Подробное объяснение Aethir: играющий в децентрализованном облачном вычислении с тремя возможностями
Развитие и прогресс больших языковых моделей (LLM) и искусственного интеллекта являются величайшим технологическим достижением в истории человечества. Человечество вступило в эру ИИ, и в этом новом мире "вычислительная мощность" является самым дефицитным ресурсом.
Тенденция развития вычислительной мощности — это крайние вычисления, этот метод вычислений может эффективно снизить физическую задержку и стать основой для таких отраслей, как метавселенная, которые требуют низкой задержки; Децентрализация распределенных облачных вычислений обладает гибкостью, низкой ценой и преимуществами антиконтроля, что открывает широкие перспективы для развития.
Aethir является децентрализованной платформой для实时渲染, основанной на сети Arbitrum, которая предоставляет услуги вычислительной мощности уровня предприятия для таких компаний, как игры и искусственный интеллект, путем объединения GPU с высокой вычислительной мощностью, таких как H100.
Aethir уже заключила партнерство с несколькими ведущими игровыми студиями и телекоммуникационными компаниями, ожидается, что годовой регулярный доход (ARR) в первом квартале 2024 года превысит 20 миллионов долларов.
Aethir Edge значительно снизил порог для обычных пользователей, чтобы продавать избыточные вычислительные мощности, и значительно расширил географическое покрытие сети Aethir.
Aethir уже получил 80 миллионов долларов от продажи NFT узлов проверки, что подтверждает привлекательность его проектных перспектив и экономической модели для широкой аудитории.
Часовые затраты на использование A100 сети Aethir значительно ниже, чем у других конкурентов, что предоставляет очевидное конкурентное преимущество.
Изменения в процессе развития человеческого общества часто осуществляются благодаря нескольким выдающимся научным изобретениям и достижениям. Каждый прорыв в технологиях непосредственно создает более эффективную и процветающую новую эпоху.
Индустриальная революция, электрическая революция и информационная революция являются выдающимися научно-техническими достижениям в истории человечества, которые коренным образом изменили облик человеческого общества, приведя к беспрецедентному росту производительных сил и изменению образа жизни. Теперь мы больше не можем вернуться в эпоху, когда освещение обеспечивалось керосиновыми лампами, а почта передавалась с помощью повозок. С появлением GPT человечество вступило в новую великую эпоху.
LLM постепенно освобождает человеческий интеллект, позволяя людям направить有限ные усилия и ум на более творческое мышление и практику, и теперь люди вошли в более эффективный мир.
Мы рассматриваем GPT как еще один технологический прорыв, изменяющий мир, не только из-за огромного прогресса GPT в понимании и генерации естественного языка, но и потому, что человечество в эволюции GPT осознало закономерности роста возможностей больших языковых моделей — а именно, что путем постоянного увеличения параметров модели и обучающих данных можно добиться экспоненциального роста возможностей LLM моделей. При достаточной вычислительной мощности этот процесс пока не встречает препятствий.
Применение больших языковых моделей не ограничивается лишь пониманием человеческого языка и диалога, напротив, это лишь начало. Как только машина приобретает способность понимать язык, это похоже на открытие ящика Пандоры, освобождающего бесконечное пространство для воображения. Люди могут использовать эту способность ИИ для разработки различных революционных функций.
В настоящее время в различных пересекающихся технологических областях модели LLM уже начинают проявлять себя. От видео производства, художественного творчества и других гуманитарных областей до разработки лекарств, биотехнологий и других жестких технологических сфер, нас ожидают кардинальные изменения.
В эту эпоху вычислительная мощность рассматривается как дефицитный ресурс, крупные технологические гиганты обладают обширными ресурсами, в то время как новые разработчики сталкиваются с барьерами на вход из-за недостатка вычислительных ресурсов. В новой эре ИИ вычислительная мощность – это сила, и те, кто владеет вычислительной мощностью, имеют возможность изменить мир. GPU, как основа глубокого обучения и научных вычислений, играет в этом ключевую роль.
В быстро развивающейся области искусственного интеллекта (ИИ) мы должны признать двойственный аспект развития: обучение модели и вывод. Вывод касается функциональности и результатов ИИ модели, в то время как обучение включает в себя сложный процесс, необходимый для создания интеллектуальных моделей, который включает алгоритмы машинного обучения, наборы данных и вычислительные мощности.
Например, на основе GPT-4, если разработчик хочет получить высококачественные выводы, ему необходимо получить обширный базовый набор данных и огромные вычислительные мощности для обучения эффективной модели ИИ. Эти ресурсы в основном сосредоточены в руках отраслевых гигантов, таких как NVIDIA, Google, Microsoft и AWS.
Высокие вычислительные затраты и барьеры для входа препятствуют большему количеству разработчиков, что делает лидеров еще более сильными. У них есть большие базовые наборы данных и значительные вычислительные мощности, а также возможность постоянно увеличивать свой масштаб и снижать свои затраты, что приводит к еще более прочным барьерам в отрасли.
Но мы не можем не задуматься, есть ли способы снизить вычислительные затраты и барьеры для входа в отрасль, используя технологии блокчейна? Ответ положительный. Децентрализация распределенных облачных вычислений именно в этом историческом контексте предлагает нам такое решение.
Несмотря на текущую дороговизну и нехватку вычислительной мощности, GPU не используются в полной мере. Это происходит главным образом потому, что до сих пор не существует готового решения для интеграции этой распределенной вычислительной мощности и ее коммерческой эксплуатации. Вот типичные показатели использования GPU для различных рабочих нагрузок:
Большинство потребительских устройств с GPU относятся к трем основным категориям, то есть к состоянию простоя (только что запущены в операционную систему Windows):
Использование GPU составляет: 0-2%;
Общие производственные задачи (писательство, простой просмотр): 0-15%;
Воспроизведение видео: 15 - 35%.
Вышеуказанные данные показывают: использование вычислительных ресурсов крайне низко, и в мире Web2 нет эффективных мер для сбора и интеграции этих ресурсов. Но Crypto и экономика блокчейна, возможно, являются хорошим средством для решения этой проблемы. Криптоэкономика создала крайне эффективный глобальный рынок, благодаря уникальной токеномике и характеристикам децентрализованной системы, цены на ресурсы, их оборот и соответствие спроса и предложения на рынке происходят очень эффективно.
Развитие ИИ влияет на будущее человечества, а прогресс вычислительной мощности определяет развитие ИИ. С момента изобретения первого компьютера в сороковых годах двадцатого века вычислительные модели претерпели несколько изменений. От громоздких больших компьютеров до легких ноутбуков, от централизованных серверов до аренды вычислительной мощности, порог доступа к вычислительной мощности постепенно снижается. До появления облачных вычислений предприятия должны были самостоятельно закупать серверы и постоянно обновлять их по мере развития технологий, но появление облачных вычислений полностью изменило эту модель.
Основная концепция облачных вычислений заключается в том, что потребитель арендует серверы и получает удаленный доступ, оплачивая в зависимости от объема использования. В настоящее время традиционные предприятия подвергаются разрушению со стороны облачных вычислений. В области облачных вычислений технология виртуализации является его ядром. Виртуализированные серверы могут разделять один мощный сервер на множество небольших серверов для аренды и динамически перераспределять различные ресурсы.
Эта модель кардинально изменила бизнес-ландшафт вычислительной индустрии. Раньше людям приходилось самостоятельно покупать вычислительные мощности для удовлетворения своих потребностей; теперь же достаточно заплатить аренду на сайте, чтобы пользоваться качественными вычислительными услугами. Будущее облачных вычислений - это периферийные вычисления. Из-за того, что традиционные централизованные системы находятся слишком далеко от пользователей, это может вызывать определенные задержки. Хотя задержки можно оптимизировать, ограничение скорости света всегда будет препятствием для их полного преодоления.
Однако в новых отраслях, таких как метавселенная, автономное вождение и телемедицина, требования к задержке крайне низкие, поэтому необходимо переместить облачные серверы ближе к пользователям, что приводит к тому, что все больше мелких дата-центров размещаются вокруг пользователей, это и есть Децентрализация.
По сравнению с централизованными поставщиками облачных вычислений, преимущества децентрализованного облачного вычисления заключаются в основном в следующем:
Доступность и гибкость: Получение доступа к вычислительным чипам на платформах облачных провайдеров, таких как AWS, GCP или Azure, обычно занимает несколько недель, и высокопроизводительные модели GPU, такие как A100, H100 и другие, часто отсутствуют в наличии. Кроме того, для получения вычислительной мощности потребителям обычно необходимо подписывать долгосрочные, негибкие контракты с этими крупными компаниями, что не только приводит к потере времени, но и делает операции бизнеса более жесткими, теряя определенную гибкость. В отличие от этого, распределенные вычислительные платформы позволяют получать вычислительную мощность в любое время и предлагают гибкий выбор оборудования, обеспечивая более высокую доступность.
Цена ниже: Благодаря использованию неактивных чипов, а также добавлению токенов от провайдеров сетевых протоколов для поставщиков чипов и вычислительной мощности, распределенная сеть вычислительной мощности может предложить более дешевые вычислительные ресурсы.
**抗审查性：**Некоторые системы Web3 не позиционируют себя как системы без разрешений. В этапах запуска GPU, загрузки данных, обмена данными и совместного использования результатов были обработаны вопросы соблюдения требований, такие как GDPR и HIPAA.
С дальнейшим развитием ИИ и продолжающимся дисбалансом между спросом и предложением на GPU, это будет подталкивать все больше разработчиков к переходу на децентрализованные облачные вычислительные платформы. В то же время, во время бычьего рынка, из-за роста цен на криптотокены, поставщики GPU будут зарабатывать больше прибыли, что будет стимулировать больше поставщиков GPU войти в этот рынок, создавая положительный эффект маховика.
Технические трудности
1. Проблема параллелизации
Распределенные вычислительные платформы обычно собирают долгосрочные поставки чипов, что означает, что отдельный поставщик чипов практически не может в короткие сроки самостоятельно завершить сложное обучение или задачи вывода AI моделей. Если облачная вычислительная платформа хочет быть конкурентоспособной, она должна использовать параллельные методы для разбиения и распределения задач, чтобы сократить общее время выполнения и повысить вычислительную мощность платформы.
Однако в процессе параллелизации возникают ряд проблем, включая то, как разбить задачи (особенно для сложных задач глубинного обучения), зависимость данных и дополнительные затраты на коммуникацию между устройствами.
2. Риски замещения новыми технологиями
С учетом значительных капиталовложений в исследование ASIC (специальные интегральные схемы) и новых изобретений, таких как тензорные процессоры (TPU), это может оказать влияние на GPU-кластеры децентрализованных вычислительных платформ.
Если эти ASIC могут предложить хорошую производительность и сбалансированы по стоимости, то рынок GPU, который в настоящее время монополизирован крупными AI-организациями, может снова вернуться на рынок. Это приведет к увеличению предложения GPU, что повлияет на экосистему Децентрализация облачных вычислений.
3. Регуляторный риск
Поскольку децентрализованная облачная вычислительная система работает в нескольких юрисдикциях и может подчиняться различным законам и нормативным актам, могут возникнуть уникальные юридические и регуляторные проблемы. Требования по соблюдению норм, такие как законы о защите данных и конфиденциальности, также могут быть сложными и представлять собой вызов.
На текущем этапе пользователями облачных платформ в основном являются профессиональные разработчики и учреждения, которые предпочитают долгое использование одной платформы и не меняют ее без необходимости. Использование Децентрализация платформы или централизованной платформы - это лишь один из факторов, которые следует учитывать, эти пользователи больше ценят стабильность услуг. Таким образом, если Децентрализация платформа обладает мощной интеграционной способностью и стабильными вычислительными мощностями, ей будет легче привлечь этих клиентов, установить долгосрочные партнерские отношения и стабильный денежный поток.
Ниже я представлю новый распределенный вычислительный проект Aethir, сосредоточенный на рендеринге игр и ИИ в этом цикле, и на основе текущих AI-проектов и распределенных вычислительных проектов на рынке, рассчитаю возможную оценку после выхода на рынок.
Введение в Aethir
Aethir Cloud — это децентрализованная платформа для实时渲染 на базе сети Arbitrum, которая помогает игровым и искусственным интеллект-компаниям напрямую доставлять свои продукты потребителям, агрегируя и интеллектуально перераспределяя новые и неиспользуемые GPU от предприятий, дата-центров, криптовалютного майнинга и потребителей.
Одним из ключевых нововведений проекта является ресурсный пул, который объединяет распределенных поставщиков вычислительной мощности под единым интерфейсом для обслуживания клиентов по всему миру. Одной из основных особенностей ресурсного пула является то, что поставщики GPU могут свободно подключаться или отключаться от сети, что позволяет компаниям или дата-центрам с неиспользуемыми устройствами участвовать в сети во время простоя, повышая гибкость поставщиков и использование оборудования.
Операция экосистемы Aethir основана на трех основных инфраструктурах:
Контейнер (Container): Ключевая функция контейнера заключается в предоставлении услуг удаленного рендеринга в реальном времени, обеспечивая "нулевую задержку". Контейнер является фактическим местом облачных вычислений, выполняя роль виртуальной точки доступа, которая исполняет и рендерит приложения. Это переносит рабочую нагрузку с локальных устройств на контейнер.
Проверка (Checker): Узлы проверки проверяют контейнер и его службы
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
9 Лайков
Награда
9
5
Поделиться
комментарий
0/400
SellTheBounce
· 07-28 03:31
Ай, еще одна история о вычислительной мощности. На рынке всегда хватает историй.
Посмотреть ОригиналОтветить0
NotSatoshi
· 07-28 02:03
Все уже так давно говорят об этом, пора увидеть настоящие результаты.
Посмотреть ОригиналОтветить0
LiquidityWitch
· 07-28 02:00
бык啊 迟早上 лучшие биржи
Посмотреть ОригиналОтветить0
TokenStorm
· 07-28 01:53
Так что еще один, кто хвалит ИИ, где же فرصة для Арбитража?
Aethir восходит: новый игрок в децентрализованном облачном вычислении, объединяющий игровую ИИ-рендеринг в реальном времени.
Подробное объяснение Aethir: играющий в децентрализованном облачном вычислении с тремя возможностями
Развитие и прогресс больших языковых моделей (LLM) и искусственного интеллекта являются величайшим технологическим достижением в истории человечества. Человечество вступило в эру ИИ, и в этом новом мире "вычислительная мощность" является самым дефицитным ресурсом.
Тенденция развития вычислительной мощности — это крайние вычисления, этот метод вычислений может эффективно снизить физическую задержку и стать основой для таких отраслей, как метавселенная, которые требуют низкой задержки; Децентрализация распределенных облачных вычислений обладает гибкостью, низкой ценой и преимуществами антиконтроля, что открывает широкие перспективы для развития.
Aethir является децентрализованной платформой для实时渲染, основанной на сети Arbitrum, которая предоставляет услуги вычислительной мощности уровня предприятия для таких компаний, как игры и искусственный интеллект, путем объединения GPU с высокой вычислительной мощностью, таких как H100.
Aethir уже заключила партнерство с несколькими ведущими игровыми студиями и телекоммуникационными компаниями, ожидается, что годовой регулярный доход (ARR) в первом квартале 2024 года превысит 20 миллионов долларов.
Aethir Edge значительно снизил порог для обычных пользователей, чтобы продавать избыточные вычислительные мощности, и значительно расширил географическое покрытие сети Aethir.
Aethir уже получил 80 миллионов долларов от продажи NFT узлов проверки, что подтверждает привлекательность его проектных перспектив и экономической модели для широкой аудитории.
Часовые затраты на использование A100 сети Aethir значительно ниже, чем у других конкурентов, что предоставляет очевидное конкурентное преимущество.
Изменения в процессе развития человеческого общества часто осуществляются благодаря нескольким выдающимся научным изобретениям и достижениям. Каждый прорыв в технологиях непосредственно создает более эффективную и процветающую новую эпоху.
Индустриальная революция, электрическая революция и информационная революция являются выдающимися научно-техническими достижениям в истории человечества, которые коренным образом изменили облик человеческого общества, приведя к беспрецедентному росту производительных сил и изменению образа жизни. Теперь мы больше не можем вернуться в эпоху, когда освещение обеспечивалось керосиновыми лампами, а почта передавалась с помощью повозок. С появлением GPT человечество вступило в новую великую эпоху.
LLM постепенно освобождает человеческий интеллект, позволяя людям направить有限ные усилия и ум на более творческое мышление и практику, и теперь люди вошли в более эффективный мир.
Мы рассматриваем GPT как еще один технологический прорыв, изменяющий мир, не только из-за огромного прогресса GPT в понимании и генерации естественного языка, но и потому, что человечество в эволюции GPT осознало закономерности роста возможностей больших языковых моделей — а именно, что путем постоянного увеличения параметров модели и обучающих данных можно добиться экспоненциального роста возможностей LLM моделей. При достаточной вычислительной мощности этот процесс пока не встречает препятствий.
Применение больших языковых моделей не ограничивается лишь пониманием человеческого языка и диалога, напротив, это лишь начало. Как только машина приобретает способность понимать язык, это похоже на открытие ящика Пандоры, освобождающего бесконечное пространство для воображения. Люди могут использовать эту способность ИИ для разработки различных революционных функций.
В настоящее время в различных пересекающихся технологических областях модели LLM уже начинают проявлять себя. От видео производства, художественного творчества и других гуманитарных областей до разработки лекарств, биотехнологий и других жестких технологических сфер, нас ожидают кардинальные изменения.
В эту эпоху вычислительная мощность рассматривается как дефицитный ресурс, крупные технологические гиганты обладают обширными ресурсами, в то время как новые разработчики сталкиваются с барьерами на вход из-за недостатка вычислительных ресурсов. В новой эре ИИ вычислительная мощность – это сила, и те, кто владеет вычислительной мощностью, имеют возможность изменить мир. GPU, как основа глубокого обучения и научных вычислений, играет в этом ключевую роль.
В быстро развивающейся области искусственного интеллекта (ИИ) мы должны признать двойственный аспект развития: обучение модели и вывод. Вывод касается функциональности и результатов ИИ модели, в то время как обучение включает в себя сложный процесс, необходимый для создания интеллектуальных моделей, который включает алгоритмы машинного обучения, наборы данных и вычислительные мощности.
Например, на основе GPT-4, если разработчик хочет получить высококачественные выводы, ему необходимо получить обширный базовый набор данных и огромные вычислительные мощности для обучения эффективной модели ИИ. Эти ресурсы в основном сосредоточены в руках отраслевых гигантов, таких как NVIDIA, Google, Microsoft и AWS.
Высокие вычислительные затраты и барьеры для входа препятствуют большему количеству разработчиков, что делает лидеров еще более сильными. У них есть большие базовые наборы данных и значительные вычислительные мощности, а также возможность постоянно увеличивать свой масштаб и снижать свои затраты, что приводит к еще более прочным барьерам в отрасли.
Но мы не можем не задуматься, есть ли способы снизить вычислительные затраты и барьеры для входа в отрасль, используя технологии блокчейна? Ответ положительный. Децентрализация распределенных облачных вычислений именно в этом историческом контексте предлагает нам такое решение.
Несмотря на текущую дороговизну и нехватку вычислительной мощности, GPU не используются в полной мере. Это происходит главным образом потому, что до сих пор не существует готового решения для интеграции этой распределенной вычислительной мощности и ее коммерческой эксплуатации. Вот типичные показатели использования GPU для различных рабочих нагрузок:
Большинство потребительских устройств с GPU относятся к трем основным категориям, то есть к состоянию простоя (только что запущены в операционную систему Windows):
Вышеуказанные данные показывают: использование вычислительных ресурсов крайне низко, и в мире Web2 нет эффективных мер для сбора и интеграции этих ресурсов. Но Crypto и экономика блокчейна, возможно, являются хорошим средством для решения этой проблемы. Криптоэкономика создала крайне эффективный глобальный рынок, благодаря уникальной токеномике и характеристикам децентрализованной системы, цены на ресурсы, их оборот и соответствие спроса и предложения на рынке происходят очень эффективно.
Развитие ИИ влияет на будущее человечества, а прогресс вычислительной мощности определяет развитие ИИ. С момента изобретения первого компьютера в сороковых годах двадцатого века вычислительные модели претерпели несколько изменений. От громоздких больших компьютеров до легких ноутбуков, от централизованных серверов до аренды вычислительной мощности, порог доступа к вычислительной мощности постепенно снижается. До появления облачных вычислений предприятия должны были самостоятельно закупать серверы и постоянно обновлять их по мере развития технологий, но появление облачных вычислений полностью изменило эту модель.
Основная концепция облачных вычислений заключается в том, что потребитель арендует серверы и получает удаленный доступ, оплачивая в зависимости от объема использования. В настоящее время традиционные предприятия подвергаются разрушению со стороны облачных вычислений. В области облачных вычислений технология виртуализации является его ядром. Виртуализированные серверы могут разделять один мощный сервер на множество небольших серверов для аренды и динамически перераспределять различные ресурсы.
Эта модель кардинально изменила бизнес-ландшафт вычислительной индустрии. Раньше людям приходилось самостоятельно покупать вычислительные мощности для удовлетворения своих потребностей; теперь же достаточно заплатить аренду на сайте, чтобы пользоваться качественными вычислительными услугами. Будущее облачных вычислений - это периферийные вычисления. Из-за того, что традиционные централизованные системы находятся слишком далеко от пользователей, это может вызывать определенные задержки. Хотя задержки можно оптимизировать, ограничение скорости света всегда будет препятствием для их полного преодоления.
Однако в новых отраслях, таких как метавселенная, автономное вождение и телемедицина, требования к задержке крайне низкие, поэтому необходимо переместить облачные серверы ближе к пользователям, что приводит к тому, что все больше мелких дата-центров размещаются вокруг пользователей, это и есть Децентрализация.
По сравнению с централизованными поставщиками облачных вычислений, преимущества децентрализованного облачного вычисления заключаются в основном в следующем:
Доступность и гибкость: Получение доступа к вычислительным чипам на платформах облачных провайдеров, таких как AWS, GCP или Azure, обычно занимает несколько недель, и высокопроизводительные модели GPU, такие как A100, H100 и другие, часто отсутствуют в наличии. Кроме того, для получения вычислительной мощности потребителям обычно необходимо подписывать долгосрочные, негибкие контракты с этими крупными компаниями, что не только приводит к потере времени, но и делает операции бизнеса более жесткими, теряя определенную гибкость. В отличие от этого, распределенные вычислительные платформы позволяют получать вычислительную мощность в любое время и предлагают гибкий выбор оборудования, обеспечивая более высокую доступность.
Цена ниже: Благодаря использованию неактивных чипов, а также добавлению токенов от провайдеров сетевых протоколов для поставщиков чипов и вычислительной мощности, распределенная сеть вычислительной мощности может предложить более дешевые вычислительные ресурсы.
**抗审查性：**Некоторые системы Web3 не позиционируют себя как системы без разрешений. В этапах запуска GPU, загрузки данных, обмена данными и совместного использования результатов были обработаны вопросы соблюдения требований, такие как GDPR и HIPAA.
С дальнейшим развитием ИИ и продолжающимся дисбалансом между спросом и предложением на GPU, это будет подталкивать все больше разработчиков к переходу на децентрализованные облачные вычислительные платформы. В то же время, во время бычьего рынка, из-за роста цен на криптотокены, поставщики GPU будут зарабатывать больше прибыли, что будет стимулировать больше поставщиков GPU войти в этот рынок, создавая положительный эффект маховика.
Технические трудности
1. Проблема параллелизации
Распределенные вычислительные платформы обычно собирают долгосрочные поставки чипов, что означает, что отдельный поставщик чипов практически не может в короткие сроки самостоятельно завершить сложное обучение или задачи вывода AI моделей. Если облачная вычислительная платформа хочет быть конкурентоспособной, она должна использовать параллельные методы для разбиения и распределения задач, чтобы сократить общее время выполнения и повысить вычислительную мощность платформы.
Однако в процессе параллелизации возникают ряд проблем, включая то, как разбить задачи (особенно для сложных задач глубинного обучения), зависимость данных и дополнительные затраты на коммуникацию между устройствами.
2. Риски замещения новыми технологиями
С учетом значительных капиталовложений в исследование ASIC (специальные интегральные схемы) и новых изобретений, таких как тензорные процессоры (TPU), это может оказать влияние на GPU-кластеры децентрализованных вычислительных платформ.
Если эти ASIC могут предложить хорошую производительность и сбалансированы по стоимости, то рынок GPU, который в настоящее время монополизирован крупными AI-организациями, может снова вернуться на рынок. Это приведет к увеличению предложения GPU, что повлияет на экосистему Децентрализация облачных вычислений.
3. Регуляторный риск
Поскольку децентрализованная облачная вычислительная система работает в нескольких юрисдикциях и может подчиняться различным законам и нормативным актам, могут возникнуть уникальные юридические и регуляторные проблемы. Требования по соблюдению норм, такие как законы о защите данных и конфиденциальности, также могут быть сложными и представлять собой вызов.
На текущем этапе пользователями облачных платформ в основном являются профессиональные разработчики и учреждения, которые предпочитают долгое использование одной платформы и не меняют ее без необходимости. Использование Децентрализация платформы или централизованной платформы - это лишь один из факторов, которые следует учитывать, эти пользователи больше ценят стабильность услуг. Таким образом, если Децентрализация платформа обладает мощной интеграционной способностью и стабильными вычислительными мощностями, ей будет легче привлечь этих клиентов, установить долгосрочные партнерские отношения и стабильный денежный поток.
Ниже я представлю новый распределенный вычислительный проект Aethir, сосредоточенный на рендеринге игр и ИИ в этом цикле, и на основе текущих AI-проектов и распределенных вычислительных проектов на рынке, рассчитаю возможную оценку после выхода на рынок.
Введение в Aethir
Aethir Cloud — это децентрализованная платформа для实时渲染 на базе сети Arbitrum, которая помогает игровым и искусственным интеллект-компаниям напрямую доставлять свои продукты потребителям, агрегируя и интеллектуально перераспределяя новые и неиспользуемые GPU от предприятий, дата-центров, криптовалютного майнинга и потребителей.
Одним из ключевых нововведений проекта является ресурсный пул, который объединяет распределенных поставщиков вычислительной мощности под единым интерфейсом для обслуживания клиентов по всему миру. Одной из основных особенностей ресурсного пула является то, что поставщики GPU могут свободно подключаться или отключаться от сети, что позволяет компаниям или дата-центрам с неиспользуемыми устройствами участвовать в сети во время простоя, повышая гибкость поставщиков и использование оборудования.
Операция экосистемы Aethir основана на трех основных инфраструктурах:
Контейнер (Container): Ключевая функция контейнера заключается в предоставлении услуг удаленного рендеринга в реальном времени, обеспечивая "нулевую задержку". Контейнер является фактическим местом облачных вычислений, выполняя роль виртуальной точки доступа, которая исполняет и рендерит приложения. Это переносит рабочую нагрузку с локальных устройств на контейнер.
Проверка (Checker): Узлы проверки проверяют контейнер и его службы