La demande de Puissance de calcul AI augmente, les plateformes de Puissance de calcul décentralisées deviennent des solutions émergentes
Avec le développement rapide des modèles de langage et des technologies de génération d'images par IA, la demande de ressources de calcul haute performance telles que les GPU augmente rapidement. Les données montrent que la taille du marché de l'IA est passée de 134,8 milliards de dollars en 2022 à 241,8 milliards de dollars en 2023, et devrait atteindre 738,7 milliards de dollars d'ici 2030. La capitalisation du marché des services cloud a également augmenté d'environ 14 %, en partie en raison de la demande croissante en puissance de calcul GPU sur le marché de l'IA.
Face à ce marché en forte croissance, comment décomposer et exploiter les opportunités d'investissement connexes est devenu un point focal. L'infrastructure AI existe principalement pour traiter et optimiser les grands ensembles de données et les ressources de puissance de calcul nécessaires à l'entraînement des modèles, en abordant les problèmes d'efficacité du traitement des données, de fiabilité des modèles et d'évolutivité des applications à partir des aspects matériel et logiciel.
L'entraînement et l'application de l'IA nécessitent d'importantes ressources de puissance de calcul, préférant des environnements cloud à faible latence et des puissances de calcul GPU. Du côté des logiciels, cela inclut également des plateformes de calcul distribué comme Apache Spark/Hadoop. La conception décentralisée de la blockchain et le mécanisme de preuve de travail présentent des similarités avec les besoins en puissance de calcul de l'IA. Par conséquent, les fournisseurs de services cloud traditionnels commencent à offrir des services de location de GPU, tandis que certains nouveaux projets tentent d'utiliser des conceptions de systèmes distribués pour tirer parti des ressources GPU inutilisées et réduire les coûts en puissance de calcul des startups.
Dans ce contexte, certaines plateformes de puissance de calcul décentralisées ont vu le jour. io.net est l'un des projets représentatifs, qui combine la technologie blockchain et vise à utiliser les ressources de puissance de calcul distribuées pour relever les défis des besoins en calcul dans le domaine de l'IA et de l'apprentissage automatique. io.net intègre les cartes graphiques inutilisées provenant de centres de données indépendants et de mineurs de cryptomonnaies, unissant plusieurs projets de cryptomonnaies, rassemblant plus de 1 million de ressources GPU.
D'un point de vue technique, io.net est construit sur le cadre de machine learning ray.io, qui réalise un calcul distribué, fournissant des ressources de calcul distribué pour les applications IA, allant de l'apprentissage par renforcement, de l'apprentissage profond à l'optimisation de modèles et à l'exécution de modèles. Tout le monde peut rejoindre le réseau de puissance de calcul d'io en tant que travailleur ou développeur, sans besoin d'une autorisation supplémentaire. Le réseau ajuste dynamiquement les prix en fonction de la complexité du travail de calcul, de son urgence et de la disponibilité des ressources de puissance de calcul.
$IO est le jeton natif du système io.net, servant de moyen d'échange entre les fournisseurs et les acheteurs de puissance de calcul. L'utilisation de $IO permet de réduire les frais de commande de 2%. $IO joue également un rôle important d'incitation dans le fonctionnement du réseau : les détenteurs de jetons peuvent miser $IO sur des nœuds, et le fonctionnement des nœuds doit également se faire dans un cadre où des $IO sont misés pour générer des revenus.
En plus de io.net, il existe d'autres projets similaires de plateforme de puissance de calcul décentralisée sur le marché, tels qu'Akash, Nosana, OctaSpace et Clore.AI. Ces projets s'attachent à répondre aux besoins en calcul des modèles d'IA, mais diffèrent dans leur mise en œuvre spécifique et leur marché cible.
Comparé aux produits concurrents, io.net est actuellement le seul projet qui permet à quiconque de rejoindre sans barrières la fourniture de ressources de puissance de calcul. Les utilisateurs peuvent participer à la contribution de puissance de calcul du réseau avec un GPU de consommation de niveau 30 au minimum, et cela prend également en charge des ressources comme les puces Apple telles que MacBook M2 et Mac Mini. Cette ouverture donne à io.net le potentiel d'attirer davantage de ressources graphiques grâce à l'économie des jetons.
Cependant, le chemin de développement d'io.net n'a pas été sans embûches. Pendant la période du testnet, certains participants se sont sentis déçus car le coût de location des GPU dépassait les bénéfices des airdrops. La capacité du projet à répondre aux besoins de calcul à différentes étapes pour les applications d'IA, ainsi que la quantité de demandes réelles qu'il pourra conserver après le testnet, reste à vérifier avec le temps.
Avec le développement continu de la technologie AI et l'élargissement des scénarios d'application, les plateformes de puissance de calcul décentralisées devraient jouer un rôle important dans la résolution des contradictions entre l'offre et la demande de puissance de calcul et dans la réduction des barrières à l'entrée des applications AI. Cependant, ce nouveau domaine émergent fait encore face à de nombreux défis, notamment la réalisation technique, la conception de modèles économiques et l'optimisation de l'expérience utilisateur. À l'avenir, les projets capables de réaliser des percées dans ces domaines pourraient se démarquer dans la concurrence et fournir un soutien solide au développement de l'industrie AI.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
18 J'aime
Récompense
18
6
Partager
Commentaire
0/400
MetaverseLandlord
· 07-17 11:55
prendre les gens pour des idiots. Les prix des cartes graphiques vont encore To the moon.
Voir l'originalRépondre0
ILCollector
· 07-14 20:34
L'exploitation est de retour pour tondre les pigeons.
Voir l'originalRépondre0
StableGeniusDegen
· 07-14 20:32
Les cartes graphiques peuvent-elles rapporter de l'argent ?
Voir l'originalRépondre0
TokenStorm
· 07-14 20:27
Venez faire de l'arbitrage de puissance de calcul GPU, mettez directement une Heavy Position sur le réseau io.
Voir l'originalRépondre0
New_Ser_Ngmi
· 07-14 20:19
gm, je viens encore de profiter des ressources GPU.
La demande de puissance de calcul IA explose, la plateforme décentralisée io.net émerge.
La demande de Puissance de calcul AI augmente, les plateformes de Puissance de calcul décentralisées deviennent des solutions émergentes
Avec le développement rapide des modèles de langage et des technologies de génération d'images par IA, la demande de ressources de calcul haute performance telles que les GPU augmente rapidement. Les données montrent que la taille du marché de l'IA est passée de 134,8 milliards de dollars en 2022 à 241,8 milliards de dollars en 2023, et devrait atteindre 738,7 milliards de dollars d'ici 2030. La capitalisation du marché des services cloud a également augmenté d'environ 14 %, en partie en raison de la demande croissante en puissance de calcul GPU sur le marché de l'IA.
Face à ce marché en forte croissance, comment décomposer et exploiter les opportunités d'investissement connexes est devenu un point focal. L'infrastructure AI existe principalement pour traiter et optimiser les grands ensembles de données et les ressources de puissance de calcul nécessaires à l'entraînement des modèles, en abordant les problèmes d'efficacité du traitement des données, de fiabilité des modèles et d'évolutivité des applications à partir des aspects matériel et logiciel.
L'entraînement et l'application de l'IA nécessitent d'importantes ressources de puissance de calcul, préférant des environnements cloud à faible latence et des puissances de calcul GPU. Du côté des logiciels, cela inclut également des plateformes de calcul distribué comme Apache Spark/Hadoop. La conception décentralisée de la blockchain et le mécanisme de preuve de travail présentent des similarités avec les besoins en puissance de calcul de l'IA. Par conséquent, les fournisseurs de services cloud traditionnels commencent à offrir des services de location de GPU, tandis que certains nouveaux projets tentent d'utiliser des conceptions de systèmes distribués pour tirer parti des ressources GPU inutilisées et réduire les coûts en puissance de calcul des startups.
Dans ce contexte, certaines plateformes de puissance de calcul décentralisées ont vu le jour. io.net est l'un des projets représentatifs, qui combine la technologie blockchain et vise à utiliser les ressources de puissance de calcul distribuées pour relever les défis des besoins en calcul dans le domaine de l'IA et de l'apprentissage automatique. io.net intègre les cartes graphiques inutilisées provenant de centres de données indépendants et de mineurs de cryptomonnaies, unissant plusieurs projets de cryptomonnaies, rassemblant plus de 1 million de ressources GPU.
D'un point de vue technique, io.net est construit sur le cadre de machine learning ray.io, qui réalise un calcul distribué, fournissant des ressources de calcul distribué pour les applications IA, allant de l'apprentissage par renforcement, de l'apprentissage profond à l'optimisation de modèles et à l'exécution de modèles. Tout le monde peut rejoindre le réseau de puissance de calcul d'io en tant que travailleur ou développeur, sans besoin d'une autorisation supplémentaire. Le réseau ajuste dynamiquement les prix en fonction de la complexité du travail de calcul, de son urgence et de la disponibilité des ressources de puissance de calcul.
$IO est le jeton natif du système io.net, servant de moyen d'échange entre les fournisseurs et les acheteurs de puissance de calcul. L'utilisation de $IO permet de réduire les frais de commande de 2%. $IO joue également un rôle important d'incitation dans le fonctionnement du réseau : les détenteurs de jetons peuvent miser $IO sur des nœuds, et le fonctionnement des nœuds doit également se faire dans un cadre où des $IO sont misés pour générer des revenus.
En plus de io.net, il existe d'autres projets similaires de plateforme de puissance de calcul décentralisée sur le marché, tels qu'Akash, Nosana, OctaSpace et Clore.AI. Ces projets s'attachent à répondre aux besoins en calcul des modèles d'IA, mais diffèrent dans leur mise en œuvre spécifique et leur marché cible.
Comparé aux produits concurrents, io.net est actuellement le seul projet qui permet à quiconque de rejoindre sans barrières la fourniture de ressources de puissance de calcul. Les utilisateurs peuvent participer à la contribution de puissance de calcul du réseau avec un GPU de consommation de niveau 30 au minimum, et cela prend également en charge des ressources comme les puces Apple telles que MacBook M2 et Mac Mini. Cette ouverture donne à io.net le potentiel d'attirer davantage de ressources graphiques grâce à l'économie des jetons.
Cependant, le chemin de développement d'io.net n'a pas été sans embûches. Pendant la période du testnet, certains participants se sont sentis déçus car le coût de location des GPU dépassait les bénéfices des airdrops. La capacité du projet à répondre aux besoins de calcul à différentes étapes pour les applications d'IA, ainsi que la quantité de demandes réelles qu'il pourra conserver après le testnet, reste à vérifier avec le temps.
Avec le développement continu de la technologie AI et l'élargissement des scénarios d'application, les plateformes de puissance de calcul décentralisées devraient jouer un rôle important dans la résolution des contradictions entre l'offre et la demande de puissance de calcul et dans la réduction des barrières à l'entrée des applications AI. Cependant, ce nouveau domaine émergent fait encore face à de nombreux défis, notamment la réalisation technique, la conception de modèles économiques et l'optimisation de l'expérience utilisateur. À l'avenir, les projets capables de réaliser des percées dans ces domaines pourraient se démarquer dans la concurrence et fournir un soutien solide au développement de l'industrie AI.