Direktur Render Network mengatakan bahwa DePIN dapat mengurangi hambatan AI

Sumber: CryptoNewsNet Judul Asli: Direktur Render Network mengatakan DePIN bisa meredakan hambatan AI Tautan Asli: Seiring kecerdasan buatan (AI) menjadi semakin kuat, infrastruktur yang dibutuhkan untuk menjalankannya akan mencapai batasnya dan batas tersebut bisa membuka jalan bagi jaringan infrastruktur fisik terdesentralisasi (DePINs), kata Trevor Harries-Jones, direktur di Render Network Foundation.

Harries-Jones mengatakan jaringan GPU terdesentralisasi tidak bertujuan untuk menggantikan pusat data tradisional, tetapi lebih untuk melengkapinya dengan menyelesaikan beberapa tantangan penskalaan AI yang paling mendesak.

DePIN bukan tentang menggantikan infrastruktur terpusat

Dengan kata sederhana, DePIN memungkinkan orang di seluruh dunia berbagi infrastruktur jaringan dunia nyata sebagai imbalan agar tidak bergantung atau dikendalikan oleh perusahaan terpusat.

Salah satu proyek tersebut adalah Render Network. Ini sebenarnya adalah platform rendering GPU terdesentralisasi yang dirancang untuk mendemokratisasi proses penciptaan digital dan membebaskan para pencipta dari cengkeraman entitas terpusat.

Contoh terbaru dari dunia AI terpusat termasuk aplikasi pembuatan video di mana penggunaan harus dibatasi karena keterbatasan GPU.

Harries-Jones menolak gagasan penggantian secara langsung:

“Saya tidak berpikir ini soal penggantian. Saya sebenarnya berpikir ini soal pemanfaatan keduanya.”

Kumpulan GPU terpusat tetap penting untuk melatih model AI besar, yang mendapatkan manfaat dari kolam memori besar dan perangkat keras yang terintegrasi secara ketat. Tetapi pelatihan hanyalah sebagian dari total beban kerja komputasi dalam AI.

Harries-Jones menjelaskan bahwa inferensi—penjalankan model AI—menghitung hampir 80% dari pekerjaan GPU.

Perbedaan ini adalah tempat jaringan terdesentralisasi seperti Render berperan. Sementara versi awal model AI membutuhkan sumber daya besar, Harries-Jones mengatakan mereka dengan cepat menjadi lebih efisien saat insinyur mengoptimalkan dan mengompresinya.

Seiring waktu, model yang dulu membutuhkan infrastruktur besar dapat dijalankan di perangkat yang jauh lebih sederhana seperti ponsel pintar.

“Jadi kita cenderung melihat ini pada semua model yang keluar. Mereka mulai sangat berat dan belum matang, dan dalam waktu yang sangat singkat, mereka menjadi lebih halus sehingga dapat dijalankan di perangkat terdesentralisasi dan sederhana.”

Dari segi biaya, pergeseran ini membuat jaringan GPU terdesentralisasi semakin menarik. Alih-alih bergantung sepenuhnya pada pusat data yang mahal dan canggih, beban kerja inferensi dapat didistribusikan ke GPU yang tidak terpakai di seluruh dunia.

“Akan lebih murah menjalankan mereka di node konsumen yang tidak aktif secara terdesentralisasi daripada di node terpusat.”

Harries-Jones optimis terhadap sektor DePIN

Harries-Jones memandang DePIN sebagai cara untuk meredakan hambatan AI yang semakin meningkat baik dari segi komputasi maupun infrastruktur energi.

Ketika sistem tenaga terpusat mengalami tekanan, komputasi terdesentralisasi menawarkan solusi paralel dengan memanfaatkan sumber daya yang kurang digunakan secara global.

“Jadi saya sangat optimis terhadap sektor ini secara keseluruhan.”

Harries-Jones menekankan bahwa permintaan GPU global jauh melebihi pasokan. “Saat ini, tidak cukup GPU di dunia,” katanya.

Jadi, kuncinya adalah memanfaatkan semua GPU yang tidak aktif, bukan berjuang untuk GPU high-end yang kurang pasokan.

Menurut Harries-Jones, masa depan infrastruktur AI bukanlah jaringan terpusat atau DePIN. Sebaliknya, ini adalah penggunaan yang fleksibel dari keduanya untuk memenuhi permintaan AI yang meledak-ledak.