Nhu cầu AI Khả năng tính toán tăng vọt, nền tảng Phi tập trung Khả năng tính toán trở thành giải pháp mới.

Với sự phát triển nhanh chóng của các mô hình ngôn ngữ lớn và công nghệ tạo ra hình ảnh AI, nhu cầu đối với các tài nguyên tính toán hiệu suất cao như GPU đang tăng mạnh. Dữ liệu cho thấy quy mô thị trường AI đã tăng từ 134,8 tỷ USD vào năm 2022 lên 241,8 tỷ USD vào năm 2023, dự kiến sẽ đạt 738,7 tỷ USD vào năm 2030. Giá trị thị trường dịch vụ đám mây cũng tăng khoảng 14%, một phần nhờ vào nhu cầu tính toán GPU trong thị trường AI tăng nhanh.

Đối mặt với thị trường đang phát triển nhanh chóng này, cách giải cấu trúc và khai thác các cơ hội đầu tư liên quan trở thành tâm điểm chú ý. Hạ tầng AI chủ yếu tồn tại để xử lý và tối ưu hóa các tập dữ liệu lớn và khả năng tính toán cần thiết cho việc đào tạo mô hình, giải quyết các vấn đề về hiệu suất xử lý dữ liệu, độ tin cậy của mô hình và khả năng mở rộng ứng dụng từ cả hai khía cạnh phần cứng và phần mềm.

Việc đào tạo và ứng dụng AI cần rất nhiều khả năng tính toán, ưa thích môi trường đám mây có độ trễ thấp và khả năng tính toán GPU. Về phần mềm, còn bao gồm các nền tảng tính toán phân tán như Apache Spark/Hadoop. Thiết kế phi tập trung của blockchain và cơ chế chứng minh công việc có những điểm tương đồng với nhu cầu khả năng tính toán của AI. Do đó, các nhà cung cấp dịch vụ đám mây truyền thống bắt đầu cung cấp dịch vụ cho thuê GPU, trong khi một số dự án mới nổi cố gắng sử dụng thiết kế hệ thống phân tán để tận dụng tài nguyên GPU nhàn rỗi, giảm chi phí khả năng tính toán cho các công ty khởi nghiệp.

Trong bối cảnh này, một số nền tảng khả năng tính toán phi tập trung ra đời. io.net là một trong những dự án tiêu biểu, nó kết hợp công nghệ blockchain, nhằm tận dụng tài nguyên khả năng tính toán phân tán để giải quyết những thách thức về nhu cầu tính toán trong lĩnh vực AI và máy học. io.net tích hợp các card đồ họa nhàn rỗi từ các trung tâm dữ liệu độc lập và thợ đào tiền điện tử, hợp tác với nhiều dự án tiền điện tử, tập hợp hơn 1 triệu tài nguyên GPU.

Xét từ góc độ công nghệ, io.net được xây dựng trên khung máy học ray.io nhằm thực hiện tính toán phân tán, cung cấp tài nguyên tính toán phân tán cho các ứng dụng AI từ học tăng cường, học sâu đến tinh chỉnh mô hình và chạy mô hình. Bất kỳ ai cũng có thể tham gia mạng lưới khả năng tính toán của io với tư cách là người làm việc hoặc lập trình viên mà không cần giấy phép bổ sung. Mạng sẽ điều chỉnh giá một cách linh hoạt dựa trên độ phức tạp của công việc tính toán, mức độ khẩn cấp và tình hình cung cấp tài nguyên khả năng tính toán.

$IO là token gốc của hệ thống io.net, đóng vai trò như một phương tiện giao dịch giữa nhà cung cấp và người mua khả năng tính toán. Sử dụng $IO có thể giảm 2% phí đặt hàng. $IO cũng đóng vai trò quan trọng trong việc khuyến khích hoạt động của mạng: người nắm giữ token có thể đặt cọc $IO vào nút, và nút hoạt động cũng cần phải có $IO được đặt cọc để có thể thu được lợi nhuận.

Ngoài io.net, trên thị trường còn có các dự án nền tảng khả năng tính toán phi tập trung tương tự như Akash, Nosana, OctaSpace và Clore.AI. Những dự án này đều nhằm giải quyết nhu cầu tính toán mô hình AI, nhưng có sự khác biệt trong việc thực hiện cụ thể và thị trường mục tiêu.

So với các sản phẩm cạnh tranh, io.net hiện là dự án duy nhất cho phép bất kỳ ai tham gia cung cấp tài nguyên tính toán mà không cần rào cản. Người dùng có thể sử dụng GPU tiêu dùng cấp thấp nhất là 30 series để tham gia đóng góp sức mạnh tính toán cho mạng, cũng hỗ trợ các tài nguyên chip Apple như MacBook M2, Mac Mini. Sự mở cửa này giúp io.net có tiềm năng thu hút thêm nhiều tài nguyên card đồ họa thông qua kinh tế token.

Tuy nhiên, con đường phát triển của io.net không hề suôn sẻ. Trong thời gian thử nghiệm, một số người tham gia cảm thấy thất vọng vì chi phí thuê GPU vượt quá lợi ích từ airdrop. Liệu dự án có thể đạt được mục tiêu cung cấp các yêu cầu tính toán cho ứng dụng AI ở các giai đoạn khác nhau, cũng như còn lại bao nhiêu nhu cầu thực tế sau thử nghiệm, vẫn cần thời gian để xác minh.

Với sự phát triển không ngừng của công nghệ AI và sự mở rộng của các kịch bản ứng dụng, nền tảng khả năng tính toán phi tập trung có thể đóng vai trò quan trọng trong việc giải quyết mâu thuẫn cung cầu về khả năng tính toán và giảm bớt rào cản ứng dụng AI. Tuy nhiên, lĩnh vực mới nổi này vẫn đối mặt với nhiều thách thức, bao gồm việc thực hiện công nghệ, thiết kế mô hình kinh tế, tối ưu hóa trải nghiệm người dùng, và nhiều vấn đề khác. Trong tương lai, những dự án có thể đạt được đột phá trong những lĩnh vực này có thể nổi bật trong cuộc cạnh tranh, cung cấp hỗ trợ mạnh mẽ cho sự phát triển của ngành công nghiệp AI.