ชื่อเรื่องรอง

หนึ่งในที่มาของพลังการประมวลผล: metaverse + การเรนเดอร์แบบกระจายอำนาจ

หลังจากจัดเรียงโครงการเครือข่ายสาธารณะทั้งหมดที่ได้รับเงินในปี 2022 เราจะสำรวจทิศทางของเครือข่ายสาธารณะ Metaverse ที่แบ่งย่อยเพิ่มเติม

ในเส้นทางเครือข่ายสาธารณะใหม่ มีเครือข่ายสาธารณะจำนวนมากที่พยายามค้นหาการใช้งานใหม่สำหรับพลังการประมวลผล PoW การใช้งานนี้ไม่ได้ใช้เพื่อรักษาความปลอดภัยของเครือข่ายอีกต่อไป แต่ใช้เพื่อสร้างใบรับรองและดำเนินการบริการเฉพาะ

ทิศทางธุรกิจที่ค่อยๆ เพิ่มขึ้นคือ: การแสดงผลแบบกระจายอำนาจตามสถานการณ์ของแอปพลิเคชัน metaverse ห่วงโซ่สาธารณะประเภทนี้อยู่ในตำแหน่งสถานการณ์การใช้งานแนวตั้งที่เกี่ยวข้องกับ Metaverse และให้บริการเรนเดอร์ 2D/3D ตามพลังการประมวลผลและสอดคล้องกับตรรกะ Web3

นอกเหนือจากเชนสาธารณะใหม่ Caduceus และ Portalverse Network ที่ได้รับเงินทุนเมื่อปีที่แล้ว ยังมี iPolloverse เชนสาธารณะ metaverse ที่ประกาศเมื่อปีที่แล้วในสาขานี้ เช่นเดียวกับ Render Network โปรเจกต์เก่าในช่วงแรกที่เกี่ยวข้องกับแนวคิดนี้ เราจะจัดเรียง จากเครือข่ายสาธารณะด้านบน:

บริการเรนเดอร์แบบดั้งเดิมใช้ CPU หรือ GPU ประสิทธิภาพสูง ซึ่งเป็นที่รู้จักกันว่าเป็นหนึ่งใน "พลังการประมวลผลแบบเก่า"

"การเรนเดอร์" สามารถเข้าใจได้ง่ายๆ ว่า "กราฟิก + พลังการประมวลผล + โครงสร้างพื้นฐาน" การแสดงผลพลังการประมวลผลแบบดั้งเดิมเป็นหนึ่งในตลาดที่เติบโตเต็มที่ในระดับ Web2 ในตลาดการเรนเดอร์ GPU การเรนเดอร์หมายถึง "กระบวนการสร้างภาพสไตล์ภาพผ่านชุดการคำนวณหลังจากตั้งค่าพารามิเตอร์จำนวนหนึ่งสำหรับกราฟิก 3 มิติที่ได้รับการจำลอง" ในระหว่างการผลิตเอฟเฟกต์พิเศษ วัตถุที่เรนเดอร์มีความต้องการที่แตกต่างกันในแง่ของพื้นผิว วัสดุ พื้นผิว การจัดแสง การส่องสว่างโดยรวม เชดเดอร์ เลนส์เบลอ และความลึก และต้องการรูปแบบการมองเห็นที่แตกต่างกัน อย่างไรก็ตาม ไม่ว่าการแสดงผลกราฟิกจะเป็นรูปแบบใดก็ต้องใช้พลังการประมวลผลอย่างมาก .

อุตสาหกรรมดั้งเดิมสำหรับการให้บริการด้านการแสดง ได้แก่ ภาพยนตร์ โทรทัศน์ แอนิเมชัน เกม สถาปัตยกรรม/การออกแบบภายใน โฆษณา/ภาพยนตร์/บรรจุภัณฑ์ การวิจัยเชิงวิชาการ การรักษาพยาบาล นิทรรศการ ฯลฯ

สถานการณ์การใช้งานที่แตกต่างกันมีข้อกำหนดที่แตกต่างกันสำหรับคุณภาพการเรนเดอร์ ความแม่นยำ และความเร็ว และต้องการโซลูชัน CPU/GPU ที่แตกต่างกัน ตัวอย่างเช่น งานภาพยนตร์และโทรทัศน์ต้องการเอฟเฟกต์ที่เหมือนจริง และมักจะใช้การเรนเดอร์ล่วงหน้า/ออฟไลน์เพื่อให้มั่นใจถึงคุณภาพของภาพ , แต่ความเร็วนั้นช้ามาก ในขณะที่เกม และคลาสการแสดงผล AR ต้องการการโต้ตอบและการเรนเดอร์แบบเรียลไทม์ซึ่งต้องการอัตราเฟรมสูงแต่ต้องการรายละเอียดคุณภาพของภาพต่ำ

การเรนเดอร์ออฟไลน์: ใช้มากขึ้นในฉากต่างๆ เช่น เอฟเฟกต์พิเศษของภาพยนตร์และโทรทัศน์ การเรนเดอร์ 3 มิติ แอนิเมชัน CG และการออกแบบตกแต่งบ้าน

การเรนเดอร์ตามเวลาจริง: ใช้เป็นหลักในเกมบนระบบคลาวด์, AR/VR, เอฟเฟ็กต์พิเศษวิดีโอสด, การสร้างคลาวด์ และฉากอื่นๆ ที่ต้องการเวลาแฝงและการโต้ตอบต่ำสูง

ในการแสวงหาฉากจริงอย่างถึงที่สุด AI, ความจริงเสมือน, เกม 3 มิติ และฉากอื่นๆ เป็นเรื่องยากที่จะเรนเดอร์โมเดลจริงตามเวลาจริง

ที่น่าสนใจคือ การเรนเดอร์ฉากบางฉากใช้โซลูชันทางเทคนิคที่แตกต่างกัน และอุปกรณ์ฮาร์ดแวร์ที่แตกต่างกันสามารถใช้โซลูชันการเรนเดอร์ที่มีลักษณะแตกต่างกันได้ ตัวอย่างเช่น: OctaneRender แบบดั้งเดิม (ซื้อกิจการโดยบริษัทแสดงผลแบบร่วมมือของฮอลลีวูด OTOY) โดยอิงตามเอ็นจิ้นการเรนเดอร์ทางกายภาพของ GPU โดยใช้ RTX ray ของ NVIDIA ติดตาม GPU สำหรับการเร่งด้วยฮาร์ดแวร์

ด้วยการแทรกแซงของโครงสร้างพื้นฐาน Web3 เครือข่ายแบบกระจายศูนย์สามารถอนุญาตให้ผู้เข้าร่วมจำนวนมากขึ้นเข้าร่วมระบบนิเวศดังกล่าว เช่น นักขุด CPU/GPU และผู้สร้างแต่ละคนที่ต้องการบริการการแสดงผลสำหรับสถานการณ์ Metaverse/VR/AR ให้โอกาสใหม่

ในระดับหนึ่ง การเรนเดอร์แบบกระจายอำนาจมีศักยภาพในการสร้างความก้าวหน้าในการเรนเดอร์แบบดั้งเดิม: เกม Web2 ที่มีอยู่ต้องการการใช้ภาพแบบโต้ตอบจำนวนมาก เมื่อพีซีรันเกม กราฟิกการ์ดจะเรนเดอร์ภาพจำนวนมากในพื้นหลังเพื่อสร้างรูปแบบ เอฟเฟ็กต์ภาพแบบต่อเนื่อง (ภาพเคลื่อนไหวของเกม) เมื่อคุณภาพของภาพที่เรนเดอร์สูงเกินไปหรือการเปลี่ยนภาพเคลื่อนไหวบ่อยเกินไป จำนวนภาพจะเพิ่มขึ้นอย่างมาก และพลังการประมวลผลของกราฟิกการ์ดจะตามไม่ทัน ซึ่งจะ ทำให้เกิดการสะดุดและล่าช้า โดยเฉพาะการเรนเดอร์แบบเรียลไทม์ เกมบนคลาวด์ของ Web2 นั้นยากเสมอในการแก้ปัญหาเวลาแฝงสูงและค่าใช้จ่ายสูง และโครงสร้างพื้นฐานการเรนเดอร์ Web3 มีข้อได้เปรียบในการจำลองที่มีความแม่นยำสูงและการเรนเดอร์ตามเวลาจริง

ตัวอย่างเช่น: เครือข่ายการเรนเดอร์ RNDR ซึ่งเป็นโปรเจ็กต์แรกของแทร็ก กล่าวถึงใน ipad pro รุ่นล่าสุดว่าเมื่อพลังการประมวลผลภายในเครื่องของ ipad ไม่เพียงพอ ก็จะใช้พลังการประมวลผลของคลาวด์บนเครือข่ายเรนเดอร์เพื่อ ช่วยเรนเดอร์

ในโครงสร้างพื้นฐานการเรนเดอร์ Web3 ที่มีอยู่ โทเคโนมิกส์ถูกใช้เป็นหลักเพื่อส่งเสริมให้ผู้ใช้ในระบบนิเวศสนับสนุนพลังการประมวลผลกราฟิกการ์ดในเวลาว่าง และสร้างเครือข่ายการประมวลผลบนคลาวด์ที่ขอบใกล้กับผู้ใช้แต่ละรายด้วยโหนด GPU ส่วนบุคคลที่กระจายมากขึ้น และสร้างสมดุลให้กับผู้ริเริ่มงานการเรนเดอร์และผู้ให้บริการพลังงานการประมวลผล และให้ผลประโยชน์แก่ผู้ขุด GPU ในขณะที่รับประกันประสิทธิภาพด้านต้นทุนของบริการการเรนเดอร์เพื่อรักษาความยั่งยืนของระบบนิเวศ

ในขณะเดียวกัน แพลตฟอร์มดังกล่าวยังต้องให้บริการที่ใกล้เคียงกับชั้นแอปพลิเคชันมากขึ้น และแนะนำผู้สร้างซึ่งมีบทบาทสำคัญใน Web3 ให้เข้าสู่ระบบนิเวศได้ดียิ่งขึ้น ยกตัวอย่างเครือข่ายการเรนเดอร์ RNDR ในยุคแรก โดยนำเสนอสองบทบาท: "ผู้สร้าง" (ผู้สร้างภาพ 3 มิติที่ต้องการพลังการประมวลผล GPU เพิ่มเติม) และ "ผู้ให้บริการโหนด" (ผู้ใช้ที่มีพลังการประมวลผล GPU ที่ไม่ได้ใช้งาน) ไปสู่สาธารณะด้วยการแสวงหาการแสดงผลที่มีต้นทุนต่ำ

ในฐานะโครงสร้างพื้นฐานของ Web3 เชนสาธารณะของ Metaverse สามารถรองรับระบบนิเวศของเชนทั้งหมดได้ดีขึ้น

ตัวอย่างเช่น: ยกตัวอย่างสถาปัตยกรรมเครือข่ายเครือข่ายสาธารณะ iPolloverse สถาปัตยกรรมเครือข่ายมี 4 เลเยอร์: จากต่ำไปสูง ได้แก่ เลเยอร์พลังงานการประมวลผลเมตา เลเยอร์เครือข่าย เลเยอร์การเรนเดอร์ และเลเยอร์ระบบนิเวศ ตามข้อมูลสาธารณะ เครือข่ายการทดสอบมีถึง 1 GPU ที่รองรับผู้ใช้ 500 คน

เมื่อพิจารณาจากโครงการ Render ของแทร็กและเชนสาธารณะใหม่ของแนวคิดการเรนเดอร์ metaverse แล้ว ฝั่งอุปทานของแทร็กก็เพียงพอแล้ว นั่นคือ ระบบประมวลผล GPU ถูกครอบครองโดยโครงสร้างพื้นฐานจำนวนมาก การขุด ประเภทใหม่นี้ เกี่ยวข้องกับหลายบทบาท รวมถึงผู้ให้บริการคลาวด์ GPU เป็นต้น

ดังนั้น สิ่งต่อไปที่ต้องดูคือฝั่งอุปสงค์ของการเรนเดอร์เมตาเวิร์ส:

อ้างถึงพารามิเตอร์พื้นฐานสามตัวที่ประกอบกันเป็น metaverse: Avatar (จำนวนคน/บทบาท) สินทรัพย์ NFT และโครงสร้างพื้นฐาน บริการเครือข่ายการแสดงผลแบบกระจายศูนย์สามารถสัมผัสพารามิเตอร์สามตัวข้างต้นได้

นอกจากนี้ จากมุมมองของการประมวลผลที่ซับซ้อน นอกสถานการณ์ Metaverse แนวคิดและสถานการณ์บางอย่างที่ยังคงใช้การคำนวณที่ซับซ้อนยังคงเพิ่มขึ้น ตัวอย่างเช่น RNDR กำลังทดสอบ ChatGPT API เพื่อให้พลังการประมวลผล แนวคิดใหม่เหล่านี้รวมถึงพลังการประมวลผลของ AI, การจำลองโปรตีน, การคำนวณสภาพอากาศ เป็นต้น เฟรมเวิร์กเหล่านี้ที่ต้องใช้พลังการประมวลผลจำนวนมากช่วยเปิดจินตนาการใหม่ๆ

ชื่อเรื่องรอง

พลวัตของการลงทุนในตลาดหลัก

สัปดาห์ที่แล้วมีการประกาศเหตุการณ์ทางการเงินบนบล็อกเชนทั้งในประเทศและต่างประเทศทั้งหมด 29 รายการ เส้นทางที่มีเหตุการณ์ทางการเงินมากที่สุดในสัปดาห์นี้ ได้แก่ NFT และ Metaverse โครงสร้างพื้นฐานและเครื่องมือ เกมบล็อกเชน และเครือข่ายโซเชียล Web3

โครงการจัดหาเงินทุนขนาดใหญ่ ได้แก่ บริษัทขุด Bitcoin TeraWulf ($32 ล้าน) และ Pow.re ($18 ล้าน) รวมถึงตลาด NFT ทางนิเวศวิทยาของ Solana Magic Eden ($16.85 ล้าน)