区块链+GPU算力共享,DeepBrain chain想为AI企业降低成本_XMR:iXMR币

当人工智能遇上区块链会出现什么?人工智能训练本质上是对人的学习过程的模拟。如特拉斯做无人驾驶时,首先会采集海量的路况数据,对它进行标注,然后将数据输入算法,在大量算力的支持下进行模型训练,再将训练好的模型装入无人驾驶汽车,汽车就会自动识别路况。这个过程犹如我们学习拼音文字,然后根据存储的词汇量来辨识文字信息。因此,算力、数据和算法是人工智能模型训练的三要素。在当前的模式中,公司主要自建服务器或者在中心化云算力平台采购算力。据专注于人工智能GPU算力共享的区块链项目深脑链CEO何永透露,很多人工智能企业融资额的近10%到30%都会投入到算力建设中。这成为企业沉重的负担,制约了技术研发投入。深脑链想通过区块链技术来解决人工智能企业的成本问题。它用区块链技术让人工智能神经网络运行,去中心化地分布在全世界海量节点之上,将闲置资源再利用,通过发行token在智能合约中完成交易。在以前的算力采购模式中,算力采购者和算力提供者站在对立面,算力提供者的算力来源只有单一的支付费用,但在深脑链上,每个节点的收入由70%的挖矿奖励+30%的用户支付费用构成。收入结构的改变,将导致算力成本下降。也不再有买家和卖家的对立关系,而是社区成员。深脑链的网络节点可以是大型挖矿节点,比如大型矿池,也可以是中型挖矿节点或者利用Azure、阿里云进行挖矿,也可以是高性能GPU服务器。矿工只需要安装深脑链挖矿软件及基础人工智能运行环境,即可成为一个节点参与挖矿赚取token。与其他算力共享平台不同之处在于,DeepBrainChain是GPU算力共享平台,专注于人工智能这一垂直领域。因此深脑链的设计具有行业特性。如针对高性能运算需求,DeepBrainChain通过负载均衡技术实现每一个节点容器相互配合分摊并发压力。再比如,人工智能厂商的用户请求并不是均匀的,很可能会出现高峰期的时候是平常的数十倍,这就需要能够对突发流量进行有效的应对,深脑链通过弹性扩容技术,当sharding片内性能达到瓶颈的时候,会resharding,增大分片个数。这样可以使容器自动化部署,在流量高峰的时候快速复制部署到多个空闲节点,同时实现节点自动化运维,当某个节点容器出现故障时及时报警提醒,并且将故障节点移除,同时增加一个正常节点。目前团队已有50多人,核心团队均是人工智能行业背景,如CEO何永是国内第一批人工智能领域的创业者,CAO&VP兼深脑链硅谷研究院院长王冬岩,拥有在人工智能、商业智能和数据科学方面近20年的经验。高级架构师JasonPai曾主导过多项AI产品。我是Odaily星球日报作者小派克,探索真实区块链,寻求报道请加微信lmm662381,烦请备注姓名、公司、职务。转载/内容合作请联系邮箱report@odaily.com。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

金智博客

[0:15ms0-7:998ms