【英文】去中心化计算:AI 与加密技术的交汇点
Chainfeeds 导读:
Decentralised.Co 研究员 Shlok Khemani 探讨了去中心化计算在人工智能(AI)领域中的崛起,如何成为解决计算能力瓶颈的重要力量,分析了去中心化计算如何通过分布式网络提供更高效、开放且可持续的解决方案。
文章来源:
https://www.decentralised.co/p/decentralised-compute
文章作者:
Shlok Khemain
观点:
Shlok Khemain:然后是其他所有人 —— 企业、小公司和初创公司 —— 这些公司可能不打算构建人工超级智能(ASI),但渴望利用人工智能解锁的前沿能力来优化业务、颠覆行业或创造全新的行业。潜在的回报如此巨大,以至于每个人都在争夺这场由机器智能驱动的新经济的份额。在人工智能革命的核心,存在着其最基本的组成部分:图形处理单元(GPU)。最初是为了驱动视频游戏而设计的,这种专用计算芯片已经成为全球最热的商品。对 GPU 的需求如此强烈,以至于公司往往需要等待数月才能购买到几块。正是这种需求让 NVIDIA 成为全球最有价值的公司。对于那些无法或不愿直接购买 GPU 的企业,租用计算能力成为了下一个最佳选择。这推动了人工智能云服务提供商的崛起 —— 这些公司运营着精密的数据中心,旨在满足人工智能繁荣带来的计算需求。然而,需求的激增及其不可预测性意味着,无论是定价还是可用性都无法得到保证。 同样,尽管中央处理单元(CPU)强大且精确,但它们一次只能处理一个计算。训练一个神经网络并不需要一个复杂的计算,而是每个节点数百万个简单的计算 —— 主要是乘法和加法。例如,前面提到的神经网络,只有 18 个节点和大约 100 个连接(参数),可以在 CPU 上合理的时间内完成训练。然而,今天最强大的模型,如 OpenAI 的 GPT-4,拥有 1.8 万亿个参数!即使是较小的现代模型,也至少有十亿个参数。用 CPU 一次处理一个计算的话,将会花费几百年的时间。这就是 GPU 的优势所在:它们可以同时进行大量简单的数学计算,非常适合并行处理多个神经网络节点。 现代 GPU 的计算能力惊人。例如,NVIDIA 最新的 B200 GPU 包含超过 2000 亿个晶体管,支持每秒 2,250 万亿次并行计算(2,250 TFLOPS)。一块 B200 GPU 可以处理最多 7400 亿个参数的模型。这些机器代表了现代工程的巅峰之作,这也解释了为什么 NVIDIA 每卖出一台 40,000 美元的 GPU,它的股价在五年内飙升了 2500% 以上。【原文为英文】
内容来源免责声明:文章中的所有内容仅代表作者的观点,与本平台无关。用户不应以本文作为投资决策的参考。
你也可能喜欢
Ethereum长期持有者对集体余额的持续增加表现出信心
美联储令人失望的降息后,Bitcoin四天来首次下跌
世界银行采取行动平息人工智能接管教育的担忧
美国战略Bitcoin储备:优点、缺点和可能性