布式計算初創公司Monster API日前表示，采用加密貨幣挖礦設備可以滿足訓練AI模型對GPU處理能力不斷增長的需求，其開發的系統可以擴展到數據中心之外的其他搭載GPU的設備（例如Macbook、游戲機甚至特斯拉汽車等），從而大幅降低開發和訓練AI模型的成本。

礦卡找到新出路

在過去，對于礦老板來說，顯卡算力就等于收益，算力越大挖礦的利潤越高，這就是為什么礦工要瘋狂搶購顯卡的原因。不過前兩年礦工有多風光，這段時間礦工就有多凄慘，在以太坊正式進入2.0的PoS 權益質押驗證時代后，顯卡挖礦正式成為過去式。許多礦工都在抓緊時間出清手上的礦卡，不過由于市場體量太大，之前搶購的顯卡也太多，所以還有很多礦工沒有來得及拋售，只能壓在手里。

不過隨著聊天AI的崛起，礦工們似乎又為自己手中還沒有拋售的顯卡找到了一條出路，那就是為現在的AI提供算力。對于現在研發人工智能的廠商來說，成本的確是一個問題，購買NVIDIA的專業計算卡當然最好，但是價格也非常高，所以目前礦工手中的大量顯卡似乎就可以是一個提供算力的源泉。而對于礦工來說，短時間無法賣光礦卡，手中大量算力沒有用武之地，那么為人工智能項目提供算力，也是一個能獲得收入的途徑。

以OpenAI為例，訓練出像ChatGPT 這樣的人工智能模組，至少花費了500萬美元，而光是讓ChatGPT 維持運作，每天的成本就高達10 萬美元。如果要讓AI 能夠針對某些領域進一步專精強化，還需要訓練新的模型才能達成效果。所以廠商需要節約成本，而礦工則希望手中的顯卡能獲得收益，兩者可以說一拍即合。

目前一些大型礦場正在研究，如何讓他們手上的顯卡算力分配出去，供AI研究人員使用，用來生成小規模的自然語言模型。對于廠商來說，現在研究AI最大的問題，就是如何用更少的電力、更好的冷卻系統，讓機器高效達成算力最大化，而礦場恰恰是一個非常好的選擇。所以最近海外不少礦工都停止了甩賣顯卡，看有沒有機會切入人工智能領域。


分布式算力網絡可以大幅降低AI基礎模型訓練成本

實際上，除了加密采礦設備之外，在PlayStation 5等游戲系統和較小的數據中心中也可以找到未使用的GPU。Saurabh Vij表示：“加密采礦平臺采用GPU，而游戲系統也采用GPU，且GPU的功能每年都會變得更加強大。”

企業和個人的算力匯入分布式網絡需要經歷包括數據安全檢查在內的一系列流程。需求方根據需求添加設備，擴展和縮小算力網絡。供應方可以從出售閑置算力中獲得了一部分收入。

Saurabh Vij強調，分布式計算系統將AI基礎模型的訓練成本降低到了將來可以由開源和非營利組織訓練的程度，而不僅僅是財力雄厚的大型科技公司。“如果建立一個AI基礎模型需要100萬美元，那么像我們這樣的去中心化網絡只需要10萬美元。”

極客網獲悉，Monster API現在還提供“無代碼”工具來微調模型，并向那些沒有技術專長或資源的用戶開放，讓他們從頭開始訓練模型，進一步“民主化”計算能力和AI基礎模型。

“微調非常重要，因為大量的開發者沒有足夠的數據和資金來從頭開始訓練模型。”他表示，通過優化，Monster API已將微調成本削減90%，使得每個模型的微調費用約為30美元。


算網融合解決AI算力難題

當前，算力和網絡的發展日益呈現一體共生趨勢，網絡從過去的連接算力逐漸演進為動態感知算力、可定制承載算力，實現在網計算隨轉隨算，算力無處不在。

“中國的算力要跑到世界前面，必須加快優化形成理想的算力網架構。”中國工程院院士劉韻潔說，算力網的關鍵技術就是把所有算力通過一個高通量的確定性的網絡，讓所有使用算力的用戶連在一起。

“我們正在爭分奪秒搭建優化算力網，目前已經在全國40個城市開通了全新的算力網架構。”劉韻潔說，下一步將以數據為要素，以服務為驅動，生成這樣一個智能的網絡控制系統。

“互聯網的下半場，對中國來講是難得的趕超機會。”劉韻潔說，在國家的大力支持下，他們正在加快實現優化的算力網架構，希望通過這樣的網絡架構為更多企業服務，讓中國盡快在算力領域領先世界。

“算力基礎設施是數字經濟核心生產力和發展的引擎，算力網絡已經成為一種新型信息網絡基礎設施。”中國工程院院士張宏科說。

張宏科表示，網絡體系創新一直是國際研究熱點和競爭焦點，信息領域已經成為大國博弈的核心和關鍵。我國要想從網絡大國向網絡強國邁進，就急需系統性、原創性的網絡體系的技術突破。目前，已經從過去用戶被動使用網絡進化到網絡主動適配用戶，網絡賦能算力、算力賦能網絡，網中有算、算中有網的格局已經形成，算力可以提升網絡綜合性能，網絡也可以提升算力的調度，總而言之，現有的網絡，從工作原理機制和體系上難于滿足算力網絡的需求。

張宏科認為，算力網絡需要緊迫解決的問題就是要攻克多個異構網絡，加快統一資源調度，統一基礎設施。