AI と DePIN の融合：計算リソースの新しいパターンを探る

2023年以降、AIとDePINはWeb3分野で注目を集め、市場価値はそれぞれ300億ドルと230億ドルに達しました。本稿では、両者の交差分野の発展状況に焦点を当てます。

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 に力を与えています。大手テクノロジー企業の GPU に対する大量の需要は供給不足を引き起こし、他の AI モデル開発者は計算リソースの不足に直面しています。従来のソリューションである中央集権型クラウドサービスプロバイダーの選択は、柔軟性が不足し、コストが高いなどの問題があります。

DePINネットワークは、より柔軟でコスト効率の高い代替手段を提供します。トークンインセンティブメカニズムを通じて、個人のGPUリソースを統合して一元供給を行い、需要側にカスタマイズされたオンデマンドの計算能力を提供すると同時に、GPUの未使用リソースの所有者に追加の収益を生み出します。

市場には様々なAI DePINネットワークが続々と登場しています。以下では、いくつかの典型的なプロジェクトの特徴と発展状況について探討します。

! AIとDePINの交差点

AI DePINネットワークの概要

レンダー

RenderはP2P GPU計算ネットワークの先駆者であり、最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、その後AI計算タスクに拡大しました。

主な機能:

• オスカー賞を受賞した技術を持つクラウドグラフィックス会社 OTOY によって設立されました
• パラマウント・ピクチャーズやPUBGなどのエンターテインメント業界の巨頭に採用される
• Stability AIなどと提携し、AIモデルと3Dレンダリングワークフローを統合する
• 様々な計算クライアントをサポートし、より多くの DePIN ネットワーク GPU リソースを統合します

アカシュ

Akashは、ストレージ、GPU、および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ており、従来のクラウドサービスの代替案です。

主な機能:

• 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に対応
• AkashMLはHugging Face上で15,000以上のモデルを実行することをサポートしています。
• 複数の著名な AI アプリケーションをホスティングしています。例えば、Mistral AI の LLM チャットボットなど。
• メタバース、AI デプロイメント、連邦学習プラットフォームがそのサービスを利用しています

io.net

io.netは、AIおよびMLアプリケーションシナリオに特化した分散型GPUクラウドクラスターを提供します。

主な機能:

• IO-SDK は PyTorch や Tensorflow などのフレームワークに対応しています
• 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。
• RenderやFilecoinなどの他のDePINネットワークのGPUリソースを積極的に統合する

ゲンシン

Gensynは、機械学習とディープラーニングのためのGPUコンピューティングパワーに焦点を当てています。

主な機能:

• V100 相当の GPU の時間あたりコストは約 0.40 ドルで、コストを大幅に削減します。
• 事前学習された基盤モデルの微調整をサポート
• 分散型のグローバル共有基盤モデル

アエティール

Aethirは企業向けのGPUに特化しており、AI、機械学習、クラウドゲームなどの計算集約型分野を主に攻撃しています。

主な機能:

• クラウドフォンサービスに拡張し、APhoneと協力して分散型クラウドスマートフォンを発売する
• NVIDIAやSuper MicroなどのWeb2大手との広範なコラボレーションを確立する
• CARVやMagic Edenなどの複数のWeb3プロジェクトと提携

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問題に対処します。

主な機能:

• 検証可能な計算のコプロセッサープロトコルとして、AIエージェントのオンチェーンリソース呼び出しをサポートします
• AI代理契約は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に接続できます
• 将来的には、zk-proofs、多数派計算、完全同型暗号などの多重証明システムをサポートします。
• H100などのTEE GPUをサポートする計画で、計算能力を向上させる

! 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 | ゲンシン | エイサー | ファラ | |--------|-------------|------------------|---------------------|---------|---------------|----------| | ハードウェア | GPU & CPU | GPU & CPU | GPU & CPU | GPUの| GPUの| CPU | | 事業の重点 | 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、クラウドゲームとテレコム | チェーン上のAI実行 | | AIタスクタイプ | 推論 | 両者 | 両者 | 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価格設定 | 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&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 | 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 | | セキュリティ | レンダリング証明 | 権益証明 | 計算証明 | 権益証明 | レンダリング能力証明 | リレーチェーンから継承 | | 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

マテリアリティ分析

クラスターと並列計算の可用性

分散型計算フレームワークはGPUクラスターを実現し、モデルの精度に影響を与えることなく、トレーニング効率とスケーラビリティを向上させます。複雑なAIモデルのトレーニングには強力な計算能力が必要であり、通常は分散型計算に依存しています。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列計算を実現しています。io.netは多くのパートナーと協力してGPUリソースを統合し、2024年第1四半期に3,800以上のクラスターを展開しました。

データプライバシー

AIモデルの開発には大量のデータセットが必要であり、敏感な個人情報が含まれる可能性があります。各プロジェクトは一般的にデータの暗号化を用い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、暗号化された状態でデータを処理することを可能にします。Phala Networkは信頼できる実行環境(TEE)を導入し、外部からのアクセスやデータの変更を防ぐために隔離します。

完了証明と品質チェックの計算

各プロジェクトは、計算の完了と品質を検証するために異なる方法を採用しています。Gensyn と Aethir は完了証明を生成し、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おり、問題がないことを示しています。Render は、紛争解決プロセスの使用を推奨しています。Phala は、AI エージェントが必要な操作を実行することを保証する TEE 証明を生成します。

! 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は、Nvidia A100やH100などの高性能GPUを使用する傾向があります。分散型GPUマーケットプレイスは、市場の需要を満たすために十分な数の高性能ハードウェアを提供する必要があります。io.netとAethirは2000以上のH100/A100ユニットを保有しており、大規模モデルの計算に適しています。

これらの分散型GPUサービスのコストは、集中型サービスを下回っています。GensynとAethirは、A100クラスのハードウェアを1時間あたり1ドル未満でレンタルできると主張しています。

コンシューマー向け GPU/CPU を提供

AIモデルのトレーニングにおいて、CPUも重要な役割を果たしています。コンシューマ向けのGPUは微調整や小規模モデルの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は、この市場にサービスを提供し、異なる規模の計算ニーズに選択肢を提供します。

! AIとDePINの交差点

まとめ

AI DePIN分野はまだ初期段階にあり、多くの課題に直面しています。しかし、これらの分散型GPUネットワークが実行するタスクとハードウェアの数は大幅に増加しており、Web2クラウドサービスの代替案に対する需要が浮き彫りになっています。

未来のAI市場は1兆ドル規模に成長すると予測されており、これらの分散型GPUネットワークは、開発者に経済的かつ効率的な計算の代替手段を提供する上で重要な役割を果たすことが期待されています。需要と供給のギャップを絶えず埋めることで、これらのネットワークはAIと計算インフラの未来の構造に重要な貢献をするでしょう。

! AIとDePINの交差点

! AIとDePINの交差点