AI與DePIN的融合：去中心化GPU網路的興起

自2023年以來，AI和DePIN成爲Web3領域的熱門趨勢，市值分別達到300億美元和230億美元。本文聚焦兩者的交叉領域，探討相關協議的發展。

在AI技術棧中，DePIN網路通過提供計算資源爲AI賦能。大型科技公司的發展導致GPU短缺，使其他開發者難以獲得足夠GPU進行計算。這通常迫使開發者選擇中心化雲服務商,但需簽署不靈活的長期高性能硬件合同,效率低下。

DePIN提供了更靈活且成本效益更高的替代方案,利用代幣激勵符合網路目標的資源貢獻。AI領域的DePIN將GPU資源從個人所有者衆包到數據中心,爲用戶形成統一供應。這些網路不僅爲需要算力的開發者提供定制化和按需服務,還爲GPU閒置所有者創造額外收入。

AI DePIN網路概述

Render

• 提供GPU計算能力的P2P網路先驅
• 最初專注內容創作渲染,後擴展至AI計算任務
• 由擁有奧斯卡獲獎技術的雲圖形公司OTOY創立
• GPU網路被派拉蒙影業、PUBG等大公司使用
• 與Stability AI等合作,將AI模型與3D內容渲染工作流程集成

Akash

• 定位爲支持存儲、GPU和CPU計算的"超級雲"替代品
• 利用容器平台和Kubernetes管理的計算節點等開發者友好工具
• AkashML允許GPU網路在Hugging Face上運行超過15,000個模型
• 托管了Mistral AI的LLM模型聊天機器人等應用

io.net

• 提供專門用於AI和ML用例的分布式GPU雲集羣訪問
• IO-SDK與PyTorch和Tensorflow等框架兼容
• 支持創建3種不同類型集羣,可在2分鍾內啓動
• 與Render、FIL等合作整合其他DePIN網路的GPU

Gensyn

• 提供專注於機器學習和深度學習計算的GPU算力
• 採用學習證明等概念實現更高效的驗證機制
• V100等效GPU每小時成本約0.40美元,大幅節省成本
• 提供去中心化的全球共享基礎模型

Aethir

• 專門搭載企業GPU,聚焦AI、ML、雲遊戲等計算密集型領域
• 根據需求和位置優化GPU資源配置
• 擴展至雲手機服務,與APhone合作推出去中心化雲智能手機
• 與NVIDIA、Super Micro等Web2大廠建立廣泛合作

Phala Network

• 作爲Web3 AI解決方案的執行層
• 使用可信執行環境(TEE)處理隱私問題
• 執行層使AI代理能由鏈上智能合約控制
• 人工智能代理合約可接入OpenAI、Llama等頂級大語言模型

項目比較

| | Render | Akash | io.net | Gensyn | Aethir | Phala | |--------|-------------|------------------|---------------------|---------|---------------|----------| | 硬件 | GPU & CPU | GPU & CPU | GPU & CPU | GPU | GPU | CPU | | 業務重點 | 圖形渲染和AI | 雲計算、渲染和AI | AI | AI | AI、雲遊戲和電信 | 鏈上AI執行 | | AI任務類型 | 推理 | 兩者 | 兩者 | 訓練 | 訓練 | 執行 | | 工作定價 | 基於表現的定價 | 反向拍賣 | 市場定價 | 市場定價 | 招標系統 | 權益計算 | | 區塊鏈 | Solana | Cosmos | Solana | Gensyn | Arbitrum | Polkadot | | 數據隱私 | 加密&散列 | mTLS身分驗證 | 數據加密 | 安全映射 | 加密 | TEE | | 工作費用 | 每項工作0.5-5% | 20% USDC, 4% AKT | 2% USDC，0.25%準備金費用 | 費用低廉 | 每個session 20% | 與質押金額成比例 | | 安全 | 渲染證明 | 權益證明 | 計算證明 | 權益證明 | 渲染能力證明 | 繼承自中繼鏈 | | 完成證明 | - | - | 時間鎖證明 | 學習證明 | 渲染工作證明 | TEE證明 | | 質量保證 | 爭議 | - | - | 核實者和舉報人 | 檢查器節點 | 遠程證明 | | GPU集羣 | 否 | 是 | 是 | 是 | 是 | 否 |

硬件統計數據

| | Render | Akash | io.net | Gensyn | Aethir | Phala | |-------------|--------|-------|--------|------------|------------|--------| | GPU數量 | 5600 | 384 | 38177 | - | 40000+ | - | | CPU數量 | 114 | 14672 | 5433 | - | - | 30000+ | | H100/A100數量 | - | 157 | 2330 | - | 2000+ | - | | H100費用/小時 | - | $1.46 | $1.19 | - | - | - | | A100費用/小時 | - | $1.37 | $1.50 | $0.55 (預計) | $0.33 (預計) | - |

結語

AI DePIN領域仍相對新興,面臨一些挑戰。但執行的任務和硬件數量顯著增長,凸顯了對Web2雲提供商替代品的需求。未來,這些去中心化GPU網路有望在爲開發者提供經濟高效的計算替代方案方面發揮關鍵作用,爲AI和計算基礎設施的格局做出重大貢獻。