【英文长推】io.net 真实 GPU 数量成迷？去中心化 AI 协议存在哪些问题？

1. 没有具有成本 / 时间效益的方法在高度分布式的商用硬件架构上进行有用的在线培训，这需要一个重大突破。这就是为什么 FANG 要花费比加密货币中所有流动性更多的钱来购买昂贵的硬件、联网、维护数据中心等。 2. 在商品硬件上进行推理听起来是个不错的用例，但硬件和软件方面的发展如此之快，以至于商品去中心化在大多数关键用例中表现不佳。请参阅 Groq 最新的 openai 延迟和增长情况。 3. 从表面上看，通过适当路由将请求发送到与请求紧密相连的 GPU 集群进行推理听起来是个好主意，而使用去中心化加密货币激励业余爱好者参与来降低资本成本与 AVS 竞争听起来也很聪明。但考虑到供应商众多以及 GPU 现货市场的流动性分散，没有人能聚集起足够的供应量来供给一个真正的生意。 4. 软件路由算法必须非常非常好。消费者运营商的商品硬件在运营上非常不稳定。如果有人决定玩游戏或使用任何利用 webgl 的东西，很可能会遇到故障。供应方的不可预测性增加了运营难题，也使需求方的请求者缺乏确定性。【原文为英文】