“GPU 窮人”太多了

多年以來，區(qū)塊鏈和加密貨幣一直被批評，認(rèn)為它是“為解決方案找問題”。

現(xiàn)在，一些行業(yè)內(nèi)的企業(yè)家已經(jīng)找到了它能夠解決的問題，那就是訓(xùn)練 AI 模型所面臨的計算能力短缺。

解決方案：無法獲得圖形處理器（GPU）的研究人員和創(chuàng)業(yè)公司可以利用基于區(qū)塊鏈的市場，以主要供應(yīng)商一部分的價格快速、輕松地獲取計算能力。

比特幣挖礦和其他事情刺激了對 GPU 的軍備競賽，它們需要進(jìn)行計算以保持系統(tǒng)運(yùn)行，但是去年數(shù)字貨幣市場崩潰后，需求出現(xiàn)了下滑?，F(xiàn)在，一些 AI 公司不再簡單地蠶食陷入困境的加密貨幣行業(yè)，而是依靠區(qū)塊鏈來分發(fā)這些 GPU。

哥倫比亞大學(xué)的計算機(jī)科學(xué)研究生 Ishan Dhanani 就是一個新人如何通過區(qū)塊鏈解決 GPU 短缺的范例。他想對 Meta 的 LLama2 開源 AI 模型進(jìn)行微調(diào)，以便在該模型上進(jìn)行實驗，但是他卻遇到了巨型公司已經(jīng)吞噬了大部分計算能力的現(xiàn)實。

他無法通過市場領(lǐng)導(dǎo)者亞馬遜云科技（Amazon Web Services）獲得任何計算能力，而小型供應(yīng)商的計算能力總是處于售罄的狀態(tài)。通過哥倫比亞大學(xué)獲得訪問權(quán)也是一個令人頭疼的問題。

于是，他找到了 Akash Network，該公司是少數(shù)幾家創(chuàng)建了協(xié)議，以允許 GPU 所有者在區(qū)塊鏈上出租 GPU 的公司之一，每使用一分鐘的 GPU，都能賺錢取代幣（token）。Dhanani 通過 Akash 以每小時 1.10 美元的價格租用了價值 1.5 萬美元的 Nvidia A100。他花了大約 7 個小時完成了工作，其花費(fèi)大約是一杯啤酒的錢。

像 Akash 這樣的公司之所以能提供更便宜的接入服務(wù)，部分原因在于這些協(xié)議的建立就是為了獨(dú)立運(yùn)行，就像 Airbnb 或 Uber 的版本那樣，只不過不需要這些公司收取傭金。區(qū)塊鏈上的社區(qū)成員在代幣的激勵下，處理運(yùn)維中的具體事務(wù)。因此，成本很低，除了 GPU 的所有者之外，沒有人會從交易中獲得任何可觀的收入。

這些經(jīng)驗促使 Dhanani 同兩位朋友在幾個月前成立了 Agora Labs，幫助他所說的“GPU 窮人”更容易地通過區(qū)塊鏈預(yù)定 GPU 的使用時間。他說，“不能只有 OpenAI 和 Anthropics 有能力訓(xùn)練和托管 ChatGPT 這樣的模型”。

總部位于英國的 Gensyn 最近宣布獲得了 4300 萬美元的 A 輪融資，代表了風(fēng)險資本對區(qū)塊鏈未來在促進(jìn) AI 行業(yè) GPU 使用時間銷售方面的巨大信心。

根據(jù)對該公司聯(lián)合創(chuàng)始人的采訪，Gensyn 正在構(gòu)建一個系統(tǒng)，該系統(tǒng)將大大簡化 AI 訓(xùn)練的定價模式。Gensyn 會計劃訓(xùn)練作業(yè)的總體耗時和成本，然后將任務(wù)分散到世界范圍的計算機(jī)上，尋找最優(yōu)惠的價格，而不是為 GPU 的使用時間付費(fèi)。

這個策略涉及到一個很棘手的問題，那就是計算資源越分散，訓(xùn)練就越復(fù)雜。

Gensyn 聯(lián)合創(chuàng)始人 Ben Fielding 說，當(dāng)他獲得深度學(xué)習(xí)博士學(xué)位時，計算資源的稀缺意味著他無法完全完成 AI 模型自動化開發(fā)的研究。

“能做這樣的研究的只有谷歌和微軟”，他說，“我意識到，如果我面臨這樣的處境，那么在這個世界上，有很多其他的人也會面臨這樣的處境，這意味著我們并沒有像我們所能做的那樣，快速邁入機(jī)器學(xué)習(xí)的未來?！?/p>

Fielding 說，AI 研究是圍繞著世界上最強(qiáng)大的圖形處理器發(fā)展起來的。但他認(rèn)為，如果區(qū)塊鏈上有一個大規(guī)模的 GPU 網(wǎng)絡(luò)，那么 AI 模型的類型將會適應(yīng)它，從而可以在范圍更廣的處理器上進(jìn)行訓(xùn)練。

在 Gensyn 準(zhǔn)備其產(chǎn)品時，Akash Network 表示，他們將很快推進(jìn)使用區(qū)塊鏈上的 GPU 訓(xùn)練第一個 AI 基礎(chǔ)模型。創(chuàng)業(yè)公司 Thumper AI 正在構(gòu)建一款產(chǎn)品，允許藝術(shù)家根據(jù)個人的作品創(chuàng)建自己的 AI 模型，然后出售這些模型的使用權(quán)。為此，它需要訪問 GPU 以便于使用 Stable Diffusion 技術(shù)微調(diào)其專有模型。

但 Thumper 的首席執(zhí)行官 Logan Cerkovnik 遇到了一個熟悉的問題：AWS 無法提供訓(xùn)練模型所需的 GPU。他還考察了一些較小的供應(yīng)商和轉(zhuǎn)售 GPU 空間的公司。但他表示，區(qū)塊鏈解決方案是更有價值的。他說，在與數(shù)據(jù)中心供應(yīng)商合作時，需要與銷售人員進(jìn)行對話、進(jìn)行價格談判和審查過程。但是，在 Akash 上，交易非?？旖莘奖?。

一些為加密貨幣提供計算能力的公司已經(jīng)開始向 AI 行業(yè)提供這些資源，比如 Foundry。該公司重新利用了主要用來挖掘比特幣和其他加密貨幣的數(shù)據(jù)中心，并增加了 GPU 容量，以便于通過一個去中心化的平臺 Bittensor 運(yùn)行 AI 模型。它還允許通過 Akash 在區(qū)塊鏈上出租 GPU。他們的加速計算工程主管 Tommy Eastman 說，“我們問自己，‘我們還能如何支撐 Foundry 擁有的去中心化的基礎(chǔ)設(shè)施？’”

在像 Akash 這樣的協(xié)議來訓(xùn)練 AI 模型的同時，Bittensor 也被用來運(yùn)行這些模型，這個過程被稱為“推理”。在 Bittensor 上，用戶可以玩類似 ChatGPT 這樣的聊天機(jī)器人。不同之處在于，每個提示請求都會發(fā)送給區(qū)塊鏈上范圍廣泛的網(wǎng)絡(luò)實體，它們會根據(jù)計算需求分配提示請求。選中者會收到加密貨幣形式的付款。

新方案是在“變廢為寶”

在科技領(lǐng)域，構(gòu)建平臺的人往往無法想象這些平臺最終會被如何使用。Steve Jobs 可能從未想過 iPhone 促生了 Uber。Mark Zuckerberg 也可能沒想到 Facebook 推進(jìn)了 Zynga 誕生。

區(qū)塊鏈背后的理念是構(gòu)建一個終結(jié)所有平臺的平臺：一個開發(fā)新想法的終極畫布，沒有中心化的所有者，也不會被破壞和操縱。當(dāng)然，這很理想化，也可能很天真。區(qū)塊鏈吸引了很多不懷好意的人，他們看到了賺快錢的機(jī)會。

然而，我們看到了另外一個平臺，它有一個意想不到的用例，但這似乎非常有用。具有諷刺意味的是，加密貨幣行業(yè)運(yùn)行所需的大量計算資源幾乎被視為這個行業(yè)的致命弱點(diǎn)。特斯拉等公司停止接受比特幣的原因就在于，比特幣過于耗費(fèi)資源，因此會對氣候變化產(chǎn)生巨大影響。

這個致命弱點(diǎn)反而可能成為加密貨幣的救命稻草。區(qū)塊鏈在高效地將計算能力出售給報價最高者方面非常出色，而且?guī)缀鹾敛毁M(fèi)力?，F(xiàn)在，生成式 AI（generative-AI）的熱潮催生了一個比加密貨幣更耗能的新產(chǎn)業(yè)。而且，與加密貨幣不同，它不太可能在短期內(nèi)放緩發(fā)展速度。

還有一個原因能夠說明這一點(diǎn)：這不是一個快速致富的模式。加密貨幣最大的問題之一在于金融投機(jī)從根本上破壞了它的所有理念。人們發(fā)明了“首次代幣發(fā)行（initial coin offerings）”，但是炒高再拋售（pump-and-dump）的模式立即讓這一想法胎死腹中。不可兌換貨幣（non-fungible token，NFT）一問世，投機(jī)者就迅速抬高了價格，以至于大多數(shù)人無法參與。

這種新模式并不是為金融投機(jī)而生。大多數(shù)獲取 GPU 時間的客戶都將以普通貨幣支付，GPU 時間的市場將會始終與云供應(yīng)商的收費(fèi)保持一定的掛鉤關(guān)系。代幣主要用于后端，以促進(jìn)交易并激勵人們參與系統(tǒng)維護(hù)。

這里有一些未來長期發(fā)展的可能性。（抱歉，以下內(nèi)容非常極客和理想化）。如果區(qū)塊鏈能夠更好地分配計算能力，大大降低延遲，你將會看到類似去中心化云的方案。在這種情況下，我們口袋里裝的、家里放的那些功能強(qiáng)大的設(shè)備，都可以作為功能強(qiáng)大的全球計算機(jī)的一部分得到更有效的利用，所有這些設(shè)備都被整合到一個通信網(wǎng)絡(luò)中，為我們提供持續(xù)的連接。

有些人認(rèn)為，將訓(xùn)練 AI 模型的能力普及化是一種潛在的危險方向。人們可能會制造出惡意行為、違反版權(quán)法的模型，甚至有可能發(fā)展成危險的、失控的惡意行為者。