El director de Render Network dice que DePIN podría aliviar los cuellos de botella en la IA

Fuente: CryptoNewsNet Título original: El director de Render Network dice que DePIN podría aliviar los cuellos de botella de la IA Enlace original: A medida que la inteligencia artificial (IA) crece más poderosa, la infraestructura necesaria para ejecutarla alcanzará sus límites y esos límites podrían abrir la puerta a redes de infraestructura física descentralizadas (DePINs), dijo Trevor Harries-Jones, director de la Fundación Render Network.

Harries-Jones afirmó que las redes descentralizadas de GPU no buscan reemplazar los centros de datos tradicionales, sino complementarlos resolviendo algunos de los desafíos de escalabilidad más apremiantes de la IA.

DePIN no se trata de reemplazar infraestructuras centralizadas

En palabras sencillas, DePIN permite que personas de todo el mundo compartan infraestructura de red del mundo real a cambio de recompensas, de modo que no haya dependencia ni control por parte de una empresa centralizada.

Uno de estos proyectos es Render Network. En realidad, es una plataforma descentralizada de renderizado de GPU diseñada para democratizar el proceso de creación digital y liberar a los creadores del control de entidades centralizadas.

Ejemplos recientes del mundo de la IA centralizada incluyen aplicaciones de generación de videos donde el uso tuvo que ser limitado debido a las restricciones de GPU.

Harries-Jones rechazó la idea de un reemplazo total:

“No creo que sea una cuestión de reemplazar. Creo que en realidad es una cuestión de utilización de ambos.”

Los clústeres de GPU centralizados siguen siendo fundamentales para entrenar grandes modelos de IA, que se benefician de enormes pools de memoria y hardware estrechamente integrado. Pero el entrenamiento es solo una fracción de la carga computacional total en IA.

Harries-Jones explicó que la inferencia—la ejecución de los modelos de IA—representa casi el 80% del trabajo en GPU.

Esa distinción es donde entran en juego redes descentralizadas como Render. Aunque las primeras versiones de los modelos de IA son muy exigentes en recursos, Harries-Jones dijo que rápidamente se vuelven más eficientes a medida que los ingenieros los optimizan y comprimen.

Con el tiempo, los modelos que antes requerían infraestructura masiva pueden ejecutarse en dispositivos mucho más simples, como teléfonos inteligentes.

“Así que tendemos a ver esto en todos los modelos que salen. Comienzan siendo muy pesados y poco refinados, y en un período muy corto, se refinan para que puedan ejecutarse en dispositivos descentralizados y simples.”

Desde una perspectiva de costos, ese cambio hace que las redes de GPU descentralizadas sean cada vez más atractivas. En lugar de depender únicamente de centros de datos caros y de alta gama, las cargas de trabajo de inferencia pueden distribuirse entre GPUs inactivas en todo el mundo.

“Será más barato ejecutarlas en nodos de consumo inactivos descentralizados que en nodos centralizados.”

Harries-Jones es optimista sobre el sector DePIN

Harries-Jones enmarcó los DePIN como una forma de aliviar los crecientes cuellos de botella en la IA tanto en infraestructura de cómputo como de energía.

Cuando los sistemas de energía centralizados enfrentan tensiones, el cómputo descentralizado ofrece una solución paralela aprovechando recursos subutilizados a nivel global.

“Así que soy muy optimista respecto a todo el sector.”

Harries-Jones subrayó que la demanda global de GPU supera con creces la oferta. “Hoy en día no hay suficientes GPUs en el mundo”, dijo.

Por lo tanto, la clave es aprovechar todas las GPUs inactivas, no luchar por las GPUs de alta gama que están en escasez.

Según Harries-Jones, el futuro de la infraestructura de IA no son redes centralizadas ni DePIN. En cambio, es un uso flexible de ambos para satisfacer la explosiva demanda de IA.