کریپتو می تواند یک لایه هماهنگی برای هوش مصنوعی باشد

مشروح:

توسعه‌ها در AI مولد در 12 ماه گذشته شروع به تغییر شیوه زندگی و کار مردم کرده است. مدل‌های زبانی برای توسعه استراتژی‌های حقوقی در پرونده‌های قضایی استفاده می‌شوند. مدل‌های انتشار تصویر برای تقویت جریان کار استودیوهای سرگرمی بزرگ استفاده می‌شوند. و پیشرفت‌های بینایی رایانه ناوگان خودروهای خودران را به صورت انبوه در جاده‌ها آورده است.

به خوبی درک شده است که گلوگاه اصلی برای مقیاس‌بندی این سیستم‌ها دسترسی به منابع محاسباتی است. زمان انتظار و نرخ‌های ساعتی برای نمونه‌های نقطه‌ای از تراشه‌های A100 و H100 انویدیا به طور مداوم در طول سال 2023 روند صعودی داشته است و ظرفیت تولید تراشه به سادگی نمی‌تواند با تقاضا مطابقت داشته باشد. کمبود مداوم کارت‌های گرافیک از طوفانی کامل از محدودیت‌های مواد، اختلال‌های زنجیره تامین، تقاضا فزاینده، تنش‌های ژئوپلیتیک ناشی می‌شود. u>، و چرخه های تولید طولانی ذاتی در ساخت GPU های پیچیده. علاوه بر این، مواد کلیدی، مانند سیلیکون پیشرفته مورد استفاده در تراشه‌های GPU، بسترهای تخصصی PCBها و تراشه‌های حافظه، همگی در میان عدم تعادل عرضه و تقاضا با کمبود مواجه هستند.

درآمدهای مرکز داده مرتبط با بار کاری هوش مصنوعی تقریباً 100 میلیارد دلار در سال 2023 بود. مراکز داده به سرمایه اولیه فوق‌العاده‌ای در قالب زمین، برق، و سخت‌افزار درجه یک سازمانی نیاز دارند. مراکز داده جدید برای راه اندازی و بهره برداری به تامین مالی خارجی متکی هستند، اما نرخ ها بالا و سرمایه اندک است. مدل‌های هوش مصنوعی از نظر اندازه و پیچیدگی در حال افزایش هستند، و اگرچه قیمت هر واحد عملکرد محاسباتی هر 30 ماه به نصف کاهش می‌یابد، نیازهای محاسباتی ویژه هوش مصنوعی هر شش ماه دو برابر می‌شود. تقاضا در مسیر افزایش سفارش‌های بزرگی سریع‌تر نسبت به عرضه است.

این چیزی است که سرمایه‌گذاران رویای آن را می‌بینند: یک تغییر تکتونیکی در نوآوری که عملاً هر کسب‌وکاری را یک شبه تحت تأثیر قرار می‌دهد، که توسط منابع محدود و تقاضای سرسام‌آور هدایت می‌شود و باعث افزایش قیمت‌های کالاها می‌شود. بازدهی 231.5 درصدی YTD انویدیا در 12 ماه گذشته یک پروکسی عالی برای این امر است – اما حتی آن هم نمی تواند نشان دهنده فرصت موجود باشد. ما هنوز در مراحل اولیه رنسانس هوش مصنوعی هستیم. هر شرکت فورچون 500 در حال حاضر استراتژی هوش مصنوعی خود را مشخص می کند و تقاضایی که امروز می بینیم به هیچ وجه به تقاضایی که فردا خواهیم دید نزدیک نیست. هوش مصنوعی نیروی کار را افزایش داده و جابجا می کند، بهره وری را افزایش می دهد و اساساً نحوه عملکرد مشاغل را تغییر می دهد. محاسبه روغن جدید است.

یک پاسخ برای مشکل کمبود محاسباتی که به طور فزاینده ای وجود دارد وجود دارد: یافتن عرضه استفاده نشده.

شکل جدیدی از شبکه‌های رمزنگاری به نام «شبکه‌های زیرساخت فیزیکی غیرمتمرکز» یا به اختصار «DePIN» به کمک می‌آید. تخمین زده می‌شود که 1.5 میلیارد پردازنده‌های گرافیکی مصرف‌کننده رایگان در سطح جهان و شش میلیون پردازنده گرافیکی مرکز داده دیگر در دیتاسنترهایی که در سرتاسر جهان خارج از مقیاس‌های بزرگ (AWS، GCP، Azure، Oracle) مستقر شده‌اند، وجود دارد. ). کارت‌های سخت‌افزاری مصرف‌کننده اغلب دارای توان محاسباتی قابل مقایسه با کارت‌های درجه سازمانی هستند.

به عنوان مثال، RTX 3090 درجه مصرف کننده قادر به 83 FP32 TFLOPS است در حالی که A100 درجه سازمانی فقط 19.5 FP32 TFLOPS دارد. در حال حاضر، بیش از 330 میلیون پردازنده گرافیکی درجه یک مصرف‌کننده در رایانه‌های شخصی (بازی‌کنندگان، طراحان، ویرایشگرهای ویدیو، و غیره) و مراکز داده وجود دارد که می‌توان آن‌ها را به صورت آنلاین درآورد. مشکل این است که از لحاظ تاریخی امکان ایجاد انگیزه یا هماهنگ کردن این GPUهای متفاوت در کلاسترهای قابل استفاده وجود نداشته است.

اخیراً، DePIN های تخصصی و متمرکز بر هوش مصنوعی، مانند Render Network و IO.net، این مشکل را حل کرده اند. ابتدا، آنها به اپراتورهای GPU پنهان انگیزه می دهند. منابع خود را در ازای دریافت پاداش به یک شبکه مشترک کمک کنند. دوم، آنها در حال ایجاد یک لایه شبکه غیرمتمرکز هستند که GPUهای متفاوت را به عنوان خوشه هایی که توسعه دهندگان هوش مصنوعی می توانند استفاده کنند، نشان می دهد. این بازارهای غیرمتمرکز محاسباتی اکنون صدها هزار منابع محاسباتی را در انواع مختلف ارائه می‌کنند و راه جدیدی را برای توزیع بارهای کاری هوش مصنوعی در میان گروهی از سخت‌افزار واجد شرایط که قبلاً در دسترس نبودند، ایجاد می‌کنند.

علاوه بر ایجاد عرضه خالص GPU جدید، شبکه‌های DePIN اغلب به طور قابل توجهی ارزان‌تر هستند - تا 90٪ ارزان‌تر - نسبت به ارائه‌دهندگان ابر سنتی. آنها این هزینه ها را با برون سپاری هماهنگی GPU و سربار به زنجیره بلوکی به دست می آورند. ارائه‌دهندگان ابری هزینه‌های زیرساخت را نشانه‌گذاری می‌کنند زیرا هزینه‌های کارکنان، نگهداری سخت‌افزار و سربار مرکز داده را دارند. شبکه‌های DePIN هیچ‌یک از این هزینه‌ها را ندارند، بنابراین می‌توانند هزینه‌ها را عملاً با هزینه (با هزینه‌های ناچیز هماهنگی شبکه) به مشتریان نهایی منتقل کنند.

همانطور که به سال آینده نگاه می کنیم، انتظار داریم این شبکه های غیرمتمرکز به عنوان یکی از بازیگران کلیدی در مسابقه هوش مصنوعی ظاهر شوند. در حال حاضر GPUهای کافی (GPUهای بسیار ارزانتر) برای پاسخگویی به تقاضای هر شرکت بزرگ در جهان وجود ندارد.

GPUها واحد پول هوش مصنوعی هستند و DePINها برای ارائه آن اینجا هستند.