Số lượng GPU io.net có phải là vấn đề không? Các vấn đề với giao thức AI phi tập trung là gì?

Tác giả: @rargulati, MartinShkreli;Biên soạn bởi: Vernacular Blockchain< /p>

io.net là một mạng điện toán phi tập trung được xây dựng trên Solana. Nó thuộc lĩnh vực Depin và AI và đã nhận được tài trợ từ Mult1C0in Capital và Moonhill Capital. Không được công bố.

io.net là nền tảng đám mây phi tập trung dựa trên Solana để đào tạo máy học trên GPU, cung cấp quyền truy cập tức thời, không cần cấp phép vào mạng GPU và CPU toàn cầu. Nền tảng này có 25.000 nút và sử dụng công nghệ mang tính cách mạng để phân cụm các đám mây GPU lại với nhau, tiết kiệm tới 90% chi phí điện toán cho các công ty khởi nghiệp AI quy mô lớn.

Hiện được xây dựng trên Solana, nó thuộc lĩnh vực Depin và AI phổ biến hiện nay. Hôm nay, chúng ta hãy xem X nói gì về GPU của nó và các vấn đề hiện có. Phân tích:

@ionet có bao nhiêu GPU (Bộ xử lý đồ họa, bộ xử lý đồ họa)?

@MartinShkreli trên X đã phân tích bốn câu trả lời:

1) 7648 ( khi thử khi triển khai )

2) 11107 (được tính toán thủ công từ trình quản lý tài nguyên của họ)

;">3 ) 69415 (Số không thể giải thích được, không thay đổi?)

4) 564306 (Không có thông tin hỗ trợ, minh bạch hoặc thực chất nào ở đây. Ngay cả CoreWeave và AWS cũng không có nhiều thông tin như vậy)

Hãy nghĩ rằng câu trả lời thực sự là 320.

Hãy cùng tôi xem trang Explorer. Tất cả GPU đều "miễn phí", nhưng bạn vẫn không thể thuê một GPU. Nếu chúng miễn phí, tại sao chúng không thể được thuê? Mọi người muốn được trả tiền, phải không?

Bạn thực sự chỉ có thể thuê 320 cái.

Nếu bạn không thể thuê chúng thì chúng không có thật. Kể cả có thuê được thì giá cũng sẽ tăng...

@rargulati cho biết Martin hoàn toàn đúng khi đặt câu hỏi về vấn đề này. Các giao thức trí tuệ nhân tạo phi tập trung có các vấn đề sau:

1) Không có cách nào hiệu quả về mặt chi phí và thời gian để triển khai nó trên kiến ​​trúc phần cứng chung có tính phân tán cao cho đào tạo trực tuyến hữu ích. Điều này sẽ đòi hỏi một bước đột phá lớn mà hiện tại tôi chưa biết. Đây là lý do tại sao FANG chi tiêu nhiều hơn tất cả tính thanh khoản của tiền điện tử vào phần cứng đắt tiền, kết nối mạng, bảo trì trung tâm dữ liệu, v.v.

2) Suy luận về phần cứng có mục đích chung nghe có vẻ là một trường hợp sử dụng tốt, nhưng sự phát triển của phần cứng và phần mềm nhanh đến mức mục đích chung Cách tiếp cận tập trung thực hiện kém trong hầu hết các trường hợp sử dụng quan trọng. Xem độ trễ OpenAI mới nhất và mức tăng trưởng Groq.

3) Suy luận từ các yêu cầu được định tuyến chính xác, các cụm GPU cùng tồn tại chặt chẽ với các yêu cầu và tận dụng tiền điện tử phi tập trung để giảm chi phí vốn nhằm phù hợp với sự cạnh tranh của AWS và khuyến khích những người đam mê tham gia. Nghe có vẻ là một ý tưởng hay, nhưng với quá nhiều nhà cung cấp và tính thanh khoản phân tán trên thị trường GPU giao ngay, không ai có đủ nguồn cung để cung cấp nó cho những người đang điều hành các doanh nghiệp thực sự.

4) Thuật toán định tuyến phần mềm phải rất tốt, nếu không phần cứng chung của các nhà khai thác tiêu dùng sẽ gặp nhiều vấn đề về vận hành. Hãy quên đi việc ngắt mạng và kiểm soát tắc nghẽn, nếu bất kỳ ai quyết định chơi trò chơi hoặc sử dụng bất kỳ thứ gì sử dụng webgl, bạn có thể gặp phải tình trạng ngừng dịch vụ từ một nhà cung cấp dịch vụ. Bên cung không thể đoán trước được có thể gây ra khó khăn trong hoạt động và tạo ra sự không chắc chắn cho những người yêu cầu bên cầu.

Đây là những vấn đề hóc búa sẽ phải mất rất nhiều thời gian mới giải quyết được. Tất cả giá thầu chỉ là meme.