Майнинг 2.0 и тёмные GPU, или история о том, как майнинговое о | Нецифровая экономика
Майнинг 2.0 и тёмные GPU, или история о том, как майнинговое оборудование, выполнявшее бессмысленные задачи по поиску хэшей, теперь приносит пользу в деле обучения моделей искусственного интеллекта
Биткоин уже не по $60 тысяч за штуку, а эфир больше не майнят на видеокартах. Простаивающие в пыли графические процессоры, купленные для майнинга, стали называть «тёмными GPU».
На помощь майнерам, желающим окупить вложения в оборудование, пришёл хайп вокруг ИИ — разработчики ИИ-моделей сейчас как раз сталкиваются с дефицитом вычислительных мощностей
Satoshi Spain, компания из Барселоны, раньше сдавала в аренду майнинговые установки, оснащённые мощными графическими процессорами. В прошлом году из-за спада майнинга Satoshi начала переоборудовать эти же установки под задачи, связанные с искусственным интеллектом. Сегодня эти машины используют стартапы, университеты и индивидуальные разработчики в Европе. Гендиректор Satoshi назвал это «майнингом 2.0».
Децентрализованный облачный провайдер Together из Сан-Франциско арендовал тысячи графических процессоров, которые использовались в том числе для майнинга, для обеспечения работы своего облачного сервиса — его, в свою очередь, арендуют разработчики ИИ для задач машинного обучения. В мае Together привлёк $20 млн начального финансирования.
По тому же пути пошла компания Monster, предоставляющая API к моделям генеративного ИИ для разработчиков. Monster заключила сотни сделок с майнерами Ethereum, которые по-прежнему желают окупить дорогостоящее оборудование. Сейчас Monster использует более чем 30 тысяч графических профессоров.
CoreWeave — облачный провайдер GPU-on-demand из Нью-Йорка — приспосабливает майнинговые установки под такие задачи как рендеринг изображений, научный анализ и ИИ. В мае провайдер привлёк $221 млн инвестиций от Nvidia и других компаний.
Всё бы хорошо, но механика добычи криптовалют отличается от запуска ИИ-моделей. В майнинге процессоры GPU нужны были для сложных вычислений, в то время как при машинном обучении задачи более простые, но предполагающие большие массивы данных. Генерация текстов и изображений требует множества одинаковых чипов, работающих согласованно, и большого объёма памяти.
Только около 20% незадействованных чипов пригодны для обучения моделей искусственного интеллекта, считает гендиректор Together. А по мнению предпринимателя Марка Д'Ариа, закупающего компоненты майнинговых установок для перепродажи, устройства с графическими картами низкого уровня требуют установки дополнительных компонентов на сумму до $5 тысяч, чтобы стать пригодными для ИИ-задач.
