# AIとDePINの交差点:分散型GPUネットワークの台頭2023年以来、AIとDePINはWeb3分野で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。本記事では両者の交差点を探り、この分野のプロトコルの発展を研究します。AI技術スタックにおいて、DePINネットワークは計算リソースを通じてAIに実用性を提供します。大手テクノロジー企業の発展はGPUの不足を引き起こし、他の開発者が計算に必要な十分なGPUを入手することを難しくしています。DePINは、トークン報酬を使用してネットワークの目標に合致したリソースの貢献を奨励する、より柔軟でコスト効率の高い代替案を提供します。AI DePINは、GPUリソースを個人所有者からデータセンターにクラウドソーシングし、ハードウェアにアクセスする必要があるユーザーのために統一された供給を形成します。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所有者にも追加の収入を提供します。! [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### レンダーRenderは、GPU計算能力を提供するP2Pネットワークの先駆者であり、コンテンツ制作のためのグラフィックスレンダリングに特化し、その後、神経反射場から生成AIまでの計算タスクに拡張されました。ハイライト:- オスカー賞を受賞した技術を持つクラウドグラフィックス会社OTOYによって設立されました- GPUネットワークは、パラマウント・ピクチャーズやPUBGなどのエンターテインメント業界の大手企業によって使用されています- 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する- 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### アカシュAkashは、ストレージ、GPU、および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て、環境を超えてシームレスにソフトウェアを展開し、任意のクラウドネイティブアプリケーションを実行できます。ハイライト:- 汎用計算からネットワークホスティングに至る広範な計算タスク- AkashMLはHugging Face上で15,000以上のモデルを実行することを許可します- Mistral AIのLLMモデルチャットボット、Stability AIのSDXLモデルなどのアプリケーションを管理しました- メタバース、AI展開、連邦学習のプラットフォームはSupercloudを活用しています### io.netio.netは、AIおよびMLのユースケース専用の分散化GPUクラウドクラスターへのアクセスを提供します。それは、データセンター、暗号マイナー、およびその他の分散化ネットワークからのGPUリソースを統合します。ハイライト:- IO-SDKはPyTorchやTensorflowなどのフレームワークと互換性があり、マルチレイヤーアーキテクチャは計算ニーズに応じて自動的に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、Exabitsなどと提携してGPUリソースを統合### ゲンシンGensynは、機械学習と深層学習計算に特化したGPU計算能力を提供します。学習証明、グラフィックベースの精密位置決定プロトコル、計算プロバイダーを含むステーキングと削減のインセンティブゲームなどの概念を通じて、より効率的な検証メカニズムを実現したと主張しています。ハイライト:- V100相当のGPUの毎時コストは約0.40ドルと予想されており、大幅にコストを削減できます。- 事前に訓練された基礎モデルを微調整して、より具体的なタスクを完了することができます。- これらの基本モデルは分散化され、世界中で所有され、追加機能を提供します。### アエティールAethirは企業向けGPUを搭載し、計算集約型の分野、主にAI、機械学習、クラウドゲームなどに焦点を当てています。ネットワーク内のコンテナは、クラウドベースの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、ローカルデバイスからコンテナにワークロードを移動させ、低遅延の体験を実現します。ハイライト:- 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スマートフォンを発売- NVIDIA、Super Micro、HPEなどの大手Web2企業との広範な協力関係を確立する- Web3分野では、CARV、Magic Eden、Sequenceなど複数のパートナーと提携しています### ファラネットワークPhala NetworkはWeb3 AIソリューションの実行層として機能します。そのブロックチェーンは信頼不要のクラウドコンピューティングソリューションであり、プライバシー問題を処理するために信頼できる実行環境(TEE)を使用するように設計されています。ハイライト:- 検証可能な計算のコプロセッサプロトコルとして機能し、AIエージェントがチェーン上のリソースを利用できるようにします- AI代理契約はRedpillを通じてOpenAI、Llamaなどのトップ大型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をサポートし、計算能力を向上させる! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-68a395d50be4ab07fbc575dd54441164)## プロジェクトの比較| | 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 | 人工知能、クラウドゲームと電気通信 | オンチェーンAI実行 || AIタスクタイプ | 推論 | 両方 | 両方 | トレーニング | トレーニング | 実行 || 作業の価格設定 | 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 | ジェンシン | 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 |! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-8f83f1affbdfd92f33bc47afe8928c5c)###の重要性#### クラスタリングと並列計算の可用性分散化計算フレームワークはGPUクラスタを実現し、より効率的なトレーニングを提供し、同時にスケーラビリティを強化しました。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あり、通常は分散化計算に依存して需要を満たす必要があります。例えば、OpenAIのGPT-4モデルは1.8兆以上のパラメータを持ち、128のクラスタで約25,000のNvidia A100 GPUを使用して、3〜4か月の間にトレーニングされました。ほとんどの重点プロジェクトは現在、並列計算を実現するためにクラスターを統合しています。io.netは他のプロジェクトと協力して、より多くのGPUをそのネットワークに組み込み、24年の第一四半期に3,800以上のクラスターを展開しました。Renderはクラスターをサポートしていませんが、その動作原理は類似しており、単一のフレームを複数のノードに分解して同時に処理します。Phalaは現在CPUのみをサポートしていますが、CPUワーカーをクラスター化することを許可しています。#### 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、これらのデータセットには敏感な情報が含まれている可能性があります。したがって、データプライバシーを保護するために十分なセキュリティ対策を講じることが非常に重要です。ほとんどのプロジェクトはデータプライバシーを保護するために何らかの形のデータ暗号化を使用しています。Renderはレンダリング結果を公開する際に暗号化とハッシュ処理を使用し、io.netとGensynはデータ暗号化を採用し、AkashはmTLS認証を使用しています。io.netは最近、Mind Networkと協力して完全同態暗号(FHE)を導入しました。これにより、事前に復号することなく暗号化データを処理できるようになりました。Phala Networkは、信頼できる実行環境(TEE)を導入し、隔離メカニズムを通じて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。#### 完了証明と品質チェックの計算サービス範囲が広いため、グラフィックレンダリングからAI計算まで、最終的な品質がユーザーの基準に必ずしも合致するとは限りません。証明の完了と品質検査はユーザーにとって有益です。GensynとAethirは計算完了後に証明を生成し、io.netの証明はレンタルしたGPU性能が十分に活用されていることを示しています。GensynとAethirは完了した計算の品質チェックを行います。Renderは紛争解決プロセスの使用を推奨しており、審査委員会がノードに問題があると判断した場合、そのノードを削減します。Phalaは完了後にTEE証明を生成し、AIエージェントがチェーン上で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-df4f88879b53c4aa604b248fc9ff393a)### 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 | アエシール | 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、最高の性能を持つGPUが必要です。H100の推論性能はA100の4倍速くなり、特に独自のLLMをトレーニングしている大企業にとっては、最適なGPUとなっています。分散化GPU市場のプロバイダーはWeb2の競合と競争するために、より低い価格を提供するだけでなく、市場の実際のニーズを満たす必要があります。同等のハードウェアを取得することの難しさを考慮すると、これらのプロジェクトが低コストでネットワークに持ち込むハードウェアの量は、サービスの拡張にとって重要です。Akashは合計で150以上のH100およびA100ユニットしか持っていないが、io.netとAethirはそれぞれ2000以上のユニットを得ている。通常、LLMまたは生成モデルを最初から事前訓練するには、クラスター内に少なくとも248から2000以上のGPUが必要であるため、後者の2つのプロジェクトは大規模モデルの計算により適している。現在、市場にあるこれらの分散化GPUサービスのコストは、中央集権的GPUサービスよりもはるかに低くなっています。GensynとAethirは、A100に相当するハードウェアを1時間あたり1ドル未満でレンタルできると主張していますが、これは時間の経過とともに証明される必要があります。ネットワーク接続されたGPUクラスターは多数のGPUを持ち、時間あたりのコストが低いですが、NVLink接続されたGPUと比較して、メモリが制限されています。NVLinkは複数のGPU間での直接通信をサポートし、CPUとGPU間でデータを転送する必要がなく、高帯域幅と低遅延を実現します。それにもかかわらず、動的なワークロードのニーズを持つユーザーや、柔軟性と複数のノードにまたがるワークロードの配分能力を必要とするユーザーにとって、分散化GPUネットワークは依然として分散コンピューティングタスクに対して強力な計算能力とスケーラビリティを提供します。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-24fd635c71ed2aad842d38bf56e70b43)#### コンシューマー向けGPU/CPUを提供GPUはレンダリングと計算に必要な主要な処理ユニットですが、AIモデルのトレーニングにおいてもCPUは重要な役割を果たしています。コンシューマ向けのGPUは、すでに事前トレーニングされたモデルの微調整や、より小規模なデータセットで小規模なモデルをトレーニングするなど、あまり密度の高くないタスクにも使用できます。85%以上の消費者のGPUリソースが未使用の状態にあることを考慮すると、Render、Akash、io.netなどのプロジェクトは、この市場の一部にサービスを提供することができます。これらの選択肢を提供することで、彼らは独自の市場ニッチを開発し、大規模な集中的な計算や、より一般的な小規模レンダリング、またはその中間の混合に焦点を当てることができます。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-7a05f8ca3e44b9c91a7917953175da09)## まとめAI DePIN分野はまだ比較的新しく、自身の課題に直面しています。しかし、これらの分散化GPUネットワークで実行されるタスクとハードウェアの数は依然として顕著に増加しています。この傾向は、AI DePINネットワークの製品市場適合性を証明しており、彼らは需要と供給の課題を効果的に解決しています。未来を展望すると、人工知能の発展の軌跡は、何兆ドルもの市場が成長する方向を指しています。これらの分散化されたGPUネットワークは、開発者に経済的な高を提供することになります。
AIとDePINの融合：分散化GPUネットワークがコンピューティングパワーの新しいトレンドをリードする
AIとDePINの交差点:分散型GPUネットワークの台頭
2023年以来、AIとDePINはWeb3分野で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。本記事では両者の交差点を探り、この分野のプロトコルの発展を研究します。
AI技術スタックにおいて、DePINネットワークは計算リソースを通じてAIに実用性を提供します。大手テクノロジー企業の発展はGPUの不足を引き起こし、他の開発者が計算に必要な十分なGPUを入手することを難しくしています。DePINは、トークン報酬を使用してネットワークの目標に合致したリソースの貢献を奨励する、より柔軟でコスト効率の高い代替案を提供します。
AI DePINは、GPUリソースを個人所有者からデータセンターにクラウドソーシングし、ハードウェアにアクセスする必要があるユーザーのために統一された供給を形成します。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所有者にも追加の収入を提供します。
! AIとDePINの交差点
AI DePINネットワークの概要
レンダー
Renderは、GPU計算能力を提供するP2Pネットワークの先駆者であり、コンテンツ制作のためのグラフィックスレンダリングに特化し、その後、神経反射場から生成AIまでの計算タスクに拡張されました。
ハイライト:
アカシュ
Akashは、ストレージ、GPU、および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て、環境を超えてシームレスにソフトウェアを展開し、任意のクラウドネイティブアプリケーションを実行できます。
ハイライト:
io.net
io.netは、AIおよびMLのユースケース専用の分散化GPUクラウドクラスターへのアクセスを提供します。それは、データセンター、暗号マイナー、およびその他の分散化ネットワークからのGPUリソースを統合します。
ハイライト:
ゲンシン
Gensynは、機械学習と深層学習計算に特化したGPU計算能力を提供します。学習証明、グラフィックベースの精密位置決定プロトコル、計算プロバイダーを含むステーキングと削減のインセンティブゲームなどの概念を通じて、より効率的な検証メカニズムを実現したと主張しています。
ハイライト:
アエティール
Aethirは企業向けGPUを搭載し、計算集約型の分野、主にAI、機械学習、クラウドゲームなどに焦点を当てています。ネットワーク内のコンテナは、クラウドベースの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、ローカルデバイスからコンテナにワークロードを移動させ、低遅延の体験を実現します。
ハイライト:
ファラネットワーク
Phala NetworkはWeb3 AIソリューションの実行層として機能します。そのブロックチェーンは信頼不要のクラウドコンピューティングソリューションであり、プライバシー問題を処理するために信頼できる実行環境(TEE)を使用するように設計されています。
ハイライト:
! AIとDePINの交差点
プロジェクトの比較
| | 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 | 人工知能、クラウドゲームと電気通信 | オンチェーンAI実行 | | AIタスクタイプ | 推論 | 両方 | 両方 | トレーニング | トレーニング | 実行 | | 作業の価格設定 | 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 | ジェンシン | 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 |
! AIとDePINの交差点
###の重要性
クラスタリングと並列計算の可用性
分散化計算フレームワークはGPUクラスタを実現し、より効率的なトレーニングを提供し、同時にスケーラビリティを強化しました。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あり、通常は分散化計算に依存して需要を満たす必要があります。例えば、OpenAIのGPT-4モデルは1.8兆以上のパラメータを持ち、128のクラスタで約25,000のNvidia A100 GPUを使用して、3〜4か月の間にトレーニングされました。
ほとんどの重点プロジェクトは現在、並列計算を実現するためにクラスターを統合しています。io.netは他のプロジェクトと協力して、より多くのGPUをそのネットワークに組み込み、24年の第一四半期に3,800以上のクラスターを展開しました。Renderはクラスターをサポートしていませんが、その動作原理は類似しており、単一のフレームを複数のノードに分解して同時に処理します。Phalaは現在CPUのみをサポートしていますが、CPUワーカーをクラスター化することを許可しています。
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、これらのデータセットには敏感な情報が含まれている可能性があります。したがって、データプライバシーを保護するために十分なセキュリティ対策を講じることが非常に重要です。
ほとんどのプロジェクトはデータプライバシーを保護するために何らかの形のデータ暗号化を使用しています。Renderはレンダリング結果を公開する際に暗号化とハッシュ処理を使用し、io.netとGensynはデータ暗号化を採用し、AkashはmTLS認証を使用しています。
io.netは最近、Mind Networkと協力して完全同態暗号(FHE)を導入しました。これにより、事前に復号することなく暗号化データを処理できるようになりました。Phala Networkは、信頼できる実行環境(TEE)を導入し、隔離メカニズムを通じて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。
完了証明と品質チェックの計算
サービス範囲が広いため、グラフィックレンダリングからAI計算まで、最終的な品質がユーザーの基準に必ずしも合致するとは限りません。証明の完了と品質検査はユーザーにとって有益です。
GensynとAethirは計算完了後に証明を生成し、io.netの証明はレンタルしたGPU性能が十分に活用されていることを示しています。GensynとAethirは完了した計算の品質チェックを行います。Renderは紛争解決プロセスの使用を推奨しており、審査委員会がノードに問題があると判断した場合、そのノードを削減します。Phalaは完了後にTEE証明を生成し、AIエージェントがチェーン上で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 | アエシール | 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、最高の性能を持つGPUが必要です。H100の推論性能はA100の4倍速くなり、特に独自のLLMをトレーニングしている大企業にとっては、最適なGPUとなっています。
分散化GPU市場のプロバイダーはWeb2の競合と競争するために、より低い価格を提供するだけでなく、市場の実際のニーズを満たす必要があります。同等のハードウェアを取得することの難しさを考慮すると、これらのプロジェクトが低コストでネットワークに持ち込むハードウェアの量は、サービスの拡張にとって重要です。
Akashは合計で150以上のH100およびA100ユニットしか持っていないが、io.netとAethirはそれぞれ2000以上のユニットを得ている。通常、LLMまたは生成モデルを最初から事前訓練するには、クラスター内に少なくとも248から2000以上のGPUが必要であるため、後者の2つのプロジェクトは大規模モデルの計算により適している。
現在、市場にあるこれらの分散化GPUサービスのコストは、中央集権的GPUサービスよりもはるかに低くなっています。GensynとAethirは、A100に相当するハードウェアを1時間あたり1ドル未満でレンタルできると主張していますが、これは時間の経過とともに証明される必要があります。
ネットワーク接続されたGPUクラスターは多数のGPUを持ち、時間あたりのコストが低いですが、NVLink接続されたGPUと比較して、メモリが制限されています。NVLinkは複数のGPU間での直接通信をサポートし、CPUとGPU間でデータを転送する必要がなく、高帯域幅と低遅延を実現します。
それにもかかわらず、動的なワークロードのニーズを持つユーザーや、柔軟性と複数のノードにまたがるワークロードの配分能力を必要とするユーザーにとって、分散化GPUネットワークは依然として分散コンピューティングタスクに対して強力な計算能力とスケーラビリティを提供します。
! AIとDePINの交差点
コンシューマー向けGPU/CPUを提供
GPUはレンダリングと計算に必要な主要な処理ユニットですが、AIモデルのトレーニングにおいてもCPUは重要な役割を果たしています。コンシューマ向けのGPUは、すでに事前トレーニングされたモデルの微調整や、より小規模なデータセットで小規模なモデルをトレーニングするなど、あまり密度の高くないタスクにも使用できます。
85%以上の消費者のGPUリソースが未使用の状態にあることを考慮すると、Render、Akash、io.netなどのプロジェクトは、この市場の一部にサービスを提供することができます。これらの選択肢を提供することで、彼らは独自の市場ニッチを開発し、大規模な集中的な計算や、より一般的な小規模レンダリング、またはその中間の混合に焦点を当てることができます。
! AIとDePINの交差点
まとめ
AI DePIN分野はまだ比較的新しく、自身の課題に直面しています。しかし、これらの分散化GPUネットワークで実行されるタスクとハードウェアの数は依然として顕著に増加しています。この傾向は、AI DePINネットワークの製品市場適合性を証明しており、彼らは需要と供給の課題を効果的に解決しています。
未来を展望すると、人工知能の発展の軌跡は、何兆ドルもの市場が成長する方向を指しています。これらの分散化されたGPUネットワークは、開発者に経済的な高を提供することになります。