Livepeer ：如何在Livepeer网络上引入AI视频计算

作者：Doug Petkanics，Livepeer CEO；翻译：0xxz@金色财经

引言

当人们发现 Livepeer 网络有数千个 GPU 活跃地用于每周转码数百万分钟的视频时，最常见的问题之一是这些 GPU 是否可以用于执行其他类型的计算。特别是，随着 2023 年人工智能的兴起，以及对 GPU（用于执行人工智能训练和推理的硬件）需求的相关增长，人们自然会认为 Livepeer 网络可以利用其算力进军到人工智能基础设施上，人工智能基础设施花费数十亿美元。NVidia 的数据中心业务为 AI 计算提供 GPU，仅上个季度就实现了 140 亿美元的收入增长，高于去年同期的 40 亿美元。

资料来源：NVidia 季度报告，来自 X 上的@Thomas_Woodside

那些做出这些假设的人是正确的——Livepeer 网络当然可以被那些寻求具有颠覆性成本的人工智能处理的人使用。随着近几个月通过Livepeer Studi实现的 Livepeer 视频使用量的增长以及新社区管理的 Livepeer 金库的推出，奠定了基础，现在是时候将 AI 视频计算功能引入Livepeer了。

本文下面部分将阐述如何在Livepeer网络上引入人工智能视频计算，以及使其成为现实的计划、策略和时间表。

任务定位 - 视频过滤器

Livepeer 使命和承诺的背景

Livepeer 始终致力于其使命：构建世界开放视频基础设施。其他计算平台试图成为通用的“区块链上的 AWS”或“运行任何类型的计算任务”类型的市场，但由于缺乏针对行业的解决方案的能力，这给市场进入带来了挑战部分。相反，Livepeer 通过转码专注于视频计算，并能够为特定行业（超过1000亿美元的视频流市场）构建有针对性的产品和 GTM，以解决实际用例并挖掘现有需求，而不是营销没有人想要的通用的抽象解决方案。

对视频的关注意味着 Livepeer 避免过度反应并转向 ICO、NFT 或 DeFi 等最新热门趋势，而是始终询问这些创新如何应用于视频。高点没有那么高，但更重要的是，低点也没有那么低。这也吸引了一个以任务为中心的团队和社区，拥有深厚的视频专业知识，他们对我们在很长一段时间内所做的事情感到兴奋，而不是当本月的趋势失去动力时离去的社区。

目前，没有什么趋势比人工智能的快速崛起更热门了。但与许多加密货币团队和项目不同的是，Livepeer 并没有放弃其使命并“转向人工智能”。相反，我们提出了这样的问题：人工智能将如何影响视频的未来。人工智能在很多方面降低了视频创作者的门槛。两个重要的因素是首先减少创作的时间和成本，以及减少高质量视频制作和输出的时间、成本和专业知识。

在创作方面，生成式人工智能可用于根据文本或图像提示创建视频剪辑。过去，设置场景需要摄制组、布景、摄像机、脚本、演员、编辑等，现在可能只需要用户在键盘上输入文本提示，然后等待几分钟，让 GPU 生成样本潜在的结果。生成视频不会取代高质量的作品，但它可以在流程的各个阶段节省大量成本。

在制作方面，无论是由人工智能创建还是由创作者提交，诸如升级、帧插值、字幕生成等功能都可以快速提高视频内容的质量和可访问性。视频中的交互性等高级功能可以通过自动对象检测、屏蔽和场景类型分类来启用。

Livepeer 利用这一 AI 功能集的时机令人兴奋，因为最近发布了开源基础模型，包括 Stable Video Diffusion、ESRGAN、FAST 等，这些模型都与闭源专有模型保持同步。其目标是让世界上的开放视频基础设施支持运行所有人都可以访问的开源模型，这些模型现在已经存在，并且由于开源人工智能社区的创新而快速变得更好。

AI 背景 - Livepeer 适合的地方

训练、微调、推理

人工智能生命周期有很多阶段，但通常需要大量计算能力的三个阶段是训练、微调和推理。简而言之：

训练需要创建模型并在非常大的数据集上运行计算。有时，这需要在训练基础模型（例如通过 OpenAI 或 Google 训练的模型）时进行价值数千或数亿美元的计算。

微调更具成本效益，并且采用现有的基础模型，但根据特定任务的一组特定输入来调整权重。

推理是采用已经训练和调整的模型，并让它产生输出或根据输入集进行预测的行为。对于一个推理作业，相对于前两个阶段，这在计算方面通常很便宜，但通常会一遍又一遍地执行数百万次，因此推理的花费超过了训练的成本，因此证明训练投资的合理性。