AIとDePINの交差点:分散型GPUネットワークの台頭

2023年以降、AIとDePINはWeb3分野で急成長を遂げています。AIの時価総額は300億ドルに達し、DePINの時価総額は約230億ドルです。この二つの分野は多くの異なるプロトコルを含み、さまざまなニーズに応えています。本稿では両者の交差領域を探り、この分野のプロトコルの発展状況を研究します。

! AIとDePINの交差点

AI技術スタックにおいて、DePINネットワークは計算リソースを通じてAIに実用性を提供します。大手テクノロジー企業の発展により、GPUが不足し、他のAIモデルを構築している開発者が計算に必要な十分なGPUを確保することが困難になっています。これにより、開発者は分散化されたクラウドプロバイダーを選択せざるを得なくなることが多いですが、柔軟性のない長期の高性能ハードウェア契約を締結しなければならないため、効率が悪化します。

DePINは本質的に、ネットワークの目標に合致するリソースの貢献を促すためにトークン報酬を使用する、より柔軟でコスト効果の高い代替手段を提供します。人工知能におけるDePINは、個人所有者からデータセンターにGPUリソースをクラウドソーシングし、ハードウェアにアクセスする必要があるユーザーに対して統一された供給を形成します。これらのDePINネットワークは、計算能力を必要とする開発者にカスタマイズ性とオンデマンドアクセスを提供するだけでなく、GPU所有者に追加収入をもたらします。

市場には多くのAI DePINネットワークがあり、この記事では各プロトコルの役割と目標、そしてそれらがすでに実現しているいくつかの具体的なハイライトについて探ります。

AI DePINネットワークの概要

RenderはGPU計算能力を提供するP2Pネットワークの先駆者であり、以前はコンテンツ制作のためのグラフィックスレンダリングに注力していましたが、その後、Stable Diffusionなどのツールセットを統合することで、神経反射場(NeRF)から生成AIの計算タスクまで、その範囲を拡大しました。

レンダリングの機能:

1. オスカー受賞技術を持つクラウドグラフィック会社 OTOY によって設立されました
2. GPUネットワークは、パラマウント・ピクチャーズ、PUBG、スタートレックなどのエンターテインメント業界の大手企業によって使用されています
3. Stability AI と Endeavor と協力し、Render の GPU を利用して AI モデルと 3D コンテンツのレンダリングワークフローを統合
4. 複数の計算クライアントを承認し、より多くの DePIN ネットワークの GPU を統合する

Akashは、ストレージ、GPU、およびCPU計算をサポートする従来のプラットフォームの「スーパー・クラウド」代替品として自らを位置付けています。AkashのコンテナプラットフォームとKubernetes管理の計算ノードなどの開発者フレンドリーなツールを活用することで、環境を超えてソフトウェアをシームレスにデプロイでき、あらゆるクラウドネイティブアプリケーションを実行できるようになります。

アカシュの特徴:

1. 一般的な計算からネットワークホスティングまでの広範な計算タスクに対して
2. AkashMLは、Hugging Face上で15,000以上のモデルを実行するGPUネットワークを許可し、Hugging Faceと統合されています。
3. Akashは、Mistral AIのLLMモデルチャットボット、Stability AIのSDXLテキストから画像へのモデル、そしてThumper AIの新しい基盤モデルAT-1など、注目すべきいくつかのアプリケーションをホスティングしています。
4. メタバース、人工知能の展開、そしてフェデレーション学習のプラットフォームがSupercloudを活用しています。

io.netは、AIおよびMLのユースケース専用の分散型GPUクラスタへのアクセスを提供します。データセンター、暗号マイナー、その他の分散化ネットワークなどの分野からのGPUを集約しています。

io.net の特徴:

1. そのIO-SDKはPyTorchやTensorflowなどのフレームワークと互換性があり、その多層アーキテクチャは計算要求に応じて自動的に動的に拡張されます。
2. 3種類の異なるタイプのクラスターの作成をサポートし、2分以内に起動できます。
3. Render、Filecoin、Aethir、Exabits などの他の DePIN ネットワークの GPU を統合するための強力な共同作業

Gensynは、機械学習と深層学習の計算に特化したGPU計算能力を提供しています。これは、作業の検証に使用される学習証明、検証作業を再実行するためのグラフィックベースの精密定位プロトコル、計算プロバイダーに関与したステーキングと削減を含むTruebitスタイルのインセンティブゲームなどの概念を組み合わせることで、より効率的な検証メカニズムを実現したと主張しています。

Gensynの特徴:

1. V100 等価の GPU の時間あたりコストは約 0.40 ドル/時間と予想されており、大幅なコスト削減が可能です。
2. プルーフスタッキングを通じて、事前にトレーニングされたベースモデルを微調整し、より具体的なタスクを完了することができます。
3. これらの基本モデルは分散化され、世界中に所有され、ハードウェア計算ネットワークに加えて追加の機能を提供します。

Aethirは企業向けのGPUを搭載し、計算集約型の分野、主に人工知能、機械学習(ML)、クラウドゲームなどに特化しています。そのネットワーク内のコンテナは、クラウドベースのアプリケーションを実行する仮想エンドポイントとして機能し、ワークロードをローカルデバイスからコンテナに移動させ、低遅延の体験を実現します。ユーザーに質の高いサービスを提供するために、需要と位置に応じてGPUをデータソースに近づけ、リソースを調整します。

Aethirの特徴:

1. 人工知能やクラウドゲームの他に、Aethirはクラウドフォンサービスに拡張し、APhoneと協力して分散化されたクラウドスマートフォンを発表しました。
2. NVIDIA、Super Micro、HPE、Foxconn、Well Linkなどの大企業との広範なパートナーシップ
3. CARV、Magic Eden、Sequence、Impossible Financeなど、Web3の複数のパートナー

Phala NetworkはWeb3 AIソリューションの実行層として機能します。そのブロックチェーンは信頼不要のクラウドコンピューティングソリューションであり、プライバシーの問題を処理するために信頼できる実行環境(TEE)を使用するように設計されています。その実行層はAIモデルの計算層として機能するのではなく、AIエージェントがチェーン上のスマートコントラクトによって制御されることを可能にします。

Phala Networkの機能:

1. 検証可能な計算のコプロセッサープロトコルとして機能し、同時にAIエージェントがオンチェーンリソースを利用できるようにします。
2. その人工知能エージェント契約は、Redpillを通じてOpenAI、Llama、Claude、Hugging Faceなどのトップレベルの大規模言語モデルを取得できます
3. 将来的には zk-proofs、マルチパーティ計算 (MPC)、完全同態暗号 (FHE) などの複数の証明システムが含まれます
4. 将来的には H100 などの他の TEE GPU をサポートし、計算能力を向上させる

プロジェクト比較

| | レンダリング | アカシュ | io.net | ゲンシン | アエシール | ファラ | |--------|-------------|------------------|---------------------|---------|---------------|----------| | ハードウェア | GPU & CPU | GPU & CPU | GPU & CPU | GPUの| GPUの| CPU | | ビジネスの重点 | グラフィックレンダリングとAI | クラウドコンピューティング、レンダリングとAI | AI | AI | 人工知能、クラウドゲームと電気通信 | オンチェーンAI実行 | | AIタスクタイプ | 推論 | トレーニングと推論 | トレーニングと推論 | トレーニング | トレーニング | 実行 | | 仕事の価格設定 | パフォーマンスベースの価格設定 | リバースオークション | 市場価格設定 | 市場価格設定 | 入札システム | 権益計算 | | ブロックチェーン | ソラナ | コスモス | ソラナ | ジェンシン | アービトラム | ポルカドット | | データプライバシー | 暗号化&分散化 | mTLS認証 | データ暗号化 | セキュアマッピング | 暗号化 | TEE | | 作業コスト | 0.5-5% |仕事あたり 20% USDC、4% AKT | 2% USDC、0.25%の準備金手数料 | 低コスト | セッションごとに20% | 誓約金額に比例 | | 安全 | レンダリング証明 | ステーク証明 | 計算証明 | ステーク証明 | レンダリング能力証明 | 中継チェーンからの継承 | | 完了証明 | - | - | タイムロック証明 | 学習証明 | レンダリング作業証明 | TEE証明 | | 品質保証 | 争議 | - | - | 検証者と通報者 | チェッカーノード | リモート証明 | | GPU クラスター | いいえ | はい | はい | はい | はい | いいえ |

! AIとDePINの交差点

クラスタと並列計算の利用可能性は、複雑なAIモデルのトレーニングにとって非常に重要です。ほとんどのプロジェクトは、現在、並列計算を実現するためにクラスタを統合しています。io.netは、Render、Filecoin、Aethirなどの他のプロジェクトと協力し、ネットワークにより多くのGPUを取り入れ、2024年第1四半期に3,800以上のクラスタを成功裏に展開しました。

データプライバシーはAIモデル開発における重要な問題です。ほとんどのプロジェクトは、データプライバシーを保護するために何らかの形式のデータ暗号化を使用しています。io.netは最近、Mind Networkと提携して完全同型暗号(FHE)を導入し、暗号化データを事前に復号化することなく処理できるようにしました。Phala Networkは、外部プロセスがデータにアクセスまたは変更するのを防ぐことができる信頼できる実行環境(TEE)を導入しました。

計算完了証明と品質検査は、作業の質を確保するために重要です。GensynとAethirは、作業が完了したことを示す証明を生成し、完了した計算の品質を検査します。Renderは、審査委員会がノードに問題を発見した場合、そのノードを削減するために紛争解決プロセスを使用することを推奨します。

ハードウェア統計データ

| | レンダリング | アカシュ | io.net | ゲンシン | アエシール | ファラ | |-------------|--------|-------|--------|------------|------------|--------| | GPUの数 | 5600 | 384 | 38177 | - | 40000+ | - | | CPUの数 | 114 | 14672 | 5433 | - | - | 30000+ | | H100/A100個 | - | 157 | 2330 | - | 2000+ | - | | H100料金/時間 | - | 1.46ドル | 1.19ドル| - | - | - | | A100料金/時間 | - | 1.37ドル | 1.50ドル| $0.55 ( 推定) | $0.33 (推定) | - |

! AIとDePINの交差点

高性能 GPU は AI モデルのトレーニングにとって重要です。io.net と Aethir は H100 および A100 GPU の数においてリードしており、大規模モデルの計算により適しています。分散化 GPU ネットワークのコストはすでに中央集権型 GPU サービスよりも大幅に低くなっており、より多くの AI および ML ユースケースを構築するための寡頭独占の状況を開いています。

コンシューマ向けGPU/CPUもこれらのネットワークで重要な役割を果たしています。Render、Akash、io.netなどのプロジェクトは、この市場の一部にサービスを提供し、開発者により多くの選択肢を提供します。

まとめ

AI DePIN 分野はまだ比較的新しいですが、強力な成長の勢いを示しています。これらの分散化 GPU ネットワークで実行されるタスクとハードウェアの数が増加し、Web2 クラウドプロバイダーのハードウェアリソースの代替品に対する需要が高まっていることを強調しています。将来を見据えると、これらの分散化された GPU ネットワークは、開発者に経済的な計算代替案を提供する上で重要な役割を果たし、人工知能と計算インフラの未来の構図に大きな貢献をするでしょう。

! AIとDePINの交差点

! AIとDePINの交差点

! AIとDePINの交差点

! AIとDePINの交差点

! AIとDePINの交差点