在這裡添加一些背景，計算能力的增加也意味著更高的能耗，這是不可持續的。
EpochAI 預測：
➤ 訓練計算每年以 4-5 倍的速度增長。
➤ 電力需求預計每年將增加 2.2 倍到 2.9 倍。
到 2030 年，每次訓練運行可能需要 4-16 吉瓦（GW），足以為數百萬美國家庭供電。
有幾種解決方案可供選擇：
➤ 提高硬件能效
➤ 開發減少訓練時間的方法
➤ 在不同地理位置的多個 GPU 上利用分佈式訓練。
在這些方案中，由 @ionet、@render 和 @AethirCloud 等項目主導的第三個選項似乎是最可行和最直接的解決方案。
h/t @EpochAIResearch
你的AI“成本問題”不是計算。
而是協調。
閒置的GPU利用率在12-18%之間，DeAI將這些轉化為燃料：
@ionet 便宜高達90%
@rendernetwork 低至90%
@Filecoin 存儲費用減少約78%
構建網絡，而不是瓶頸。
8,729
0
本頁面內容由第三方提供。除非另有說明，OKX 不是所引用文章的作者，也不對此類材料主張任何版權。該內容僅供參考，並不代表 OKX 觀點，不作為任何形式的認可，也不應被視為投資建議或購買或出售數字資產的招攬。在使用生成式人工智能提供摘要或其他信息的情況下，此類人工智能生成的內容可能不準確或不一致。請閱讀鏈接文章，瞭解更多詳情和信息。OKX 不對第三方網站上的內容負責。包含穩定幣、NFTs 等在內的數字資產涉及較高程度的風險，其價值可能會產生較大波動。請根據自身財務狀況，仔細考慮交易或持有數字資產是否適合您。