تقاطع الذكاء الاصطناعي وDePIN: صعود الشبكات الموزعة للمعالجات الرسومية

منذ عام 2023، أصبحت الذكاء الاصطناعي و DePIN اتجاهات شائعة في مجال Web3، حيث بلغت القيمة السوقية للأولى 30 مليار دولار، والثانية 23 مليار دولار. تركز هذه المقالة على تقاطع كلاهما وتناقش تطور البروتوكولات في هذا المجال.

في مجموعة تقنيات الذكاء الاصطناعي، يوفر شبكة DePIN الفائدة للذكاء الاصطناعي من خلال موارد الحوسبة. أدى تطور الشركات التكنولوجية الكبرى إلى نقص في وحدات معالجة الرسوميات، مما جعل من الصعب على المطورين الآخرين الحصول على وحدات معالجة الرسوميات الكافية لحساب نماذج الذكاء الاصطناعي. وغالبًا ما يؤدي ذلك إلى اختيار المطورين لمقدمي خدمات السحابة المركزية، ولكن بسبب ضرورة توقيع عقود طويلة الأجل غير مرنة للأجهزة عالية الأداء، تكون الكفاءة منخفضة.

يوفر DePIN بديلاً أكثر مرونة وتكلفة فعالة، من خلال تحفيز مساهمات الموارد التي تتوافق مع أهداف الشبكة من خلال مكافآت الرموز. في مجال الذكاء الاصطناعي، يقوم DePIN بتجميع موارد GPU من مالكيها الأفراد إلى مراكز البيانات، مما يشكل إمداداً موحداً للمستخدمين الذين يحتاجون للوصول إلى الأجهزة. لا توفر هذه الشبكات فقط تخصيصاً وإمكانية الوصول حسب الطلب للمطورين الذين يحتاجون إلى القدرة الحاسوبية، بل توفر أيضاً دخلاً إضافياً لمالكي GPU.

نظرة عامة على شبكة AI DePIN

Render هو رائد في شبكة P2P التي توفر قدرة حساب GPU، حيث كان يركز في السابق على تقديم الرسومات للابتكار في المحتوى، ثم وسع نطاقه ليشمل مهام الحساب AI من مجالات الانعكاس العصبي إلى الذكاء الاصطناعي التوليدي.

Akash يحدد نفسه بديلاً عن "السحابة الفائقة" للمنصات التقليدية التي تدعم التخزين وحوسبة GPU وCPU. باستخدام أدوات صديقة للمطورين مثل منصة الحاويات ونقاط الحوسبة المدارة بواسطة Kubernetes، فإنه قادر على نشر البرمجيات بسلاسة عبر البيئات، مما يمكنه من تشغيل أي تطبيق سحابي أصلي.

io.net يوفر الوصول إلى تجمعات سحابية موزعة من وحدات معالجة الرسوميات، وهذه التجمعات مصممة خصيصًا لحالات الاستخدام في الذكاء الاصطناعي والتعلم الآلي. إنه يجمع وحدات معالجة الرسوميات من مراكز البيانات، وعمال تعدين العملات المشفرة، وشبكات لامركزية أخرى.

Gensyn يوفر قدرة حساب GPU تركز على التعلم الآلي والتعلم العميق. ويزعم أنه حقق آلية تحقق أكثر كفاءة من خلال الجمع بين استخدام إثبات التعلم، بروتوكول تحديد المواقع الدقيق القائم على الرسوم البيانية، ومفاهيم التحفيز من خلال الرهان والتخفيضات المتعلقة بمقدمي الخدمة.

Aethir مخصص لنشر وحدات معالجة الرسوميات الخاصة بالشركات، وتركز على المجالات الكثيفة حسابياً، مثل الذكاء الاصطناعي، وتعلم الآلة، والألعاب السحابية، وغيرها. تعمل الحاويات في شبكتها كنقاط نهاية افتراضية لتشغيل التطبيقات المستندة إلى السحابة، مما ينقل أعباء العمل من الأجهزة المحلية إلى الحاويات، لتحقيق تجربة ذات زمن انتقال منخفض.

تعمل Phala Network كطبقة تنفيذية لحلول الذكاء الاصطناعي Web3. تعتبر سلسلة الكتل الخاصة بها حلاً للحوسبة السحابية بدون ثقة، تم تصميمها لمعالجة قضايا الخصوصية من خلال استخدام بيئة التنفيذ الموثوقة (TEE). تتيح طبقة التنفيذ الخاصة بها لوكلاء الذكاء الاصطناعي أن يتم التحكم بهم بواسطة العقود الذكية على السلسلة.

! تقاطع الذكاء الاصطناعي و DePIN

مقارنة المشاريع

| | ريندر | أكاش | io.net | جينسين | أثير | فالا | |--------|-------------|------------------|---------------------|---------|---------------|----------| | الأجهزة | وحدة معالجة الرسومات \ & وحدة المعالجة المركزية | وحدة معالجة الرسومات \ & وحدة المعالجة المركزية | وحدة معالجة الرسومات \ & وحدة المعالجة المركزية | وحدة معالجة الرسومات | وحدة معالجة الرسومات | وحدة المعالجة المركزية | |重点 الأعمال|تقديم الرسوميات والذكاء الاصطناعي|الحوسبة السحابية، والتقديم والذكاء الاصطناعي|الذكاء الاصطناعي|الذكاء الاصطناعي|الذكاء الاصطناعي، الألعاب السحابية والاتصالات|تنفيذ الذكاء الاصطناعي على السلسلة| | نوع مهمة AI | استدلال | كلاهما | كلاهما | تدريب | تدريب | تنفيذ | | تسعير العمل | تسعير قائم على الأداء | مزاد عكسي | تسعير سوقي | تسعير سوقي | نظام المناقصة | حساب الحقوق | | بلوكتشين | سولانا | كوزموس | سولانا | جينسين | أربيتريوم | بولكادوت | | خصوصية البيانات | التشفير& التجزئة | مصادقة mTLS | تشفير البيانات | خريطة آمنة | تشفير | TEE | | تكلفة العمل | لكل عمل 0.5-5% | 20% USDC، 4% AKT | 2% USDC، 0.25% رسوم الاحتياطي | رسوم منخفضة | لكل جلسة 20% | تتناسب مع مبلغ الرهن | | الأمان | إثبات الرندر | إثبات الملكية | إثبات الحساب | إثبات الملكية | إثبات القدرة على الرندر | الموروث من سلسلة الوسيط | | إثبات الإنجاز | - | - | إثبات القفل الزمني | إثبات التعلم | إثبات العمل القائم على التصيير | إثبات TEE | | ضمان الجودة | النزاع | - | - | المراجع والمبلغين | عقدة الفحص | إثبات عن بعد | | مجموعة GPU | لا | نعم | نعم | نعم | نعم | لا |

! تقاطع الذكاء الاصطناعي و DePIN

الأهمية

توفر التجميع والحوسبة الموازية

إطار حساب موزع يحقق تجميع GPU، ويوفر تدريبًا أكثر كفاءة دون التأثير على دقة النموذج، كما يعزز القابلية للتوسع. يتطلب تدريب نماذج الذكاء الاصطناعي الأكثر تعقيدًا قوة حسابية قوية، وغالبًا ما يجب الاعتماد على الحوسبة الموزعة لتلبية احتياجاتها. لقد تم دمج معظم المشاريع الرئيسية الآن مع التجميع لتحقيق الحوسبة المتوازية.

! تقاطع الذكاء الاصطناعي و DePIN

خصوصية البيانات

يتطلب تطوير نماذج الذكاء الاصطناعي استخدام مجموعات بيانات كبيرة، وقد تأتي هذه المجموعات من مصادر متنوعة وبأشكال مختلفة. قد تواجه مجموعات البيانات الحساسة مثل السجلات الطبية الشخصية وبيانات المالية للمستخدمين خطر تعرضها لمزودي النماذج. لذلك، تعتبر امتلاك طرق متنوعة لحماية البيانات أمرًا بالغ الأهمية لإعادة السيطرة على البيانات لمقدمي البيانات.

تستخدم معظم المشاريع التي تم تغطيتها نوعًا ما من تشفير البيانات لحماية خصوصية البيانات. قامت io.net مؤخرًا بالتعاون مع Mind Network بإطلاق تشفير متجانس تمامًا (FHE)، مما يسمح بمعالجة البيانات المشفرة دون الحاجة إلى فك تشفيرها أولاً. قدمت Phala Network TEE، أي المنطقة الآمنة داخل معالج الجهاز الرئيسي.

! تقاطع الذكاء الاصطناعي و DePIN

بيانات إحصائيات الأجهزة

| | التقديم | عكاش | io.net | جينسين | أثير | فالا | |-------------|--------|-------|--------|------------|------------|--------| | عدد وحدات معالجة الرسومات | 5600 | 384 | 38177 | - | 40000+ | - | | عدد وحدات المعالجة المركزية | 114 | 14672 | 5433 | - | - | 30000+ | | عدد H100/A100 | - | 157 | 2330 | - | 2000+ | - | | تكلفة H100/ساعة | - | $1.46 | $1.19 | - | - | - | | تكلفة A100/ساعة | - | $1.37 | $1.50 | $0.55 ( متوقع ) | $0.33 ( متوقع ) | - |

استنتاج

لا يزال مجال DePIN الذكاء الاصطناعي جديدًا نسبيًا، ويواجه تحديات خاصة به. ومع ذلك، لا يزال عدد المهام والأجهزة التي يتم تنفيذها في هذه الشبكات اللامركزية من وحدات معالجة الرسوميات (GPU) يتزايد بشكل ملحوظ. تزايد حجم المهام المنفذة على هذه الشبكات يبرز الطلب المتزايد على بدائل موارد الأجهزة من مزودي سحابة Web2. في الوقت نفسه، فإن الزيادة الكبيرة في مزودي الأجهزة في هذه الشبكات تبرز إمدادات كانت غير مستغلة سابقًا.

! تقاطع الذكاء الاصطناعي و DePIN

نتطلع إلى المستقبل، تشير مسارات تطوير الذكاء الاصطناعي إلى سوق مزدهر بقيمة تريليونات الدولارات، ونعتقد أن هذه الشبكات الموزعة من وحدات معالجة الرسوميات ستلعب دورًا حاسمًا في تقديم بدائل حسابية فعالة من حيث التكلفة للمطورين. من خلال الاستفادة من شبكتها التي تسد الفجوة بين الطلب والعرض، ستساهم هذه الشبكات بشكل كبير في المشهد المستقبلي للذكاء الاصطناعي والبنية التحتية الحاسوبية.

! تقاطع الذكاء الاصطناعي و DePIN