pinetwork

مرحبًا فريق Binance! 🌟 هل تساءلت يومًا ماذا يحدث عندما يضرب عملاق التعدين المحمول بملايين المستخدمين السوق المفتوحة أخيرًا؟ ادخل إلى شبكة Pi's $PI – الرمز الذي يهز بدايته الصخرية ويتقدم مثل الثور في متجر العملات المشفرة! 😎
قبل شهر فقط، انخفض PI إلى أدنى مستوى له على الإطلاق من
$0.1312 بعد إطلاقه الملحمي على الشبكة الرئيسية في أوائل عام 2025 أطلقه إلى $2.98... فقط ليضربه البيع بقوة. لكن تخيل ماذا؟ لقد انتعش بأكثر من 75% ليصل إلى ~$0.23 دولار أمريكي الآن، مع زيادة مذهلة بنسبة 13%+ في الـ 24 ساعة الماضية! حجم التداول؟ يرتفع إلى $45M، مما يدفع قيمته السوقية إلى ما يتجاوز $2.2B ويدخله في المراكز الـ 40 الأولى. المعروض المتداول يجلس عند 9.65B، مع حد أقصى يبلغ 100B – هناك الكثير من المجال للنمو إذا انفجرت الاعتمادية. 📈

主页更新内容
Pi节点分散计算案例研究
Pi网络正在探索Pi的全球网络的能力支持分散AI训练和计算任务的节点.
 Pi节点长期以来的设计目的不仅仅是保护账本。
尽管Pi区块链受益于世界各地许多分布式节点的分散性质，但Pi的账本本身是高能效的，并且不需要这样一个大型分布式节点网络的全部计算资源。
创建一个未使用的计算容量池，可以新的实用程序，如分散式云计算。
需要计算能力进行AI模型训练的第三方可以利用Pi节点操作员的这些未使用资源，Pi节点操作员选择加入，并以加密货币支付操作员费用。
Pi节点上的实用程序与Pi应用程序、平台级实用程序和本地商务一起构成Pi实用程序的重要组成部分。
该节点实用程序旨在[强]解决人工智能时代的两个新问题。集中式计算的局限性：这些问题包括数据中心限制、能源集中以及灾难性遗忘或全局状态瓶颈等问题。
人工智能驱动的计算需求日益增长：随着人工智能模型和智能体的发展以及人工智能经济的扩展，对计算资源的需求也在增加。
社会将需要提供前所未有的计算能力来支持人工智能经济，方法是尽可能多地创造新的和利用现有未使用的计算能力。分散的和未使用的计算能力依赖于分布式网络和技术来整合、协调和扩展以提高生产力。Pi在解决这两个挑战方面具有独特的地位，因为Pi本身已经是一个分布式网络，拥有[强]超过421，000个节点。(代表超过一百万个CPU)，允许分布式计算。
数千万KYC身份验证参与者谁可以选择为相关AI学习过程提供人在环支持，以换取加密货币的补偿，这除了Pi节点的计算能力外，还可以为AI系统中可扩展的、真实的人工输入提供独特的资源，进一步完成对AI客户端的一站式服务。[强]这些元素共同为人工智能基础设施提供了新的方法，允许分布式系统将生产[悠闲]捕获[悠闲]到其网络中，并使人们能够直接为人工智能的生产过程做出贡献，并通过基于区块链的支付获得回报。
去年10月，Pi成功地完成了一个概念验证项目openmind其中Pi Node操作员小组为该公司运行图像识别任务。
OpenMind案例研究openmind正在开发一种操作系统和开源协议，让机器人能够一起思考、学习和工作，就像机器人的Android操作系统一样。像其他物理AI工作一样，OpenMind需要强大的计算能力来训练、评估和运行他们的模型。
为了测试Pi的分布式计算的可行性，OpenMind开发了一个容器，可以请求来自各个计算机的计算任务。该团队与志愿者PiNode操作员共享了这个容器，他们下载了这个容器并在自己的机器上运行。然后，openmind通过容器发送任务，请求计算机使用OpenMind的AI图像识别模型处理不同的图像，这是一个示例用例 其中，图像识别训练对于OpenMind的机器人与现实世界交互至关重要。
目标是在这些图像中发现尽可能多的离散对象，使用志愿者Pi节点操作符的计算能力来做到这一点。结果已成功运行概念验证项目。任务被正确地推送到外部测试人员(志愿者Pi节点操作员)，有效的结果被发送回OpenMind，并且用例被证明，其中Pi节点可以选择运行第三方定义和请求的与其区块链义务无关的计算，并将有意义的结果返回给第三方客户端。来自试点的关键统计数据：7名志愿Pi节点操作员参加测试端到端分布式流水线成功运行广播的作业收到来自的确认一秒内7名工人从内的多个工作人员返回推断结果4秒结果包含正确的对象检测，包括预期的标签，例如公共汽车和人，以及边界框已成功将作业推送到外部测试机，并返回有效检测，确认了这两种情况分布式广播和结果返回路径可靠性总体而言，实验验证了分布式Pi节点能够执行AI相关的工作负载并快速返回有用的结果。
后续步骤分布式人工智能培训在世界范围内仍处于研究阶段，世界各地的研究人员和感兴趣的企业应该继续探索从完全集中式人工智能培训向更加分布式的培训方式转变是否可能以及如何可能。
此类研究直接涉及前面概述的挑战：解决集中式计算的结构性限制，利用分散和未使用的人工智能计算能力，以及为个人有意义地参与人工智能驱动的生产创造机会。
通过评估未使用的节点计算能力如何支持外部AI工作负载，并将计算能力与真实的人工输入打包在一起，该计划可能提供AI公司和初创企业在寻求AI培训需求解决方案时可以探索的[强]替代基础设施选项。
总体而言，Pi对该节点实用程序的研究补充了Pi对区块链和人工智能未来的愿景，其中去中心化基础设施有助于未来经济的组成部分，并支持公平参与和分配。