Mạng điện toán phi tập trung để giải quyết tình trạng thiếu GPU trong AI: Messari

Mạng điện toán phi tập trung để giải quyết tình trạng thiếu GPU trong AI: Messari

Dấu thời gian: ngày 23 tháng 2023 năm 2 00:XNUMX sáng
Mạng điện toán phi tập trung để giải quyết tình trạng thiếu GPU trong AI: Trí tuệ dữ liệu Blockchain của Messari Plato. Tìm kiếm dọc. Ái.

Sự bùng nổ về trí tuệ nhân tạo đang kéo ngành sản xuất chip đến giới hạn dẫn đến tình trạng thiếu GPU – đơn vị xử lý cơ bản cung cấp năng lượng cho các mô hình máy học (ML). 

Theo công ty chuyên về dữ liệu và nghiên cứu tiền điện tử Messari, các mạng máy tính phi tập trung có thể đưa ra một giải pháp có sẵn.

Nhu cầu ngày càng tăng và yêu cầu GPU

Một báo cáo mới từ Messari xem xét những thách thức mà các nhà sản xuất chip như Nvidia phải đối mặt, những người đang phải vật lộn để theo kịp nhu cầu sau cơn sốt AI. tchi phí cao và khả năng cung cấp chip hạn chế gây lo ngại cho việc triển khai các ứng dụng AI trong tương lai.

Messari cho biết ngành công nghiệp AI phụ thuộc vào GPU “cần thiết để đào tạo và truy vấn các mô hình ML. Doanh số tăng đột biến khiến các nhà sản xuất không theo kịp, dẫn đến tình trạng khan hàng.

Tuy nhiên, có thể có ánh sáng ở cuối đường hầm, vì một giải pháp có thể đã tồn tại ở dạng mạng máy tính phi tập trung.

“Các mạng điện toán phi tập trung cung cấp một giải pháp đầy hứa hẹn bằng cách kết nối các thực thể có sức mạnh tính toán nhàn rỗi, giảm thiểu tình trạng thiếu GPU,” Messari đã tweet trên Thứ Tư.

Có một số dự án điện toán tiền điện tử có thể bước vào để giúp đáp ứng nhu cầu.

Về phía đào tạo và tinh chỉnh mô hình, Messari chỉ ra gensyn và Cùng nhau. Về các dự án bên suy luận mô hình do Messari giới thiệu bao gồm Giza, Trả lại, ChainML, Phòng thí nghiệm mô-đun và bittensor.

Các mạng tính toán có mục đích chung hơn là Akash, cudo, iExec, Truebit, Cá tuyết và Phun ra.

Theo Messari, bằng cách khai thác sức mạnh của các GPU nhàn rỗi, nhu cầu về GPU cao cấp có thể giảm bớt, giảm chi phí và tăng cường khả năng tiếp cận cho các nhà phát triển AI.

Toàn bộ lotta chip

Mới đây báo cáo bởi công ty nghiên cứu TrendForce, tiết lộ rằng ChatGPT có thể yêu cầu hơn 30,000 GPU từ Nvidia, để xử lý dữ liệu đào tạo của nó một cách hiệu quả.

Ước tính của TrendForce dựa trên khả năng tính toán của A100 của Nvidia card đồ họa, có giá từ 10,000 đến 15,000 đô la. Nvidia có thể tạo ra doanh thu đáng kể, có khả năng đạt 300 triệu đô la, do nhu cầu cao do ChatGPT thúc đẩy.

Nhu cầu về GPU trong AI đang tăng trưởng theo cấp số nhân khi các mô hình ML trở nên phức tạp hơn, đòi hỏi các mô hình tham số lớn hơn và tăng sức mạnh tính toán. Sự ra đời của máy biến áp và ứng dụng của chúng trong mô hình hóa ngôn ngữ đã khuếch đại hơn nữa các yêu cầu tính toán, tăng gấp đôi các yêu cầu này sau mỗi 3-6 tháng. 

Căng thẳng chính trị và hạn chế cung cấp GPU

A blog phố mới về điện toán phi tập trung trong AI và ML gợi ý rằng căng thẳng chính trị góp phần vào những hạn chế trong việc cung cấp GPU. Sản xuất chất bán dẫn phụ thuộc vào một loạt các yếu tố cơ học, vật lý, hóa học, hậu cần và thương mại phức tạp. 

Đài Loan, chiếm 63% thị trường đúc bán dẫn, nắm giữ một vị trí vững chắc trong chuỗi cung ứng toàn cầu. Tuy nhiên, căng thẳng địa chính trị giữa Mỹ và Trung Quốc tạo ra sự không chắc chắn và các mối đe dọa tiềm ẩn đối với ngành công nghiệp bán dẫn, làm nổi bật nhu cầu về chuỗi cung ứng đa dạng.

Blog xác nhận thêm rằng các nhà cung cấp đám mây, chẳng hạn như AWS, GCP và Azure, cung cấp dịch vụ cho thuê GPU nhưng cần trợ giúp về giá cả và tính khả dụng. 

Do đó, mối quan hệ rạn nứt tiếp tục giữa Hoa Kỳ và Trung Quốc mang đến cơ hội đáng kể cho các mạng máy tính phi tập trung.

CHIA SẺ BÀI NÀY

Dấu thời gian:

Thêm từ MetaNews