原作者:ポール・ティモフィーブ
オリジナル編集: Deep Chao TechFlow
重要なポイント
生成 AI 開発のための機械学習と深層学習の台頭により、コンピューティング リソースの人気が高まっていますが、どちらも大量の計算集約型ワークロードを必要とします。しかし、大企業や政府がこれらのリソースを蓄積するにつれて、新興企業や独立系開発者は現在、市場での GPU 不足に直面しており、その結果、法外なコストが発生したり、リソースにアクセスできなくなったりしています。
Computing DePINs により、世界中の誰もが金銭的報酬と引き換えに空きリソースを提供できるようになり、GPU などのコンピューティング リソースの分散型市場の構築が可能になります。これは、十分なサービスを受けていない GPU 消費者が新しい供給チャネルにアクセスして、ワークロードに必要な開発リソースをコストとオーバーヘッドを削減して入手できるようにすることを目的としています。
従来の集中型サービスプロバイダーと競合する場合、DePIN のコンピューティングは依然として多くの経済的および技術的課題に直面しており、そのうちのいくつかは時間の経過とともに解決されますが、他の課題は新しいソリューションと最適化を必要とします。
コンピューティングは新しい石油です
産業革命以来、テクノロジーは前例のないペースで人類を前進させ、日常生活のほぼすべての側面に影響を与え、あるいは完全に変革してきました。コンピューターは、最終的には研究者、学者、コンピューター エンジニアの共同努力の集大成として誕生しました。コンピューターは元々、高度な軍事作戦で使用される大規模な算術タスクを解決するために設計されましたが、現代生活の主流に進化しました。人類に対するコンピューターの影響が前例のない速度で増大し続ける中、これらのマシンとそれを駆動するリソースに対する需要は増加し続けており、利用可能な供給を上回っています。これにより、ほとんどの開発者や企業が重要なリソースにアクセスできなくなり、今日最も革新的なテクノロジーの 1 つである機械学習と生成人工知能の開発が少数の企業の手に委ねられるという市場のダイナミクスが生まれました。十分な資金。同時に、遊休コンピューティング リソースの大量供給は、コンピューティングの需要と供給の不均衡を軽減するのに役立つ有利な機会を提供し、両者間の調整メカニズムの必要性を高めます。したがって、ブロックチェーン技術とデジタル資産を活用した分散型システムは、生成型 AI 製品とサービスのより広範で民主的かつ責任ある開発にとって重要であると私たちは考えています。
コンピューティングリソース
コンピューティングは、コンピューターが指定された入力に基づいて明示的な出力を出力する、さまざまなアクティビティ、アプリケーション、またはワークロードとして定義できます。最終的には、コンピュータのコンピューティングおよび処理能力を指します。これは現代世界の多くを動かすこれらのマシンの中核的なユーティリティであり、過去 1 年だけで1 兆 1,000 億ドルという膨大な収益を生み出しています。
コンピューティング リソースとは、コンピューティングと処理を可能にするさまざまなハードウェアおよびソフトウェア コンポーネントを指します。それらによって実現されるアプリケーションや機能の数が増え続けるにつれて、これらのコンポーネントはますます重要になり、人々の日常生活にますます存在するようになります。このため、生存手段としてこれらの資源をできるだけ多く蓄積しようとする国家権力と企業の間の争奪戦が生じている。これは、これらのリソースを提供する企業の市場パフォーマンスに反映されています (例: 過去 5 年間で時価総額が 3000% 以上増加した Nvidia)。
GPU
GPU は、最新のハイパフォーマンス コンピューティングにおいて最も重要なリソースの 1 つです。 GPU の中核機能は、並列処理を通じてコンピュータ グラフィックスのワークロードを加速する特殊な回路として機能することです。 GPU はもともとゲーム業界と PC 業界にサービスを提供していましたが、将来の世界を形作る多くの新興テクノロジー (コンソールや PC、モバイル デバイス、クラウド コンピューティング、IoT など) にサービスを提供できるように進化しました。ただし、機械学習と人工知能の台頭により、これらのリソースに対する需要が特に高まっています。GPU は計算を並列に実行することで ML と AI の演算を加速し、その結果として得られるテクノロジーの処理能力と機能が向上します。
AIの台頭
AI の核心として、コンピューターと機械が人間の知性と問題解決能力をシミュレートできるようになります。 AI モデルは、ニューラル ネットワークとして、さまざまなデータの塊で構成されています。モデルには、これらのデータ間の関係を特定して学習し、指定された入力に基づいて出力を作成するときにこれらの関係を参照するための処理能力が必要です。
一般に信じられているにもかかわらず、AI の開発と生産は新しいものではありません。1967 年にフランク ローゼンブラットは、試行錯誤を通じて「学習」するニューラル ネットワークに基づく最初のコンピューターである Mark 1 パーセプトロンを構築しました。さらに、今日知られている AI の発展を概説した学術研究の多くは1990 年代後半から 2000 年代初頭に発表されており、それ以来、この業界は成長を続けています。
研究開発の取り組みに加えて、「狭い」AI モデルは、現在使用されているさまざまな強力なアプリケーションですでに機能しています。例には、Apple の Siri や Amazon の Alexa などのソーシャル メディア アルゴリズム、カスタマイズされた製品の推奨などが含まれます。特に、ディープラーニングの台頭は、人工生成知能 (AGI) の開発を変革しました。深層学習アルゴリズムは、よりスケーラブルでパフォーマンスの高い代替手段として、機械学習アプリケーションよりも大規模または「より深い」ニューラル ネットワークを利用します。生成 AI モデルは、「トレーニング データの簡略化された表現をエンコードし、それを参照して、類似しているが同一ではない新しい出力を出力します。」
ディープラーニングを使用すると、開発者は生成 AI モデルを画像、音声、その他の複雑なデータ型に拡張できます。現代で最速のユーザー増加記録を打ち立てた ChatGPT のような画期的なアプリは、生成 AI で可能なことのほんの一部にすぎませんそして初期のディープラーニング。
これを念頭に置くと、生成 AI 開発には、大量の処理能力と計算能力を必要とする複数の計算集約型ワークロードが含まれることは驚くべきことではありません。
ディープ ラーニング アプリケーションの要件の 3 要素に基づいて、AI アプリケーションの開発はいくつかの主要なワークロードによって制約されます。
トレーニング- モデルは、与えられた入力に応答する方法を学習するために、大規模なデータセットを処理および分析する必要があります。
チューニング- モデルは、パフォーマンスと品質を向上させるために、さまざまなハイパーパラメーターが調整および最適化される一連の反復プロセスを経ます。
シミュレーション- 強化学習アルゴリズムなどの一部のモデルは、展開前にテストのために一連のシミュレーションを受けます。
計算不足: 需要が供給を上回っている
過去数十年にわたり、多くの技術の進歩により、コンピューティングおよび処理能力に対する需要が前例のないほど急増しました。その結果、今日では GPU などのコンピューティング リソースに対する需要が利用可能な供給量をはるかに上回っており、効果的な解決策がなければ AI 開発のボトルネックが生じており、そのボトルネックは今後も増大し続けることになります。
供給に対する広範な制約は、競争上の優位性として、また現代の世界経済で生き残るための手段として、実際のニーズを超えて GPU を購入する多数の企業によってさらに支えられています。コンピューティング プロバイダーは、長期的な資本コミットメントを必要とする契約構造を採用しており、顧客の需要を上回る供給を提供します。
Epoch の調査によると、コンピューティング集約型の AI モデルのリリース全体の数が急速に増加しており、これらのテクノロジーを推進するリソース需要が今後も急速に増加することが示唆されています。
AI モデルの複雑さが増大し続けるにつれて、アプリケーション開発者のコンピューティングおよび処理能力のニーズも増大します。その結果、GPU のパフォーマンスとその後の可用性がますます重要な役割を果たすようになるでしょう。これは、GPU を AI 業界の「レアアース メタル」または「金」として宣伝する Nvidia 製のようなハイエンド GPU に対する需要の高まりにより、すでに起こり始めています。
AI の急速な商業化は、今日のソーシャル メディア業界と同様に、少数のテクノロジー巨人に主導権を渡す危険性があり、これらのモデルの倫理的基盤についての懸念が生じています。有名な例の 1 つは、Google Gemini をめぐる最近の論争です。さまざまなプロンプトに対するその奇妙な反応の多くは、当時実際の危険を引き起こすものではありませんでしたが、この事件は、少数の企業が AI 開発を支配し、制御しているという本質的なリスクを示しました。
今日のテクノロジー関連の新興企業は、AI モデルを強化するためのコンピューティング リソースを取得する際に、ますますの課題に直面しています。これらのアプリケーションは、モデルを展開する前に、多くの計算負荷の高いプロセスを実行します。中小企業にとって、多数の GPU を蓄積することはほとんど持続不可能な取り組みであり、AWS や Google Cloud などの従来のクラウド コンピューティング サービスは、シームレスで便利な開発者エクスペリエンスを提供するものの、キャパシティが限られているため、最終的には多くの開発者が負担できない高コストにつながります。 。結局のところ、 誰もがハードウェアのコストをカバーするために 7 兆ドルを調達できるわけではありません。
それで、理由は何ですか？
Nvidia は、世界中で 4 万社以上の企業が AI や高速コンピューティングに GPU を使用しており、開発者コミュニティの数は 400 万人を超えていると推定しています。今後、 世界の AI 市場は、2023 年の 5,150 億米ドルから 2032 年には 2 兆 7,400 億米ドルに成長し、年平均成長率は 20.4% になると予想されています。同時に、 GPU 市場は2032 年までに 4,000 億ドルに達し、年間平均成長率は 25% になると予想されています。
しかし、AI 革命の影響で、コンピューティング リソースの需要と供給の不均衡が拡大すると、資金豊富な少数の巨大企業が革新的なテクノロジーの開発を一元的に支配するという、かなり理想的な未来が生まれる可能性があります。したがって、私たちは、AI 開発者のニーズと利用可能なリソースの間のギャップを埋めるのに役立つ、分散型の代替ソリューションにすべての道がつながっていると信じています。
DePINの役割
DePIN とは何ですか?
DePIN は、Messari 研究チームによって作られた用語で、分散型物理インフラストラクチャ ネットワークの略です。具体的には、分散化とは、家賃を徴収したりアクセスを制限したりする単一の主体が存在しないことを意味します。物理的インフラストラクチャとは、「現実の生活」で利用される物理的リソースを指します。ネットワークとは、あらかじめ決められた目標または一連の目標を達成するために連携して働くアクターのグループを指します。現在、DePIN の時価総額は約 283 億ドルです。
DePINs の中核となるのは、物理インフラストラクチャ リソースをブロックチェーンに接続するノードのグローバル ネットワークであり、リソースの購入者とサプライヤーを結び付ける分散型市場を作成します。そこでは、誰もがサプライヤーになり、サービスの対価として報酬を受け取り、社会への価値ある貢献を得ることができます。通信網。この場合、さまざまな法的手段や規制手段、サービス料金を通じてネットワークへのアクセスを制限する中央仲介者は、対応するトークン所有者によって管理されるスマートコントラクトとコードで構成される分散型プロトコルに置き換えられます。
DePIN の価値は、従来のリソース ネットワークやサービス プロバイダーに代わる、分散型でアクセスしやすく、低コストでスケーラブルな代替手段を提供することです。これにより、分散型市場が特定の最終目標を達成できるようになります。商品やサービスのコストは市場の動向によって決定され、いつでも誰でも参加できるため、サプライヤーの数が増加し、利益率が最小限に抑えられるため、自然に単価が下がります。
ブロックチェーンを使用することで、DePIN は、ネットワーク参加者がサービスに対して適切な報酬を確実に受け取ることができる暗号経済インセンティブ システムを構築し、主要な価値プロバイダーを利害関係者に変えることができます。ただし、小規模な個人ネットワークをより大規模で生産性の高いシステムに変換することによって達成されるネットワーク効果が、DePIN の多くの利点を実現するための鍵であることに注意することが重要です。さらに、トークン報酬はネットワークのオンボーディング メカニズムにとって強力なツールであることが証明されていますが、ユーザーの維持と長期的な導入を支援する持続可能なインセンティブを確立することは、より広範な DePIN 領域内で依然として重要な課題です。
DePIN はどのように機能しますか?
分散型コンピューティング市場を実現する上での DePIN の価値をより深く理解するには、関係するさまざまな構造コンポーネントと、それらがどのように連携して分散型リソース ネットワークを形成するかを認識することが重要です。 DePINの構造とプレーヤーについて考えてみましょう。
プロトコル
基盤となる「ベースレイヤー」ブロックチェーンネットワーク上に構築された一連のスマートコントラクトである分散型プロトコルは、ネットワーク参加者間のトラストレスな対話を促進するために使用されます。理想的には、プロトコルは、ネットワークの長期的な成功に積極的に貢献する多様な利害関係者のグループによって管理されるべきです。これらの利害関係者は、プロトコル トークンのシェアを使用して、DePIN の提案された変更と開発に投票します。分散ネットワークをうまく調整すること自体が大きな課題であることを考えると、通常、コア チームは最初にこれらの変更を実装する権限を保持し、その後権限を分散型自律組織 (DAO) に移管します。
ネットワーク参加者
リソース ネットワークのエンド ユーザーは、その最も貴重な参加者であり、その機能に基づいて分類できます。
プロバイダー: DePIN ネイティブ トークンで支払われる金銭的報酬と引き換えにネットワークにリソースを提供する個人または団体。プロバイダーは、ブロックチェーンネイティブのプロトコルを通じてネットワークに「接続」し、ホワイトリストに登録されたオンチェーンプロセスまたはパーミッションレスプロセスを強制する場合があります。トークンを受け取ることにより、プロバイダーは株式所有権のコンテキストにおける利害関係者と同様に、ネットワークの利害関係を獲得し、需要やネットワーク価値の向上に役立つと思われるネットワーク内のさまざまな提案や開発に投票できるようになります。時間の経過とともにトークン価格が上昇します。もちろん、トークンを受け取るベンダーは、受動的収入の一形態として DePIN を利用し、トークンを受け取った後に販売することもできます。
消費者: これらは、GPU を求める AI スタートアップなど、DePIN によって提供されるリソースを積極的に求めている個人または団体であり、経済方程式の需要側を表します。従来の代替手段に比べて DePIN を使用することに実際の利点がある場合 (コストや諸経費の要件が低いなど)、消費者は DePIN の使用に惹かれるため、ネットワークに対する本質的な需要が表れます。 DePIN では通常、価値を生み出し、安定したキャッシュ フローを維持するために、消費者がネイティブ トークンでリソースの代金を支払う必要があります。
リソース
DePIN はさまざまな市場にサービスを提供し、さまざまなビジネス モデルを採用してリソースを割り当てることができます。 Blockworks は、ベンダーに配布するための専用の独自ハードウェアを提供するカスタムハードウェア DePIN 、コンピューティング、ストレージ、帯域幅を含む (ただしこれらに限定されない) 既存のアイドル リソースの配布を可能にするコモディティ ハードウェア DePIN という優れたフレームワークを提供します。
経済モデル
理想的に機能する DePIN では、消費者がプロバイダーのリソースに対して支払う収益から価値が生まれます。ネットワークに対する需要が継続するということは、ネイティブ トークンに対する需要が継続することを意味し、これはプロバイダーとトークン所有者の経済的インセンティブと一致します。初期段階で持続可能な有機的需要を生み出すことは、ほとんどのスタートアップにとって課題です。そのため、DePINsはインフレトークンインセンティブを提供して、初期のサプライヤーを奨励し、需要を生み出す方法として、したがってより有機的な供給手段としてネットワークの供給を誘導します。これは、ウーバーの初期段階でベンチャーキャピタル企業が乗車料金に補助金を出し、初期の顧客ベースをブートストラップしてドライバーをさらに惹きつけ、ネットワーク効果を強化したのと似ている。
DePIN は、ネットワーク全体の成功において重要な役割を果たすため、トークン インセンティブを可能な限り戦略的に管理する必要があります。需要とネットワーク収益が増加すると、トークンの発行は減少するはずです。代わりに、需要と収益が減少した場合は、供給を促進するためにトークンの発行を再び使用する必要があります。
成功する DePIN ネットワークがどのようなものであるかをさらに説明するために、DePIN を導く正のフィードバック ループである「 DePIN フライホイール」を考えてみましょう。要約すると次のようになります。
DePIN は、プロバイダーがネットワークにリソースを提供し、消費可能な基本供給レベルを確立するよう奨励するために、インフレ的なトークン報酬を配布します。
サプライヤーの数が増加し始めると、ネットワーク内で競争力学が発達し始め、ネットワークが提供する商品とサービスの全体的な品質が向上し、最終的には既存の市場ソリューションよりも優れたサービスを提供できるようになり、それによって競争上の優位性が得られます。これは、分散型システムが従来の集中型サービスプロバイダーを超えることを意味しますが、これは簡単なことではありません。
DePIN に対する本質的な需要が高まり始め、サプライヤーに正当なキャッシュ フローが提供されました。これは投資家やベンダーにとって魅力的な機会となり、ネットワーク需要、ひいてはトークン価格を押し上げ続けます。
トークン価格の上昇によりベンダーの収益が増加し、より多くのベンダーを引き付け、フライホイールが再起動されます。
このフレームワークは魅力的な成長戦略を提供しますが、これは主に理論的なものであり、ネットワークによって提供されるリソースの継続的な競争力の魅力を前提としていることに注意することが重要です。
DePINの計算
分散型コンピューティング市場は、消費者がオンライン プラットフォームを通じて商品やサービスを他の消費者と直接共有することに基づくピアツーピア経済システムである「シェアリング エコノミー」として知られる広範な動きの一部です。このモデルは eBay などの企業によって先駆的に開発されましたが、現在では Airbnb や Uber などの企業が独占しており、次世代の変革テクノロジーが世界市場を席巻するにつれて、ついに破壊されようとしています。シェアリングエコノミーの価値は 2023 年に 1,500 億ドルに達し、 2031 年までに 8,000 億ドル近くに成長すると予想されており、DePIN が恩恵を受け、重要な役割を果たすと考えられる消費者行動の広範な傾向を示しています。
基本的
コンピューティング DePIN は、分散型市場を通じてサプライヤーとバイヤーを接続し、コンピューティング リソースの割り当てを容易にするピアツーピア ネットワークです。これらのネットワークの主な差別化要因は、今日すでに多くの人々の手に渡っている汎用ハードウェア リソースに焦点を当てていることです。すでに説明したように、ディープ ラーニングと生成 AI の出現により、リソースを大量に消費するワークロードにより処理能力の需要が急増し、AI 開発に重要なリソースにアクセスする際にボトルネックが生じています。簡単に言えば、分散型コンピューティング市場は、世界中に広がり誰でも参加できる新しい供給フローを生み出すことで、これらのボトルネックを軽減することを目指しています。
DePIN の計算では、あらゆる個人または団体がいつでもその遊休リソースを貸し出し、適切な報酬を受け取ることができます。同時に、あらゆる個人や団体が、既存の市場製品よりも低コストで優れた柔軟性で、グローバルなパーミッションレス ネットワークから必要なリソースにアクセスできます。したがって、単純な経済フレームワークを通じて DePIN を計算する主体を説明できます。
供給側: コンピューティング リソースを所有し、補助金と引き換えにコンピューティング リソースを貸与または販売する意欲のある個人または団体。
需要側: コンピューティング リソースを必要とし、そのために対価を支払う意思のある個人または団体。
DePIN を計算する主な利点
DePIN のコンピューティングには、集中型のサービス プロバイダーや市場に代わる魅力的な代替手段となる多くの利点があります。まず、許可のない国境を越えた市場への参加を可能にすることで、新たな供給ストリームが解放され、コンピューティング集約型のワークロードに必要な重要なリソースの量が増加します。 Compute DePIN は、ほとんどの人がすでに所有しているハードウェア リソースに焦点を当てています。ゲーム用 PC を持っている人なら誰でも、レンタル可能な GPU をすでに持っています。これにより、次世代の商品やサービスの構築に参加できる開発者やチームが拡大し、世界中のより多くの人々に利益をもたらします。
さらに見てみると、DePIN をサポートするブロックチェーン インフラストラクチャは、ピアツーピア トランザクションを促進するために必要なマイクロペイメントのための効率的かつスケーラブルな決済レールを提供します。暗号ネイティブの金融資産 (トークン) は、需要側の主体がサプライヤーに支払うために使用する共通の価値単位を提供し、今日のグローバル化が進む経済に合わせた流通メカニズムを通じて経済的インセンティブを調整します。以前に構築した DePIN フライホイールを参照すると、経済的インセンティブを戦略的に管理することは、DePIN のネットワーク効果 (供給側と需要側の両方) を高める上で非常に有益であり、結果的にプロバイダー間の競争が激化します。このダイナミクスにより、サービス品質を向上させながらユニットコストが削減され、DePIN に持続可能な競争上の優位性が生まれ、プロバイダーはトークン所有者およびキーバリュープロバイダーとして利益を得ることができます。
DePIN は、提供することを目的とした柔軟なユーザー エクスペリエンスという点でクラウド コンピューティング サービス プロバイダーに似ており、オンデマンドでリソースにアクセスして支払いを行うことができます。 Grandview Researchの予測を参照すると、世界のクラウド コンピューティング市場規模は年平均成長率 21.2% で成長し、2030 年までに 2 兆 4,000 億米ドル以上に達すると予想されており、このようなビジネス モデルの実現可能性が実証されています。コンピューティングリソース需要の将来の成長。最新のクラウド コンピューティング プラットフォームは、中央サーバーを利用してクライアント デバイスとサーバー間のすべての通信を処理し、運用に単一障害点を作成します。ただし、DePIN はブロックチェーン上に構築されているため、従来のサービス プロバイダーよりも優れた検閲耐性と回復力を提供できます。単一の組織またはエンティティ (中央のクラウド サービス プロバイダーなど) を攻撃すると、基盤となるリソース ネットワーク全体が侵害される可能性があり、DePIN は分散型の性質によりそのようなインシデントに耐えるように設計されています。まず、ブロックチェーン自体は、中央集権的なネットワーク権威に対抗するように設計された専用ノードの世界的に分散されたネットワークです。さらに、DePIN を計算すると、法的および規制の壁を回避して、許可のないネットワークへの参加が可能になります。トークン配布の性質に応じて、DePIN はプロトコルに対する提案された変更と開発についての投票に公正な投票プロセスを採用し、単一のエンティティがネットワーク全体を突然シャットダウンする可能性を排除できます。
現在の DePIN のコンピューティングの状況
レンダーネットワーク
レンダー ネットワークは、分散型コンピューティング マーケットプレイスを通じて GPU の買い手と売り手を結び付けるコンピューティング DePIN であり、トランザクションはネイティブ トークンを通じて実行されます。 Render の GPU マーケットプレイスには、処理能力へのアクセスを求めるクリエイターと、ネイティブ レンダー トークンでの報酬と引き換えにアイドル状態の GPU をクリエイターに貸与するノード オペレーターという 2 つの主要な関係者が関与します。ノード オペレーターは評判システムに基づいてランク付けされ、作成者は多段階の価格設定システムから GPU を選択できます。 Proof-of-Render (POR) コンセンサス アルゴリズムは、ノード オペレーターがコンピューティング リソース (GPU) をコミットしてタスク (グラフィックス レンダリング作業) を処理することで操作を調整します。タスクの完了後、POR アルゴリズムは、タスクの品質に基づく評判スコアの変化など、ノード オペレーターのステータスを更新します。レンダーのブロックチェーン インフラストラクチャは、仕事に対する支払いを容易にし、サプライヤーとバイヤーがネットワーク トークンを介して取引するための透明かつ効率的な決済トラックを提供します。
レンダー ネットワークは、もともと 2009 年にJules Urbachによって考案されました。ネットワークは 2020 年 9 月にイーサリアム ( RNDR ) 上でオンラインになり、ネットワーク パフォーマンスを向上させ、運用コストを削減するために、約 3 年後に Solana ( RENDER ) に移行されました。
この記事の執筆時点で、レンダー ネットワークは最大 3,300 万のタスク (レンダリングされたフレームに関して) を処理し、ノードの総数は開始以来 5,600 に増加しました。約 60k の RENDER が破棄されました。これは、ノード オペレーターへの作業クレジットの配布中に発生するプロセスです。
アイオネット
Io Net は、膨大な量のアイドル状態のコンピューティング リソースと、それらのリソースが提供する処理能力を必要とする個人やエンティティの間の調整層として機能する分散型 GPU ネットワークを Solana 上に立ち上げています。 Io Net のユニークなセールス ポイントは、市場の他の DePIN と直接競合するのではなく、独自の DePIN を活用しながら、データ センター、マイナー、レンダー ネットワークやファイルコインなどの他の DePIN を含むさまざまなソースから GPU を集約していることです。 GPU (IoG) を使用して運用を調整し、市場参加者のインセンティブを調整します。 Io Net の顧客は、プロセッサーのタイプ、場所、通信速度、コンプライアンス、サービス時間を選択して、IO Cloud 上のワークロード クラスターをカスタマイズできます。代わりに、サポートされている GPU モデル (12 GB RAM、256 GB SSD) を持っている人は誰でも IO ワーカーとして参加し、アイドル状態のコンピューティング リソースをネットワークに貸し出すことができます。現在、サービスの支払いは法定通貨と USDC で決済されていますが、ネットワークはまもなくネイティブの $IO トークンでの支払いもサポートする予定です。リソースの価格は、その需要と供給、およびさまざまな GPU 仕様と構成アルゴリズムによって決まります。 Io Net の最終目標は、最新のクラウド サービス プロバイダーよりも低コストで高品質のサービスを提供することで、GPU 市場に選ばれる存在になることです。
マルチレイヤー IO アーキテクチャは次のようにマッピングできます。
UI レイヤー- パブリック Web サイト、クライアントエリア、ワーカーエリアで構成されます。
セキュリティ層- この層は、ネットワーク保護のためのファイアウォール、ユーザー認証のための認証サービス、アクティビティを追跡するためのログ サービスで構成されます。
API レイヤー- このレイヤーは通信レイヤーとして機能し、パブリック API (Web サイト用)、プライベート API (ワーカー用)、および内部 API (クラスター管理、分析、および監視レポート用) で構成されます。
バックエンド層- バックエンド層は、ワーカー、クラスター/GPU 操作、顧客とのやり取り、請求と使用状況の監視、分析、自動スケーリングを管理します。
データベース層- この層はシステムのデータ リポジトリであり、プライマリ ストレージ (構造化データ用) とキャッシュ (頻繁にアクセスされる一時データ用) を使用します。
メッセージ ブローカーとタスク層- この層は、非同期通信とタスク管理を容易にします。
インフラストラクチャ レイヤー- このレイヤーには GPU プール、オーケストレーション ツールが含まれ、タスクのデプロイメントを管理します。
現在の統計/ロードマップ
この記事を書いている時点では:
ネットワーク総収益 - 108 万ドル
合計コンピューティング時間 - 837.6k 時間
クラスター対応 GPU の合計 - 20.4K
クラスター対応 CPU の合計 - 5.6k
オンチェーントランザクションの合計 – 167 万
推論の総数 - 335.7k
作成されたクラスターの合計 - 15.1k
(データはIo Net Explorerから取得されます)
エシル
Aethir は、コンピューティング集約型のドメインやアプリケーションにおけるハイパフォーマンス コンピューティング リソースの共有を容易にするクラウド コンピューティング DePIN です。リソース プーリングを利用して、コストを大幅に削減してグローバルな GPU 割り当てを可能にし、分散されたリソース所有権を通じて分散所有権を可能にします。 Aethir は、ゲームや AI モデルのトレーニングと推論などの業界における高パフォーマンスのワークロード向けに設計されています。 Aethir は、GPU クラスターを単一のネットワークに統合することにより、クラスターのサイズを拡大し、ネットワーク上で提供されるサービスの全体的なパフォーマンスと信頼性を向上させるように設計されています。
Aethir Network は、マイナー、開発者、ユーザー、トークン所有者、および Aethir DAO で構成される分散型経済です。ネットワーク運用を確実に成功させる 3 つの重要な役割は、コンテナー、インデクサー、およびインスペクターです。コンテナはネットワークのコア ノードであり、トランザクションの検証やリアルタイムでのデジタル コンテンツのレンダリングなど、ネットワークの稼働性を維持する重要な操作を実行します。チェッカーは品質保証担当者として機能し、コンテナのパフォーマンスとサービスの品質を継続的に監視して、GPU コンシューマーにとって信頼性が高く効率的な操作を保証します。インデクサーは、ユーザーと利用可能な最適なコンテナーの間のマッチャーとして機能します。この構造を支えているのは Arbitrum Layer 2 ブロックチェーンで、Aethir ネットワーク上のネイティブ $ATH トークンで商品やサービスの支払いを行うための分散型決済層を提供します。
レンダリングプルーフ
Aethir ネットワーク内のノードは 2 つの重要な機能を果たします。1 セットのワーカー ノードが 15 分ごとにランダムに選択されてトランザクションを検証する、プルーフ オブ ワークのレンダリングと、ネットワーク パフォーマンスを綿密に監視してユーザーが可能な限り最高のサービスを確実に利用できるようにするプルーフ オブ ワークのレンダリングです。需要と地理に基づいてリソースを調整するによると、サービスが提供されます。マイナーの報酬は、貸与されたコンピューティング リソースの価値に基づいて、Aethir ネットワーク上でノードを実行している参加者に分配され、報酬はネイティブの $ATH トークンで支払われます。
ノサナ
Nosana は、Solana 上に構築された分散型 GPU ネットワークです。 Nosana を使用すると、誰でもアイドル状態のコンピューティング リソースを提供し、それに対して $NOS トークンの形で報酬を受け取ることができます。 DePIN は、従来のクラウド ソリューションのオーバーヘッドなしで複雑な AI ワークロードを実行するために使用できる、コスト効率の高い GPU 割り当てを促進します。アイドル状態の GPU を貸し出すことで、誰でも Nosana ノードを実行でき、ネットワークに提供する GPU パワーに比例したトークン報酬を獲得できます。
ネットワークは、コンピューティング リソースを割り当てる 2 つの当事者、つまりコンピューティング リソースへのアクセスを求めるユーザーとコンピューティング リソースを提供するノード オペレーターを接続します。重要なプロトコルの決定とアップグレードは、NOS トークン所有者によって投票され、Nosana DAO によって管理されます。
Nosana には将来の計画に向けた広範なロードマップがあります。Galaxy (v1.0 - 2024 H1/2H) はメインネットを立ち上げ、CLI と SDK をリリースし、コンシューマ GPU 用のコンテナ ノードによるネットワークのスケーリングに焦点を当てます。 Triangulum (v1.X - 2H24) は、PyTorch、HuggingFace、TensorFlow などの主要な機械学習プロトコルとコネクタを統合します。 Whirlpool (v1.X - 2025 H1) は、AMD、Intel、Apple Silicon のさまざまな GPU のサポートを拡張します。 Sombrero (v1.X - 2025 年後半) では、中規模および大企業、法定通貨支払い、請求およびチーム機能のサポートが追加されます。
アカシュ
Akash Network は、Cosmos SDK 上に構築されたオープンソースのプルーフ オブ ステーク ネットワークであり、誰でも許可なく参加して貢献することができ、分散型クラウド コンピューティング市場を創出します。 $AKT トークンは、ネットワークを保護し、リソースの支払いを促進し、ネットワーク参加者間の経済行動を調整するために使用されます。 Akash ネットワークは、いくつかの主要なコンポーネントで構成されています。
ブロックチェーン層。Tendermint Core と Cosmos SDK を使用してコンセンサスを提供します。
アプリケーション層は、展開とリソースの割り当てを管理します。
プロバイダー層は、リソース、入札、ユーザー アプリケーションのデプロイメントを管理します。
ユーザーが CLI、コンソール、ダッシュボードを使用して Akash ネットワークと対話し、リソースを管理し、アプリケーションのステータスを監視できるようにするユーザー層。
当初はストレージと CPU のリース サービスに重点を置いていましたが、AI トレーニングと推論ワークロードの需要が高まるにつれて、ネットワークはサービスを GPU リースと割り当てを含むように拡張し、AkashML プラットフォームを通じてこれらのニーズに応えました。 AkashML は、顧客 (テナントと呼ばれる) が希望の GPU 価格を提示し、コンピューティング ベンダー (プロバイダーと呼ばれる) が要求された GPU の供給を競う「逆オークション」システムを使用します。
この記事の執筆時点で、 Akash ブロックチェーンは 1,290 万件以上のトランザクションを完了し、コンピューティング リソースへのアクセスに 535,000 ドル以上が使用され、189,000 件以上の独自の展開がリースされました。
佳作
計算 DePIN の分野は依然として進化しており、多くのチームが革新的で効率的なソリューションを市場に投入するために競い合っています。さらなる研究に値する他の例には、AI 開発のためのリソース プールの共同オープン アクセス プラットフォームを構築しているHyperbolicや、計算マイナーを活用した分散コンピューティング パワー ネットワークを構築しているExabitsが含まれます。
重要な考慮事項と今後の見通し
DePIN の計算の基本原理を理解し、現在実施されているいくつかの補足的なケーススタディを確認したところで、これらの分散型ネットワークのメリットとデメリットの両方の影響を考慮することが重要です。
チャレンジ
大規模な分散ネットワークを構築するには、多くの場合、パフォーマンス、セキュリティ、回復力のトレードオフが必要になります。たとえば、汎用ハードウェアの世界的に分散されたネットワーク上で AI モデルをトレーニングすることは、集中型のサービス プロバイダーでトレーニングするよりもコスト効率と時間効率がはるかに低い可能性があります。前に述べたように、AI モデルとそのワークロードはますます複雑になっており、汎用 GPU ではなく、より高性能な GPU が必要になっています。
これが、大企業が高性能 GPU を大量に買い占めている理由であり、誰もがアイドル状態の GPU を貸し出すことができる許可のない市場を作成することで GPU 不足を解決することを目的としたコンピューティング DePIN が直面する固有の課題です (分散型人工知能について詳しくはこちらをご覧ください)プロトコルが直面している課題については、このツイートを参照してください)。このプロトコルは、ネットワークに貢献したい GPU プロバイダーのベースライン要件を確立することと、ネットワークに提供されるコンピューティング リソースをプールしてより高い整合性を実現することにより、この問題を 2 つの主要な方法で解決できます。それでも、このモデルを確立することは、Nvidia などのハードウェア プロバイダーと直接取引するためにより多くの資金を割り当てることができる集中型サービス プロバイダーと比較すると、本質的に困難です。これは、DePIN が前進する際に考慮すべきことです。分散型プロトコルに十分な資金がある場合、DAO は資金の一部を高性能 GPU の購入に割り当てる投票を行うことができ、分散型で管理でき、汎用 GPU よりも高い価格で貸し出すことができます。
DePIN のコンピューティングに特有のもう 1 つの課題は、適切なリソース使用率を管理することです。多くのスタートアップが今日直面しているように、ほとんどの計算 DePIN は初期段階で構造的需要の不足に直面するでしょう。一般に、DePIN の課題は、実現可能な最小限の製品品質を達成するために十分な供給を早期に確立することです。供給がなければ、ネットワークは持続可能な需要を生み出し、需要のピーク時に顧客にサービスを提供することができません。一方で、供給過剰も問題となっています。特定のしきい値を超えると、ネットワーク使用率が最大容量に近づくか最大容量に達する場合にのみ、追加のプロビジョニングが役に立ちます。そうしないと、プロトコルがサプライヤーの参加を維持するためにトークンの発行を増やさない限り、DePIN は供給に多額の費用を支払い、その結果リソースが十分に活用されず、サプライヤーの収益が減少するリスクを負います。
広範囲の地理的範囲がなければ、電気通信ネットワークは役に立ちません。乗客が乗車するまでに長時間待たなければならない場合、タクシー ネットワークは役に立ちません。 DePIN は、時間の経過とともにリソースを提供するために人々にお金を支払わなければならない場合には役に立ちません。集中型サービスプロバイダーはリソース需要を予測し、リソース供給を効果的に管理できますが、コンピューティング DePIN にはリソース使用率を管理する中央権限がありません。したがって、DePIN にとって、リソースの使用状況を可能な限り戦略的に決定することが特に重要です。
さらに大きな問題は、分散型 GPU 市場が GPU 不足に直面しなくなる可能性があることです。マーク・ザッカーバーグ氏は最近、企業が現在のようにコンピューティング・リソースをため込むのではなく、大規模なデータ・センターの建設に躍起になるため、コンピューティング・リソースではなくエネルギーが新たなボトルネックになると確信しているとインタビューで述べた。もちろん、これは GPU コストの削減の可能性を意味しますが、独自のデータセンターを構築することで AI モデルのパフォーマンスの全体的な基準が引き上げられた場合、AI スタートアップ企業が提供される商品やサービスのパフォーマンスと品質の点でどのように競争するかという問題も生じます。企業は競争します。
DePIN を計算する場合
繰り返しになりますが、AI モデルの複雑さとその後の処理およびコンピューティングのニーズと、高性能 GPU やその他のコンピューティング リソースの可用性との間のギャップは拡大しています。
コンピューティング DePIN は、いくつかの重要な機能に基づいて、現在大手ハードウェア メーカーとクラウド コンピューティング サービス プロバイダーによって支配されているコンピューティング市場セグメントにおいて革新的な破壊者となる準備ができています。
1) より低い価格の商品とサービスを提供します。
2) より強力な検閲耐性とネットワーク復元力を提供します。
3) AI モデルを微調整やトレーニングのために可能な限りオープンにし、誰でも簡単にアクセスできるようにする必要がある可能性がある規制ガイドラインの恩恵を受ける。
コンピュータとインターネット アクセスを備えている米国の世帯の割合は急激に増加し、100% に近づいています。この割合は、世界中の多くの地域でも大幅に増加しています。これは、十分な金銭的インセンティブとシームレスなトランザクション プロセスがあれば、空きリソースを喜んで貸し出す潜在的なコンピューティング リソース プロバイダー (GPU 所有者) の数が増加していることを示しています。もちろん、これは非常に大まかな見積もりですが、コンピューティング リソースの持続可能なシェアリング エコノミーの基盤がすでに存在している可能性があることを示唆しています。
AI に加えて、コンピューティングに対する将来の需要は、量子コンピューティングなど他の多くの業界からもたらされるでしょう。量子コンピューティングの市場規模は、2023 年の 9 億 2,880 万米ドルから 2030 年には 6 億 2,880 万米ドルまで、年平均成長率 32.1% で成長すると予想されています。業界での生産にはさまざまな種類のリソースが必要ですが、量子コンピューティング DePIN が発売されるかどうか、またそれがどのようなものになるかを見るのは興味深いでしょう。
「消費者向けハードウェア上で実行されるオープン モデルの強力なエコシステムは、価値が AI によって高度に集中化され、人間の思考のほとんどが少数の人々によって制御される中央サーバーによって読み取られ、仲介されるという未来に対する重要な予防策です。これらのモデルは、セキュリティ モデルよりもリスクが高くなります。巨大企業や軍にとってリスクははるかに低いです」 -ヴィタリック・ブテリン。
大企業は DePIN の対象者ではない可能性があり、将来もそうなることはありません。 DePIN を計算すると、最小限の資本とリソースで個々の開発者、細分化された建設業者、新興企業が戻ってきます。これらにより、豊富なコンピューティング能力によって、空き電源を革新的なアイデアやソリューションに変えることができます。人工知能は間違いなく何十億もの人々の生活を変えるでしょう。 AI がすべての人の仕事に取って代わることを恐れるのではなく、AI が個人や自営業の起業家、新興企業、そして一般大衆に力を与えることができるという考えを奨励する必要があります。
