在这里添加一些背景，计算能力的增加也意味着更高的能耗，这是不可持续的。
EpochAI 预测：
➤ 训练计算每年以 4-5 倍的速度增长。
➤ 电力需求预计每年将增加 2.2 倍到 2.9 倍。
到 2030 年，每次训练运行可能需要 4-16 吉瓦（GW），足以为数百万美国家庭供电。
有几种解决方案可供选择：
➤ 提高硬件能效
➤ 开发减少训练时间的方法
➤ 在不同地理位置的多个 GPU 上利用分布式训练。
在这些方案中，由 @ionet、@render 和 @AethirCloud 等项目主导的第三个选项似乎是最可行和最直接的解决方案。
h/t @EpochAIResearch
你的AI“成本问题”不是计算。
而是协调。
闲置的GPU利用率在12-18%之间，DeAI将这些转化为燃料：
@ionet 便宜高达90%
@rendernetwork 低至90%
@Filecoin 存储费用减少约78%
构建网络，而不是瓶颈。
8,610
29
本页面内容由第三方提供。除非另有说明，欧易不是所引用文章的作者，也不对此类材料主张任何版权。该内容仅供参考，并不代表欧易观点，不作为任何形式的认可，也不应被视为投资建议或购买或出售数字资产的招揽。在使用生成式人工智能提供摘要或其他信息的情况下，此类人工智能生成的内容可能不准确或不一致。请阅读链接文章，了解更多详情和信息。欧易不对第三方网站上的内容负责。包含稳定币、NFTs 等在内的数字资产涉及较高程度的风险，其价值可能会产生较大波动。请根据自身财务状况，仔细考虑交易或持有数字资产是否适合您。