تصویر: چگونه با Sogni و Salad ماهانه ۳۵۰ دلار از کارت گرافیک خود درآمد کسب کنید
تصویر: چگونه با Sogni و Salad ماهانه ۳۵۰ دلار از کارت گرافیک خود درآمد کسب کنید

چگونه با Sogni و Salad ماهانه ۳۵۰ دلار از کارت گرافیک خود درآمد کسب کنید

خیلی طولانی؛ نخواندم

Sogni و Salad زیرساخت هوش مصنوعی غیرمتمرکز را گسترش می‌دهند تا به صاحبان و اجاره‌کنندگان کارت‌های گرافیک اجازه دهند از بارهای کاری هوش مصنوعی درآمد کسب کنند.

چگونه Sogni و Salad برای غیرمتمرکز کردن قدرت پردازش هوش مصنوعی برنامه‌ریزی می‌کنند

همچنان که مدل‌های هوش مصنوعی مولد پیچیده‌تر و پرتقاضاتر می‌شوند، این سوال که چگونه می‌توان به صورت کارآمد و مقرون به صرفه آن‌ها را قدرت بخشید، به طور فزاینده‌ای ضروری می‌شود. Sogni AI، یک پلتفرم غیرمتمرکز برای ابزارهای هوش مصنوعی خلاق، از یک همکاری استراتژیک با Salad Technologies، ارائه‌دهنده توزیع‌شده کارت گرافیک، خبر داده است. این همکاری جبهه جدیدی را در رقابت برای ساخت زیرساخت هوش مصنوعی قابل دسترس و غیرمتمرکز باز می‌کند.

این همکاری به صاحبان و اجاره‌کنندگان کارت گرافیک اجازه می‌دهد تا در "Supernet" Sogni مشارکت کنند، یک شبکه محاسباتی غیرمتمرکز که در حال حاضر در مرحله تست‌نت قرار دارد. با ادغام با زیرساخت Salad، Sogni اکنون می‌تواند از طریق "Recipes"های پلاگین و اجرا، به بیش از ۶۰,۰۰۰ کارت گرافیک دسترسی پیدا کند. این Recipes‌ها به طور خودکار بارهای کاری هوش مصنوعی Sogni، از جمله مدل‌های Stable Diffusion و Flux Worker آن را مستقر می‌کنند و به کاربران اجازه می‌دهند بلافاصله پس از راه‌اندازی، شروع به کسب توکن‌های Sogni کنند.

Supernet چیست و چگونه کار می‌کند؟

Supernet Sogni به عنوان یک شبکه زیرساخت فیزیکی غیرمتمرکز (DePIN) عمل می‌کند و به کاربران در سراسر جهان امکان می‌دهد منابع محاسباتی را برای وظایف هوش مصنوعی مولد مشارکت دهند. در هسته خود، Supernet وظایف هوش مصنوعی – مانند تولید تصاویر یا هنر – را به گره‌های GPU متصل توزیع می‌کند، که سپس کار را انجام می‌دهند و با توکن‌های $SOGNI پاداش می‌گیرند.

Supernet در حال حاضر در مرحله تست‌نت خود قرار دارد و برای راه‌اندازی کامل در شبکه اصلی آماده می‌شود. تخمین زده می‌شود که گره‌های Fast Worker که معمولاً بر روی کارت‌های گرافیک رده بالا مانند Nvidia RTX 4090 اجرا می‌شوند، حدود ۳۵۰ دلار در ماه درآمد کسب کنند. این درآمد در مقایسه با سایر فرصت‌های اجاره یا استیکینگ کارت گرافیک در اکوسیستم‌های Web2 و Web3 قابل توجه است. این شبکه در حال حاضر روزانه بیش از ۱.۵ میلیون تولید با استفاده از بیش از ۱۰۰ مدل تولید تصویر را پردازش می‌کند.

Salad چگونه در این مدل قرار می‌گیرد؟

Salad Technologies یک شبکه کارت گرافیک غیرمتمرکز بر اساس تقاضا ارائه می‌دهد که به هر کسی که حساب Salad دارد اجازه می‌دهد زمان کارت گرافیک را در مقیاس بالا اجاره کند. ادغام جدید با Sogni فرآیند ورود برای مشارکت‌کنندگان را ساده‌تر می‌کند. کاربران می‌توانند یک Recipe، مانند Sogni Stable Diffusion Worker، را انتخاب کرده و بلافاصله شروع به پردازش وظایف در Supernet کنند. تمام مدل‌ها و پیکربندی‌های لازم از پیش بارگذاری شده‌اند و زمان راه‌اندازی را به حداقل می‌رسانند.

“Salad ساده‌ترین مسیر برای مشارکت‌کنندگانی است که به دنبال پشتیبانی از هوش مصنوعی خلاق هستند. حتی اگر یک ایستگاه کاری ۴۰۰۰ دلاری نداشته باشید، می‌توانید زمان را در Salad اجاره کرده و به عنوان بخشی از شبکه ما درآمد کسب کنید.”

این ادغام همچنین امکان مقیاس‌پذیری دینامیک را فراهم می‌کند. اگر تقاضا در Supernet افزایش یابد، کاربران می‌توانند گره‌های Salad بیشتری را راه‌اندازی کنند تا با آن تقاضا مطابقت داشته باشند. از نظر عملکرد، گره‌های Salad تقریباً غیرقابل تشخیص از سخت‌افزاری هستند که مستقیماً توسط کاربران اداره و اجرا می‌شوند.

چه چیزی برای جوامع هوش مصنوعی و Web3 در معرض خطر است؟

پیامدهای گسترده‌تر این همکاری در تلاش آن برای دموکراتیزه کردن دسترسی به زیرساخت محاسباتی نهفته است. کارت‌های گرافیک با عملکرد بالا گران هستند و اغلب در مراکز داده بزرگ متمرکز یا توسط چند ارائه‌دهنده ابری کنترل می‌شوند. با امکان‌پذیر ساختن مشارکت یا اجاره قدرت کارت گرافیک توسط افراد از طریق Salad، Sogni در حال توزیع هم بار کاری و هم پاداش‌ها است.

“شبکه کارت گرافیک توزیع شده ما برای پشتیبانی از مقیاس، سرعت و کارایی که استارتاپ‌های مدرن هوش مصنوعی مانند Sogni برای رشد سریع نیاز دارند، ساخته شده است. ماموریت آن در تامین مالی خلاقیت جمعی به طور کامل با ماموریت Salad در دموکراتیزه کردن محاسبات همخوانی دارد.”

با استفاده از سخت‌افزار مصرف‌کننده و ظرفیت خالی کارت گرافیک، هر دو شرکت در حال کار برای ایجاد اکوسیستمی هستند که وابستگی به زیرساخت متمرکز را کاهش می‌دهد. این امر به ویژه برای جامعه هوش مصنوعی خلاق، جایی که هنرمندان و توسعه‌دهندگان اغلب خارج از چارچوب‌های نهادی فعالیت می‌کنند، مرتبط است.

بعدا به کجا می‌رود؟

با ۲ میلیون دلار بودجه جدید و پایگاه کاربری که در طول تست‌نت از ۱۰,۰۰۰ به ۳۴۰,۰۰۰ نفر افزایش یافته است، Sogni در حال گسترش به سمت بارهای کاری ویدیوی هوش مصنوعی در Supernet است. این مرحله بعدی نیازهای محاسباتی بسیار سنگین‌تری را به همراه خواهد داشت، که ادغام Salad را حتی حیاتی‌تر می‌کند.

“Supernet Sogni به گونه‌ای طراحی شده است که یک شبکه از شبکه‌ها باشد. ما افتخار می‌کنیم که Salad به عنوان یکی از ستون‌های اصلی سوپرنت ما باشد، جایی که گیمرها، هنرمندان و خالقان در سراسر جهان منابع را به اشتراک می‌گذارند و با هم درآمد کسب می‌کنند.”

همچنان که اکوسیستم هوش مصنوعی مولد به تکامل خود ادامه می‌دهد، زیرساخت غیرمتمرکز ممکن است تعادلی برای تمرکز قدرت محاسباتی ارائه دهد. اینکه آیا این مدل در بلندمدت پایدار خواهد بود یا خیر، به مشوق‌های توکن ادامه یافته، پایداری پلتفرم، و مشارکت سخت‌افزاری کاربران جهانی بستگی دارد.

دیدگاه من

این همکاری بازتاب دو روند همزمان است: انفجار هوش مصنوعی مولد و افزایش اهمیت شبکه‌های زیرساخت فیزیکی غیرمتمرکز. با ادغام این مفاهیم، Sogni و Salad مدلی را ارائه می‌دهند که موانع را برای مشارکت‌کنندگان کاهش می‌دهد و هم ارزش و هم کنترل را توزیع می‌کند.

با این حال، وابستگی به مشوق‌های توکن و بازده‌های سفته‌بازانه نیز ممکن است سوالاتی را در مورد پایداری در درازمدت مطرح کند. با این حال، استفاده از سخت‌افزار خالی برای پشتیبانی از ایجاد هوش مصنوعی منبع باز به نظر می‌رسد یک مورد استفاده با کشش واقعی باشد. تغییر از هیجان به کاربرد در Web3 به این بستگی دارد که چنین همکاری‌هایی تحت شرایط واقعی و پذیرش بازار چقدر خوب عمل کنند. با استفاده تیم از مشوق‌های توکن، می‌تواند کشش اولیه را برای اثبات تناسب بازار چنین راه‌حلی برای ماینرها آزمایش و ایجاد کند.

لایک و اشتراک‌گذاری داستان را فراموش نکنید!

افشای منافع مالی: این نویسنده یک مشارکت‌کننده مستقل است که از طریق برنامه وبلاگ‌نویسی تجاری ما منتشر می‌کند. HackerNoon گزارش را از نظر کیفیت بررسی کرده است، اما ادعاهای مطرح شده در اینجا متعلق به نویسنده است. #DYOR