Исследование протокола Pearl Layer-1 выявило серьезное несоответствие между заявленной и реальной полезностью вычислений. Несмотря на позиционирование системы как Proof-of-Useful-Work (PoUW) для задач AI, майнеры сети используют софт, который выполняет бесполезные матричные умножения случайных чисел вместо реального инференса нейросетей.
Что произошло
Технический анализ показал, что вместо выполнения полезных задач машинного обучения, участники сети Pearl выполняют имитацию нагрузки. Это привело к созданию искусственного дефицита вычислительных мощностей и росту цен на аренду GPU на платформе vast.ai на 38%, что вытесняет легитимные исследовательские нагрузки.
Контекст
Протоколы типа Proof-of-Useful-Work обещают использовать избыточные мощности для поддержки индустрии AI, однако на примере Pearl концепция превращается в скрытую форму классического спекулятивного майнинга. Существуют подозрения, что подобные механизмы могут использоваться крупными игроками для субсидирования инференса через механизмы майнинга, хотя реальная ценность таких вычислений сомнительна.
Почему это важно для индустрии
Для индустрии подобные проекты создают инфляцию цен на GPU и искусственный дефицит ресурсов. Это подрывает доверие к сектору AI-DePIN и требует разработки более жестких стандартов верификации полезности вычислений (Proof-of-Inference), чтобы отличить реальный инференс от симуляции.
Почему это важно для пользователей
Для конечных пользователей и исследователей это означает усложнение доступа к вычислительным ресурсам и рост стоимости аренды мощностей. Концепция полезного майнинга в текущей реализации может оказаться инструментом типа snake oil, который вместо помощи индустрии лишь удорожает инфраструктуру.
Источники
- The Usefulness Gap in Proof-of-Useful-Work: An Empirical Study of Pearl’s cuPOW Protocol
- Together AI and Pearl Research Labs
- Pearl Network GitHub
Автор
Look at AI, редакция