Seiring dengan pertumbuhan kecerdasan buatan (AI) yang semakin kuat, infrastruktur yang diperlukan untuk menjalankannya akan mencapai batasnya. Batasan ini dapat membuka peluang bagi jaringan infrastruktur fisik terdesentralisasi (DePIN), ujar Trevor Harries-Jones, direktur di Render Network Foundation. Dalam wawancara dengan pembawa acara TheStreet Roundtable, Jackson Hinkle, Harries-Jones menjelaskan bahwa jaringan GPU terdesentralisasi tidak bertujuan untuk menggantikan pusat data tradisional, melainkan untuk melengkapinya dengan menyelesaikan beberapa tantangan skala yang paling mendesak dalam AI.

Harries-Jones menegaskan bahwa DePIN tidak berfokus pada penggantian infrastruktur terpusat. Secara sederhana, DePIN memungkinkan orang di seluruh dunia untuk berbagi infrastruktur jaringan dunia nyata sebagai imbalan atas penghargaan, sehingga tidak ada ketergantungan atau kontrol dari perusahaan terpusat. Salah satu proyek yang mencerminkan konsep ini adalah Render Network, sebuah platform rendering GPU terdesentralisasi yang dirancang untuk mendemokratisasi proses penciptaan digital dan membebaskan para kreator dari kendali entitas terpusat.

Hinkle mengacu pada contoh terbaru dari dunia AI terpusat, termasuk peluncuran aplikasi generasi video oleh OpenAI yang disebut Sora, di mana penggunaan harus dibatasi karena keterbatasan GPU. Ia bertanya apakah model terdesentralisasi pada akhirnya dapat mengungguli pusat data terpusat. Harries-Jones membantah ide penggantian secara total. “Saya tidak berpikir ini adalah soal penggantian,” ujarnya. “Saya justru berpikir ini adalah soal pemanfaatan keduanya.” Kluster GPU terpusat tetap krusial untuk melatih model AI besar, yang diuntungkan dari kolam memori yang besar dan perangkat keras yang terintegrasi dengan baik. Namun, pelatihan hanya merupakan sebagian kecil dari total beban kerja komputasi dalam AI.

Harries-Jones menjelaskan bahwa inferensi—proses menjalankan model AI—mendapatkan hampir 80% dari beban kerja GPU. Di sinilah jaringan terdesentralisasi seperti Render berperan. Meskipun versi awal model AI memerlukan sumber daya yang berat, Harries-Jones mencatat bahwa model-model ini dengan cepat menjadi lebih efisien saat para insinyur mengoptimalkan dan mengompresnya. Seiring waktu, model yang dulunya memerlukan infrastruktur besar dapat beroperasi pada perangkat yang jauh lebih sederhana seperti ponsel pintar.

"Dari sini, kita cenderung melihat pola yang sama pada semua model yang dirilis," tambahnya. "Mereka mulai sangat berat dan belum terasah, dan dalam waktu singkat, mereka menjadi lebih halus sehingga bisa berjalan di perangkat sederhana yang terdesentralisasi." Dari sudut pandang biaya, pergeseran ini membuat jaringan GPU terdesentralisasi semakin menarik, menurut Harries-Jones. Alih-alih bergantung sepenuhnya pada pusat data mahal, beban kerja inferensi dapat didistribusikan di antara GPU yang tidak terpakai di seluruh dunia. "Akan lebih murah untuk menjalankannya di node konsumen yang tidak terpakai daripada di node terpusat."

Harries-Jones optimis terhadap sektor DePIN. Ia menggambarkan DePIN sebagai cara untuk meredakan bottleneck yang semakin meningkat dalam AI, baik di bidang komputasi maupun infrastruktur energi. Ketika sistem tenaga terpusat mengalami tekanan, komputasi terdesentralisasi menawarkan solusi paralel dengan memanfaatkan sumber daya yang kurang dimanfaatkan secara global. “Jadi, saya sangat optimis terhadap sektor ini secara keseluruhan.”

Harries-Jones menekankan bahwa permintaan GPU global jauh melebihi pasokan. “Saat ini, tidak ada cukup GPU di dunia,” ujarnya. Oleh karena itu, kuncinya adalah memanfaatkan semua GPU yang tidak terpakai, bukan bersaing untuk GPU berkualitas tinggi yang terbatas. Menurut Harries-Jones, masa depan infrastruktur AI bukanlah jaringan terpusat atau DePIN. Sebaliknya, itu adalah penggunaan fleksibel dari keduanya untuk memenuhi permintaan AI yang sangat tinggi.

Mungkin kamu juga suka

Disclaimer

CryptoMarket.id berkomitmen menyajikan berita yang akurat dan transparan. Artikel ini bersifat informasi, bukan saran keuangan. Aset kripto berisiko tinggi; lakukan riset sendiri dan gunakan exchange yang terdaftar di OJK. Baca juga Disclaimer, Syarat & Ketentuan, dan Kebijakan Privasi.