Sự kết hợp giữa AI và DePIN: Sự trỗi dậy của mạng GPU Phi tập trung

Kể từ năm 2023, AI và DePIN đã trở thành những chủ đề nóng trong lĩnh vực Web3. Giá trị thị trường của AI đạt 30 tỷ USD, trong khi giá trị thị trường của DePIN là 23 tỷ USD. Hai danh mục này bao gồm nhiều giao thức khác nhau, phục vụ cho nhiều lĩnh vực và nhu cầu khác nhau. Bài viết này sẽ tập trung vào điểm giao nhau của cả hai, khám phá sự phát triển của các giao thức trong lĩnh vực này.

Trong công nghệ AI, mạng DePIN cung cấp tài nguyên tính toán để mang lại sức mạnh cho AI. Nhu cầu lớn về GPU từ các công ty công nghệ lớn đã dẫn đến tình trạng thiếu hụt nguồn cung, khiến các nhà phát triển khác khó có thể có đủ GPU để đào tạo mô hình AI. Điều này thường buộc các nhà phát triển phải chuyển sang các nhà cung cấp dịch vụ đám mây tập trung, nhưng do cần phải ký các hợp đồng phần cứng hiệu suất cao dài hạn thiếu linh hoạt, hiệu quả thường thấp.

DePIN cung cấp một giải pháp thay thế linh hoạt và tiết kiệm chi phí hơn. Nó sử dụng phần thưởng token để khuyến khích đóng góp tài nguyên phù hợp với mục tiêu của mạng. DePIN trong lĩnh vực AI tích hợp tài nguyên GPU từ các chủ sở hữu cá nhân vào trung tâm dữ liệu, cung cấp nguồn cung thống nhất cho người dùng cần phần cứng. Các mạng DePIN này không chỉ cung cấp khả năng tính toán tùy chỉnh và theo yêu cầu cho các nhà phát triển, mà còn tạo ra nguồn thu nhập bổ sung cho các chủ sở hữu GPU.

Trên thị trường có nhiều mạng AI DePIN, mỗi mạng đều có những đặc điểm riêng. Dưới đây sẽ giới thiệu một vài dự án chính cùng với đặc điểm và tình hình phát triển của chúng.

Tổng quan về mạng DePIN AI

Render

Render là người tiên phong trong mạng lưới tính toán GPU P2P, ban đầu tập trung vào việc tạo nội dung đồ họa, sau đó mở rộng sang các nhiệm vụ tính toán AI thông qua việc tích hợp các công cụ như Stable Diffusion.

Các tính năng chính:

• Được thành lập bởi công ty đồ họa đám mây OTOY với công nghệ đoạt giải Oscar
• Mạng GPU đã được Paramount Pictures, PUBG và các ông lớn trong ngành giải trí sử dụng
• Hợp tác với Stability AI và Endeavor, tích hợp mô hình AI với quy trình làm nội dung 3D.
• Phê duyệt nhiều máy khách tính toán, tích hợp nhiều GPU của mạng DePIN hơn.

Akash

Akash được định vị là nền tảng "siêu đám mây" hỗ trợ lưu trữ, tính toán GPU và CPU, là sự lựa chọn thay thế cho các nhà cung cấp dịch vụ đám mây truyền thống. Sử dụng nền tảng container và các nút tính toán được quản lý bởi Kubernetes, nó có thể triển khai liền mạch các ứng dụng gốc đám mây trên nhiều môi trường.

Các đặc điểm chính:

• Hỗ trợ nhiều nhiệm vụ tính toán từ tính toán chung đến lưu trữ mạng
• AkashML cho phép mạng GPU của mình chạy hơn 15.000 mô hình trên Hugging Face
• Đã quản lý nhiều ứng dụng AI nổi tiếng, chẳng hạn như chatbot mô hình LLM của Mistral AI
• Cung cấp hỗ trợ nền tảng cho việc xây dựng vũ trụ ảo, triển khai AI và học liên bang.

io.net

io.net cung cấp quyền truy cập vào các cụm đám mây GPU phân tán, chuyên dụng cho các trường hợp sử dụng AI và ML. Nó tổng hợp tài nguyên GPU từ các trung tâm dữ liệu, thợ mỏ tiền điện tử và các mạng phi tập trung khác.

Các đặc điểm chính:

• IO-SDK tương thích với các framework như PyTorch và Tensorflow, có thể mở rộng một cách linh hoạt theo nhu cầu.
• Hỗ trợ tạo 3 loại cụm khác nhau, thời gian khởi động chỉ mất 2 phút
• Tích cực hợp tác với các mạng DePIN khác, tích hợp nhiều tài nguyên GPU hơn

Gensyn

Gensyn tập trung vào mạng GPU cho tính toán máy học và học sâu. Nó áp dụng cơ chế xác thực đổi mới, bao gồm chứng minh học tập, giao thức định vị chính xác dựa trên đồ thị và các trò chơi khuyến khích liên quan đến đặt cọc và cắt giảm.

Các đặc điểm chính:

• Dự kiến chi phí mỗi giờ của GPU tương đương V100 khoảng 0.40 đô la, tiết kiệm chi phí đáng kể.
• Hỗ trợ tinh chỉnh mô hình cơ bản đã được huấn luyện trước, hoàn thành các nhiệm vụ cụ thể hơn.
• Kế hoạch xây dựng mô hình cơ sở phi tập trung, chia sẻ toàn cầu

Aethir

Aethir chuyên triển khai GPU cấp doanh nghiệp, tập trung vào AI, học máy, trò chơi đám mây và các lĩnh vực tính toán cường độ cao khác. Các container trong mạng của nó hoạt động như các điểm cuối ảo để thực hiện ứng dụng đám mây, chuyển tải khối lượng công việc từ thiết bị cục bộ sang container, mang lại trải nghiệm độ trễ thấp.

Các đặc điểm chính:

• Ngoài AI và trò chơi điện tử trên đám mây, còn mở rộng sang dịch vụ điện thoại đám mây.
• Thiết lập quan hệ hợp tác với nhiều công ty Web2 lớn như NVIDIA, Super Micro, HPE
• Có nhiều đối tác như CARV, Magic Eden trong lĩnh vực Web3

Mạng lưới Phala

Phala Network như là lớp thực thi của giải pháp Web3 AI, cung cấp giải pháp điện toán đám mây không cần tin cậy. Chuỗi khối của nó sử dụng môi trường thực thi đáng tin cậy (TEE) để thiết kế giải quyết các vấn đề về quyền riêng tư, cho phép các đại lý AI được kiểm soát bởi hợp đồng thông minh trên chuỗi.

Các đặc điểm chính:

• Đóng vai trò là giao thức đồng xử lý tính toán có thể xác minh, đồng thời trao quyền cho các đại lý AI tài nguyên trên chuỗi.
• Hợp đồng đại lý AI có thể truy cập các mô hình ngôn ngữ lớn hàng đầu như OpenAI, Llama thông qua Redpill.
• Tương lai sẽ tích hợp zk-proofs, tính toán đa bên (MPC), mã hóa đồng nhất hoàn toàn (FHE) và các hệ thống chứng minh đa dạng khác.
• Kế hoạch hỗ trợ H100 và các GPU TEE khác, nâng cao khả năng tính toán

So sánh dự án

| Dự án | Phần cứng | Điểm tập trung kinh doanh | Loại nhiệm vụ AI | Định giá công việc | Blockchain | Quyền riêng tư dữ liệu | Chi phí công việc | An toàn | Chứng nhận hoàn thành | Đảm bảo chất lượng | Cụm GPU | |--------|---------|----------------|--------|--------|--------|--------|----------------------|--------|--------|----------|-------| | Render | GPU&CPU | Đồ họa và AI | Suy diễn | Định giá dựa trên hiệu suất | Solana | Tiền điện tử&băm | 0.5-5% cho mỗi công việc | Chứng minh việc render | - | Tranh cãi | Không | | Akash | GPU&CPU | Điện toán đám mây, dựng hình và AI | Cả hai | Đấu giá ngược | Cosmos | Xác thực mTLS | 20% USDC, 4% AKT | Bằng chứng cổ phần | - | - | Có | | io.net | GPU&CPU | AI | Hai cái | Giá thị trường | Solana | Mã hóa dữ liệu | 2% USDC, 0.25% phí dự trữ | Chứng minh tính toán | Chứng minh khóa thời gian | - | Có | | Gensyn | GPU | AI | Đào tạo | Định giá thị trường | Gensyn | Bản đồ an toàn | Chi phí thấp | Bằng chứng quyền lợi | Bằng chứng học tập | Người xác minh và người tố cáo | Có | | Aethir | GPU | AI, trò chơi đám mây và viễn thông | Đào tạo | Hệ thống đấu thầu | Arbitrum | Tiền điện tử | Mỗi phiên 20% | Chứng minh khả năng render | Chứng minh công việc render | Nút kiểm tra | Có | | Phala | CPU | Thực thi AI trên chuỗi | Thực thi | Tính toán quyền lợi | Polkadot | TEE | Tỷ lệ với số tiền đặt cọc | Kế thừa từ chuỗi trung gian | Chứng minh TEE | Chứng minh từ xa | Không |

Tầm quan trọng của tính toán phân tán và song song

Khung tính toán phân tán triển khai cụm GPU, cung cấp đào tạo hiệu quả trong khi nâng cao khả năng mở rộng. Việc đào tạo các mô hình AI phức tạp cần sức mạnh tính toán mạnh mẽ, thường dựa vào tính toán phân tán. Hầu hết các dự án đã tích hợp cụm để thực hiện tính toán song song nhằm đáp ứng nhu cầu của thị trường.

Bảo vệ quyền riêng tư dữ liệu

Việc huấn luyện mô hình AI cần một lượng lớn tập dữ liệu, trong đó có thể chứa thông tin nhạy cảm. Để làm điều đó, các dự án áp dụng các phương pháp bảo vệ quyền riêng tư dữ liệu khác nhau. Hầu hết các dự án sử dụng mã hóa dữ liệu, io.net còn giới thiệu mã hóa đồng nhất hoàn toàn (FHE), trong khi Phala Network áp dụng môi trường thực thi tin cậy (TEE). Những biện pháp này nhằm bảo vệ quyền riêng tư dữ liệu, đồng thời cho phép dữ liệu được sử dụng cho mục đích huấn luyện.

Chứng nhận hoàn thành tính toán và kiểm tra chất lượng

Để đảm bảo chất lượng dịch vụ, nhiều dự án đã áp dụng chứng minh hoàn thành tính toán và cơ chế kiểm tra chất lượng. Gensyn và Aethir tạo ra chứng minh hoàn thành công việc, io.net chứng minh rằng hiệu suất GPU được sử dụng đầy đủ. Gensyn và Aethir cũng có cơ chế kiểm tra chất lượng, trong khi Render áp dụng quy trình giải quyết tranh chấp. Những biện pháp này giúp đảm bảo chất lượng và độ tin cậy của dịch vụ tính toán.

Thống kê phần cứng

| Dự án | Số lượng GPU | Số lượng CPU | Số lượng H100/A100 | Chi phí H100/giờ | Chi phí A100/giờ | |--------|-------|--------|------------|-----------|-------------| | Render | 5600 | 114 | - | - | - | | Akash | 384 | 14672 | 157 | $1.46 | $1.37 | | io.net | 38177 | 5433 | 2330 | $1.19 | $1.50 | | Gensyn | - | - | - | - | $0.55 ( dự kiến ) | | Aethir | 40000+ | - | 2000+ | - | $0.33 ( dự kiến ) | | Phala | - | 30000+ | - | - | - |

Nhu cầu về GPU hiệu suất cao

Việc đào tạo mô hình AI cần GPU hiệu suất cao nhất, như A100 và H100 của NVIDIA. Những GPU cao cấp này cung cấp chất lượng và tốc độ đào tạo tốt nhất, nhưng giá cả thì đắt đỏ. Các nhà cung cấp thị trường GPU Phi tập trung cần tìm ra sự cân bằng giữa việc cung cấp đủ số lượng GPU hiệu suất cao và giữ giá cả cạnh tranh.

Hiện tại, các dự án như io.net và Aethir đã nhận được hơn 2000 đơn vị H100 và A100, phù hợp hơn cho tính toán mô hình lớn. Chi phí của các dịch vụ GPU Phi tập trung này đã thấp hơn so với các dịch vụ GPU tập trung, nhưng vẫn cần thời gian để xác minh.

Vai trò của GPU/CPU cấp tiêu dùng

Mặc dù GPU cao cấp là nhu cầu chính, nhưng GPU và CPU cấp tiêu dùng cũng đóng vai trò quan trọng trong việc phát triển mô hình AI. Chúng có thể được sử dụng cho việc tiền xử lý dữ liệu, quản lý tài nguyên bộ nhớ, cũng như điều chỉnh hoặc huấn luyện các mô hình quy mô nhỏ từ các mô hình đã được huấn luyện trước. Các dự án như Render, Akash và io.net cũng phục vụ cho phân khúc thị trường này, cung cấp nhiều lựa chọn hơn cho các nhà phát triển.

Kết luận

Lĩnh vực DePIN AI mặc dù vẫn đang ở giai đoạn phát triển ban đầu, nhưng đã cho thấy tiềm năng to lớn. Những mạng GPU phi tập trung này đang giải quyết hiệu quả vấn đề mất cân bằng cung cầu về tài nguyên tính toán AI. Khi thị trường AI phát triển nhanh chóng, những mạng lưới này sẽ đóng vai trò quan trọng trong việc cung cấp các giải pháp tính toán tiết kiệm chi phí cho các nhà phát triển, góp phần quan trọng vào cấu trúc tương lai của AI và cơ sở hạ tầng tính toán.