AI ve DePIN'in Kesişimi: Merkeziyetsiz GPU Hesaplama Ağı'nın Yükselişi

2023'ten bu yana, AI ve DePIN, Web3 alanında popüler trendler haline geldi ve piyasa değerleri sırasıyla 30 milyar dolar ve 23 milyar dolara ulaştı. Bu makalede her ikisinin kesişimi incelenecek ve ilgili protokollerin gelişimi araştırılacaktır.

AI teknoloji yelpazesinde, DePIN ağı, hesaplama kaynakları sağlayarak AI'ye güç katıyor. Büyük teknoloji şirketlerinin gelişimi, GPU kıtlığına yol açtı ve bu da diğer geliştiricilerin yeterli GPU'ya ulaşmasını zorlaştırdı. Bu genellikle geliştiricileri merkeziyetsiz bulut sağlayıcıları tercih etmeye zorlar, ancak esnek olmayan uzun vadeli yüksek performanslı donanım sözleşmeleri imzalamak zorunda kalındığı için verimlilik düşer.

DePIN, kaynak katkılarına token teşvikleri aracılığıyla daha esnek ve maliyet etkin alternatifler sunar. AI alanındaki DePIN ağı, GPU kaynaklarını bireysel sahiplerden birleştirerek tekil bir tedarik oluşturur ve donanıma ihtiyaç duyan kullanıcılara hizmet verir. Bu, geliştiricilere özel çözümler ve talebe dayalı erişim sağlarken, GPU sahipleri için ek gelir yaratır.

AI DePIN Ağı Genel Bakış

Her proje, GPU hesaplama pazar ağı inşa etmeyi hedefliyor. Aşağıda her projenin özellikleri, pazar odakları ve başarıları tanıtılacaktır.

Render P2P GPU hesaplama ağının öncüsüdür, başlangıçta içerik yaratımı grafik renderleme üzerine odaklanmıştır, daha sonra AI hesaplama görevlerine genişlemiştir.

Özellikler:

• Bulut grafik şirketi OTOY tarafından kuruldu
• Eğlence endüstrisinin büyük şirketleri, Paramount Pictures, PUBG gibi, GPU ağlarını kullanıyor.
• Stability AI ve Endeavor ile işbirliği yaparak, AI modellerini 3D içerik render iş akışına entegre etmek
• Birden fazla hesaplama istemcisini onaylayın, daha fazla DePIN ağı GPU'sunu entegre edin.

Akash depolama, GPU ve CPU hesaplamalarını destekleyen bir "süper bulut" alternatifi olarak konumlandırılmaktadır. Konteyner platformu ve Kubernetes tarafından yönetilen hesaplama düğümleri ile yazılım, ortamlara sorunsuz bir şekilde dağıtılabilir.

Özellikler:

• Genel hesaplamadan ağ barındırmaya yönelik geniş hesaplama görevleri
• AkashML, Hugging Face üzerinde 15.000'den fazla modeli çalıştırmayı destekliyor.
• Mistral AI'nin LLM model sohbet robotu, Stability AI'nın SDXL gibi uygulamaları
• Metaverse, AI dağıtımı ve federatif öğrenme platformunu destekler

io.net dağıtılmış GPU bulut kümeleri sunar, AI ve ML kullanım durumları için özel olarak tasarlanmıştır. Veri merkezleri, kripto madencileri gibi alanlardaki GPU kaynaklarını entegre eder.

Özellikler:

• IO-SDK, hesaplama gereksinimlerine göre otomatik olarak genişleyebilen PyTorch ve Tensorflow gibi çerçevelerle uyumludur.
• 2 dakika içinde başlatılabilen 3 farklı türde küme oluşturmayı destekler
• Render, Filecoin, Aethir gibi GPU kaynaklarını entegre etmek için işbirliği

Gensyn makine öğrenimi ve derin öğrenmeye odaklanan GPU hesaplama gücü sunar. Doğrulama verimliliğini artırmak için öğrenme kanıtı, grafik tabanlı hassas konumlandırma protokolleri gibi teknolojiler kullanır.

Özellikler:

• V100 eşdeğer GPU'nun saatlik maliyeti yaklaşık 0.40 Dolar, maliyetleri önemli ölçüde düşürür.
• Önceden eğitilmiş temel modelin ince ayarını destekler
• Merkeziyetsizlik olarak, küresel sahipliğe sahip temel model sağlama planı

Aethir AI, ML, bulut oyunları gibi hesaplama yoğun alanlara odaklanmaktadır. Ağı içindeki konteynerler, bulut uygulamalarını çalıştıran sanal uç noktalar olarak düşük gecikme süresi deneyimi sağlar.

Özellikler:

• Bulut telefon hizmetlerine genişleme, APhone ile işbirliği yaparak merkeziyetsiz bulut akıllı telefonunu tanıtma
• NVIDIA, Super Micro, HPE gibi büyük şirketlerle iş birlikleri kurmak
• CARV, Magic Eden gibi birçok Web3 projesi ile iş birliği

Phala Network Web3 AI çözümleri için yürütme katmanı olarak. Güvenilir yürütme ortamı (TEE) aracılığıyla gizlilik sorunlarını ele alır ve AI ajanlarının zincir üstü akıllı sözleşmelerle kontrol edilmesini destekler.

Özellikler:

• Doğrulanabilir hesaplama olarak bir yardımcı işlemci protokolü, AI ajanları için zincir üzerindeki kaynakları destekler.
• AI ajan sözleşmeleri Redpill aracılığıyla OpenAI, Llama gibi en iyi büyük dil modellerine ulaşabilir.
• Gelecek, zk-proofs, çok taraflı hesaplama, homomorfik şifreleme gibi çoklu kanıt sistemlerini içerecektir.
• H100 gibi diğer TEE GPU'larını destekleme planı, hesaplama gücünü artıracak.

Proje Karşılaştırması

| | Render | Akash | io.net | Gensyn | Aethir | Phala | |--------|-------------|------------------|---------------------|---------|---------------|----------| | Donanım | GPU & CPU | GPU & CPU | GPU & CPU | GPU | GPU | CPU | | İş Vurgusu | Grafik Renderleme ve AI | Bulut Bilişim, Renderleme ve AI | AI | AI | AI, Bulut Oyun ve Telekomünikasyon | Zincir Üstü AI Uygulama | | AI Görev Türü | Çıkarım | Her ikisi | Her ikisi | Eğitim | Eğitim | Uygulama | | Çalışma Fiyatlandırması | Performansa Dayalı Fiyatlandırma | Ters Açık Artırma | Piyasa Fiyatlandırması | Piyasa Fiyatlandırması | İhale Sistemi | Hisse Hesabı | | Blok zinciri | Solana | Cosmos | Solana | Gensyn | Arbitrum | Polkadot | | Veri gizliliği | Şifreleme&hashleme | mTLS kimlik doğrulama | Veri şifreleme | Güvenli haritalama | Şifreleme | TEE | | İşlem Ücretleri | Her işlem 0.5-5% | %20 USDC, %4 AKT | %2 USDC, %0.25 Rezerv Ücreti | Düşük Ücretler | Her oturum %20 | Stake Miktarına Orantılı | | Güvenlik | Görselleştirme Kanıtı | Hisse Kanıtı | Hesaplama Kanıtı | Hisse Kanıtı | Görselleştirme Kapasite Kanıtı | Ara Zincir'den Miras Alınmıştır | | Tamamlama Kanıtı | - | - | Zaman Kilidi Kanıtı | Öğrenim Kanıtı | Render Çalışma Kanıtı | TEE Kanıtı | | Kalite Güvencesi | Tartışma | - | - | Doğrulayıcı ve İhbarcı | Kontrol Düğümü | Uzaktan Kanıt | | GPU kümesi | Hayır | Evet | Evet | Evet | Evet | Hayır |

Önemi

Küme ve paralel hesaplamanın kullanılabilirliği

Dağıtık hesaplama çerçevesi, GPU kümesi uygulayarak daha verimli eğitim ve ölçeklenebilirlik sunar. Karmaşık AI modellerini eğitmek güçlü hesaplama yeteneği gerektirir ve genellikle dağıtık hesaplamaya dayanır. Çoğu proje artık küme uygulayarak paralel hesaplamayı gerçekleştirmektedir. io.net, 3,800'den fazla küme başarıyla dağıttı. Render küme desteği sunmamakla birlikte, tek bir görevi birden fazla düğüme bölerek aynı anda işlemesini sağlar. Phala, CPU işçi kümesinin desteklenmesini sağlar.

Veri gizliliği

AI model geliştirme, büyük veri setlerinin kullanılmasını gerektirir ve bu da hassas veri ifşa riski taşıyabilir. Çoğu proje, gizliliği korumak için bir tür veri şifreleme kullanmaktadır. io.net, Mind Network ile iş birliği yaparak tamamen homomorfik şifreleme (FHE) sunmaktadır ve bu, verilerin şifreli durumda işlenmesine izin verir. Phala Network, dış süreçlerin verilere erişimini veya değiştirmesini önlemek için güvenilir yürütme ortamı (TEE) tanıtmaktadır.

Hesaplama Tamamlandı Belgesi ve Kalite Kontrol

Gensyn ve Aethir, hesaplama tamamlandıktan sonra kanıt üretir, io.net'in kanıtı, kiralanan GPU performansının tam olarak kullanıldığını göstermektedir. Gensyn ve Aethir, tamamlanan hesaplamalar üzerinde kalite kontrolü yapar. Render, ihtilaf çözüm sürecinin kullanılmasını önerir. Phala tamamlandığında TEE kanıtı üretir, AI ajanının gerekli işlemleri gerçekleştirmesini garanti eder.

Donanım İstatistikleri

| | Render | Akash | io.net | Gensyn | Aethir | Phala | |-------------|--------|-------|--------|------------|------------|--------| | GPU Sayısı | 5600 | 384 | 38177 | - | 40000+ | - | | CPU Sayısı | 114 | 14672 | 5433 | - | - | 30000+ | | H100/A100 Miktarı | - | 157 | 2330 | - | 2000+ | - | | H100 Ücreti/Saat | - | $1.46 | $1.19 | - | - | - | | A100 Ücreti/Saat | - | $1.37 | $1.50 | $0.55 ( Beklenti ) | $0.33 ( Beklenti ) | - |

Yüksek performanslı GPU gereksinimleri

AI modeli eğitimi, Nvidia'nın A100 ve H100 gibi en iyi performansa sahip GPU'lara ihtiyaç duyar. H100'ün çıkarım performansı A100'den 4 kat daha hızlıdır ve bu nedenle tercih edilen GPU olmuştur. Merkeziyetsizlik GPU pazar sağlayıcıları, piyasanın gerçek ihtiyaçlarını karşılamalı ve daha düşük fiyatlar sunmalıdır. io.net ve Aethir, büyük model hesaplamaları için daha uygun olan 2000'den fazla H100/A100 birimi elde etti.

Ağ bağlantılı GPU kümeleri düşük maliyetli olmasına rağmen, bellek sınırlıdır. NVLink ile bağlantılı GPU'lar, çok sayıda parametre ve büyük veri setlerine sahip LLM'ler için en uygundur, çünkü yüksek performans ve yoğun hesaplama gerektirirler. Merkeziyetsiz GPU ağı, dağıtık hesaplama görevleri için güçlü bir hesaplama gücü ve ölçeklenebilirlik sağlama yeteneğini korur ve daha fazla AI ve ML kullanım durumu oluşturma fırsatları sunar.

Tüketici seviyesinde GPU/CPU sağlamak

CPU, AI model eğitiminde de önemli bir rol oynamakta, veri ön işleme ve bellek kaynak yönetimi için kullanılabilmektedir. Tüketici sınıfı GPU'lar, önceden eğitilmiş modellerin ince ayarı veya küçük ölçekli eğitim için kullanılabilir. Render, Akash ve io.net gibi projeler de bu pazara hizmet etmekte, kendi niş pazarlarını geliştirmektedir.

Sonuç

AI DePIN alanı hala nispeten yeni ve zorluklarla karşı karşıya. Ancak, bu ağlarda gerçekleştirilen görevlerin ve donanım sayısının önemli ölçüde artması, Web2 bulut sağlayıcılarının donanım kaynaklarına alternatiflere olan talebi vurgulamaktadır. Gelecekte, yapay zeka pazarının hızla büyümesi bekleniyor ve bu merkeziyetsiz GPU ağları, geliştiricilere maliyet etkin hesaplama alternatifleri sunma konusunda kilit bir rol oynayacaktır.