Подробное объяснение Aethir: игрок с мощными возможностями децентрализованного облачного вычисления на трех фронтах

Развитие и прогресс больших моделей LLM и ИИ являются одними из величайших технологических достижений в истории человечества, человечество вступило в эпоху ИИ, в этом новом мире «вычислительная мощность» является самым дефицитным ресурсом.

Тенденция развития вычислительных мощностей — это边缘计算, этот метод вычислений может эффективно снизить физическую задержку и стать основой для развития таких отраслей, как мета-вселенная, где требуется низкая задержка; Децентрализация распределенных облачных вычислений обладает гибкостью, низкой ценой и преимуществами против цензуры, перспективы развития очень широки.

Aethir является децентрализованной платформой для рендеринга в реальном времени, основанной на сети Arbitrum, которая предоставляет услуги вычислительной мощности на уровне предприятия для игр, искусственного интеллекта и других компаний, объединяя такие высокопроизводительные GPU, как H100.

Aethir уже сотрудничает с такими ведущими проектами облачных вычислений, как io.net, Theta, а также с несколькими ведущими игровыми студиями и телекоммуникационными компаниями. Ожидается, что в первом квартале 2024 года годовой регулярный доход (ARR) превысит 20 миллионов долларов.

Aethir Edge значительно снизил барьер для обычных пользователей, продающих избыточную вычислительную мощность, и значительно расширил географическое покрытие сети Aethir.

Aethir уже заработал 80 миллионов долларов, продавая NFT для проверочных узлов, что подтверждает привлекательность его проектных перспектив и экономической модели для широкой аудитории.

Часовая стоимость использования A100 сети Aethir значительно ниже, чем у других конкурентов, что обеспечивает явное конкурентное преимущество.

Изменения в процессе развития человеческого общества часто происходят благодаря нескольким выдающимся научным изобретениям и достижениям. Каждое технологическое прорыв открывает новую эпоху, которая будет более эффективной и процветающей.

Индустриальная революция, электрическая революция и информационная революция стали величайшими научно-техническими достижениями в истории человечества, которые кардинально изменили облик человеческого общества, принесли беспрецедентные изменения в производительность и образ жизни. Теперь мы уже не можем вернуться в эпоху керосиновых ламп и почтовых повозок. С появлением GPT человечество вступило в новую великую эру.

LLM шаг за шагом освобождает человеческий интеллект, позволяя людям направлять свои ограниченные усилия и умственные способности на более творческое мышление и практику, тем самым вводя людей в более эффективный мир.

Мы рассматриваем GPT как еще один прорыв в технологиях, который изменит мир, не только из-за огромного прогресса GPT в понимании и генерации естественного языка, но и потому, что человечество в процессе эволюции GPT поняло закономерности роста возможностей больших языковых моделей — то есть, путем постоянного увеличения параметров модели и обучающих данных, можно добиться экспоненциального роста возможностей модели LLM; при достаточной вычислительной мощности этот процесс пока не имеет явных ограничений.

Применение больших языковых моделей не ограничивается лишь пониманием человеческого языка и диалога, наоборот, это лишь начало. Как только машина получает способность понимать язык, это похоже на открытие ящика Пандоры, освобождающее бесконечное пространство для воображения. Люди могут использовать эту способность ИИ для разработки различных разрушительных функций.

В настоящее время в различных пересекающихся областях технологий модели LLM уже начинают проявлять себя. От видеопроизводства, художественного творчества и других гуманитарных областей до разработки лекарств, биотехнологий и других жестких технологий нас ожидают кардинальные изменения.

В эту эпоху вычислительная мощность рассматривается как дефицитный ресурс, крупные технологические гиганты обладают обширными ресурсами, в то время как новые разработчики сталкиваются с барьерами входа из-за нехватки вычислительных ресурсов. В новой эре ИИ вычислительная мощность — это сила, и те, кто обладает вычислительной мощностью, имеют возможность изменить мир. GPU, как основополагающий элемент в области глубокого обучения и научных вычислений, играет жизненно важную роль в этом.

В быстро развивающейся области искусственного интеллекта (AI) мы должны осознавать двойственные аспекты развития: обучение моделей и вывод. Вывод касается функций и результатов AI-моделей, тогда как обучение включает в себя сложный процесс, необходимый для создания интеллектуальных моделей, который включает в себя алгоритмы машинного обучения, наборы данных и вычислительные мощности.

На примере GPT-4, если разработчик хочет получить качественные выводы, ему необходимо собрать обширный базовый набор данных и значительную вычислительную мощность для обучения эффективной модели ИИ. Эти ресурсы в основном сосредоточены в руках крупных игроков отрасли, таких как Nvidia, Google, Microsoft и AWS.

Высокие вычислительные затраты и барьеры для входа препятствуют большему количеству разработчиков войти в отрасль, что делает ведущих игроков еще сильнее. У них есть большие базовые наборы данных и значительные вычислительные мощности, а также способность постоянно увеличивать свои масштабы и снижать собственные расходы, что приводит к укреплению барьеров в отрасли.

Но мы не можем не задуматься, есть ли способы снизить вычислительные расходы и барьеры для входа в индустрию с помощью технологий блокчейн? Ответ утвердительный. Децентрализация распределенных облачных вычислений как раз в таком историческом контексте предлагает нам такое решение.

Несмотря на то, что в настоящее время вычислительная мощность дорога и в дефиците, GPU не используется в полной мере. Это связано с тем, что до сих пор не существует готового решения для интеграции этих распределенных вычислительных мощностей и их коммерческого использования. Ниже приведены типичные показатели использования GPU для различных рабочих нагрузок:

Большинство потребительских устройств с GPU относятся к трем основным категориям, а именно к неактивным (, которые только что запустили операционную систему Windows ):

• Использование GPU составляет: 0-2%;
• Общие производственные задачи ( написание, простой просмотр ):0-15%;
• Воспроизведение видео: 15 - 35%.

Указанные данные показывают: использование вычислительных ресурсов крайне низкое, и в мире Web2 нет эффективных мер для сбора и интеграции этих ресурсов. Однако Crypto и блокчейн-экономика, возможно, являются хорошим лекарством для решения этой проблемы. Криптоэкономика создает чрезвычайно эффективный глобальный рынок, благодаря уникальной токеномике и характеристикам децентрализованной системы, ценообразование ресурсов, их оборот и соответствие между спросом и предложением на рынке осуществляется очень эффективно.

Развитие ИИ влияет на будущее человечества, а прогресс вычислительной мощности определяет развитие ИИ. С тех пор как в 1940-х годах была изобретена первая вычислительная машина, вычислительные модели претерпели множество изменений. От громоздких мейнфреймов до легких ноутбуков, от закупки централизованных серверов до аренды вычислительной мощности, барьеры для доступа к вычислительной мощности постепенно снижаются. До появления облачных вычислений компании должны были самостоятельно закупать серверы и постоянно обновлять их в соответствии с технологическими изменениями, но появление облачных вычислений полностью изменило эту модель.

Основная концепция облачных вычислений заключается в том, что клиент арендует серверы, получает удаленный доступ и оплачивает в зависимости от объема использования. В настоящее время традиционные компании подвергаются разрушению со стороны облачных вычислений. В области облачных вычислений ключевым является технология виртуализации. Виртуализированный сервер может разделить мощный сервер на несколько маленьких серверов и сдавать их в аренду, а также динамически перераспределять различные ресурсы.

Эта модель кардинально изменила коммерческую структуру индустрии вычислительной мощности. Ранее людям приходилось самостоятельно приобретать оборудование для вычислительной мощности, чтобы удовлетворить свои потребности; теперь достаточно просто оплатить аренду на сайте, чтобы воспользоваться качественными услугами вычислительной мощности. Будущее облачных вычислений — это краевая вычислительная система. Поскольку традиционные централизованные системы находятся слишком далеко от пользователей, это приводит к определенной степени задержки. Хотя задержку можно оптимизировать, из-за ограничений скорости света ее невозможно полностью устранить.

Однако в таких новых отраслях, как метавселенная, автономное вождение, телемедицина, требования к задержке крайне низки, поэтому необходимо перемещать серверы облачных вычислений ближе к пользователям, и все больше малых дата-центров размещается вокруг пользователей, что и является децентрализацией.

По сравнению с централизованными поставщиками облачных вычислений, преимущества децентрализованного облачного вычисления заключаются в основном в:

• Доступность и гибкость: Получение доступа к вычислительным чипам у облачных провайдеров обычно занимает несколько недель, а высокопроизводительные модели GPU, такие как A100, H100 и т.д., часто отсутствуют в наличии. Кроме того, для получения вычислительной мощности потребителям обычно необходимо подписывать долгосрочные и негибкие контракты с этими крупными компаниями, что не только приводит к временным потерям, но и делает операции бизнеса более жесткими, теряя определенную гибкость. В отличие от этого, распределенные вычислительные платформы могут предоставлять доступ к вычислительной мощности в любое время и предлагают гибкий выбор оборудования, обладая большей доступностью.
• Ниже цены: Благодаря использованию неактивных чипов, а также дополнительным токенам от сетевого протокола для поставщиков чипов и вычислительных мощностей, распределенная вычислительная сеть может предложить более дешевые вычислительные ресурсы.
• 抗审查性: Некоторые системы Web3 не позиционируют себя как системы без разрешений. На этапах загрузки GPU, загрузки данных, совместного использования данных и совместного использования результатов были обработаны вопросы соблюдения таких норм, как GDPR и HIPAA.

С дальнейшим развитием ИИ и постоянным дисбалансом спроса и предложения на GPU, это приведет к тому, что большее количество разработчиков будет переходить на децентрализованные облачные вычислительные платформы. В то же время, в период бычьего рынка, из-за роста цен на крипто-токены, поставщики GPU будут зарабатывать больше прибыли, что стимулирует больше поставщиков GPU войти в этот рынок, формируя положительный эффект маховика.

Техническая проблема

1. Проблема параллелизации

Распределенные вычислительные платформы обычно объединяют длинный хвост поставок чипов, что означает, что отдельные поставщики чипов почти не могут в короткие сроки самостоятельно завершить сложные задачи обучения или вывода AI моделей. Если облачная вычислительная платформа хочет быть конкурентоспособной, она должна использовать параллельные методы для разбиения и распределения задач, чтобы сократить общее время выполнения и повысить вычислительную мощность платформы.

Однако в процессе параллелизации возникнет ряд проблем, включая то, как разбить задачи (, особенно для сложных задач глубокого обучения ), зависимость данных и дополнительные затраты на связь между устройствами.

2. Риск замены новыми технологиями

С увеличением капитальных вложений в исследования специализированных интегральных схем ASIC( и таких новых изобретений, как тензорные процессоры TPU), это может оказать влияние на GPU-кластеры децентрализованных вычислительных платформ.

Если эти ASIC смогут обеспечить хорошую производительность и будут сбалансированы по стоимости, то рынок GPU, в настоящее время монополизированный крупными AI-организациями, может вернуться на рынок. Это приведет к увеличению предложения GPU, что повлияет на экосистему Децентрализации облачных вычислений.

3. Регуляторные риски

Поскольку Децентрализация облачных вычислительных систем работает в нескольких юрисдикциях и может быть подвержена различным законам и нормативным актам, могут возникнуть уникальные юридические и регуляторные проблемы. Требования по соблюдению, такие как законы о защите данных и конфиденциальности, также могут быть сложными и представлять собой вызов.

На данный момент пользователями облачных платформ в основном являются профессиональные разработчики и организации, которые предпочитают долгое время использовать одну платформу и не будут менять ее произвольно. Использование Децентрализация платформы или централизованной платформы — это всего лишь один из факторов, которые следует учитывать, эти пользователи больше ценят стабильность услуг. Поэтому, если Децентрализация платформа обладает мощными интеграционными возможностями и стабильной достаточной вычислительной мощностью, она легче привлечет этих клиентов, получит долгосрочные отношения сотрудничества и стабильный денежный поток.

В этом разделе я представлю новый распределенный вычислительный проект Aethir, сосредоточенный на игровом рендеринге и ИИ, и на основе текущих AI проектов и распределенных вычислительных проектов на рынке оценю возможную капитализацию после выхода на рынок.

Введение в проект Aethir

Aethir Cloud является децентрализованной платформой для реального рендеринга, работающей на сети Arbitrum, которая помогает игровым и искусственным интеллектам компаниям напрямую доставлять свою продукцию потребителям, агрегируя и интеллектуально перераспределяя новые и неиспользуемые GPU от предприятий, дата-центров, криптовалютного майнинга и потребителей.

Одним из ключевых новшеств проекта является ресурсный пул, который объединяет распределенных поставщиков вычислительной мощности под единственным интерфейсом для обслуживания клиентов по всему миру. Одной из основных особенностей ресурсного пула является то, что поставщики GPU могут свободно подключаться или отключаться от сети, что позволяет предприятиям или дата-центрам с неиспользуемым оборудованием участвовать в сети во время простоя, повышая гибкость поставщиков и коэффициент использования оборудования.

Операция экосистемы Aethir основана на трех ключевых инфраструктурах:

• Контейнер(Container): Ключевая функция контейнера заключается в предоставлении услуг по облачной рендеринга в реальном времени, обеспечивая опыт "нулевой задержки". Контейнер является фактическим местом облачных вычислений, он выступает в роли виртуальной конечной точки, выполняя и рендеря приложения. Это позволяет перенести нагрузку с локальных устройств на контейнер.
• 检查器(Checker): Узел проверщика проверяет Container и