# AIとDePINの交差点:分散型GPUコンピューティングネットワークの台頭2023年以降、AIとDePINはWeb3分野の人気トレンドとなり、市場価値はそれぞれ300億ドルと230億ドルに達しました。本稿では両者の交差点を探り、関連プロトコルの発展を研究します。AI テクノロジースタックにおいて、DePIN ネットワークは計算リソースを提供することで AI に力を与えています。大手テクノロジー企業の発展により GPU が不足し、他の開発者が計算に必要な十分な GPU を入手することが困難になっています。これにより、開発者は分散化されたクラウドサービスプロバイダーを選択せざるを得ないことが多いですが、柔軟性のない長期の高性能ハードウェア契約を締結する必要があるため、効率が低下します。DePINは、トークンによってリソース貢献を奨励することで、より柔軟でコスト効率の高い代替案を提供します。AI分野のDePINネットワークは、個人所有者からGPUリソースを統合し、ハードウェアが必要なユーザーにサービスを提供します。これは、開発者にカスタマイズ性とオンデマンドアクセスを提供するだけでなく、GPU所有者に追加の収入を生み出します。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-112d1efea526039e305cc846f2ca3c50)## AI DePIN ネットワークの概要各プロジェクトはGPU計算市場ネットワークの構築を目指しています。以下に各プロジェクトの特徴、市場の重点、そして成果について紹介します。**Render** は P2P GPU 計算ネットワークの先駆者であり、最初はコンテンツ制作のグラフィックレンダリングに特化し、その後 AI 計算タスクに拡張されました。特異：- 云図形会社 OTOY によって設立された- エンターテインメント業界の大手企業であるパラマウント・ピクチャーズやPUBGなどがそのGPUネットワークを使用している- Stability AI と Endeavor と協力し、AI モデルと 3D コンテンツレンダリングワークフローを統合- 複数の計算クライアントを承認し、より多くの DePIN ネットワークの GPU を統合する**Akash** は、ストレージ、GPU、CPU 計算をサポートする「スーパークラウド」の代替品として位置付けられています。コンテナプラットフォームと Kubernetes によって管理される計算ノードを利用し、環境を超えてソフトウェアをシームレスに展開できます。特異：- 一般的な計算からネットワークホスティングまでの広範な計算タスク- AkashML は Hugging Face 上で 15,000 以上のモデルをサポートしています- Mistral AI の LLM モデルチャットボット、Stability AI の SDXL などのアプリケーションをホスティング- メタバース、AI展開および連邦学習プラットフォームをサポート**io.net** は、AI と ML のユースケース専用の分散型 GPU クラウドクラスターを提供します。データセンター、暗号マイナーなどの分野の GPU リソースを統合しています。特異：- IO-SDK は PyTorch や Tensorflow などのフレームワークと互換性があり、計算ニーズに応じて自動的に拡張できます- 3種類の異なるタイプのクラスターの作成をサポートし、2分以内に起動できます- Render、Filecoin、Aethirなどと協力してGPUリソースを統合**Gensyn** は、機械学習と深層学習に特化した GPU 計算能力を提供します。学習証明やグラフィックベースの精密位置決定プロトコルなどの技術を採用して、検証効率を向上させます。特異：- V100 等価 GPU の時間あたりコストは約 0.40 ドルで、コストを大幅に削減します。- 事前に訓練された基本モデルの微調整をサポート- 分散化された、グローバルに所有される基盤モデルを提供する予定**Aethir** は AI、ML、クラウドゲームなどの計算集約型分野に焦点を当てています。そのネットワーク内のコンテナは、クラウドアプリケーションを実行する仮想エンドポイントとして機能し、低遅延体験を実現します。特異：- クラウドフォンサービスに拡張し、APhoneと協力して分散化されたクラウドインテリジェントスマートフォンを発表- NVIDIA、Super Micro、HPEなどの大手企業とのパートナーシップの確立- CARVやMagic Edenなどの複数のWeb3プロジェクトと提携**Phala Network** は Web3 AI ソリューションの実行層です。信頼できる実行環境(TEE)を通じてプライバシー問題を設計し、AI エージェントがオンチェーンのスマートコントラクトによって制御されることをサポートします。特異：- 検証可能な計算のコプロセッサープロトコルで、AIエージェントがオンチェーンリソースをサポートします- AI代理契約は、Redpillを通じてOpenAIやLlamaなどのトップの大規模言語モデルを取得できます。- 未来には zk-proofs、マルチパーティ計算、完全同型暗号などの複数の証明システムが含まれます- H100などの他のTEE GPUをサポートする計画があり、計算能力を向上させます。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-68a395d50be4ab07fbc575dd54441164)## プロジェクト比較| | レンダリング | アカシュ | io.net | ゲンシン | アエシール | ファラ ||--------|-------------|------------------|---------------------|---------|---------------|----------|| ハードウェア | GPU \& CPU | GPU \& CPU | GPU \& CPU | GPUの| GPUの| CPU || 事業の重点 | グラフィックレンダリングとAI | クラウドコンピューティング、レンダリングとAI | AI | AI | AI、クラウドゲームと電気通信 | チェーン上のAI実行 || AIタスクタイプ | 推論 | 両者 | 両者 | トレーニング | トレーニング | 実行 || 仕事の価格設定 | パフォーマンスに基づく価格設定 | 逆オークション | 市場価格設定 | 市場価格設定 | 入札システム | 権益計算 || ブロックチェーン | ソラナ | コスモス | ソラナ | ゲンシン | アービトラム | ポルカドット || データプライバシー | 暗号化\&分散化 | mTLS 認証 | データ暗号化 | セキュアマッピング | 暗号化 | TEE || 作業コスト | 0.5-5% |仕事あたり 20% USDC、4% AKT | 2% USDC、0.25%の準備金手数料 | 低コスト | セッションごとに20% | 誓約金額に比例 || 安全 | レンダリング証明 | 権益証明 | 計算証明 | 権益証明 | レンダリング能力証明 | 中継チェーンからの継承 || 完了証明 | - | - | タイムロック証明 | 学習証明 | レンダリング作業証明 | TEE証明 || 品質保証 | 争議 | - | - | 検証者と通報者 | チェッカーノード | リモート証明 || GPU クラスター | いいえ | はい | はい | はい | はい | いいえ |###の重要性**クラスタと並列計算の可用性**分散化計算フレームワークがGPUクラスターを実現し、より効率的なトレーニングとスケーラビリティを提供します。複雑なAIモデルのトレーニングには強力な計算能力が必要で、通常は分散化計算に依存します。ほとんどのプロジェクトはすでにクラスターを統合して並列計算を実現しています。io.netは3,800以上のクラスターを成功裏に展開しました。Renderはクラスターをサポートしていませんが、単一のタスクを複数のノードに分解して同時に処理します。PhalaはCPUワーカーのクラスター化をサポートしています。**データプライバシー**AIモデルの開発には大量のデータセットが必要であり、敏感なデータが露出するリスクが存在する可能性があります。ほとんどのプロジェクトは、プライバシーを保護するために何らかの形式のデータ暗号化を採用しています。io.netはMind Networkと協力して、全同型暗号(FHE)を導入し、暗号化された状態でデータを処理できるようにしています。Phala Networkは信頼できる実行環境(TEE)を導入し、外部プロセスがデータにアクセスしたり変更したりするのを防ぎます。**計算と品質チェックの完了証明**Gensyn と Aethir は計算完了後に証明を生成し、io.net の証明は GPU 性能のレンタルが十分に活用されていることを示します。Gensyn と Aethir は、完了した計算に対して品質チェックを行います。Render は紛争解決プロセスの利用を推奨しています。Phala は完了後に TEE 証明を生成し、AI エージェントが必要な操作を実行することを保証します。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-8f83f1affbdfd92f33bc47afe8928c5c)## ハードウェア統計データ| | レンダリング | アカシュ | io.net | ゲンシン | エイシア | ファラ ||-------------|--------|-------|--------|------------|------------|--------|| GPUの数 | 5600 | 384 | 38177 | - | 40000+ | - || CPUの数 | 114 | 14672 | 5433 | - | - | 30000+ || H100/A100個 | - | 157 | 2330 | - | 2000+ | - || H100料金/時間 | - | 1.46ドル | 1.19ドル| - | - | - || A100料金/時間 | - | 1.37ドル | 1.50ドル| $0.55 ( 推定) | $0.33 (推定) | - |### 高性能GPUの要件AIモデルのトレーニングには、NvidiaのA100やH100など、パフォーマンスが最適なGPUが必要です。H100の推論性能はA100の4倍速く、最適なGPUとなります。分散化されたGPU市場のプロバイダーは、市場の実際の需要を満たし、より低価格を提供する必要があります。io.netとAethirはそれぞれ2000以上のH100/A100ユニットを取得し、大規模モデルの計算により適しています。ネットワーク接続のGPUクラスターはコストが低いですが、メモリが制限されています。NVLink接続のGPUは、パラメータが多く、データセットが大きいLLMに最適で、高性能と密な計算が必要です。分散化GPUネットワークは、依然として分散計算タスクに強力な計算能力とスケーラビリティを提供し、より多くのAIおよびMLユースケースを構築する機会を提供します。### コンシューマー向け GPU/CPU を提供CPUはAIモデルのトレーニングにおいても重要な役割を果たし、データ前処理やメモリリソース管理に使用されます。コンシューマ向けGPUは、事前トレーニングされたモデルの微調整や小規模トレーニングに使用できます。Render、Akash、io.netなどのプロジェクトもこの市場にサービスを提供し、自らのニッチ市場を開発しています。## まとめAI DePIN 分野はまだ比較的新興であり、課題に直面しています。しかし、これらのネットワーク上で実行されるタスクとハードウェアの数は著しく増加しており、Web2 クラウドプロバイダーのハードウェアリソースの代替品に対する需要が浮き彫りになっています。今後、人工知能市場は繁栄する見込みであり、これらの分散化された GPU ネットワークは、開発者に経済的に効率的な計算の代替案を提供する上で重要な役割を果たすでしょう。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-df4f88879b53c4aa604b248fc9ff393a)! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-24fd635c71ed2aad842d38bf56e70b43)! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-7a05f8ca3e44b9c91a7917953175da09)! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-85bfeec032db538007843e9b55783e18)! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-10f0acfcfea618361b9c445c49edfc88)
AIとDePINの融合:分散型GPUコンピューティングネットワークの台頭と発展
AIとDePINの交差点:分散型GPUコンピューティングネットワークの台頭
2023年以降、AIとDePINはWeb3分野の人気トレンドとなり、市場価値はそれぞれ300億ドルと230億ドルに達しました。本稿では両者の交差点を探り、関連プロトコルの発展を研究します。
AI テクノロジースタックにおいて、DePIN ネットワークは計算リソースを提供することで AI に力を与えています。大手テクノロジー企業の発展により GPU が不足し、他の開発者が計算に必要な十分な GPU を入手することが困難になっています。これにより、開発者は分散化されたクラウドサービスプロバイダーを選択せざるを得ないことが多いですが、柔軟性のない長期の高性能ハードウェア契約を締結する必要があるため、効率が低下します。
DePINは、トークンによってリソース貢献を奨励することで、より柔軟でコスト効率の高い代替案を提供します。AI分野のDePINネットワークは、個人所有者からGPUリソースを統合し、ハードウェアが必要なユーザーにサービスを提供します。これは、開発者にカスタマイズ性とオンデマンドアクセスを提供するだけでなく、GPU所有者に追加の収入を生み出します。
! AIとDePINの交差点
AI DePIN ネットワークの概要
各プロジェクトはGPU計算市場ネットワークの構築を目指しています。以下に各プロジェクトの特徴、市場の重点、そして成果について紹介します。
Render は P2P GPU 計算ネットワークの先駆者であり、最初はコンテンツ制作のグラフィックレンダリングに特化し、その後 AI 計算タスクに拡張されました。
特異：
Akash は、ストレージ、GPU、CPU 計算をサポートする「スーパークラウド」の代替品として位置付けられています。コンテナプラットフォームと Kubernetes によって管理される計算ノードを利用し、環境を超えてソフトウェアをシームレスに展開できます。
特異：
io.net は、AI と ML のユースケース専用の分散型 GPU クラウドクラスターを提供します。データセンター、暗号マイナーなどの分野の GPU リソースを統合しています。
特異：
Gensyn は、機械学習と深層学習に特化した GPU 計算能力を提供します。学習証明やグラフィックベースの精密位置決定プロトコルなどの技術を採用して、検証効率を向上させます。
特異：
Aethir は AI、ML、クラウドゲームなどの計算集約型分野に焦点を当てています。そのネットワーク内のコンテナは、クラウドアプリケーションを実行する仮想エンドポイントとして機能し、低遅延体験を実現します。
特異：
Phala Network は Web3 AI ソリューションの実行層です。信頼できる実行環境(TEE)を通じてプライバシー問題を設計し、AI エージェントがオンチェーンのスマートコントラクトによって制御されることをサポートします。
特異：
! AIとDePINの交差点
プロジェクト比較
| | レンダリング | アカシュ | io.net | ゲンシン | アエシール | ファラ | |--------|-------------|------------------|---------------------|---------|---------------|----------| | ハードウェア | GPU & CPU | GPU & CPU | GPU & CPU | GPUの| GPUの| CPU | | 事業の重点 | グラフィックレンダリングとAI | クラウドコンピューティング、レンダリングとAI | AI | AI | AI、クラウドゲームと電気通信 | チェーン上のAI実行 | | AIタスクタイプ | 推論 | 両者 | 両者 | トレーニング | トレーニング | 実行 | | 仕事の価格設定 | パフォーマンスに基づく価格設定 | 逆オークション | 市場価格設定 | 市場価格設定 | 入札システム | 権益計算 | | ブロックチェーン | ソラナ | コスモス | ソラナ | ゲンシン | アービトラム | ポルカドット | | データプライバシー | 暗号化&分散化 | mTLS 認証 | データ暗号化 | セキュアマッピング | 暗号化 | TEE | | 作業コスト | 0.5-5% |仕事あたり 20% USDC、4% AKT | 2% USDC、0.25%の準備金手数料 | 低コスト | セッションごとに20% | 誓約金額に比例 | | 安全 | レンダリング証明 | 権益証明 | 計算証明 | 権益証明 | レンダリング能力証明 | 中継チェーンからの継承 | | 完了証明 | - | - | タイムロック証明 | 学習証明 | レンダリング作業証明 | TEE証明 | | 品質保証 | 争議 | - | - | 検証者と通報者 | チェッカーノード | リモート証明 | | GPU クラスター | いいえ | はい | はい | はい | はい | いいえ |
###の重要性
クラスタと並列計算の可用性
分散化計算フレームワークがGPUクラスターを実現し、より効率的なトレーニングとスケーラビリティを提供します。複雑なAIモデルのトレーニングには強力な計算能力が必要で、通常は分散化計算に依存します。ほとんどのプロジェクトはすでにクラスターを統合して並列計算を実現しています。io.netは3,800以上のクラスターを成功裏に展開しました。Renderはクラスターをサポートしていませんが、単一のタスクを複数のノードに分解して同時に処理します。PhalaはCPUワーカーのクラスター化をサポートしています。
データプライバシー
AIモデルの開発には大量のデータセットが必要であり、敏感なデータが露出するリスクが存在する可能性があります。ほとんどのプロジェクトは、プライバシーを保護するために何らかの形式のデータ暗号化を採用しています。io.netはMind Networkと協力して、全同型暗号(FHE)を導入し、暗号化された状態でデータを処理できるようにしています。Phala Networkは信頼できる実行環境(TEE)を導入し、外部プロセスがデータにアクセスしたり変更したりするのを防ぎます。
計算と品質チェックの完了証明
Gensyn と Aethir は計算完了後に証明を生成し、io.net の証明は GPU 性能のレンタルが十分に活用されていることを示します。Gensyn と Aethir は、完了した計算に対して品質チェックを行います。Render は紛争解決プロセスの利用を推奨しています。Phala は完了後に TEE 証明を生成し、AI エージェントが必要な操作を実行することを保証します。
! AIとDePINの交差点
ハードウェア統計データ
| | レンダリング | アカシュ | io.net | ゲンシン | エイシア | ファラ | |-------------|--------|-------|--------|------------|------------|--------| | GPUの数 | 5600 | 384 | 38177 | - | 40000+ | - | | CPUの数 | 114 | 14672 | 5433 | - | - | 30000+ | | H100/A100個 | - | 157 | 2330 | - | 2000+ | - | | H100料金/時間 | - | 1.46ドル | 1.19ドル| - | - | - | | A100料金/時間 | - | 1.37ドル | 1.50ドル| $0.55 ( 推定) | $0.33 (推定) | - |
高性能GPUの要件
AIモデルのトレーニングには、NvidiaのA100やH100など、パフォーマンスが最適なGPUが必要です。H100の推論性能はA100の4倍速く、最適なGPUとなります。分散化されたGPU市場のプロバイダーは、市場の実際の需要を満たし、より低価格を提供する必要があります。io.netとAethirはそれぞれ2000以上のH100/A100ユニットを取得し、大規模モデルの計算により適しています。
ネットワーク接続のGPUクラスターはコストが低いですが、メモリが制限されています。NVLink接続のGPUは、パラメータが多く、データセットが大きいLLMに最適で、高性能と密な計算が必要です。分散化GPUネットワークは、依然として分散計算タスクに強力な計算能力とスケーラビリティを提供し、より多くのAIおよびMLユースケースを構築する機会を提供します。
コンシューマー向け GPU/CPU を提供
CPUはAIモデルのトレーニングにおいても重要な役割を果たし、データ前処理やメモリリソース管理に使用されます。コンシューマ向けGPUは、事前トレーニングされたモデルの微調整や小規模トレーニングに使用できます。Render、Akash、io.netなどのプロジェクトもこの市場にサービスを提供し、自らのニッチ市場を開発しています。
まとめ
AI DePIN 分野はまだ比較的新興であり、課題に直面しています。しかし、これらのネットワーク上で実行されるタスクとハードウェアの数は著しく増加しており、Web2 クラウドプロバイダーのハードウェアリソースの代替品に対する需要が浮き彫りになっています。今後、人工知能市場は繁栄する見込みであり、これらの分散化された GPU ネットワークは、開発者に経済的に効率的な計算の代替案を提供する上で重要な役割を果たすでしょう。
! AIとDePINの交差点
! AIとDePINの交差点
! AIとDePINの交差点
! AIとDePINの交差点
! AIとDePINの交差点