Jedno z miejsc przeznaczenia mocy obliczeniowej: metaverse + zdecentralizowane renderowanie

Po uporządkowaniu wszystkich projektów łańcucha publicznego, które otrzymały finansowanie w 2022 r., dokładniej zbadaliśmy podzielone kierunki łańcucha publicznego w Metaverse.

Na nowej ścieżce łańcucha publicznego istnieje wiele sieci publicznych, które próbują znaleźć nowe zastosowania mocy obliczeniowej PoW.To wykorzystanie nie jest już wykorzystywane do utrzymywania bezpieczeństwa sieci, ale do generowania dowodów, wykonywania określonych operacji itp.

Kierunkiem biznesowym, którego liczba stopniowo rośnie, jest: zdecentralizowane renderowanie w oparciu o scenariusze aplikacji Metaverse. Ten typ łańcucha publicznego jest pozycjonowany w scenariuszach zastosowań pionowych związanych z Metaverse, zapewniając usługi renderowania 2D/3D w oparciu o moc obliczeniową i zgodną z logiką Web3.

Oprócz nowych publicznych łańcuchów Caduceus i Portalverse Network, które otrzymały finansowanie w zeszłym roku, istnieje także publiczny łańcuch Metaverse iPolloverse, ogłoszony w zeszłym roku, a także wczesny projekt Render Network, który po raz pierwszy pojawił się w tej koncepcji. Uporządkowaliśmy powyższe łańcuchy publiczne:

Tradycyjne usługi renderowania opierają się na wydajnych procesorach CPU lub GPU i są znane jako „jeden z głównych źródeł mocy obliczeniowej”.

„Renderowanie” można po prostu rozumieć jako „grafika + moc obliczeniowa + infrastruktura”. Tradycyjne przetwarzanie danych jest jednym z dojrzałych rynków na poziomie Web2. Na rynku renderowania GPU renderowanie oznacza „proces generowania obrazu o określonym stylu wizualnym poprzez serię obliczeń po ustawieniu wielu parametrów dla modelowanej grafiki 3D” podczas produkcji efektów specjalnych. Renderowane obiekty mają różne wymagania dotyczące tekstury, materiału, oświetlenia, globalnego oświetlenia, shaderów, rozmycia soczewki, głębi itp. i wymagają różnych stylów wizualnych. Jednak niezależnie od formy renderowania grafiki, wymaga ona dużej mocy obliczeniowej.

Tradycyjne branże świadczące usługi obejmują film, telewizję, animację, gry, architekturę/projektowanie wnętrz, reklamę/film/opakowania, badania naukowe, leczenie, wystawy itp.

Różne scenariusze zastosowań mają bardzo różne wymagania dotyczące jakości, dokładności i szybkości renderowania oraz wymagają różnych rozwiązań CPU/GPU: na przykład produkty filmowe i telewizyjne wymagają realistycznych efektów i często stosują wstępne renderowanie/renderowanie offline w celu zapewnienia jakości obrazu, ale prędkość jest wyjątkowo niska; podczas gdy gry i wyświetlacze rozszerzonej rzeczywistości wymagają interakcji i renderowania w czasie rzeczywistym, przy wysokich wymaganiach dotyczących liczby klatek na sekundę, ale niskich wymaganiach dotyczących jakości szczegółów obrazu.

Renderowanie offline: częściej stosowane w filmach i programach telewizyjnych przy tworzeniu efektów specjalnych, renderowaniu 3D, animacjach CG, projektowaniu dekoracji wnętrz i innych scenach.

Renderowanie w czasie rzeczywistym: Używane głównie w grach w chmurze, rozszerzonej rzeczywistości (AR) i wirtualnej rzeczywistości (VR), efektach specjalnych wideo na żywo, tworzeniu chmur i innych scenariuszach, które mają wysokie wymagania dotyczące niskich opóźnień i interaktywności.

W dążeniu do tworzenia realistycznych scen trudno jest renderować w czasie rzeczywistym modele w pełnej skali w przypadku scen z udziałem sztucznej inteligencji, rzeczywistości wirtualnej i gier 3D.

Co ciekawe, niektóre renderowanie scen opiera się na różnych rozwiązaniach technicznych, a różne urządzenia sprzętowe mogą implementować rozwiązania renderujące o różnych charakterystykach. Na przykład tradycyjny OctaneRender (przejęty przez hollywoodzką firmę zajmującą się renderowaniem OTOY) to oparty na procesorze graficznym silnik renderujący, który do sprzętowego przyspieszenia wykorzystuje procesor graficzny NVIDIA RTX z funkcją ray tracingu.

Dzięki infrastrukturze Web3 zdecentralizowane sieci rozproszone mogą umożliwić dołączenie do takiego ekosystemu większej liczbie uczestników, np. górnikom wykorzystującym CPU/GPU i indywidualnym twórcom potrzebującym usług renderowania, otwierając nowe możliwości dla scenariuszy Metaverse/VR/AR.

W pewnym zakresie zdecentralizowane renderowanie ma potencjał, aby przełamać tradycyjne renderowanie: istniejące gry Web2 wymagają szerokiego wykorzystania interaktywnych obrazów. Podczas gry na komputerze PC karta graficzna generuje w tle dużą liczbę obrazów, co tworzy ciągły efekt wizualny (animację gry). Gdy jakość renderowanych obrazów jest zbyt wysoka lub przejścia animacji występują zbyt często, liczba obrazów znacznie wzrasta, a moc obliczeniowa karty graficznej nie jest w stanie nadążyć. Powoduje to zawieszanie się obrazu i opóźnienia, zwłaszcza w przypadku renderowania w czasie rzeczywistym. Gry w chmurze Web2 zawsze miały trudności z rozwiązaniem problemów związanych z dużymi opóźnieniami i wysokimi kosztami. Infrastruktura renderująca Web3 zapewnia zalety w postaci precyzyjnej symulacji i renderowania w czasie rzeczywistym.

Na przykład: sieć renderująca RNDR, jeden z pierwszych wiodących projektów w tej dziedzinie, wspomniała w najnowszym wydaniu iPada Pro, że gdy lokalna moc obliczeniowa iPada okaże się niewystarczająca, wykorzysta moc obliczeniową sieci renderującej w chmurze, aby pomóc w renderowaniu.

W istniejącej infrastrukturze renderującej Web3 Tokenomics jest stosowany głównie w celu zachęcenia użytkowników ekosystemu do udostępniania niewykorzystanej mocy obliczeniowej karty graficznej oraz w celu utworzenia sieci renderowania w chmurze opartej na przetwarzaniu brzegowym, znajdującej się bliżej każdego użytkownika, przy użyciu większej liczby rozproszonych osobistych węzłów GPU. Pozwala również zachować równowagę pomiędzy inicjatorami zadań renderowania a dostawcami mocy obliczeniowej, co przynosi korzyści górnikom GPU, a jednocześnie gwarantuje opłacalność usług renderowania, a tym samym przyczynia się do zachowania ekologicznej równowagi.

Jednocześnie takie platformy muszą również oferować usługi bliższe warstwie aplikacji i lepiej wprowadzać twórców, którzy odgrywają kluczową rolę w Web3, do ekosystemu. Biorąc za przykład wczesną sieć renderującą RNDR, zaproponowano dwie role: „twórcy” (twórcy obrazów 3D, którzy potrzebują dodatkowej mocy obliczeniowej GPU) i „dostawcy węzłów” (użytkownicy z niewykorzystaną mocą obliczeniową GPU). Dążenie do uzyskania niskich kosztów renderowania i dotarcia do mas.

Jako infrastruktura Web3, publiczny łańcuch Metaverse może lepiej obsługiwać cały ekosystem łańcuchów.

Na przykład: biorąc za przykład publiczną architekturę sieciową iPolloverse, architektura sieciowa składa się z czterech warstw: od najniższej do najwyższej są to: warstwa metaobliczeniowa, warstwa sieciowa, warstwa renderowania i warstwa ekologiczna. Według publicznych informacji sieć testowa osiągnęła poziom 1 GPU obsługującego 500 użytkowników.

Sądząc po wczesnych projektach wiodących na tej ścieżce, Render, a następnie po nowym łańcuchu publicznym z koncepcją renderowania metawersum, strona podażowa tej ścieżki jest wystarczająca, co oznacza, że ​​koniec mocy obliczeniowej GPU został zajęty przez wiele infrastruktur. Ten nowy typ wydobycia angażuje wiele ról, w tym dostawców usług w chmurze GPU.

Dlatego następną rzeczą, którą należy zaobserwować, jest popyt na renderowanie Metaverse:

Zapoznaj się z trzema podstawowymi parametrami, które tworzą metawersum: awatar (liczba osób/ról), aktywa NFT i infrastruktura. Zdecentralizowane usługi sieciowe renderujące mogą osiągnąć wszystkie trzy powyższe parametry.

Z perspektywy współdzielonej mocy obliczeniowej GPU koncepcja oparta na przetwarzaniu brzegowym nie jest nowa, ale pojawienie się koncepcji metawersum w 2022 r. i wdrożenie scenariuszy zastosowań, takich jak GameFi i gry łańcuchowe, stworzyły nowe scenariusze zastosowań i oczekiwania branży w zakresie zdecentralizowanego renderowania. Jako infrastruktura mająca zastosowanie w praktycznych scenariuszach, publiczny łańcuch renderowania Metaverse będzie stanowić główny przedmiot przyszłych prac rozwojowych po stronie popytu na renderowanie.

Ponadto, patrząc z perspektywy złożonych obliczeń, poza scenariuszem metawersum, nadal pojawia się coraz więcej koncepcji i scenariuszy, w których nadal wykorzystuje się złożone obliczenia. Na przykład RNDR testuje API ChatGPT, aby zapewnić sobie moc obliczeniową. Te nowe koncepcje obejmują moc obliczeniową sztucznej inteligencji, symulację białek, obliczenia pogodowe itp. Tego typu struktury wymagające dużej mocy obliczeniowej rozbudziły nową wyobraźnię.