AI ve DePIN'in Kesişim Alanı: Merkeziyetsiz GPU Ağlarının Yükselişi

2023'ten bu yana, AI ve DePIN Web3 alanında popüler trendler haline geldi, her birinin piyasa değeri sırasıyla 30 milyar dolar ve 23 milyar dolara ulaştı. Bu makale, ikisinin kesişim alanına odaklanarak ilgili protokollerin gelişimini tartışmaktadır.

AI teknoloji yığını içinde, DePIN ağı hesaplama kaynakları ile AI'ye kullanışlılık sağlar. Büyük teknoloji şirketlerinin neden olduğu GPU kıtlığı, diğer geliştiricilerin hesaplama için yeterli GPU'ya sahip olmamasına yol açmaktadır. Bu genellikle geliştiricilerin merkeziyetsiz bulut sağlayıcılarını seçmesine neden olur, ancak esnek olmayan uzun vadeli yüksek performanslı donanım sözleşmeleri imzalamaları gerektiğinden verimsizlik yaşanır.

DePIN esasen, ağ hedeflerine uygun kaynak katkılarını teşvik etmek için token ödülleri kullanarak daha esnek ve maliyet etkin bir alternatif sunar. AI alanındaki DePIN, GPU kaynaklarını bireysel sahiplerden veri merkezlerine toplar ve donanıma erişim ihtiyacı olan kullanıcılar için birleşik bir tedarik oluşturur. Bu DePIN ağları sadece hesaplama gücüne ihtiyaç duyan geliştiricilere özelleştirme ve talep üzerine erişim sağlamakla kalmaz, aynı zamanda GPU sahiplerine ek gelir sunar.

Piyasada birçok AI DePIN ağı arasında, bunların farklarını tanımlamak ve ihtiyaç duyulan doğru ağı bulmak kolay değildir. Aşağıda her protokolün rolü, hedefleri ve ulaştıkları öne çıkan noktalar incelenecektir.

AI DePIN Ağına Genel Bakış

Her projenin benzer bir amacı vardır - GPU hesaplama pazarı ağı. Bu bölüm, projelerin öne çıkan yönlerini, pazar odaklarını ve başarılarını inceleyerek, onların temel altyapıları ve ürünleri hakkında bilgi edinerek aralarındaki farkları daha derinlemesine anlamayı amaçlamaktadır.

Render, GPU hesaplama kapasitesi sunan bir P2P ağ öncüsüdür. Öncelikle içerik yaratımı ve grafik renderleme üzerine odaklanmış, ardından Stable Diffusion gibi araçları entegre ederek, (NeRF)'den yapay zeka üretimine kadar hesaplama görevlerini genişletmiştir.

Öne Çıkanlar:

1. Oscar ödüllü teknolojiye sahip bulut grafik şirketi OTOY tarafından kuruldu

2. GPU ağı, Paramount Pictures, PUBG, Star Trek gibi büyük eğlence şirketleri tarafından kullanılmaktadır.

3. Stability AI ve Endeavor ile iş birliği yaparak, Render'ın GPU'sunu kullanarak AI modelini 3D içerik render iş akışına entegre etme

4. Birden fazla hesaplama istemcisini onaylayın, daha fazla DePIN ağı GPU'sunu entegre edin

Akash kendini "barındırma versiyonu Airbnb" olarak tanımlıyor ve depolama, GPU ve CPU hesaplamalarını destekleyen geleneksel platformların ( AWS) için "süper bulut" alternatifini konumlandırıyor. Akash konteyner platformu ve Kubernetes ile yönetilen hesaplama düğümleri gibi geliştirici dostu araçları kullanarak, yazılımları çevreler arası sorunsuz bir şekilde dağıtabilir ve her türlü bulut yerel uygulamayı çalıştırabilirsiniz.

Öne Çıkanlar:

1. Genel hesaplamadan ağ barındırmaya yönelik geniş hesaplama görevleri

2. AkashML, GPU ağlarının Hugging Face üzerinde 15.000'den fazla modeli çalıştırmasına ve aynı zamanda Hugging Face ile entegrasyon sağlamasına olanak tanır.

3. Akash üzerinde barındırılan Mistral AI'nın LLM modeli sohbet robotu, Stability AI'nın SDXL metinden görüntüye modeli ve Thumper AI'nın yeni temel modeli AT-1 gibi uygulamalar

4. Metaverse, AI dağıtımı ve federated learning platformu Supercloud'u kullanıyor.

io.net dağıtık GPU bulut kümesine erişim sağlar, özellikle AI ve ML kullanım durumları için. Veri merkezlerini, kripto madencileri ve diğer merkeziyetsiz ağların GPU'larını bir araya getirir. Şirket daha önce bir nicel ticaret şirketiydi ve yüksek performanslı GPU fiyatlarının fırlamasının ardından mevcut iş modeline yöneldi.

Öne çıkanlar:

1. IO-SDK, PyTorch ve Tensorflow gibi çerçevelerle uyumludur, çok katmanlı mimari hesaplama gereksinimlerine göre otomatik olarak dinamik olarak genişleyebilir.

2. 3 farklı türde küme oluşturmayı destekler, 2 dakika içinde başlatılabilir.

3. Güçlü işbirliği, Render, Filecoin, Aethir ve Exabits dahil olmak üzere diğer DePIN ağlarının GPU'larını entegre ediyor.

Gensyn makine öğrenimi ve derin öğrenme hesaplamalarına odaklanan GPU hesaplama gücü sunmaktadır. Mevcut yöntemlere kıyasla daha verimli bir doğrulama mekanizması sağladığını iddia ediyor; bu, öğrenme kanıtı, grafik tabanlı kesin konumlandırma protokolleri ve hesaplama sağlayıcılarının staking ve kesintileri içeren Truebit tarzı teşvik oyunları gibi kavramların bir kombinasyonunu kullanarak gerçekleştirilmektedir.

Öne Çıkanlar:

1. V100 eşdeğer GPU'nun saatlik maliyetinin yaklaşık 0,40 dolar olması bekleniyor, maliyetleri önemli ölçüde azaltacak.

2. Kanıt yığılması ile önceden eğitilmiş temel model ince ayar yapılabilir ve daha spesifik görevler tamamlanabilir.

3. Bu temel modeller, merkeziyetsizlik ve küresel sahiplik sağlayacak, donanım hesaplama ağının yanı sıra ek işlevler de sunacaktır.

Aethir özellikle hesaplama yoğun alanlara odaklanan, kurumsal GPU'lar için özel olarak tasarlanmıştır, ana alanları AI, makine öğrenimi (ML), bulut oyunları vb. Ağdaki konteynerler, bulut uygulamaları için sanal uç noktalar olarak işlev görür ve iş yüklerini yerel cihazlardan konteynerlere aktararak düşük gecikme süresi deneyimi sağlar. Kaliteli hizmet sağlamak için, GPU'ları talep ve konuma göre veri kaynaklarına yakınlaştırarak kaynakları ayarlarlar.

Öne Çıkanlar:

1. AI ve bulut oyun dışında, Aethir ayrıca bulut telefon hizmetlerine de genişleyerek merkeziyetsiz bulut akıllı telefonunu APhone ile işbirliği içinde piyasaya sürdü.

2. NVIDIA, Super Micro, HPE, Foxconn ve Well Link gibi büyük Web2 şirketleriyle geniş işbirlikleri kurmak

3. Web3'te birden fazla ortak, örneğin CARV, Magic Eden, Sequence, Impossible Finance vb.

Phala Network, Web3 AI çözümlerinin yürütme katmanı olarak hizmet vermektedir. Blok zinciri, güvenilir bir yürütme ortamı olan (TEE) aracılığıyla gizlilik sorunlarını ele alan güvene dayanmayan bir bulut bilişim çözümüdür. Yürütme katmanı, AI model hesaplama katmanı olarak kullanılmaz; bunun yerine, AI ajanlarının zincir üzerindeki akıllı sözleşmelerle kontrol edilmesini sağlar.

Öne Çıkanlar:

1. Doğrulanabilir hesaplamaların yardımcı işlemci protokolü olarak hareket ederek, AI ajanlarının zincir üzerindeki kaynaklara erişimini sağlar.

2. AI ajan sözleşmeleri Redpill aracılığıyla OpenAI, Llama, Claude ve Hugging Face gibi en iyi büyük dil modellerine erişilebilir.

3. Gelecekte zk-proofs, çok taraflı hesaplama (MPC), tamamen homomorfik şifreleme (FHE) gibi çoklu kanıt sistemleri yer alacaktır.

4. Gelecekte H100 gibi diğer TEE GPU'ları destekleyerek hesaplama yeteneğini artırma

Proje Karşılaştırması

| | Render | Akash | io.net | Gensyn | Aethir | Phala | |--------|-------------|------------------|---------------------|---------|---------------|----------| | Donanım | GPU & CPU | GPU & CPU | GPU & CPU | GPU | GPU | CPU | | İşletme Odakları | Grafik İşleme ve AI | Bulut Bilişim, İşleme ve AI | AI | AI | AI, Bulut Oyun ve Telekomünikasyon | Zincir Üstü AI Uygulaması | | AI Görev Türü | Çıkarım | İkisi | İkisi | Eğitim | Eğitim | Uygulama | | İş fiyatlandırması | Performansa dayalı fiyatlandırma | Ters açık artırma | Piyasa fiyatlandırması | Piyasa fiyatlandırması | İhale sistemi | Hak hesaplama | | Blokzincir | Solana | Cosmos | Solana | Gensyn | Arbitrum | Polkadot | | Veri Gizliliği | Şifreleme&Hashleme | mTLS Kimlik Doğrulama | Veri Şifreleme | Güvenli Haritalama | Şifreleme | TEE | | İş Ücretleri | Her İş için %0.5-5 | %20 USDC, %4 AKT | %2 USDC, %0.25 Rezerv Ücreti | Düşük Ücretler | Her oturum %20 | Staking Miktarına Orantılı | | Güvenlik | Görselleştirme Kanıtı | Hak İspatı | Hesaplama Kanıtı | Hak İspatı | Görselleştirme Kapasite Kanıtı | Ara Zincirden Miras Alır | | Tamamlama Kanıtı | - | - | Zaman Kilidi Kanıtı | Öğrenme Kanıtı | Render İş 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 kümelerini gerçekleştirerek, model doğruluğunu etkilemeden daha verimli eğitim sağlar ve aynı zamanda ölçeklenebilirliği artırır. Daha karmaşık AI modellerini eğitmek için güçlü hesaplama gücü gereklidir ve genellikle bu ihtiyacı karşılamak için dağıtık hesaplamaya başvurmak zorundasınız. Açıkça, OpenAI'nin GPT-4 modeli 18 trilyondan fazla parametreye sahip olup, 3-4 ay içinde 128 kümede yaklaşık 25,000 Nvidia A100 GPU kullanılarak eğitilmiştir.

Önceki dönemde, Render ve Akash yalnızca tek amaçlı GPU'lar sunuyordu, bu da GPU'ya olan pazar talebini sınırlayabilir. Ancak, çoğu önemli proje artık paralel hesaplama gerçekleştirmek için kümeleri entegre etti. io.net, Render, Filecoin ve Aethir gibi iş ortaklarıyla birlikte daha fazla GPU'yu ağa dahil ederek 2024 yılının birinci çeyreğinde 3,800'den fazla küme başarıyla dağıttı. Render küme desteği sağlamasa da, çalışma prensibi kümeye benzer; tek bir kareyi farklı düğümlere ayırarak çeşitli boyutlardaki kareleri aynı anda işler. Phala şu an yalnızca CPU'yu destekliyor, ancak CPU işleyicilerin kümelenmesine izin veriyor.

Küme çerçevesinin AI iş akışı ağına dahil edilmesi çok önemlidir, ancak AI geliştiricilerinin ihtiyaçlarını karşılamak için gereken küme GPU sayısı ve türü ayrı bir konudur, daha sonra tartışılacaktır.

Veri gizliliği

AI modelleri geliştirmek için büyük veri setlerinin kullanılması gerekir, bu veri setleri çeşitli kaynaklardan gelebilir ve farklı formlarda olabilir. Kişisel sağlık kayıtları, kullanıcı finansal verileri gibi hassas veri setleri, model sağlayıcılarına maruz kalma riskiyle karşı karşıya olabilir. Samsung, hassas kodların platforma yüklenmesinin gizliliği ihlal edeceğinden endişe ederek ChatGPT'yi içerde yasakladı, Microsoft'un 38TB'lık özel veri sızıntısı olayı, AI kullanırken yeterli güvenlik önlemlerinin alınmasının önemini daha da vurguladı. Bu nedenle, veri kontrolünü veri sağlayıcılarına geri vermek için çeşitli veri gizliliği yöntemlerine sahip olmak çok önemlidir.

Kapsanan çoğu proje, veri gizliliğini korumak için bir veri şifreleme biçimi kullanmaktadır. Veri şifreleme, ağda veri sağlayıcısından model sağlayıcısına ( veri alıcısına ) veri iletiminin korunmasını sağlar. Render, render sonuçlarını ağa geri yayınlarken şifreleme ve hash işlemleri kullanırken, io.net ve Gensyn de bir veri şifreleme biçimi kullanmaktadır. Akash, yalnızca kiracıların seçtiği sağlayıcıların veri almasına izin veren mTLS kimlik doğrulaması kullanmaktadır.

Ancak, io.net son zamanlarda Mind Network ile birlikte tamamen homomorfik şifreleme (FHE) geliştirdi ve bu, şifrelenmiş verilerin önceden çözmeden işlenmesine olanak tanıyor. Bu yenilik, verilerin kimlik ve veri içeriğini ifşa etmeden eğitim amaçları için güvenli bir şekilde aktarılmasını sağlayarak mevcut şifreleme teknolojilerinden daha iyi bir veri gizliliği sağlamaktadır.

Phala Ağı, cihaz ana işlemcisindeki güvenli alanı bağlayan TEE'yi tanıtır. Bu ayrıştırma mekanizması sayesinde, dış süreçlerin veriye erişimini veya veriyi değiştirmesini engeller; bu, izin seviyesi ne olursa olsun, makineye fiziksel erişim hakkına sahip bireylerin bile erişim sağlamasını engeller. TEE'ye ek olarak, RiscZero zkVM ile entegre programlar için zk-proofs ile birlikte zkDCAP doğrulayıcıları ve jtee komut satırı arayüzünde de kullanılmaktadır.

Tamamlama Kanıtı ve Kalite Kontrolü

Bu projelerin sunduğu GPU'lar, bir dizi hizmete hesaplama gücü sağlayabilir. Hizmet yelpazesi geniş olduğu için, grafiklerin render edilmesinden AI hesaplamalarına kadar, bu tür görevlerin nihai kalitesi her zaman kullanıcı standartlarına uygun olmayabilir. Kullanıcıların kiraladığı belirli GPU'nun gerçekten gerekli hizmetlerin çalıştırılması için kullanıldığını gösteren tamamlama belgeleri kullanılabilir; kalite kontrolü, bu tür işleri talep eden kullanıcılar için faydalıdır.

Hesaplama tamamlandıktan sonra, Gensyn ve Aethir her ikisi de işin tamamlandığını gösteren kanıtlar üretir, io.net'in kanıtı ise kiralanan GPU'nun performansının tam olarak kullanıldığını ve sorun olmadığını gösterir. Gensyn ve Aethir tamamlanan hesaplamaları kalite kontrolüne tabi tutar. Gensyn için, doğrulayıcılar kanıtları kontrol etmek için üretilen kanıtların bazı kısımlarını yeniden çalıştırır ve raporlayan kişi, doğrulayıcıların üzerine başka bir kontrol katmanı olarak hareket eder. Aynı zamanda, Aethir, hizmet kalitesini belirlemek için kontrol düğümlerini kullanır ve standartların altında kalan hizmetleri cezalandırır. Render, itiraz çözüm sürecinin kullanılmasını önerir; eğer gözden geçirme komitesi düğümde bir sorun tespit ederse, o düğümün kesilmesini sağlar. Phala tamamlandığında TEE kanıtı üretir ve AI ajanının zincir üzerinde gerekli işlemleri gerçekleştirmesini garanti eder.

Donanım İstatistik Verileri

| | 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 ( tahmin ) | $0.33 ( tahmin ) | - |

![AI ve DePIN'in kesişim noktası](https://