เครือข่ายคอมพิวเตอร์แบบกระจายศูนย์เพื่อแก้ปัญหาการขาดแคลน GPU ใน AI: Messari

เครือข่ายคอมพิวเตอร์แบบกระจายศูนย์เพื่อแก้ปัญหาการขาดแคลน GPU ใน AI: Messari

ประทับเวลา: 23 มิถุนายน 2023 2:00 น
เครือข่ายคอมพิวเตอร์แบบกระจายอำนาจเพื่อแก้ไขปัญหาการขาดแคลน GPU ใน AI: Messari PlatoBlockchain Data Intelligence ค้นหาแนวตั้ง AI.

การเติบโตอย่างรวดเร็วของปัญญาประดิษฐ์กำลังขยายอุตสาหกรรมการผลิตชิปจนถึงขีดจำกัด ซึ่งนำไปสู่การขาดแคลน GPU ซึ่งเป็นหน่วยประมวลผลพื้นฐานที่ขับเคลื่อนโมเดลแมชชีนเลิร์นนิง (ML) 

จากการวิจัยของ crypto และบริษัทผู้เชี่ยวชาญด้านข้อมูล Messari เครือข่ายคอมพิวเตอร์แบบกระจายศูนย์สามารถนำเสนอโซลูชันสำเร็จรูปได้

ความต้องการที่เพิ่มขึ้นและความต้องการ GPU

รายงานฉบับใหม่จาก Messari ตรวจสอบความท้าทายที่ผู้ผลิตชิปต้องเผชิญ เช่น Nvidia ซึ่งกำลังดิ้นรนเพื่อให้ทันกับความต้องการเนื่องจากความคลั่งไคล้ AI ตต้นทุนที่สูงและความพร้อมใช้งานของชิปที่จำกัดทำให้เกิดความกังวลต่อการปรับใช้แอปพลิเคชัน AI ในอนาคต

อุตสาหกรรม AI นั้นขึ้นอยู่กับ GPU ซึ่ง “จำเป็นสำหรับการฝึกอบรมและการสืบค้นโมเดล ML” Messari กล่าว ยอดขายที่พุ่งสูงขึ้นทำให้ผู้ผลิตไม่สามารถผลิตได้ทัน นำไปสู่การขาดแคลน

อย่างไรก็ตาม อาจมีแสงสว่างที่ปลายอุโมงค์ เนื่องจากโซลูชันอาจมีอยู่แล้วในรูปแบบของเครือข่ายคอมพิวเตอร์แบบกระจายอำนาจ

“เครือข่ายการประมวลผลแบบกระจายศูนย์นำเสนอโซลูชันที่มีแนวโน้มโดยการเชื่อมต่อเอนทิตีด้วยพลังการประมวลผลที่ไม่ได้ใช้งาน ช่วยลดปัญหาการขาดแคลน GPU” Messari ทวีตบน วันพุธ.

มีโครงการประมวลผล cryptocurrency จำนวนมากที่สามารถเข้ามาช่วยตอบสนองความต้องการได้

ในด้านการฝึกโมเดลและการปรับจูน Messari ชี้ไปที่ เจนซิน และ ร่วมกัน. ในโครงการด้านการอนุมานแบบจำลองที่ Messari เสนอ กิซ่า, ทำให้, ChainML, โมดูลัสแล็บ และ บิตเทนเซอร์.

มีเครือข่ายคอมพิวเตอร์สำหรับวัตถุประสงค์ทั่วไปมากขึ้น Akash, คิว, iExec, ทรูบิต, ปลาคอด และ การไหล.

จากข้อมูลของ Messari การควบคุมพลังของ GPU ที่ไม่ได้ใช้งาน ความต้องการ GPU ระดับไฮเอนด์สามารถบรรเทาลงได้ ลดต้นทุนและเพิ่มความสามารถในการเข้าถึงสำหรับนักพัฒนา AI

ชิปล็อตต้าทั้งหมด

เมื่อเร็ว ๆ นี้ รายงาน โดยบริษัทวิจัย TrendForce เปิดเผยว่า ChatGPT อาจต้องใช้ GPU มากกว่า 30,000 ตัวจาก Nvidia เพื่อประมวลผลข้อมูลการฝึกอบรมอย่างมีประสิทธิภาพ

การประมาณของ TrendForce ขึ้นอยู่กับความสามารถในการคำนวณของ A100 . ของ Nvidia กราฟิกการ์ด ราคาระหว่าง 10,000 ถึง 15,000 ดอลลาร์ Nvidia ยืนหยัดในการสร้างรายได้จำนวนมาก โดยอาจสูงถึง 300 ล้านดอลลาร์ เนื่องจากความต้องการสูงที่ขับเคลื่อนโดย ChatGPT

ความต้องการ GPU ใน AI กำลังเติบโตแบบทวีคูณ เนื่องจากโมเดล ML มีความซับซ้อนมากขึ้น ทำให้ต้องใช้โมเดลพารามิเตอร์ที่ใหญ่ขึ้นและพลังในการคำนวณที่เพิ่มขึ้น การปรากฎตัวของทรานส์ฟอร์เมอร์และการประยุกต์ใช้ในการสร้างแบบจำลองทางภาษาได้ขยายข้อกำหนดด้านการคำนวณเพิ่มเติม โดยเพิ่มความต้องการเหล่านี้เป็นสองเท่าทุกๆ 3-6 เดือน 

ความตึงเครียดทางการเมืองและข้อจำกัดด้านอุปทานของ GPU

A บล็อกนิวทาวน์ บนการคำนวณแบบกระจายอำนาจใน AI และ ม.ล. แนะนำว่า ความตึงเครียดทางการเมือง ทำให้เกิดข้อจำกัดในการจัดหา GPU การผลิตเซมิคอนดักเตอร์ต้องอาศัยปัจจัยเชิงกล กายภาพ เคมี ลอจิสติกส์ และเชิงพาณิชย์ที่ซับซ้อน 

ไต้หวัน ซึ่งคิดเป็น 63% ของตลาดโรงหล่อเซมิคอนดักเตอร์ ถือเป็นฐานที่มั่นในห่วงโซ่อุปทานทั่วโลก อย่างไรก็ตาม ความตึงเครียดด้านภูมิรัฐศาสตร์ระหว่างสหรัฐฯ และจีนสร้างความไม่แน่นอนและภัยคุกคามที่อาจเกิดขึ้นกับอุตสาหกรรมเซมิคอนดักเตอร์ โดยเน้นย้ำถึงความจำเป็นในห่วงโซ่อุปทานที่หลากหลาย

บล็อกยังยืนยันเพิ่มเติมว่าผู้ให้บริการระบบคลาวด์ เช่น AWS, GCP และ Azure ให้บริการเช่า GPU แต่ต้องการความช่วยเหลือด้านราคาและความพร้อมใช้งาน 

ความสัมพันธ์ที่ร้าวฉานอย่างต่อเนื่องระหว่างสหรัฐฯ และจีนจึงเป็นโอกาสสำคัญสำหรับเครือข่ายคอมพิวเตอร์แบบกระจายอำนาจ

แบ่งปันโพสต์นี้

ประทับเวลา:

เพิ่มเติมจาก เมตานิวส์