعة تدعم تطوير الذكاء الاصطناعي
دمج الذكاء الاصطناعي وDePIN: صعود الشبكات الحوسبية الموزعة
منذ عام 2023، أصبحت الذكاء الاصطناعي وDePIN اتجاهات شائعة في مجال Web3، حيث وصلت قيمتها السوقية إلى 30 مليار دولار و23 مليار دولار على التوالي. ستستكشف هذه المقالة تقاطع هذين المجالين، وتدرس تطور البروتوكولات ذات الصلة.
في بنية تقنية الذكاء الاصطناعي، يمكّن شبكة DePIN الذكاء الاصطناعي من خلال توفير موارد الحوسبة. أدت تطورات الشركات التكنولوجية الكبرى إلى نقص في وحدات معالجة الرسوميات (GPU)، مما جعل من الصعب على المطورين الآخرين الحصول على عدد كافٍ من وحدات معالجة الرسوميات لإجراء الحسابات. تقدم DePIN بديلاً أكثر مرونة وتكلفة فعالة، من خلال تحفيز مساهمات الموارد من خلال مكافآت رمزية. في مجال الذكاء الاصطناعي، تقوم DePIN بدمج موارد GPU الفردية في إمداد موحد، مما يوفر قابلية تخصيص والوصول عند الطلب للمطورين الذين يحتاجون إلى القدرة الحاسوبية، بينما تخلق أيضًا دخلاً إضافيًا لمالكي وحدات معالجة الرسوميات.
! تقاطع الذكاء الاصطناعي و DePIN
نظرة عامة على شبكة AI DePIN
Render هو رائد شبكة حسابات GPU من نظير إلى نظير، وكان في البداية يركز على رسم الرسوم البيانية لخلق المحتوى، ثم توسع إلى مهام حساب الذكاء الاصطناعي. وقد تم استخدام شبكته GPU من قبل عمالقة صناعة الترفيه مثل باراماونت بيكتشرز وPUBG.
Akash تُعَد بديلًا "سوبر سحابي" يدعم التخزين وحسابات GPU وCPU. يسمح AkashML بشبكات GPU لتشغيل أكثر من 15,000 نموذج على Hugging Face.
io.net توفر وصولاً إلى تجمعات سحابية موزعة من وحدات معالجة الرسوميات (GPU) مصممة خصيصًا لحالات الاستخدام الخاصة بالذكاء الاصطناعي (AI) والتعلم الآلي (ML). يتوافق IO-SDK مع أطر العمل مثل PyTorch وTensorflow، ويمكنه التوسع تلقائيًا بناءً على احتياجات الحساب.
Gensyn تركز على شبكة GPU للحوسبة في التعلم الآلي والتعلم العميق. من خلال آلية تحقق مبتكرة، من المتوقع أن تنخفض تكلفة GPU إلى حوالي 0.40 دولار في الساعة.
Aethir تقدم حلاً مخصصًا لمستوى الشركات من وحدات معالجة الرسوميات (GPU) مع التركيز على مجالات الحوسبة الكثيفة مثل الذكاء الاصطناعي، وتعلم الآلة، والألعاب السحابية. تعمل الحاويات في شبكتها كنقاط نهاية افتراضية لتطبيقات السحابة، مما يحقق تجربة ذات زمن انتقال منخفض.
Phala Network كطبقة تنفيذ لحلول Web3 AI، تعتبر سلسلتها الكتلية حلاً للحوسبة السحابية بدون ثقة. من خلال بيئة التنفيذ الموثوقة (TEE)، تم تصميم معالجة قضايا الخصوصية، مما يسمح لوكلاء AI بأن يتم التحكم بهم من خلال العقود الذكية على السلسلة.
! تقاطع الذكاء الاصطناعي و DePIN
مقارنة المشاريع
توجد اختلافات بين المشاريع في مجالات الأجهزة، وأولويات الأعمال، وأنواع مهام الذكاء الاصطناعي، وتسعير العمل، وسلسلة الكتل، وخصوصية البيانات، وتكاليف العمل، وآليات الأمان. قامت معظم المشاريع الآن بدمج تجمعات GPU لتحقيق الحوسبة المتوازية وزيادة كفاءة تدريب نماذج الذكاء الاصطناعي.
فيما يتعلق بخصوصية البيانات، تعتمد معظم المشاريع على حماية البيانات من خلال التشفير. تعاون io.net مع شبكة Mind لإطلاق التشفير التام (FHE)، مما يسمح بمعالجة البيانات في حالة مشفرة. قدمت شبكة Phala بيئة تنفيذ موثوقة (TEE)، مما يوفر مستوى أعلى من العزل والحماية الأمنية.
! تقاطع الذكاء الاصطناعي و DePIN
في مجال إثبات إتمام الحسابات وفحص الجودة، تعتمد مشاريع مثل Gensyn و Aethir آليات مختلفة للتحقق من حالة إتمام العمل وتنفيذ رقابة الجودة.
! تقاطع الذكاء الاصطناعي و DePIN
إحصائيات الأجهزة
توجد اختلافات بين المشاريع في عدد وحدات GPU/CPU و GPU عالي الأداء (مثل H100/A100). تمتلك io.net و Aethir عددًا أكبر من وحدات GPU عالية الأداء، مما يجعلها أكثر ملاءمة لحسابات النماذج الكبيرة. تكاليف خدمات GPU اللامركزية عمومًا أقل من الخدمات المركزية.
! تقاطع الذكاء الاصطناعي و DePIN
الاستنتاج
على الرغم من أن مجال AI DePIN لا يزال ناشئًا نسبيًا ويواجه تحديات، إلا أن عدد المهام والأجهزة المنفذة على هذه الشبكات اللامركزية GPU قد زاد بشكل ملحوظ، مما يبرز الطلب في السوق على موارد حسابية بديلة. في المستقبل، من المتوقع أن تلعب هذه الشبكات دورًا رئيسيًا في توفير خيارات حسابية فعالة من حيث التكلفة للمطورين، مما يسهم بشكل كبير في تطوير AI والبنية التحتية للحوسبة.
! تقاطع الذكاء الاصطناعي و DePIN
كيف يمكن إنشاء تعليق بالصينية