اندماج الذكاء الاصطناعي و DePIN: صعود شبكة GPU اللامركزية

منذ عام 2023، كانت AI وDePIN موضوعين شائعين في مجال Web3. وصلت القيمة السوقية لـ AI إلى 30 مليار دولار، بينما بلغت القيمة السوقية لـ DePIN 23 مليار دولار. تشمل هاتان الفئتان العديد من البروتوكولات المختلفة، التي تخدم مجالات واحتياجات متنوعة. ستتناول هذه المقالة نقطة التقاطع بينهما، وتستكشف تطور البروتوكولات في هذا المجال.

! تقاطع الذكاء الاصطناعي و DePIN

في مجموعة تقنيات الذكاء الاصطناعي، يعمل شبكة DePIN على تمكين الذكاء الاصطناعي من خلال تقديم موارد حسابية. إن الطلب الهائل من شركات التكنولوجيا الكبرى على وحدات معالجة الرسوميات (GPU) أدى إلى نقص في الإمدادات، مما جعل من الصعب على المطورين الآخرين الحصول على وحدات معالجة الرسوميات (GPU) الكافية لتدريب نماذج الذكاء الاصطناعي. وغالبًا ما يضطر المطورون إلى التوجه إلى مزودي خدمات السحابة المركزية، ولكن بسبب الحاجة إلى توقيع عقود طويلة الأجل للأجهزة عالية الأداء التي تفتقر إلى المرونة، فإن الكفاءة تكون منخفضة.

يوفر DePIN بديلاً أكثر مرونة وفعالية من حيث التكلفة. إنه يستخدم مكافآت التوكن لتحفيز مساهمات الموارد التي تتماشى مع أهداف الشبكة. يدمج DePIN في مجال الذكاء الاصطناعي موارد GPU من الملاك الأفراد إلى مراكز البيانات، مما يوفر إمدادات موحدة للمستخدمين الذين يحتاجون إلى الأجهزة. لا توفر هذه الشبكات من DePIN القدرة الحسابية القابلة للتخصيص والوصول عند الطلب للمطورين فحسب، بل تخلق أيضًا مصادر دخل إضافية لملاك GPU.

توجد أنواع عديدة من شبكات AI DePIN في السوق، ولكل منها ميزاتها الخاصة. فيما يلي سيتم عرض بعض الخصائص وحالة التطور لمشاريع رئيسية.

نظرة عامة على شبكة AI DePIN

عرض

Render هو الرائد في شبكة حساب GPU من نظير إلى نظير ، وكان يركز في البداية على إنشاء المحتوى ورندر الرسوميات ، ثم وسع نطاقه ليشمل مهام حساب الذكاء الاصطناعي من خلال دمج أدوات مثل Stable Diffusion.

الخصائص الرئيسية:

• أسستها شركة OTOY للرسم السحابي التي تمتلك تقنية حائزة على جائزة الأوسكار
• تم استخدام شبكة GPU من قبل شركات الترفيه الكبرى مثل باراماونت بيكتشرز وPUBG
• التعاون مع Stability AI و Endeavor لدمج نماذج الذكاء الاصطناعي مع سير عمل عرض المحتوى ثلاثي الأبعاد
• الموافقة على عدة عملاء حوسبة، ودمج المزيد من شبكات DePIN من وحدات معالجة الرسوميات

أكاش

تُحدد Akash كمنصة "سوبر سحابة" تدعم التخزين، وحسابات GPU وCPU، كبديل لمقدمي خدمات السحابة التقليديين. من خلال استخدام منصة الحاويات وعقد الحوسبة المدارة بواسطة Kubernetes، يمكن نشر تطبيقات السحابة الأصلية بسلاسة عبر البيئات.

المميزات الرئيسية:

• تدعم مجموعة واسعة من مهام الحوسبة من الحوسبة العامة إلى استضافة الشبكات
• يسمح AkashML لشبكة GPU الخاصة به بتشغيل أكثر من 15,000 نموذج على Hugging Face
• استضافت العديد من تطبيقات الذكاء الاصطناعي المعروفة، مثل روبوت الدردشة LLM من Mistral AI
• توفير الدعم للمنصة لبناء اللامركزية، ونشر الذكاء الاصطناعي، والتعلم الفيدرالي وغيرها

io.net

يوفر io.net الوصول إلى تجمعات السحابة الموزعة للـ GPU، المصممة خصيصًا لحالات استخدام الذكاء الاصطناعي والتعلم الآلي. إنه يجمع موارد GPU من مراكز البيانات، وعمال التعدين المشفرين، وشبكات أخرى اللامركزية.

الميزات الرئيسية:

• IO-SDK متوافق مع أطر العمل مثل PyTorch و Tensorflow، ويمكن توسيعه ديناميكيًا حسب الحاجة
• يدعم إنشاء 3 أنواع مختلفة من الكتل ، ووقت التشغيل لا يستغرق سوى دقيقتين
• التعاون بنشاط مع شبكات DePIN الأخرى لدمج المزيد من موارد GPU

جينسين

Gensyn يركز على شبكة GPU لحسابات التعلم الآلي والتعلم العميق. يستخدم آلية تحقق مبتكرة، بما في ذلك إثبات التعلم، بروتوكول تحديد المواقع الدقيق القائم على الرسوم البيانية، وألعاب الحوافز التي تشمل الرهان والتخفيض.

الميزات الرئيسية:

• من المتوقع أن تكون تكلفة الساعة للمعالج الرسومي المعادل V100 حوالي 0.40 دولار، مما يوفر الكثير من التكاليف
• دعم تعديل النماذج الأساسية المدربة مسبقًا لإكمال المهام الأكثر تحديدًا
• نخطط لإنشاء نموذج أساسي عالمي مشترك اللامركزية

أثير

تخصص Aethir في نشر وحدات معالجة الرسومات من فئة المؤسسات، مع التركيز على الذكاء الاصطناعي، وتعلم الآلة، وألعاب السحاب وغيرها من المجالات ذات الكثافة الحسابية العالية. تعمل الحاويات في شبكتها كنقاط نهاية افتراضية لتنفيذ تطبيقات السحابة، مما ينقل أعباء العمل من الأجهزة المحلية إلى الحاويات، مما يوفر تجربة منخفضة التأخير.

الميزات الرئيسية:

• بالإضافة إلى الذكاء الاصطناعي والألعاب السحابية، تم توسيعها أيضًا لتشمل خدمات الهاتف السحابي
• إقامة شراكات مع العديد من الشركات الكبرى في Web2 مثل NVIDIA و Super Micro و HPE
• لديها عدة شركاء مثل CARV و Magic Eden في مجال Web3

شبكة فالا

تعمل شبكة فالا كطبقة تنفيذية لحلول الذكاء الاصطناعي Web3، حيث تقدم حلول الحوسبة السحابية غير القابلة للثقة. تستخدم بلوكتشين الخاصة بها بيئة تنفيذ موثوقة (TEE) لمعالجة مشاكل الخصوصية، مما يسمح لوكلاء الذكاء الاصطناعي بالتحكم بواسطة العقود الذكية على السلسلة.

الميزات الرئيسية:

• يعمل كبرتوكول معالج مساعد قابل للتحقق من الحسابات، مع تمكين موارد وكلاء الذكاء الاصطناعي على السلسلة.
• يمكن الوصول إلى نماذج اللغة الكبيرة الرائدة مثل OpenAI و Llama من خلال عقود الوكلاء الذكية AI عبر Redpill
• المستقبل سيجمع بين zk-proofs، حسابات متعددة الأطراف (MPC)، تشفير كامل (FHE) وغيرها من أنظمة الإثبات المتعددة
• تخطط لدعم H100 وغيرها من وحدات معالجة الرسوميات TEE، لزيادة القدرة الحسابية

مقارنة المشاريع

| المشروع | الأجهزة | نقاط التركيز في الأعمال | نوع مهام الذكاء الاصطناعي | تسعير العمل | اللامركزية | خصوصية البيانات | تكلفة العمل | أمان | إثبات الإنجاز | ضمان الجودة | تجمعات GPU | |--------|---------|----------------|--------|--------|--------|--------|----------------------|--------|--------|----------|-------| | Render | GPU&CPU | عرض الرسومات والذكاء الاصطناعي | استدلال | تسعير استنادًا إلى الأداء | سولانا | تشفير&تجزئة | لكل عمل 0.5-5% | إثبات العرض | - | نزاع | لا | | أكاش | GPU&CPU | الحوسبة السحابية، والتصيير والذكاء الاصطناعي | كلاهما | المزاد العكسي | كوزموس | مصادقة mTLS | 20% USDC، 4% AKT | إثبات الحصة | - | - | نعم | | io.net | GPU&CPU | AI | كلاهما | تسعير السوق | Solana | تشفير البيانات | 2% USDC، 0.25% رسوم الاحتياطي | إثبات الحسابات | إثبات القفل الزمني | - | نعم | | Gensyn | GPU | AI | التدريب | التسعير في السوق | Gensyn | الخريطة الآمنة | تكاليف منخفضة | إثبات الحصة | إثبات التعلم | المدققون والمبلغون | نعم | | Aethir | GPU | الذكاء الاصطناعي، ألعاب السحاب والاتصالات | تدريب | نظام العطاءات | Arbitrum | تشفير | 20% لكل جلسة | إثبات قدرة الت rendering | إثبات عمل الت rendering | عقدة الفحص | نعم | | Phala | CPU | تنفيذ AI على السلسلة | تنفيذ | حساب الحقوق | Polkadot | TEE | بما يتناسب مع مبلغ الرهان | موروثة من سلسلة الوسيط | إثبات TEE | إثبات عن بُعد | لا |

أهمية الحوسبة المجمعة والمتوازية

إطار حساب موزع يحقق تجمعات GPU، ويقدم تدريبًا فعالًا مع تعزيز قابلية التوسع. يتطلب تدريب نماذج الذكاء الاصطناعي المعقدة قوة حسابية قوية، وعادة ما يعتمد على الحوسبة الموزعة. وقد قامت معظم المشاريع بدمج التجمعات لتحقيق الحوسبة المتوازية لتلبية احتياجات السوق.

حماية خصوصية البيانات

تتطلب نماذج الذكاء الاصطناعي مجموعات بيانات كبيرة، قد تحتوي على معلومات حساسة. لهذا السبب، تعتمد المشاريع المختلفة طرقًا متنوعة لحماية خصوصية البيانات. تستخدم معظم المشاريع تشفير البيانات، بينما قدمت io.net تشفيرًا متجانسًا تمامًا (FHE)، بينما اعتمدت شبكة Phala بيئة تنفيذ موثوقة (TEE). تهدف هذه الإجراءات إلى حماية خصوصية البيانات، بينما تسمح أيضًا باستخدام البيانات لأغراض التدريب.

إثبات إكمال الحساب وفحص الجودة

لتأمين جودة الخدمة، أدخلت العديد من المشاريع آلية إثبات الإنجاز وإجراءات فحص الجودة. تقوم Gensyn و Aethir بإنتاج إثباتات الإنجاز، بينما تثبت io.net أن أداء GPU قد تم استخدامه بشكل كامل. كما أن Gensyn و Aethir لديهما آلية فحص الجودة، بينما تتبنى Render عملية حل النزاعات. تساعد هذه التدابير في ضمان جودة وموثوقية خدمات الحوسبة.

بيانات إحصائيات الأجهزة

| المشروع | عدد وحدات معالجة الرسومات | عدد وحدات المعالجة المركزية | عدد H100/A100 | تكلفة H100/ساعة | تكلفة A100/ساعة | |--------|-------|--------|------------|-----------|-------------| | رندر | 5600 | 114 | - | - | - | | أكاش | 384 | 14672 | 157 | $1.46 | $1.37 | | io.net | 38177 | 5433 | 2330 | 1.19 دولار | 1.50 دولار | | جينسين | - | - | - | - | $0.55 ( ) المقدرة | | Aethir | 40000+ | - | 2000+ | - | $0.33 ( متوقع ) | | فالا | - | 30000+ | - | - | - |

! تقاطع الذكاء الاصطناعي و DePIN

الطلب على وحدات معالجة الرسومات عالية الأداء

تحتاج تدريبات نماذج الذكاء الاصطناعي إلى وحدات معالجة الرسوميات (GPU) ذات الأداء العالي، مثل A100 وH100 من NVIDIA. توفر هذه وحدات معالجة الرسوميات المتطورة أفضل جودة وسرعة للتدريب، ولكنها باهظة الثمن. يحتاج مقدمو سوق وحدات معالجة الرسوميات اللامركزية إلى إيجاد توازن بين تقديم عدد كافٍ من وحدات معالجة الرسوميات عالية الأداء والحفاظ على تنافسية الأسعار.

حاليا، حصلت مشاريع مثل io.net وAethir على أكثر من 2000 وحدة H100 وA100، مما يجعلها أكثر ملاءمة لحسابات النماذج الكبيرة. تكاليف هذه الخدمات اللامركزية GPU أصبحت أقل من خدمات GPU المركزية، ولكن لا يزال يلزم بعض الوقت للتحقق.

دور GPU/CPU من الفئة الاستهلاكية

على الرغم من أن وحدات معالجة الرسومات عالية الأداء هي الطلب الرئيسي، فإن وحدات معالجة الرسومات ووحدات المعالجة المركزية المخصصة للمستهلك تلعب أيضًا دورًا مهمًا في تطوير نماذج الذكاء الاصطناعي. يمكن استخدامها في معالجة البيانات، وإدارة موارد الذاكرة، وكذلك لتعديل النماذج المدربة مسبقًا أو تدريب نماذج صغيرة. كما تقدم مشاريع مثل Render و Akash و io.net خدمات لهذا السوق، مما يوفر المزيد من الخيارات للمطورين.

الخاتمة

على الرغم من أن مجال DePIN الذكي لا يزال في مراحله الأولى من التطوير، إلا أنه أظهر إمكانيات هائلة. هذه الشبكات اللامركزية من وحدات معالجة الرسوميات تعمل على حل مشكلة عدم التوازن في العرض والطلب على موارد حساب الذكاء الاصطناعي بشكل فعال. مع النمو السريع لسوق الذكاء الاصطناعي، ستلعب هذه الشبكات دورًا رئيسيًا في توفير بدائل حسابية فعالة من حيث التكلفة للمطورين، مما يسهم بشكل كبير في الشكل المستقبلي للبنية التحتية للذكاء الاصطناعي والحوسبة.

! تقاطع الذكاء الاصطناعي و DePIN

! تقاطع الذكاء الاصطناعي و DePIN

! تقاطع الذكاء الاصطناعي و DePIN