Giải pháp đám mây phi tập trung: Tương lai của tính toán AI
Ngành trí tuệ nhân tạo (AI) đang trải qua sự tăng trưởng nhanh chóng, nhưng nhiều công ty vẫn phụ thuộc vào các dịch vụ tập trung như Amazon Web Services (AWS) cho nhu cầu tính toán đám mây của họ. Sự phụ thuộc này có thể dẫn đến chi phí cao và khả năng xảy ra sự cố. Wes Levitt, người đứng đầu chiến lược tại Theta Labs, lập luận rằng tính toán đám mây phi tập trung cung cấp một giải pháp cho những thách thức này. Trong một tập gần đây của podcast The Agenda, Levitt đã thảo luận về cách mà sự phi tập trung không chỉ giảm chi phí mà còn nâng cao độ tin cậy và tính linh hoạt cho người dùng. Ông nhấn mạnh rằng bằng cách tránh xa một vài điểm thất bại tập trung, Theta Labs nhằm mục đích dân chủ hóa quyền truy cập vào sức mạnh tính toán, đặc biệt trong các lĩnh vực AI và học thuật.
Theta Labs là động lực đứng sau Mạng Theta, tự định vị mình là một giải pháp đám mây phi tập trung cho AI, truyền thông và giải trí. Levitt lưu ý rằng trong khi công ty ban đầu tập trung vào truyền thông, họ đã thấy sự gia tăng đáng kể trong số lượng khách hàng liên quan đến AI, đặc biệt từ các tổ chức học thuật. Ông đã nêu bật các quan hệ đối tác với các trường đại học hàng đầu của Hàn Quốc và Đại học Oregon, giải thích rằng các dịch vụ đám mây phi tập trung cung cấp một lựa chọn tiết kiệm chi phí cho các tổ chức không thể chi trả cho AWS. Tính linh hoạt này rất quan trọng đối với các tổ chức học thuật, những người thường cần mở rộng tài nguyên tính toán của họ nhanh chóng cho các dự án nghiên cứu trước các hội nghị và sau đó thu hẹp lại sau đó.
Ngách AI phi tập trung đã chứng kiến sự tăng trưởng đáng kể, với vốn hóa thị trường của các dự án tiền điện tử AI và dữ liệu lớn tăng vọt từ 16,17 tỷ USD vào tháng 12 năm 2023 lên hơn 70 tỷ USD vào tháng 12 năm 2024. Mặc dù có sự bùng nổ này, Levitt đã làm rõ rằng mục tiêu của Mạng Theta không phải là loại bỏ AWS hoặc các nhà cung cấp đám mây tập trung khác. Ông thừa nhận rằng sẽ luôn có các trường hợp sử dụng cho sự tập trung, đặc biệt là cho các ứng dụng cụ thể yêu cầu tài nguyên tập trung. Tuy nhiên, ông vẫn lạc quan về tiềm năng của AI phi tập trung để cạnh tranh với các giải pháp tập trung trong tương lai, gợi ý rằng khi nhu cầu về các dịch vụ phi tập trung tăng lên, chúng có thể trở nên quan trọng như nhau trong bối cảnh công nghệ.