Hành trình săn DePIN: Sức mạnh tính toán AI làm mồi nhử, chặng đường phía trước còn dài

Nguồn: NVIDIA 

Sự kết hợp giữa phân cấp và sức mạnh tính toán, hệ số độ khó giảm dần theo từng lớp từ đào tạo đến đào tạo tinh chỉnh cho đến suy luận. của. Trong DePIN, bạn có thể thấy rằng nhiều dự án trong ngành tập trung vào suy luận hơn là đào tạo. Lý do chính khiến hầu hết các công ty sử dụng cụm GPU NVIDIA để đào tạo AI là vì chúng có khả năng tính toán song song và băng thông bộ nhớ mạnh mẽ. So với liên kết suy luận, yêu cầu về sức mạnh tính toán song song và băng thông thấp hơn nhiều. Và việc đào tạo mô hình lớn chú ý nhiều hơn đến sự ổn định, bởi vì một khi quá trình đào tạo bị gián đoạn thì cần phải đào tạo lại. Nếu một ứng dụng sức mạnh tính toán phi tập trung được xây dựng trên Ethereum để GPT sử dụng, chỉ một thao tác nhân ma trận duy nhất sẽ tiêu tốn tới 10 tỷ đô la Mỹ phí gas và mất 1 tháng.

Ngoài ra, tác giả còn phân tích hiện trạng một số dự án phổ biến trong hội nghị này, cho thấy xu hướng bên cung vượt quá bên cầu, nghĩa là chúng được phân phối trên toàn thế giới. Nguồn cung cấp năng lượng tính toán vượt quá nhu cầu của các nhà phát triển AI đối với các nhiệm vụ suy luận hoặc đào tạo mô hình AI. Điều này không có nghĩa là nhu cầu không tồn tại. Sam Altman, người sáng lập OpenAI, đã đề xuất huy động 7 nghìn tỷ đô la Mỹ để xây dựng một nhà máy sản xuất chip tiên tiến lớn gấp 10 lần quy mô hiện tại của TSMC và để sử dụng nó cho việc sản xuất chip và đào tạo mô hình. Nghiên cứu của Đại học Stanford cũng chỉ ra rằng bất kể mô hình ngôn ngữ nào, khi thang tham số huấn luyện vượt quá giá trị tới hạn của thang đo đó, hiệu suất của nó (chẳng hạn như độ chính xác) sẽ cải thiện mạnh mẽ. Điều này hoàn toàn trái ngược với quy luật “nỗ lực lớn có thể tạo nên kỳ tích”, đồng thời cũng có nghĩa là trên thực tế, vẫn còn nhiều vấn đề cần giải quyết trong ý tưởng về sức mạnh tính toán phi tập trung.

"Nguồn gốc lịch sử" của lộ trình DePIN có thể bắt nguồn từ "nền kinh tế chia sẻ"

Bản thân khái niệm DePIN không khó hiểu và thậm chí có thể bắt nguồn từ Web2. Nhìn lại ngành Internet, trong ít nhất 15 năm, người chơi Web2 đã đắm chìm trong việc tổng hợp thông tin cá nhân tài sản hữu hình để tạo ra một “nền kinh tế chia sẻ”. Nếu tài sản vô hình (chẳng hạn như máy chủ nhàn rỗi, v.v.) được phân phối lại trực tiếp cho người yêu cầu thông qua Peer to ngang hàng (P2P) hoặc Peer to business (P2B), chuỗi khối công nghệ phi tập trung có thể khuyến khích cơ chế tối ưu hóa quan hệ sản xuất. Đây chính là nội dung của DePIN.

Vì lý do này, trên con đường DePIN, sự nhiệt tình của mọi người ở phía cung đều rất cao. Trên thực tế, Web2 đã chuẩn bị cho việc "phân phối lại" từ lâu nhưng lần này trực tiếp loại bỏ người trung gian. Hiện có gần một nghìn dự án DePIN, đặc biệt là hệ sinh thái Solana. Theo thống kê của Messari, hệ sinh thái Solana đang ở vị trí dẫn đầu về cơ sở hạ tầng DePIN. Điều này là do khả năng tích hợp cơ sở hạ tầng cao và hiệu suất của chuỗi công cộng Solana . Về mặt phân bổ khu vực, nhiều 10 DePIN hàng đầu dự kiến ​​sẽ đến từ Châu Á trong năm 2024-2025.

Nguồn: Messari 

Web3 và AI có nhiều điểm giao nhau. Là tiền tệ phổ quát của thế giới kỹ thuật số tương lai, sức mạnh tính toán là điều đầu tiên mọi người chú ý đến. của. Tuy nhiên, sức mạnh tính toán phi tập trung, kịch bản triển khai hợp lý nhất, lại không phải là kịch bản dễ thực hiện nhất.

Ở điểm giao thoa của Web3 và AI, ngoài việc khắc phục những khó khăn về mặt kỹ thuật và không ngừng đột phá những vấn đề như vậy, còn có nhiều nhánh khác như AI Quyền sở hữu của người sáng tạo và khả năng tính toán của các mô hình AI nhỏ rất đáng để khám phá và sẽ thực tế hơn. Sẽ luôn có sự cân bằng giữa sự thành công của các mô hình kinh doanh và đột phá về công nghệ. DePIN đang đẩy nhanh quá trình này, và “chuyến đi săn” của DePIN sẽ trở lại với mùa bội thu.