AI 算力也能以 Crypto 为媒点对点交易？3 个项目带你认识新风口

在当今这个数据驱动的时代，人工智能（AI）技术正以前所未有的速度发展。尤其是AI大模型的训练，正在不断突破技术边界，但这同时也带来了巨大的挑战。其中，去中心化的分布式算力网络在AI大模型训练领域扮演着重要角色，但它面临的技术瓶颈和挑战同样不容小觑。

去中心化网络的最大需求之一是对AI大模型的训练支持。然而，这一过程涉及复杂的数据同步和网络优化问题，这些问题的解决对于保证算力网络的效率和效果至关重要。此外，数据的隐私和安全性也是一个不可忽视的重要因素。如何在确保数据隐私的同时进行有效的模型训练，成为了一个亟待解决的难题。

目前，安全多方计算、差分隐私、联邦学习、同态加密等技术在特定场景下展示了其优势，但也存在局限性，尤其是在处理大规模分布式算力网络中的数据隐私问题时。例如，零知识证明（ZKP）技术在这方面有巨大的潜力，但要将其应用于大规模的分布式算力网络训练大模型，还需要数年的研究和开发。这不仅需要学术界更多的关注和资源投入，而且面临着巨大的技术开销和实际应用的难题。

与模型训练相比，去中心化的分布式算力网络在模型推理方面则显示出更大的实用潜力。预计未来在这一领域的增长空间将非常巨大。尽管如此，推理过程仍然面临通信延迟、数据隐私和模型安全等诸多挑战。由于计算复杂度和数据交互性相对较低，模型推理更适合在分布式环境中进行，但如何克服这些挑战仍是一个值得深入探讨的课题。

在这个背景下，我们将进一步探讨去中心化的分布式算力网络中的代表项目 — Akash Network、Gensyn和Together，以此进一步了解这个可以改变未来生产方式的赛道。

Akash Network是一个开源平台，它的核心理念是建立一个去中心化的点对点云市场，连接寻求云服务的用户和那些拥有过剩计算资源的基础设施提供商。

Akash的平台专门用于托管和管理部署，同时提供了运行Kubernetes工作负载的云管理服务。简单来说，Kubernetes是一个开源系统，用于自动化部署、扩展和管理容器化应用程序。

在Akash平台上的用户，被称为“租户”，主要是那些希望将Docker容器部署到满足特定标准的云提供商的开发人员。Docker容器的一个重要特点是它包含了打包的代码及其依赖项，确保应用程序在任何计算环境中都能以相同方式运行。这意味着无论是在笔记本电脑上开发、在沙盒中测试，还是在云端运行，应用程序都不需要对代码进行更改。

Akash市场的一个独特之处在于其反向拍卖模式。这种模式允许用户自主设定价格并描述他们希望部署容器的资源需求。当云提供商的计算资源未被充分利用时，他们可以通过Akash市场出租这些资源，类似于Airbnb主机出租空余房间的方式。值得注意的是，通过Akash部署容器的成本大约是三大云服务提供商（亚马逊网络服务、谷歌云和微软Azure）的十分之一。

Akash Network的所有交易和记录都是通过其代币——Akash Token (AKT)在链上进行的。这个网络基于Cosmos SDK框架构建其区块链，并利用Tendermint拜占庭容错(BFT)引擎支持其委托权益证明(DPoS)共识算法。AKT不仅是一个交易媒介，它在Akash网络中还扮演着多种角色，包括确保网络安全、提供奖励、参与网络治理和处理交易等。

通过这种方式，Akash Network不仅提供了一个更经济高效的云服务选择，还展示了区块链技术在现代云计算领域的创新应用。

Gensyn是一个基于区块链的去中心化深度学习计算协议，专门设计用来处理人工智能算力市场的需求。

该协议的核心在于将复杂的机器学习任务分解成多个子任务，并通过参与者的计算资源实现高度并行化的计算。这种方式不仅提高了计算效率，还通过智能合约实现了任务的自动化分配、验证和奖励，从而消除了中心化管理的需要。

团队在2023年6月成功完成了由知名风险投资公司a16z领投的4300万美元的A轮融资，累计融资达5000万美元。

Gensyn协议类似于一个智能计算网络，其主要特点包括：

1、概率性学习证明：利用梯度优化过程的元数据来构建工作完成的证书，从而快速验证工作的完成情况；

2、基于图的定位协议：采用多粒度、基于图的定位协议，配合交叉验证一致的执行，确保验证工作的一致性；

3、Truebit风格的激励博弈：通过质押和削减的机制构建激励博弈，以确保参与者诚实履行任务。

另外，Gensyn系统中涉及的四个主要角色包括：

1、提交者：系统的最终用户，提供需要计算的任务并支付费用；

2、解决者：执行模型训练并生成需要由验证者检查的证明；

3、验证者：负责验证解决者提供的证明的准确性；

4、举报者：作为安全保障，审查验证者的工作并在发现问题时提出质疑。

Gensyn协议在成本和性能方面具有显著优势。例如，与以太坊的工作量证明转换为权益证明相比，Gensyn为参与者提供了一种通过利用其计算资源获得回报的方式，降低了计算成本，提高了资源利用率。Python模拟的测试结果表明，Gensyn协议在模型训练方面的时间开销虽增加了约46%，但其性能相对于其他方法有了显著提升。

Gensyn作为一种基于区块链的去中心化算力协议，致力于通过智能合约实现机器学习任务的分配和奖励，以加速AI模型的训练并降低成本。尽管面临通信和隐私等挑战，Gensyn提供了一种有效利用闲置算力的方法，并考虑了多样化的模型规模和需求，以实现更广泛和灵活的应用。

Together是一家致力于提供去中心化AI算力解决方案的开源公司，专注于大模型的开发和应用。公司的愿景是让任何人在任何地方都能接触和使用AI。在今年5月，Together完成了由Lux Capital领投的2000万美元种子轮融资。

Together由Chris、Percy、Ce共同创立，其初衷源于对大模型训练所需大量高端GPU集群和昂贵支出的认识。他们认为，这些资源和模型训练的能力不应只集中在少数大公司手中。

Together的发展策略重点在于开源模型和分布式算力的应用。他们认为，使用去中心化算力网络的前提是模型必须开源，这有助于降低成本和复杂性。他们最近发布的基于LLaMA的RedPajama就是一个例证，该项目由Together与多个研究团队合作启动，目标是开发一系列完全开源的大语言模型。

在模型推理方面，Together的研发团队对RedPajama-INCITE-3B模型进行了一系列更新，包括使用LoRA实现低成本微调，使模型在CPU上运行更加高效。至于模型训练，Together正着手解决去中心化训练中的通信瓶颈问题，包括调度优化和通信压缩优化等。

Together团队拥有多领域的专业背景，从大模型开发到云计算和硬件优化，展现了对AI算力项目全方位的考虑。他们的策略体现了对长期发展的规划，涵盖了开发开源大模型、测试分布式算力在模型推理上的应用，以及在大模型训练方面的分布式算力布局。

由于项目目前还处于初期阶段，许多关键细节，如网络激励机制、代币使用案例等，尚未公布。这些因素对于加密项目的成功至关重要。因此，业界对Together未来的发展和进一步的详细披露持续关注。

在审视去中心化算力网络和AI技术的融合时，我们发现这一领域充满了挑战与潜力。AI与Web3的结合，尽管是两个不同领域，但它们在使用分布式技术限制AI垄断和促进去中心化共识机制形成方面有着自然的契合。去中心化算力网络不仅提供了分布式计算能力和隐私保护，还增强了AI模型的可信度和可靠性，支持快速部署和运行。

然而，这一领域的发展并非毫无障碍。中心化算力网络中高昂的通信成本是去中心化网络的一大挑战，需要克服确保节点可靠性和安全性、有效管理分散计算资源等诸多技术问题。

回归商业现实，AI与Web3的深度融合虽美好，但面临研发费用高昂和商业模式不明确的问题。像AI和Web3这样的领域，现在仍处于早期发展阶段，其真正的潜力还有待时间来证明。