AI與DePIN的交匯:計算資源市場的新興力量

自2023年以來,人工智能和分布式物理基礎設施網路(DePIN)成爲Web3領域的兩大熱門趨勢,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情況。

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的GPU進行AI模型訓練。這往往迫使開發者轉向中心化雲服務,但長期合同缺乏靈活性,效率低下。

DePIN提供了一種更靈活、更具成本效益的替代方案,通過代幣激勵機制鼓勵資源貢獻。AI領域的DePIN網路匯聚了從個人到數據中心的GPU資源,爲用戶提供統一的供給。這不僅爲開發者提供了可定制的按需訪問,還爲GPU所有者創造了額外收入來源。

市場上湧現出多個AI DePIN網路,它們的目標和功能各有側重。以下對幾個主要項目進行概述:

Render是P2P GPU網路的先驅,最初專注於內容創作渲染,後來拓展到AI計算任務。Akash定位爲支持存儲、GPU和CPU計算的"超級雲"平台。io.net提供專門面向AI和機器學習的分布式GPU雲集羣。Gensyn專注於機器學習和深度學習計算,採用創新的驗證機制。Aethir專門提供企業級GPU,主攻AI、機器學習和雲遊戲等計算密集型領域。Phala Network則充當Web3 AI解決方案的執行層,使AI代理能夠由鏈上智能合約控制。

這些項目在硬件類型、業務重點、支持的AI任務類型、工作定價模式、底層區塊鏈、數據隱私保護、費用結構、安全機制等方面各有特色。關鍵的差異包括:

• GPU集羣和並行計算能力:大多數項目已整合集羣功能,以滿足復雜AI模型的需求。
• 數據隱私保護:普遍採用數據加密,部分項目引入更先進的技術如全同態加密和可信執行環境。
• 計算完成證明和質量檢查:各有不同機制來驗證工作完成情況和服務質量。

在硬件配置方面,各項目的GPU/CPU數量和高性能GPU(如H100/A100)的佔比存在較大差異。io.net和Aethir擁有較多高端GPU,更適合大規模模型計算。定價方面,去中心化GPU服務普遍低於中心化服務。

盡管AI DePIN領域仍處於早期階段,面臨一些挑戰,但這些網路上執行的任務量和硬件數量都在顯著增加。這反映出市場對Web2雲服務替代品的需求,以及之前未被充分利用的供給。未來,隨着AI市場的蓬勃發展,這些分散化的GPU網路有望在爲開發者提供經濟高效的計算資源方面發揮關鍵作用,爲AI和計算基礎設施的未來格局做出重要貢獻。