AI 算力也能以 Crypto 為媒點對點交易？3 個項目帶你認識新風口

作者：Arkady childe

在當今這個數據驅動的時代，人工智能（AI）技術正以前所未有的速度發展。尤其是AI大模型的訓練，正在不斷突破技術邊界，但這同時也帶來了巨大的挑戰。其中，去中心化的分佈式算力網絡在AI大模型訓練領域扮演著重要角色，但它面臨的技術瓶頸和挑戰同樣不容小覷。

去中心化網絡的最大需求之一是對AI大模型的訓練支持。然而，這一過程涉及複雜的數據同步和網絡優化問題，這些問題的解決對於保證算力網絡的效率和效果至關重要。此外，數據的隱私和安全性也是一個不可忽視的重要因素。如何在確保數據隱私的同時進行有效的模型訓練，成為了一個亟待解決的難題。

目前，安全多方計算、差分隱私、聯邦學習、同態加密等技術在特定場景下展示了其優勢，但也存在局限性，尤其是在處理大規模分佈式算力網絡中的數據隱私問題時。例如，零知識證明（ZKP）技術在這方面有巨大的潛力，但要將其應用於大規模的分佈式算力網絡訓練大模型，還需要數年的研究和開發。這不僅需要學術界更多的關注和資源投入，而且面臨著巨大的技術開銷和實際應用的難題。

與模型訓練相比，去中心化的分佈式算力網絡在模型推理方面則顯示出更大的實用潛力。預計未來在這一領域的增長空間將非常巨大。儘管如此，推理過程仍然面臨通信延遲、數據隱私和模型安全等諸多挑戰。由於計算複雜度和數據交互性相對較低，模型推理更適合在分佈式環境中進行，但如何克服這些挑戰仍是一個值得深入探討的課題。

在這個背景下，我們將進一步探討去中心化的分佈式算力網絡中的代表項目 --- Akash Network、Gensyn和Together，以此進一步了解這個可以改變未來生產方式的賽道。

Akash Network：完全開源的P2P雲市場，用代幣激勵激活全球閒置算力

Akash Network是一個開源平台，它的核心理念是建立一個去中心化的點對點雲市場，連接尋求雲服務的用戶和那些擁有過剩計算資源的基礎設施提供商。

Akash的平台專門用於托管和管理部署，同時提供了運行Kubernetes工作負載的雲管理服務。簡單來說，Kubernetes是一個開源系統，用於自動化部署、擴展和管理容器化應用程序。

在Akash平台上的用戶，被稱為"租戶"，主要是那些希望將Docker容器部署到滿足特定標準的雲提供商的開發人員。Docker容器的一個重要特點是它包含了打包的代碼及其依賴項，確保應用程序在任何計算環境中都能以相同方式運行。這意味著無論是在筆記本電腦上開發、在沙盒中測試，還是在雲端運行，應用程序都不需要對代碼進行更改。

Akash市場的一個獨特之處在於其反向拍賣模式。這種模式允許用戶自主設定價格並描述他們希望部署容器的資源需求。當雲提供商的計算資源未被充分利用時，他們可以通過Akash市場出租這些資源，類似於Airbnb主機出租空余房間的方式。值得注意的是，通過Akash部署容器的成本大約是三大雲服務提供商（亞馬遜網絡服務、谷歌雲和微軟Azure）的十分之一。

Akash Network的所有交易和記錄都是通過其代幣------Akash Token (AKT)在鏈上進行的。這個網絡基於Cosmos SDK框架構建其區塊鏈，並利用Tendermint拜占庭容錯(BFT)引擎支持其委託權益證明(DPoS)共識算法。AKT不僅是一個交易媒介，它在Akash網絡中還扮演著多種角色，包括確保網絡安全、提供獎勵、參與網絡治理和處理交易等。

通過這種方式，Akash Network不僅提供了一個更經濟高效的雲服務選擇，還展示了區塊鏈技術在現代雲計算領域的創新應用。

Gensyn：將複雜的機器學習任務分解成多個子任務以提高處理效率

Gensyn是一個基於區塊鏈的去中心化深度學習計算協議，專門設計用來處理人工智能算力市場的需求。

該協議的核心在於將複雜的機器學習任務分解成多個子任務，並通過參與者的計算資源實現高度並行化的計算。這種方式不僅提高了計算效率，還通過智能合約實現了任務的自動化分配、驗證和獎勵，從而消除了中心化管理的需要。

團隊在2023年6月成功完成了由知名風險投資公司a16z領投的4300萬美元的A輪融資，累計融資達5000萬美元。

Gensyn協議類似於一個智能計算網絡，其主要特點包括：

1、概率性學習證明：利用梯度優化過程的元數據來構建工作完成的證書，從而快速驗證工作的完成情況；

2、基於圖的定位協議：採用多粒度、基於圖的定位協議，配合交叉驗證一致的執行，確保驗證工作的統一性；

3、Truebit風格的激勵博弈：通過質押和削減的機制構建激勵博弈，以確保參與者誠實履行任務。

另外，Gensyn系統中涉及的四個主要角色包括：

1、提交者：系統的最終用戶，提供需要計算的任務並支付費用；

2、解決者：執行模型訓練並生成需要由驗證者檢查的證明；

3、驗證者：負責驗證解決者提供的證明的準確性；

4、舉報者：作為安全保障，審查驗證者的工作並在發現問題時提出質疑。

Gensyn協議在成本和性能方面具有顯著優勢。例如，與以太坊的工作量證明轉換為權益證明相比，Gensyn為參與者提供了一種通過利用其計算資源獲得回報的方式，降低了計算成本，提高了資源利用率。Python模擬的測試結果表明，Gensyn協議在模型訓練方面的時間開銷雖增加了約46%，但其性能相對於其他方法有了顯著提升。

Gensyn作為一種基於區塊鏈的去中心化算力協議，致力於通過智能合約實現機器學習任務的分配和獎勵，以加速AI模型的訓練並降低成本。儘管面臨通信和隱私等挑戰，Gensyn提供了一種有效利用閒置算力的方法，並考慮了多樣化的模型規模和需求，以實現更廣泛和靈活的應用。

Together：專注於大模型開發和應用，種子輪融資2000萬美元

Together是一家致力於提供去中心化AI算力解決方案的開源公司，專注於大模型的開發和應用。公司的願景是讓任何人在任何地方都能接觸和使用AI。在今年5月，Together完成了由Lux Capital領投的2000萬美元種子輪融資。

Together由Chris、Percy、Ce共同創立，其初衷源於對大模型訓練所需大量高端GPU集群和昂貴支出的認識。他們認為，這些資源和模型訓練的能力不應只集中在少數大公司手中。

Together的發展策略重點在於開源模型和分佈式算力的應用。他們認為，使用去中心化算力網絡的前提是模型必須開源，這有助於降低成本和複雜性。他們最近發布的基於LLaMA的RedPajama就是一個例證，該項目由Together與多個研究團隊合作啟動，目標是開發一系列完全開源的大語言模型。

在模型推理方面，Together的研發團隊對RedPajama-INCITE-3B模型進行了一系列更新，包括使用LoRA實現低成本微調，使模型在CPU上運行更加高效。至於模型訓練，Together正著手解決去中心化訓練中的通信瓶頸問題，包括調度優化和通信壓縮優化等。

Together團隊擁有多領域的專業背景，從大模型開發到雲計算和硬件優化，展現了對AI算力項目全方位的考量。他們的策略體現了對長期發展的規劃，涵蓋了開發開源大模型、測試分佈式算力在模型推理上的應用，以及在大模型訓練方面的分佈式算力佈局。

由於項目目前還處於初期階段，許多關鍵細節，如網絡激勵機制、代幣使用案例等，尚未公布。這些因素對於加密項目的成功至關重要。因此，業界對Together未來的發展和進一步的詳細披露持續關注。

去中心化AI的未來無限寬廣，但是其中的挑戰也需要逐步攻克

在審視去中心化算力網絡和AI技術的融合時，我們發現這一領域充滿了挑戰與潛力。AI與Web3的結合，儘管是兩個不同領域，但它們在使用分佈式技術限制AI壟斷和促進去中心化共識機制形成方面有著自然的契合。去中心化算力網絡不僅提供了分佈式計算能力和隱私保護，還增強了AI模型的可信度和可靠性，支持快速部署和運行。

然而，這一領域的發展並非毫無障礙。中心化算力網絡中高昂的通信成本是去中心化網絡的一大挑戰，需要克服確保節點可靠性和安全性、有效管理分散計算資源等諸多技術問題。

回歸商業現實，AI與Web3的深度融合雖美好，但面臨研發費用高昂和商業模式不明確的問題。像AI和Web3這樣的領域，現在仍處於早期發展階段，其真正的潛力還待時間來證明。