Pearl kết hợp AI vào đào GPU, đặt vấn đề về xác minh tính hữu ích của tính toán

Pearl đã đề xuất cấu trúc 'Proof-of-Useful-Work (PoUW)', kết hợp tính toán AI với hoạt động đào bằng GPU. Cách liên kết giữa các phép tính trong quá trình đào và hoạt động huấn luyện, suy luận AI cho khách hàng là vấn đề cần được xem xét.

Pearl Research Labs mô tả Pearl trong sách trắng là blockchain layer 1 sử dụng phép nhân ma trận cho hoạt động đào. Phép nhân ma trận là phép tính cốt lõi được sử dụng lặp lại trong quá trình huấn luyện và suy luận mạng nơ-ron.

Trong khi Proof-of-Work (PoW) truyền thống thực hiện phép tính băm để bảo mật blockchain, PoUW được thiết kế để GPU vừa thực hiện phép nhân ma trận, vừa xử lý bảo mật mạng và các phép tính liên quan đến AI. Pearl gọi đây là cấu trúc '2-for-1' và cho rằng phần chi phí tính toán bổ sung chỉ ở mức '1+o(1)'.

Mã nguồn công khai của Pearl bao gồm toàn bộ nút mạng, ví, hệ thống bằng chứng không tiết lộ thông tin và hạ tầng đào bằng GPU. Mạng lưới sử dụng cấu trúc dựa trên UTXO tương tự Bitcoin, đồng thời áp dụng phép nhân ma trận và bằng chứng có thể xác minh trong quá trình đào.

Together AI công bố hợp tác với Pearl Research Labs ngày 15 tháng 5. Together AI đã ra mắt endpoint suy luận 'Gemma-4-31B-it-pearl' kết nối với mạng Pearl và cho biết giá dịch vụ thấp hơn ít nhất 25% so với mức thông thường.

Chi phí giảm giá được bù đắp bằng giá trị của lượng PRL phát hành đồng thời trong quá trình suy luận AI. Together AI giới thiệu dịch vụ này là sản phẩm đầu tiên ứng dụng mạng Pearl.

Pearl Research Labs cho biết đã đo lường chi phí bổ sung từ đầu đến cuối của kernel PoUW trên Llama 70B và DeepSeek V3.2, lần lượt ở mức 5,08% và 3,9%. Đây là kết quả đo lường nội bộ của Pearl Research Labs.

Vấn đề cốt lõi là định nghĩa và xác minh 'tính toán hữu ích' như thế nào. Nhà nghiên cứu độc lập Abhinaba Basu đã phân tích phương thức xác minh của Pearl trong một nghiên cứu công bố ngày 3 tháng 6.

Nghiên cứu của Basu tập trung vào năng lực tính toán của mạng lưới đào Pearl và cấu trúc kết nối với hoạt động suy luận AI. Nhà nghiên cứu đã phân tích phần mềm đào Pearl và quy trình xác minh.

Đây là bản preprint của một nhà nghiên cứu độc lập.

Do đó, cần phân biệt giữa cấu trúc đào có khả năng thực hiện tính toán AI và cấu trúc buộc thợ đào thực sự xử lý các tác vụ AI trả phí. Dịch vụ suy luận giảm giá của Together AI cho thấy hai hệ sinh thái có thể được kết nối, nhưng điều này không đồng nghĩa với bằng chứng rằng toàn bộ mạng lưới đang thực hiện suy luận cho khách hàng.

Tranh luận này liên quan đến vấn đề nguồn gốc và phương thức xác minh của tác vụ quan trọng hơn bản thân khối lượng tính toán trong hạ tầng AI. Mạng thử nghiệm layer 1 dành cho suy luận AI cũng từng được giới thiệu là một trường hợp kết nối phần thưởng đào với hoạt động xác minh suy luận.

Thông thường, tính hữu ích của PoUW phụ thuộc vào việc các phép tính được sử dụng trong hoạt động đào có gắn với nhu cầu dịch vụ thực tế hay không. Các điểm cần xác minh gồm việc mạng có bắt buộc sử dụng ma trận do khách hàng gửi hay không, có thể xác minh nguồn gốc tác vụ hay không và nhu cầu suy luận trả phí có duy trì hay không.

Pearl đã công khai cấu trúc công nghệ và các thành phần triển khai thông qua sách trắng và mã nguồn mở. Tuy nhiên, tỷ trọng tác vụ khách hàng trong mạng lưới thực tế vẫn cần được xác minh riêng. Khi kết quả đo lường nội bộ và phân tích từ nghiên cứu bên ngoài chưa đồng nhất, khả năng tái hiện quy trình xác minh vẫn là vấn đề cần làm rõ.

Việc PoUW của Pearl có thực sự kết nối hoạt động đào bằng GPU với dịch vụ AI hay không sẽ chỉ có thể được đánh giá sau khi mạng công khai thêm thông tin về việc bắt buộc sử dụng tác vụ khách hàng và phương thức xác minh.