Render Network Foundation har lanceret Dispersed, en distribueret GPU-computerplatform med det formål at lette voksende begrænsninger i centraliseret cloud-infrastruktur, efterhånden som globale arbejdsbelastninger inden for kunstig intelligens (AI) udvides.
Render Network målretter skyflaskehalse med distribueret GPU-platform

Render Network Udvider Med Dispersed AI Compute Platform
Platformen, godkendt gennem styringsforslagene RNP-019 og RNP-021, samler tusindvis af geografisk distribuerede grafiske behandlingsenheder i et enkelt lag til databehandling, der tilbyder adgang på forespørgsel til AI og generelle arbejdsbelastninger uden afhængighed af centraliserede hyperskalaere.
Ifølge stiftelsen er Dispersed designet til at løse begrænset kapacitet, stigende omkostninger og begrænset adgang, som udviklere og virksomheder står overfor, når de bruger traditionelle cloud-udbydere. Dispersed siges at gøre det muligt for organisationer at vælge GPU’er baseret på specifikke opgavekrav, samtidig med at de bevarer kontrol over modeller og data.
Systemet, forklarede stiftelsen fredag, er struktureret til at undgå leverandørlås og uigennemsigtige applikationsprogrammeringsgrænseflader, der kan begrænse implementeringsfleksibilitet. Teamet bemærkede, at de første produktionsbelastninger allerede testes af pilotbrugere, herunder OTOY Studio og Scrypted Network, som begge planlægger at køre AI og kreative arbejdsprocesser på platformen.
OTOY Studio, et skabelsesmiljø der blander 3D-arbejdsgange med AI-værktøjer, flytter en del af sine billed- og videoproduktionsprocesser til netværket. Scrypted Network forbereder sig også på at implementere autonome AI-agenter, der dynamisk kilder de nødvendige computerressourcer, hvilket indikerer, at distribueret GPU-infrastruktur testes ud over eksperimentelle anvendelsestilfælde.
Render Network planlægger at onboarde op til 1.000 virksomhedsklasse GPU’er, inklusive Nvidia H100- og H200-modeller, AMD MI300-systemer, Intel Data Center Max GPU’er og Groq LPU’er. Disse ressourcer drives af uafhængige nodeoperatører over hele verden, som tjener token-baseret kompensation bundet til jobfærdiggørelse og tilgængelighed, hvilket udvider regnekraftudbuddet gennem decentral deltagelse.
Render Network selv er en decentral GPU-rendering markedsplads, der forbinder skabere og udviklere med ubrugte computressourcer. Grundlagt af Jules Urbach og offentligt lanceret i 2020, fokuserede netværket oprindeligt på 3D-rendering og visuelle effekter, men har i stigende grad støttet maskinlæring og generative AI arbejdsbelastninger.
Læs mere: El Salvador og xAI Samarbejder for at Implementere National AI Uddannelsesplan
Netværket opererer ved hjælp af dets oprindelige anvendelsestoken, RENDER, som letter betalinger for computertjenester, belønner nodeoperatører og gør det muligt at deltage i styring. Markedsdata viser, at RENDER handles til cirka $1.55 i weekenden med en markedsværdi nær $806 millioner. Tokenet registrerede en beskeden stigning på 1,35% over den sidste dag, men er stadig faldet omkring 3,35% over syv dage og cirka 29% over den seneste måned, hvilket afspejler bredere volatilitet på tværs af AI tokens.
Statistik viser, at mens AI-fokuserede tokens tager en lille pause i dag, viser et længere perspektiv en langt mindre flatterende historie, med det meste af sektoren stadig tumlende gennem svag markedspræstation. RENDER passer perfekt ind i det mønster. Siden dens højeste niveau nogensinde på $13,53 den 17. marts 2024, har tokenet tabt mere end 88% af sin værdi.
FAQ 🧠
- Hvad er Dispersed?
Dispersed er en distribueret GPU-computerplatform lanceret af Render Network Foundation til at understøtte AI og generelle arbejdsbelastninger. - Hvem godkendte lanceringen af Dispersed?
Platformen blev godkendt gennem Render Network-styringsforslagene RNP-019 og RNP-021. - Hvad er Render Network?
Render Network er en decentraliseret GPU-markedsplads, der forbinder skabere og udviklere med ubrugte computressourcer. - Hvad bruges RENDER token til?
RENDER bruges til betalinger, operatørincitamenter og deltagelse i styring inden for netværket.













