AI与DePIN的交汇:计算资源市场的新兴力量

自2023年以来,人工智能和分布式物理基础设施网络(DePIN)成为Web3领域的两大热门趋势,市值分别达到300亿美元和230亿美元。本文聚焦两者的交叉领域,探讨相关协议的发展情况。

在AI技术栈中,DePIN网络通过提供计算资源为AI赋能。大型科技公司的发展导致GPU短缺,使其他开发者难以获得足够的GPU进行AI模型训练。这往往迫使开发者转向中心化云服务,但长期合同缺乏灵活性,效率低下。

DePIN提供了一种更灵活、更具成本效益的替代方案,通过代币激励机制鼓励资源贡献。AI领域的DePIN网络汇聚了从个人到数据中心的GPU资源,为用户提供统一的供给。这不仅为开发者提供了可定制的按需访问,还为GPU所有者创造了额外收入来源。

市场上涌现出多个AI DePIN网络,它们的目标和功能各有侧重。以下对几个主要项目进行概述:

Render是P2P GPU网络的先驱,最初专注于内容创作渲染,后来拓展到AI计算任务。Akash定位为支持存储、GPU和CPU计算的"超级云"平台。io.net提供专门面向AI和机器学习的分布式GPU云集群。Gensyn专注于机器学习和深度学习计算,采用创新的验证机制。Aethir专门提供企业级GPU,主攻AI、机器学习和云游戏等计算密集型领域。Phala Network则充当Web3 AI解决方案的执行层,使AI代理能够由链上智能合约控制。

这些项目在硬件类型、业务重点、支持的AI任务类型、工作定价模式、底层区块链、数据隐私保护、费用结构、安全机制等方面各有特色。关键的差异包括:

• GPU集群和并行计算能力:大多数项目已整合集群功能,以满足复杂AI模型的需求。
• 数据隐私保护:普遍采用数据加密,部分项目引入更先进的技术如全同态加密和可信执行环境。
• 计算完成证明和质量检查:各有不同机制来验证工作完成情况和服务质量。

在硬件配置方面,各项目的GPU/CPU数量和高性能GPU(如H100/A100)的占比存在较大差异。io.net和Aethir拥有较多高端GPU,更适合大规模模型计算。定价方面,去中心化GPU服务普遍低于中心化服务。

尽管AI DePIN领域仍处于早期阶段,面临一些挑战,但这些网络上执行的任务量和硬件数量都在显著增加。这反映出市场对Web2云服务替代品的需求,以及之前未被充分利用的供给。未来,随着AI市场的蓬勃发展,这些分散化的GPU网络有望在为开发者提供经济高效的计算资源方面发挥关键作用,为AI和计算基础设施的未来格局做出重要贡献。