Dezentrale Rechennetzwerke zur Bewältigung des GPU-Mangels in der KI: Messari

Der Boom der künstlichen Intelligenz bringt die Chipherstellungsindustrie an ihre Grenzen und führt zu einem Mangel an GPUs – den grundlegenden Verarbeitungseinheiten, die Modelle des maschinellen Lernens (ML) antreiben. 

Nach Angaben des auf Kryptoforschung und Daten spezialisierten Unternehmens Messari könnten dezentrale Rechennetzwerke eine fertige Lösung darstellen.

Wachsende Nachfrage und GPU-Anforderungen

Ein neuer Bericht von Messari untersucht die Herausforderungen, mit denen Chiphersteller wie Nvidia konfrontiert sind, die im Zuge der KI-Manie Schwierigkeiten haben, mit der Nachfrage Schritt zu halten. TDie hohen Kosten und die begrenzte Chipverfügbarkeit geben Anlass zur Sorge für den zukünftigen Einsatz von KI-Anwendungen.

Die KI-Branche ist auf GPUs angewiesen, die „für das Training und die Abfrage von ML-Modellen unerlässlich sind“, sagt Messari. Der Umsatzanstieg führte dazu, dass die Hersteller nicht mehr mithalten konnten, was zu einer Verknappung führte.

Möglicherweise gibt es jedoch Licht am Ende des Tunnels, da möglicherweise bereits eine Lösung in Form dezentraler Rechennetzwerke existiert.

„Dezentrale Rechennetzwerke bieten eine vielversprechende Lösung, indem sie Einheiten mit ungenutzter Rechenleistung verbinden und so den GPU-Mangel abmildern“, twitterte Messari weiter Wednesday.

Es gibt eine Reihe von Kryptowährungs-Computing-Projekten, die zur Befriedigung der Nachfrage beitragen könnten.

Auf der Seite des Modelltrainings und der Feinabstimmung weist Messari darauf hin Gensyn machen Zusammen. Zu den von Messari angepriesenen Projekten auf der Seite der Modellinferenz gehören: Giza, Machen, ChainML, Modullabore machen Bittensor.

Allgemeinere Rechennetzwerke sind Akash, Lob, iExec, Truebit, Kabeljau machen Fluss.

Laut Messari kann durch die Nutzung der Leistung inaktiver GPUs die Nachfrage nach High-End-GPUs gedämpft werden, wodurch die Kosten gesenkt und die Zugänglichkeit für KI-Entwickler verbessert werden.

Eine ganze Menge Chips

Eine kürzlich berichten Das Forschungsunternehmen TrendForce zeigt, dass ChatGPT möglicherweise über 30,000 GPUs von Nvidia benötigt, um seine Trainingsdaten effizient zu verarbeiten.

Die Schätzungen von TrendForce basieren auf den Rechenkapazitäten von Nvidias A100 Grafikkarte, Preis zwischen 10,000 und 15,000 US-Dollar. Aufgrund der hohen Nachfrage, die durch ChatGPT angekurbelt wird, dürfte Nvidia beträchtliche Einnahmen erzielen, die möglicherweise 300 Millionen US-Dollar erreichen könnten.

Die Nachfrage nach GPUs in der KI wächst exponentiell, da ML-Modelle immer komplexer werden, was größere Parametermodelle und eine höhere Rechenleistung erfordert. Das Aufkommen von Transformatoren und deren Anwendung in der Sprachmodellierung hat die Rechenanforderungen weiter erhöht und diese alle 3–6 Monate verdoppelt. 

Eine der größten Herausforderungen in #Ai ist der Mangel an GPUs, die für das Training und die Abfrage von ML-Modellen unerlässlich sind.

Dezentrale Rechennetzwerke bieten eine vielversprechende Lösung, indem sie Einheiten mit ungenutzter Rechenleistung verbinden und so den GPU-Mangel abmildern. pic.twitter.com/vQpYD8glvY

- Messari (@MessariCrypto) 21. Juni 2023

Politische Spannungen und GPU-Lieferengpässe

A Newtown-Blog zum Thema dezentrales Rechnen in AI und ML schlägt das vor politische Spannungen tragen zu den Einschränkungen bei der GPU-Versorgung bei. Die Halbleiterproduktion hängt von einem komplexen Zusammenspiel mechanischer, physikalischer, chemischer, logistischer und wirtschaftlicher Faktoren ab. 

Taiwan, das 63 % des Halbleiter-Foundry-Marktes ausmacht, hat eine starke Stellung in der globalen Lieferkette. Geopolitische Spannungen zwischen den USA und China schaffen jedoch Unsicherheiten und potenzielle Bedrohungen für die Halbleiterindustrie und verdeutlichen die Notwendigkeit diversifizierter Lieferketten.

Der Blog bestätigt außerdem, dass Cloud-Anbieter wie AWS, GCP und Azure GPU-Miete anbieten, aber Hilfe bei Preisen und Verfügbarkeit benötigen. 

Die weiterhin angespannten Beziehungen zwischen den USA und China stellen daher eine große Chance für dezentrale Rechennetzwerke dar.

TEILE DIESEN BEITRAG

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Automobil / Elektrofahrzeuge, Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• BlockOffsets. Modernisierung des Eigentums an Umweltkompensationen. Hier zugreifen.
• Quelle: https://metanews.com/decentralized-compute-networks-to-tackle-gpu-shortage-in-ai-messari/