解读MOPN：如何设计一款
全面解读计算类DePIN赛道生态版图
2024.06.13
原文作者：PAUL TIMOFEEV
原文编译：深潮 TechFlow
关键要点
随着机器学习和生成性 AI 开发的深度学习的兴起，计算资源变得越来越受欢迎，这两者都需要大量的计算密集型工作负载。然而，由于大型公司和政府大量积累这些资源，初创公司和独立开发者如今面临市场上 GPU 短缺的问题，导致成本过高和/或无法获得资源。
计算 DePINs 通过允许世界上任何人提供其闲置的供应以换取货币奖励，能够为 GPU 等计算资源创建去中心化的市场。这旨在帮助未被充分服务的 GPU 消费者接触到新的供应渠道，从而以降低的成本和开销获得其工作负载所需的开发资源。
计算 DePINs 在与传统的集中式服务提供商竞争时仍面临许多经济和技术挑战，其中一些挑战将随着时间的推移自行解决，而另一些则需要新的解决方案和优化。
计算是新的石油
自工业革命以来，技术以前所未有的速度推动了人类前进，几乎日常生活的每一个方面都受到影响或完全转变。计算机最终作为研究人员、学者和计算机工程师集体努力的结晶而出现。最初设计用于解决用于高级军事行动的大规模算术任务，计算机已演变为现代生活的支柱。随着计算机对人类的影响继续以前所未有的速度增长，对这些机器及其驱动资源的需求也在不断增长，超过了可用供应。这反过来又创造了市场动态，其中大多数开发者和企业无法获得关键资源的访问权限，使得机器学习和生成性人工智能的发展——今天最具变革性的技术之一——掌握在少数资金充足的玩家手中。与此同时，大量闲置的计算资源供应为帮助缓解计算供需之间的不平衡提供了一个有利可图的机会，加剧了参与者双方之间协调机制的需求。因此，我们认为，由区块链技术和数字资产支持的去中心化系统对于生成性人工智能产品和服务的更广泛、更民主和负责任的发展至关重要。
计算资源
计算可以定义为计算机根据给定输入发出明确输出的各种活动、应用程序或工作负载。最终，它指的是计算机的计算和处理能力，这是这些机器的核心效用，推动了现代世界的许多部分，仅在过去一年就产生了高达 1.1 万亿美元的收入。
计算资源指的是各种硬件和软件组件，这些组件使计算和处理成为可能。随着它们启用的应用程序和功能数量的持续增长，这些组件变得越来越重要，越来越多地出现在人们的日常生活中。这导致国家力量和企业之间争相积累尽可能多的这些资源，作为一种生存手段。这在提供这些资源的公司的市场表现中得到了体现（例如，Nvidia，其市值在过去 5 年中增长了 3000% 以上）。
GPU
GPU 是现代高性能计算中最重要的资源之一。GPU 的核心功能是作为专用电路，通过并行处理加速计算机图形工作负载。最初服务于游戏和个人电脑行业，GPU 已经发展为服务于塑造未来世界的许多新兴技术（如主机和个人电脑、移动设备、云计算、物联网）。然而，由于机器学习和人工智能的兴起，对这些资源的需求特别加剧——通过并行执行计算，GPU 加速了 ML 和 AI 操作，从而增强了最终技术的处理能力和能力。
AI 的崛起
AI 的核心是使计算机和机器能够模拟人类智能和解决问题的能力。AI 模型作为神经网络，由许多不同数据块组成。模型需要处理能力来识别和学习这些数据之间的关系，然后在基于给定输入创建输出时参考这些关系。
尽管人们普遍认为，AI 开发和生产并不是新事物；1967 年，Frank Rosenblatt 建造了 Mark 1 Perceptron，这是第一个基于神经网络的计算机，通过试错法“学习”。此外，奠定我们今天所知的 AI 发展的大量学术研究在 90 年代末和 2000 年代初发表，该行业自那时以来一直在发展。
除了研发工作之外，“狭隘”的 AI 模型已经在今天使用的各种强大应用程序中发挥作用。示例包括社交媒体算法，如 Apple 的 Siri 和 Amazon 的 Alexa、定制产品推荐等。值得注意的是，深度学习的兴起已经改变了人工生成智能（AGI）的发展。深度学习算法利用比机器学习应用程序更大的或“更深”的神经网络，作为更具可扩展性且性能更广泛的替代方案。生成性 AI 模型“编码其训练数据的简化表示，并参考它以发出类似但不相同的新输出。”
