夏乙 若樸 發自 凹非寺
量子位 出品 | 公眾號 QbitAI

還在用GPU挖礦？那你可就虧大了。

最近，大洋彼岸出現了一個名叫“Vectordash”的機器學習共享算力平臺，用開發者自己的話講，相當於一個GPU的Airbnb。

有GPU又嫌挖礦賺得太少？可以在這個平臺上共享自己的計算資源，幫助別人搞AI。

收益是挖礦的3到4倍！

AI開發者們在平臺上租用共享出來的GPU，價格又只有AWS的1/5。

窮學生

這個簡直像福利一樣的平臺，是窮學生Sharif Shameem和兩位小夥伴的業餘專案。

Shameem在Reddit上發帖介紹說，他們建立這個平臺，是受到自己經歷的啟發。

作為正在研究人工智慧、深度學習的窮學生，Shameem總是要用GPU來訓練神經網路，可是AWS和Google Cloud都好貴，那點學生優惠又根本不夠用。

“老師，這個學期的期末作業我能晚點交麼？實在是沒錢租GPU，模型還在用CPU慢慢訓練……”

這個遲交作業的理由看起來也實在寒酸，不過窮學生有自己的辦法。

他找到了一個用1080 Ti挖以太坊的朋友，給他挖礦收益兩倍的價錢，用這位礦工的電腦愉快地訓練起了自己的神經網路。還是比AWS便宜多了。

可是獨樂樂不如眾樂樂啊，這麼好的模式，值得讓全世界的礦工聯合起來，全世界的無GPU者也聯合起來。

於是就有了Vectordash。

來，記住這三名窮學生的名字，萬一他們成了下一個比爾·蓋茨呢。他們是：來自馬里蘭大學的Sharif Shameem、Arbaz Khatib，和來自CMU的Abhishek Bhargava。

機主多賣錢，買家少花錢

官方網站上針對各種GPU給出了一個清晰的價目表：賺得最少的老GPU 1050，每天1.92美元；Titan V賺的最多，每天10.08美元。

GPU提供方賺的比挖礦多，但是開發者租到的GPU例項並不貴。每小時0.17美元起，僅僅是AWS的1/5，租個最新的Titan V，每小時才0.85美元。

每個GPU例項還都預裝了Ubuntu 16.04、CUDA、cuDNN、TensorFlow、PyTorch等等機器學習必備環境。

對比一下兩個列表，機主多賣錢，買家少花錢，算一算平臺差價好像也沒少賺，真正的皆大歡喜。

怎麼用呢？

對於開發者來說，用Vectordash和用其他雲服務差不多：租用了GPU例項，就能拿到供連線用的IP地址和SSH金鑰。

我們來看看這段視訊演示：

可惜的是，量子位沒能親自替大家試一試，因為目前所有機器都租出去了。

△ 抱歉，所有機器當前都在使用中。有興趣成為機主嘛？

沒租到GPU，卻被Vectordash網站問了一個直擊心靈的問題：有興趣把你的GPU分享出來做機主賺點錢嗎？

假如量子位有一塊1080 ti，怎麼會放過這個分分鐘變身雲服務提供商，造福AI研究者順便一天賺7.68美元的機會？GPU還沒買，先幫大家探探路也是好的。

成為機主並不難，需要先填個表：

△ https://goo.gl/forms/ghFqpayk0fuaXqL92

然後，會在一天之內收到Vectordash的指南郵件，指導機主安裝管理程式，共享GPU。

機主可以在管理程式中自行選擇提供GPU的時間段，另外，這個管理程式還支援自動切換功能，當Vectordash上沒人佔用GPU時，可以讓它去挖礦，最大化收益。

為了收款，機主還需要繫結一個虛擬貨幣錢包。使用者用完GPU之後，機主會在5秒鐘內收到錢，可以選擇比特幣、以太坊或者萊特幣，而且隨時可提現。

新機遇

哦賣糕，這個模式讓大家興奮了。

“輟學吧，你就是下一個比爾·蓋茨。”

在reddit論壇上，出這個主意的不止一人。他們都攛掇Sharif Shameem和夥伴們別搞研究了，專注在這個專案上，成為亞馬遜的對手。

目前亞馬遜提供的GPU雲端計算服務，使用的都是K80等專用產品，而更便宜的消費級GPU不能用於雲端計算這樣的商業場合。

不過，這種共享模式，似乎繞過了英偉達的限制。

Vectordash創始人表示，他們在1080Ti上訓練神經網路，比在亞馬遜雲上使用Tesla K80訓練的速度快5倍。

人們紛紛表示，原意出租自己的GPU。Shameem在Twitter上說，beta版上線17小時，就收到了143塊GPU。

還有人不甘心的問：AMD顯示卡行麼？

當然不太行。

Vectordash目前還不支援AMD的顯示卡，因為目前OpenCL還沒有得到機器學習庫的廣泛支援。當然，Vectordash的夥伴們也希望AMD、英特爾、Google能儘快趕上，他們不想活在英偉達一家獨大的世界。

這個業務模式，不免讓人們想起Golem。

據介紹，Golem是一個去中心的全球算力市場。Golem改變了算力任務的組織和執行方式。下面有段視訊介紹，沒有字幕。

隱憂

“去中心化的機器學習真是亦可賽艇，”陳天奇（XGBoost、MXNet、TVM的作者）說：“但是可能會有安全隱患。”

+1，Keras作者François Chollet附議並且進一步指出，隨機使用別人的電腦聽起來會引發隱私和安全災難。對於那些訓練資料很敏感的專案尤其如此，所以還得需要一個更安全的方式進行。

在reddit論壇上，有網友問：我有興趣提供GPU，但怎麼保證我的個人資訊不會洩露？怎麼保證我不會成為殭屍網路的一部分？

Vectordash創始人回答說，他們用了基於LXC的Hypervisor（虛擬化技術的核心，可允許多個作業系統和應用共享一套基礎物理硬體）。

不過只是這些，似乎還不能讓人完全放心。

“我有一個完美的解決方案！”

現在Google Brain團隊的David Ha說，他準備用區塊鏈解決信任和安全問題，並且準備發行TensorFlowCoin，然後還要ICO……

搶先發幣，不愧是投行轉AI的大牛。

他當然在開玩笑~

不管怎樣，一切剛剛開始。也許未來有一天，在人工智慧領域真能實現：滴滴一下，馬上訓練。

“在家呢？快上線吃雞！”

“要不還是農藥吧？”

“怎麼了？”

“我家GPU上班掙錢呢，不想打擾它。”

— 完 —

加入社群

量子位AI社群15群開始招募啦，歡迎對AI感興趣的同學，加小助手微信qbitbot6入群；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

進群請加小助手微訊號qbitbot6，並務必備註相應群的關鍵詞~通過稽核後我們將邀請進群。（專業群稽核較嚴，敬請諒解）

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話介面，回覆“招聘”兩個字。

量子位 QbitAI · 頭條號簽約作者

վ'ᴗ' ի 追蹤AI技術和產品新動態