Mạng máy tính phân quyền là nền tảng của trí tuệ nhân tạo (AI) phân quyền. Chúng cung cấp sức mạnh tính toán phân tán cần thiết để huấn luyện và vận hành các mô hình AI. Bài viết này khám phá ba trong số những mạng máy tính phân quyền đa năng lớn nhất và một dự án AI phân quyền. Chúng tôi nhằm mục đích giúp độc giả hiểu rõ về sự tương đồng và khác biệt giữa các dự án này.

1. Akash, Render Network và mạng io.net là ba trong số những mạng máy tính phân quyền lớn nhất trên thị trường. Mặc dù cả hai đều cung cấp dịch vụ máy tính phân quyền, mỗi mạng có một trọng tâm kinh doanh khác nhau.
3. Bittensor là một dự án trí tuệ nhân tạo phi tập trung sử dụng tài nguyên tính toán phân tán cho việc học máy. Mục tiêu của nó là cạnh tranh trực tiếp với các dịch vụ trí tuệ nhân tạo tập trung như OpenAI.
5. Trên phía cung cấp, Akash có một mạng phần cứng đa dạng bao gồm CPUs, GPUs và bộ nhớ, trong khi Render có một số lượng lớn GPUs. io.net có được một số lượng lớn GPUs từ mạng lưới của mình và các nền tảng khác.
7. Một mạng tính toán phi tập trung là một thị trường hai phía nơi mà token của mỗi dự án được sử dụng như một phương tiện trao đổi trong hệ thống của họ. Mạng Render và Bittensor thực hiện cơ chế đốt token để tăng cường tích luỹ giá trị.

Các loại mạng máy tính phi tập trung khác nhau

Cách Akash khác biệt so với Mạng Render

Akash và Mạng Render đều là các mạng tính toán phi tập trung cung cấp một nền tảng nơi người dùng có thể mua và bán tài nguyên tính toán cho các nhiệm vụ khác nhau.

Akash hoạt động như một thị trường mở, cho phép người dùng truy cập vào tài nguyên CPU, GPU và lưu trữ. Nó cung cấp tài nguyên máy tính có thể được sử dụng cho các mục đích khác nhau, như lưu trữ máy chủ trò chơi hoặc chạy các nút blockchain. Trong thị trường Akash, người thuê triển khai ứng dụng thiết lập giá và điều kiện cho việc triển khai cần thiết, trong khi nhà cung cấp tài nguyên máy tính đấu giá trên những triển khai đó, với người đấu giá thấp nhất (nhà cung cấp) chiến thắng việc triển khai. Mô hình đấu giá ngược này cho người dùng quyền lực để thiết lập giá và điều kiện.

Ngược lại, Render sử dụng một thuật toán định giá động để điều chỉnh giá triển khai nhiệm vụ dựa trên điều kiện thị trường. Render Network tập trung vào dịch vụ kết xuất 3D dựa trên GPU và hoạt động như một mạng GPU phân tán. Trong mô hình này, các nhà cung cấp phần cứng cung cấp tài nguyên máy tính và mạng Render sử dụng một thuật toán định giá đa tầng để xác định giá cả và phù hợp người dùng với người mua dịch vụ. Render không hoạt động như một thị trường mở nơi người dùng có thể độc lập đặt giá hoặc điều kiện.

Io.net - Tập trung vào Trí tuệ Nhân tạo và Học máy

io.net là một mạng tính toán phi tập trung mới mà huyết lực tính toán GPU từ các trung tâm dữ liệu phân tán địa lý, các thợ đào tiền điện tử và các nhà cung cấp lưu trữ phi tập trung để hỗ trợ việc học máy và tính toán trí tuệ nhân tạo. Nó cũng hoạt động với các mạng tính toán phi tập trung hiện có như Render để tận dụng tài nguyên tính toán GPU không được sử dụng hiệu quả trên Render cho các nhiệm vụ AI và học máy.

Có hai yếu tố phân biệt chính cho io.net: 1) tập trung vào nhiệm vụ trí tuệ nhân tạo và học máy; 2) nhấn mạnh vào các cụm GPU. Một cụm GPU đề cập đến nhiều GPU hoạt động cùng nhau như một hệ thống thống nhất để xử lý các nhiệm vụ tính toán cường độ cao như đào tạo trí tuệ nhân tạo và mô phỏng khoa học.

Bittensor - một dự án blockchain tập trung vào trí tuệ nhân tạo

Không giống như các mạng máy tính phân cấp khác, Bittensor là một dự án trí tuệ nhân tạo phân cấp nhằm tạo ra một thị trường học máy phân cấp. Điều này cho phép ứng dụng trí tuệ nhân tạo phân cấp được xây dựng và cạnh tranh trực tiếp với các dự án trí tuệ nhân tạo tập trung như ChatGPT của OpenAI. Mạng lưới bao gồm các nút (máy đào) cung cấp tài nguyên tính toán cho việc huấn luyện và chạy các mô hình trí tuệ nhân tạo.

Bittensor sử dụng cấu trúc con mạng, tương tự như một chuỗi cho một ứng dụng cụ thể. Hiện tại nó có 32 mạng con, mỗi mạng tập trung vào các nhiệm vụ cụ thể liên quan đến trí tuệ nhân tạo, bao gồm mạng trí tuệ nhân tạo dựa trên văn bản phi tập trung (Text Prompt AI đề cập đến một ứng dụng trí tuệ nhân tạo tương tự như ChatGPT), có thể chuyển đổi các gợi ý văn bản thành hình ảnh tạo ra trí tuệ nhân tạo dịch sang hình ảnh, và một công cụ tìm kiếm dựa trên trí tuệ nhân tạo.

Người đào cống đóng vai trò then chốt trong hệ sinh thái Bittensor, cung cấp tài nguyên máy tính và lưu trữ mô hình học máy để thực hiện các phép tính trí tuệ nhân tạo ngoại chuỗi và tạo ra kết quả. Bất kỳ ai cũng có thể tham gia mạng lưới và trở thành người đào cống với yêu cầu về phần cứng tối thiểu. Các người đào cống cạnh tranh với nhau để cung cấp kết quả tốt nhất cho các truy vấn của người dùng.

Dung lượng và việc sử dụng mạng

Akash ban đầu tập trung vào CPU, và có rất nhiều tài nguyên CPU trong mạng lưới. Với sự bùng nổ của trí tuệ nhân tạo, nhu cầu về GPU đã tăng mạnh, và Akash đã bắt đầu thêm tài nguyên GPU vào mạng lưới của mình vào quý ba năm ngoái. Tuy nhiên, Akash có một số lượng GPU hiệu suất cao tương đối nhỏ so với các dự án khác tập trung vào tài nguyên GPU. Sự tập trung của Render Network vào việc cung cấp các giải pháp kết xuất dựa trên GPU phi tập trung đã cho phép nó tích luỹ một lượng lớn GPU trong mạng lưới của mình.

Render Network và Akash là những dự án trưởng thành hơn, với việc sử dụng mạng tăng ổn định từng năm. Đặc biệt, Akash đã chứng kiến sự tăng đáng kể về số lượng cho thuê hoạt động hàng quý sau khi mở rộng tầm nhìn để bao gồm GPU.

io.net là một mạng máy tính phân quyền mới mà đã ra mắt mạng thử nghiệm công cộng của mình vào tháng 11 năm 2023. Mặc dù có lịch sử ngắn hơn, io.net đã tích luỹ một số lượng đáng kể các GPU bằng cách tích hợp tài nguyên từ Render, Filecoin và mạng của mình. io.net gần đây công bố hỗ trợ cho các cụm chip Apple Silicon, cho phép người dùng Apple cấp phát sức mạnh máy tính không sử dụng của họ cho mạng, làm tăng số lượng phần cứng trong mạng. Ngoài ra, io.net vẫn chưa ra mắt token giao thức của mình, và nhiều nhà cung cấp phần cứng có thể hy vọng tham gia vào mạng như nhà cung cấp để có cơ hội nhận token thông qua airdrop.

Bittensor là một mạng trí tuệ nhân tạo phi tập trung, nơi mà các máy đào đóng góp tài nguyên tính toán cho mạng lưới. Các máy đào có thể đầu tư vào cài đặt phần cứng hoặc đơn giản là sử dụng tài nguyên tính toán do các dịch vụ đám mây cung cấp. Về phần đếm phần cứng, Bittensor không thể được so sánh trực tiếp với các mạng máy tính phi tập trung điển hình, vì hiện nay nó có hơn 7.000 máy đào.

Nền kinh tế Token

Các nền tảng tính toán phi tập trung hoạt động như thị trường hai phía, người dùng trả phí cho nhà cung cấp tài nguyên tính toán. Akash, Render Network và Bittensor đã phát hành các token riêng của họ như một phương tiện để trao đổi giá trị trong hệ sinh thái của họ. Render và Bittensor thực hiện cơ chế đốt token để tăng cường tích lũy giá trị token.

Akash

Akash là một chuỗi khối PoS độc lập và $AKT là mã thông báo bản địa của nó được sử dụng để đặt cược để đảm bảo an ninh của mạng và thanh toán cho các khoản phí mạng. Mã thông báo cũng phục vụ như một phương tiện trao đổi trong hệ sinh thái, với $AKT là đơn vị chính của giá cả khi người dùng giao dịch hoặc thuê trên Akash. Là một chuỗi PoS, Akash cần tạo ra phần thưởng khối cho các nút xác thực bằng cách phát hành $AKT, và tỷ lệ lạm phát hiện tại là khoảng 14%.

Akash hiện đang tính 4% phí cho các khoản thanh toán bằng AKT, hoặc 20% nếu thanh toán bằng USDC, số tiền này sẽ chảy vào hồ bơi cộng đồng. Việc sử dụng cụ thể cho quỹ cộng đồng vẫn chưa được xác định, nhưng các mục đích tiềm năng có thể bao gồm việc tài trợ công cộng, khuyến khích, hoặc đơn giản là đốt cháy các token.

Render Network

Render Network đã di dời từ Ethereum sang Solana, và token giao thức RNDR của nó được sử dụng để trao đổi giá trị trong hệ sinh thái Render, với người sáng tạo và người dùng sử dụng token để thanh toán cho công việc kết xuất.

Để cân bằng mối quan hệ động giữa cung và cầu của tài nguyên máy tính, Render triển khai cơ chế Cân bằng Đốt và Đúc (BME). Khi cầu (ví dụ: các công việc render) vượt quá cung cấp của tài nguyên máy tính, các token RNDR sẽ bị đốt, tạo ra hiệu ứng giảm phát. Ngược lại, nếu cung cấp của tài nguyên máy tính vượt quá cầu, sẽ được đúc thêm nhiều token RNDR, gây ra lạm phát. Token RNDR được phát hành thêm do hiện tại thiếu cầu của tài nguyên máy tính.

Bittensor

Token $TAO, tiền tệ bản địa của Bittensor, được sử dụng để truy cập vào các dịch vụ mạng và đóng vai trò là phương tiện cho cơ chế thưởng cốt lõi. Tổng cung cấp tối đa của $TAO là 21 triệu, và 7,200 token được tạo ra hàng ngày như là phần thưởng cho các thợ đào và các nút xác thực. Bittensor thực hiện cơ chế phân phát token giảm một nửa, có nghĩa là khi một nửa tổng cung cấp được phân phối, tỷ lệ phát hành sẽ giảm một nửa. Sau lần giảm một nửa đầu tiên, những lần giảm một nửa tiếp theo sẽ xảy ra sau khi nửa còn lại của tổng cung cấp token được phân phối cho đến khi cung cấp tối đa là 21 triệu được đạt được.

Mặc dù tỷ lệ phát hành là 7.200 TAO mỗi ngày được cố định trong giai đoạn hiện tại, thời điểm cắt nửa tiếp theo không được xác định trước do cơ chế tái chế mã thông báo. Cơ chế tái chế này đốt cháy các mã thông báo TAO đã phát hành, hiệu quả làm trì hoãn thời điểm mà nửa tổng cung được phân phối. Các thợ đào và các nút xác minh cần tái chế (tức là đốt cháy) mã thông báo TAO để đăng ký vào mạng. Những mã thông báo đã được đốt cháy này sẽ được trừ đi khỏi tổng cung và có thể được đào lại. Mạng thường xuyên hủy đăng ký các thợ đào và các nút xác minh không thể cung cấp nhiệm vụ trí tuệ nhân tạo đủ cạnh tranh, và các thợ đào cần phải trả phí/đốt cháy TAO mỗi khi họ tái nhập mạng, khiến cho việc đăng ký trở thành một chi phí định kỳ. Cơ chế đốt cháy động này tạo ra một nhu cầu không đổi cho TAO.

Ngày cắt nửa đầu tiên ban đầu được dự định vào tháng 1 năm 2025, nhưng ngày cắt nửa hiện tại đã được hoãn lại đến tháng 10 năm 2025. Điều đó cho thấy một số lượng lớn token TAO đã bị đốt cháy.

Tuyên bố:

1. Bài viết này ban đầu có tựa đề “DePIN x AI - Tổng quan về Bốn Mạng Máy Tính Phi Tập Trung Lớn” được sao chép từ [ tokeninsigh]. Tất cả bản quyền thuộc về tác giả gốc [0xEdwardyw]. Nếu bạn có bất kỳ ý kiến ​​nào về việc sao chép, vui lòng liên hệ với nhóm Gate Learn, nhóm sẽ xử lý ngay lập tức.

2. Thông báo: Các quan điểm và ý kiến được thể hiện trong bài viết này chỉ đại diện cho quan điểm cá nhân của tác giả và không cấu thành bất kỳ lời khuyên đầu tư nào.

3. Các bản dịch của bài viết sang các ngôn ngữ khác được thực hiện bởi Gate Họcđội. Trừ khi được nhắc đến, việc sao chép, phân phối hoặc đạo văn các bài báo đã dịch là không được phép.