التدرج بالحديث عن اللامركزية الذكاء الاصطناعي Infra، فإن المشاريع في هذا المسار كلها وحوش تمويل، لأن القدرة على سرد القصص قوية جدا، لكن أين يمكن تنفيذها في هذه المرحلة هو الواقع، وما هي التجارب المختلفة التي يمكن تقديمها من منظور @Gradient_HQ: باستخدام أبسط هيكل لتفكيك الذكاء الاصطناعي، يمكن تقسيمه أساسا إلى أربع طبقات: تنسيق التطبيق/التنفيذ/تدريب النماذج/البيانات، والتي يمكن فهمها حرفيا. تركز معظم مشاريع DeAI على طبقة تنسيق التنفيذ، مع إضافة ميزات متعلقة بالعملات الرقمية مثل التسوية والحوافز، وإمكانية التحقق من ZK، وغيرها. جانب التدريب والتنفيذ في طبقة النماذج هو حاليا الأكثر تركيزا وتكلفة، ومن الصعب لامركزية الجانب في هذه المرحلة. للمبتدئين، قم أولا بنشر العلوم الأساسية، ويمكنك تخطي هذا الجزء إذا كان لديك معرفة مهنية. يمكن فهم التنفيذ والتنسيق على أنه توزيع المتطلبات على قوة الحوسبة والنماذج مثل سوق قوة الحوسبة، جدولة المهام، إلخ، أولا يجب فهم "قوة الحوسبة" بمصطلحات بسيطة، لجعل النموذج يعمل يتطلب الكثير من العمليات الرياضية، والقدرة على أداء هذه العمليات هي قوة حوسبة. في مجال الذكاء الاصطناعي التقليدي، على سبيل المثال، عندما تتحدث مع ChatGPT، تحتاج إلى قوة حوسبة خلف الكواليس لتنفيذ عمليات الاستدلال، والتي تأتي أساسا من مركز البيانات في السحابة (مسرع GPU/الذكاء الاصطناعي على الخادم)، ويتم →إرسال محتوى الإدخال إلى الخلفية عبر الشبكة → مجموعة من وحدات معالجة الرسوميات/المسرعات في مركز البيانات الخلفي لتشغيل النموذج لإكمال → الاستدلال وإرسال النتائج إلى المتصفح. الأساس الرئيسي الحالي لنظام Gradient: Parallax، الذي يختلف عن أنظمة الحوسبة H100 وH20 التي نراها عادة، هو أنه يعادل تقسيم الاستدلال على أجهزة بنماذج مختلفة، وذاكرة فيديو مختلفة، وظروف شبكة مختلفة، ويقسم النموذج تلقائيا إلى أحجام مناسبة، بحيث يمكن لكل جهاز تشغيله. لا تزال معظم المشاريع تحاول "الاستقرار على سلسلة" H100 غير المتصلة، لكن Gradient قامت بمحاولة أكثر جرأة هنا، حيث سمحت بدمج جهازين 4090 بقيمة 4,000 دولار لإنشاء نموذج A100 واحد يقارب 20,000 دولار. هنا يتم تفعيل حالتين استخدام: 1/ يمكن للجميع استخدام بعض أجهزة الكمبيوتر في المنزل لخدمة النماذج الكبيرة ذاتيا، مما يحمي الخصوصية الشخصية بالكامل. 2/ يمكن للجميع الانضمام إلى عنقود شبكة استدلال، والعمل مع الأصدقاء لبناء نماذج استدلالية، وحتى تشكيل شبكة استدلالات أكبر. هنا، صممت Gradient أيضا مجموعة من الخوارزميات المعقدة نسبيا، بما في ذلك تحسين عدد الشرائح والمقاطع ومتطلبات التوجيه الديناميكي. بالطبع، Gradient لا تقوم بهذا الأمر فقط، بل هي بنية تحتية مفتوحة المصدر الذكاء الاصطناعي. كما يتضمن سلسلة من المواضيع التي تتصدر حاليا دائرة الذكاء الاصطناعي، مثل التعلم المعزز، مما يدل على أنه فريق طموح للغاية ويتابع عن كثب ابتكار الذكاء الاصطناعي. مؤخرا، تم الاعتراف بالفريق ودعمه من قبل مختبرات الذكاء الاصطناعي مثل الجانب المظلم للقمر، وعلي تشيانوين، وغيرها، وهو أمر لا يزال نادرا نسبيا في الدائرة، وهذه الطريقة لتحسين الذكاء الاصطناعي تمتص أولا موارد متنوعة وتبني نظاما مفتوح المصدر مفتوح المصدر، مما يسمح لعدد أكبر من الناس بتشغيل نماذج كبيرة بسهولة وابتكار تطبيقات أكثر متعة. مقارنة باستئجار قوة الحوسبة، فإنه يقلل التكاليف إلى حد ما، ويقلل من مخاطر النقطة الواحدة، ويحسن مقاومة الرقابة، وهو أمر أكثر ألفة للعملات الرقمية، ومن حيث الخصوصية، يمكن ترك بيانات حساسة في المنطقة أو بالقرب منها للمعالجة. العديد من عمالقة الصناعة أيضا إيجابيون تجاه DeAI، وديفيد أو. ساكس، أحد أكبر مؤيدي DeAI Narrative، أكد مرارا علنا أن الذكاء الاصطناعي سيعيد تشكيل العالم، لكن مسار تطويره المركزي مليء بالمخاطر. البنية التحتية الذكاء الاصطناعي اللامركزية هي الطريقة الوحيدة لضمان استمرار الابتكار في المنافسة بحرية. تمتلك جرادينت حاليا استثمارا بقيمة 10 ملايين دولار، يقودها مستثمرون بارزون مثل Multicoin Capital وPantera وHSG (سابقا Sequoia China) وغيرهم. "إذا أصبح الذكاء الاصطناعي محتكرا، فستكون اللعبة منتهية. المستقبل يعتمد على ما إذا كان يمكن أن يكون الاستخبارات مفتوحة — لامركزية، موزعة، ومتاحة للجميع." — ديفيد أو. ساكس