Render Network Foundation 的主管 Trevor Harries-Jones 表示，随着人工智能 (AI) 变得越来越强大，运行它所需的基础设施将达到极限，而这些极限可能会为去中心化的物理基础设施网络 (DePIN) 打开大门。
在与TheStreet Roundtable主持人 Jackson Hinkle 的对话中，Harries-Jones 表示，去中心化的 GPU 网络并非旨在取代传统数据中心，而是通过解决人工智能一些最紧迫的扩展性挑战来补充它们。
哈里斯-琼斯表示，DePIN 的目的并非取代集中式基础设施。
简单来说，DePIN 让世界各地的人们共享现实世界的网络基础设施，并获得奖励，从而避免对集中式公司的依赖或控制。
Render Network 就是这样一个项目。它实际上是一个去中心化的 GPU 渲染平台，旨在实现数字创作过程的民主化，并将创作者从中心化实体的控制中解放出来。
Hinkle 指出了集中式人工智能领域最近的一些例子，包括 OpenAI 发布的名为 Sora 的视频生成应用程序，由于 GPU 的限制，其使用量不得不受到限制。
他问道，去中心化模型最终是否有可能取代集中式数据中心。
哈里斯-琼斯反对彻底替换的想法。
“我不认为这是一个替换的问题，”他说。 “我实际上认为这是一个如何利用两者的问题。”
集中式GPU集群对于训练大型AI模型仍然至关重要，因为它们受益于海量的内存池和紧密集成的硬件。但他指出，训练只是AI总计算工作负载的一小部分。
哈里斯-琼斯解释说，推理（即人工智能模型的运行）几乎占 GPU 工作量的 80%。
正是这种区别使得像 Render 这样的去中心化网络发挥作用。Harries-Jones 表示，虽然早期版本的 AI 模型资源消耗较大，但随着工程师对其进行优化和压缩，它们的效率会迅速提高。
他补充说，随着时间的推移，曾经需要庞大基础设施的模型现在可以在智能手机等更简单的设备上运行。
“所以我们往往会在所有新推出的模型上看到这种情况，”他说。 “它们一开始非常笨重且不完善，但在很短的时间内，它们就会得到改进，从而能够在去中心化的、简单的设备上运行。”
哈里斯-琼斯认为，从成本角度来看，这种转变使得去中心化的 GPU 网络越来越有吸引力。
他建议，与其仅仅依赖昂贵的高端数据中心，不如将推理工作负载分布到世界各地闲置的 GPU 上。
“在去中心化的闲置消费者节点上运行这些程序会比在中心化节点上运行更便宜。”
更多新闻：
- 亿万富翁比尔·阿克曼提出一项“实用”工具，以应对伊朗的互联网封锁问题
- 亿万富翁警告：格陵兰岛事件打破比特币神话
- 美国养老基金出人意料买入迈克尔·塞勒的策略
Harries-Jones 看好 DePIN 行业
Harries-Jones 将 DePINs 视为缓解人工智能在计算和能源基础设施方面日益增长的瓶颈的一种方式。
他解释说，当集中式电力系统面临压力时，分散式计算可以通过利用全球未充分利用的资源提供并行解决方案。
“所以我非常看好整个行业。”
哈里斯-琼斯强调，全球GPU需求远远超过供应。“如今全球GPU供应不足，”他说。
因此，关键在于充分利用所有闲置的GPU，而不是争夺供应不足的高端GPU，他建议道。
哈里斯-琼斯认为，人工智能基础设施的未来既不是集中式网络，也不是去中心化PIN（DePIN），而是灵活运用两者来满足爆炸式增长的人工智能需求。
