شبکه‌های غیرمتمرکز موبایل؛ آیا گوشی‌ها می‌توانند زیرساخت هوش مصنوعی شوند؟
شبکه‌هایی مانند Acurast و Phase می‌خواهند از توان گوشی‌های بلااستفاده برای پردازش و اتصال استفاده کنند؛ اما هماهنگی و توجیه اقتصادی همچنان چالش است.
نکات کلیدی
• Acurast می‌گوید بیش از ۳۳۵,۰۰۰ گوشی به شبکه‌اش پیوسته‌اند و حدود ۴۰,۰۰۰ دستگاه روزانه فعال‌اند. • Phase Proxy از اتصال موبایل و خانگی برای پشتیبانی از عامل‌های هوش مصنوعی استفاده می‌کند. • گوشی‌ها ممکن است برای برخی پردازش‌ها کارآمد باشند، اما توان و اتصال ناپایدار، هماهنگی شبکه را دشوار می‌کند. • پایداری اقتصادی به تقاضای مشتریان، هزینه‌های شبکه و شیوه پاداش‌دهی بستگی دارد.
گوشی‌ها به‌عنوان توان پردازشی توزیع‌شده
شبکه‌های غیرمتمرکز هوش مصنوعی می‌خواهند گوشی‌های هوشمند روزمره را به بخشی از زیرساخت پردازش تبدیل کنند و وابستگی به مراکز داده متمرکز را کاهش دهند. برآورد متن برای اکتبر ۲۰۲۶ از ۷.۶۸ میلیارد اتصال موبایلی در جهان حکایت دارد؛ دستگاه‌هایی که می‌توانند پردازنده، حافظه و اتصال اینترنت خود را در اختیار شبکه بگذارند.
Acurast می‌گوید بیش از ۳۳۵,۰۰۰ گوشی به شبکه‌اش پیوسته‌اند و حدود ۴۰,۰۰۰ دستگاه در یک روز معمولی فعال‌اند. به گفته هم‌بنیان‌گذار پروژه، این توان برای کارهایی از گردآوری داده‌های وب و امنیت سایبری تا استنتاج هوش مصنوعی به کار می‌رود؛ او ظرفیت دستگاه‌های فعال را معادل حدود ۲,۳۴۰ سرور پیشرفته مرکز داده توصیف می‌کند.
۷.۶۸ میلیارد
اتصال موبایلی جهان
۳۳۵,۰۰۰+
گوشی‌های پیوسته
۴۰,۰۰۰
گوشی‌های فعال روزانه
۰.۵ USDT
هر ۱,۰۰۰ درخواست
اتصال و اعتبارسنجی با Phase
Phase در اکتبر Phase Proxy را راه‌اندازی کرد تا صاحبان گوشی بتوانند اتصال اینترنت و اعتبارسنجی بلاک‌چینی را برای عامل‌های هوش مصنوعی فراهم کنند. بنیان‌گذار پروژه می‌گوید این روش از اتصال موبایل و خانگی استفاده می‌کند، چون وب‌سایت‌ها گاهی ترافیک خودکارِ مراکز داده را مسدود یا محدود می‌کنند.
در گام بعد، Phase Router قرار است درخواست‌های ساده‌تر را به مدل‌های درون شبکه هدایت کند و درخواست‌های دیگر را، بر اساس پیچیدگی، توان مدل، عملکرد و هزینه، به ارائه‌دهندگان بیرونی مانند OpenAI و Anthropic بفرستد. طرح اعلام‌شده برای Phase Proxy دریافت ۰.۵ USDT به‌ازای هر ۱,۰۰۰ درخواست و ۱GB ترافیک است.
آزمون‌های کنترل‌شده و دشواری هماهنگی
برخی آزمون‌ها نشان داده‌اند که گروه‌هایی از گوشی‌ها می‌توانند در شرایط مشخص از پس بعضی کارهای محاسباتی بربیایند؛ از جمله یک پروژه پشتیبانی‌شده از سوی Google که در آن ۲۰ گوشی بازنشسته بار پردازشی اوج یک کلاس با بیش از ۷۵ دانشجو را مدیریت کردند. با این حال، این دستگاه‌ها در محیطی کنترل‌شده سازمان‌دهی شده بودند، نه در شبکه‌ای پراکنده در سراسر جهان.
در استفاده واقعی، گوشی‌ها ممکن است قطع شوند، داغ کنند، شارژشان تمام شود یا با توان پردازشی و حافظه متفاوتی کار کنند. قطع اتصال یا کندی شبکه می‌تواند کارهای تقسیم‌شده میان چند دستگاه را مختل کند؛ در حالی که واگذاری کارهای مستقل به گوشی‌های در دسترس معمولاً ساده‌تر است.
اقتصاد شبکه هنوز باید جواب بدهد
استفاده از گوشی‌های موجود می‌تواند هزینه ساخت مرکز داده را کنار بزند، اما اتصال، هماهنگی و پاداش‌دهی همچنان هزینه دارند. Acurast می‌گوید پاداش مشارکت‌کنندگان به عواملی مانند زمان فعال‌بودن دستگاه، مشخصات سخت‌افزاری، ACU استیک‌شده و تقاضای پردازش بستگی دارد.
Phase می‌گوید بخشی از درآمد خدمات را صرف خرید PHASE از بازار آزاد و توزیع آن میان اپراتورها بر اساس مشارکتشان می‌کند. در مجموع، مسئله فقط اجرای مدل روی گوشی نیست؛ شبکه باید هزاران دستگاه را به سرویسی قابل اتکا تبدیل کند و هم‌زمان برای مشتریان و صاحبان دستگاه توجیه اقتصادی داشته باشد.
چرا این خبر مهم است؟
این مدل می‌تواند شیوه تأمین توان پردازشی و اتصال برای برخی کارهای هوش مصنوعی را تغییر دهد، اما متن نشان می‌دهد که قابلیت اطمینان شبکه و صرفه اقتصادی هنوز حل‌نشده‌اند. پیشرفت پروژه‌ها به توانایی‌شان در هماهنگ‌کردن دستگاه‌ها و ایجاد تقاضای پایدار وابسته است.
پرسش‌های پرتکرار
Acurast از گوشی‌ها برای چه کارهایی استفاده می‌کند؟
به گفته هم‌بنیان‌گذار آن، کارهایی مانند گردآوری داده‌های وب، امنیت سایبری، استنتاج هوش مصنوعی و میزبانی عامل‌ها.
چه چیزی مانع گسترش این شبکه‌ها می‌شود؟
قطع اتصال، داغ‌شدن یا تمام‌شدن شارژ گوشی‌ها، تفاوت توان دستگاه‌ها و دشواری توجیه اقتصادی.
- #ارز دیجیتال
- #AI
- #DePIN
- #Acurast
- #Phase
این خبر بازنویسی فارسی گزارش منبع اصلی است و توصیه‌ی سرمایه‌گذاری نیست. پیش از هر تصمیم مالی، منبع اصلی را بررسی و ریسک خود را بسنجید.
