Together AI hat sich mit Pearl Research Labs zusammengeschlossen, um die steigenden Kosten für die KI-Inferenz zu bekämpfen, indem GPU-Arbeitslasten mit Kryptovergütungen verknüpft werden. Die beiden Unternehmen planen, ein System namens Proof of Useful Work zu nutzen – eine Variante des traditionellen Mining, das Tokens für Berechnungen vergibt, die tatsächlich Modelle trainieren oder ausführen. Die Idee besteht darin, GPU-Anbietern zu ermöglichen, Kryptowährungen zu verdienen, während sie Inferenz durchführen, wodurch normalerweise reine Kosten ausgeglichen werden.
So funktioniert Proof of Useful Work
Proof of Useful Work ist genau das, wonach es klingt: Anstatt zufällige Zahlen für eine Blockbelohnung zu hashen, reichen Miner nützliche Berechnungen ein – in diesem Fall KI-Inferenzaufträge –, die verifiziert und belohnt werden. Pearl Research Labs bringt das zugrundeliegende Protokoll mit, während Together AI seine Inferenzinfrastruktur beisteuert. Das erklärte Ziel der Partnerschaft ist es, die KI-Inferenzkosten zu senken, indem Anbieter einen Teil ihrer Hardwarekosten durch Tokenvergütungen zurückerlangen können.
Warum Inferenzkosten im Fokus stehen
Der Betrieb großer Sprachmodelle und generativer KI ist kostspielig, insbesondere im großen Maßstab. Die meiste GPU-Zeit wird im Voraus bezahlt, ohne Möglichkeit, die Rechenkosten zurückzugewinnen. Indem sie eine Kryptovergütung hinzufügen, setzen Together AI und Pearl Research Labs darauf, dass der Tokenanreiz die Inferenz für die Betreiber der Maschinen günstiger – oder zumindest nachhaltiger – machen kann. Das Modell verwandelt einen Kostenfaktor effektiv in einen potenziellen Umsatzstrom.
Nächste Schritte
Keines der Unternehmen hat einen Zeitplan veröffentlicht, wann die Proof-of-Useful-Work-Integration live gehen wird. Die Partnerschaft wurde diese Woche bekannt gegeben, und beide Seiten befinden sich in den frühen Stadien der technischen Zusammenarbeit. Wie die Belohnungsrate festgelegt wird – und wie sie sich im Verhältnis zum Wert des zugrundeliegenden Tokens ausgleicht – ist noch nicht öffentlich. Diese Berechnungen werden entscheiden, ob das System die Kosten tatsächlich senkt oder lediglich Komplexität hinzufügt.
