شبکه های محاسباتی غیرمتمرکز برای مقابله با کمبود GPU در هوش مصنوعی: Messari

شبکه های محاسباتی غیرمتمرکز برای مقابله با کمبود GPU در هوش مصنوعی: Messari

شبکه‌های محاسباتی غیرمتمرکز برای مقابله با کمبود GPU در هوش مصنوعی: هوش داده پلاتو بلاک چین Messari. جستجوی عمودی Ai.

رونق هوش مصنوعی صنعت تولید تراشه را تا حد خود کشانده است که منجر به کمبود پردازنده‌های گرافیکی - واحدهای پردازش پایه‌ای که مدل‌های یادگیری ماشین (ML) را نیرو می‌دهند. 

به گفته شرکت متخصص تحقیقات و داده‌های ارز دیجیتال Messari، شبکه‌های محاسباتی غیرمتمرکز می‌توانند یک راه‌حل آماده ارائه دهند.

تقاضای رو به رشد و نیازهای GPU

گزارش جدیدی از Messari به بررسی چالش‌های پیش روی سازندگان تراشه مانند Nvidia می‌پردازد که در پی شیدایی هوش مصنوعی در تلاش هستند تا با تقاضا همگام شوند. تیهزینه های بالا و در دسترس بودن محدود تراشه نگرانی هایی را برای استقرار برنامه های کاربردی هوش مصنوعی در آینده ایجاد می کند.

مساری می‌گوید صنعت هوش مصنوعی به پردازنده‌های گرافیکی وابسته است که «برای آموزش و جستجوی مدل‌های ML ضروری هستند». افزایش فروش باعث شده تا تولیدکنندگان نتوانند این روند را ادامه دهند و به کمبود آن منجر شده است.

ممکن است در انتهای تونل نور وجود داشته باشد، زیرا ممکن است راه حلی در قالب شبکه های محاسباتی غیرمتمرکز وجود داشته باشد.

مساری در توییتی نوشت: «شبکه‌های محاسباتی غیرمتمرکز راه‌حل امیدوارکننده‌ای را با اتصال موجودیت‌هایی با قدرت محاسباتی غیرفعال ارائه می‌دهند و کمبود GPU را کاهش می‌دهند. چهار شنبه.

تعدادی از پروژه های محاسباتی ارزهای دیجیتال وجود دارد که می توانند برای برآورده کردن تقاضا وارد عمل شوند.

در سمت آموزش و تنظیم دقیق مدل مساری اشاره می کند جنسین و با هم. پروژه های جانبی استنباط مدلی که توسط مساری تبلیغ می شوند عبارتند از جیزه, ارائه, ChainML, آزمایشگاه های مدولوس و گزنده.

شبکه های محاسباتی عمومی تر هستند آکاش, درود, iExec, Truebit, ماهی کاد و شار.

به گفته مساری، با استفاده از قدرت پردازنده‌های گرافیکی بی‌کار، می‌توان تقاضا برای پردازنده‌های گرافیکی پیشرفته را کاهش داد، هزینه‌ها را کاهش داد و دسترسی توسعه‌دهندگان هوش مصنوعی را افزایش داد.

کلی چیپس لوتا

اخیر گزارش توسط شرکت تحقیقاتی TrendForce، نشان می دهد که ChatGPT ممکن است به بیش از 30,000 پردازنده گرافیکی از Nvidia نیاز داشته باشد تا داده های آموزشی خود را به طور موثر پردازش کند.

تخمین‌های TrendForce بر اساس قابلیت‌های محاسباتی است A100 انویدیا کارت گرافیک با قیمت بین 10,000 تا 15,000 دلار. Nvidia به دلیل تقاضای بالای ChatGPT درآمد قابل توجهی ایجاد می کند که به طور بالقوه به 300 میلیون دلار می رسد.

تقاضا برای پردازنده‌های گرافیکی در هوش مصنوعی رشد تصاعدی را تجربه می‌کند، زیرا مدل‌های ML پیچیده‌تر می‌شوند و نیاز به مدل‌های پارامتر بزرگ‌تر و افزایش قدرت محاسباتی دارند. ظهور ترانسفورماتورها و کاربرد آنها در مدل‌سازی زبان، نیازمندی‌های محاسباتی را تقویت کرده است، و این نیازها را هر 3 تا 6 ماه دو برابر می‌کند. 

تنش های سیاسی و محدودیت های عرضه GPU

A وبلاگ نیوتاون در محاسبات غیرمتمرکز در AI و ML این را پیشنهاد می کند تنش های سیاسی به محدودیت های عرضه GPU کمک می کند. تولید نیمه هادی بر مجموعه پیچیده ای از عوامل مکانیکی، فیزیکی، شیمیایی، لجستیکی و تجاری متکی است. 

تایوان که 63 درصد از بازار ریخته گری نیمه هادی را به خود اختصاص داده است، در زنجیره تامین جهانی دارای پایگاه است. با این حال، تنش های ژئوپلیتیکی بین ایالات متحده و چین، عدم قطعیت ها و تهدیدات بالقوه ای را برای صنعت نیمه هادی ایجاد می کند و نیاز به زنجیره های تامین متنوع را برجسته می کند.

این وبلاگ همچنین تأیید می‌کند که ارائه‌دهندگان ابری، مانند AWS، GCP، و Azure، کرایه‌های GPU را ارائه می‌کنند، اما در مورد قیمت‌گذاری و در دسترس بودن به کمک نیاز دارند. 

بنابراین تداوم روابط ناهموار بین ایالات متحده و چین فرصت قابل توجهی را برای شبکه های محاسباتی غیرمتمرکز ارائه می دهد.

این پست رو به اشتراک بگذارید

تمبر زمان:

بیشتر از متانیوز