# AIとDePINの融合:分散型GPUコンピューティングネットワークの探索2023年以降、AIとDePINはWeb3分野で注目を集めており、それぞれの時価総額は300億ドルと230億ドルに達しました。本稿では、AIとDePINの交差領域を探求し、関連プロトコルの発展状況を研究します。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提供することでAIを強化します。大手テクノロジー企業のGPUに対する需要が不足を引き起こし、他の開発者が計算に必要なGPUを十分に得ることが難しくなっています。これにより、開発者は分散化されたクラウドサービスを選択せざるを得なくなることが多いですが、長期的な高性能ハードウェア契約は柔軟性に欠け、効率が悪いことが多いです。DePINは、トークンインセンティブを通じてリソース貢献を奨励する、より柔軟でコスト効率の高い代替手段を提供します。AI分野のDePINは、個人所有者とデータセンターからGPUリソースを統合し、ハードウェアを必要とするユーザーに統一された供給を提供します。これらのネットワークは、開発者にカスタマイズされた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生み出します。市場には多様なAI DePINネットワークがあり、それぞれ特徴があります。以下では、いくつかの主要プロジェクトの特徴と目標について探ります。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-112d1efea526039e305cc846f2ca3c50)## AI DePINネットワークの概要### レンダー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、当初はコンテンツ制作のグラフィックレンダリングに特化していましたが、後にAI計算タスクに範囲を拡大しました。特異：- オスカー賞を受賞したクラウドグラフィックス会社OTOYによって設立された- GPUネットワークは、パラマウント・ピクチャーズやPUBGなどの大手企業によって使用されています- Stability AI と Endeavor と協力し、AI モデルと 3D コンテンツのレンダリングを統合- 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### アカシュAkashは、ストレージ、GPU、CPU計算をサポートする"スーパークラウド"プラットフォームとして位置付けられ、従来のクラウドサービスの代替品です。特異：- 一般的な計算からネットワークホスティングまでの幅広い計算タスク- AkashML は Hugging Face 上で 15,000 以上のモデルをサポートしています- Mistral AI の LLM モデルチャットボット、Stability AI の SDXL などのアプリケーションをホスティング- メタバース、AI展開、連邦学習プラットフォームをサポート### io.netio.net は AI および ML 使用例のために特化した分散化 GPU クラウドクラスターアクセスを提供します。特異：- IO-SDKはPyTorchやTensorflowなどのフレームワークと互換性があります- 3種類の異なるタイプのクラスターを作成することをサポートしており、2分以内に起動できます。- RenderやFilecoin、Aethirなどのネットワークと協力してGPUリソースを統合### ゲンシン Gensynは、機械学習とディープラーニングコンピューティングに焦点を当てたGPUコンピューティングパワーを提供します。特異：- V100 等価 GPU の時給コストは約 0.40 ドルで、コストを大幅に削減します。- 事前学習済み基盤モデルの微調整をサポート- 分散化、グローバル共有の基盤モデルを提供### アエティールAethir は企業向けの GPU を専門に提供しており、主に AI、ML、クラウドゲームなどの計算集約型分野を対象としています。特異：- クラウドフォンサービスに拡張し、APhoneと協力して分散化クラウドスマートフォンを発売- NVIDIA、Super Micro、HPEなどの大企業との広範な協力関係を確立する- Web3 エコシステムの複数のパートナー、例えば CARV、Magic Eden など### ファラネットワークPhala Network は Web3 AI ソリューションの実行層として、信頼できる実行環境 (TEE) を通じてプライバシーの問題を処理します。特異：- 検証可能な計算のコプロセッサプロトコルとして機能し、AIエージェントがチェーン上のリソースを利用できるようにします。- Redpill を通じて OpenAI、Llama などのトップレベルの大規模言語モデルを取得- 未来には zk-proofs、マルチパーティ計算、完全同型暗号などの多重証明システムが含まれます- 今後は H100 などの他の TEE GPU をサポートし、計算能力を向上させます。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-68a395d50be4ab07fbc575dd54441164)## プロジェクト比較| | レンダー | アカシュ | io.net | ジェンシン | エイサー | ファラ ||--------|--------|-------|--------|--------|--------|-------|| ハードウェア | GPUとCPU | GPUとCPU | GPUと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 | AI、クラウドゲーミングと電気通信 | チェーン上のAI実行 || AIタスクタイプ | 推論 | 双方向 | 双方向 | トレーニング | トレーニング | 実行 || 仕事の価格設定 | パフォーマンスに基づく | 逆オークション | 市場価格設定 | 市場価格設定 | 入札システム | 権利計算 || 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＆ハッシュ | 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 | ジョブあたり0.5-5% 20% USDC、4% AKT | 2% USDC、0.25%リザーブ | 低料金 | セッションごとに20% | 誓約金額に比例 || セキュリティ | レンダリング証明 | プルーフ・オブ・ステーク | プルーフ・オブ・コンピュテーション | プルーフ・オブ・ステーク | レンダリング能力証明 | リレーチェーンからの継承 || 完成証明 | - | - | 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 | 論争 | - | - | 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](https://img-cdn.gateio.im/social/moments-8f83f1affbdfd92f33bc47afe8928c5c)###の重要性#### クラスタと並列計算の可用性分散化計算フレームワークはGPUクラスターを実現し、トレーニング効率とスケーラビリティを向上させます。ほとんどのプロジェクトは現在、クラスターを統合して並行計算を実現しています。io.netは他のプロジェクトと協力し、24年第一四半期に3800以上のクラスターを展開しました。Renderはクラスターをサポートしていませんが、単一のフレームを複数のノードに分解して同時に処理します。Phalaは現在CPUのみをサポートしていますが、CPUワーカーの分散化を許可しています。#### データプライバシーセンシティブなデータセットの保護は非常に重要です。ほとんどのプロジェクトはデータ暗号化を使用してプライバシーを保護しています。io.netはMind Networkと協力して完全同型暗号(FHE)を導入し、暗号化されたデータを復号化せずに処理できるようにしました。Phala Networkは信頼できる実行環境(TEE)を導入し、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ぎます。#### 完了証明と品質チェックの計算 各プロジェクトは、異なる方法で完了証明を生成し、品質チェックを行います。Gensyn と Aethir は、作業が完了したことを示す証明を生成し、品質チェックを行います。io.net の証明は、GPU の性能が十分に活用されていることを示します。Render は、紛争解決プロセスの使用を推奨します。Phala は TEE 証明を生成し、AI エージェントが必要な操作を実行することを保証します。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-df4f88879b53c4aa604b248fc9ff393a)### ハードウェア統計データ| | レンダー | アカッシュ | io.net | ジェンシン | エイサー | 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](https://img-cdn.gateio.im/social/moments-24fd635c71ed2aad842d38bf56e70b43)#### 高性能 GPU の要件AIモデルのトレーニングには、NvidiaのA100やH100のような最高性能のGPUが必要です。H100の推論性能はA100の4倍速く、最適なGPUとなっています。分散化GPU市場のプロバイダーは、より低価格を提供し、市場の実際の需要に応える必要があります。io.netとAethirは、2000以上のH100とA100ユニットを取得し、大型モデルの計算により適しています。分散化 GPU サービスのコストは中央集権サービスを下回っています。ネットワーク接続された GPU クラスターはメモリが制限されていますが、動的なワークロードの需要や柔軟性を必要とするユーザーにとっては依然として魅力的です。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-7a05f8ca3e44b9c91a7917953175da09)#### コンシューマ向け GPU/CPU を提供CPUはAIモデルのトレーニングでも重要な役割を果たします。コンシューマ向けGPUは、事前トレーニングされたモデルの微調整や小規模トレーニングに使用できます。Render、Akash、io.netなどのプロジェクトもこの市場にサービスを提供し、独自のニッチ市場を開発しています。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-85bfeec032db538007843e9b55783e18)## まとめAI DePIN 分野はまだ比較的新しく、課題に直面しています。しかし、これらのネットワークで実行されるタスクとハードウェアの数は顕著に増加しており、Web2 クラウドプロバイダーの代替品への需要が浮き彫りになっています。今後、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の代替手段を提供する上で重要な役割を果たし、AI と計算インフラストラクチャの未来の風景に大きく貢献するでしょう。! [AIとDePINの交差点](https://img-cdn.gateio.im/social/moments-10f0acfcfea618361b9c445c49edfc88)
AIとDePINの融合：分散化されたGPU計算ネットワークの台頭と挑戦
AIとDePINの融合:分散型GPUコンピューティングネットワークの探索
2023年以降、AIとDePINはWeb3分野で注目を集めており、それぞれの時価総額は300億ドルと230億ドルに達しました。本稿では、AIとDePINの交差領域を探求し、関連プロトコルの発展状況を研究します。
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提供することでAIを強化します。大手テクノロジー企業のGPUに対する需要が不足を引き起こし、他の開発者が計算に必要なGPUを十分に得ることが難しくなっています。これにより、開発者は分散化されたクラウドサービスを選択せざるを得なくなることが多いですが、長期的な高性能ハードウェア契約は柔軟性に欠け、効率が悪いことが多いです。
DePINは、トークンインセンティブを通じてリソース貢献を奨励する、より柔軟でコスト効率の高い代替手段を提供します。AI分野のDePINは、個人所有者とデータセンターからGPUリソースを統合し、ハードウェアを必要とするユーザーに統一された供給を提供します。これらのネットワークは、開発者にカスタマイズされた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生み出します。
市場には多様なAI DePINネットワークがあり、それぞれ特徴があります。以下では、いくつかの主要プロジェクトの特徴と目標について探ります。
! AIとDePINの交差点
AI DePINネットワークの概要
レンダー
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、当初はコンテンツ制作のグラフィックレンダリングに特化していましたが、後にAI計算タスクに範囲を拡大しました。
特異：
アカシュ
Akashは、ストレージ、GPU、CPU計算をサポートする"スーパークラウド"プラットフォームとして位置付けられ、従来のクラウドサービスの代替品です。
特異：
io.net
io.net は AI および ML 使用例のために特化した分散化 GPU クラウドクラスターアクセスを提供します。
特異：
ゲンシン
Gensynは、機械学習とディープラーニングコンピューティングに焦点を当てたGPUコンピューティングパワーを提供します。
特異：
アエティール
Aethir は企業向けの GPU を専門に提供しており、主に AI、ML、クラウドゲームなどの計算集約型分野を対象としています。
特異：
ファラネットワーク
Phala Network は Web3 AI ソリューションの実行層として、信頼できる実行環境 (TEE) を通じてプライバシーの問題を処理します。
特異：
! AIとDePINの交差点
プロジェクト比較
| | レンダー | アカシュ | io.net | ジェンシン | エイサー | ファラ | |--------|--------|-------|--------|--------|--------|-------| | ハードウェア | GPUとCPU | GPUとCPU | GPUと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 | AI、クラウドゲーミングと電気通信 | チェーン上のAI実行 | | AIタスクタイプ | 推論 | 双方向 | 双方向 | トレーニング | トレーニング | 実行 | | 仕事の価格設定 | パフォーマンスに基づく | 逆オークション | 市場価格設定 | 市場価格設定 | 入札システム | 権利計算 | | 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＆ハッシュ | 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 | ジョブあたり0.5-5% 20% USDC、4% AKT | 2% USDC、0.25%リザーブ | 低料金 | セッションごとに20% | 誓約金額に比例 | | セキュリティ | レンダリング証明 | プルーフ・オブ・ステーク | プルーフ・オブ・コンピュテーション | プルーフ・オブ・ステーク | レンダリング能力証明 | リレーチェーンからの継承 | | 完成証明 | - | - | 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 | 論争 | - | - | 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
###の重要性
クラスタと並列計算の可用性
分散化計算フレームワークはGPUクラスターを実現し、トレーニング効率とスケーラビリティを向上させます。ほとんどのプロジェクトは現在、クラスターを統合して並行計算を実現しています。io.netは他のプロジェクトと協力し、24年第一四半期に3800以上のクラスターを展開しました。Renderはクラスターをサポートしていませんが、単一のフレームを複数のノードに分解して同時に処理します。Phalaは現在CPUのみをサポートしていますが、CPUワーカーの分散化を許可しています。
データプライバシー
センシティブなデータセットの保護は非常に重要です。ほとんどのプロジェクトはデータ暗号化を使用してプライバシーを保護しています。io.netはMind Networkと協力して完全同型暗号(FHE)を導入し、暗号化されたデータを復号化せずに処理できるようにしました。Phala Networkは信頼できる実行環境(TEE)を導入し、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ぎます。
完了証明と品質チェックの計算
各プロジェクトは、異なる方法で完了証明を生成し、品質チェックを行います。Gensyn と Aethir は、作業が完了したことを示す証明を生成し、品質チェックを行います。io.net の証明は、GPU の性能が十分に活用されていることを示します。Render は、紛争解決プロセスの使用を推奨します。Phala は TEE 証明を生成し、AI エージェントが必要な操作を実行することを保証します。
! AIとDePINの交差点
ハードウェア統計データ
| | レンダー | アカッシュ | io.net | ジェンシン | エイサー | 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 の要件
AIモデルのトレーニングには、NvidiaのA100やH100のような最高性能のGPUが必要です。H100の推論性能はA100の4倍速く、最適なGPUとなっています。分散化GPU市場のプロバイダーは、より低価格を提供し、市場の実際の需要に応える必要があります。io.netとAethirは、2000以上のH100とA100ユニットを取得し、大型モデルの計算により適しています。
分散化 GPU サービスのコストは中央集権サービスを下回っています。ネットワーク接続された GPU クラスターはメモリが制限されていますが、動的なワークロードの需要や柔軟性を必要とするユーザーにとっては依然として魅力的です。
! AIとDePINの交差点
コンシューマ向け GPU/CPU を提供
CPUはAIモデルのトレーニングでも重要な役割を果たします。コンシューマ向けGPUは、事前トレーニングされたモデルの微調整や小規模トレーニングに使用できます。Render、Akash、io.netなどのプロジェクトもこの市場にサービスを提供し、独自のニッチ市場を開発しています。
! AIとDePINの交差点
まとめ
AI DePIN 分野はまだ比較的新しく、課題に直面しています。しかし、これらのネットワークで実行されるタスクとハードウェアの数は顕著に増加しており、Web2 クラウドプロバイダーの代替品への需要が浮き彫りになっています。今後、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の代替手段を提供する上で重要な役割を果たし、AI と計算インフラストラクチャの未来の風景に大きく貢献するでしょう。
! AIとDePINの交差点