إحياء قوة الحوسبة السحابية - باسم الذكاء الاصطناعي

الموضة عبارة عن دورة، وكذلك هي الويب 3.

أصبحت بالقرب من "re" سلسلة عامة للذكاء الاصطناعي، وسمحت مكانة مؤسسها Transformer كأحد المؤلفين له بحضور مؤتمر NVIDIA GTC والتحدث عن الذكاء الاصطناعي التوليدي. مع Lao Huang ذو الملابس الجلدية. في المستقبل، ستتحول Solana بنجاح إلى سلسلة مفاهيم الذكاء الاصطناعي كمكان تجمع لـ io.net وBittensor وRender Network. بالإضافة إلى ذلك، سيكون هناك لاعبين ناشئين يشاركون في حوسبة GPU مثل عكاش، جيمين، وجينسين.

إذا رفعنا أنظارنا بينما يرتفع سعر العملة، فيمكننا العثور على عدة حقائق مثيرة للاهتمام:

1. تأتي المعركة من أجل قوة حوسبة وحدة معالجة الرسومات إلى النظام الأساسي اللامركزي. كلما زادت قوة الحوسبة، أصبح تأثير الحوسبة أقوى. وحدة المعالجة المركزية والتخزين ووحدة معالجة الرسومات يتم إقرانها مع بعضها البعض؛

2. في انتقال نموذج الحوسبة من السحابة إلى اللامركزية، ما وراء المشاهد هي التحول في الطلب من تدريب الذكاء الاصطناعي إلى التفكير، ولم تعد النماذج الموجودة على السلسلة مجرد كلام فارغ؛

3. < قوي>لم يتغير التكوين الأساسي للبرامج والأجهزة ومنطق التشغيل لبنية الإنترنت بشكل أساسي، وتلعب طبقة طاقة الحوسبة اللامركزية دورًا أكبر في تحفيز التواصل.

دعونا نفرق أولاً من الناحية المفاهيمية. لقد ولدت قوة الحوسبة السحابية في عالم Web3 في عصر التعدين السحابي، والذي يشير إلى صناعة التعدين. تُباع القوة الحاسوبية للآلة في حزم، مما يلغي الإنفاق الضخم على المستخدمين لشراء آلات التعدين. ومع ذلك، فإن الشركات المصنعة للطاقة الحاسوبية غالبًا ما "تبالغ في البيع"، على سبيل المثال، خلط قوة الحوسبة 100 آلة تعدين وبيعها لـ 105 أشخاص من أجل الحصول على أرباح فائضة، مما يجعل كلام الشركة في النهاية بمثابة الخداع.

تشير قوة الحوسبة السحابية في هذه المقالة على وجه التحديد إلى موارد قوة الحوسبة لبائعي السحابة المستندة إلى GPU. والسؤال هنا هو ما إذا كانت منصة طاقة الحوسبة اللامركزية تنتمي إلى بائعو السحابة، لا تزال دمية الواجهة الأمامية هي تحديث الإصدار التالي.

التكامل بين بائعي السحابة التقليديين و blockchain أعمق مما تخيلنا. على سبيل المثال، تدور عقد السلسلة العامة والتطوير والتخزين اليومي بشكل أساسي حول AWS وAlibaba Cloud و تم نشر Huawei Cloud للقضاء على الاستثمار الباهظ في شراء الأجهزة المادية، ومع ذلك، لا يمكن تجاهل المشكلات الناجمة، وفي الحالات القصوى، سيؤدي فصل كابل الشبكة إلى تعطل السلسلة العامة، وهو ما ينتهك بشكل خطير روح اللامركزية.

من ناحية أخرى، تقوم منصات طاقة الحوسبة اللامركزية إما ببناء "غرفة كمبيوتر" مباشرة للحفاظ على استقرار الشبكة، أو بناء شبكة حوافز مباشرة، مثل IO. NET. إن استراتيجية الإسقاط الجوي لتعزيز عدد وحدات معالجة الرسومات تشبه تمامًا تخزين Filecoin لرموز FIL. نقطة البداية ليست تلبية احتياجات الاستخدام، ولكن تمكين الرموز. أحد الأدلة هو أن عددًا قليلاً من الشركات المصنعة الكبرى أو الأفراد أو المؤسسات الأكاديمية ستستخدمها فعليًا بالنسبة لتعلم الآلة، يؤدي العمل مثل التدريب أو الاستدلال أو عرض الرسومات إلى إهدار خطير للموارد.

ولكن في مواجهة ارتفاع أسعار العملات ومشاعر FOMO، اختفت جميع الاتهامات بأن قوة الحوسبة اللامركزية هي عملية احتيال لقوة الحوسبة السحابية.

الاستدلال والتخبط، قياس قوة حوسبة وحدة معالجة الرسومات

الذكاء الاصطناعي تتطور متطلبات الطاقة الحاسوبية للنموذج من التدريب إلى الاستدلال.

لنأخذ Sora من OpenAI كمثال. على الرغم من أنه تم تصنيعه أيضًا بناءً على تقنية Transformer، إلا أن عدد معلماته مقارنة بعشرات GPT-4 "الآلاف. على مستوى المليارات، تتكهن الدوائر الأكاديمية بأنها أقل من مستوى مئات المليارات. حتى أن يانغ ليكون قال إنها 3 مليارات فقط، مما يعني أن تكلفة التدريب منخفضة، وهو أمر مفهوم للغاية أيضًا. موارد الحوسبة يتم أيضًا تخفيف النسبة المطلوبة للمعلمات الصغيرة.

ولكن في المقابل، قد يحتاج Sora إلى قدرات "استدلال" أقوى. ويمكن فهم الاستدلال على أنه القدرة على إنشاء مقاطع فيديو محددة بناءً على التعليمات. وقد تم اعتبار مقاطع الفيديو منذ فترة طويلة كمحتوى إبداعي، يتطلب الذكاء الاصطناعي أن يتمتع بقدرات فهم أقوى، والتدريب بسيط نسبيًا، ويمكن فهمه على أنه تلخيص القواعد بناءً على المحتوى الموجود، وتكديس قوة الحوسبة بدون أدمغة، والعمل الجاد لخلق المعجزات.

في الماضي، تم استخدام قوة حوسبة الذكاء الاصطناعي بشكل أساسي للتدريب، وتم استخدام جزء صغير لقدرات التفكير، وتم تغطيتها بشكل أساسي بواسطة منتجات NVIDIA المختلفة. ومع ذلك ، في Groq بعد ظهور LPU (وحدة معالجة اللغة)، بدأت الأمور تتغير، حيث أصبحت قدرات التفكير الأفضل، وتقليص حجم النماذج الكبيرة المتراكبة وتحسين دقتها، وامتلاك عقل للتحدث بالمنطق، أمرًا سائدًا ببطء.

بالإضافة إلى ذلك، أود إضافة تصنيف GPU. غالبًا ما يُرى أن لاعبي اللعبة السيئين هم من ينقذون الذكاء الاصطناعي. والسبب في ذلك هو أن سوق الألعاب لديه طلب قوي على الأداء العالي، فالطلب القوي على وحدات معالجة الرسومات يغطي تكاليف البحث والتطوير، على سبيل المثال، يمكن استخدام 4090 بطاقة رسومية من قبل أولئك الذين يمارسون الألعاب وكيمياء الذكاء الاصطناعي، ومع ذلك، تجدر الإشارة إلى أن بطاقات الألعاب وسيتم فصل بطاقات الطاقة الحاسوبية تدريجيًا، وهذه العملية تشبه عملة البيتكوين، فقد تطورت آلات التعدين من أجهزة الكمبيوتر الشخصية إلى آلات تعدين مخصصة، وتتبع الرقائق المستخدمة فيها أيضًا ترتيب وحدة المعالجة المركزية (CPU) ووحدة معالجة الرسومات (GPU) وFPGA وASIC.

مع نضج وتقدم تكنولوجيا الذكاء الاصطناعي، وخاصة مسار LLM، سيكون هناك المزيد والمزيد من المحاولات المشابهة لوحدات TPU المتعددة وDPU وLPU. بالطبع، المنتج الرئيسي الحالي لا يزال هو GPU من NVIDIA. جميع المناقشات أدناه تعتمد أيضًا على GPU. LPU وما إلى ذلك هي أكثر من مجرد تكملة لـ NVIDIA. GPU، وما زال بحاجة إلى استبداله بالكامل.

لا تتنافس منافسة قوة الحوسبة اللامركزية على قنوات الاستحواذ على وحدة معالجة الرسومات، ولكنها تحاول إنشاء نماذج ربح جديدة.

في هذه المرحلة، أصبحت NVIDIA تقريبًا هي بطل الرواية. في الأساس، تحتل NVIDIA 80% من سوق بطاقات الرسومات. المعركة بين بطاقة N وبطاقة الرسومات البطاقة لا توجد إلا من الناحية النظرية، ولكن في الواقع الجميع غير راضين عن نزاهتهم.

لقد خلق موقف الاحتكار المطلق منافسة شرسة على وحدات معالجة الرسومات، بدءًا من RTX 4090 على مستوى المستهلك وحتى A100/H100 على مستوى المؤسسة. الشركات المصنعة للسحابة المنزلية هي القوة الرئيسية في التخزين. ومع ذلك، فإن الشركات ذات الصلة بالذكاء الاصطناعي مثل Google وMeta وTesla وOpenAI جميعها لديها إجراءات أو خطط لإنتاج شرائح ذاتية الصنع، وقد تحولت الشركات المحلية إلى الشركات المصنعة المحلية مثل Huawei، ولا يزال مسار GPU مزدحمًا للغاية.

بالنسبة لموردي الخدمات السحابية التقليديين، فإن ما يبيعونه هو في الواقع قوة حوسبة ومساحة تخزين، لذا فإن استخدام شرائحهم الخاصة ليس أمرًا ملحًا مثل شركات الذكاء الاصطناعي، ولكنه أمر ملح أما بالنسبة لمشاريع الطاقة الحاسوبية المركزية، فهي حاليًا في النصف الأول، وتتنافس مع البائعين السحابيين التقليديين لأعمال الطاقة الحاسوبية، مع التركيز على الطاقة الحاسوبية الرخيصة وسهلة الحصول عليها، ولكن في المستقبل، مثل تعدين البيتكوين، هناك القليل فرصة ظهور رقائق Web3 AI.

تعليق إضافي، منذ تحول Ethereum إلى PoS، أصبح هناك عدد أقل وأقل من الأجهزة المخصصة في دائرة العملة. حجم سوق هواتف Saga المحمولة وأجهزة ZK التسريع و DePIN وما إلى ذلك صغير جدًا، ونأمل أن تتمكن قوة الحوسبة اللامركزية من استكشاف مسار فريد لـ Web3 لبطاقات طاقة الحوسبة المخصصة للذكاء الاصطناعي.

قوة الحوسبة اللامركزية هي الخطوة التالية أو الملحق للسحابة.

عادةً ما تتم مقارنة قوة الحوسبة لوحدة معالجة الرسومات في الصناعة مع FLOPS (عمليات النقطة العائمة في الثانية)، وهو الحساب الأكثر استخدامًا يتم الحكم على مؤشر السرعة، بغض النظر عن مواصفات وحدة معالجة الرسومات أو مقاييس التحسين مثل توازي التطبيق، في النهاية بواسطة FLOPS.

لقد استغرق الأمر حوالي نصف قرن من الحوسبة المحلية إلى الانتقال إلى السحابة، وكان مفهوم التوزيع موجودًا منذ ولادة أجهزة الكمبيوتر. لم يعد الجمع بين المركزية وقوة الحوسبة غامضًا كما كان من قبل، وسألخص أكبر عدد ممكن من مشاريع قوة الحوسبة اللامركزية الحالية، وهناك بعدان فقط للتحقيق:

1. عدد الأجهزة مثل وحدات معالجة الرسومات، أي التي تفحص سرعة الحوسبة الخاصة بها. وفقًا لمور قانونًا، كلما كانت وحدة معالجة الرسومات أحدث، زادت قوة الحوسبة الخاصة بها. وكلما زاد العدد تحت نفس المواصفات، زادت قوة الحوسبة؛

2. طريقة تنظيم طبقة الحوافز، التي تنتمي إلى ميزات صناعة Web3، مثل الرموز المزدوجة، ووظائف الإدارة المضافة، وحوافز الإسقاط الجوي، وما إلى ذلك، تجعل من السهل فهم القيمة طويلة المدى لكل منها المشروع، بدلاً من التركيز كثيرًا على أسعار العملات قصيرة المدى والنظر فقط في عدد وحدات معالجة الرسومات التي يمكنك امتلاكها أو جدولتها على المدى الطويل.

من هذا المنظور، لا تزال قوة الحوسبة اللامركزية تعتمد على مسار DePIN الخاص بـ "شبكة الأجهزة + الحوافز الموجودة"، أو في بمعنى آخر، لا تزال بنية الإنترنت هي الطبقة السفلية، وطبقة قوة الحوسبة اللامركزية هي تحقيق الدخل بعد "المحاكاة الافتراضية للأجهزة"، وينصب التركيز على الوصول دون إذن، ولا تزال الشبكات الحقيقية تتطلب تعاون الأجهزة.

يجب أن تكون قوة الحوسبة لا مركزية ويجب أن تكون وحدة معالجة الرسومات مركزية

بمساعدة blockchain الثلاثة في إطار المعضلة الصعبة، لا يحتاج أمن قوة الحوسبة اللامركزية إلى النظر بشكل خاص، فالقضايا الرئيسية هي اللامركزية وقابلية التوسع، وهذا الأخير هو الغرض من شبكات GPU، وهو حاليًا في حالة نجاح منقطع النظير في الذكاء الاصطناعي.

بدءًا من المفارقة، إذا كان مشروع طاقة الحوسبة اللامركزية سيكتمل، فيجب أن يكون عدد وحدات معالجة الرسومات على الشبكة كبيرًا قدر الإمكان. السبب بدون له، ينفجر حجم المعلمات للنماذج الكبيرة مثل GPT، ولا يمكن لوحدات معالجة الرسومات بمقياس معين تحقيق تأثيرات التدريب أو الاستدلال.

بالطبع، مقارنة بالتحكم المطلق لموردي الخدمات السحابية، في المرحلة الحالية، يمكن لمشاريع طاقة الحوسبة اللامركزية على الأقل إنشاء آليات مثل عدم الوصول والإنترنت المجاني ومع ذلك، نظرًا لتحسين كفاءة رأس المال، فمن الممكن أن يتم تشكيل منتجات مشابهة لمجمعات التعدين في المستقبل.

فيما يتعلق بقابلية التوسع، لا يمكن استخدام GPU للذكاء الاصطناعي فحسب، بل تعد الحوسبة السحابية والعرض أيضًا مسارات ممكنة. على سبيل المثال، تركز Render Network على عرض العمل ، بينما Bittensor وما إلى ذلك. مع التركيز على توفير التدريب النموذجي، من منظور أكثر وضوحًا، فإن قابلية التوسع تعادل سيناريوهات الاستخدام وأغراضه.

لذلك يمكن إضافة معلمتين إضافيتين إلى وحدة معالجة الرسومات وشبكة الحوافز، وهما اللامركزية وقابلية التوسع، لتشكيل مؤشر مقارنة من أربع زوايا. يرجى ملاحظة أن هذا تختلف الطريقة عن المقارنة الفنية وهي للمتعة فقط.

< /p>

في المشاريع المذكورة أعلاه، تعد شبكة Render Network مميزة جدًا في الواقع. إنها في الأساس شبكة عرض موزعة، وعلاقتها بالذكاء الاصطناعي ليست مباشرة. في تدريب واستدلال الذكاء الاصطناعي ، جميع الروابط متشابكة. سواء كان ذلك SGD (Stochastic Gradient Descent) أو الانتشار العكسي والخوارزميات الأخرى، يجب أن تكون متسقة، ولكن ليس من الضروري أن يكون العرض والأعمال الأخرى كذلك. غالبًا ما يتم قطع مقاطع الفيديو والصور. النقاط تسهل المهمة توزيع.

تم دمج إمكانات تدريب الذكاء الاصطناعي بشكل أساسي مع io.net وهي موجودة كمكون إضافي لـ io.net. تعمل وحدة معالجة الرسومات على أي حال، فلماذا؟ بدلاً من ذلك إن ما هو أكثر تطلعاً للمستقبل هو انشقاقها عن سولانا عندما تم الاستهانة بها. وقد ثبت لاحقاً أن سولانا أكثر ملاءمة لمتطلبات الأداء العالي للشبكات الأخرى.

والثاني هو مسار تطوير نطاق io.net للاستبدال العنيف لوحدة معالجة الرسومات. حاليًا، يسرد الموقع الرسمي 180.000 وحدة معالجة رسوميات كاملة في مشروع قوة الحوسبة اللامركزية. في السرعة الأولى، هناك اختلاف كبير في الحجم عن المنافسين الآخرين، ومن حيث قابلية التوسع، تركز io.net على منطق الذكاء الاصطناعي، وتدريب الذكاء الاصطناعي هو طريقة عملية للعمل.

بالمعنى الدقيق للكلمة، تدريب الذكاء الاصطناعي ليس مناسبًا للنشر الموزع. حتى بالنسبة لـ LLM خفيفة الوزن، فإن العدد المطلق للمعلمات لن يكون أقل بكثير. , طريقة الحوسبة المركزية "أكثر فعالية من حيث التكلفة من حيث التكلفة الاقتصادية. إن الجمع بين Web 3 والذكاء الاصطناعي في التدريب يتعلق أكثر بخصوصية البيانات وعمليات التشفير، مثل تقنيات مثل ZK وFHE، كما أن استدلال الذكاء الاصطناعي Web 3 يتمتع بإمكانات كبيرة. فمن ناحية من ناحية، لديها متطلبات منخفضة نسبيًا لأداء حوسبة وحدة معالجة الرسومات ويمكنها تحمل درجة معينة من الخسارة، ومن ناحية أخرى، فإن تفكير الذكاء الاصطناعي أقرب إلى جانب التطبيق، والحوافز من وجهة نظر المستخدم أكثر أهمية.

Filecoin، وهي شركة أخرى تقوم بتعدين الرموز المميزة، توصلت أيضًا إلى اتفاقية استخدام GPU مع io.net. ستستخدم Filecoin 1000 وحدة معالجة رسومات بالاشتراك مع io.net يمكن اعتباره تعاونًا بين الكبار والصغار، أتمنى لكما حظًا سعيدًا.

مرة أخرى، Gensyn ليس متصلاً بالإنترنت بعد. لقد وصلنا أيضًا إلى السحابة لتقييمه. نظرًا لأنه لا يزال في المراحل الأولى من بناء الشبكة، فإن العدد لم يتم الإعلان عن عدد وحدات معالجة الرسومات، ولكن الاستخدام الرئيسي للسيناريو هو تدريب الذكاء الاصطناعي. شخصيًا، أشعر أن عدد وحدات معالجة الرسومات عالية الأداء ليس صغيرًا، على الأقل يجب أن يتجاوز مستوى Render Network. بالمقارنة مع استدلال الذكاء الاصطناعي، الذكاء الاصطناعي التدريب والموردين السحابيين في علاقة تنافسية مباشرة، وسيكون تصميم الآلية المحددة أكثر تعقيدًا أيضًا.

على وجه التحديد، يحتاج Gensyn إلى ضمان فعالية التدريب النموذجي. وفي الوقت نفسه، من أجل تحسين كفاءة التدريب، يستخدم نماذج الحوسبة خارج السلسلة على على نطاق واسع، لذا التحقق من النموذج يتطلب نظام مكافحة الغش لعب أدوار متعددة الأطراف:

• مقدمو الخدمة: بادئ المهمة، وفي نهاية المطاف تكلفة التدريب مستحقة الدفع.

• المحلولون: تدريب النموذج وتقديم دليل على فعاليته.

• المدققون: التحقق من صحة النموذج.

• المبلغين عن المخالفات: تحقق من عمل المدقق.

بشكل عام، طريقة التشغيل مشابهة لتعدين إثبات العمل (PoW) + آلية الإثبات المتفائل. الهندسة المعمارية معقدة للغاية، والحساب قد يكون "يمكن نقلها إلى السلسلة. يمكن أن توفر التكاليف، ولكن تعقيد البنية سيجلب تكاليف تشغيل إضافية. في المرحلة الحالية حيث تركز قوة الحوسبة اللامركزية بشكل أساسي على تفكير الذكاء الاصطناعي، أتمنى حظًا سعيدًا لجينسين هنا.

الأخير هو Akash، الذي بدأ بشكل أساسي مع Render Network. يركز Akash على لامركزية وحدة المعالجة المركزية، وركز Render Network أولاً على لامركزية GPU. بعد ظهور الذكاء الاصطناعي، انتقل الطرفان إلى مجال حوسبة GPU + الذكاء الاصطناعي، والفرق هو أن أكاش يولي المزيد من الاهتمام للاستدلال.

مفتاح تجديد Akash هو الاهتمام بمشاكل التعدين بعد ترقية Ethereum. لا يمكن استخدام وحدة معالجة الرسومات الخاملة فقط كاستخدام غير مباشر من قبل طالبات جامعيات، ولكن الآن يمكننا العمل على الذكاء الاصطناعي معًا. على أي حال، نحن جميعًا نساهم في الحضارة الإنسانية.

ومع ذلك، فإن إحدى ميزات Akash هي أن الرموز المميزة يتم توزيعها بالكامل بشكل أساسي. بعد كل شيء، إنه مشروع قديم جدًا، كما أنه يتبنى نظام التعهد بنشاط يشيع استخدامها في إثبات الحصة (PoS)، ولكن كيف؟ من مظهرها، يبدو الفريق أكثر بوذية، وليس أكثر شبابًا مثل io.net.

بالإضافة إلى ذلك، هناك THETA للحوسبة السحابية الطرفية، وPhoenix لتوفير حلول متخصصة لقوة حوسبة الذكاء الاصطناعي، وشركات الحوسبة القديمة مثل Bittensor وRitual. قيود المساحة، لا أستطيع سردها كلها، والسبب الرئيسي هو أنه لا يمكن العثور على بعض المعلمات مثل عدد وحدات معالجة الرسومات.

الاستنتاج

على مدار تاريخ تطوير الكمبيوتر، يمكن إنشاء نماذج حوسبة مختلفة. الأسف الوحيد بشأن الإصدار المركزي هو أنه ليس له أي تأثير على التطبيقات السائدة. مشروع حوسبة Web3 الحالي يقوم بشكل أساسي بالترويج الذاتي داخل الصناعة. ذهب مؤسس Near إلى مؤتمر GTC بسبب تأليف Transformer، وليس مؤسس قريب.

الأمر الأكثر تشاؤمًا هو أن النطاق الحالي واللاعبين الحاليين في سوق الحوسبة السحابية أقوياء للغاية. هل يمكن لـ io.net أن يحل محل AWS؟ إذا كان عدد وحدات معالجة الرسومات إنه كبير بما فيه الكفاية، هذا صحيح، فمن الممكن، بعد كل شيء، أن AWS استخدمت منذ فترة طويلة Redis مفتوح المصدر باعتباره المكون الأساسي.

بمعنى ما، فإن قوة المصدر المفتوح واللامركزية ليست متساوية. وتتركز المشاريع اللامركزية بشكل مفرط في المجالات المالية مثل DeFi، في حين قد يكون الذكاء الاصطناعي عاملاً رئيسيًا الطريق لدخول السوق السائدة.