Skip to main content

DePIN چیست

توجه: این سند ترجمه خودکار نسخه اصلی انگلیسی است.

DePIN چیست

DePIN (شبکه‌های زیرساخت فیزیکی غیرمتمرکز) پروتکل‌های بلاکچینی را توصیف می‌کند که منابع فیزیکی دنیای واقعی — سخت‌افزار محاسباتی، دستگاه‌های ذخیره‌سازی، هات‌اسپات‌های بی‌سیم، حسگرها، سامانه‌های انرژی، ظرفیت پهنای باند — را از طریق انگیزه‌های توکنی و نه مالکیت متمرکز، هماهنگ می‌کنند. به‌جای آنکه یک شرکت شبکه زیرساختی (یک مرکز داده، یک شبکه تلفن همراه، یک CDN) را بسازد و اداره کند، پروتکل DePIN مشارکت‌کنندگان مستقل را ترغیب می‌کند منابع فیزیکی خود را به یک شبکه مشترک بیاورند؛ شبکه‌ای که با قراردادهای هوشمند هماهنگ و با توکن پاداش داده می‌شود.

به‌طور خلاصه: DePIN از انگیزه‌های توکنی استفاده می‌کند تا شبکه‌های زیرساخت فیزیکی را از سخت‌افزارهای توزیع‌شده با مالکیت مستقل بسازد، نه از دارایی‌های شرکتی متمرکز.

DePIN چگونه کار می‌کند

پروتکل DePIN معمولاً از یک الگوی مشترک پیروی می‌کند: منبع فیزیکی مورد نیاز را تعریف کن، تأمین‌کنندگان مستقل را برای آوردن آن منبع ترغیب کن، مشارکت‌ها را راستی‌آزمایی کن و استفاده را با سازوکارهای on-chain هماهنگ کن.

چرخ‌لنگر DePIN

مدل اقتصادی هسته‌ای DePIN از یک چرخه پیروی می‌کند:

  1. طراحی پروتکل — پروژه تعریف می‌کند چه منبع فیزیکی‌ای لازم است (محاسبات GPU، ذخیره‌سازی، پوشش بی‌سیم، داده حسگرها) و مشارکت‌ها چگونه اندازه‌گیری و راستی‌آزمایی می‌شوند.
  2. جذب تأمین‌کنندگان — اپراتورهای مستقل سخت‌افزار فیزیکی (GPU، هارد دیسک، هات‌اسپات، حسگر) مستقر می‌کنند و در پروتکل ثبت‌نام می‌کنند.
  3. توزیع انگیزه‌ها — تأمین‌کنندگان برای آوردن منابع، متناسب با کیفیت و کمیت مشارکت‌شان، پاداش توکنی می‌گیرند.
  4. ایجاد تقاضا — با رشد شبکه، اپلیکیشن‌ها و کاربران منابع تجمیع‌شده را مصرف می‌کنند و درآمد کارمزدی ایجاد می‌شود.
  5. پایداری — در حالت ایدئال، درآمد کارمزدی از تقاضای واقعی به‌تدریج جای انتشار توکن را به‌عنوان انگیزه اصلی تأمین‌کنندگان می‌گیرد.

چالش هر پروژه DePIN کامل کردن این چرخه است. بسیاری از پروژه‌ها با انگیزه‌های توکنی تأمین‌کنندگان را با موفقیت جذب می‌کنند اما در ایجاد تقاضای واقعی برای منابع تجمیع‌شده درمی‌مانند.

راستی‌آزمایی

یک چالش بنیادین در DePIN، راستی‌آزمایی این است که تأمین‌کنندگان واقعاً منابعی را که ادعا می‌کنند فراهم می‌کنند. برخلاف پروتکل‌های صرفاً دیجیتال که محاسبات را می‌توان on-chain تأیید کرد، منابع فیزیکی به سازوکارهای اثبات نیاز دارند:

  • اثبات محاسبات — تأیید اینکه یک GPU واقعاً محاسبه ادعاشده را انجام داده است (از طریق پروتکل‌های چالش‌پاسخ، گواهی‌های TEE یا محاسبه افزونه).
  • اثبات ذخیره‌سازی — تأیید اینکه داده واقعاً ذخیره شده و قابل بازیابی می‌ماند (از طریق اثبات‌های رمزنگاری تکثیر و بازیابی‌پذیری).
  • اثبات پوشش — تأیید اینکه یک دستگاه بی‌سیم واقعاً در مکان ادعاشده پوشش می‌دهد (از طریق GPS، سازوکارهای شاهد یا اعتبارسنجی فرکانس رادیویی).
  • اثبات پهنای باند — تأیید اینکه ظرفیت شبکه واقعاً در دسترس است و مشخصات ادعاشده را برآورده می‌کند.

سطح پیشرفتگی این سازوکارهای راستی‌آزمایی میان پروژه‌های DePIN بسیار متفاوت است و در ارزیابی مایه فنی آن‌ها یک عامل تمایز کلیدی به‌شمار می‌آید.

محاسبات لبه

Edge (لبه) در زمینه DePIN به منابع محاسباتی و پردازشی گفته می‌شود که در حاشیه شبکه مستقر شده‌اند — نزدیک به کاربران نهایی یا منابع داده، نه در مراکز داده متمرکز. نودهای لبه معمولاً کوچک‌تر، توزیع‌شده‌تر و کم‌تأخیرتر از گزینه‌های ابری هستند.

در شبکه‌های DePIN متمرکز بر محاسبات، نودهای لبه چند کارکرد دارند:

  • استنتاج کم‌تأخیر — اجرای استنتاج AI نزدیک‌تر به کاربر، زمان پاسخ را نسبت به هدایت درخواست‌ها به مراکز داده دوردست کاهش می‌دهد.
  • پردازش محلی داده — پردازش داده حسگرها، تله‌متری IoT یا جریان‌های ویدئویی در لبه، نیاز به پهنای باند را کاهش می‌دهد و داده را به منبعش نزدیک نگه می‌دارد.
  • توزیع جغرافیایی — نودهای لبه پراکنده در مکان‌های فراوان، تاب‌آوری و پوششی فراهم می‌کنند که مراکز داده متمرکز نمی‌توانند برابری کنند.

محاسبات لبه به‌ویژه برای پروژه‌های DePIN حوزه AI اهمیت دارد؛ جایی که زیرساخت فیزیکی هماهنگ‌شونده، سخت‌افزار GPU توزیع‌شده در مکان‌های فراوان است که هر یک به درخواست‌های استنتاج محلی یا منطقه‌ای پاسخ می‌دهد. بده‌بستان این است که نودهای لبه به‌تنهایی از خوشه‌های GPU متمرکز ضعیف‌ترند و همین، پیچیدگی مدل‌هایی را که می‌توانند اجرا کنند محدود می‌کند.

زیرساخت جمع‌سپاری‌شده

Crowd یا زیرساخت جمع‌سپاری‌شده به مدل‌هایی از DePIN گفته می‌شود که در آن منابع فیزیکی از تعداد زیادی مشارکت‌کننده کوچک و به‌تنهایی ناچیز می‌آیند، نه از تعداد کمتری اپراتور حرفه‌ای. تجمیع مشارکت‌های کوچک فراوان، یک شبکه کارآمد می‌سازد.

نمونه‌هایی از الگوهای DePIN جمع‌سپاری‌شده:

  • سخت‌افزار مصرفی — شبکه‌هایی که از GPUهای رده مصرفی، درایوهای ذخیره‌سازی خانگی یا دستگاه‌های شخصی ساخته می‌شوند، نه از سخت‌افزار سازمانی.
  • درآمدزایی از منابع بیکار — مشارکت‌کنندگان منابعی می‌آورند که در غیر این صورت بی‌استفاده می‌ماندند (چرخه‌های محاسباتی اضافه، پهنای باند استفاده‌نشده، فضای ذخیره‌سازی آزاد).
  • شبکه‌های حسگر — شمار زیادی حسگر ارزان (ایستگاه‌های هواشناسی، پایشگرهای کیفیت هوا، شمارنده‌های ترافیک) در مجموع یک مجموعه‌داده ارزشمند تولید می‌کنند.
  • شبکه‌های بی‌سیم — افراد دستگاه‌های بی‌سیم کوچکی (هات‌اسپات، سلول‌های کوچک 5G) مستقر می‌کنند تا در مجموع پوششی در یک محدوده جغرافیایی بسازند.

مدل جمع‌سپاری شبکه‌هایی را ممکن می‌کند که ساختنشان برای یک نهاد واحد به‌طرزی بازدارنده گران می‌بود. اما چالش‌هایی در یکنواختی کیفیت، قابلیت اطمینان و هماهنگی به‌همراه دارد که زیرساخت حرفه‌ای با آن‌ها روبه‌رو نیست.

پهنای باند

پهنای باند در DePIN به ظرفیت شبکه گفته می‌شود — توانایی انتقال داده میان نقاط. پروژه‌های DePIN متمرکز بر پهنای باند، منابع شبکه‌ای توزیع‌شده را هماهنگ می‌کنند تا موارد زیر را ارائه دهند:

  • خدمات CDN — شبکه‌های تحویل محتوا ساخته‌شده از نودهای توزیع‌شده که محتوا را کش و سرو می‌کنند و تأخیر و بار روی سرورهای مبدأ را کاهش می‌دهند.
  • شبکه‌های VPN و پراکسی — شبکه‌های خصوصی مجازی غیرمتمرکز که در آن‌ها مشارکت‌کنندگان اتصال اینترنت خود را برای فراهم کردن حریم خصوصی و توزیع جغرافیایی به اشتراک می‌گذارند.
  • رله داده — شبکه‌هایی که داده را میان نودها، زنجیره‌ها یا خدمات رله می‌کنند و لایه اتصال را برای پروتکل‌های دیگر فراهم می‌آورند.
  • پخش جریانی و تحویل رسانه — پهنای باند توزیع‌شده برای پخش ویدئو، پخش زنده یا توزیع فایل‌های حجیم.

پروژه‌های DePIN پهنای باند با یک چالش راستی‌آزمایی خاص روبه‌رو هستند: اثبات اینکه یک نود واقعاً ظرفیت پهنای باند ادعاشده را دارد و به‌راستی ترافیک رله می‌کند، نه اینکه صرفاً آنلاین به‌نظر برسد. کیفیت خدمات (تأخیر، آپ‌تایم، یکنواختی توان عملیاتی) نیز باید به‌طور مستمر اندازه‌گیری و راستی‌آزمایی شود.

تلاقی DePIN پهنای باند و AI در پروژه‌هایی نمایان می‌شود که ظرفیت شبکه توزیع‌شده به بارهای کاری AI خدمت می‌کند: تحویل وزن‌های مدل به نودهای استنتاج، مسیریابی درخواست‌های استنتاج در یک شبکه توزیع‌شده یا جریان‌دهی داده‌های آموزشی به خوشه‌های GPU توزیع‌شده.

چرا برای پروژه‌های کریپتو AI اهمیت دارد

DePIN مستقیماً به کریپتو AI مربوط است، چون چند دسته از پروژه‌های AI در بنیاد خود پروژه‌های DePIN هستند:

  • شبکه‌های AI/Compute — شبکه‌های GPU غیرمتمرکز که سخت‌افزار محاسباتی فیزیکی را برای آموزش و استنتاج AI هماهنگ می‌کنند، نمونه اصلی DePIN هستند. منبع فیزیکی سخت‌افزار GPU است؛ سازوکار هماهنگی on-chain است.
  • شبکه‌های AI/Data — پروژه‌هایی که زیرساخت فیزیکی ذخیره‌سازی و گردآوری داده را برای مجموعه‌داده‌های AI هماهنگ می‌کنند، در لایه داده به‌صورت شبکه‌های DePIN عمل می‌کنند.
  • شبکه‌های AI/Inference — شبکه‌های توزیع‌شده سرو استنتاج که در آن‌ها نودهای GPU با اپراتورهای مستقل، در مجموع به درخواست‌های استنتاج مدل پاسخ می‌دهند.
  • شبکه‌های حسگر و گردآوری داده — پروژه‌های AI که به داده دنیای واقعی نیاز دارند (برای آموزش یا به‌عنوان ورودی) ممکن است از شبکه‌های حسگر به سبک DePIN برای گردآوری غیرمتمرکز آن داده استفاده کنند.

چارچوب DePIN از این نظر مفید است که بُعد فیزیکی این پروژه‌ها را برجسته می‌کند. یک شبکه محاسباتی غیرمتمرکز فقط یک پروتکل نرم‌افزاری نیست — به آدم‌های واقعی وابسته است که سخت‌افزار واقعی را در مکان‌های واقعی اداره می‌کنند؛ با هزینه واقعی برق و استهلاک واقعی سخت‌افزار. این فیزیکی بودن محدودیت‌هایی (راستی‌آزمایی، قابلیت اطمینان، نگهداری) به‌همراه دارد که پروتکل‌های صرفاً دیجیتال با آن روبه‌رو نیستند.

این مفهوم در کجای کارت‌های پروژه DecAIHub دیده می‌شود

مفاهیم DePIN از طریق چند فیلد در کارت‌های پروژه ظاهر می‌شوند:

  • Category — پروژه‌های دارای ویژگی‌های DePIN معمولاً زیر AI/Compute | Infra، AI/Data | Infra یا AI/Inference | Infra قرار می‌گیرند. پسوند Infra اغلب نشانه معماری به سبک DePIN است که در آن پروژه منابع فیزیکی را هماهنگ می‌کند.
  • Type — پروژه‌های DePIN معمولاً به‌عنوان «Protocol» یا «Network» طبقه‌بندی می‌شوند، نه «Application».
  • AI component — اجزای AI مرتبط با DePIN شامل «هماهنگ‌سازی محاسبات»، «شبکه GPU غیرمتمرکز»، «استنتاج توزیع‌شده»، «شبکه گردآوری داده» و توصیف‌گرهای مشابه در سطح زیرساخت است.
  • Use case — کاربردهای مرتبط با DePIN شامل «بازار GPU»، «محاسبات غیرمتمرکز»، «ذخیره‌سازی توزیع‌شده»، «اشتراک پهنای باند» و «گردآوری داده حسگرها» است.
  • Consensus — برخی پروژه‌های DePIN از سازوکارهای اجماع سفارشی طراحی‌شده برای نوع منبع خاص خود استفاده می‌کنند (اثبات محاسبات، اثبات ذخیره‌سازی، اثبات پوشش).

ارزیابی DecAI Fit برای پروژه‌های DePIN توجه ویژه‌ای به onchain_score دارد: آیا هماهنگی بلاکچینی واقعاً برای مدیریت شبکه منابع فیزیکی ضروری است، یا همان هماهنگی با یک پایگاه داده متمرکز هم دست‌یافتنی بود؟ برای بسیاری از پروژه‌های DePIN، لایه on-chain حسابداری قابل تأیید منابع و پرداخت بدون اعتماد میان غریبه‌ها را فراهم می‌کند — کارکردهایی که از غیرمتمرکز بودن سود می‌برند.

DePIN به‌تنهایی چه چیزی را ثابت نمی‌کند

  • برچسب DePIN ثابت نمی‌کند که زیرساخت فیزیکی واقعاً وجود دارد. یک پروژه می‌تواند معماری DePIN را توصیف کند در حالی که تأمین‌کنندگان سخت‌افزاری فعال کمی دارد یا اصلاً ندارد.
  • شمار زیاد نودها ثابت نمی‌کند که استفاده واقعی وجود دارد. یک شبکه DePIN ممکن است تأمین‌کنندگان ثبت‌شده فراوانی داشته باشد که پاداش‌های توکنی جذبشان کرده، اما تقاضای واقعی برای منابع ارائه‌شده حداقلی باشد.
  • انگیزه‌های توکنی برای تأمین‌کنندگان سخت‌افزار ثابت نمی‌کند که شبکه پایدار است. اگر انگیزه تأمین‌کنندگان فقط انتشار توکن باشد و نه درآمد کارمزدی از تقاضای واقعی، شبکه ممکن است از کاهش انتشار جان سالم به در نبرد.
  • معماری DePIN برای محاسبات AI ثابت نمی‌کند که جزء AI واقعی یا پیشرفته است. زیرساخت سخت‌افزاری و اپلیکیشن‌های AI که روی آن اجرا می‌شوند باید مستقل از هم ارزیابی شوند.
  • توزیع جغرافیایی نودها ثابت نمی‌کند که تمرکززدایی معناداری وجود دارد، اگر همه نودها نرم‌افزار یکسانی را اجرا کنند که یک تیم کنترلش می‌کند، به یک هماهنگ‌کننده واحد وصل شوند یا به یک نقطه شکست واحد وابسته باشند.

اشتباه نگیرید با

  • Infra — infra دسته گسترده‌تری است که هم زیرساخت فیزیکی (DePIN) و هم زیرساخت صرفاً دیجیتال (پروتکل‌های ایندکس‌سازی، ابزارهای توسعه‌دهندگان، چارچوب‌های قرارداد هوشمند) را در بر می‌گیرد. هر DePIN یک infra است، اما هر infra یک DePIN نیست.
  • رایانش ابری — خدمات ابری متمرکز (AWS، Google Cloud) منابع مشابهی (محاسبات، ذخیره‌سازی، پهنای باند) ارائه می‌دهند اما از طریق مراکز داده متعلق به شرکت‌ها با کنترل متمرکز. DePIN مالکیت و هماهنگی را میان مشارکت‌کنندگان مستقل توزیع می‌کند.
  • IoT (اینترنت اشیا) — IoT به دستگاه‌های فیزیکی متصل گفته می‌شود. DePIN ممکن است دستگاه‌های IoT را به‌عنوان نود به‌کار گیرد، اما DePIN به‌طور خاص به ساختار انگیزشی هماهنگ‌شده با بلاکچین اشاره دارد، نه به خود دستگاه‌ها.
  • ماینینگ — استخراج سنتی رمزارز (PoW) سخت‌افزار فیزیکی دارد اما بر تولید بلوک و اجماع متمرکز است، نه ارائه خدمات زیرساختی عمومی. DePIN منابع فیزیکی را برای کارایی مشخصی فراتر از اجماع هماهنگ می‌کند.
  • Staking — استیکینگ یعنی قفل کردن توکن برای امن کردن شبکه. تأمین‌کنندگان DePIN ممکن است توکن استیک کنند، اما هسته DePIN فراهم کردن منابع فیزیکی است، نه صرفاً تعهد سرمایه.

پرسش‌های متداول

DePIN چه نوع منابع فیزیکی‌ای را می‌تواند هماهنگ کند؟

DePIN برای طیف گسترده‌ای از منابع فیزیکی به‌کار رفته است: توان محاسباتی GPU، محاسبات CPU، ذخیره‌سازی هارد دیسک، طیف بی‌سیم (Wi-Fi، 5G، LoRaWAN)، پهنای باند اینترنت، داده موقعیت جغرافیایی، حسگرهای محیطی (هوا، کیفیت هوا، خاک)، تولید و ذخیره انرژی، شبکه‌های خودرو و حمل‌ونقل، و داده‌های نقشه‌برداری و تصویربرداری. شرط مشترک این است که منبع باید (۱) توسط مشارکت‌کنندگان مستقل قابل ارائه باشد، (۲) توسط پروتکل قابل اندازه‌گیری و راستی‌آزمایی باشد و (۳) در تجمیع میان تأمین‌کنندگان فراوان مفید باشد. برای کریپتو AI به‌طور خاص، محاسبات GPU، ذخیره‌سازی و پهنای باند مستقیم‌ترین انواع منابع مرتبط‌اند.

راستی‌آزمایی DePIN برای محاسبات AI چگونه کار می‌کند؟

تأیید اینکه یک تأمین‌کننده GPU واقعاً محاسبه AI ادعاشده را انجام داده، یکی از سخت‌ترین مسائل در DePIN است. رویکردهای رایج عبارت‌اند از: محاسبه افزونه (ارسال کار یکسان به چند تأمین‌کننده و مقایسه نتایج)، پروتکل‌های چالش‌پاسخ (ارسال دوره‌ای چالش‌هایی با پاسخ معلوم برای اطمینان از درستی کار تأمین‌کننده)، گواهی TEE (استفاده از محیط‌های اجرای مطمئن در سطح سخت‌افزار برای گواهی اینکه کد مشخصی روی سخت‌افزار مشخصی اجرا شده) و اثبات‌های رمزنگاری مانند zkML (تولید اثباتی که مدل مشخصی به‌درستی روی ورودی مشخصی ارزیابی شده، بدون افشای داده). هر رویکرد بده‌بستان‌هایی میان هزینه، تأخیر، تضمین‌های امنیتی و قابلیت استقرار عملی دارد.

تفاوت DePIN با بازار GPU چیست؟

بازار GPU یک نوع مشخص از اپلیکیشن‌های DePIN است که بر منابع محاسباتی تمرکز دارد. DePIN دسته گسترده‌تر است: هر پروتکلی که زیرساخت فیزیکی را از طریق انگیزه‌های توکنی هماهنگ می‌کند. بازار GPU تقاضای محاسباتی را با عرضه توزیع‌شده GPU تطبیق می‌دهد — این DePIN اعمال‌شده بر محاسبات است. اما DePIN شبکه‌های ذخیره‌سازی، شبکه‌های بی‌سیم، شبکه‌های حسگر، شبکه‌های پهنای باند و انواع دیگر منابع فیزیکی را هم در بر می‌گیرد که ربطی به GPU ندارند. افزون بر این، برخی بازارهای GPU ممکن است سازوکارهای قوی DePIN (راستی‌آزمایی، هماهنگی on-chain) نداشته باشند و بیشتر شبیه بازارهای ابری سنتی با یک توکن ضمیمه عمل کنند.

آیا DePIN بدون انگیزه‌های توکنی پایدار است؟

این پرسش اقتصادی محوری برای هر پروژه DePIN است. در مراحل اولیه، انگیزه‌های توکنی (پاداش‌های تورمی) تأمین‌کنندگان را یارانه می‌دهند تا پیش از شکل‌گیری تقاضا، عرضه ساخته شود. برای پایداری بلندمدت شبکه، تقاضای واقعی برای منابع ارائه‌شده باید درآمد کارمزدی کافی ایجاد کند تا حتی با کاهش انتشار توکن، تأمین‌کنندگان جبران شوند. پروژه‌هایی که نمی‌توانند تقاضای واقعی ایجاد کنند با «مارپیچ مرگ» روبه‌رو می‌شوند: کاهش پاداش‌های توکنی باعث خروج تأمین‌کنندگان می‌شود، که ظرفیت شبکه را کم می‌کند و این هم تقاضا را بیشتر کاهش می‌دهد. پایدارترین پروژه‌های DePIN آن‌هایی‌اند که زیرساخت تجمیع‌شده‌شان خدمتی ارائه می‌دهد که کاربران حاضرند برایش با نرخ بازار پول بپردازند، مستقل از سفته‌بازی روی توکن.

منابع خارجی

همچنین ببینید

No comments to display

Back to top