Ilgu laiku decentralizētā apstrāde tika uzskatīta par teorētisku jēdzienu, nevis praktisku prasību. Šodien šī uztvere mainās.
Kā AI un DePIN attīstās no naratīviem uz ražošanas līmeņa infrastruktūru, ir kļuvis skaidrs, ka atkārtota problēma ir: daudzas Web3 lietotnes joprojām paļaujas uz centralizētiem mākoņu pakalpojumu sniedzējiem. Šī atkarība ievieš kritisku vājumu.
Neatkarīgi no tā, cik decentralizēti ir lietotnes viedie līgumi vai pārvaldība, atkarība no centralizētiem mākoņu pakalpojumiem nozīmē, ka izpilde paliek kontrolēta neliela pakalpojumu sniedzēju skaita. Tas rada riskus, kas saistīti ar izmaksām, pieejamību, cenzūru un ilgtermiņa ilgtspēju.
DePIN ekosistēmā parādās vairāki pieejas veidi, lai risinātu šo problēmu:
@AkashNetwork $AKT fokusējas uz decentralizētām mākoņu tirgus vietām, ļaujot atvērtu un konkurētspējīgu piekļuvi apstrādes resursiem.
@Render Network $RENDER koncentrējas uz GPU apstrādi, atbalstot AI un renderēšanas slodzes, kas prasa liela mēroga paralēlo apstrādi.
@Fluence $FLT mērķē uz vispārējas lietošanas, atļaujas neprasošu apstrādi, ļaujot lietotnēm darboties bez atkarības no centralizētiem mākoņu pakalpojumu sniedzējiem vai smagām virtuālajām mašīnu arhitektūrām.
Šie projekti darbojas dažādos slāņos un izmanto dažādus modeļus, bet tiem ir kopīga virziena.
Tas, kas atšķir pašreizējo fāzi, ir lietojums. Šie tīkli tiek būvēti, lai atbalstītu reālas slodzes, tostarp AI secinājumus, datu intensīvas lietotnes un atvērtus pakalpojumus, kas prasa augstu pieejamību un izturību pret cenzūru.
Kā AI pieņemšana paātrinās, apstrāde arvien vairāk kļūst par šauru vietu. Tādējādi kontrole pār apstrādi pārstāv nozīmīgu varas koncentrāciju.
Decentralizētā apstrāde piedāvā alternatīvu modeli: infrastruktūru, kas ir modulāra, efektīva un izplatīta, kur izpilde nepieder vai netiek kontrolēta no viena subjekta.
Lietotnes un saskarnes turpinās mainīties.
Pamatinfrastruktūra paliks nemainīga.
Vēsturiski ilgtermiņa vērtība parasti uzkrājas tajā pamatlīmenī.
#DePIN #DecentralizedCompute #AI