Công suất tính toán giống như nguồn điện của AI, không có nó, các mô hình tiên tiến nhất cũng không thể thành hình. Trong những năm gần đây, khi quy mô tham số của AI tăng vọt, kiến trúc tính toán tập trung truyền thống ngày càng trở nên khó khăn — chi phí cao đến mức đáng sợ, mở rộng không kịp, máy móc bị bỏ không lãng phí cũng nghiêm trọng.

Có một ý tưởng đáng chú ý: kết hợp GPU còn thừa trên toàn cầu thành một mạng lưới, phân phối nhiệm vụ tự động qua thuật toán. Mô hình pool công suất tính toán phân tán này rõ ràng có lợi thế hơn so với phương án trung tâm cũ — chi phí huấn luyện và suy luận có thể giảm đáng kể, cung cấp công suất tính toán cũng trở nên linh hoạt hơn, có thể đáp ứng đột ngột các đỉnh nhu cầu. Các công việc đòi hỏi nhiều công suất như render phim, mô hình 3D, hoặc huấn luyện mô hình AI, suy luận thời gian thực, đều có thể nhận được sự hỗ trợ mạnh mẽ từ mạng lưới này.

Có một ví dụ thực tế khá có ý nghĩa tham khảo: giải pháp tăng tốc render AI hợp tác giữa RuYun và Huawei Cloud, kết hợp công suất tính toán phân tán và tối ưu AI, đã nâng cao hiệu quả render hơn 40%. Ý tưởng này đang ngày càng được ứng dụng rộng rãi trong hệ sinh thái tính toán phân tán phi tập trung.

Trong tương lai, quy mô ngành công nghiệp AI dự kiến sẽ đạt 8600 tỷ USD, khoảng cách về nhu cầu công suất tính toán sẽ còn lớn hơn nữa. Mô hình phân tán qua việc hợp nhất phi tập trung vừa giải quyết triệt để vấn đề không phù hợp giữa cung và cầu, vừa biến công suất tính toán thành yếu tố sản xuất thực sự có thể giao dịch và cấu hình. Như vậy, dù là các doanh nghiệp lớn hay các nhà phát triển nhỏ, đều có cơ hội tiếp cận nguồn tài nguyên tính toán cần thiết với chi phí thấp hơn.