Источник перепечатки статьи: Vernacular Blockchain.
Автор: @rargulati, МартинШкрели
Составил: Vernacular Blockchain
@ionet — это децентрализованная вычислительная сеть, построенная на базе Solana. Она принадлежит секторам Depin и AI. Она получила финансирование от Mult1C0in Capital и Moonhill Capital. Сумма финансирования не разглашается.
io.net — это децентрализованная облачная платформа на базе Solana для обучения машинному обучению на графических процессорах, обеспечивающая мгновенный и не требующий разрешения доступ к глобальной сети графических процессоров и процессоров. Платформа имеет 25 000 узлов и использует революционную технологию для кластеризации облаков графических процессоров, что экономит до 90% вычислительных затрат для крупномасштабных стартапов в области искусственного интеллекта.
В настоящее время он построен на Solana и принадлежит к популярным в настоящее время секторам Depin и AI. Сегодня давайте посмотрим на анализ его графического процессора и существующих проблем, проведенный двумя людьми на X:
Сколько графических процессоров (графический процессор, который представляет собой чип, используемый для обработки графики) имеет @ionet?
Четыре ответа проанализированы @MartinShkreli на X:
1) 7648 (при попытке при развертывании)
2) 11107 (вычисляется вручную из их проводника)
3) 69415 (необъяснимое число, не изменилось?)
4) 564306 (Здесь нет поддержки, прозрачности или существенной информации. Даже у CoreWeave или AWS нет такого количества)
Подумайте, настоящий ответ на самом деле 320.
Почему 320?
Взгляните вместе со мной на страницу Explorer. Все графические процессоры «бесплатны», но вы все равно не можете арендовать их. Если они бесплатны, почему их нельзя арендовать? Люди хотят получать зарплату, верно?
На самом деле вы можете арендовать только 320.
Если вы не можете их арендовать, значит, они ненастоящие. Даже если вы сможете его арендовать, это добавит...
@rargulati сказал, что Мартин был абсолютно прав, задав этот вопрос. Децентрализованные протоколы искусственного интеллекта имеют следующие проблемы:
1) Не существует экономичного и эффективного по времени способа проведения полезного онлайн-обучения на высокораспределенных аппаратных архитектурах общего назначения. Это потребует серьезного прорыва, о котором я пока не знаю. Вот почему FANG тратят больше, чем вся ликвидность криптовалют, на дорогостоящее оборудование, сетевые подключения, обслуживание центров обработки данных и т. д.
2) Выполнение выводов на аппаратном обеспечении общего назначения кажется хорошим вариантом использования, но развитие аппаратного и программного обеспечения настолько быстрое, что децентрализованные подходы общего назначения плохо работают в большинстве ключевых случаев использования. Посмотрите последние данные о задержке OpenAI и росте Groq.
3) Делайте выводы на основе правильно маршрутизированных запросов, кластеров графических процессоров, которые тесно сосуществуют с запросами, и используйте децентрализованные криптовалюты для снижения капитальных затрат для конкуренции с AWS и стимулирования энтузиастов к участию. Звучит как хорошая идея, но из-за такого большого количества поставщиков и фрагментированной ликвидности на спотовом рынке графических процессоров никто не собрал достаточного предложения, чтобы сделать его доступным для людей, ведущих реальный бизнес.
4) Алгоритм программной маршрутизации должен быть очень хорошим, иначе общее оборудование операторов-потребителей будет иметь множество эксплуатационных проблем. Забудьте о перебоях в сети и контроле перегрузки: если кто-то решит поиграть в игры или использовать что-либо, использующее webgl, у вас может возникнуть сбой в обслуживании одного оператора связи. Непредсказуемая сторона предложения может вызвать операционные сбои и создать неопределенность для запрашивающих сторон.
Это сложные проблемы, на решение которых потребуется очень много времени. Все ставки — это просто мемы.
