AI ve DePIN'in Bütünleşmesi: Dağıtık GPU Ağı'nın Yükselişi

2023'ten bu yana, AI ve DePIN, Web3 alanında sıcak trendler haline geldi ve her birinin piyasa değeri sırasıyla 30 milyar dolar ve 23 milyar dolara ulaştı. Bu makale, ikisinin kesişim noktasına odaklanarak bu yeni gelişen alanın gelişimini tartışmaktadır.

AI teknoloji yığını içinde, DePIN ağı, hesaplama kaynakları sağlayarak AI'yi güçlendirir. Büyük teknoloji şirketlerinin GPU talebi, arz sıkıntısına yol açarak diğer geliştiricilerin kendi modellerini eğitmek için yeterli kaynak elde etmesini zorlaştırdı. Geleneksel merkezi bulut hizmetleri genellikle esnek olmayan uzun vadeli sözleşmeler imzalamayı gerektirir ve verimsizdir. DePIN ağı, dağıtılmış GPU kaynaklarını bir araya getirerek kullanıcıya birleşik bir arz sunmak için token teşvikleri aracılığıyla daha esnek ve maliyet etkin bir alternatif sunar. Bu, geliştiricilerin ihtiyaç duydukları özelleştirilebilir hesaplama gücünü elde etmelerini sağlarken, GPU'ları boşta olan kullanıcılara da ek gelir yaratır.

AI DePIN Ağı Genel Bakış

Render

Render, P2P GPU hesaplama ağlarının öncüsüdür, başlangıçta içerik oluşturma grafik rendering'ine odaklanmış, daha sonra üretken AI'yi de içeren geniş AI hesaplama görevlerine genişlemiştir.

Öne Çıkanlar:

• Oscar ödüllü teknolojiye sahip bir şirket tarafından kuruldu
• Paramount Pictures ve diğer eğlence endüstrisi devleri tarafından kullanıldı
• Stability AI gibi şirketlerle iş birliği yaparak, AI modellerini ve 3D içerik renderlamasını entegre etmek
• Birden fazla hesaplama istemcisini destekler, daha fazla DePIN ağı GPU'sunu entegre eder.

Akash

Akash, geleneksel bulut platformlarının "süper bulut" alternatifi olarak konumlandırılmıştır ve depolama, GPU ve CPU hesaplamasını desteklemektedir. Konteyner platformu ve Kubernetes yönetimli hesaplama düğümleri, bulut yerel uygulamaları sorunsuz bir şekilde dağıtabilir.

Öne Çıkanlar:

• Genel hesaplamadan ağ barındırmaya kadar geniş görevleri kapsar
• AkashML, Hugging Face'de 15.000'den fazla modeli çalıştırmayı destekliyor.
• Mistral AI'nin LLM sohbet robotu gibi tanınmış uygulamalar devredildi.
• Metaverse, AI dağıtımı ve federated öğrenme gibi platformları destekler

io.net

io.net, AI ve ML kullanım durumlarına odaklanan dağıtık GPU bulut kümeleri sunmaktadır. Veri merkezleri, kripto madencileri ve diğer çeşitli GPU kaynaklarını bir araya getirir.

Öne Çıkanlar:

• IO-SDK, PyTorch gibi çerçevelerle uyumludur ve ihtiyaçlara göre dinamik olarak genişletilebilir.
• 3 farklı türde küme oluşturmayı destekler, 2 dakika içinde başlatır
• Render, Filecoin gibi projelerle daha fazla GPU kaynağı entegre etmek için işbirliği

Gensyn

Gensyn, makine öğrenimi ve derin öğrenme hesaplamalarına odaklanmaktadır. Öğrenme kanıtı, grafik tabanlı protokoller ve stake teşvikleri gibi mekanizmaları kullanarak doğrulama verimliliğini artırır.

Öne Çıkanlar:

• V100 GPU saat başı maliyeti yaklaşık 0.40 dolar, büyük tasarruf sağlıyor
• Önceden eğitilmiş temel model üzerinde belirli görevleri tamamlamak için ince ayar yapılabilir.
• Merkeziyetsiz, küresel olarak paylaşılan temel model sağlamak

Aethir

Aethir, AI, ML, bulut oyunları gibi hesaplama yoğun alanlara hizmet veren kurumsal GPU'lara odaklanmaktadır. Konteyner teknolojisi ile iş yüklerini yerelden buluta taşıyarak düşük gecikme süresi deneyimi sağlamaktadır.

Öne çıkanlar:

• Bulut telefon hizmetine genişletildi, merkeziyetsiz bulut akıllı telefon sunmak için APHONE ile iş birliği yapıldı.
• NVIDIA, Foxconn gibi Web2 devleriyle geniş işbirlikleri kurmak
• Web3 alanında CARV, Magic Eden gibi çok sayıda işbirliği

Phala Ağı

Phala Network, Web3 AI çözümleri için bir yürütme katmanı olarak, gizlilik sorunlarını ele almak için güvenilir yürütme ortamı (TEE) tasarımını kullanır. Yürütme katmanı, AI ajanlarının blok zinciri üzerindeki akıllı sözleşmelerle kontrol edilmesini sağlar.

Öne Çıkanlar:

• Doğrulanabilir hesaplama ko işlemci protokolü olarak, AI ajanlarına zincir üzerindeki kaynakları güçlendirir.
• AI aracılık sözleşmeleri Redpill üzerinden OpenAI gibi en iyi LLM'leri alabilir
• Gelecekte zk-proofs, MPC, FHE gibi çoklu kanıt sistemleri yer alacaktır
• H100 gibi TEE GPU'ları destekleme planı, hesaplama gücünü artıracak

Proje Karşılaştırması

| | Render | Akash | io.net | Gensyn | Aethir | Phala | |--------|-------------|------------------|---------------------|---------|---------------|----------| | Donanım | GPU & CPU | GPU & CPU | GPU & CPU | GPU | GPU | CPU | | İş Öncelikleri | Grafik Renderi ve AI | Bulut Bilişim, Render ve AI | AI | AI | AI, Bulut Oyun ve Telekomünikasyon | Zincir Üstü AI Uygulaması | | AI Görev Türü | Çıkarım | Çıkarım ve Eğitim | Çıkarım ve Eğitim | Eğitim | Eğitim | Uygulama | | İş fiyatlandırması | Performansa dayalı fiyatlandırma | Ters açık artırma | Piyasa fiyatlandırması | Piyasa fiyatlandırması | İhale sistemi | Hak hesaplama | | Blokzincir | Solana | Cosmos | Solana | Gensyn | Arbitrum | Polkadot | | Veri Gizliliği | Şifreleme&Hash | mTLS Kimlik Doğrulama | Veri Şifreleme | Güvenli Haritalama | Şifreleme | TEE | | Çalışma Ücreti | Her iş için %0.5-5 | %20 USDC, %4 AKT | %2 USDC, %0.25 rezerv ücreti | Düşük ücret | Her oturumda %20 | Stake edilen miktarla orantılı | | Güvenli | Görselleştirme Kanıtı | Hak Kanıtı | Hesaplama Kanıtı | Hak Kanıtı | Görselleştirme Kapasite Kanıtı | Ara Zincirden Miras Alır | | Tamamlama Kanıtı | - | - | Zaman Kilidi Kanıtı | Öğrenme Kanıtı | Renderleme İş Kanıtı | TEE Kanıtı | | Kalite Güvencesi | İhtilaf | - | - | Doğrulayıcı ve Bildirici | Kontrol Düğümü | Uzak Kanıt | | GPU kümesi | Hayır | Evet | Evet | Evet | Evet | Hayır |

Anahtar Özellikler Karşılaştırması

Küme ve paralel hesaplama

Dağıtık hesaplama çerçevesi, GPU kümelerini gerçekleştirerek eğitim verimliliğini ve ölçeklenebilirliği artırır. Çoğu proje, karmaşık AI modellerinin gereksinimlerini karşılamak için küme destekli paralel hesaplamayı entegre etmiştir. io.net, 3800'den fazla küme başarıyla dağıttı. Render küme desteği sunmasa da, görevleri birden fazla düğüme aynı anda işlenmek üzere bölebilir. Phala, CPU işleyici kümeleme desteği sunar.

Veri gizliliği

Hassas veri setlerini korumak, AI geliştirme için hayati öneme sahiptir. Çoğu proje, gizliliği korumak için veri şifrelemesi kullanmaktadır. io.net, şifrelenmiş durumda verileri işleyebilen tam homomorfik şifreleme (FHE) tanıtmaktadır. Phala Network, dış erişimi veya verilerin değiştirilmesini önlemek için güvenilir bir yürütme ortamı (TEE) kullanmaktadır.

Hesaplama Tamamlama Belgesi ve Kalite Kontrol

Hizmet kalitesini sağlamak için, çoğu proje tamamlanma belgesi ve kalite kontrol mekanizmaları kullanmaktadır. Gensyn ve Aethir, iş tamamlanma belgeleri üretir ve kalite kontrolü yapar. io.net, kiralanan GPU performansının yeterince kullanıldığını kanıtlar. Render, sorunlu düğümleri çözmek için ihtilaf çözüm sürecinin kullanılmasını önerir. Phala, doğru yürütmeyi sağlamak için TEE belgeleri oluşturur.

Donanım İstatistikleri

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

Yüksek Performanslı GPU Talebi

AI model eğitimi, NVIDIA A100 ve H100 gibi en iyi performansa sahip GPU'lara ihtiyaç duyar. Merkeziyetsiz GPU pazarı, talebi karşılamak için yeterli sayıda yüksek performanslı donanım sağlamalıdır. io.net ve Aethir'in her biri 2000'den fazla H100/A100 birimine sahiptir ve büyük model hesaplamaları için daha uygundur. Bu ağların GPU kiralama maliyeti, merkezi hizmetlerin çok altında kalmıştır.

Tüketici düzeyi GPU/CPU arzı

Kurumsal düzeydeki GPU'ların dışında, Render, Akash ve io.net gibi bazı projeler ayrıca tüketici düzeyindeki GPU pazarına da hizmet vermektedir. Bu, belirli pazar segmentlerini geliştirmek için büyük miktarda atıl tüketici GPU kaynaklarını kullanma olanağı sağlar.

Sonuç

AI DePIN alanı hala erken aşamalarda ve birçok zorlukla karşı karşıya. Ancak, bu ağlar üzerinde yürütülen görevlerin ve donanım sayısının önemli ölçüde artması, geleneksel bulut hizmetlerine alternatif çözümlere olan talebi vurgulamaktadır. Gelecekte, AI pazarının sürekli büyümesiyle birlikte, bu dağıtık GPU ağlarının geliştiricilere ekonomik açıdan verimli hesaplama kaynakları sağlama konusunda kritik bir rol oynaması ve AI ile hesaplama altyapısının gelecekteki yapısına önemli katkılarda bulunması beklenmektedir.