تحليل Aethir: لاعب قوي في مجال الحوسبة السحابية اللامركزية مع ثلاث مسارات مدمجة
إن تغيير مسار تطور المجتمع البشري غالباً ما يكون نتيجة لتحقيق عدد من الاختراعات العلمية العظيمة والتقدم. كل إنجاز تكنولوجي ينشئ مباشرة عصرًا جديدًا أكثر كفاءة وازدهارًا.
الثورة الصناعية، والثورة الكهربائية، وثورة المعلومات هي تقدم تكنولوجي عظيم في تاريخ البشرية، حيث غيرت تمامًا مظهر المجتمع البشري، وجلبت تحولًا غير مسبوق في الإنتاجية وأنماط الحياة. الآن، لم يعد بإمكاننا العودة إلى عصر الإضاءة بمصابيح الكيروسين، ووسائل النقل بالخيول لنقل الرسائل. مع ولادة GPT، دخلت البشرية عصرًا جديدًا عظيمًا.
تقوم نماذج اللغة الكبيرة بتحرير الذكاء البشري خطوة بخطوة، مما يسمح للناس بتوجيه طاقتهم وذكائهم المحدود نحو أفكار وممارسات أكثر إبداعًا، وبهذا دخل الناس عالمًا أكثر كفاءة.
نحن نعتبر GPT إنجازًا تكنولوجيًا آخر يغير العالم، ليس فقط بسبب التقدم الهائل لـ GPT في فهم اللغة الطبيعية وتوليدها، ولكن أيضًا لأن البشرية في تطور GPT فهمت قوانين نمو قدرات نماذج اللغة الكبيرة ------ أي من خلال توسيع معلمات النموذج وبيانات التدريب باستمرار، يمكن تحسين قدرة نموذج LLM بشكل أسي، وفي ظل توفر قوة حسابية كافية، لا يبدو أن هذه العملية ستواجه أي قيود في الوقت الحالي.
لا تقتصر استخدامات نماذج اللغة الكبيرة على فهم اللغة البشرية والحوار، بل على العكس، هذا مجرد بداية. بمجرد أن تمتلك الآلات القدرة على فهم اللغة، فإن هذا يشبه فتح صندوق باندورا، مما يحرر مساحة تخيل لا نهائية. يمكن للناس الاستفادة من هذه القدرة للذكاء الاصطناعي لتطوير مجموعة متنوعة من الوظائف المدمرة.
في الوقت الحالي، في مجالات التكنولوجيا المختلفة والمتقاطعة، بدأ نموذج LLM في إظهار إمكانياته. من إنتاج الفيديو، وخلق الفن في المجالات الإنسانية، إلى تطوير الأدوية، والتكنولوجيا الحيوية في مجالات التكنولوجيا الصعبة، سيشهد العالم تغييرات جذرية.
في هذا العصر، تعتبر قوة الحوسبة موردًا نادرًا، حيث تمتلك شركات التكنولوجيا الكبرى موارد وفيرة، بينما يواجه المطورون الناشئون عوائق دخول بسبب نقص موارد الحوسبة. في عصر الذكاء الاصطناعي الجديد، تعتبر قوة الحوسبة قوة، فالأشخاص الذين يمتلكون قوة الحوسبة لديهم القدرة على تغيير العالم. تعتبر وحدات معالجة الرسومات (GPU) حجر الزاوية في مجالات التعلم العميق والحوسبة العلمية، حيث تلعب دورًا حيويًا في ذلك.
في مجال الذكاء الاصطناعي (AI) الذي يتطور بسرعة، يجب أن ندرك الجوانب المزدوجة للتطور: تدريب النموذج والاستنتاج. يتعلق الاستنتاج بوظائف ومخرجات نموذج الذكاء الاصطناعي، بينما يتضمن التدريب العملية المعقدة المطلوبة لبناء نماذج ذكية، والتي تشمل خوارزميات التعلم الآلي، ومجموعات البيانات، والقدرة الحاسوبية.
خذ GPT-4 كمثال، إذا كنت ترغب في الحصول على استنتاجات عالية الجودة، يحتاج المطورون إلى الحصول على مجموعة بيانات أساسية شاملة وقدرات حسابية هائلة، لتدريب نموذج فعال للذكاء الاصطناعي. وتتركز هذه الموارد بشكل رئيسي في أيدي عمالقة الصناعة، بما في ذلك إنفيديا، جوجل، مايكروسوفت و AWS.
التكاليف العالية للحوسبة وحواجز الدخول تمنع المزيد من المطورين من الدخول، مما يجعل اللاعبين الرئيسيين أكثر قوة. إنهم يمتلكون مجموعات بيانات كبيرة وقدرات حوسبة هائلة، ولديهم القدرة على توسيع نطاقهم وتقليل تكاليفهم، مما يؤدي إلى تعزيز الحواجز في الصناعة.
لكن لا بد لنا من التفكير، هل هناك طرق لتقليل تكاليف الحوسبة وحواجز الدخول إلى الصناعة من خلال اعتماد تقنيات blockchain؟ الجواب هو بالتأكيد. اللامركزية في الحوسبة السحابية الموزعة تقدم لنا مثل هذه الحلول في هذا السياق الزمني.
على الرغم من أن قوة الحوسبة مكلفة ونادرة في الوقت الحالي، إلا أن وحدات معالجة الرسوميات (GPU) لم تُستخدم بشكل كامل. ويرجع ذلك بشكل رئيسي إلى عدم وجود طريقة جاهزة لدمج هذه القوة الحوسبية الموزعة وجعلها تعمل بطريقة تجارية. فيما يلي أرقام استخدام GPU النموذجية لأحمال العمل المختلفة:
معظم الأجهزة الاستهلاكية المزودة بوحدات معالجة الرسوميات تنتمي إلى الفئات الثلاث الأولى، أي في حالة الخمول (لقد بدأت للتو في الدخول إلى نظام تشغيل Windows):
معدل استخدام GPU هو: 0-2%;
المهام الإنتاجية العامة (الكتابة، التصفح البسيط): 0-15%;
تشغيل الفيديو: 15 - 35٪.
توضح البيانات المذكورة أعلاه: أن استخدام موارد الحوسبة منخفض للغاية، وفي عالم Web2، لا توجد تدابير فعالة لجمع هذه الموارد ودمجها. ولكن ربما تكون العملات المشفرة والاقتصاد القائم على blockchain هي العلاج المناسب لهذه التحديات. حيث أن الاقتصاد القائم على العملات المشفرة يبني سوقًا عالميًا عالي الكفاءة للغاية، وبفضل نظام الرموز الفريد، وخصائص اللامركزية، فإن تسعير الموارد، وتداولها، وتوافق العرض والطلب في السوق يتم بشكل فعال للغاية.
تؤثر تطورات الذكاء الاصطناعي على مستقبل البشرية، بينما تحدد تقدم القدرة الحسابية تطور الذكاء الاصطناعي. منذ اختراع أول حاسوب في الأربعينيات من القرن الماضي، شهدت أنماط الحوسبة عدة تحولات. من الحواسيب الضخمة إلى حواسيب المحمول الخفيفة، ومن شراء الخوادم المركزية إلى استئجار القدرة الحسابية، فإن عتبة الحصول على القدرة الحسابية تتناقص تدريجياً. قبل ظهور الحوسبة السحابية، كان على الشركات شراء الخوادم بنفسها، والتحديث المستمر مع تطور التكنولوجيا، لكن ظهور الحوسبة السحابية غير هذا النمط تماماً.
المفهوم الأساسي للحوسبة السحابية هو استئجار الخوادم من قبل الطرف الذي يحتاجها، والوصول إليها عن بُعد، والدفع بناءً على كمية الاستخدام. الآن، يتم إحداث ثورة في الشركات التقليدية من خلال الحوسبة السحابية. في مجال الحوسبة السحابية، تعتبر تقنية الافتراضية هي الجوهر في هذا المجال. يمكن للخوادم الافتراضية تقسيم خادم قوي إلى خوادم صغيرة جدًا وتأجيرها، ويمكنها أيضًا تحريك الموارد المختلفة بشكل ديناميكي.
هذا النموذج غير بشكل جذري مشهد الأعمال في صناعة الحوسبة، حيث كان يتعين على الناس في السابق شراء مرافق الحوسبة بأنفسهم لتلبية احتياجاتهم من القوة الحاسوبية؛ لكن الآن يكفي دفع الإيجار على الموقع للاستفادة من خدمات قوة الحوسبة عالية الجودة. الاتجاه المستقبلي لتطوير الحوسبة السحابية هو الحوسبة الطرفية. نظرًا لأن الأنظمة المركزية التقليدية بعيدة جدًا عن المستخدمين، فإن ذلك قد يؤدي إلى تأخير معين. على الرغم من أن التأخير يمكن تحسينه، إلا أنه بسبب قيود سرعة الضوء، لا يمكن التغلب على التأخير في النهاية.
ومع ذلك، فإن الصناعات الناشئة مثل الميتافيرس، القيادة الذاتية، والرعاية الصحية عن بُعد تتطلب تأخيرات منخفضة للغاية، لذلك يجب نقل خوادم الحوسبة السحابية إلى أماكن أقرب إلى المستخدمين، مما يؤدي إلى إنشاء المزيد والمزيد من مراكز البيانات الصغيرة حول المستخدمين، وهذا هو الحوسبة الطرفية.
بالنسبة لمقدمي خدمات الحوسبة السحابية المركزية، فإن مزايا الحوسبة السحابية اللامركزية تكمن أساسًا في:
الوصول والمرونة: عادةً ما يتطلب الحصول على إمكانية الوصول إلى رقائق القدرة الحاسوبية من موفري خدمات السحاب مثل AWS أو GCP أو Azure عدة أسابيع، وغالبًا ما تكون نماذج GPU عالية الأداء مثل A100 و H100 في حالة نفاد المخزون. بالإضافة إلى ذلك، يتعين على المستهلكين عادةً توقيع عقود طويلة الأجل وغير مرنة مع هذه الشركات الكبرى للحصول على القدرة الحاسوبية، مما يؤدي إلى فقدان الوقت ويجعل عمليات الشركات غير مرنة، مما يفقدها بعض المرونة. بالمقابل، يمكن الوصول إلى منصات القدرة الحاسوبية الموزعة في أي وقت، وتقدم خيارات أجهزة مرنة، مما يوفر إمكانية وصول أقوى.
أسعار أقل: نظرًا لاستخدام رقائق غير مستخدمة، بالإضافة إلى الدعم الرمزي من طرف بروتوكول الشبكة لموردي الرقائق وقدرة الحوسبة، قد تتمكن الشبكة الموزعة لحوسبة القدرة من تقديم قدرة حوسبة أقل تكلفة.
**مقاومة الرقابة: ** بعض أنظمة Web3 لا تحدد نفسها كنظام غير مرخص. تم معالجة مسائل الامتثال مثل GDPR و HIPAA خلال مراحل إطلاق GPU، تحميل البيانات، مشاركة البيانات ومشاركة النتائج.
مع استمرار تطور الذكاء الاصطناعي وعدم التوازن المستمر في العرض والطلب على وحدات معالجة الرسوميات، سيؤدي ذلك إلى دفع المزيد من المطورين نحو منصات الحوسبة السحابية اللامركزية. في الوقت نفسه، خلال فترة السوق الصاعدة، بسبب ارتفاع أسعار الرموز المشفرة، ستحقق مزودي وحدات معالجة الرسوميات المزيد من الأرباح، مما سيحفز المزيد من مقدمي وحدات معالجة الرسوميات لدخول هذا السوق، مما يشكل تأثيرًا إيجابيًا.
التحديات التقنية
1. مشكلة التوازي
تجمع منصات الحوسبة الموزعة عادةً إمدادات شرائح طويلة الذيل، مما يعني أن مزود شريحة واحد تقريبًا لا يمكنه إكمال تدريب أو مهام استدلال نماذج الذكاء الاصطناعي المعقدة بشكل مستقل في فترة زمنية قصيرة. إذا كانت منصات الحوسبة السحابية ترغب في أن تكون تنافسية، يجب عليها تفكيك وتوزيع المهام من خلال أساليب التوازي، لتقليل الوقت الإجمالي اللازم لإكمال المهام وزيادة قدرة الحوسبة للمنصة.
ومع ذلك، ستواجه عملية التوازي سلسلة من المشكلات، بما في ذلك كيفية تقسيم المهام (خاصةً للمهام المعقدة في التعلم العميق)، واعتماد البيانات، بالإضافة إلى التكاليف الإضافية للتواصل بين الأجهزة.
2. مخاطر استبدال التكنولوجيا الجديدة
مع دخول كميات كبيرة من رأس المال في أبحاث ASIC (الدوائر المتكاملة المخصصة) والابتكارات الجديدة مثل وحدات معالجة التنسور (TPU)، قد يحدث تأثير على مجموعات GPU في منصات الحوسبة اللامركزية.
إذا كانت هذه ASIC يمكن أن تقدم أداءً جيدًا، وكانت هناك مزايدة في التكلفة، فقد يعود سوق GPU الذي تهيمن عليه حاليًا منظمات AI الكبيرة إلى السوق. سيؤدي هذا إلى زيادة إمدادات GPU، مما سيؤثر على نظام بيئي للمنصات السحابية اللامركزية.
3. مخاطر التنظيم
نظرًا لأن نظام الحوسبة السحابية اللامركزية يعمل في عدة ولايات قضائية وقد يكون خاضعًا لقوانين وأنظمة مختلفة، فقد تكون هناك تحديات قانونية وتنظيمية فريدة. قد تكون متطلبات الامتثال، مثل قوانين حماية البيانات والخصوصية، معقدة وصعبة أيضًا.
في المرحلة الحالية، فإن مستخدمي منصات الحوسبة السحابية هم في الغالب مطورون محترفون ومؤسسات، يفضلون استخدام منصة واحدة على المدى الطويل، ولا يغيرونها بشكل عشوائي. سواء كانت منصة اللامركزية أو منصة مركزية، فإن السعر هو مجرد عامل من عوامل عديدة، حيث أن هؤلاء المستخدمين يركزون أكثر على استقرار الخدمة. لذلك، إذا كانت المنصة اللامركزية تتمتع بقدرة تكامل قوية وقدرة حسابية مستقرة وكافية، فسوف تكون أكثر قدرة على جذب هؤلاء العملاء، مما يؤدي إلى إقامة علاقات تعاون طويلة الأمد وتدفق نقدي مستقر.
سأقدم أدناه مشروع Aethir الجديد للقوة الحاسوبية الموزعة الذي يركز على عرض الألعاب و الذكاء الاصطناعي في هذه الدورة ، وسأقوم بحساب التقييم المحتمل بعد الإدراج بناءً على المشاريع الأخرى في السوق في نفس المجال.
مقدمة Aethir
Aethir Cloud هو منصة_rendering_اللامركزية في الوقت الحقيقي، تساعد شركات الألعاب والذكاء الاصطناعي على توصيل منتجاتها مباشرةً إلى المستهلكين، من خلال تجميع وإعادة توزيع الذكاء الاصطناعي بشكل ذكي من وحدات معالجة الرسوميات الجديدة وغير المستخدمة من الشركات ومراكز البيانات وأعمال تعدين العملات المشفرة والمستهلكين.
تتمثل إحدى الابتكارات الرئيسية في هذا المشروع في تجمع الموارد، حيث يتم جمع المساهمين في قوة الحوسبة الموزعة تحت واجهة موحدة لتقديم الخدمات للعملاء في جميع أنحاء العالم. ومن الخصائص الرئيسية لتجمع الموارد أن مزودي GPU يمكنهم الاتصال أو قطع الاتصال بالشبكة بحرية، مما يتيح للشركات أو مراكز البيانات التي تمتلك أجهزة غير مستخدمة المشاركة في الشبكة أثناء التوقف، مما يزيد من مرونة الموردين واستخدام الأجهزة.
تتمثل تشغيل نظام Aethir البيئي في ثلاثة بنية تحتية أساسية.
الحاوية (Container): الوظيفة الرئيسية للحاوية هي توفير خدمات العرض عن بُعد في الوقت الفعلي، مما يوفر تجربة "عدم التأخير". الحاوية هي المكان الفعلي للحوسبة السحابية، حيث تقوم بدور نقطة النهاية الافتراضية، وتنفيذ وعرض التطبيقات. وهذا ينقل عبء العمل من الأجهزة المحلية إلى الحاوية.
مدقق (Checker): يقوم عقد المدقق بالتحقق من الحاوية وعمليات الخدمة الخاصة بها لضمان سلامة شبكة Aethir وجودة الخدمة. بعد أن يكمل عقد المدقق المهمة، يقوم بتوقيع النتائج باستخدام مفتاحه الخاص، ويمرر النتائج إلى الحكم. سيتلقى الحكم 2N+1 نتيجة لكل حاوية، وسيحصل كل عقد يقدم نفس النتائج مع معظم العقد على مكافأة رمزية.
محرك الفهرسة (Indexer): كجزء أساسي من شبكة Aethir، يقوم محرك الفهرسة بمطابقة المستهلكين مع الحاويات المناسبة، مما يضمن بدء تشغيل التطبيقات والخدمات السحابية بسرعة. الهدف هو توفير خدمة "بمستوى الثواني" - يجب أن يحدث الانتقال من طلب المستهلك إلى التسليم الفعلي (مثل، طلب اللاعب إلى شاشة اللعبة) في أقصر وقت ممكن. يتطلب ذلك إشارات واضحة وجدولة فعالة. للحفاظ على اللامركزية وتعزيز تجربة المستخدم، يتم اختيار محرك الفهرسة بشكل عشوائي، بهدف تقليل مخاطر الاحتيال المحتملة وتأخير الإشارة.
تمتلك Aethir فريقاً قوياً وموارد قوية، مما يتجلى في إنجازات Aethir الحالية:
Aethir توصلت إلى اتفاق تعاون مع شبكة معينة، وسيتم دمج النظامين البيئيين من أجل
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 20
أعجبني
20
5
إعادة النشر
مشاركة
تعليق
0/400
BearMarketSunriser
· 07-25 04:44
عالم العملات الرقمية مراقب السوق
شاهد النسخة الأصليةرد0
StablecoinAnxiety
· 07-22 15:45
gpt ثور هو ثور هل يمكنه حقًا العمل؟
شاهد النسخة الأصليةرد0
PrivateKeyParanoia
· 07-22 10:00
لا أقول المزيد، يجب أن أذهب لأرى ما إذا كان المفتاح الخاص لا يزال موجودًا
Aethir: قوة تحفيز السوق بثلاث مسارات في اللامركزية السحابية الجديدة
تحليل Aethir: لاعب قوي في مجال الحوسبة السحابية اللامركزية مع ثلاث مسارات مدمجة
إن تغيير مسار تطور المجتمع البشري غالباً ما يكون نتيجة لتحقيق عدد من الاختراعات العلمية العظيمة والتقدم. كل إنجاز تكنولوجي ينشئ مباشرة عصرًا جديدًا أكثر كفاءة وازدهارًا.
الثورة الصناعية، والثورة الكهربائية، وثورة المعلومات هي تقدم تكنولوجي عظيم في تاريخ البشرية، حيث غيرت تمامًا مظهر المجتمع البشري، وجلبت تحولًا غير مسبوق في الإنتاجية وأنماط الحياة. الآن، لم يعد بإمكاننا العودة إلى عصر الإضاءة بمصابيح الكيروسين، ووسائل النقل بالخيول لنقل الرسائل. مع ولادة GPT، دخلت البشرية عصرًا جديدًا عظيمًا.
تقوم نماذج اللغة الكبيرة بتحرير الذكاء البشري خطوة بخطوة، مما يسمح للناس بتوجيه طاقتهم وذكائهم المحدود نحو أفكار وممارسات أكثر إبداعًا، وبهذا دخل الناس عالمًا أكثر كفاءة.
نحن نعتبر GPT إنجازًا تكنولوجيًا آخر يغير العالم، ليس فقط بسبب التقدم الهائل لـ GPT في فهم اللغة الطبيعية وتوليدها، ولكن أيضًا لأن البشرية في تطور GPT فهمت قوانين نمو قدرات نماذج اللغة الكبيرة ------ أي من خلال توسيع معلمات النموذج وبيانات التدريب باستمرار، يمكن تحسين قدرة نموذج LLM بشكل أسي، وفي ظل توفر قوة حسابية كافية، لا يبدو أن هذه العملية ستواجه أي قيود في الوقت الحالي.
لا تقتصر استخدامات نماذج اللغة الكبيرة على فهم اللغة البشرية والحوار، بل على العكس، هذا مجرد بداية. بمجرد أن تمتلك الآلات القدرة على فهم اللغة، فإن هذا يشبه فتح صندوق باندورا، مما يحرر مساحة تخيل لا نهائية. يمكن للناس الاستفادة من هذه القدرة للذكاء الاصطناعي لتطوير مجموعة متنوعة من الوظائف المدمرة.
في الوقت الحالي، في مجالات التكنولوجيا المختلفة والمتقاطعة، بدأ نموذج LLM في إظهار إمكانياته. من إنتاج الفيديو، وخلق الفن في المجالات الإنسانية، إلى تطوير الأدوية، والتكنولوجيا الحيوية في مجالات التكنولوجيا الصعبة، سيشهد العالم تغييرات جذرية.
في هذا العصر، تعتبر قوة الحوسبة موردًا نادرًا، حيث تمتلك شركات التكنولوجيا الكبرى موارد وفيرة، بينما يواجه المطورون الناشئون عوائق دخول بسبب نقص موارد الحوسبة. في عصر الذكاء الاصطناعي الجديد، تعتبر قوة الحوسبة قوة، فالأشخاص الذين يمتلكون قوة الحوسبة لديهم القدرة على تغيير العالم. تعتبر وحدات معالجة الرسومات (GPU) حجر الزاوية في مجالات التعلم العميق والحوسبة العلمية، حيث تلعب دورًا حيويًا في ذلك.
في مجال الذكاء الاصطناعي (AI) الذي يتطور بسرعة، يجب أن ندرك الجوانب المزدوجة للتطور: تدريب النموذج والاستنتاج. يتعلق الاستنتاج بوظائف ومخرجات نموذج الذكاء الاصطناعي، بينما يتضمن التدريب العملية المعقدة المطلوبة لبناء نماذج ذكية، والتي تشمل خوارزميات التعلم الآلي، ومجموعات البيانات، والقدرة الحاسوبية.
خذ GPT-4 كمثال، إذا كنت ترغب في الحصول على استنتاجات عالية الجودة، يحتاج المطورون إلى الحصول على مجموعة بيانات أساسية شاملة وقدرات حسابية هائلة، لتدريب نموذج فعال للذكاء الاصطناعي. وتتركز هذه الموارد بشكل رئيسي في أيدي عمالقة الصناعة، بما في ذلك إنفيديا، جوجل، مايكروسوفت و AWS.
التكاليف العالية للحوسبة وحواجز الدخول تمنع المزيد من المطورين من الدخول، مما يجعل اللاعبين الرئيسيين أكثر قوة. إنهم يمتلكون مجموعات بيانات كبيرة وقدرات حوسبة هائلة، ولديهم القدرة على توسيع نطاقهم وتقليل تكاليفهم، مما يؤدي إلى تعزيز الحواجز في الصناعة.
لكن لا بد لنا من التفكير، هل هناك طرق لتقليل تكاليف الحوسبة وحواجز الدخول إلى الصناعة من خلال اعتماد تقنيات blockchain؟ الجواب هو بالتأكيد. اللامركزية في الحوسبة السحابية الموزعة تقدم لنا مثل هذه الحلول في هذا السياق الزمني.
على الرغم من أن قوة الحوسبة مكلفة ونادرة في الوقت الحالي، إلا أن وحدات معالجة الرسوميات (GPU) لم تُستخدم بشكل كامل. ويرجع ذلك بشكل رئيسي إلى عدم وجود طريقة جاهزة لدمج هذه القوة الحوسبية الموزعة وجعلها تعمل بطريقة تجارية. فيما يلي أرقام استخدام GPU النموذجية لأحمال العمل المختلفة:
معظم الأجهزة الاستهلاكية المزودة بوحدات معالجة الرسوميات تنتمي إلى الفئات الثلاث الأولى، أي في حالة الخمول (لقد بدأت للتو في الدخول إلى نظام تشغيل Windows):
توضح البيانات المذكورة أعلاه: أن استخدام موارد الحوسبة منخفض للغاية، وفي عالم Web2، لا توجد تدابير فعالة لجمع هذه الموارد ودمجها. ولكن ربما تكون العملات المشفرة والاقتصاد القائم على blockchain هي العلاج المناسب لهذه التحديات. حيث أن الاقتصاد القائم على العملات المشفرة يبني سوقًا عالميًا عالي الكفاءة للغاية، وبفضل نظام الرموز الفريد، وخصائص اللامركزية، فإن تسعير الموارد، وتداولها، وتوافق العرض والطلب في السوق يتم بشكل فعال للغاية.
تؤثر تطورات الذكاء الاصطناعي على مستقبل البشرية، بينما تحدد تقدم القدرة الحسابية تطور الذكاء الاصطناعي. منذ اختراع أول حاسوب في الأربعينيات من القرن الماضي، شهدت أنماط الحوسبة عدة تحولات. من الحواسيب الضخمة إلى حواسيب المحمول الخفيفة، ومن شراء الخوادم المركزية إلى استئجار القدرة الحسابية، فإن عتبة الحصول على القدرة الحسابية تتناقص تدريجياً. قبل ظهور الحوسبة السحابية، كان على الشركات شراء الخوادم بنفسها، والتحديث المستمر مع تطور التكنولوجيا، لكن ظهور الحوسبة السحابية غير هذا النمط تماماً.
المفهوم الأساسي للحوسبة السحابية هو استئجار الخوادم من قبل الطرف الذي يحتاجها، والوصول إليها عن بُعد، والدفع بناءً على كمية الاستخدام. الآن، يتم إحداث ثورة في الشركات التقليدية من خلال الحوسبة السحابية. في مجال الحوسبة السحابية، تعتبر تقنية الافتراضية هي الجوهر في هذا المجال. يمكن للخوادم الافتراضية تقسيم خادم قوي إلى خوادم صغيرة جدًا وتأجيرها، ويمكنها أيضًا تحريك الموارد المختلفة بشكل ديناميكي.
هذا النموذج غير بشكل جذري مشهد الأعمال في صناعة الحوسبة، حيث كان يتعين على الناس في السابق شراء مرافق الحوسبة بأنفسهم لتلبية احتياجاتهم من القوة الحاسوبية؛ لكن الآن يكفي دفع الإيجار على الموقع للاستفادة من خدمات قوة الحوسبة عالية الجودة. الاتجاه المستقبلي لتطوير الحوسبة السحابية هو الحوسبة الطرفية. نظرًا لأن الأنظمة المركزية التقليدية بعيدة جدًا عن المستخدمين، فإن ذلك قد يؤدي إلى تأخير معين. على الرغم من أن التأخير يمكن تحسينه، إلا أنه بسبب قيود سرعة الضوء، لا يمكن التغلب على التأخير في النهاية.
ومع ذلك، فإن الصناعات الناشئة مثل الميتافيرس، القيادة الذاتية، والرعاية الصحية عن بُعد تتطلب تأخيرات منخفضة للغاية، لذلك يجب نقل خوادم الحوسبة السحابية إلى أماكن أقرب إلى المستخدمين، مما يؤدي إلى إنشاء المزيد والمزيد من مراكز البيانات الصغيرة حول المستخدمين، وهذا هو الحوسبة الطرفية.
بالنسبة لمقدمي خدمات الحوسبة السحابية المركزية، فإن مزايا الحوسبة السحابية اللامركزية تكمن أساسًا في:
مع استمرار تطور الذكاء الاصطناعي وعدم التوازن المستمر في العرض والطلب على وحدات معالجة الرسوميات، سيؤدي ذلك إلى دفع المزيد من المطورين نحو منصات الحوسبة السحابية اللامركزية. في الوقت نفسه، خلال فترة السوق الصاعدة، بسبب ارتفاع أسعار الرموز المشفرة، ستحقق مزودي وحدات معالجة الرسوميات المزيد من الأرباح، مما سيحفز المزيد من مقدمي وحدات معالجة الرسوميات لدخول هذا السوق، مما يشكل تأثيرًا إيجابيًا.
التحديات التقنية
1. مشكلة التوازي
تجمع منصات الحوسبة الموزعة عادةً إمدادات شرائح طويلة الذيل، مما يعني أن مزود شريحة واحد تقريبًا لا يمكنه إكمال تدريب أو مهام استدلال نماذج الذكاء الاصطناعي المعقدة بشكل مستقل في فترة زمنية قصيرة. إذا كانت منصات الحوسبة السحابية ترغب في أن تكون تنافسية، يجب عليها تفكيك وتوزيع المهام من خلال أساليب التوازي، لتقليل الوقت الإجمالي اللازم لإكمال المهام وزيادة قدرة الحوسبة للمنصة.
ومع ذلك، ستواجه عملية التوازي سلسلة من المشكلات، بما في ذلك كيفية تقسيم المهام (خاصةً للمهام المعقدة في التعلم العميق)، واعتماد البيانات، بالإضافة إلى التكاليف الإضافية للتواصل بين الأجهزة.
2. مخاطر استبدال التكنولوجيا الجديدة
مع دخول كميات كبيرة من رأس المال في أبحاث ASIC (الدوائر المتكاملة المخصصة) والابتكارات الجديدة مثل وحدات معالجة التنسور (TPU)، قد يحدث تأثير على مجموعات GPU في منصات الحوسبة اللامركزية.
إذا كانت هذه ASIC يمكن أن تقدم أداءً جيدًا، وكانت هناك مزايدة في التكلفة، فقد يعود سوق GPU الذي تهيمن عليه حاليًا منظمات AI الكبيرة إلى السوق. سيؤدي هذا إلى زيادة إمدادات GPU، مما سيؤثر على نظام بيئي للمنصات السحابية اللامركزية.
3. مخاطر التنظيم
نظرًا لأن نظام الحوسبة السحابية اللامركزية يعمل في عدة ولايات قضائية وقد يكون خاضعًا لقوانين وأنظمة مختلفة، فقد تكون هناك تحديات قانونية وتنظيمية فريدة. قد تكون متطلبات الامتثال، مثل قوانين حماية البيانات والخصوصية، معقدة وصعبة أيضًا.
في المرحلة الحالية، فإن مستخدمي منصات الحوسبة السحابية هم في الغالب مطورون محترفون ومؤسسات، يفضلون استخدام منصة واحدة على المدى الطويل، ولا يغيرونها بشكل عشوائي. سواء كانت منصة اللامركزية أو منصة مركزية، فإن السعر هو مجرد عامل من عوامل عديدة، حيث أن هؤلاء المستخدمين يركزون أكثر على استقرار الخدمة. لذلك، إذا كانت المنصة اللامركزية تتمتع بقدرة تكامل قوية وقدرة حسابية مستقرة وكافية، فسوف تكون أكثر قدرة على جذب هؤلاء العملاء، مما يؤدي إلى إقامة علاقات تعاون طويلة الأمد وتدفق نقدي مستقر.
سأقدم أدناه مشروع Aethir الجديد للقوة الحاسوبية الموزعة الذي يركز على عرض الألعاب و الذكاء الاصطناعي في هذه الدورة ، وسأقوم بحساب التقييم المحتمل بعد الإدراج بناءً على المشاريع الأخرى في السوق في نفس المجال.
مقدمة Aethir
Aethir Cloud هو منصة_rendering_اللامركزية في الوقت الحقيقي، تساعد شركات الألعاب والذكاء الاصطناعي على توصيل منتجاتها مباشرةً إلى المستهلكين، من خلال تجميع وإعادة توزيع الذكاء الاصطناعي بشكل ذكي من وحدات معالجة الرسوميات الجديدة وغير المستخدمة من الشركات ومراكز البيانات وأعمال تعدين العملات المشفرة والمستهلكين.
تتمثل إحدى الابتكارات الرئيسية في هذا المشروع في تجمع الموارد، حيث يتم جمع المساهمين في قوة الحوسبة الموزعة تحت واجهة موحدة لتقديم الخدمات للعملاء في جميع أنحاء العالم. ومن الخصائص الرئيسية لتجمع الموارد أن مزودي GPU يمكنهم الاتصال أو قطع الاتصال بالشبكة بحرية، مما يتيح للشركات أو مراكز البيانات التي تمتلك أجهزة غير مستخدمة المشاركة في الشبكة أثناء التوقف، مما يزيد من مرونة الموردين واستخدام الأجهزة.
تتمثل تشغيل نظام Aethir البيئي في ثلاثة بنية تحتية أساسية.
تمتلك Aethir فريقاً قوياً وموارد قوية، مما يتجلى في إنجازات Aethir الحالية: