دمج الذكاء الاصطناعي وDePIN: صعود شبكة GPU الموزعة

منذ عام 2023، أصبحت الذكاء الاصطناعي وDePIN اتجاهات ساخنة في مجال Web3، حيث وصلت قيمتهما السوقية إلى 30 مليار دولار و23 مليار دولار على التوالي. تركز هذه المقالة على نقطة التقاطع بين الاثنين، وتستكشف تطور هذا المجال الناشئ.

في مجموعة تقنيات الذكاء الاصطناعي، يمكّن شبكة DePIN الذكاء الاصطناعي من خلال توفير موارد الحوسبة. أدى الطلب من شركات التكنولوجيا الكبرى على وحدات معالجة الرسوميات إلى نقص في العرض، مما جعل من الصعب على المطورين الآخرين الحصول على موارد كافية لتدريب نماذجهم الخاصة. غالبًا ما تتطلب خدمات السحابة المركزية التقليدية توقيع عقود طويلة الأجل غير مرنة، مما يؤدي إلى عدم الكفاءة. تقدم شبكة DePIN بديلاً أكثر مرونة وفعالية من حيث التكلفة من خلال تحفيز الرموز لتجميع موارد GPU الموزعة، مما يوفر إمدادات موحدة للمستخدمين. وهذا لا يتيح للمطورين الحصول على قدرة حوسبة قابلة للتخصيص حسب الحاجة فحسب، بل يخلق أيضًا عائدات إضافية لمستخدمي GPU غير المستغلين.

! تقاطع الذكاء الاصطناعي و DePIN

نظرة عامة على شبكة DePIN AI

ريندر

Render هو رائد في شبكة حسابات GPU P2P، وكان في البداية يركز على الرسومات الخاصة بإنشاء المحتوى، ثم توسع ليشمل مجموعة واسعة من مهام الحسابات المتعلقة بالذكاء الاصطناعي بما في ذلك الذكاء الاصطناعي التوليدي.

مضيئه:

• تأسست من قبل شركة تمتلك تقنية حائزة على جائزة الأوسكار
• تم استخدامه من قبل باراماونت بيكتشرز وغيرها من عمالقة صناعة الترفيه
• التعاون مع شركات مثل Stability AI، دمج نماذج الذكاء الاصطناعي مع محتوى ثلاثي الأبعاد
• يدعم مجموعة متنوعة من عملاء الحوسبة، ويجمع المزيد من شبكات DePIN GPU

أكاش

تُعتبر Akash بديلاً "فائقًا" للمنصات السحابية التقليدية، حيث تدعم التخزين، وحسابات GPU وCPU. يمكن نشر تطبيقات السحابة الأصلية بسلاسة باستخدام منصتها الحاوية ونقاط حساب Kubernetes المدارة.

مضيئه:

• تشمل المهام الواسعة من الحوسبة العامة إلى استضافة الشبكة
• AkashML يدعم تشغيل أكثر من 15,000 نموذج على Hugging Face
• تم استضافة تطبيقات معروفة مثل روبوت الدردشة LLM الخاص بـ Mistral AI
• يدعم منصات مثل الميتافيرس، ونشر الذكاء الاصطناعي، والتعلم الفيدرالي

io.net

يوفر io.net مجموعة سحابية موزعة من وحدات معالجة الرسوميات، تركز على حالات استخدام الذكاء الاصطناعي وتعلم الآلة. تجمع موارد وحدات معالجة الرسوميات من مراكز البيانات، وعمال تعدين التشفير وغيرها.

مضيئه:

• IO-SDK متوافق مع أطر عمل مثل PyTorch، يمكن توسيعه ديناميكيًا حسب الحاجة
• يدعم إنشاء 3 أنواع مختلفة من الكتل، بدء التشغيل في غضون دقيقتين
• التعاون مع Render و Filecoin لدمج المزيد من موارد GPU

جينسين

جينسين يركز على حسابات التعلم الآلي والتعلم العميق. يستخدم آليات مثل إثبات التعلم، البروتوكولات المستندة إلى الرسوم البيانية والحوافز القائمة على الرهان، لتحسين كفاءة التحقق.

الميزات البارزة:

• تكلفة ساعة استخدام V100 GPU حوالي 0.40 دولار أمريكي، مما يوفر الكثير.
• يمكن ضبط النموذج الأساسي المدرب مسبقًا لإكمال المهام المحددة
• يقدم نموذج أساسي لامركزي ومشترك عالميًا

أثير

أيثير تركز على وحدات معالجة الرسومات الخاصة بالمؤسسات، وتخدم مجالات الحوسبة الكثيفة مثل الذكاء الاصطناعي، تعلم الآلة، والألعاب السحابية. من خلال تقنية الحاويات، يتم نقل أحمال العمل من المحلية إلى السحابة، مما يحقق تجربة منخفضة التأخير.

نقاط بارزة:

• توسيع خدمات الهاتف السحابي، بالتعاون مع APHONE لإطلاق هاتف ذكي سحابي لامركزي
• إقامة شراكة واسعة مع عمالقة Web2 مثل NVIDIA و Foxconn
• التعاون مع العديد من الأطراف في مجال Web3 مثل CARV و Magic Eden

شبكة فالا

تعتبر شبكة فالا كطبقة تنفيذية لحلول Web3 AI، حيث تستخدم بيئة تنفيذ موثوقة (TEE) لمعالجة مسائل الخصوصية. وتتيح طبقتها التنفيذية لوكلاء الذكاء الاصطناعي أن يتم التحكم بهم بواسطة العقود الذكية على السلسلة.

الميزات:

• كبرتوكول مساعد للحساب القابل للتحقق، يمكّن موارد وكلاء الذكاء الاصطناعي على السلسلة.
• يمكن الحصول على LLM من الدرجة الأولى مثل OpenAI من خلال عقد الوكيل AI عبر Redpill
• المستقبل سيشمل أنظمة إثبات متعددة مثل zk-proofs و MPC و FHE
• خطة لدعم H100 وغيرها من وحدات معالجة الرسوميات TEE، لتحسين القدرة الحاسوبية

! تقاطع الذكاء الاصطناعي و DePIN

مقارنة المشاريع

| | ريندر | أكاش | io.net | جينسين | إيثير | 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 | | النقاط الرئيسية للأنشطة | عرض الرسوميات والذكاء الاصطناعي | الحوسبة السحابية، العرض والذكاء الاصطناعي | الذكاء الاصطناعي | الذكاء الاصطناعي | الذكاء الاصطناعي، الألعاب السحابية والاتصالات | تنفيذ الذكاء الاصطناعي على السلسلة | | نوع مهمة الذكاء الاصطناعي | استنتاج | استنتاج وتدريب | استنتاج وتدريب | تدريب | تدريب | تنفيذ | | تسعير العمل | تسعير بناءً على الأداء | مزاد عكسي | تسعير سوقي | تسعير سوقي | نظام المناقصة | حساب حقوق الملكية | | بلوكشين | سولانا | كوزموس | سولانا | جينسين | أربيتروم | بولكادوت | | خصوصية البيانات | تشفير&تجزئة | مصادقة mTLS | تشفير البيانات | رسم آمن | تشفير | TEE | | تكلفة العمل | 0.5-5% لكل عمل | 20% USDC، 4% AKT | 2% USDC، 0.25% رسوم احتياطي | رسوم منخفضة | 20% لكل جلسة | تتناسب مع مبلغ الرهن | | الأمان | إثبات الرسوم | إثبات الملكية | إثبات الحساب | إثبات الملكية | إثبات القدرة على العرض | موروث من سلسلة الوسيط | | إثبات الإنجاز | - | - | إثبات القفل الزمني | إثبات التعلم | إثبات العمل السريع | إثبات TEE | | ضمان الجودة | نزاع | - | - | المحققون والمبلغون | عقدة الفاحص | إثبات عن بعد | | مجموعة GPU | لا | نعم | نعم | نعم | نعم | لا |

مقارنة الخصائص الرئيسية

الحوسبة المجمعة والمتوازية

إطار عمل الحوسبة الموزعة ينفذ مجموعات GPU، مما يحسن من كفاءة التدريب وقابلية التوسع. تم دمج معظم المشاريع لدعم الحوسبة المتوازية لتلبية احتياجات نماذج الذكاء الاصطناعي المعقدة. تم نشر أكثر من 3800 مجموعة بنجاح بواسطة io.net. على الرغم من أن Render لا يدعم المجموعات، إلا أنه يمكن تقسيم المهام إلى عدة عقد لمعالجتها في نفس الوقت. تدعم Phala تجميع وحدات المعالجة المركزية.

! تقاطع الذكاء الاصطناعي و DePIN

خصوصية البيانات

حماية مجموعات البيانات الحساسة أمر بالغ الأهمية لتطوير الذكاء الاصطناعي. تتبنى معظم المشاريع تشفير البيانات لحماية الخصوصية. قدمت io.net تشفيرًا متجانسًا تمامًا (FHE)، مما يسمح بمعالجة البيانات في حالة مشفرة. تعتمد شبكة Phala على بيئات التنفيذ الموثوقة (TEE)، مما يمنع الوصول الخارجي أو تعديل البيانات.

! تقاطع الذكاء الاصطناعي و DePIN

إثبات إكمال الحساب وفحص الجودة

لضمان جودة الخدمة، تعتمد معظم المشاريع آلية إثبات الإنجاز وفحص الجودة. تقوم Gensyn و Aethir بإنشاء إثباتات الإنجاز وتقوم بإجراء فحص الجودة. io.net يثبت أن أداء GPU المستأجر يتم استخدامه بشكل كافٍ. توصي Render باستخدام إجراءات حل النزاعات لمعالجة النقاط المتنازع عليها. تقوم Phala بإنشاء إثباتات TEE لضمان التنفيذ الصحيح.

! تقاطع الذكاء الاصطناعي و DePIN

إحصائيات الأجهزة

| | التقديم | عكاش | io.net | جينسين | أثير | فالا | |-------------|--------|-------|--------|------------|------------|--------| | عدد وحدات معالجة الرسوميات | 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 ) | - |

طلبات GPU عالية الأداء

تتطلب نماذج الذكاء الاصطناعي تدريباً مع أفضل أداء لوحدات معالجة الرسوميات، مثل NVIDIA A100 و H100. يجب أن يوفر سوق وحدات معالجة الرسوميات اللامركزي عددًا كافيًا من الأجهزة عالية الأداء لتلبية الطلب. تمتلك io.net و Aethir أكثر من 2000 وحدة H100/A100، مما يجعلها أكثر ملاءمة لحسابات النماذج الكبيرة. لقد انخفضت تكلفة استئجار وحدات معالجة الرسوميات في هذه الشبكات بشكل كبير مقارنةً بالخدمات المركزية.

! تقاطع الذكاء الاصطناعي و DePIN

توفير GPU/CPU من فئة المستهلك

بجانب وحدات معالجة الرسوميات الخاصة بالشركات، تخدم بعض المشاريع مثل Render و Akash و io.net أيضًا سوق وحدات معالجة الرسوميات الاستهلاكية. يمكن الاستفادة من كمية كبيرة من موارد وحدات معالجة الرسوميات الاستهلاكية غير المستخدمة لتطوير شريحة سوق معينة.

! تقاطع الذكاء الاصطناعي و DePIN

الخاتمة

لا يزال مجال DePIN للذكاء الاصطناعي في مراحله المبكرة، ويواجه العديد من التحديات. ومع ذلك، فإن عدد المهام والأجهزة التي يتم تنفيذها على هذه الشبكات قد زاد بشكل ملحوظ، مما يبرز الحاجة إلى بدائل لخدمات السحابة التقليدية. في المستقبل، مع استمرار نمو سوق الذكاء الاصطناعي، من المتوقع أن تلعب هذه الشبكات الموزعة للمعالجات الرسومية دورًا حاسمًا في توفير موارد حسابية فعالة من حيث التكلفة للمطورين، مما يساهم بشكل كبير في تشكيل مستقبل الذكاء الاصطناعي والبنية التحتية الحاسوبية.

! تقاطع الذكاء الاصطناعي و DePIN