تقاطع الذكاء الاصطناعي و DePIN: صعود شبكة الحوسبة GPU اللامركزية
منذ عام 2023 ، أصبحت الذكاء الاصطناعي و اللامركزية هي الاتجاهات الشائعة في مجال Web3 ، حيث بلغت قيمتها السوقية 30 مليار دولار و 23 مليار دولار على التوالي. ستستكشف هذه المقالة التقاطع بين الاثنين ، وتدرس تطوير البروتوكولات ذات الصلة.
في مجموعة تقنيات الذكاء الاصطناعي، تمكّن شبكة DePIN الذكاء الاصطناعي من خلال توفير موارد الحوسبة. أدى تطور شركات التكنولوجيا الكبرى إلى نقص في وحدات معالجة الرسوميات، مما جعل من الصعب على المطورين الآخرين الحصول على وحدات معالجة الرسوميات الكافية للحوسبة. وغالبًا ما يجبر ذلك المطورين على اختيار مقدمي خدمات السحابة المركزية، لكن بسبب الحاجة إلى توقيع عقود طويلة الأمد غير مرنة للأجهزة عالية الأداء، فإن الكفاءة تكون منخفضة.
تقدم DePIN بديلاً أكثر مرونة وفعالية من حيث التكلفة، من خلال تحفيز الموارد المساهمة بواسطة الرموز. ستجمع شبكة DePIN في مجال الذكاء الاصطناعي موارد GPU من المالكين الأفراد إلى إمداد موحد، لتقديم الخدمات للمستخدمين الذين يحتاجون إلى الأجهزة. وهذا لا يوفر فقط للمطورين إمكانية التخصيص والوصول عند الطلب، بل يخلق أيضًا دخلاً إضافيًا لمالكي GPU.
نظرة عامة على شبكة AI DePIN
تسعى المشاريع جميعها إلى بناء شبكة سوق حسابات GPU. فيما يلي سيتم تقديم خصائص كل مشروع، والتركيزات السوقية، والإنجازات.
Render هو رائد شبكة حساب GPU من نظير إلى نظير، وقد ركز في البداية على رسم الرسوم البيانية لإنشاء المحتوى، ثم توسع ليشمل مهام الحسابات AI.
خصوصيه:
تأسست من قبل شركة OTOY
تستخدم شركات كبيرة في مجال الترفيه مثل شركة بارامونت للأفلام وPUBG شبكتها من وحدات معالجة الرسوميات (GPU)
التعاون مع Stability AI و Endeavor، لدمج نماذج الذكاء الاصطناعي مع سير عمل عرض المحتوى ثلاثي الأبعاد
الموافقة على العديد من عملاء الحوسبة، ودمج المزيد من شبكات DePIN التي تستخدم وحدات معالجة الرسوميات
Akash يتم定位ه كبديل "سوبر كلاود" يدعم التخزين، والحوسبة عبر GPU وCPU. باستخدام منصة الحاويات والعقد الحسابية المدارة بواسطة Kubernetes، يمكن نشر البرمجيات بسلاسة عبر البيئات.
الخصائص:
موجه لمجموعة واسعة من مهام الحوسبة من الحوسبة العامة إلى استضافة الشبكات
AkashML يدعم تشغيل أكثر من 15,000 نموذج على Hugging Face
تطبيقات مثل الروبوتات الدردشة لنموذج LLM من Mistral AI و SDXL من Stability AI
يدعم الميتافيرس، نشر الذكاء الاصطناعي ومنصة التعلم الفيدرالي
io.net يقدم عنقود سحابي موزع من وحدات معالجة الرسوميات، مخصص لحالات الاستخدام في الذكاء الاصطناعي وتعلم الآلة. يدمج موارد وحدات معالجة الرسوميات من مراكز البيانات، وعمال التعدين المشفرين، وغيرها من المجالات.
الخصائص:
IO-SDK متوافق مع أطر العمل مثل PyTorch و Tensorflow، ويمكنه التوسع تلقائيًا بناءً على متطلبات الحساب.
يدعم إنشاء 3 أنواع مختلفة من الكتل، ويمكن تشغيلها في غضون دقيقتين
التعاون مع Render و Filecoin و Aethir لتكامل موارد GPU
Gensyn يقدم قدرة حساب GPU تركز على التعلم الآلي والتعلم العميق. يستخدم تقنيات مثل إثبات التعلم وبروتوكولات تحديد المواقع الدقيقة المعتمدة على الرسوم البيانية لتحسين كفاءة التحقق.
خصائص:
تكلفة ساعة واحدة من وحدة معالجة الرسوميات المكافئة V100 حوالي 0.40 دولار، مما يوفر تكلفة كبيرة
يدعم ضبط النماذج الأساسية المدربة مسبقًا
تخطط لتوفير نموذج أساسي مملوك عالميًا ولامركزيًا
Aethir تركز على الذكاء الاصطناعي، التعلم الآلي، الألعاب السحابية وغيرها من المجالات التي تتطلب حسابات مكثفة. تعمل الحاويات في شبكتها كنقاط نهاية افتراضية لتطبيقات السحابة، مما يوفر تجربة ذات زمن انتقال منخفض.
الميزات:
توسيع خدمات الهاتف السحابي، بالتعاون مع APhone لإطلاق هاتف ذكي سحابي لامركزي
إقامة شراكة مع شركات كبرى مثل NVIDIA و Super Micro و HPE
التعاون مع العديد من مشاريع Web3 مثل CARV و Magic Eden
Phala Network كطبقة تنفيذ لحلول Web3 AI. من خلال بيئة التنفيذ الموثوقة (TEE) تم تصميمها لمعالجة قضايا الخصوصية، تدعم الوكلاء الذكاء الاصطناعي الذين تتحكم فيهم العقود الذكية على السلسلة.
الميزات:
بروتوكول معالج مساعد للحساب القابل للتحقق، يدعم موارد وكيل الذكاء الاصطناعي على السلسلة
يمكن الحصول على نماذج اللغة الكبيرة الرائدة مثل OpenAI وLlama من خلال عقد الوكالة AI عبر Redpill
ستشمل المستقبل أنظمة إثبات متعددة مثل إثباتات zk، والحوسبة متعددة الأطراف، والتشفير المتجانس بالكامل
التخطيط لدعم H100 وغيرها من وحدات معالجة الرسوميات TEE، لتعزيز القدرة الحاسوبية
مقارنة المشاريع
| | ريندر | أكاش | io.net | جينسين | أيثير | فالا |
|--------|-------------|------------------|---------------------|---------|---------------|----------|
| الأجهزة | وحدة معالجة الرسومات \ & وحدة المعالجة المركزية | وحدة معالجة الرسومات \ & وحدة المعالجة المركزية | وحدة معالجة الرسومات \ & وحدة المعالجة المركزية | وحدة معالجة الرسومات | وحدة معالجة الرسومات | وحدة المعالجة المركزية |
| النقاط الرئيسية | عرض الرسوميات والذكاء الاصطناعي | الحوسبة السحابية، العرض والذكاء الاصطناعي | الذكاء الاصطناعي | الذكاء الاصطناعي | الذكاء الاصطناعي، الألعاب السحابية والاتصالات | تنفيذ الذكاء الاصطناعي على الشبكة |
| نوع مهام الذكاء الاصطناعي | استنتاج | كلاهما | كلاهما | تدريب | تدريب | تنفيذ |
| تسعير العمل | تسعير قائم على الأداء | مزاد عكسي | تسعير السوق | تسعير السوق | نظام المناقصات | حساب الحقوق |
| بلوك تشين | سولانا | كوزموس | سولانا | جينسين | أربيتروم | بولكادوت |
| خصوصية البيانات | التشفير&التجزئة | مصادقة المTLS | تشفير البيانات | خريطة الأمان | تشفير | TEE |
| تكاليف العمل | لكل عمل 0.5-5% | 20% USDC، 4% AKT | 2% USDC، 0.25% تكاليف الاحتياطي | تكاليف منخفضة | لكل جلسة 20% | بما يتناسب مع مبلغ الرهان |
| الأمان | إثبات التجسيد | إثبات الملكية | إثبات الحسابات | إثبات الملكية | إثبات قدرة التجسيد | موروث من سلسلة الوسطى |
| إثبات الإنجاز | - | - | إثبات قفل الوقت | إثبات التعلم | إثبات العمل المعروض | إثبات TEE |
| ضمان الجودة | نزاع | - | - | المراجع والمبلغين | عقدة الفحص | إثبات عن بعد |
| مجموعة GPU | لا | نعم | نعم | نعم | نعم | لا |
الأهمية
توفر التجميع والحوسبة المتوازية
إطار العمل للحوسبة الموزعة ينفذ مجموعة GPU، ويوفر تدريبًا أكثر كفاءة وقابلية للتوسع. يتطلب تدريب نماذج الذكاء الاصطناعي المعقدة قدرة حسابية قوية، وعادة ما يعتمد على الحوسبة الموزعة. قد تم دمج معظم المشاريع الآن في مجموعات لتحقيق حساب متوازي. لقد نجح io.net في نشر أكثر من 3,800 مجموعة. على الرغم من أن Render لا يدعم المجموعات، إلا أنه يقوم بتفكيك مهمة واحدة إلى عدة عقد لمعالجتها في نفس الوقت. تدعم Phala تجميع وحدات المعالجة المركزية.
خصوصية البيانات
يتطلب تطوير نماذج الذكاء الاصطناعي استخدام مجموعات بيانات كبيرة، مما قد يؤدي إلى مخاطر تعرض البيانات الحساسة. تتبنى معظم المشاريع شكلاً من أشكال تشفير البيانات لحماية الخصوصية. تعاون io.net مع شبكة Mind لإطلاق تشفير كامل متجانس (FHE)، مما يسمح بمعالجة البيانات في حالة مشفرة. قدمت شبكة Phala بيئة تنفيذ موثوقة (TEE)، لمنع العمليات الخارجية من الوصول إلى البيانات أو تعديلها.
إثبات إكمال الحساب وفحص الجودة
تقوم Gensyn و Aethir بإنشاء إثباتات بعد اكتمال الحسابات، حيث تشير إثباتات io.net إلى الاستفادة الكاملة من أداء GPU المستأجر. تقوم Gensyn و Aethir بإجراء فحص الجودة للحسابات المكتملة. توصي Render باستخدام عملية حل النزاعات. بعد الانتهاء من Phala، يتم إنشاء إثبات TEE، مما يضمن أن وكالة الذكاء الاصطناعي تنفذ العمليات المطلوبة.
تتطلب تدريب نماذج الذكاء الاصطناعي وحدات معالجة الرسوميات (GPU) ذات الأداء الأمثل، مثل A100 و H100 من Nvidia. إن أداء الاستدلال لـ H100 أسرع بأربع مرات من A100، مما يجعله وحدة معالجة الرسوميات المفضلة. يجب أن تلبي مزودي سوق GPU اللامركزية الطلب الفعلي في السوق وتقديم أسعار أقل. حصلت io.net و Aethir على أكثر من 2000 وحدة H100/A100، مما يجعلها أكثر ملاءمة لحسابات النماذج الكبيرة.
على الرغم من أن تجمعات GPU المتصلة بالشبكة تكلفتها منخفضة، إلا أن الذاكرة محدودة. تعتبر GPU المتصلة بـ NVLink الأنسب للنماذج اللغوية الكبيرة ذات المعلمات العديدة ومجموعات البيانات الكبيرة، لأنها تحتاج إلى أداء عالي وحسابات كثيفة. لا يزال بإمكان شبكة GPU اللامركزية توفير قوة حسابية قوية وقابلية للتوسع لمهام الحوسبة الموزعة، مما يوفر الفرص لبناء المزيد من حالات استخدام الذكاء الاصطناعي وتعلم الآلة.
يوفر وحدات معالجة الرسوميات/وحدات المعالجة المركزية من فئة المستهلك
تلعب وحدات المعالجة المركزية (CPU) أيضًا دورًا مهمًا في تدريب نماذج الذكاء الاصطناعي، حيث يمكن استخدامها في معالجة البيانات وإدارة موارد الذاكرة. يمكن استخدام وحدات معالجة الرسوميات (GPU) المخصصة للاستخدام الشخصي لضبط النماذج المدربة مسبقًا أو التدريب على نطاق صغير. كما أن مشاريع مثل Render و Akash و io.net تخدم هذا السوق، حيث تطور أسواقها الخاصة.
الاستنتاج
لا تزال مجال AI DePIN ناشئة نسبيًا، وتواجه تحديات. ومع ذلك، فإن عدد المهام التي يتم تنفيذها على هذه الشبكات وعدد الأجهزة قد زاد بشكل كبير، مما يبرز الحاجة إلى بدائل لموارد الأجهزة من مقدمي خدمات سحابة Web2. في المستقبل، من المتوقع أن يزدهر سوق الذكاء الاصطناعي، وستلعب هذه الشبكات الموزعة من وحدات معالجة الرسوميات دورًا رئيسيًا في توفير بدائل حسابية فعّالة من حيث التكلفة للمطورين.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 14
أعجبني
14
6
مشاركة
تعليق
0/400
WenMoon
· منذ 8 س
في انتظار بطاقة الرسوميات، فهمت فهمت
شاهد النسخة الأصليةرد0
SilentObserver
· منذ 16 س
GPU مباشرة هبوط麻了？
شاهد النسخة الأصليةرد0
ForeverBuyingDips
· منذ 16 س
gpu要 للقمر了？
شاهد النسخة الأصليةرد0
BearMarketSunriser
· منذ 16 س
مرة أخرى يتحدثون قصة لإغواء الحمقى للدخول مركز.
شاهد النسخة الأصليةرد0
WhaleMinion
· منذ 17 س
GPU ارتفع بسرعة كبيرة مستثمر التجزئة حقًا صعب عليهم الاختلاط
شاهد النسخة الأصليةرد0
StablecoinArbitrageur
· منذ 17 س
همم *يعدل نظارته* عند النظر إلى تكلفة الأساس لكل وحدة حساب... يمكن أن توفر Depin في الواقع عوائد أفضل معدلة حسب المخاطر من مقدمي الخدمات المركزيين بصراحة.
دمج الذكاء الاصطناعي وDePIN: ظهور وتطور شبكة الحوسبة المركزية اللامركزية
تقاطع الذكاء الاصطناعي و DePIN: صعود شبكة الحوسبة GPU اللامركزية
منذ عام 2023 ، أصبحت الذكاء الاصطناعي و اللامركزية هي الاتجاهات الشائعة في مجال Web3 ، حيث بلغت قيمتها السوقية 30 مليار دولار و 23 مليار دولار على التوالي. ستستكشف هذه المقالة التقاطع بين الاثنين ، وتدرس تطوير البروتوكولات ذات الصلة.
في مجموعة تقنيات الذكاء الاصطناعي، تمكّن شبكة DePIN الذكاء الاصطناعي من خلال توفير موارد الحوسبة. أدى تطور شركات التكنولوجيا الكبرى إلى نقص في وحدات معالجة الرسوميات، مما جعل من الصعب على المطورين الآخرين الحصول على وحدات معالجة الرسوميات الكافية للحوسبة. وغالبًا ما يجبر ذلك المطورين على اختيار مقدمي خدمات السحابة المركزية، لكن بسبب الحاجة إلى توقيع عقود طويلة الأمد غير مرنة للأجهزة عالية الأداء، فإن الكفاءة تكون منخفضة.
تقدم DePIN بديلاً أكثر مرونة وفعالية من حيث التكلفة، من خلال تحفيز الموارد المساهمة بواسطة الرموز. ستجمع شبكة DePIN في مجال الذكاء الاصطناعي موارد GPU من المالكين الأفراد إلى إمداد موحد، لتقديم الخدمات للمستخدمين الذين يحتاجون إلى الأجهزة. وهذا لا يوفر فقط للمطورين إمكانية التخصيص والوصول عند الطلب، بل يخلق أيضًا دخلاً إضافيًا لمالكي GPU.
نظرة عامة على شبكة AI DePIN
تسعى المشاريع جميعها إلى بناء شبكة سوق حسابات GPU. فيما يلي سيتم تقديم خصائص كل مشروع، والتركيزات السوقية، والإنجازات.
Render هو رائد شبكة حساب GPU من نظير إلى نظير، وقد ركز في البداية على رسم الرسوم البيانية لإنشاء المحتوى، ثم توسع ليشمل مهام الحسابات AI.
خصوصيه:
Akash يتم定位ه كبديل "سوبر كلاود" يدعم التخزين، والحوسبة عبر GPU وCPU. باستخدام منصة الحاويات والعقد الحسابية المدارة بواسطة Kubernetes، يمكن نشر البرمجيات بسلاسة عبر البيئات.
الخصائص:
io.net يقدم عنقود سحابي موزع من وحدات معالجة الرسوميات، مخصص لحالات الاستخدام في الذكاء الاصطناعي وتعلم الآلة. يدمج موارد وحدات معالجة الرسوميات من مراكز البيانات، وعمال التعدين المشفرين، وغيرها من المجالات.
الخصائص:
Gensyn يقدم قدرة حساب GPU تركز على التعلم الآلي والتعلم العميق. يستخدم تقنيات مثل إثبات التعلم وبروتوكولات تحديد المواقع الدقيقة المعتمدة على الرسوم البيانية لتحسين كفاءة التحقق.
خصائص:
Aethir تركز على الذكاء الاصطناعي، التعلم الآلي، الألعاب السحابية وغيرها من المجالات التي تتطلب حسابات مكثفة. تعمل الحاويات في شبكتها كنقاط نهاية افتراضية لتطبيقات السحابة، مما يوفر تجربة ذات زمن انتقال منخفض.
الميزات:
Phala Network كطبقة تنفيذ لحلول Web3 AI. من خلال بيئة التنفيذ الموثوقة (TEE) تم تصميمها لمعالجة قضايا الخصوصية، تدعم الوكلاء الذكاء الاصطناعي الذين تتحكم فيهم العقود الذكية على السلسلة.
الميزات:
مقارنة المشاريع
| | ريندر | أكاش | io.net | جينسين | أيثير | فالا | |--------|-------------|------------------|---------------------|---------|---------------|----------| | الأجهزة | وحدة معالجة الرسومات \ & وحدة المعالجة المركزية | وحدة معالجة الرسومات \ & وحدة المعالجة المركزية | وحدة معالجة الرسومات \ & وحدة المعالجة المركزية | وحدة معالجة الرسومات | وحدة معالجة الرسومات | وحدة المعالجة المركزية | | النقاط الرئيسية | عرض الرسوميات والذكاء الاصطناعي | الحوسبة السحابية، العرض والذكاء الاصطناعي | الذكاء الاصطناعي | الذكاء الاصطناعي | الذكاء الاصطناعي، الألعاب السحابية والاتصالات | تنفيذ الذكاء الاصطناعي على الشبكة | | نوع مهام الذكاء الاصطناعي | استنتاج | كلاهما | كلاهما | تدريب | تدريب | تنفيذ | | تسعير العمل | تسعير قائم على الأداء | مزاد عكسي | تسعير السوق | تسعير السوق | نظام المناقصات | حساب الحقوق | | بلوك تشين | سولانا | كوزموس | سولانا | جينسين | أربيتروم | بولكادوت | | خصوصية البيانات | التشفير&التجزئة | مصادقة المTLS | تشفير البيانات | خريطة الأمان | تشفير | TEE | | تكاليف العمل | لكل عمل 0.5-5% | 20% USDC، 4% AKT | 2% USDC، 0.25% تكاليف الاحتياطي | تكاليف منخفضة | لكل جلسة 20% | بما يتناسب مع مبلغ الرهان | | الأمان | إثبات التجسيد | إثبات الملكية | إثبات الحسابات | إثبات الملكية | إثبات قدرة التجسيد | موروث من سلسلة الوسطى | | إثبات الإنجاز | - | - | إثبات قفل الوقت | إثبات التعلم | إثبات العمل المعروض | إثبات TEE | | ضمان الجودة | نزاع | - | - | المراجع والمبلغين | عقدة الفحص | إثبات عن بعد | | مجموعة GPU | لا | نعم | نعم | نعم | نعم | لا |
الأهمية
توفر التجميع والحوسبة المتوازية
إطار العمل للحوسبة الموزعة ينفذ مجموعة GPU، ويوفر تدريبًا أكثر كفاءة وقابلية للتوسع. يتطلب تدريب نماذج الذكاء الاصطناعي المعقدة قدرة حسابية قوية، وعادة ما يعتمد على الحوسبة الموزعة. قد تم دمج معظم المشاريع الآن في مجموعات لتحقيق حساب متوازي. لقد نجح io.net في نشر أكثر من 3,800 مجموعة. على الرغم من أن Render لا يدعم المجموعات، إلا أنه يقوم بتفكيك مهمة واحدة إلى عدة عقد لمعالجتها في نفس الوقت. تدعم Phala تجميع وحدات المعالجة المركزية.
خصوصية البيانات
يتطلب تطوير نماذج الذكاء الاصطناعي استخدام مجموعات بيانات كبيرة، مما قد يؤدي إلى مخاطر تعرض البيانات الحساسة. تتبنى معظم المشاريع شكلاً من أشكال تشفير البيانات لحماية الخصوصية. تعاون io.net مع شبكة Mind لإطلاق تشفير كامل متجانس (FHE)، مما يسمح بمعالجة البيانات في حالة مشفرة. قدمت شبكة Phala بيئة تنفيذ موثوقة (TEE)، لمنع العمليات الخارجية من الوصول إلى البيانات أو تعديلها.
إثبات إكمال الحساب وفحص الجودة
تقوم Gensyn و Aethir بإنشاء إثباتات بعد اكتمال الحسابات، حيث تشير إثباتات io.net إلى الاستفادة الكاملة من أداء GPU المستأجر. تقوم Gensyn و Aethir بإجراء فحص الجودة للحسابات المكتملة. توصي Render باستخدام عملية حل النزاعات. بعد الانتهاء من Phala، يتم إنشاء إثبات TEE، مما يضمن أن وكالة الذكاء الاصطناعي تنفذ العمليات المطلوبة.
! تقاطع الذكاء الاصطناعي و DePIN
بيانات إحصائيات الأجهزة
| | ريندر | أكاش | io.net | جينسين | أيثير | فالا | |-------------|--------|-------|--------|------------|------------|--------| | عدد وحدات معالجة الرسومات | 5600 | 384 | 38177 | - | 40000+ | - | | عدد وحدات المعالجة المركزية | 114 | 14672 | 5433 | - | - | 30000+ | | عدد H100/A100 | - | 157 | 2330 | - | 2000+ | - | | تكلفة H100/ساعة | - | $1.46 | $1.19 | - | - | - | | تكلفة A100/ساعة | - | $1.37 | $1.50 | $0.55 ( متوقع ) | $0.33 ( متوقع ) | - |
متطلبات GPU عالية الأداء
تتطلب تدريب نماذج الذكاء الاصطناعي وحدات معالجة الرسوميات (GPU) ذات الأداء الأمثل، مثل A100 و H100 من Nvidia. إن أداء الاستدلال لـ H100 أسرع بأربع مرات من A100، مما يجعله وحدة معالجة الرسوميات المفضلة. يجب أن تلبي مزودي سوق GPU اللامركزية الطلب الفعلي في السوق وتقديم أسعار أقل. حصلت io.net و Aethir على أكثر من 2000 وحدة H100/A100، مما يجعلها أكثر ملاءمة لحسابات النماذج الكبيرة.
على الرغم من أن تجمعات GPU المتصلة بالشبكة تكلفتها منخفضة، إلا أن الذاكرة محدودة. تعتبر GPU المتصلة بـ NVLink الأنسب للنماذج اللغوية الكبيرة ذات المعلمات العديدة ومجموعات البيانات الكبيرة، لأنها تحتاج إلى أداء عالي وحسابات كثيفة. لا يزال بإمكان شبكة GPU اللامركزية توفير قوة حسابية قوية وقابلية للتوسع لمهام الحوسبة الموزعة، مما يوفر الفرص لبناء المزيد من حالات استخدام الذكاء الاصطناعي وتعلم الآلة.
يوفر وحدات معالجة الرسوميات/وحدات المعالجة المركزية من فئة المستهلك
تلعب وحدات المعالجة المركزية (CPU) أيضًا دورًا مهمًا في تدريب نماذج الذكاء الاصطناعي، حيث يمكن استخدامها في معالجة البيانات وإدارة موارد الذاكرة. يمكن استخدام وحدات معالجة الرسوميات (GPU) المخصصة للاستخدام الشخصي لضبط النماذج المدربة مسبقًا أو التدريب على نطاق صغير. كما أن مشاريع مثل Render و Akash و io.net تخدم هذا السوق، حيث تطور أسواقها الخاصة.
الاستنتاج
لا تزال مجال AI DePIN ناشئة نسبيًا، وتواجه تحديات. ومع ذلك، فإن عدد المهام التي يتم تنفيذها على هذه الشبكات وعدد الأجهزة قد زاد بشكل كبير، مما يبرز الحاجة إلى بدائل لموارد الأجهزة من مقدمي خدمات سحابة Web2. في المستقبل، من المتوقع أن يزدهر سوق الذكاء الاصطناعي، وستلعب هذه الشبكات الموزعة من وحدات معالجة الرسوميات دورًا رئيسيًا في توفير بدائل حسابية فعّالة من حيث التكلفة للمطورين.
! تقاطع الذكاء الاصطناعي و DePIN
! تقاطع الذكاء الاصطناعي و DePIN
! تقاطع الذكاء الاصطناعي و DePIN
! تقاطع الذكاء الاصطناعي و DePIN