Bản dịch: blockchain bản địa

@ionet là một mạng điện toán phi tập trung phi tập trung trên Solana . Nó thuộc lĩnh vực Depin và AI . Nó đã nhận được tài trợ từ Mult1C0in Capital và Moonhill Capital. Số tiền tài trợ chưa được tiết lộ.

io.net là nền tảng đám mây phi tập trung dựa trên Solana để đào tạo máy học về GPU, cung cấp quyền truy cập tức thời, không cần cấp phép vào mạng lưới GPU và CPU toàn cầu. Nền tảng này có 25.000 nút và sử dụng công nghệ mang tính cách mạng để phân cụm các đám mây GPU lại với nhau, tiết kiệm tới 90% chi phí điện toán cho các công ty khởi nghiệp AI quy mô lớn.

Hiện được xây dựng trên Solana , nó thuộc lĩnh vực Depin và AI phổ biến hiện nay . Hôm nay, chúng ta hãy xem phân tích về GPU của nó và các vấn đề hiện có của hai người đến từ X:

@ionet có bao nhiêu GPU (Bộ xử lý đồ họa, bộ xử lý đồ họa)?

Bốn câu trả lời được phân tích bởi @MartinShkreli trên X:

1) 7648 (khi thử khi triển khai)

2) 11107 (được tính toán thủ công từ nhà thám hiểm của họ)

3) 69415 (số không giải thích được, không thay đổi?)

4) 564306 (Không có thông tin hỗ trợ, minh bạch hoặc nội dung nào ở đây. Ngay cả CoreWeave hay AWS cũng không có nhiều thông tin này)

Cho rằng câu trả lời thực sự là 320.

Tại sao là 320?

Hãy cùng tôi xem trang Explorer. Tất cả GPU đều "miễn phí", nhưng bạn vẫn không thể thuê một GPU. Nếu chúng miễn phí, tại sao chúng không thể được thuê? Mọi người muốn được trả tiền, phải không?

Chỉ có 320 bạn thực sự có thể thuê.

Nếu bạn không thể thuê chúng thì chúng không có thật. Ngay cả khi bạn có thể thuê nó, nó sẽ thêm...

@rargulati cho biết Martin hoàn toàn đúng khi đặt câu hỏi về vấn đề này. Các giao thức trí tuệ nhân tạo phi tập trung có các vấn đề sau:

1) Không có cách nào hiệu quả về mặt chi phí và thời gian để thực hiện đào tạo trực tuyến hữu ích về kiến ​​trúc phần cứng đa năng có tính phân tán cao. Điều này sẽ đòi hỏi một bước đột phá lớn mà hiện tại tôi chưa biết. Đây là lý do tại sao FANG chi nhiều hơn tất cả thanh khoản của crypto cho phần cứng đắt tiền, kết nối mạng, bảo trì trung tâm dữ liệu, v.v.

2) Việc suy đoán về phần cứng có mục đích chung nghe có vẻ là một trường hợp sử dụng tốt, nhưng những tiến bộ về phần cứng và phần mềm quá nhanh đến mức các phương pháp tiếp cận phi tập trung cho mục đích chung hoạt động kém trong hầu hết các trường hợp sử dụng chính. Bạn có thể tham khảo độ trễ OpenAI và tăng trưởng Groq mới nhất.

3) Suy đoán từ các yêu cầu được định tuyến chính xác, các cụm GPU cùng tồn tại chặt chẽ với các yêu cầu và tận dụng crypto phi tập trung để giảm chi phí vốn nhằm cạnh tranh với AWS và khích lệ những người đam mê tham gia. Nghe có vẻ là một ý tưởng hay, nhưng với quá nhiều nhà cung cấp và thanh khoản phân tán trên Thị trường Spot , không ai có đủ nguồn cung để cung cấp nó cho những người đang điều hành việc kinh doanh thực sự.

4) Thuật toán định tuyến phần mềm phải rất tốt, nếu không phần cứng chung của các nhà khai thác tiêu dùng sẽ gặp nhiều vấn đề về vận hành. Hãy quên đi việc ngắt mạng và kiểm soát tắc nghẽn, nếu bất kỳ ai quyết định chơi trò chơi hoặc sử dụng bất kỳ nội dung nào sử dụng WebGL, bạn có thể gặp phải tình trạng ngừng hoạt động từ một nhà cung cấp dịch vụ. Bên cung không thể đoán trước được có thể gây ra khó khăn trong hoạt động và tạo ra sự không chắc chắn cho những người yêu cầu bên cầu.

Đây là những vấn đề khó khăn mà sẽ mất rất nhiều thời gian để giải quyết. Tất cả giá thầu chỉ là meme.

Nguồn: https://twitter.com/rargulati/status/1784309894880940262