Mismatch zwischen Nachfrage und Angebot von Grafikprozessoren (GPUs) behindert KI-Innovationen
Der COO des dezentralen GPU-Cloud-Service-Anbieters io.net, Tory Green, hat darauf hingewiesen, dass der Mismatch zwischen Nachfrage und Angebot von Grafikprozessoren (GPUs) das Potenzial hat, Innovationen im Bereich Künstliche Intelligenz (KI) zu behindern. Laut Green resultiert dieser Mismatch daraus, dass die Hersteller nicht schnell genug neue Lieferungen herstellen können, um mit dem Wachstum der Nachfrage Schritt zu halten.
Mismatch zwischen Nachfrage nach GPUs und ihrem Angebot
Um das Ausmaß des Problems zu verdeutlichen, verweist Green auf die Rechenanforderungen für das maschinelle Lernen (ML), die alle 18 Monate um das Zehnfache gestiegen sind, während die Rechenleistung im gleichen Zeitraum nur um das Zweifache gewachsen ist. Der Hauptgrund dafür ist laut Green die “lange Vorlaufzeit für den Bau neuer Lieferungen”. Um die Auswirkungen von GPU-Knappheit auf das Wachstum und die Innovationen im Bereich KI zu begrenzen, schlägt Green, Investor und Unternehmer, die Verwendung eines dezentralen physischen Infrastrukturnetzwerks (DePIN) vor. In diesem Netzwerk sind “die physischen Rechenressourcen über verschiedene Standorte verteilt und gehören verschiedenen Einrichtungen.” Im Gegensatz zu traditionellen Cloud-Anbietern, die durch “Geografie und physische Kapazität begrenzt sind”, kann ein dezentrales Netzwerk nach Angaben des COO von io.net “fast unendlich skalieren”, indem es die gemeinsame Kraft eines globalen Netzwerks von Knotenpunkten nutzt.
DePINs und der Vulkan API
Im Gegensatz zu traditionellen Cloud-Anbietern sind DePINs in der Lage, auf eine Vielzahl von Hardware-Beiträgen von verschiedenen Quellen zurückzugreifen und die Ressourcen des gesamten Netzwerks optimal zu nutzen. Dies gewährleistet eine effiziente Nutzung der zur Verfügung stehenden Rechenleistung und reduziert die Gesamtnachfrage nach einzelnen Knotenpunkten. Darüber hinaus können DePINs dank ihrer dezentralen Natur global eingesetzt werden, was regionale Knappheiten oder Störungen in der Lieferkette ausgleichen kann. Die dezentrale Gemeinschaft, die ein DePIN unterstützt, ist auch in der Lage, innovative Lösungen und Strategien zur Bewältigung von Ressourcenknappheit zu entwickeln, im Gegensatz zu traditionellen Märkten, die hauptsächlich von Regulierungen und Bürokratie getrieben werden.
Auswirkungen auf die KI-Innovation
Der Mismatch zwischen Nachfrage und Angebot von GPUs hat erhebliche Auswirkungen auf die KI-Innovation. Ingenieure haben mit langen Wartezeiten, begrenzter Auswahl und hohen Kosten zu kämpfen. Der Zugriff auf GPUs über herkömmliche Cloud-Services wie AWS, GCP oder Azure kann oft Wochen dauern. Zudem haben die Benutzer nur wenig Auswahl in Bezug auf GPU-Hardware, Standort und Sicherheitsstufe, was die Innovation einschränkt. Ein DePIN-Netzwerk kann diese Probleme lösen, indem es nahezu unbegrenzte Rechenleistung zu einem Bruchteil der Kosten herstellt und gleichzeitig mehr Auswahl und Flexibilität bietet.
DePIN vs. Traditionelle Plattformen
Im Vergleich zu traditionellen Cloud-Plattformen wie AWS und Azure bietet ein DePIN-Modell mehrere Vorteile. Durch die dezentrale Natur können DePINs die kombinierte Rechenleistung aller ihrer Knotenpunkte nutzen und so die Skalierbarkeit und Leistungsfähigkeit steigern. Darüber hinaus reduzieren DePIN-Systeme Kosten, indem sie Zwischenhändler eliminieren und die Ressourcennutzung im Netzwerk optimieren. Im Gegensatz dazu berechnen herkömmliche Cloud-Dienste überhöhte Mieten. Ein DePIN bietet auch eine höhere Sicherheit und Zuverlässigkeit, da die verteilte Natur des Netzwerks es schwerer macht, das gesamte System durch böswillige Angriffe zu kompromittieren. Im Vergleich dazu haben zentralisierte Clouds ein einzelnes potenzielles Ausfallrisiko. Darüber hinaus sind DePINs von Natur aus zugänglich, im Gegensatz zu Diensten wie AWS, die oft langfristige Verträge und erhebliche Überprüfungsverfahren erfordern. DePINs können auch sofort ein verteiltes Cluster erstellen, während herkömmliche Cloud-Dienste oft Wochen dauern. Schließlich haben dezentrale physische Infrastrukturnetzwerke die Fähigkeit, das derzeitige Oligopol auf dem Cloud-Markt zu stören. Durch die Erweiterung des Angebots können Unternehmen wie io.net strukturelle Arbitrage schaffen – die Preise für Verbraucher um das Zehnfache senken und die Gewinne für GPU-Anbieter um das Zehnfache steigern.
Potenzial von DePINs im Mainstream
DePINs sind zwar eine sehr überzeugende Technologie, haben aber noch nicht die Mainstream-Adoption erreicht, hauptsächlich aufgrund mangelnder Nachfrage. Dennoch könnten DePINs, insbesondere im Kontext von KI, ihren Weg in den Mainstream finden, da sie das globale Problem des Mangels an GPU-Ressourcen lösen, eine bessere, schnellere und kostengünstigere Erfahrung für Kunden bieten und den Besitzern ungenutzter Rechenressourcen ermöglichen, ihre Rentabilität signifikant zu steigern. Die derzeitige steigende Nachfrage nach KI könnte daher ein Katalysator sein, der DePINs dazu verhilft, den Mainstream zu erreichen und weit verbreitet anzunehmen.
Es ist unwahrscheinlich, dass DePINs mit denselben Problemen der Knappheit konfrontiert sind wie bei Grafikprozessoren. Dies liegt daran, dass DePINs auf verschiedene Hardware-Beiträge von verschiedenen Quellen zurückgreifen können, die Ressourcen im Netzwerk optimal nutzen, über eine inhärente Skalierbarkeit verfügen und von einer globalen Gemeinschaft getragen werden, die innovative Lösungen für resource Knappheit entwickeln kann. Insgesamt vermeidet die dezentrale und vielfältige Natur eines DePIN natürliche Engpässe und Knappheitsprobleme, die im aktuellen zentralisierten System vorhanden sind.
