อ้างอิงจาก BlockBeats เมื่อวันที่ 30 พฤษภาคม โครงการ GPU แบบกระจายอำนาจกำลังได้รับความสนใจมากขึ้น ท่ามกลางอุปทานชิปประสิทธิภาพสูงทั่วโลกที่ตึงตัวมากขึ้น เนื่องจากความต้องการการฝึกและการรันอินเฟอเรนซ์ของโมเดล AI ที่พุ่งสูงขึ้น ชิประดับไฮเอนด์ของ Nvidia ขณะนี้เผชิญกับความล่าช้าในการส่งมอบหลายสัปดาห์
Render (RENDER) ขยายตัวจากงานเรนเดอร์สู่บริการอินเฟอเรนซ์ของ AI Akash Network (AKT) รายงานว่าใช้จ่ายด้านคอมพิวต์ 5 ล้านดอลลาร์ในไตรมาส 1 โดยให้บริการเช่า GPU ในราคาต่ำ io.net (IO) รวบรวม GPU หลายพันตัวทั่วโลก และอ้างว่าสามารถลดต้นทุนคอมพิวต์สำหรับ AI ได้สูงสุด 70% Bittensor (TAO) ใช้กลไกจูงใจเพื่อสร้างเครือข่าย AI แบบกระจายอำนาจ แพลตฟอร์มเหล่านี้โดยทั่วไปมีข้อได้เปรียบด้านต้นทุน 50-90% เมื่อเทียบกับบริการคลาวด์แบบรวมศูนย์