Aethir與Aphone合作的深層原因：彌補中心化算力支撐的不足

本來還很好奇，作為一個分布式 GPU 雲算力提供商，@AethirCloud 為何要推出智慧型手機 Aphone，而且要給 Aethir 節點營運方空投？這兩天，從大家對 GPT4o 的熱議聲中找到了答案。背後邏輯還和 OpenAI 的「算力大爆炸」發展的 B 面：亟待爆發的分布式算力協作框架有關。

以 GPT-4o 為例，表面上看可以讓大模型接入機器人等設備，讓人機交互實現「智能化」的跨時代新奇體驗。但 Prompt 為文字還好，要變成圖、影音等內容，就得有強大的算力先把圖、影音等內容切片分幀然後再轉化成語義再和大模型交互。若實時交互的畫面內容過於複雜，解析和特徵提取過程就會產生大量 Tokens，對應的算力消耗也會巨量，因此很難做到不延遲。

因此，OpenAI 等公司靠中心化算力實現的實時無延遲互動並不能視為無瑕疵創新，反倒更像草草交出來的答卷，細究的話問題一大堆。

該怎麼辦呢？破局之策還是得靠分布式雲算力服務市場的崛起來補足，讓用戶終端設備比如手機或電腦進行模型解析和預加工，先依託邊緣計算完成一些實時輸入的解析，然後再傳入雲端和大模型進行交互，理論上這樣似乎就可以降低對中心化算力的依賴，也會優化延遲，進而彌補純中心化算力驅動下的大模型進化不足之處。

這或許才是 Aethir 推出 Aphone 智慧型手機的潛在原因吧：讓智能硬體作為終端載體也成為分布式雲算力處理中心的一部分，進而細化模型訓練的應用場景，以彌補純靠中心化算力支撐的不足問題。

一個分布式的雲算力協作框架可以：1、聚合大量分布式算力和數據資源，用邊緣計算能力降低對純中心化算力的依賴；2、減少對單一服務提供商的依賴，提高分布式系統容錯力和穩定性；3、帶動不同模型和服務之間的互操作性，豐富大語言模型的服務範圍和體驗。

Note：最近重點關注 AI 賽道，關於去中心化算力服務的市場機遇、發展前景、以及項目代表系統介紹，可參考 @web3caff_zh 的萬字研報進行補充閱讀：https://research.web3caff.com/zh/archives/17351?ref=743

原文連結