Render Network Foundation 的主管 Trevor Harries-Jones 表示，隨著人工智能 (AI) 變得越來越強大，運行它所需的基礎設施將達到極限，而這些極限可能會為去中心化的物理基礎設施網絡 (DePIN) 打開大門。
在與TheStreet Roundtable主持人 Jackson Hinkle 的對話中，Harries-Jones 表示，去中心化的 GPU 網絡並非旨在取代傳統數據中心，而是通過解決人工智能一些最緊迫的擴展性挑戰來補充它們。
哈里斯-瓊斯表示，DePIN 的目的並非取代集中式基礎設施。
簡單來說，DePIN 讓世界各地的人們共享現實世界的網絡基礎設施，並獲得獎勵，從而避免對集中式公司的依賴或控制。
Render Network 就是這樣一個項目。它實際上是一個去中心化的 GPU 渲染平臺，旨在實現數字創作過程的民主化，並將創作者從中心化實體的控制中解放出來。
Hinkle 指出了集中式人工智能領域最近的一些例子，包括 OpenAI 發佈的名為 Sora 的視頻生成應用程序，由於 GPU 的限制，其使用量不得不受到限制。
他問道，去中心化模型最終是否有可能取代集中式數據中心。
哈里斯-瓊斯反對徹底替換的想法。
“我不認為這是一個替換的問題，”他說。 “我實際上認為這是一個如何利用兩者的問題。”
集中式GPU集群對於訓練大型AI模型仍然至關重要，因為它們受益於海量的內存池和緊密集成的硬件。但他指出，訓練只是AI總計算工作負載的一小部分。
哈里斯-瓊斯解釋說，推理（即人工智能模型的運行）幾乎佔 GPU 工作量的 80%。
正是這種區別使得像 Render 這樣的去中心化網絡發揮作用。Harries-Jones 表示，雖然早期版本的 AI 模型資源消耗較大，但隨著工程師對其進行優化和壓縮，它們的效率會迅速提高。
他補充說，隨著時間的推移，曾經需要龐大基礎設施的模型現在可以在智能手機等更簡單的設備上運行。
“所以我們往往會在所有新推出的模型上看到這種情況，”他說。 “它們一開始非常笨重且不完善，但在很短的時間內，它們就會得到改進，從而能夠在去中心化的、簡單的設備上運行。”
哈里斯-瓊斯認為，從成本角度來看，這種轉變使得去中心化的 GPU 網絡越來越有吸引力。
他建議，與其僅僅依賴昂貴的高端數據中心，不如將推理工作負載分佈到世界各地閒置的 GPU 上。
“在去中心化的閒置消費者節點上運行這些程序會比在中心化節點上運行更便宜。”
更多新聞：
- 億萬富翁比爾·阿克曼提出一項“實用”工具，以應對伊朗的互聯網封鎖問題
- 億萬富翁警告：格陵蘭島事件打破比特幣神話
- 美國養老基金出人意料買入邁克爾·塞勒的策略
Harries-Jones 看好 DePIN 行業
Harries-Jones 將 DePINs 視為緩解人工智能在計算和能源基礎設施方面日益增長的瓶頸的一種方式。
他解釋說，當集中式電力系統面臨壓力時，分散式計算可以通過利用全球未充分利用的資源提供並行解決方案。
“所以我非常看好整個行業。”
哈里斯-瓊斯強調，全球GPU需求遠遠超過供應。“如今全球GPU供應不足，”他說。
因此，關鍵在於充分利用所有閒置的GPU，而不是爭奪供應不足的高端GPU，他建議道。
哈里斯-瓊斯認為，人工智能基礎設施的未來既不是集中式網絡，也不是去中心化PIN（DePIN），而是靈活運用兩者來滿足爆炸式增長的人工智能需求。
