著者: Paul Timofeev 出典: Shoal Research 翻訳: Shan Oppa、Golden Finance
分散型 GPU 市場をサポートする際のコンピューティング分散型インフラストラクチャの役割を調査し、包括的な分析と補足的なケーススタディを提供します。
重要なポイント
機械学習、特に大量の計算集約型ワークロードを必要とする生成型人工知能の開発の台頭により、コンピューティング リソースの需要がますます高まっています。しかし、大企業や政府がこれらのリソースを買い占めているため、新興企業や独立系開発者は現在、市場での GPU 不足に直面しており、その結果、法外なコストが発生したり、アクセスが困難になったりしています。
Computing DePIN は、世界中の人々が金銭的報酬と引き換えに GPU などのアイドル状態のコンピューティング リソースを提供できるようにすることで、コンピューティング リソースの分散型市場を可能にします。これは、十分なサービスを受けていない GPU 消費者が新しい供給ストリームにアクセスし、ワークロードに必要な開発リソースをより低いコストとオーバーヘッドで取得できるように設計されています。
現在、DePIN のコンピューティングは、従来の集中型サービス プロバイダーと競合する際に依然として多くの経済的および技術的課題に直面しています。そのうちのいくつかは時間の経過とともに解決されますが、その他は将来的に新しいソリューションと最適化が必要になるでしょう。
コンピューティングは新しい石油です
産業革命以来、テクノロジーは前例のないペースで人類を前進させ、日常生活のほぼすべての側面に影響を与え、あるいは完全に変化させてきました。コンピューターは最終的に、研究者、学者、コンピューター エンジニアの共同努力の集大成となりました。コンピューターは元々、高度な軍事作戦を支援するために大規模な算術タスクを解決するために設計されましたが、現代生活の主力に進化しました。コンピューターが人類に及ぼす影響が拡大し続けるにつれ、これらのマシンとそれに必要なリソースの需要は増加し続け、利用可能な供給を上回っています。その結果、ほとんどの開発者や企業が重要なリソースを利用できなくなり、今日最も革新的なテクノロジーである機械学習と生成人工知能の開発が、資金豊富な少数のプレーヤーの手に委ねられるという市場のダイナミクスが生まれました。同時に、大量のアイドル状態のコンピューティング リソースは、コンピューティングの需要と供給の不均衡を緩和する有利な機会を提供し、トランザクションの両側の参加者間の適切な調整メカニズムの必要性を高めます。したがって、ブロックチェーン技術とデジタル資産を活用した分散型システムは、より広範で民主的で責任ある生成型 AI 製品とサービスの開発に不可欠であると私たちは考えています。
コンピューティングリソース
コンピューティングは、コンピューターが指定された入力に基づいて明示的な出力を出力するアクティビティ、アプリケーション、またはワークロードとして定義できます。結局のところ、それはコンピュータのコンピューティング能力と処理能力を指します。これは今日の現代社会におけるこれらのマシンの中核的な有用性の基礎であり、昨年コンピュータだけで 1 兆 1,000 億ドルもの巨額の収益を生み出しました。
コンピューティング リソースとは、コンピューティングと処理をサポートするさまざまなハードウェアおよびソフトウェア コンポーネントを指します。これらのコンポーネントによってサポートされるアプリケーションや機能の数が増え続けるにつれて、それらは日常生活においてますます重要になっています。このため、生存手段としてこれらの資源をできるだけ多く蓄積しようとする国家権力と企業の間の争奪戦が生じている。これは、これらのリソースを提供する企業の市場パフォーマンスに反映されています (例: 過去 5 年間で時価総額が 3000% 以上増加した Nvidia)。
グラフィックプロセッサ
グラフィックス プロセッシング ユニット (GPU) は、最新のハイパフォーマンス コンピューティングにおいて最も重要なリソースの 1 つです。その中核となる機能は、並列処理を通じてコンピューター グラフィックスのワークロードを加速する特殊な電子回路としての機能です。 GPU はもともとゲーム業界やパーソナル コンピュータ業界にサービスを提供していましたが、将来の世界を形作る多くの新興テクノロジー (メインフレームやパーソナル コンピュータ、モバイル デバイス、クラウド コンピューティング、モノのインターネットなど) にサービスを提供できるように進化しました。しかし、機械学習と人工知能の台頭により、これらのリソースに対する需要が特に高まっています。GPU は計算を並行して実行することで機械学習と人工知能の動作を加速し、それによって最終テクノロジーの処理能力とパフォーマンスを向上させます。
人工知能の台頭
人工知能 (AI) の中核は、コンピューターや機械が人間の知能と問題解決能力をシミュレートできるようにするテクノロジーです。 AI モデルは、さまざまなデータの塊で構成されるニューラル ネットワークとして動作します。モデルには、これらのデータ間の関係を特定して学習し、指定された入力に基づいて出力を作成するときにこれらの関係を参照するための処理能力が必要です。
AI の開発と生産は新しいものではありません。1967 年にフランク ローゼンブラットは、試行錯誤を通じて「学習」するニューラル ネットワークに基づく最初のコンピューターである Mark 1 パーセプトロンを構築しました。さらに、現代の AI 開発の基礎を築いた大量の学術研究が 1990 年代後半から 2000 年代初頭に発表され、それ以来、業界は成長を続けています。
研究開発の取り組みに加えて、「狭い」AI モデルは、現在使用されているさまざまな強力なアプリケーションを支えています。例には、ソーシャル メディア アルゴリズム、Apple の Siri と Amazon の Alexa、カスタマイズされた製品の推奨などが含まれます。ディープラーニングの台頭により、人工生成知能 (AGI) の開発が変化したことは注目に値します。深層学習アルゴリズムは、より広範なパフォーマンス機能を備えたよりスケーラブルな代替手段として、機械学習アプリケーションよりも大規模または「より深い」ニューラル ネットワークを使用します。生成 AI モデルは、「トレーニング データの簡略化された表現をエンコードし、それを参照して、類似しているが同一ではない新しい出力を生成します。」
ディープ ラーニングを使用すると、開発者は生成 AI モデルを画像、音声、その他の複雑なデータ タイプに拡張できます。現代で最も急速に成長しているユーザー ベースの記録を打ち立てた ChatGPT のような画期的なアプリは、依然として生成 AI とディープ ラーニングにすぎません。可能なことの初期バージョンを学びましょう。
これを念頭に置くと、生成 AI 開発には、大量の処理能力と計算能力を必要とする複数の計算集約型ワークロードが含まれることは驚くべきことではありません。
「ディープ ラーニング アプリケーションの需要の三重苦」レポートによると、AI アプリケーション開発はいくつかの重要なワークロードの影響を受けます。
トレーニング - モデルは、与えられた入力に応答する方法を学習するために、大規模なデータセットを処理および分析する必要があります。
チューニング - モデルは、パフォーマンスと品質を向上させるために、さまざまなハイパーパラメーターが調整および最適化される一連の反復プロセスを経ます。
シミュレーション - 強化学習アルゴリズムなどの一部のモデルは、展開前に一連のテスト シミュレーションを受けます。
コンピューティングの不足: 需要 > 供給
過去数十年にわたり、さまざまな技術の進歩により、コンピューティングおよび処理能力に対する需要が前例のないほど急増しました。その結果、今日の GPU などのコンピューティング リソースに対する需要は利用可能な供給量をはるかに上回っており、AI 開発のボトルネックが生じており、効果的な解決策がなければこのボトルネックはさらに悪化する一方です。
供給に対する広範な制約は、多くの企業が競争上の優位性として、また現代の世界経済で生き残るための手段として、実際に必要な量よりも多くの GPU を積極的に購入していることによっても引き起こされています。コンピューティングプロバイダーは、顧客の需要要件をはるかに上回る供給を顧客に提供するために、長期の資本コミットメントを必要とする契約構造を採用していることがよくあります。
エポック社の調査によると、コンピューティング集約型の AI モデルのリリース全体の数が急速に増加しており、これらのテクノロジーを強化するためのリソースの需要が今後も急速に増加することが示唆されています。
AI モデルの複雑さが増すにつれて、アプリケーション開発者のコンピューティング能力と処理能力に対する需要は高まり続けています。その結果、GPU のパフォーマンスとその可用性がますます重要な役割を果たすようになるでしょう。その傾向はすでに現れており、Nvidiaが製造するようなハイエンドGPUの需要が急増しており、同社はこれをAI業界の「レアアースメタル」または「ゴールド」と呼んでいる。
AI の急速な商業化は、今日のソーシャル メディア業界と同様に、少数のテクノロジー巨人に主導権を渡す危険性があり、これらのモデルの倫理的基盤についての懸念が生じています。有名な例は、最近の Google Gemini 論争です。さまざまなプロンプトに対するその多くの奇妙な反応は、当時実際に危険をもたらすことはありませんでしたが、この事件は、少数の企業が AI 開発を支配し制御していることの本質的なリスクを実証しました。
今日のテクノロジー関連の新興企業は、AI モデルをサポートするコンピューティング リソースの取得において、ますますの課題に直面しています。これらのアプリケーションでは、モデルを展開する前に、大量の計算を必要とするプロセスが必要になります。中小企業にとって、多数の GPU を蓄積することは持続不可能な取り組みであり、AWS や Google Cloud などの従来のクラウド コンピューティング サービスはシームレスで便利な開発者エクスペリエンスを提供しますが、その容量が限られているため、最終的にはコストが高くつき、多くの開発者にとっては困難です。肝心なのは、ハードウェア費用として 7 兆ドルを調達する計画を誰もが思いつくわけではないということです。
それで、どうすればいいでしょうか？
Nvidia は以前、世界中で 40,000 社以上の企業が AI やアクセラレーション コンピューティングに GPU を使用しており、開発者コミュニティは 400 万人を超えていると推定しました。今後、世界の AI 市場は、2023 年の 5,150 億米ドルから 2032 年には 2 兆 7,400 億米ドルに成長し、年平均成長率は 20.4% になると予想されています。同時に、GPU 市場は 2032 年までに 4,000 億米ドルに達し、年間平均成長率は 25% になると予想されています。
しかし、AI 革命の影響で、コンピューティング リソースの需要と供給の不均衡が拡大し、資金豊富な少数の巨大企業が多くの革新的なテクノロジーの開発を支配するという、かなりディストピア的な未来が生まれる可能性があります。したがって、私たちは、AI 開発者のニーズと利用可能なリソースの間のギャップを埋めるのに役立つ分散型の代替ソリューションにすべての道がつながっていると信じています。
DePIN の役割
DePIN とは何ですか?
DePIN は、Messari 研究チームによって作られた用語で、分散型物理インフラストラクチャ ネットワークの略です。内訳すると、分散化とは、家賃を徴収したりアクセスを制限したりする単一の主体が存在しないことを意味します。一方、物理インフラストラクチャは、利用される「現実の」物理リソースを指します。ネットワークとは、あらかじめ決められた目標または一連の目標を達成するために協調して活動するアクターのグループを指します。現在、DePINs の時価総額は約 283 億ドルです。
DePINs の中核は、物理インフラストラクチャ リソースをブロックチェーンに接続して分散型市場を実現し、バイヤーとサプライヤーを結び付けるグローバル ノード ネットワークであり、誰もがサプライヤーになってサービスを提供し、ネットワークへの貢献が報酬として支払われます。この場合、さまざまな法的および規制的手段やサービス料金を通じてネットワークへのアクセスを制限する中央仲介者は、それぞれのトークン所有者によって管理されるスマートコントラクトとコードで構成される分散型プロトコルに置き換えられます。
DePIN の価値は、従来のリソース ネットワークやサービス プロバイダーに代わる、分散型でアクセスしやすく、低コストでスケーラブルな代替手段を提供することです。彼らは、特定の最終目標を達成するために設計された分散型市場を実装しています。商品やサービスのコストは市場の動向によって決定され、誰でもいつでも参加でき、サプライヤーの数が増加し、利益率が単価を下げると自然にコストが下がります。
ブロックチェーンを使用することで、DePIN は、ネットワーク参加者がサービスに対して適切な報酬を確実に受け取ることができる暗号経済的インセンティブ システムを構築し、主要な価値プロバイダーをステークホルダーにすることができます。ただし、DePIN の多くの利点を実現するには、小規模な個々のネットワークをより大規模な生産システムに変換することによって達成されるネットワーク効果が重要であることに注意することが重要です。さらに、トークン報酬はネットワークをオンボーディングする強力な手段であることが証明されていますが、ユーザーの維持と長期的な導入を支援する持続可能なインセンティブを確立することは、より広範な DePIN 分野において依然として重要な課題です。
DePIN はどのように機能しますか?
分散コンピューティング市場をサポートする際に DePIN が提供する価値をより深く理解するには、さまざまな構造コンポーネントと、それらがどのように連携して分散リソース ネットワークを形成するかを認識することが重要です。 DePIN の構造とアクターについて考えてみましょう。
プロトコル
基盤となるブロックチェーン ネットワーク上に構築された一連のスマート コントラクトである分散型プロトコルは、ネットワーク参加者間での信頼できる対話を促進するために使用されます。理想的には、プロトコルは、ネットワークの長期的な成功に積極的に取り組む多様な利害関係者のグループによって管理されます。次に、これらの利害関係者は、保有するプロトコル トークンを使用して、提案された変更と開発に投票します。分散ネットワークをうまく調整すること自体が大きな課題であることを考えると、通常、コア チームは最初にこれらの変更を実装する権限を保持し、その後権限を分散型自律組織 (DAO) に移行します。
ネットワーク参加者
リソース ネットワークのエンド ユーザーは、リソース ネットワークの最も価値のある参加者であり、その機能に従って分類できます。
プロバイダー: DePIN ネイティブ トークンで支払われる金銭的報酬と引き換えに、ネットワークにリソースを提供する個人または団体。プロバイダーはブロックチェーンネイティブのプロトコルを通じてネットワークに「接続」されており、ホワイトリストに登録されたプロセスや許可のないプロセスが強制される場合があります。トークンを受け取ることで、プロバイダーは、株式所有権のコンテキストにおける利害関係者と同様に、ネットワークへの株式を取得し、需要を促進し、ネットワーク価値の向上に役立つと思われるさまざまな提案やネットワーク開発に投票できるようになり、それによってネットワークの価値を生み出すことができます。時間の経過とともにトークン価格が上昇します。もちろん、トークンを受け取るベンダーが受動的収入の一形態として DePIN を利用し、トークンを受け取り次第販売する可能性もあります。
消費者: これらは、GPU を求める AI スタートアップ企業など、DePIN によって提供されるリソースを積極的に求めている個人または団体であり、経済方程式の需要側を表します。従来の代替手段に比べて DePIN を使用することに実際の利点がある場合 (コストや諸経費の要件が低いなど)、消費者は DePIN を使用せざるを得なくなり、ネットワークに対する有機的な需要が表れます。通常、DePIN では、価値を創造し、安定したキャッシュ フローを維持する手段として、消費者がリソースの代金をネイティブ トークンで支払うことが求められます。
リソース
DePIN はさまざまな市場にサービスを提供し、さまざまなビジネス モデルを使用してリソースを割り当てることができます。 Blockworks は、このための優れたフレームワークを提供します。割り当て用の専用ハードウェアをベンダーに提供するカスタム ハードウェア DePIN、および既存のアイドル リソース (コンピューティング、ストレージ、帯域幅を含むがこれらに限定されない) の割り当てを可能にするコモディティ ハードウェア DePIN です。
経済
理想的に機能する DePIN では、消費者がサプライヤー リソースに支払う収益から価値が生じます。ネットワークに対する需要が継続するということは、ネイティブ トークンに対する需要が継続することを意味し、これはプロバイダーとトークン所有者の経済的インセンティブと一致します。初期段階で持続可能な有機的需要を生み出すことは、ほとんどのスタートアップにとって課題です。そのため、DePINs は、初期のサプライヤーを奨励し、ネットワークへのブートストラップ供給を促すインフレトークンインセンティブを提供し、それによってより多くの有機的供給を生み出す需要を生み出します。これは、ベンチャーキャピタルが会社の初期段階で初期の顧客ベースを獲得するためにウーバーの乗客費用を補助し、ドライバーをさらに引き付け、ネットワーク効果を強化した方法と非常によく似ています。
DePIN は、ネットワーク全体の成功において重要な役割を果たすため、トークン インセンティブを可能な限り戦略的に管理する必要があります。需要とネットワーク収益が増加すると、トークンの発行は減少するはずです。代わりに、需要と収益が減少した場合は、トークンの発行を利用して供給を再び促進する必要があります。
成功する DePIN ネットワークがどのようなものであるかをさらに説明するために、DePIN を誘導するために使用される正の反射ループである「DePIN フライホイール」を考えてみましょう。要約は次のとおりです。
DePIN は、インフレ的なトークン報酬を配布することでプロバイダーがネットワークにリソースを提供することを奨励し、消費に利用できる基本的な供給レベルを確立します。
サプライヤーの数が増加し始めると、ネットワーク内で競争力学が発展し始め、ネットワークによって提供される商品とサービスの全体的な品質が既存の市場ソリューションよりも優れたレベルに向上し、それによって競争上の優位性が得られます。これは、分散型システムが従来の集中型サービスプロバイダーを超越することを意味しますが、これは簡単なことではありません。
DePIN は有機的な需要を生み出し始め、サプライヤーに正当なキャッシュ フローを提供しました。これは投資家やベンダーにとって魅力的な機会であり、ネットワークに対する需要、ひいてはトークン価格の上昇を続けています。
トークン価格の上昇によりサプライヤーの収益が増加し、より多くのサプライヤーを引きつけ、フライホイールが再起動されます。
このフレームワークは魅力的な成長戦略を提供しますが、これは主に理論的なものであり、ネットワークが競争力を持ってリソースを提供しており、長期間にわたって適切であり続けることを前提としていることに注意する価値があります。
DePINの計算
分散型コンピューティング市場は、消費者がオンライン プラットフォームを通じて商品やサービスを他の消費者と直接共有することに基づいて構築されたピアツーピア経済システムである「シェアリング エコノミー」として知られる、より広範な動きの中に含まれています。このモデルは eBay などの企業によって開拓されましたが、現在では Airbnb や Uber などの企業が独占しており、次世代の革新的なテクノロジーが世界市場を席巻するにつれて、最終的には破壊されるでしょう。シェアリングエコノミーの価値は2023年までに150億ドルに達し、2031年までに世界で800億ドル近くに成長すると予想されており、消費者行動の広範な傾向を示しており、DePINはそこから恩恵を受け、この傾向を実現する上で重要な役割を果たすと考えられます。
基本原則
コンピューティング DePIN は、分散型市場を通じてサプライヤーとバイヤーを接続し、コンピューティング リソースの割り当てを容易にするピアツーピア ネットワークです。これらのネットワークの主な違いは、今日多くの人がすでに利用できる汎用ハードウェア リソースに焦点を当てていることです。すでに説明したように、ディープ ラーニングと生成 AI の出現により、リソースを大量に消費するワークロードによる処理能力の需要が急増し、AI 開発に重要なリソースへのアクセスにボトルネックが生じています。つまり、分散型コンピューティング マーケットプレイスは、世界中に広がり誰でも参加できる新しい供給フローを生み出すことで、これらのボトルネックを軽減することを目指しています。
DePIN の計算では、あらゆる個人または団体が、その遊休リソースを即座に貸し出し、そのサービスに対する適切な報酬を受け取ることができます。同時に、あらゆる個人や団体が、既存の市場製品よりも低コストかつ高い柔軟性で、グローバルなパーミッションレス ネットワークから必要なリソースを取得できます。したがって、単純な経済フレームワークを通じて、DePIN の計算に関与する参加者を構造化できます。
供給側: コンピューティング リソースを所有し、補助金と引き換えにそのコンピューティング リソースを貸与または売却する意欲のある個人または団体。
需要側: 計算が必要で、そのために喜んで支払う個人または団体。
DePIN を計算する主な利点
DePIN のコンピューティングには、集中型のサービス プロバイダーやマーケットプレイスの代替となる多くの利点があります。まず、許可のない国境を越えた市場への参加を許可することで、新たな供給の流れが開かれ、コンピューティング集約型のワークロードに必要な重要なリソースの量が増加します。 Compute DePIN は、ほとんどの人がすでに所有しているハードウェア リソースに焦点を当てています。ゲーム用 PC を持っている人なら誰でも、レンタル可能な GPU をすでに持っています。これにより、次世代の商品やサービスの構築に参加できる開発者やチームが拡大し、世界中のより多くの人々に利益をもたらします。
さらに詳しく見ると、DePIN をサポートするブロックチェーン インフラストラクチャは、ピアツーピア トランザクションを促進するための効率的でスケーラブルな決済チャネルを提供します。暗号ネイティブの金融資産 (トークン) は、今日のグローバル化が進む経済に合わせた流通メカニズムを活用して、需要側の参加者がサプライヤーに支払うために使用する共通の価値単位を提供します。前述の DePIN フライホイール構造を参照すると、経済的インセンティブを戦略的に管理することは、DePIN のネットワーク効果 (供給側と需要側) を増大させ、それによってサプライヤー間の競争を高めるのに非常に有益です。このダイナミクスにより、サービス品質を向上させながらユニットコストが削減され、DePIN に持続可能な競争上の優位性が生まれ、プロバイダーはトークン所有者およびキーバリュープロバイダーとして利益を得ることができます。
DePIN はクラウド コンピューティング サービス プロバイダーと同様に機能し、オンデマンドでリソースにアクセスして支払いができる柔軟なユーザー エクスペリエンスを提供することを目的としています。 Grandview Research の予測によると、世界のクラウド コンピューティング市場規模は年平均 21.2% の成長率で成長し、2030 年までに 2 兆 4,000 億米ドルを超えると予想されており、将来のコンピューティング リソース需要を考慮すると、このビジネス モデルの実現可能性が証明されています。 . 需要予測。最新のクラウド コンピューティング プラットフォームは、中央サーバーを利用してクライアント デバイスとサーバー間のすべての通信を処理し、運用に単一障害点を作成します。ブロックチェーン上に構築された DePIN は、従来のサービス プロバイダーよりも優れた検閲耐性と回復力を提供できます。単一の組織またはエンティティ (中央のクラウド サービス プロバイダーなど) に対する攻撃は、基盤となるリソース ネットワーク全体を侵害する可能性がありますが、DePIN は分散型の性質によりそのようなインシデントに耐えられるように設計されています。まず、ブロックチェーン自体は、集中化されたネットワーク権限に抵抗するように設計されたプライベート ノードのグローバルに分散されたネットワークです。さらに、DePIN を計算すると、法的および規制の壁を回避して、許可のないネットワークへの参加が可能になります。トークン配布の性質に応じて、DePIN は公正な投票プロセスを採用してプロトコルの変更案や開発案に投票することができ、単一のエンティティがネットワーク全体を突然シャットダウンする可能性を排除できます。
DePIN 計算の現状
レンダリングネットワーク
レンダー ネットワークは、ネイティブ トークンを通じてトランザクションが実行され、分散型コンピューティング マーケットプレイスを通じて GPU の買い手と売り手を結び付けるコンピューティング DePIN です。 Render の GPU マーケットプレイスには、処理能力を求めるクリエイターと、ネイティブ レンダー トークンでの報酬と引き換えにアイドル状態の GPU をレンタルするノード オペレーターという 2 つの主要な関係者が関与します。ノード オペレーターは評判に基づいたシステムによってランク付けされ、作成者は多層の価格設定システムから GPU を選択できます。 Proof-of-Render (POR) コンセンサス アルゴリズムは、ノード オペレーターがコンピューティング リソース (GPU) をコミットしてタスク (グラフィックス レンダリング作業) を処理することで操作を調整します。タスクが完了すると、POR アルゴリズムは、タスクの品質に基づいた評判スコアの変更など、ノード オペレーターのステータスを更新します。レンダーのブロックチェーン インフラストラクチャはタスクの支払いを容易にし、サプライヤーとバイヤーがネットワーク トークンを介して取引できる透明かつ効率的な決済チャネルを提供します。
レンダー ネットワークは 2009 年に Jules Urbach によって考案され、ネットワークは 2020 年 9 月にイーサリアム上で稼動し (RNDR)、ネットワーク パフォーマンスを向上させ、運用コストを削減するために約 3 年後に Solana に移行しました (RENDER)。
この記事の執筆時点で、レンダー ネットワークは開始以来、(レンダリングされたフレームに関して) 最大 3,300 万のタスクを処理し、ノード数は 5,600 にまで増加しました。 60k 未満の RENDER が焼き付けられました。これは、作業クレジットがノード オペレーターに配布されるときに発生するプロセスです。
IOネット
Io Net は、膨大な量のアイドル状態のコンピューティング リソースと、それらのリソースによって提供される処理能力を必要とする増え続ける個人やエンティティの間の調整層として機能する分散型 GPU ネットワークを Solana 上に立ち上げています。 Io Net のユニークなセールス ポイントは、市場の他の DePIN と直接競合するのではなく、独自の DePIN (Internet-of- GPU (IoG) — 運用を調整し、市場参加者間のインセンティブを調整します。 Io Net の顧客は、プロセッサーのタイプ、場所、通信速度、コンプライアンス、サービス期間を選択することで、ワークロードに合わせて IO Cloud 上のクラスターをカスタマイズできます。代わりに、サポートされている GPU モデル (12 GB RAM、256 GB SSD) を所有する人は誰でも IO ワーカーとして参加し、アイドル状態のコンピューティング リソースをネットワークに貸すことで報酬を得ることができます。現在、サービスの支払いは法定通貨と USDC で決済されていますが、ネットワークはまもなくネイティブの $IO トークンでの支払いもサポートする予定です。リソースに支払われる価格は、その需要と供給、およびさまざまな GPU 仕様と構成アルゴリズムによって決まります。 Io Net の最終目標は、最新のクラウド サービス プロバイダーよりも低コストで優れたサービス品質を提供することで、選ばれる GPU マーケットプレイスになることです。
マルチレイヤー IO アーキテクチャは次のようにマッピングできます。
UI レイヤー - 公開 Web サイト、クライアントエリア、ワークスペースで構成されます。
セキュリティ層 - この層は、ネットワーク保護のためのファイアウォール、ユーザー認証のための認証サービス、アクティビティを追跡するためのログ サービスで構成されます。
API レイヤー - このレイヤーは通信レイヤーとして機能し、クラスターの管理、分析、監視とレポートを行うためのパブリック API、プライベート API、および内部 API で構成されます。
バックエンド層 - バックエンド層は、ワークスペース、クラスター/GPU 操作、顧客とのやり取り、請求と使用状況の監視、分析、自動スケーリングを管理します。
データベース層 - この層はシステムのデータ リポジトリであり、構造化データにはプライマリ ストレージを使用し、頻繁にアクセスされる一時データにはキャッシュを使用します。
メッセージ ブローカーとタスク層 - この層は、非同期通信とタスク管理を容易にします。
インフラストラクチャ レイヤー - このレイヤーには GPU プール、オーケストレーション ツールが含まれ、タスクのデプロイメントを管理します。
現在の統計/ロードマップ:
この記事を書いている時点では:
ネットワーク総収益: 108 万ドル
合計計算時間: 837.6k 時間
クラスター用に準備ができている GPU の合計数: 20.4k
クラスターを準備している CPU の合計数: 5.6k
チェーン上の総トランザクション数: 167 万件
総推論数: 335.7k
作成されたクラスターの総数: 15.1k
データは Io Net Explorer から取得されます。
彼らは行きます
Aethir は、コンピューティング集約型のドメインやアプリケーションにおけるハイパフォーマンス コンピューティング リソースの共有を容易にするクラウド コンピューティング DePIN です。リソース プールを活用してコストを大幅に削減し、グローバルな GPU 割り当てを可能にし、分散されたリソース所有権を通じて分散所有権を可能にします。 Aether は、ゲームや AI モデルのトレーニングと推論などの高パフォーマンスのワークロードを特にターゲットとした分散 GPU フレームワークを設計しました。 Aethir は、GPU クラスターを単一のネットワークに統合することにより、クラスターのサイズを拡大し、ネットワーク上で提供されるサービスの全体的なパフォーマンスと信頼性を向上させるように設計されています。
Aethir Network は、マイナー、開発者、ユーザー、トークン所有者、および Aethir DAO で構成される分散型経済です。ネットワーク運用を確実に成功させる 3 つの重要な役割は、コンテナー、インデクサー、およびインスペクターです。コンテナはネットワークのパワー ノードであり、トランザクションの検証やリアルタイムでのデジタル コンテンツのレンダリングなど、ネットワークをアクティブに保つための主要な操作を実行する専用ノードとして機能します。チェッカーは、コンテナのパフォーマンスとサービスの品質を継続的に監視して、GPU コンシューマのニーズを満たす信頼性の高い効率的な運用を保証する品質保証担当者です。インデクサーは、ユーザーと利用可能な最適なコンテナーの間の仲介者として機能します。この構造を支えているのは Arbitrum Layer 2 ブロックチェーンです。これは、ネイティブ $ATH トークンを使用して、Aethir ネットワーク上の商品やサービスの支払いを容易にする分散型決済層を提供します。
レンダリングプルーフ
Aethir ネットワーク内のノードは 2 つの重要な機能を果たします。15 分ごとにワーカーのグループをランダムに選択してトランザクションを検証する機能証明のレンダリングと、ネットワーク パフォーマンスを綿密に監視してユーザーが可能な限り最高のサービスを受けられるようにする作業証明のレンダリングです。オンデマンドと地理的位置に応じてリソースを調整します。マイニング報酬は、ネイティブ $ATH トークンの形式で、提供するコンピューティング リソースの Aethir ネットワーク ノードを実行している参加者に配布されます。
そして赤ちゃんは
Nosana は、Solana 上に構築された分散型 GPU ネットワークです。 Nosana を使用すると、誰でもアイドル状態のコンピューティング リソースを提供し、それに対して $NOS トークンの形で報酬を受け取ることができます。 DePIN は、従来のクラウド ソリューションのオーバーヘッドなしで複雑な AI ワークロードの実行に使用できる、コスト効率の高い GPU の割り当てを容易にします。アイドル状態の GPU をレンタルすることで、誰でも Nosana ノードを実行でき、ネットワークに提供する GPU パワーに比例したトークン報酬を獲得できます。
ネットワークは、コンピューティング リソースを割り当てる 2 つの当事者、つまりコンピューティング リソースへのアクセスを求めるユーザーとコンピューティング リソースを提供するノード オペレーターを接続します。重要なプロトコルの決定とアップグレードは、NOS トークン所有者によって投票され、Nosana DAO によって管理されます。
Nosana は、将来の計画に向けた詳細なロードマップを策定しました。Gaoptica (v1.0 - 2024 年下半期) は、メインネットを立ち上げ、CLI と SDK をリリースし、コンシューマー GPU のコンテナ ノードを介したネットワーク拡張に焦点を当てます。 Triangulum (v1.X - 2024 年後半) には、PyTorch、HuggingFace、TensorFlow の主要な機械学習プロトコルとコネクタが統合されます。 Whirlpool (v1.X - 2025 年上半期) は、AMD、Intel、Apple Silicon のさまざまな GPU のサポートを拡張します。ソンブレロ (v1.
アカーシュ
Akash Network は、誰もが参加して貢献できる分散型クラウド コンピューティング マーケットプレイスである Cosmos SDK 上に構築されたオープンソースのプルーフ オブ ステーク ネットワークです。 $AKT トークンは、ネットワークを保護し、リソースの支払いを促進し、ネットワーク参加者間の経済的調整を調整するために使用されます。 Akash ネットワークは、いくつかの主要なコンポーネントで構成されています。
ブロックチェーン層。Tendermint Core と Cosmos SDK を使用してコンセンサスを提供します。
アプリケーション層は、展開とリソースの割り当てを管理します。
プロバイダー層は、リソース、入札、ユーザー アプリケーションのデプロイメントを管理します。
ユーザーが CLI、コンソール、ダッシュボードを通じて Akash ネットワークと対話し、リソースを管理し、アプリケーションのステータスを監視できるようにするユーザー層。
このネットワークは当初、ストレージと CPU のリース サービスに重点を置いていましたが、後に AI のトレーニングと推論のワークロードの増加と処理能力の需要に応じて、AkashML プラットフォームを通じて GPU のリースと割り当てを拡大しました。 AkashML は、顧客 (テナントと呼ばれる) が GPU に支払いたい価格を提示し、コンピューティング ベンダー (プロバイダーと呼ばれる) が要求された GPU の供給を競う「逆オークション」システムを使用します。
この記事の執筆時点で、Akash ブロックチェーンでは合計 1,290 万件以上のトランザクションが発生し、コンピューティング リソースへのアクセスに 53 万 5,000 ドル以上が使用され、18 万 9,000 件以上の固有のデプロイメントがリースされています。
言及する価値のあるその他のプロジェクト
計算 DePIN の分野は依然として進化しており、多くのチームが革新的で効率的なソリューションを市場に投入しようと競い合っています。さらに調査する価値のあるその他の例としては、Hyperbolic 社が AI 開発リソース プール用の共同オープン アクセス プラットフォームを構築していること、Exabits 社がコンピューティング マイナーを活用したコンピューティング パワーの分散ネットワークを構築していること、Shaga 社が PC のレンタルと通貨交換を可能にする Solana 上でのプラットフォームを構築していることなどがあります。サーバーサイドゲーム用にネットワークを最適化。
重要な考慮事項と将来の見通し
DePIN の計算の基本原理を理解し、現在実施されているいくつかの補足的なケーススタディを確認したところで、これらの分散型ネットワークのメリットとデメリットを含めた影響を考慮することが重要です。
チャレンジ
大規模な分散ネットワークを構築するには、多くの場合、パフォーマンス、セキュリティ、回復力の間でトレードオフが必要になります。たとえば、汎用ハードウェアの世界的に分散されたネットワーク上で AI モデルをトレーニングすると、コストと時間の効率が低くなる可能性があります。前述したように、AI モデルとそのワークロードはますます複雑になっており、汎用 GPU ではなく、より高性能な GPU が必要になっています。
これが、大企業が高性能 GPU を買い占めている理由であり、誰もがアイドル状態の供給を貸し出すことができる許可のない市場を作成することで GPU 不足を解決しようとしている DePIN のコンピューティングに固有の課題です。プロトコルは、主に 2 つの方法でこの問題に対処できます。ネットワークに貢献したい GPU プロバイダーのベースライン要件を設定することと、ネットワークに提供されるコンピューティング リソースをプールして大規模なアンサンブルを実現することです。ただし、このモデルは本質的に、Nvidia などのハードウェア ベンダーと直接取引するためにより多くの資本を割り当てることができる集中型サービス プロバイダーよりも困難です。 DePIN は将来的にこれを考慮する必要があります。分散型プロトコルに十分な資金があれば、DAO は資金の一部を高性能 GPU の購入に割り当てる投票を行うことができ、分散型で管理でき、汎用 GPU よりも高い価格でレンタルできます。
DePIN のコンピューティングに特有のもう 1 つの課題は、適切な量のリソース使用率を管理することです。多くのスタートアップ企業が今日直面しているのと同じように、初期段階では、ほとんどの計算 DePIN は構造的需要の不足に直面するでしょう。一般に、DePIN の課題は、実現可能な最低限の製品品質を達成するために、早期に十分な供給を確立することです。供給がなければ、ネットワークは持続可能な需要を生み出し、需要のピーク時に顧客にサービスを提供することができません。方程式のもう一方の側面は、過剰供給の懸念です。特定のしきい値を超えると、ネットワークの使用率が最大容量に近づくか最大容量に達する場合にのみ、プロビジョニングを増やすことが有益になります。そうしないと、DePIN は供給に対して過剰な支払いを行うリスクを負い、その結果、リソースの十分な活用が行われず、プロトコルがサプライヤーを維持するためにトークンの発行を増額しない限り、サプライヤーの収益が減少します。
地理的に広範囲にカバーできない電気通信ネットワークが役に立たないのと同じように、タクシー ネットワークも、乗客が乗車するまでに長時間待たなければならない場合には役に立ちません。 DePINは、リソースを提供するために人々に長期的にお金を支払わなければならない場合には役に立ちません。集中型サービス プロバイダーはリソースの需要を予測し、供給を効率的に管理できますが、計算 DePIN にはこの使用状況を管理する中央の権限がありません。したがって、DePIN はリソースの利用を確立する上で特に戦略的である必要があります。
分散型 GPU 市場にとってより大きな問題は、GPU 不足が終わりに近づいている可能性があるということです。マーク・ザッカーバーグ氏は最近インタビューで、企業は現在のようにコンピューティング・リソースをため込むのではなく、大量のデータ・センターの建設を急ぐようになるため、将来のボトルネックはコンピューティング・リソースではなくエネルギーになると考えていると語った。もちろん、これは需要の鈍化により GPU のコストが下がる可能性が高いことを意味しますが、独自のデータセンターの構築により AI モデルのパフォーマンスの基準が前例のない水準に引き上げられた場合、AI スタートアップ企業がパフォーマンスとパフォーマンスの面でどのように対処するかという問題も生じます。サービス品質の点で大手企業と競争できます。
DePINの計算ケーススタディ
繰り返しになりますが、AI モデルの複雑さとその後の処理およびコンピューティングのニーズ、および利用可能な高性能 GPU やその他のコンピューティング リソースの量との間には、ギャップが増大しています。
コンピューティング DePIN は、現在、主要なハードウェア メーカーとクラウド コンピューティング サービス プロバイダーによって支配されているコンピューティング市場セグメントに革新的な破壊をもたらす可能性があります。これらは、いくつかの重要な機能に基づいています。
商品やサービスのコストを削減します。
より優れた検閲耐性とネットワーク復元力の保証を提供します。
AI の恩恵を受けるための潜在的な規制指針では、AI モデルが微調整とトレーニングのために可能な限りオープンであり、誰でもどこでも簡単にアクセスできることが必要です。
コンピュータとインターネット アクセスを備えている米国の世帯の割合は急激に増加し、100% に近づいています。世界の多くの地域でも大幅な成長が見られました。これは、コンピューティング リソースの潜在的なプロバイダー (GPU 所有者) が、十分な金銭的インセンティブとシームレスなトランザクション プロセスを考慮して、遊休電源を喜んで貸し出す可能性があることを示唆しています。もちろん、これは非常に大まかな推定ですが、持続可能なコンピューティング リソースの共有経済の基盤がすでに存在している可能性があることを示唆しています。
AI を超えて、コンピューティングに対する将来の需要は、量子コンピューティングなどの他の多くの業界からも生じるでしょう。量子コンピューティングの市場規模は、2023年の9億2,880万米ドルから2030年には65億2,880万米ドルに成長し、年平均成長率は32.1%と予想されています。この業界での生産にはさまざまな種類のリソースが必要ですが、量子コンピューティング DePIN が開始されるかどうか、またそれがどのようなものになるかを見るのは興味深いでしょう。
「消費者向けハードウェア上で実行されるオープンソース モデルの強力なエコシステムは、AI の過剰な集中化から将来の価値を保護するための重要な対策であり、巨大企業や軍の両方よりもはるかに低いコストで実現できます。」
大企業は DePIN の対象者ではないかもしれませんし、今後もそうではありません。 DePIN をコンピューティングすることで、リソースが限られている個人の開発者、小規模起業家、スタートアップ企業に再び力が与えられます。これらにより、空き電源を、豊富なコンピューティング リソースによってもたらされる革新的なアイデアやソリューションに変換することができます。 AI は間違いなく何十億もの人々の生活を変えるでしょう。私たちは、AI がすべての人の仕事に取って代わるのではないかと心配するのではなく、AI が個人、自発的に起業する人、新興企業、そして一般大衆に力を与えることができるという考えを奨励する必要があります。
