Render Networkのディレクターは、DePINがAIのボトルネックを緩和できる可能性があると述べています

出典：CryptoNewsNet オリジナルタイトル：Render NetworkのディレクターがDePINはAIのボトルネック緩和に役立つ可能性があると述べる オリジナルリンク： 人工知能(AI)がますます強力になるにつれ、それを運用するために必要なインフラは限界に達し、その限界が分散型物理インフラネットワーク(DePINs)の扉を開く可能性があると、Render Network Foundationのディレクター、Trevor Harries-Jonesは述べた。

Harries-Jonesは、分散型GPUネットワークは従来のデータセンターを置き換えることを目的としているのではなく、AIの最も差し迫ったスケーリングの課題を解決することで補完することを目指していると述べた。

DePINは中央集権的インフラの置き換えではない

簡単に言えば、DePINは世界中の人々が実世界のネットワークインフラを共有し、その見返りに報酬を得ることを可能にし、中央集権的な企業への依存やコントロールを排除する。

その一例がRender Networkだ。これは実際には分散型GPUレンダリングプラットフォームであり、デジタルクリエーションのプロセスを民主化し、クリエイターを中央集権的なエンティティの支配から解放することを目的としている。

最近の中央集権的AIの例としては、GPUの制約により使用制限を設けざるを得なかった動画生成アプリが挙げられる。

Harries-Jonesは、完全な置き換えの考えに反論した：

「置き換えの問題ではないと思います。むしろ、両方の利用を最大化することが重要だと考えています。」

中央集権型GPUクラスターは、大規模なAIモデルのトレーニングにとって依然として重要であり、巨大なメモリプールと密に統合されたハードウェアの恩恵を受けている。しかし、AIの総計算作業のほんの一部に過ぎない。

Harries-Jonesは、推論—AIモデルの実行—がGPU作業のほぼ80%を占めていると説明した。

この区別こそが、Renderのような分散型ネットワークの出番だ。AIモデルの初期バージョンはリソースを大量に消費するが、エンジニアが最適化・圧縮を進めることで、迅速に効率化されるとHarries-Jonesは述べた。

時間が経つにつれ、かつては巨大なインフラを必要としたモデルも、スマートフォンのようなはるかにシンプルなデバイスで動作できるようになる。

「これらはすべての新しいモデルで見られる傾向です。最初は非常に重く未完成な状態ですが、短期間で洗練され、分散型のシンプルなデバイスでも動かせるようになります。」

コストの観点から、そのシフトは分散型GPUネットワークをますます魅力的にしている。高価で高性能なデータセンターに頼る代わりに、アイドル状態のGPUを世界中に分散させて推論作業を行うことができる。

「分散型のアイドル状態のコンシューマーノードで運用する方が、中央集権的なノードよりも安くなるでしょう。」

Harries-JonesはDePINセクターに強気

Harries-Jonesは、DePINをAIの計算とエネルギーインフラの両方における成長するボトルネックの緩和策として位置付けた。

中央集権的な電力システムが逼迫する際、分散型コンピューティングは、世界中の未活用リソースを活用することで並行解を提供する。

「私はこのセクター全体に非常に強気です。」

Harries-Jonesは、世界のGPU需要が供給を大きく上回っていると強調した。「今日の世界には十分なGPUがありません」と彼は述べた。

したがって、重要なのは、すべてのアイドルGPUを活用し、供給不足の高性能GPUを争うのではなく、利用することだ。

Harries-Jonesによると、AIインフラの未来は中央集権的ネットワークやDePINではなく、爆発的なAI需要に対応するために両者を柔軟に使い分けることにある。