Eines der Ziele der Rechenleistung: Metaverse + dezentrales Rendering
Nachdem wir alle Public-Chain-Projekte aussortiert hatten, die im Jahr 2022 eine Finanzierung erhielten, untersuchten wir weiter die unterteilten Public-Chain-Richtungen des Metaverses.
Im neuen öffentlichen Chain-Track versuchen viele öffentliche Ketten, neue Verwendungsmöglichkeiten für PoW-Rechenleistung zu finden. Diese Verwendung dient nicht mehr der Aufrechterhaltung der Netzwerksicherheit, sondern der Generierung von Beweisen, der Durchführung spezifischer Geschäfte usw.
Eine Geschäftsrichtung, deren Zahl allmählich zunimmt, ist: dezentrales Rendering basierend auf Metaverse-Anwendungsszenarien. Diese Art von öffentlicher Kette ist in vertikalen Anwendungsszenarien im Zusammenhang mit Metaverse positioniert und bietet 2D/3D-Rendering-Dienste basierend auf Rechenleistung und konform mit der Web3-Logik.
Neben den neuen öffentlichen Ketten Caduceus und Portalverse Network, die letztes Jahr eine Finanzierung erhielten, gibt es in diesem Bereich auch die im letzten Jahr angekündigte öffentliche Metaverse-Kette iPolloverse sowie das früh etablierte Projekt Render Network, das dieses Konzept erstmals aufgriff. Wir haben die oben genannten öffentlichen Ketten organisiert:
Herkömmliche Rendering-Dienste basieren auf leistungsstarken CPUs oder GPUs, die als „Kraftpakete der Rechenleistung“ gelten.
„Rendering“ kann einfach als „Grafik + Rechenleistung + Infrastruktur“ verstanden werden. Traditionelles Rechenleistungs-Rendering ist einer der ausgereiften Märkte auf Web2-Ebene. Auf dem GPU-Rendering-Markt bezieht sich Rendering auf „den Prozess, bei dem die modellierten 3D-Grafiken genommen und viele Parameter festgelegt werden, um durch eine Reihe von Berechnungen ein bestimmtes visuelles Bild zu erzeugen“ während der Produktion von Spezialeffekten. Für gerenderte Objekte gelten unterschiedliche Anforderungen an Textur, Material, Textur, Beleuchtung, globale Beleuchtung, Shader, Linsenunschärfe, Tiefe usw. und es sind unterschiedliche visuelle Stile erforderlich Rechenleistung.
Zu den traditionellen Branchen für die Erbringung von Dienstleistungen gehören Film, Fernsehen, Animation, Spiele, Architektur/Innenarchitektur, Werbung/Film und Fernsehen/Verpackung, akademische Forschung, medizinische Versorgung, Ausstellungen usw.
Unterschiedliche Anwendungsszenarien stellen sehr unterschiedliche Anforderungen an die Rendering-Qualität, -Genauigkeit und -Geschwindigkeit und erfordern unterschiedliche CPU-/GPU-Lösungen: Beispielsweise erfordern Film- und Fernsehprodukte realistische Effekte und verwenden häufig die Form des Vor-Renderings/Offline-Renderings, um das Bild sicherzustellen Qualität, aber die Geschwindigkeit ist extrem langsam; Spiele und AR-Anzeigen erfordern Interaktion und Echtzeit-Rendering, was hohe Bildraten, aber geringe Anforderungen an Bildqualität und Details erfordert.
Offline-Rendering: Wird häufiger in Film- und Fernsehspezialeffekten, 3D-Renderings, CG-Animationen, Heimdekorationsdesign und anderen Szenen verwendet.
Echtzeit-Rendering: Wird hauptsächlich in Cloud-Spielen, AR/VR, Video-Live-Broadcast-Spezialeffekten, Cloud-Erstellung und anderen Szenarien verwendet, die eine hohe, niedrige Latenz und Interaktivität erfordern.
Bei der ultimativen Suche nach realen Szenen ist es schwierig, vollständig realistische Modelle in Echtzeit in KI, virtueller Realität, 3D-Spielen und anderen Szenen darzustellen.
Interessanterweise basieren einige Szenen-Renderings auf unterschiedlichen technischen Lösungen. Beispielsweise können unterschiedliche Hardwaregeräte Rendering-Lösungen mit unterschiedlichen Eigenschaften implementieren: Der traditionelle OctaneRender (erworben von der Hollywood-Genossenschafts-Rendering-Firma OTOY) ist eine GPU-basierte physische Rendering-Engine, die NVIDIAs verwendet RTX-Raytracing-GPU für Hardwarebeschleunigung.
Durch den Einsatz der Web3-Infrastruktur kann das dezentrale verteilte Netzwerk mehr Teilnehmern den Beitritt zu einem solchen Ökosystem ermöglichen, z. B. CPU-/GPU-Minern und einzelnen Erstellern, die Rendering-Dienste für Metaverse/VR/AR-Szenen benötigen.
Bis zu einem gewissen Grad hat das dezentrale Rendering das Potenzial, das traditionelle Rendering zu durchbrechen: Bestehende Web2-Spiele erfordern eine umfangreiche Verwendung interaktiver Bilder. Wenn das Spiel auf dem PC ausgeführt wird, rendert die Grafikkarte eine große Anzahl von Bildern im Hintergrund, um ein kontinuierliches Bild zu bilden Wenn bei visuellen Effekten (Spielanimationen) die Qualität der gerenderten Bilder zu hoch ist oder die Animationsübergänge zu häufig sind, erhöht sich die Anzahl der Bilder erheblich und die Rechenleistung der Grafikkarte kann nicht mithalten, was zu Verzögerungen und Verzögerungen führt , insbesondere für Echtzeit-Rendering. Bei Web2-Cloud-Spielen war es schon immer schwierig, die Probleme hoher Latenz und hoher Kosten zu lösen. Die Web3-Rendering-Infrastruktur bietet Vorteile bei hochpräziser Simulation und Echtzeit-Rendering.
Zum Beispiel: Das RNDR-Rendering-Netzwerk, ein frühes Hauptprojekt auf diesem Weg, erwähnte in der neuesten Version des iPad Pro, dass, wenn die lokale Rechenleistung des iPad nicht ausreicht, die Rechenleistung der Cloud im Render-Netzwerk genutzt wird Hilfe beim Rendern.
In der bestehenden Web3-Rendering-Infrastruktur wird Tokenomics hauptsächlich verwendet, um ökologische Benutzer zu ermutigen, in ihrer Freizeit Grafikkarten-Rechenleistung beizutragen und mehr verteilte persönliche GPU-Knoten zu verwenden, um ein Edge-Computing-Cloud-Rendering-Netzwerk näher an jedem Benutzer zu bilden. Und balancieren Sie den Rendering-Task-Initiator und den Rechenleistungsanbieter aus und stellen Sie gleichzeitig die Kosteneffizienz des Rendering-Dienstes sicher, bieten Sie den GPU-Minern Vorteile und wahren Sie die ökologische Nachhaltigkeit.
Gleichzeitig müssen solche Plattformen auch Dienste näher an der Anwendungsebene bereitstellen und Entwickler, die in Web3 eine Schlüsselrolle spielen, besser in das Ökosystem einbinden. Am Beispiel des frühen RNDR-Rendering-Netzwerks wurden zwei Rollen vorgeschlagen: „Ersteller“ (Ersteller von 3D-Bildern, die zusätzliche GPU-Rechenleistung benötigen) und „Knotenanbieter“ (Benutzer mit ungenutzter GPU-Rechenleistung). Um die niedrigen Rendering-Kosten zu verfolgen und die Öffentlichkeit zu erreichen.
Als Infrastruktur von Web3 kann die öffentliche Metaverse-Kette die gesamte Kettenökologie besser unterstützen.
Nehmen Sie zum Beispiel die Netzwerkarchitektur der öffentlichen Kette iPolloverse. Die Netzwerkarchitektur besteht aus vier Schichten: Von niedrig nach hoch sind es die Meta-Rechenleistungsschicht, die Netzwerkschicht, die Rendering-Schicht und die ökologische Schicht. Öffentlichen Informationen zufolge verfügt das Testnetzwerk über eine GPU, die 500 Benutzer unterstützt.
Nach Render, dem frühen Hauptprojekt des Tracks, und der neuen öffentlichen Kette des Metaverse-Rendering-Konzepts zu urteilen, ist die Angebotsseite des Tracks ausreichend, das heißt, die GPU-Rechenleistungsseite wurde von vielen Infrastrukturen dieses neuen Typs belegt Das Mining umfasst viele Rollen, darunter GPU-Cloud-Dienstleister usw.
Daher ist als nächstes die Nachfrageseite des Metaverse-Renderings zu beachten:
Beziehen Sie sich auf die drei Grundparameter, aus denen das Metaversum besteht: Avatar (Anzahl der Personen/Rollen), NFT-Assets und Infrastruktur. Der dezentrale Rendering-Netzwerkdienst kann alle oben genannten drei Parameter berühren.
Aus Sicht der gemeinsamen GPU-Rechenleistung ist dieses auf Edge Computing basierende Konzept nicht neu, aber der Aufstieg des Metaverse-Konzepts im Jahr 2022 und die Implementierung von Anwendungsszenarien wie GameFi und Kettenspielen bieten neue Möglichkeiten für dezentrales Rendering Erwartungen im Branchenmaßstab. Als Infrastruktur mit praktischen Anwendungsszenarien wird die öffentliche Metaverse-Rendering-Kette im Mittelpunkt der nächsten nachfrageseitigen Rendering-Entwicklung stehen.
Darüber hinaus gibt es aus Sicht komplexer Berechnungen außerhalb des Metaverse-Szenarios immer noch einige Konzepte und Szenarien, die immer noch komplexe Berechnungen verwenden. Beispielsweise testet RNDR die ChatGPT-API, um Rechenleistung bereitzustellen. Zu diesen neuen Konzepten gehören KI-Rechenleistung, Proteinsimulation, Wetterberechnungen usw. Diese Frameworks, die viel Rechenleistung erfordern, haben neue Vorstellungen eröffnet.