Sự giao thoa giữa AI và DePIN: sức mạnh mới nổi của thị trường tài nguyên tính toán

Kể từ năm 2023, trí tuệ nhân tạo và mạng lưới cơ sở hạ tầng vật lý phân tán (DePIN) đã trở thành hai xu hướng nóng trong lĩnh vực Web3, với giá trị thị trường lần lượt đạt 30 tỷ USD và 23 tỷ USD. Bài viết này tập trung vào lĩnh vực giao thoa giữa hai bên, khám phá sự phát triển của các giao thức liên quan.

Trong công nghệ AI, mạng DePIN cung cấp tài nguyên tính toán để tiếp sức cho AI. Sự phát triển của các công ty công nghệ lớn đã dẫn đến tình trạng thiếu GPU, khiến các nhà phát triển khác khó có thể có đủ GPU cho việc huấn luyện mô hình AI. Điều này thường buộc các nhà phát triển phải chuyển sang các dịch vụ đám mây trung tâm, nhưng hợp đồng dài hạn thiếu tính linh hoạt và hiệu quả kém.

DePIN cung cấp một giải pháp thay thế linh hoạt và tiết kiệm chi phí hơn, khuyến khích đóng góp tài nguyên thông qua cơ chế khuyến khích bằng token. Mạng DePIN trong lĩnh vực AI tập hợp tài nguyên GPU từ cá nhân đến trung tâm dữ liệu, cung cấp nguồn cung cấp thống nhất cho người dùng. Điều này không chỉ cung cấp cho các nhà phát triển quyền truy cập theo yêu cầu mà còn tạo ra nguồn thu nhập bổ sung cho chủ sở hữu GPU.

Nhiều mạng DePIN AI đã xuất hiện trên thị trường, mỗi mạng có mục tiêu và chức năng riêng. Dưới đây là tóm tắt về một số dự án chính:

Render là người tiên phong trong mạng GPU P2P, ban đầu tập trung vào việc tạo nội dung và sau đó mở rộng sang các nhiệm vụ tính toán AI. Akash định vị là nền tảng "siêu đám mây" hỗ trợ lưu trữ, GPU và tính toán CPU. io.net cung cấp cụm đám mây GPU phân phối chuyên dụng cho AI và học máy. Gensyn tập trung vào tính toán học máy và học sâu, áp dụng cơ chế xác minh đổi mới. Aethir chuyên cung cấp GPU cấp doanh nghiệp, tập trung vào các lĩnh vực tính toán tốn kém như AI, học máy và trò chơi đám mây. Phala Network đóng vai trò là lớp thực thi cho giải pháp AI Web3, cho phép các đại lý AI được điều khiển bởi hợp đồng thông minh trên chuỗi.

Các dự án này có những đặc điểm riêng biệt về loại phần cứng, trọng tâm kinh doanh, loại nhiệm vụ AI được hỗ trợ, mô hình định giá công việc, blockchain nền tảng, bảo vệ quyền riêng tư dữ liệu, cấu trúc chi phí, cơ chế an ninh, v.v. Các khác biệt chính bao gồm:

• Cụm GPU và khả năng tính toán song song: Hầu hết các dự án đã tích hợp chức năng cụm để đáp ứng nhu cầu của các mô hình AI phức tạp.
• Bảo vệ quyền riêng tư dữ liệu: Thường xuyên áp dụng mã hóa dữ liệu, một số dự án giới thiệu công nghệ tiên tiến hơn như mã hóa đồng nhất hoàn toàn và môi trường thực thi đáng tin cậy.
• Tính toán hoàn thành chứng nhận và kiểm tra chất lượng: Mỗi cái có cơ chế khác nhau để xác minh tình trạng hoàn thành công việc và chất lượng dịch vụ.

Về cấu hình phần cứng, số lượng GPU/CPU và tỷ lệ GPU hiệu suất cao như H100/A100 có sự khác biệt lớn giữa các dự án. io.net và Aethir có nhiều GPU cao cấp hơn, phù hợp hơn cho tính toán mô hình quy mô lớn. Về giá cả, dịch vụ GPU phi tập trung thường thấp hơn dịch vụ tập trung.

Mặc dù lĩnh vực AI DePIN vẫn ở giai đoạn đầu, đối mặt với một số thách thức, nhưng khối lượng công việc và số lượng phần cứng thực hiện trên các mạng này đang tăng lên một cách đáng kể. Điều này phản ánh nhu cầu của thị trường về các sản phẩm thay thế dịch vụ đám mây Web2, cũng như nguồn cung trước đây chưa được khai thác đầy đủ. Trong tương lai, với sự phát triển mạnh mẽ của thị trường AI, các mạng GPU phi tập trung này dự kiến sẽ đóng vai trò then chốt trong việc cung cấp tài nguyên tính toán hiệu quả về chi phí cho các nhà phát triển, góp phần quan trọng vào bối cảnh tương lai của AI và cơ sở hạ tầng tính toán.